ETF择时信号系统 · 核心算法

📚 共计 30 章节

择时系统概述

什么是ETF择时、为什么需要择时、系统核心指标（夏普比率、最大回撤、胜率）

夏普比率最大回撤胜率

数据获取与清洗

使用akshare获取ETF行情数据、处理缺失值、复权处理、数据对齐

akshare复权数据对齐

基础统计特征

滚动均值、滚动标准差、布林带计算、Z-score标准化

布林带Z-score滚动窗口

动量因子构建

N日收益率、动量得分、动量衰减加权、动量因子标准化

动量衰减加权标准化

单均线金叉死叉、双均线交叉、均线排列、均线斜率

金叉死叉双均线均线斜率

DIF/DEA计算、柱状图、背离识别、参数优化

DIF/DEA背离参数优化

RSI计算、超买超卖区间、RSI背离、RSI形态识别

超买超卖背离形态识别

K/D/J三线计算、金叉死叉、超买超卖、钝化处理

K/D/J钝化金叉死叉

成交量分析

成交量均线、量价配合、缩量放量阈值、成交量突破

量价配合缩量放量突破

波动率指标

历史波动率、已实现波动率、波动率锥、波动率择时

历史波动率波动率锥择时

相关性分析

ETF与大盘相关性、板块轮动、相关性突变检测

相关性板块轮动突变检测

时间序列分解

趋势分解、季节分解、残差分析、周期识别

趋势分解季节分解周期识别

机器学习入门

特征工程基础、标签构建、训练集/验证集划分

特征工程标签数据集划分

逻辑回归模型

逻辑回归原理、特征选择、模型训练、概率输出

逻辑回归特征选择概率输出

随机森林模型

集成学习原理、树的数量、特征重要性、过拟合控制

集成学习特征重要性过拟合

梯度提升原理、参数调优、早停策略、特征重要性

XGBoost早停参数调优

序列建模、时间步长、隐藏层设计、预测输出

LSTM时间步长隐藏层

投票法、加权平均、Stacking、Blending

投票法StackingBlending

多因子加权、信号阈值、信号平滑、信号衰减

多因子阈值平滑

凯利公式、固定比例、波动率调整、最大回撤控制

凯利公式波动率调整回撤控制

回测框架搭建

事件驱动回测、向量化回测、滑点与手续费、绩效报告

事件驱动向量化滑点

过拟合检测

交叉验证、滚动回测、参数敏感性、蒙特卡洛模拟

交叉验证滚动回测蒙特卡洛

实盘注意事项

数据延迟、交易成本、冲击成本、系统稳定性

数据延迟冲击成本稳定性

止损策略、止盈策略、最大回撤止损、波动率止损

止损止盈波动率止损

收益分解、因子归因、风格归因、Brinson归因

收益分解因子归因Brinson

遗传算法、网格搜索、贝叶斯优化、模拟退火

遗传算法网格搜索贝叶斯优化

多周期分析

日线/小时线/分钟线、多周期共振、周期转换

多周期共振周期转换

事件驱动策略

财报发布、政策发布、突发事件、事件窗口

事件驱动财报政策

高频信号处理

信号降噪、信号滤波、信号聚合、信号触发

降噪滤波聚合

API封装、定时任务、日志监控、告警系统

API定时任务告警