和諧交易模型有哪些

1. 專業和諧形態交易

國內第一部系統介紹和諧形態交易的書籍和諧形態交易為高勝算交易，具有很強的實戰意義，本書作者長期實戰和培訓的經歷，為《》的寫作打下了堅實的基礎。 和諧形態也稱諧波形態，是通過特定的形態和費波納契比例關系來識別市場中高勝算轉折點的交易方法，已有近70年的歷史。在國內，很少有人提及或者所知甚少。在已經出版的書籍中也少有涉及，並且，在介紹和諧形態的書籍中只有少數可以做到高勝算交易。如此強大的分析方法應該讓更多的中國交易者所了解並使用。 《》作者用簡易的波浪理論、動量交易法與和諧形態相配合，創建了簡單有效的交易方法和符合邏輯的交易策略。書中使用了大量的案例圖表，以幫助讀者由淺入深地學習這種高效的交易方法，同時還提供了後續的交易管理方案。通過學習本書教授的方法，您將進入高勝算的和諧形態交易。 市場通常會板塊輪動，如果一個行業板塊失寵了，而另一個板塊卻正扮演著市場焦點的角色，那麼市場中就會出現一種非常常見的情況，那就是被市場冷淡了的A板塊中的績優股其漲幅可能會低於被市場熱捧的B板塊的績差股，這種現象在投機市場中屢見不鮮。這也是很多投機者否定通過價值和業績選股的主要原因。但是，這一問題也不是無法規避，就市場本質而言，在絕大多數情況下績優股的走勢都要好於績差股。

2. 商業交易和交貨的組合是什麼

商業模式是企業存在的一種形態，任何企業都有自己的商業模式。關於商業模式理論的研究雖數量眾多，但到目前為止商業模式仍未形成系統的商業模式概念模型，更未構成完整的理論體系。

現有的商業模式概念模型都帶有一定的局限性。這些概念模型多是基於對某一或某類特定企業的觀察而得，有關學者在構建完自己的概念模型後很少對這一模型進行大樣本、跨行業的檢測，因此，這些模型可能對某類企業特別適用，但卻很難具有普適性。對於商業模式構成要素、要素間的邏輯關系、商業模式分類、商業模式創新等的探討都很充分。今天分享交易組合模型。

交易組合模型

交易組合模型是由AMIT等提出。交易組合模型將商業模式看作一種描述企業如何同顧客、合作夥伴和供應商「做生意」的經營活動體系，這一運營體系超越了企業的運營邊界，它既包括企業的運營活動，也包括了企業的合作夥伴、顧客或供應商的運營活動。

或者說商業模式是一系列用以滿足市場權衡需求的具體活動，即完成這些活動的具體組織(如某一企業及其合作夥伴)，以及這些活動相互間是怎樣聯系的。

AMIT等對商業模式的定義有3個特點:

1. 聚焦怎樣做生意，而不是生意是什麼、何時做生意或者在哪做生意；2. 用整體的視角審視怎樣做生意，而不是僅僅關注某一具體的部分(如產品市場策略、營銷或經營)；3. 強調所有商業模式的參與者的價值創造，而不是僅僅局限於價值獲取;關注合作夥伴在幫助企業在商業模式中基本活動的作用。

該定義反映了企業在創造價值並將價值傳遞給顧客這一過程中的活動系統架構，是對企業經營系統的內部活動和外部界面的描述。

交易組合模型因清晰地反映了商業活動中企業與各利益相關者的關系而備受推崇，但不足之處在於缺乏對價值主張系統的思考，且具體的操作性也尚待進一步提高。

3. FRM干貨：常用的金融風險的模型有哪些

金融市場的一項主要功能實際上是允許經濟界的不同參與者交易其風險，而近二十年來，由於受經濟全球化和金融一體化、現代金融理論及信息技術、金融創新等因素的影響，全球金融市場迅猛發展，金融市場呈現出前所未有的波動性，金融機構面臨著日趨嚴重的金融風險。
近年來頻繁發生的金融危機造成的嚴重後果充分說明了這一點。

一、波動性方法
自從1952年Markowitz提出了基於方差為風險的*3資產組合選擇理論後，方差（均方差）就成了一種極具影響力的經典的金融風險度量。方差計算簡便，易於使用，而且已經有了相當成熟的理論。當然，波動性方法也存在以下缺點：
（1）把收益高於均值部分的偏差也計入風險，這可能大家很難接受；
（2）以收益均值作為回報基準，也與事實不符；
（3）只考慮平均偏差，不適合用來描述小概率事件發生所導致的巨大損失，而金融市場中的「稀少事件」產生的極端風險才是金融風險的真正所在。
二、VaR模型（Value at Risk）
風險價值模型產生於1994年，比較正規的定義是：在正常市場條件下和一定的置信水平a上，測算出在給定的時間段內預期發生的最壞情況的損失大小X。在數學上的嚴格定義如下：設X是描述證券組合損失的隨機變數，F(x)是其概率分布函數，置信水平為a，則：VaR(a)=-inf{x|F(x)≥a}。該模型在證券組合損失X符合正態分布，組合中的證券數量不發生變化時，可以比較有效的控制組合的風險。
因此，2001年的巴塞耳委員會指定VaR模型作為銀行標準的風險度量工具。但是VaR模型只關心超過VaR值的頻率，而不關心超過VaR值的損失分布情況，且在處理損失符合非正態分布（如厚尾現象）及投資組合發生改變時表現不穩定。
三、靈敏度分析法
靈敏度方法是對風險的線性度量，它測定市場因子的變化與證券組合價值變化的關系。對於市場因子的特定變化量，通過這關系種變化關系可得到證券組合價值的變化量。針對不同的金融產品有不同的靈敏度。比如：在固定收入市場的久期，在股票市場的「β」，在衍生工具市場「δ」等。靈敏度方法由於其簡單直觀而得到廣泛的應用但是它有如下的缺陷：
（1）只有在市場因子變化很小時，這種近似關系才與現實相符，是一種局部性測量方法；
（2）對產品類型的高度依賴性；
（3）不穩定性。如股票的「貝塔」系數存在不穩定的缺陷，用其衡量風險，有很大的爭議；
（4）相對性。敏感度只是相對的比例概念，並沒有回答損失到底有多大。
四、一致性風險度量模型（Coherentmeasure of risk）
Artzner et al.（1997）提出了一致性風險度量模型，認為一個完美的風險度量模型必須滿足下面的約束條件：
（1）單調性；
（2）次可加性；
（3）正齊次性；
（4）平移不變性。
次可加性條件保證了組合的風險小於等於構成組合的每個部分風險的和，這一條件與我們進行分散性投資可以降低非系統風險相一致，是一個風險度量模型應具有的重要的屬性，在實際中如銀行的資本金確定和*3化組合確定中也具有重要的意義。目前一致性風險度量模型有：
（1）CVaR模型（Condition Value at Risk）：條件風險價值（CVaR）模型是指在正常市場條件下和一定的置信水平a上，測算出在給定的時間段內損失超過VaRa的條件期望值。CVaR模型在一定程度上克服了VaR模型的缺點不僅考慮了超過VaR值的頻率，而且考慮了超過VaR值損失的條件期望，有效的改善了VaR模型在處理損失分布的後尾現象時存在的問題。當證券組合損失的密度函數是連續函數時，CVaR模型是一個一致性風險度量模型，具有次可加性，但當證券組合損失的密度函數不是連續函數時，CVaR模型不再是一致性風險度量模型，即CVaR模型不是廣義的一致性風險度量模型，需要進行一定的改進。
（2）ES模型（Expected Shortfall）：ES模型是在CVaR基礎上的改進版，它是一致性風險度量模型。如果損失X的密度函數是連續的，則ES模型的結果與CVaR模型的結果相同；如果損失X的密度函數是不連續的，則兩個模型計算出來的結果有一定差異。
（3）DRM模型（Distortion Risk-Measure）：DRM通過一個測度變換得到一類新的風險度量指標。DRM模型包含了諸如VaR、CVaR等風險度量指標，它是一類更廣義的風險度量指標。
（4）譜風險測度：2002年，Acerbi對ES進行了推廣，提出了譜風險測度（Spectral Risk Measure）的概念，並證明了它是一致性風險度量。但是該測度實際計算的難度很大，維數過高時，即使轉化成線性規劃問題，計算也相當困難。
五、信息熵方法
由不確定性把信息熵與風險聯系在一起引起了眾多學者的研究興趣，例如Maasoumi，Ebrahim，Massoumi and Racine，Reesor.R等分別從熵的不同角度考慮了風險的度量，熵是關於概率的一個單調函數，非負，計算量相對較少，熵越大風險越大。
六、未來的發展趨勢
近年來行為金融學逐漸興起，它將心理學的研究成果引入到標准金融理論的研究，彌補了標准金融理論中存在的一些缺陷，將投資心理納入到證券投資風險度量，提出了兩者基於行為金融的認知風險度量方法，並討論了認知風險與傳統度量方差的關系。2004年Murali Rao給出一種新的不確定性度量--累積剩餘熵。累積剩餘熵是用分布函數替換了Shannon熵的概率分布律或密度函數，它具有一些良好的數學性質，這個定義推廣了Shannon熵的概念讓離散隨機變數和連續隨機變數的熵合二為一，也許會將風險度量的研究推向一個新的台階。
總之，金融風險的度量對資產投資組合、資產業績評價、風險控制等方面有著十分重要的意義。針對不同的風險源、風險管理目標，產生了不同的風險度量方法，它們各有利弊，反映了風險的不同特徵和不同側面。在風險管理的實踐中，只有綜合不同的風險度量方法，從各個不同的角度去度量風險，才能更好地識別和控制風險，這也是未來風險度量的發展趨勢。

4. 行為金融模型有哪些

行為金融學有五大經典模型：DSSW模型、BSV模型、DHS模型、HS模型、BHS模型，具體為：
DSSW模型：Delong,Shleifer,Summers和Waldmann(1990)提出雜訊交易的基本模型，簡稱DSSW模型，他們認為，當理性套利者進行套利時，不僅要面對基礎性變動的風險還要面對「雜訊交易者」非理性預期變動的風險。該模型證明了非理性交易者不僅能夠在理性交易者的博弈中生存下來，而且，由於雜訊交易者製造了更大的市場風險，他們還將有可能獲得比理性投資者更高的風險溢價。
BSV模型：Barberis,Shleifer和Vishny(1998)提出，他們假定投資者決策時存在兩種偏差，其一是代表性偏差，其二是保守性偏差。代表性偏差會造成投資者對信息的反應過度，保守性偏差會造成投資者對新信息的反應不充分，導致反應不足。
DHS模型：Daniel.Hirshleifer和Suhramanyam(1998)提出，他們把投資者劃分為有信息的投資者和無信息的投資者，而有信息的投資者存在兩種偏差，一是過度自信，二是自我歸因偏差。投資者通常過高的估計了自身的預測能力，低估了自己的預測誤差；過分相信私人信息，低估公開信息的價值。
HS模型：Hong 和Stein（1999）年提出。該模型假定市場由兩種有限理性投資者組成：「信息挖掘者」和「慣性交易者」。兩種有限理性投資者都只能「處理」所有公開信息中的一個子集。信息挖掘者基於他們私自觀測到的關於未來基本情況的信息來做出預測，他們的局限性是不能根據當前和過去價格的信息進行預測。慣性交易者正好相反，他們可以根據價格變化做出預測，但是他們的預測是過去價格的簡單函數。HS模型將中期的反應不足和長期的價格反應過度統一起來，一次又稱為統一理論模型。
BHS模型：Barberis Nicholas,Ming Huang,and Tano Santos(2001) 提出，該模型是基於均值市場的假設而建立。和前面的三個模型不同，BHS模型沒有將有偏的預期引入到模型中，而是從資產定價的另一方面，即投資者的風險態度的角度來考慮問題。在傳統的基於消費的定價模型中，作者引入前景理論所揭示的「損失厭惡」現象和另一個關於偏好的「私房錢效應」，產生了一個隨前期收益狀況而變化的風險厭惡，價格升高後投資者風險厭惡程度降低，價格將被進一步推高。價格降低後投資者風險厭惡程度升高，價格將進一步打壓。這個模型可以解釋市場方面的三個偏差現象：過度波動現象，股權溢價之謎，收益可預測性。
泡沫模型：泡沫根植於股票市場的虛擬性和不完全性。在這種市場上，價格的高低在很多程度上取決於交易雙方對於未來價格的預期。而且這種預期具有「自我維持」或「自我實現」的特點。當股票價格越是上漲，越有更多地人相信股價會繼續上漲，即使人們知道股價已背離其內在價值。在過高價位上一旦市價止升回跌，很快會出現下行的正反饋激盪，導致泡沫徹底破裂。現有泡沫模型大致分為理性泡沫模型和行為金融泡沫模型兩大類。

5. 行為金融模型有哪些

行為金融學有五大經典模型：DSSW模型、BSV模型、DHS模型、HS模型、BHS模型。
溫馨提示：以上信息僅供參考。
應答時間：2021-08-10，最新業務變化請以平安銀行官網公布為准。
[平安銀行我知道]想要知道更多？快來看「平安銀行我知道」吧~
https://b.pingan.com.cn/paim/iknow/index.html

6. 跪求《The Harmonic Trader》的中文翻譯是1999年Scott M. carney寫的！

The Harmonic Trader 《和諧的交易－蝴蝶形態分析原理》By Scott M.Carney
Scott M.Carney在1999年出版了一本叫《和諧的交易》("The Harmonic Trader")的書，這還是一本形態分析和交易的書， Carney在書的第3部分在討論了"Gartley222"形態後介紹和詳細討論了蝴蝶形態 （ Butterfly ),蝴蝶形態分為牛市
蝴蝶形態和熊市蝴蝶形態，蝴蝶形態的基礎就是Gartley222，豐富了Gartley形態的內涵和內容。

可以說蝴蝶形態發展到今天，並不是一個人的傑作，而是經過多角度的演變和優化。筆者針對蝴蝶形態的基本原理也做了一些調整改變。特別是在C點確認後，可以有效的預測D點的位置。當前應用在實戰方面效果還是不錯的。

筆者體會在《和諧的交易》中所闡述的蝴蝶形態（以菲薄納奇神奇數列作為結構基礎）可以看作是事物自然規律的產物，理想狀態下，如果我們在走勢圖中確認了X、A、B、C、D各點，我們就可以判斷位於D點之後的翻轉行情。X、A、B、C、D各點間回調比例組合必須滿足特定菲薄納奇數列組合。當然在實際走勢中，走勢的形態特徵和回調的幅度只是會永遠的無窮接近理想狀態。這樣我們就要在點位的選擇上下功夫研究。

以下是理想狀態下，蝴蝶各形態以及形態對應的菲薄納奇回調比例。希望投資者牢記。實際走勢中，點位間回調幅度難免會出現細微偏差，而這種偏差組合會對蝴蝶形態的選取產生分歧。這就需要通過大量的分析實踐找尋適合自己的分析規律。

在蝴蝶形態及其衍生形態中我們不難發現，由於蝴蝶形態的存在，很多時候趨勢線（X-B的延長線）支撐阻力、水平支撐阻力（A、B點水平價位）等常規分析方法已經變的沒那麼重要。這樣的例子很多很多。當您無數次苦惱自己常用的指標失效而對走勢分析無從下手時，或許蝴蝶形態正是您的救命稻草

7. 量化交易都有哪些主要的策略模型

1、Alpha策略

全對沖的叫做Alpha策略，不對沖的在市面上常被稱作指數增強策略。二者所用模型一樣，但後者少了期貨的對沖。缺少對沖有壞處也有好處，壞處是這種策略的收益曲線是會有較大的回撤。但好處方面，在大漲的年份，這種策略的表現會特別好。

2、CTA策略

CTA策略的特點是收益風險比相對Alpha來說會較低。但是在行情較好的年份收益可能會很高，尤其是在早期。而且，無論是在編程還是策略上，CTA入門的難度相對來說都是最低的。

3、高頻交易策略

國內使用高頻交易策略主要應用在，期貨趨勢、期貨套利、期貨做市、股票T+0以及全做市交易，國外機構自營交易，比如美股以及股指等。國內做高頻交易的基本上都是私募，但高頻交易的產品基本上不會對外募集或者極少對外募集。

國內發展趨勢

國內量化投資規模大概是3500到4000億人民幣，其中公募基金1200億，其餘為私募量化基金，數量達300多家，佔比3%(私募管理人共9000多家)，金額在2000億左右。

中國證券基金的整體規模超過16萬億，其中公募14萬億，私募2.4萬億，樂觀估計，量化基金管理規模在國內證券基金的佔比在1%~2%，在公募證券基金佔比不到1%，在私募證券基金佔比5%左右，相比國外超過30%的資金來自於量化或者程序化投資，國內未來的增長空間巨大。

8. 量化交易都有哪些主要的策略模型

國內的量化策略可以簡單分為三個類型，Alpha策略，CTA策略以及高頻交易策略。

1.Alpha策略
Alpha策略包含不同類別：

按照研究內容來分，可分為基本面Alpha（或者叫財務Alpha）和量價Alpha。業內普遍不會將這兩種Alpha完全隔離開。但是不同團隊會按照其能力、擅長方向以及信仰，在做因子上有所偏向。有的團隊喜歡用數據挖掘的方式做量價因子，而有的團隊喜歡從基本面財務邏輯的角度出發，精細地篩選財務因子。

按照是否對沖可以分為兩類。全對沖的叫做Alpha策略，不對沖的在市面上常被稱作指數增強策略。二者所用模型一樣，但後者少了期貨的對沖。缺少對沖有壞處也有好處，壞處是這種策略的收益曲線是會有較大的回撤。但好處方面，在大漲的年份，這種策略的表現會特別好；從長期看, 公司可以賺取BETA分紅收益, 並且可以吸引看好指數的客戶。相比之下而對沖Alpha策略一般在大牛市中會遠遠跑輸指數；此外不對沖的好處是節約資金，對沖的Alpha策略至少要放20~30%的資金在期貨端用來做保證金。

2.CTA策略
關於CTA策略，我是在2010年開始做CTA策略的。CTA改進到天字一號量化是我的轉折點，多品種組合，單次買進控制低風險度，1%~3%的風險度，實踐中明白了如何提高盈虧比。現在我的一個實盤賬戶資金，7年盈利5.68倍，他適合多品種，多種風險度，日線，小時線，15分鍾線都能夠支持。

3.高頻交易策略
第三類策略就是高頻交易策略，高頻交易在國內的主要應用有以下幾類，期貨趨勢、期貨套利、期權等做高頻交易的基本上都是私募，但高頻交易的產品基本上不會對外募集或者極少對外募集。高頻交易有收益高回撤小的優點，但是做高頻的軟硬體投入也都昂貴(比如一台伺服器的花費在8-10萬左右) 。更高頻的是千分之一秒以上的，一套機器幾百萬元，這種是單次盈利小，見利就收，累積起來也有不錯的收益。這種適合大資金，高學歷，高投入團隊來做。