和谐交易模型有哪些

1. 专业和谐形态交易

国内第一部系统介绍和谐形态交易的书籍和谐形态交易为高胜算交易，具有很强的实战意义，本书作者长期实战和培训的经历，为《》的写作打下了坚实的基础。 和谐形态也称谐波形态，是通过特定的形态和费波纳契比例关系来识别市场中高胜算转折点的交易方法，已有近70年的历史。在国内，很少有人提及或者所知甚少。在已经出版的书籍中也少有涉及，并且，在介绍和谐形态的书籍中只有少数可以做到高胜算交易。如此强大的分析方法应该让更多的中国交易者所了解并使用。 《》作者用简易的波浪理论、动量交易法与和谐形态相配合，创建了简单有效的交易方法和符合逻辑的交易策略。书中使用了大量的案例图表，以帮助读者由浅入深地学习这种高效的交易方法，同时还提供了后续的交易管理方案。通过学习本书教授的方法，您将进入高胜算的和谐形态交易。 市场通常会板块轮动，如果一个行业板块失宠了，而另一个板块却正扮演着市场焦点的角色，那么市场中就会出现一种非常常见的情况，那就是被市场冷淡了的A板块中的绩优股其涨幅可能会低于被市场热捧的B板块的绩差股，这种现象在投机市场中屡见不鲜。这也是很多投机者否定通过价值和业绩选股的主要原因。但是，这一问题也不是无法规避，就市场本质而言，在绝大多数情况下绩优股的走势都要好于绩差股。

2. 商业交易和交货的组合是什么

商业模式是企业存在的一种形态，任何企业都有自己的商业模式。关于商业模式理论的研究虽数量众多，但到目前为止商业模式仍未形成系统的商业模式概念模型，更未构成完整的理论体系。

现有的商业模式概念模型都带有一定的局限性。这些概念模型多是基于对某一或某类特定企业的观察而得，有关学者在构建完自己的概念模型后很少对这一模型进行大样本、跨行业的检测，因此，这些模型可能对某类企业特别适用，但却很难具有普适性。对于商业模式构成要素、要素间的逻辑关系、商业模式分类、商业模式创新等的探讨都很充分。今天分享交易组合模型。

交易组合模型

交易组合模型是由AMIT等提出。交易组合模型将商业模式看作一种描述企业如何同顾客、合作伙伴和供应商“做生意”的经营活动体系，这一运营体系超越了企业的运营边界，它既包括企业的运营活动，也包括了企业的合作伙伴、顾客或供应商的运营活动。

或者说商业模式是一系列用以满足市场权衡需求的具体活动，即完成这些活动的具体组织(如某一企业及其合作伙伴)，以及这些活动相互间是怎样联系的。

AMIT等对商业模式的定义有3个特点:

1. 聚焦怎样做生意，而不是生意是什么、何时做生意或者在哪做生意；2. 用整体的视角审视怎样做生意，而不是仅仅关注某一具体的部分(如产品市场策略、营销或经营)；3. 强调所有商业模式的参与者的价值创造，而不是仅仅局限于价值获取;关注合作伙伴在帮助企业在商业模式中基本活动的作用。

该定义反映了企业在创造价值并将价值传递给顾客这一过程中的活动系统架构，是对企业经营系统的内部活动和外部界面的描述。

交易组合模型因清晰地反映了商业活动中企业与各利益相关者的关系而备受推崇，但不足之处在于缺乏对价值主张系统的思考，且具体的操作性也尚待进一步提高。

3. FRM干货：常用的金融风险的模型有哪些

金融市场的一项主要功能实际上是允许经济界的不同参与者交易其风险，而近二十年来，由于受经济全球化和金融一体化、现代金融理论及信息技术、金融创新等因素的影响，全球金融市场迅猛发展，金融市场呈现出前所未有的波动性，金融机构面临着日趋严重的金融风险。
近年来频繁发生的金融危机造成的严重后果充分说明了这一点。

一、波动性方法
自从1952年Markowitz提出了基于方差为风险的*3资产组合选择理论后，方差（均方差）就成了一种极具影响力的经典的金融风险度量。方差计算简便，易于使用，而且已经有了相当成熟的理论。当然，波动性方法也存在以下缺点：
（1）把收益高于均值部分的偏差也计入风险，这可能大家很难接受；
（2）以收益均值作为回报基准，也与事实不符；
（3）只考虑平均偏差，不适合用来描述小概率事件发生所导致的巨大损失，而金融市场中的“稀少事件”产生的极端风险才是金融风险的真正所在。
二、VaR模型（Value at Risk）
风险价值模型产生于1994年，比较正规的定义是：在正常市场条件下和一定的置信水平a上，测算出在给定的时间段内预期发生的最坏情况的损失大小X。在数学上的严格定义如下：设X是描述证券组合损失的随机变量，F(x)是其概率分布函数，置信水平为a，则：VaR(a)=-inf{x|F(x)≥a}。该模型在证券组合损失X符合正态分布，组合中的证券数量不发生变化时，可以比较有效的控制组合的风险。
因此，2001年的巴塞耳委员会指定VaR模型作为银行标准的风险度量工具。但是VaR模型只关心超过VaR值的频率，而不关心超过VaR值的损失分布情况，且在处理损失符合非正态分布（如厚尾现象）及投资组合发生改变时表现不稳定。
三、灵敏度分析法
灵敏度方法是对风险的线性度量，它测定市场因子的变化与证券组合价值变化的关系。对于市场因子的特定变化量，通过这关系种变化关系可得到证券组合价值的变化量。针对不同的金融产品有不同的灵敏度。比如：在固定收入市场的久期，在股票市场的“β”，在衍生工具市场“δ”等。灵敏度方法由于其简单直观而得到广泛的应用但是它有如下的缺陷：
（1）只有在市场因子变化很小时，这种近似关系才与现实相符，是一种局部性测量方法；
（2）对产品类型的高度依赖性；
（3）不稳定性。如股票的“贝塔”系数存在不稳定的缺陷，用其衡量风险，有很大的争议；
（4）相对性。敏感度只是相对的比例概念，并没有回答损失到底有多大。
四、一致性风险度量模型（Coherentmeasure of risk）
Artzner et al.（1997）提出了一致性风险度量模型，认为一个完美的风险度量模型必须满足下面的约束条件：
（1）单调性；
（2）次可加性；
（3）正齐次性；
（4）平移不变性。
次可加性条件保证了组合的风险小于等于构成组合的每个部分风险的和，这一条件与我们进行分散性投资可以降低非系统风险相一致，是一个风险度量模型应具有的重要的属性，在实际中如银行的资本金确定和*3化组合确定中也具有重要的意义。目前一致性风险度量模型有：
（1）CVaR模型（Condition Value at Risk）：条件风险价值（CVaR）模型是指在正常市场条件下和一定的置信水平a上，测算出在给定的时间段内损失超过VaRa的条件期望值。CVaR模型在一定程度上克服了VaR模型的缺点不仅考虑了超过VaR值的频率，而且考虑了超过VaR值损失的条件期望，有效的改善了VaR模型在处理损失分布的后尾现象时存在的问题。当证券组合损失的密度函数是连续函数时，CVaR模型是一个一致性风险度量模型，具有次可加性，但当证券组合损失的密度函数不是连续函数时，CVaR模型不再是一致性风险度量模型，即CVaR模型不是广义的一致性风险度量模型，需要进行一定的改进。
（2）ES模型（Expected Shortfall）：ES模型是在CVaR基础上的改进版，它是一致性风险度量模型。如果损失X的密度函数是连续的，则ES模型的结果与CVaR模型的结果相同；如果损失X的密度函数是不连续的，则两个模型计算出来的结果有一定差异。
（3）DRM模型（Distortion Risk-Measure）：DRM通过一个测度变换得到一类新的风险度量指标。DRM模型包含了诸如VaR、CVaR等风险度量指标，它是一类更广义的风险度量指标。
（4）谱风险测度：2002年，Acerbi对ES进行了推广，提出了谱风险测度（Spectral Risk Measure）的概念，并证明了它是一致性风险度量。但是该测度实际计算的难度很大，维数过高时，即使转化成线性规划问题，计算也相当困难。
五、信息熵方法
由不确定性把信息熵与风险联系在一起引起了众多学者的研究兴趣，例如Maasoumi，Ebrahim，Massoumi and Racine，Reesor.R等分别从熵的不同角度考虑了风险的度量，熵是关于概率的一个单调函数，非负，计算量相对较少，熵越大风险越大。
六、未来的发展趋势
近年来行为金融学逐渐兴起，它将心理学的研究成果引入到标准金融理论的研究，弥补了标准金融理论中存在的一些缺陷，将投资心理纳入到证券投资风险度量，提出了两者基于行为金融的认知风险度量方法，并讨论了认知风险与传统度量方差的关系。2004年Murali Rao给出一种新的不确定性度量--累积剩余熵。累积剩余熵是用分布函数替换了Shannon熵的概率分布律或密度函数，它具有一些良好的数学性质，这个定义推广了Shannon熵的概念让离散随机变量和连续随机变量的熵合二为一，也许会将风险度量的研究推向一个新的台阶。
总之，金融风险的度量对资产投资组合、资产业绩评价、风险控制等方面有着十分重要的意义。针对不同的风险源、风险管理目标，产生了不同的风险度量方法，它们各有利弊，反映了风险的不同特征和不同侧面。在风险管理的实践中，只有综合不同的风险度量方法，从各个不同的角度去度量风险，才能更好地识别和控制风险，这也是未来风险度量的发展趋势。

4. 行为金融模型有哪些

行为金融学有五大经典模型：DSSW模型、BSV模型、DHS模型、HS模型、BHS模型，具体为：
DSSW模型：Delong,Shleifer,Summers和Waldmann(1990)提出噪声交易的基本模型，简称DSSW模型，他们认为，当理性套利者进行套利时，不仅要面对基础性变动的风险还要面对“噪声交易者”非理性预期变动的风险。该模型证明了非理性交易者不仅能够在理性交易者的博弈中生存下来，而且，由于噪声交易者制造了更大的市场风险，他们还将有可能获得比理性投资者更高的风险溢价。
BSV模型：Barberis,Shleifer和Vishny(1998)提出，他们假定投资者决策时存在两种偏差，其一是代表性偏差，其二是保守性偏差。代表性偏差会造成投资者对信息的反应过度，保守性偏差会造成投资者对新信息的反应不充分，导致反应不足。
DHS模型：Daniel.Hirshleifer和Suhramanyam(1998)提出，他们把投资者划分为有信息的投资者和无信息的投资者，而有信息的投资者存在两种偏差，一是过度自信，二是自我归因偏差。投资者通常过高的估计了自身的预测能力，低估了自己的预测误差；过分相信私人信息，低估公开信息的价值。
HS模型：Hong 和Stein（1999）年提出。该模型假定市场由两种有限理性投资者组成：“信息挖掘者”和“惯性交易者”。两种有限理性投资者都只能“处理”所有公开信息中的一个子集。信息挖掘者基于他们私自观测到的关于未来基本情况的信息来做出预测，他们的局限性是不能根据当前和过去价格的信息进行预测。惯性交易者正好相反，他们可以根据价格变化做出预测，但是他们的预测是过去价格的简单函数。HS模型将中期的反应不足和长期的价格反应过度统一起来，一次又称为统一理论模型。
BHS模型：Barberis Nicholas,Ming Huang,and Tano Santos(2001) 提出，该模型是基于均值市场的假设而建立。和前面的三个模型不同，BHS模型没有将有偏的预期引入到模型中，而是从资产定价的另一方面，即投资者的风险态度的角度来考虑问题。在传统的基于消费的定价模型中，作者引入前景理论所揭示的“损失厌恶”现象和另一个关于偏好的“私房钱效应”，产生了一个随前期收益状况而变化的风险厌恶，价格升高后投资者风险厌恶程度降低，价格将被进一步推高。价格降低后投资者风险厌恶程度升高，价格将进一步打压。这个模型可以解释市场方面的三个偏差现象：过度波动现象，股权溢价之谜，收益可预测性。
泡沫模型：泡沫根植于股票市场的虚拟性和不完全性。在这种市场上，价格的高低在很多程度上取决于交易双方对于未来价格的预期。而且这种预期具有“自我维持”或“自我实现”的特点。当股票价格越是上涨，越有更多地人相信股价会继续上涨，即使人们知道股价已背离其内在价值。在过高价位上一旦市价止升回跌，很快会出现下行的正反馈激荡，导致泡沫彻底破裂。现有泡沫模型大致分为理性泡沫模型和行为金融泡沫模型两大类。

5. 行为金融模型有哪些

行为金融学有五大经典模型：DSSW模型、BSV模型、DHS模型、HS模型、BHS模型。
温馨提示：以上信息仅供参考。
应答时间：2021-08-10，最新业务变化请以平安银行官网公布为准。
[平安银行我知道]想要知道更多？快来看“平安银行我知道”吧~
https://b.pingan.com.cn/paim/iknow/index.html

6. 跪求《The Harmonic Trader》的中文翻译是1999年Scott M. carney写的！

The Harmonic Trader 《和谐的交易－蝴蝶形态分析原理》By Scott M.Carney
Scott M.Carney在1999年出版了一本叫《和谐的交易》("The Harmonic Trader")的书，这还是一本形态分析和交易的书， Carney在书的第3部分在讨论了"Gartley222"形态后介绍和详细讨论了蝴蝶形态 （ Butterfly ),蝴蝶形态分为牛市
蝴蝶形态和熊市蝴蝶形态，蝴蝶形态的基础就是Gartley222，丰富了Gartley形态的内涵和内容。

可以说蝴蝶形态发展到今天，并不是一个人的杰作，而是经过多角度的演变和优化。笔者针对蝴蝶形态的基本原理也做了一些调整改变。特别是在C点确认后，可以有效的预测D点的位置。当前应用在实战方面效果还是不错的。

笔者体会在《和谐的交易》中所阐述的蝴蝶形态（以菲薄纳奇神奇数列作为结构基础）可以看作是事物自然规律的产物，理想状态下，如果我们在走势图中确认了X、A、B、C、D各点，我们就可以判断位于D点之后的翻转行情。X、A、B、C、D各点间回调比例组合必须满足特定菲薄纳奇数列组合。当然在实际走势中，走势的形态特征和回调的幅度只是会永远的无穷接近理想状态。这样我们就要在点位的选择上下功夫研究。

以下是理想状态下，蝴蝶各形态以及形态对应的菲薄纳奇回调比例。希望投资者牢记。实际走势中，点位间回调幅度难免会出现细微偏差，而这种偏差组合会对蝴蝶形态的选取产生分歧。这就需要通过大量的分析实践找寻适合自己的分析规律。

在蝴蝶形态及其衍生形态中我们不难发现，由于蝴蝶形态的存在，很多时候趋势线（X-B的延长线）支撑阻力、水平支撑阻力（A、B点水平价位）等常规分析方法已经变的没那么重要。这样的例子很多很多。当您无数次苦恼自己常用的指标失效而对走势分析无从下手时，或许蝴蝶形态正是您的救命稻草

7. 量化交易都有哪些主要的策略模型

1、Alpha策略

全对冲的叫做Alpha策略，不对冲的在市面上常被称作指数增强策略。二者所用模型一样，但后者少了期货的对冲。缺少对冲有坏处也有好处，坏处是这种策略的收益曲线是会有较大的回撤。但好处方面，在大涨的年份，这种策略的表现会特别好。

2、CTA策略

CTA策略的特点是收益风险比相对Alpha来说会较低。但是在行情较好的年份收益可能会很高，尤其是在早期。而且，无论是在编程还是策略上，CTA入门的难度相对来说都是最低的。

3、高频交易策略

国内使用高频交易策略主要应用在，期货趋势、期货套利、期货做市、股票T+0以及全做市交易，国外机构自营交易，比如美股以及股指等。国内做高频交易的基本上都是私募，但高频交易的产品基本上不会对外募集或者极少对外募集。

国内发展趋势

国内量化投资规模大概是3500到4000亿人民币，其中公募基金1200亿，其余为私募量化基金，数量达300多家，占比3%(私募管理人共9000多家)，金额在2000亿左右。

中国证券基金的整体规模超过16万亿，其中公募14万亿，私募2.4万亿，乐观估计，量化基金管理规模在国内证券基金的占比在1%~2%，在公募证券基金占比不到1%，在私募证券基金占比5%左右，相比国外超过30%的资金来自于量化或者程序化投资，国内未来的增长空间巨大。

8. 量化交易都有哪些主要的策略模型

国内的量化策略可以简单分为三个类型，Alpha策略，CTA策略以及高频交易策略。

1.Alpha策略
Alpha策略包含不同类别：

按照研究内容来分，可分为基本面Alpha（或者叫财务Alpha）和量价Alpha。业内普遍不会将这两种Alpha完全隔离开。但是不同团队会按照其能力、擅长方向以及信仰，在做因子上有所偏向。有的团队喜欢用数据挖掘的方式做量价因子，而有的团队喜欢从基本面财务逻辑的角度出发，精细地筛选财务因子。

按照是否对冲可以分为两类。全对冲的叫做Alpha策略，不对冲的在市面上常被称作指数增强策略。二者所用模型一样，但后者少了期货的对冲。缺少对冲有坏处也有好处，坏处是这种策略的收益曲线是会有较大的回撤。但好处方面，在大涨的年份，这种策略的表现会特别好；从长期看, 公司可以赚取BETA分红收益, 并且可以吸引看好指数的客户。相比之下而对冲Alpha策略一般在大牛市中会远远跑输指数；此外不对冲的好处是节约资金，对冲的Alpha策略至少要放20~30%的资金在期货端用来做保证金。

2.CTA策略
关于CTA策略，我是在2010年开始做CTA策略的。CTA改进到天字一号量化是我的转折点，多品种组合，单次买进控制低风险度，1%~3%的风险度，实践中明白了如何提高盈亏比。现在我的一个实盘账户资金，7年盈利5.68倍，他适合多品种，多种风险度，日线，小时线，15分钟线都能够支持。

3.高频交易策略
第三类策略就是高频交易策略，高频交易在国内的主要应用有以下几类，期货趋势、期货套利、期权等做高频交易的基本上都是私募，但高频交易的产品基本上不会对外募集或者极少对外募集。高频交易有收益高回撤小的优点，但是做高频的软硬件投入也都昂贵(比如一台服务器的花费在8-10万左右) 。更高频的是千分之一秒以上的，一套机器几百万元，这种是单次盈利小，见利就收，累积起来也有不错的收益。这种适合大资金，高学历，高投入团队来做。