作者：杰少

四大量化強特

簡介

本文介紹四個在量化問題中非常重要的特征，對量化有興趣的朋友可以參考學習，此處的資料主要來源于Optiver團隊在Kaggle賽事中的分享。

四大量化強特

01

bid/ask spread

由于不同的股票在市場上的交易水平不同，我們采用最佳報價(best offer price)和最佳買入價(best bid price)的比值來計算買賣價差。

買賣價差的計算公式可采用以下形式：

注：最佳買入價是有人愿意購買的最高價格，最佳報價（或出價）是有人愿意出售的最低價格。

01

Weighted averaged price

訂單（Order) Book是股票估值的重要來源之一。公允的賬面價值評估必須考慮兩個因素：訂單的水平和規模。我們可以使用加權平均價格（WAP）來計算股票的瞬時估值，并以實際波動率為目標。

WAP的公式如下，它考慮了最高級別的價格和數量信息：

如果兩本books在同一價格水平上分別有出價(bid offer)和要價(ask offer)，那么出價越多的book將產生較低的股票估值，因為書中有更多的意向賣家，而賣家越多意味著市場上的供應越多，導致股票估值越低。

• 在大多數情況下，在連續交易時間內，訂單簿不應出現bid order高于offer或ask order的情況。

03

Log returns

假設是股票在時刻的價格，我們通過下面的方式計算和時刻的log return，

通常我們會計算在10分鐘之內的log return。Log returns有很多優勢，例如：

• 它們可以在時間軸上相加：

• 一般的returns不可能低于-100%,但是log return是不受限的；

04

Realized volatility

模型的有價值輸入是股票對數收益的標準差。對于在較長或較短時間間隔內計算的對數收益率，標準差會有所不同，因此通常:

• 將其標準化為1年期，而年化標準差就被稱為波動率(volatility)。

我們一般會使用WAP作為股票的價值來計算log returns。

代碼

1.bid/ask spread

def?ba_spread(best_offer,?best_bid):ba_spread?=??best_offer?/?best_bid?-?1.0return?ba_spread

2.WAP

def?wap(book):wap?=?(book['bid_price1']?*?book['ask_size1']?+\book['ask_price1']?*?book['bid_size1'])?/?(book['bid_size1']+?book['ask_size1'])return?wap

3.Log returns

def?log_return(list_stock_prices):return?np.log(list_stock_prices).diff()?

4.Realized volatility

def?realized_volatility(series_log_return):return?np.sqrt(np.sum(series_log_return**2))?

適用問題

股票等問題的建模。

參考文獻

Introduction to financial concepts and data?

往期精彩回顧本站qq群851320808，加入微信群請掃碼：

適合初學者入門人工智能的路線及資料下載

機器學習及深度學習筆記等資料打印

機器學習在線手冊

深度學習筆記專輯

《統計學習方法》的代碼復現專輯

AI基礎下載

機器學習的數學基礎專輯

溫州大學《機器學習課程》視頻

總結

以上是生活随笔為你收集整理的【数据竞赛】数据竞赛中最贵的四个特征的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。