数据分析思维:分析方法和业务知识

数据分析思维:分析方法和业务知识

加载中...

微信扫码,免登录解锁高速下载

如何使用 & 隐私说明

精彩点评

  • 数据分析思维:分析方法和业务知识
    茂杨
    推荐

    市场是一个黑箱子,我们不知道他会返回什么给我们。 有人试图通过历史记录找到它的规律,一开始可以,但是慢慢的,市场似乎发觉了这个问题,它就会给这些人一些他们没有预料到的东西,这会将玩家们洗一次牌,新的玩家有新的玩法,周而复始。 在一个过程中,市场和玩家都进化了。作为一个散户我们可能不会经历这个周期,但每一次交易都会让我们自己进步,这就是我做股票的目的

  • 数据分析思维:分析方法和业务知识
    程鹏翔
    推荐

    宽客的失败其实就在于后两点上。他们玩弄涟漪,因此很容易被巨浪吞噬。 各门各派都有自己的武功秘籍和弱点,所以并不能执着于某一个模型。

  • 数据分析思维:分析方法和业务知识
    Jason.zhao
    推荐

    投机和山岳一样古老,要想战胜市场不但要考虑大风大浪,还要考虑游泳池里的涟漪。

  • 数据分析思维:分析方法和业务知识
    supercool
    推荐

    相当精彩的一本书!读起来有一种身临其境的感觉,不知不觉中就读完了。宽客的时代波澜壮阔,只有在回顾历史时,我们才发现这一点。那么,我们现在又处于一个什么时代呢?希望不要在事后才回过喂来

  • 数据分析思维:分析方法和业务知识
    张少雄
    推荐

    看似故事,实则非常系统,串起了整个量化史,其中的点评也相当深刻

  • 数据分析思维:分析方法和业务知识
    肖亚平
    推荐

    当量化给我们带来稳定回报的时候,也要看到它的风险!当然,风险不可怕,可怕的是看不到风险,也不知如何防范风险,无法在变化的市场环境下,给不同资产做风险定价,并实时调整资产配置组合!

  • 数据分析思维:分析方法和业务知识
    王磊(Larry.Wang)
    推荐

    本书无疑是业内人士编写的。 书的内容对于整个美国量化金融界的介绍是非常详尽的。我们所熟知的著名对冲基金在里面都有介绍,包括创始人、公司规模、内部情况,使用的策略。特别是对于西蒙斯的大奖章基金,招聘语音识别专家,通过语音识别模型来预测金融模型,真是脑洞大开。 书中不仅介绍了关于量化的优势,还有他的劣势。书名宽客就是英文quants的音译,比起这个名字,我更喜欢量化这个称谓。所谓量化就是数字化,甚至可以说是可计算化、计算机化。如果没有量化,那我们的判断是基于一些模糊的概念作出的判断。而量化就是把一些模糊的东西明确的数字化下来。 书中关于量化基金的策略实际上都是一些套利策略。就是利用系统金融系统中的一些复杂性,从而产生的漏洞去进行接近零风险的套利。在早期是这样的。当然,后期的量化基金更加激进。而这样的简单套利策略很难找到就产生了很强的一个风险性。

  • 数据分析思维:分析方法和业务知识
    liu xie
    推荐

    1. 如果看不懂布莱克—斯科尔斯模型,那基本就可以放弃搞量化了 2. 一群世界顶尖的数学家和工程师通过模型和杠杆可以在一定时间内攫取高额的回报,但其中的绝大都数都没办法逃过极端事件的影响。 3. 作为普通人和这样一群宽客的博弈可能是放弃效率,比“活”的更久。用长期、低杠杆(或无杠杆)的策略投资。

  • 数据分析思维:分析方法和业务知识
    Maky
    推荐

    看吧,有毒杠杆化投资工具正在全球热销,对冲基金在大玩回报率游戏,计算机已足以自动进行光速交易,极具捕食性必杀算法正在暗池中狩猎流动性…… 而这些东西的背后,就是宽客。

  • 数据分析思维:分析方法和业务知识
    Karl
    推荐

    《激荡三十年》描述了大陆在变革中风起云涌出的各路人马.而《宽客》描述了美国金融市场上七八十年代崛起的一股力量. 乱世出枭雄放着哪个地方哪个时代都一样. 本书叙事的方式描写了金融危机前和危机后量化交易的发展. 此书蜻蜓点水的回顾了发展史和重要人物. 作为美国金融工程毕业生, 所学无非是前辈们几十年前玩剩的套路. 所谓师傅领进门, 修行靠个人. 如今这个坑之深, 所需知识量之大, 不是一朝一夕. 对冲基金业虽然还是一个不错的行业, 却已走过了一个镀金时代. Quant所谓驾驭涟漪, 却易被一阵狂风大浪淹没. 价格的跳跃性, 不遵循布朗运动, 人非理性人等均动摇了很多系统的基石和理论基础. 但相信未来量化交易相关资本依然会是一个长期存在并且不可忽视的力量, 随着数据科学的发展, 依然蕴藏着大量机会. 大陆市场尤甚, 只要敢开口子, 自然有人敢来. 至于是不是所谓的“邪恶做空者”, 无非是监管水平跟不跟的上市场玩家的问题. 市场倒逼改革会有一定代价, 但长远看利大于弊. 虽然艰难, 但这还是一个好年代.

  • 数据分析思维:分析方法和业务知识
    七岁
    推荐

    08年的时候,寒假没有回家,一整个寒假都在鼓捣密码学。从书中看到索普的经历,冥冥中有种感触,类似的是也曾和一伙人一起搞跑马机的破译,连续的一个多礼拜熬夜,内心抑制不住的兴奋,仿佛马上就能破解宇宙的奥秘,最后推导完成后,一口气睡了两天两夜。当时没有实践,权当做游戏,而且周而复始的做这种游戏,乐此不疲,过程中学习到了很多,于之后的逆向,渗透有很多裨益,当然现在已然全忘了。 环境对一个人的影响是巨大的,作为个人,如非毅力巨大,见识广博,而又洒脱不羁,则难免被当下所困。然而有另一群人,他们往往能够突破自身的枷锁,向着自己所向往的方向奔去。 当然,很是羡慕这些人! 作为一个固执呆板,唯唯诺诺,想要争取美好生活,却常常又被生活所迫进退不得的悲观主义者。 几年前,做了两年期货交易所的项目,查阅了一些相关的知识,拓宽了视野,了解了深度,而后被一些方面所吸引,便私下持续的在跟进,只是近来学习的杂乱而又不规章,更谈不上系统的深入了。 如当下的生活一样,量化行业的学习,也是一片混沌,一片迷茫。 量化在大陆是趋势所向,而且最近这两年学习者众多,虽多是因为西蒙斯的文艺复兴传奇故事而一时心血来潮,但计算机和金融业的迅猛发展都不得不更依赖数学计算和物理建模。目前在国内期货市场中所谓使用量化系统者居多,一般是二次开发例如趋势策略,多因子策略等陈旧或过于一致的策略去同一市场甚至是同一品种进行博弈,回测不错,但实盘却不堪入目。私以为如果凭借量化参与市场,则必须搞出新的方式,或如索普之可转债套利,统计套利,或者创造出新的衍生品,要以市场中尚未出现的方式来参与。 书中人物,似浩海繁星中最耀眼的那几颗。如索普对格罗斯的影响,他们也必将影响后人。

  • 数据分析思维:分析方法和业务知识
    AAA
    推荐

    如果就含金量,启示,专业性,或是内涵来给这本书打分,恐怕一分都给不到。但是从故事的角度给分,五分都不过分。 刚开始读这本书的时候非常非常不满意,鬼扯的地方太多了,次贷危机量化危机傻傻分不清。索普的赌博系统和投资系统居然被说成是一样的。这些观点简直有毒。 后面就渐入佳境了,解锁了很多名作之后的隐藏情节。比方说Cliff Asness原来曾是Andrew Lo的研究助理,比方说Fama和Asness在课堂上的碰撞让人联想到了Asness至今还说的一句话“我敬Fama如神”,比方说Global alpha,Cliff Asness,Mark Carhart之间的缘起缘灭,相爱相杀,比方说Asness在互联网泡沫顶峰时写下《泡沫逻辑》逻辑时AQR的处境,Asness在Insititutional Investor上写下We're Not Dead Yet时关于量化投资是否有未来的争议。还有爱德华索普居然是这么多人的启蒙者,债王Bill Gross和过程驱动Peter Muller是我没有想到的人,更没想到的是Aaron Brown和Ed Thorp的渊源,以及与NassimTaleb的渊源。十分过瘾。 这本书可以说是一部非常不错的“野史”,很适合对美国量化对冲基金行业有一定认识的朋友,尤其是几个关键词:AQR,Edward Thorp,Jim Simons,以及量化危机。读来放松很不错,但不适合作为了解量化对冲基金的读物。

  • 数据分析思维:分析方法和业务知识
    Felicia
    推荐

    本书基本把Quants的历史扒了个透切,其创始人的传奇经历:著名大学数学教授Thorp用其研究的统计学方法大赢各赌场上了黑名单后,转战华尔街成立量化对冲基金,用计算机,数学和统计模型飞速在股票债券市场赚钱,真正做到把市场当成自家的自动提款机。而后来很多量化基金的领头人都相当于Thorp的学生,甚至连债王格拉斯都是读了Thorp的书而投奔华尔街的. 很多量化对冲基金依靠Thorp的方法赚了无数金钱。而 Thorp却在最辉煌的顶峰退出。过度丰厚的利润让量化对冲基金有如雨后春笋增加,而大量数学家,物理学家转投华而街,最著名的文艺复兴就是由九十多个数学,物理博士组成。量化对冲这行在股票市场的利润越来越薄,杜杆越来越大,风险随之不断增加。 Thorp后来担心的是很多基金在巨量金钱利益面前完全没有风险意识,这其实是极违背Thorp的基本理论。书中描述了著名的文艺复兴,大本营,萨巴等量化对冲基金的兴衰历程,如何挣扎在08,09年的股市暴跌。一路读来行云如水,作者还不断在书中穿插一些有趣又让人难忘的小故事来形容这帮科学狂人,例如Thorp每天保持大量运动和吃大量药物,为了死后把自己的尸体妥善保存起来作准备,等到人类科技达到让人复活的时候,他可以复活过来。他还用统计学仔细算了他复活的概率是2%;布朗用数学统计方法研究了说慌者扑克牌游戏后,领导一帮宽客大赢公司老派交易员,等等。 这本书揭开了量化对冲基金中宽客的神秘面纱,让我们看到在金钱面前,市场时不时会失效。法玛的有效市场假说在真正市场操作中存在诸多问题,是和理论的物理完美模型不一样。 强荐本书,值得一读。

  • 数据分析思维:分析方法和业务知识
    可林Corinne
    推荐

    前三章(臭味相投,有才能的人总会扎堆,数学、物理、计算机Phd们还是厉害) 人物: Edward Thorp——宽客教父,书籍《战胜市场:一个科学的股票市场系统》(Beat the Market:A Scientific Stock Market System) Peter Muller——在摩根士丹利建立了自己的统计套利赚钱机器。 Jim Simons——全球最成功的对冲基金文艺复兴科技公司(Renaissance Technologies)创始人。 Ken Griffin——大本营投资集团(Citadel Investment Group)经理。 Cliff Asness——老牌纯量化对冲基金之一AQR(Applied Quantitative Research)资本管理公司经理。 Boaz Weinstein——德意志银行美国信用交易总管,国际象棋“终身大师”。 Alfred Winslow Jones——1949年创建了第一只真正意义上的对冲基金--琼斯公司(A.W.Jones&Co)。[空头头寸(卖空)“对冲了”多头组合(做多),这就是“对冲基金”的意思] Fischer Black——芝加哥大学经济学家,布莱克—斯科尔斯期权定价公式创立人。 Gerry Bamberger——“统计套利”(statistical arbitrage,“stat arb”)。这是有史以来最强大的交易策略,几乎无懈可击,不管市场运动方向如何都能盈利。 摘要: 1、这些人擅长的交易类别各不相同,但他们在某一点上是相同的:对某种难以捕捉的玄妙之物孜孜以求,而这正是他们最为强大的地方。宽客们有时虔诚地将这一玄妙之物暗自称为“真谛”(Truth)——阿尔法(alpha)。 2、如果你能给IBM股票的波动性——在此期间达到110美元的可能性有多大定价,你就能确定权证的价值。对于股票下周是涨还是跌,索普并不确定,但他可以推算出股票涨跌2个、5个或者10个百分点的概率有多大。 概念: 1、Louis Bachelier 的博士论文《投机理论》——随机游走模型(random walk)与植物学家布朗的 『布朗运动』。 2、大数定律( 观察次数越多,掷硬币次数越多,结果的确定性就越高) ,股票的未来运动(波动性)是随机的,因而是可以量化的。[根据固定参数对未来结果的概率进行推算]。 3、有效市场假说(efficient market hypothesis,EMH),芝加哥大学的金融学教授尤金·法玛(Eugene Fama)在20世纪60年代首次提出。 4、有效市场假说的基础是市场运动遵从随机游走,且当前价格已经反映了所有关于市场的已知信息。人们不可能获知市场的未来涨跌情况——不管是整未来是随机的,就像掷硬币一样。这一理论最终催生了规模达万亿美元的指数基金市场。指数基金背后的思想是,既然积极管理不可能持续带来高于市场回报的利润,那么为何不以更低的成本投资整体市场——比如标准普尔500指数呢?(PS: 而且,90%的基金经理都跑不过被动的指数基金) 5、“套利”——现代金融业最核心的内容,宽客寻找真谛的万能钥匙。真正的套利几乎不存在不确定性。套利即在某个市场买入某种资产且(几乎)同时在另一个市场卖出同一种资产或其等价物。『一价定律的失效』 6、可转债套利。这是有史以来最成功、最能赚钱的交易策略,数以千计的对冲基金都借这一策略而扬帆起航。华尔街各银行和对冲基金都运用这种套利方式,并将其称为德尔塔对冲。 7、大宗交易。指的是一次交易量在10000股以上的交易,客户大多是共同基金这样的机构投资者。大宗交易使用“配对策略”(pairs strategy)来使损失最小化。如果大宗交易部门持有了大量通用汽车的股票,那么他们就会卖空福特汽车,以冲抵通用汽车股价下跌的损失。

  • 数据分析思维:分析方法和业务知识
    彭力
    推荐

    知道一、宽客交易的基础是历史记录,寻找的是当前价格与历史轨迹或价值标准的偏离,只要出现偏离,就意味着有了套利的机会。偏离持续的时间很短怎么办?提高计算机性能、加快指令下达速度。建立在四个传统金融假没的基础上,假设在变化,宽客的量化工具与理念也应变化。二、“再好的投资,如果使用了过多的杠杆,也只能导致灾难的后果。三、金融危机,本质上是制度危机,格林斯潘认为“一个存在于决定世界如何运行的关键功能结构模式中的缺陷”造成的。这也是国家之间金融战及金融大鳄获利的法宝。

Copyright © 2020 - 2022 Mitsuha. All Rights Reserved. 用户协议 · 隐私政策 ·