书接上回！笔者在《量化选股入门》，带读者了解量化投资中量化选股的几种入门级策略模型。本文将继续介绍几种量化择时的策略模型。如有错误之处请于评论指出。
择时是股票交易中的专业用语，顾名思义就是判断什么时候买股票，什么时候卖股票。择时可以是对大盘的择时，也可以是对个股标的具体交易的择时。
主观多头做择时一般也是有一些判断标准的。
投资者可以用基本面择时，在大盘择时上，如果判断未来经济持续低迷，央行收流动性，择一般选择减少仓位或者空仓。在标的择时上，如果标的有潜在利空，或者标的股价明显高估则降低仓位。
投资者也可以用技术面择时，比如技术面最简单的看压力线与支撑线，压力线突破不成，一般预期股价会向下走，支撑线有效支撑则股价会往上涨，还可以看K线走势与形态。
投资者还有用消息面择时的，听到什么利好消息，赶紧买入等等，这也是一种择时。
主观多头的择时虽然有支撑判断的基础信息，但结果仍然是人做出的判断，充满主观偏见，俗话说“一千个读者有一千个哈姆雷特”，信息都是公开的，但投资者针对信息做出的判断却千差万别。
量化择时，思路是利用计算机程序处理信息在速度与规模上的优势，在尽可能端的时间，以某种模型处理大规模的数据信息，做出有效的择时判断。
因而量化择时模型的提炼则尤为关键！
常见的入门级量化择时模型有以下几个：趋势择时、市场情绪择时、资金模型、牛熊线模型、Hurst指数、SVM支持向量机分类、SWARCH模型、异常指标模型等。
01、趋势择时
趋势择时的模型思想来源于技术分析指标。是把技术分析对股价走势的判断提炼出来的模型。与主观的技术分析类似，运用各种趋势线，如移动均线（MA）、平滑异同移动均线（MACD）等对股价趋势做出判断，从而对大盘或者个股的交易做出择时判断。
02、市场情绪择时
市场的价格是由背后的交易形成的，而交易是由投资者做出的。投资者的交易行为往往不符合经济学上的完美的理性人假设。投资者的行为常常受到自身情绪波动的影响，兴奋、恐慌、等情绪会影响交易行为，而且市场情绪通常会在市场中传染，使得短期的标的价格波动偏离正常的价值范围。
A股的历史数据表明，当市场极端的上涨、或极端的下跌时，投资者的情绪在其中扮演了更重要的角色，结果就是“助涨助跌”。
当市场上涨时，一传十十传百，投资者集体变得乐观，投资行为上更加的贪婪，买盘增多，从而助长了上涨的趋势，股价的上涨放过来更强化了投资者的乐观情绪。这种相互反馈强化效应使股价不断上涨，往往高估。
反过来也一样，下跌——悲观——卖出——继续下跌。市场恐慌造成股市进一步下跌。
市场情绪择时的思路：既然投资者情绪会影响股价走势，那么检测投资者情绪就能提前对股价走势做出预测。
该择时模型的前提是，如何广泛的准确的反映量化投资者情绪？
投资者情绪量化可选的方法，可以从高频的股市交易数据计算得到，比如封闭式基金折价率、50股指期货多空数据等，也可以通过网络舆情量化出一个情绪指数。
03、牛熊线择时
牛熊线模型有点类似趋势择时，其中的不同就是牛熊线设置了牛线与熊线这两个趋势阈值。
设置一定的阈值的理论前提是借鉴了“布朗运动”的思想，认为拥有大量的投资者的股市，波动是随机的，股价的走势是随机游走的，随机波动是股市的常态。但是当投资者的投资方向趋于一致时，股市的波动将打破一定的阈值，股价脱离一定的正常波动区间，此时，股市走势呈现出牛市或熊市的趋势。
该模型的重点就是合理的估计一定时间段内的牛线与熊线，从而监测股市的日常波动，做到自动择时。
04、Hurst指数择时
通过大量学者的统计实证研究，股市的波动更加类似具有分形性质的布朗运动，及在随机的布朗运动中存在部分与整体的相似现象。因此用Hurst指数来做股市分形布朗运动的描述。通常可以把Hurst指数作为一个短期指标，同时可以配合其他指标，诸如量价指标，一起运用。
分形理论、Hurst指数的具体计算过于深奥，读者有兴趣的可自行学习，本文仅限于介绍，不做深入，望读者谅解。
05、SVM（支持向量机）择时
支持向量机（supportvectormachines,SVM）是一种用于分类的机器学习模型。支持向量机试图在数据总体中寻找一个最优的决策边界距离两个类别的最近的样本最远，即自动的将总体分为不同的类别。
在股市上的应用是可以利用SVM技术进行大盘趋势的模式识别。具体做法是首先做一个大数据的股价趋势的分类数据集，用来训练SVM模型，然后用训练完成的SVM模型对实时的数据做分类预测。比如训练一个判断涨跌的模型，输入大量因子数据就能自动判断未来涨跌。
……未完待续……
欢迎关注钱钱的视界！！！
资深私募从业者，职业投资人。不定期分享研究成果与投资感悟。