股指期货的日内区间突破策略及改进

Dual Thrust 交易策略是由 Michael Chalek 在上个世纪 80 年代开发的，该策略是一个趋势跟踪系统，曾长期位于《 Future Truth 》杂志评选的最赚钱的策略之列。 Dual Thrust 策略的优点在于适用范围广、思路简洁、拟合参数少等特点，从而被广泛应用在股票、债券、期货等市场。该策略对于市场趋势有较强的把握能力，可以为投资者带来长期稳定的收益。

金融资产的价格趋势大致可以分为两类，即趋势行情和震荡行情。震荡行情指价格在一定的区间内波动，这种波动是随机的因而难以判断价格的运动方向。而在趋势行情中，价格的动向比较容易判断，交易的胜率也会大大提高。 Dual Thrust 系统的目的是过滤掉震荡行情，抓住趋势从而获得收益。

Dual Thrust 策略的基本方法如下：

首先 HH 、 NC 、 HC 、 LL 分别表示如下：

：过去 N 日 High 的最高价

LC ：过去 N 日 Close 的最低价

HC ：过去 N 日 Close 的最高价

LL ：过去 N 日 Low 的最低价

我们选取沪深 300 指数期货当月主力合约作为交易对象。由于 2015 年 9 月中金所大幅调整沪深 300 、上证 50 和中证 500 三大指数期货的保证金水平和交易费用导致成交量锐减，因此我们暂且选取该调整之前的历史数据进行测试。具体的时间段为 2014 年 1 月 1 日至 2015 年 9 月 1 日，共计 409 个交易日。从下图可以看出，期货价格在 2014 年 1 月至 11 月之间处于震荡行情， 12 月起先是经历了一个上涨 - 震荡 - 上涨的行情，随后又出现爆跌。我们就 Dual Thrust 股指期货的日内区间突破策略及改进 策略是否能够把握住市场趋势这一问题，分别观察策略在这三个阶段的表现。本研究所使用数据来源于 Wind 资讯。

从表 1 中可以看出，第一阶段期货指数整体平稳，平均收益率和振幅都比较小， 200 个交易日的振幅仅为 5.39% 。从 K 线图也可以看出，该段数据前半段处于震荡行情，随即在一个短暂的上涨趋势之后重新恢复为震荡行情。该段数据可以测试出策略在震荡行情中的表现。第二段数据为一个中期的牛市，期货指数在 153 个交易日内上涨了 117.1% ，平均对数收益率和振幅较前一段数据都有显著提升，因此本段数据是测试策略能否把握上涨趋势的最佳样本。在第三段数据中期货指数在短短的 49 个交易日中下跌了 29.9% ，平均振幅更是高达 255.26 。因此本段数据将检测出交易策略能否应对突如其来的股灾，在暴跌中是否能够迅速应对并调整仓位。

2015 年中金所前后多次调整股指期货保证金水平，从最初的 10% 几次上调至最后的 30% 。另一方面，本研究的侧重点在于策略对多空方向的判断，因此为了简化计算，我们不考虑保证金问题，同时把佣金定为交易费用的 5% 。

我们首先测试最初的 Dual Thrust 策略，即一旦入场后不再退出，只进行方向调整，始终保持持仓数量为 1 ，一直到交易日的最后一天再平仓退出。在该策略下我们选取，，。在对历史数据计算后，我们得到结果如下：

在 401 个交易日中，策略一共进行了 135 次交易，其中 62 次交易盈利， 73 次亏损，胜率为 45.93% 。尽管获胜次数要少于失败次数，但策略的平均盈利要大于平均亏损，因而整体是盈利的。这表明策略在判断失误之后能够及时调整仓位，从而避免进一步的损失。

我们进一步分析每次交易的盈亏，即每次调整仓位带来的收益。图 4 展示了按交易划分的盈亏，可以看出前期策略整体胜率并不算高，但平均盈利要大于平均亏损。

分别对三个阶段的表现进行统计之后，我们可以看出策略在第一阶段的胜率很低，仅为 39.44% ，同时最大回撤也处于较高水平；而策略在第二、三阶段的趋势行情中胜率有所提高，同时收益也超过了基准。

表 4 各参数的测试结果对比分析

从四组参数的测试结果可以看出，当 N 从 1 增大至 2 之后，策略的交易次数、累积利润、最大回撤率、胜率等各方面都显著降低。 K1 减小后策略在第二阶段胜率有所提高，但在第三阶段胜率却显著降低了； K2 减小后策略在第二阶段小幅提升，在第三阶段则大幅提高。由上表可以看出，参数的变动在不同的行情中效果是不尽相同的。如何选择合适的参数是优化策略的关键所在。

对于 Dual Thrust 策略来说，导致亏损的原因是策略发出了错误的信号，而错误的信号又可以分为以下两种：

A 类错误：策略发出了错误的交易指令

股指期货的日内区间突破策略及改进 B 类错误：策略未能发出正确交易指令

显而易见的是，如果我们令 Range 扩大，策略发出的交易指令会减少，因此错误 A 的概率会降低，同时错误 B 的概率会增大；反之 Range 减小，策略会更频繁地发出交易指令，因而错误 A 的概率会增大，错误 B 的概率减小。具体关系如下图所示：

基于以上错误的分类，我们对参数 1 的亏损交易日进行了分类，结果如下：

表 5 亏损交易日类型及平均亏损额

可以看出， B 类错误的平均亏损较之 A 类错误要小得多，减小参数和可以减少 A 类错误的次数，同时会增加 B 类错误的次数，从而使得总体的平均亏损减小。

图 5 优化参数后的多空示意及单日盈亏

图 6 优化参数后单次交易盈亏图

与图 3 对比后可以显著看出，经过参数优化后策略少了亏损极大的交易日，单日亏损被控制在一个较小的水平，有效地降低了风险。

图 7 优化参数后的累积收益和最大回撤率

与图 6 对比后可以看出，经过参数优化后，策略在第一阶段也能够优于基准，最大回撤也从 23.05% 大幅降低至 14.79% ，收益和风险两方面都显著提高。

表 7 优化参数后策略在各阶段的表现

优化参数的时候，我们假定整段数据都是已知的，这在实际投资中显然是不合理的。因此我们将上面的方法更进一步，利用每个交易日前天中的统计数据得出当日的参数。这样就得到了一列时变的参数和，如下图所示：

我们利用和计算出每日的 Buyline 股指期货的日内区间突破策略及改进和 Sellline ，测试后得到如下结果：

表 8 引入时变参数后的测试结果

从上表中可以看出，时变参数策略的平均盈利和亏损都有所降低，但平均亏损降低的幅度要大得多，从而保持了平均利润与原始策略几乎持平，总盈利则增加了约 45% ，最大回撤率也降低到了 11.98% 。

可以看出时变参数策略的单次交易亏损保持在更加低的水平上，这表明时变的参数减少了很多 A 类错误。

图 11 引入时变参数后累积收益和最大回撤率

表 9 引入时变参数后策略在各阶段的表现

总体来说，引入时变的参数并不能让胜率大幅提高，尤其是在第一阶段的胜率依然保持在较低水平。但时变参数让策略整体更加灵活，减少了 A 类错误的发生从而让平均亏损大幅度降低。因此可以认为在 Dual Thrust 模型中引入时变的参数是有效可行的。

Dual Thrust 作为一种经典的交易策略，至今依然活跃在市场中，表明了该策略的有效性，而实证分析的结果也证实了这一点。另一方面，从对比分析的结果也可以看出，参数的选择对于策略的效果影响非常之大，因此合理地选择参数是最核心的问题之一。

在对参数选取进行优化之后，较之原始策略的累积收益提高了 38% ，最大回撤率从 23.05% 降低至 14.79% ，最大单日亏损和最大交易亏损也都显著下降，策略效果提升明显。而在引入了时变的参数之后，这种提升更加明显，累积收益提高了 45% ，最大回撤率降低至 11.98% 。这表明了在 Dual Thrust 策略中加入时变的参数是可行的。

值得注意的一点是，三种策略在第一阶段的胜率都没有超过 50% ，表明 Dual Thrust 在震荡行情中的表现不尽理想，这主要是由策略中退场机制的缺乏引起的。当前的策略一旦入场之后没有退出机制，导致了震荡行情中只能换边不能退出因而随价格的波动出现损失。在下一篇报告中我将就这一点做出改进，加入止盈止损策略从而在必要的时刻可以平仓退出，避免进一步的损失。此外，保证金和杠杆也会纳入考虑范围之中。

股指期货的日内区间突破策略及改进

全球商品期货量化交易策略应用现状分析

摘要：通过对国内外商品期货量化交易情况进行综述，介绍主要的海内外期货量化基金产品，随后通过介绍了商品期货的交易策略，分析全球商品期货量化交易策略的应用现状分析。
关键词：全球商品;商品期货;股指期货的日内区间突破策略及改进交易策略
一、世界上主要期货量化基金介绍
（一）商品期货量化对冲基金概述
商品期货受到更多个人投资者和机构投资者的瞩目。商品期货市场的主要风险主要有：首先是通货膨胀，由于很多地区仍旧实行大额财政赤字政策以及低利率，导致通货膨胀严重。其次是由于国际形势，政治政策等的不稳定，很有可能导致现货价格上涨。再次是极端气候，当地震海啸等极端情况出现时，许多商品期货的价格会出现剧烈波动。
（二）国内商品期货量化对冲基金及产品介绍
1.富犇稳健4号
富犇稳健4号是富犇投资有限公司的商品期货量化基金产品。公司核心业务主要为证券，期货投资专项基金投资管理和财富管理。夏轶翔富犇投资总经理，长期从事数据挖掘、数学建模、人工智能及神经网络的研究开发工作。
基于金融市场数据的人工智能技术应用拥有独到的见解，并通过自身深厚的技术背景自主研发量化交易系统，覆盖高频、量化对冲、套利等多个交易策略。实现长期稳健的绝对收益是我们交易团队的终极目标。基金成立至今的累计收益率达到96.78%，年化收益率为28.98%。
2.黑翼CTA二号
黑翼CTA二号是黑翼资产管理有限公司的商品期货量化基金产品，黑翼资产管理利用先进的数量化模型和久经考验的技术平台，为机构投资者和高净值人群提供多元化的绝对收益产品。
基金执行合伙人兼基金经理陈泽浩为美国斯坦福大学统计学博士、数量金融学硕士，北京大学数学学士。任PCA Investments（中投旗下唯一的合资对冲基金）量化投资团队联席主管、博时基金投资经理、雷曼兄弟（Lehman Brothers）利率衍生品研究高级经理，拥有超过10年的国内外量化实战投资经验。该基金成立至今累计收益率为58.39%，年化收益率为15.09%。
3.思瑞2号
思瑞2号是上海思勰投资管理有限公司的商品期货量化基金产品。公司由具备海外工作积累以及国内管理经验的股东联合创立。思瑞2號成立于2016年10月，注册资本人民币1000万元整。公司由具备海外工作积累以及国内管理经验的股东联合创立。上海思勰投资投研团队有着丰富的模型开发及风控经验，旨在以顶尖的IT技术团队、严格的风控以及研发体系，为客户提供高品质的投资方案。
陈磐颖投资总监/合伙人。美国马里兰博士高能物理专业（2009年）、北京大学物理系毕业，曾任职美国高盛银行衍生品分析部门副总裁3年（衍生品定价）、德邵基金DE Shaw期货量化交易部3年（期货，CTA），拥有七年华尔街量化从业经验。
2012-2015年，任职于德邵基金（DE Shaw）期货量化交易部门。负责期货方面的量化策略以及优化模块开发，主导了数十个量化模型策略的研发过程。在美国高盛银行工作期间——负责审核全公司所有衍生品定价模型以及风控模型。主导了全公司巴塞尔协议2.5版风控模型的开发与审核，并顺利通过FED批准。对多种复杂期权衍生品定价模型有开发及风控经验。主导审核了全公司交易对手风险计价模型（CVA）。成立至今的总收益达到64.16%，年化收益率达到17.58%。
二、国内主要的商品期货量化交易策略
（一）主要的套利策略
股指期货的交易主要分为跨品种套利、跨期套利、跨市套利、期限套利等。
跨品种套利：跨品种套利主要是通过比价或者差价来寻找套利机会，在卖出或买入某种合约时，卖出相关的合约，当差价扩大一定程度时，平仓交易。主要分为内因套利和外因套利。
跨期套利：所谓跨期套利就是同一种期货品种在不同月份上建立数量相等、方向相反的交易头寸，最后以对冲或交割的方式进行交易、获得收益的方式。
跨市套利：当期货交割标的品质相似或相同时，在某个市场上买入某个商品合约的同事在另一个市场上卖出，通过利用在两个市场的差价来获利。
期限套利：利用期货市场与现货市场上出现价格差距，从而利用这个差距获利。
（二）商品期货短线投机策略
R-Breaker策略：是一种短线日内交易策略，它结合了趋势和反转两种交易方式。
Dual-Thrust策略：逻辑原型是较为常见的日内交易策略之一的开盘区间突破策略。当价格向上突破开多仓，当价格向下突破时，开空仓。
（三）商品期货中长线趋势策略
动量策略：动量策略主要是通过反应不足和保守心理，认为不论是上涨或下降趋势会延续一段时间，通过动量效应计算样本的反应速度和时间，每隔一段时间进行商品期货的收益计算进而获利。
均线策略：主要的均线策略是通过设定两条时间不同的主要的移动平均线作为用来判断趋势的工具。当周期短的均线向上突破周期长的均线时进行做多，当周期短的均线向下突破均线长的均线时进行做空。
通道突破策略：根据移动平均线构造通道的技术是目前最有效地消除市场短期拉锯现象的方法。最简单的通道指标可以根据一条移动平均线为中线，然后以此为基准进行均线的垂直平移，在通道的区域之内是一个缓冲区，在多数情况下包容了价格的波动。
结束语：
本文主要是对国内的商品期货交易情况做了一个综述，随后介绍了商品期货的几种交易策略，包括主要的套利策略以及短线投机策略和中长线趋势策略。在我国的投资市场中，商品期货是不容忽视的市场，是分散投资的良好标的，通过多种多样的商品期货投资可以有效的起到降低风险的作用。
参考文献：
[1]曾宪聚，基于移动平均线的证券投资决策方法研究[J].经济师，2003（10）.
转载注明来源:https://www.xzbu.com/3/view-15103174.htm

全球商品期货量化交易策略应用现.
金融市场量化交易策略与风险探讨
商品期货风险评估中数理统计的应.
基于大数据技术的量化交易策略及.
期货公司财务现状分析及改进建议
量化投资策略研究及应用
推出上海航运指数期货实现“全球.
大商所期货品种分析
全球可再生能源竞拍现状
全球无人驾驶汽车现状综述
中国碳交易试点发展现状、问题及.
国内期货公司风险防范分析
专利视角下全球人工智能技术发展现状
全球高端智库建设现状研究
股指期货期现套利成本分析
超买超卖量化投资策略构建
关联规则分析在超市商品布局中的应用
海龟交易法则有效性实证和策略参.
KD逆向策略程序化交易实证
国际品牌的全球本土化策略浅析
欧央行的量化宽松政策分析查看更多→

郑重声明：本站作品来源于网络用户上传，完全免费共享。
作品中的观点、立场、意见不代表本站的观点、立场和意见，本站不保证作品信息（包括但不限于文字、数据及图表）的准确性、真实性、完整性等。
若发现您的合法权利受到侵害，请立即联系我们，我们会尽快为您处理。
联系方式：[email protected]

重磅干货：万字长文解析全球商品期货量化交易策略

Global-Macro-Universal主要投资于全球的大宗商品,同时也投资于外汇和股指:大宗商品(包括金属、能源等)占60%,外汇占 30%,股指占 10%。该产品在量化的基础上采用多策略组合,24 小时挖掘全球市场的短线、中线、长线投资机会。该产品自 1988 年成立,至今持续保持盈利,累积收益达23465.63%,年化约 22%, 最大回撤-11.23%。Global-Macro-Universal的净值曲线如图 1 所示。

2、Emil van Essen Spread Trading Program

Emil van EssenSpread Trading Program 是芝加哥Emil van Essen 公司旗下的产品。该公司专注于衍生品交易,于2008 年 8 月注册为 CTA 和CPO,并在 2011 年 3 月成为NFA 会员。

Emil van Essen Spread Trading Program 主要通过跨期套利和相对价值交易来获取阿尔法,交易品种主要包括原油、燃料油、天然气、玉米、小麦、大豆、银、活牛、瘦肉猪、糖、铜和咖啡。该产品收益率与多个基准,包括 CTA、商品指数、股票指数都很低的相关性。

该产品于 2006 年 12 月成立,直至现在仍是公司的旗舰产品。成立至今累积收益达 306.43%,最大回撤-36.21%。Emil van Essen Spread Trading Program 的净值曲线如图 2 所示。

Commodity Long-Short Program 是 Red Rock Capital 公司旗下的产品。Red Rock Capital 是芝加哥一家屡获殊荣的大宗商品投资管理公司,在量化和系统化的投资管理上的卓越表现获得了无数次认可。该公司于 2003 年9 月成立,至今已接近 12 周年,仍在资本市场上快速成长。

Commodity Long-Short Program 采用一种独特的量化模式识别技术,捕捉商品期货价格在短线或长线上的方向性突破。这些模式是无法使用肉眼观察的。该策略既可以追踪趋势,又可以判断反转。交易中平均持仓时间为 9 个交易日。最重要的是,该产品与Newedge Trend CTA Index(实时追踪CTA 每日平均绩效的指数)具有低至 0.14 的相关系数。该产品于2013 年 9 月成立,直今不到2 年,累积收益达 65.01%, 最大回撤-5.92%。Commodity Long-Short Program 的净值曲线如图 3 所示。

4、Deutsche Enhanced Commodity Strategy Fund

Deutsche EnhancedCommodity Strategy Fund 是Deutsche Asset & Wealth Management 公司的产品。Deutsche Asset & 股指期货的日内区间突破策略及改进 Wealth Management 公司是世界上历史最悠久,规模最大的金融机构之一——德意志银行集团的支柱,管理超过 1 万亿美元的资产,服务于40 个国家约 250 万客户。

Deutsche EnhancedCommodity Strategy Fund 是一个指数增强型基金,主要使用三个投资策略:相对值策略,趋势策略,滚动增强策略。相对值策略是该基金使用一个独有的量化计算方法来确定各个商品品种的权重。该基金在设定的事件触发时,才调整各个商品的权重,股指期货的日内区间突破策略及改进 减少价值高估的商品权重,增加价值低估的商品权重。趋势策略主要用于整个商品市场。该基金通过一个私有的基于动量的量化公式来预测商品市场的方向。当发现商品普遍高估时,将调低所有商品品种的持仓。滚动增强策略主要用于处理不同月份之间的合约交割问题。

重磅干货：万字长文解析全球商品期货量化交易策略

2、Emil van Essen Spread Trading Program

4、Deutsche Enhanced Commodity Strategy Fund

Deutsche EnhancedCommodity Strategy Fund 是Deutsche Asset & Wealth Management 公司的产品。Deutsche Asset & Wealth Management 公司是世界上历史最悠久,规模最大的金融机构之一——德意志银行集团的支柱,管理超过 1 万亿美元的资产,服务于40 个国家约 250 万客户。

Deutsche EnhancedCommodity Strategy Fund 是一个指数增强型基金,主要使用三个投资策略:相对值策略,趋势策略,滚动增强策略。相对值策略是该基金使用一个独有的量化计算方法来确定各个商品品种的权重。该基金在设定的事件触发时,才调整各个商品的权重,减少价值高估的商品权重,增加价值低估的商品权重。趋势策略主要用于整个商品市场。该基金通过一个私有的基于动量的量化公式来预测商品市场的方向。当发现商品普遍高估时,将调低所有商品品种的持仓。滚动增强策略主要用于处理不同月份之间的合约交割问题。