一種基于拐點(diǎn)動(dòng)態(tài)趨勢(shì)線的期貨投資策略研究

在許多異質(zhì)主體模型中，投資者被分為理性交易者與噪音交易者。噪音交易者一般會(huì)采用傳統(tǒng)技術(shù)指標(biāo)分析法、計(jì)量經(jīng)濟(jì)模型和人工智能等技術(shù)和方法來(lái)指導(dǎo)投資決策。

本文提出利用拐點(diǎn)構(gòu)建一種基于趨勢(shì)線指標(biāo)的Z模型和期貨交易策略，然后用38個(gè)期貨品種的數(shù)據(jù)對(duì)該策略進(jìn)行實(shí)證研究，最后結(jié)合Markowitz組合理論給出投資組合建議。理由如下:（一）在實(shí)際交易中，采用趨勢(shì)線指標(biāo)判斷交易方向的交易者占多數(shù)。雖然多數(shù)人都采用當(dāng)價(jià)格向上突破高點(diǎn)連成的趨勢(shì)線時(shí)做多，向下突破低點(diǎn)連成的趨勢(shì)線時(shí)做空的方法，但高低點(diǎn)的選取和趨勢(shì)線的確定方法沒有統(tǒng)一的標(biāo)準(zhǔn)，導(dǎo)致目前缺少基于趨勢(shì)線指標(biāo)投資策略的實(shí)證研究；（二）投資者通常會(huì)采用組合投資的方式分散風(fēng)險(xiǎn)。所以相較策略在少數(shù)幾個(gè)品種的盈利能力，投資者更重視策略盈利能力的可持續(xù)性和泛化能力，即策略在不同交易品種、不同市場(chǎng)走勢(shì)的盈利穩(wěn)定性。

一、國(guó)內(nèi)外研究現(xiàn)狀

國(guó)內(nèi)外學(xué)者對(duì)傳統(tǒng)技術(shù)指標(biāo)分析法在金融市場(chǎng)的可預(yù)測(cè)性進(jìn)行了實(shí)證研究。胡曉彤等結(jié)合BOLL、MA等指標(biāo)，確定各種有效的金融市場(chǎng)模式。周明華等構(gòu)建了基于收盤價(jià)和成交量的MACD_V指標(biāo)模型，對(duì)股指期貨的實(shí)證表明新模型比傳統(tǒng)的MACD模型更穩(wěn)定。尹力搏等分別采用MA、MOM、VOL三個(gè)指標(biāo)對(duì)2005-2015年我國(guó)銅期貨和大豆期貨進(jìn)行實(shí)證研究，結(jié)果顯示技術(shù)指標(biāo)可以顯著預(yù)測(cè)大宗商品價(jià)格走勢(shì)，且對(duì)于不同的數(shù)據(jù)頻率和不同的模型設(shè)定，預(yù)測(cè)效果穩(wěn)健。林杰等分別構(gòu)建了基于RSI、CCI指標(biāo)的兩個(gè)模型，在假設(shè)保證金比例為8%、不考慮交易手續(xù)費(fèi)和滑點(diǎn)的情況下，對(duì)棕櫚油期貨6個(gè)月交易數(shù)據(jù)的回測(cè)結(jié)果顯示兩個(gè)模型均能獲得超過(guò)１倍的年收益率。與前幾個(gè)研究結(jié)論不同，李愛泉等對(duì)18個(gè)商品期貨價(jià)格指數(shù)進(jìn)行回測(cè)，發(fā)現(xiàn)基于KDJ指標(biāo)的策略盈利能力不佳。

一些學(xué)者使用計(jì)量經(jīng)濟(jì)模型來(lái)預(yù)測(cè)商品的價(jià)格變化趨勢(shì)。例如，廣義自回歸條件異方差模型、自回歸積分滑動(dòng)平均模型和向量自回歸模型等。然而，商品的價(jià)格序列是非線性、非平穩(wěn)的，上述模型不能很好地描述商品價(jià)格非線性的特點(diǎn)，導(dǎo)致預(yù)測(cè)效果不理想。

針對(duì)傳統(tǒng)計(jì)量經(jīng)濟(jì)模型的缺陷，學(xué)者們采用人工智能技術(shù)進(jìn)行預(yù)測(cè)和研究。孔傲等用遺傳算法尋找最優(yōu)技術(shù)指標(biāo)的組合。陳榮達(dá)和虞歡歡使用啟發(fā)式算法提高支持向量機(jī)模型的準(zhǔn)確率，該策略的年化收益率要遠(yuǎn)遠(yuǎn)大于基準(zhǔn)組合。張茂軍等用決策樹方法提取區(qū)間突破分類標(biāo)簽和值特征選擇指標(biāo)，構(gòu)建了CLBIB-VSD-CART算法，形成了量化擇時(shí)策略系統(tǒng)，在螺紋鋼期貨交易中取得較好的收益。饒瑞等提出了一種融合長(zhǎng)短期記憶(LSTM)網(wǎng)絡(luò)細(xì)胞結(jié)構(gòu)的深度確定性策略梯度交易算法，利用細(xì)胞結(jié)構(gòu)對(duì)當(dāng)前信息和歷史特征進(jìn)行環(huán)境特征提取和保存，用于指導(dǎo)交易決策。在上證50指數(shù)基金的分鐘級(jí)數(shù)據(jù)上進(jìn)行實(shí)驗(yàn)，結(jié)果表明該算法能有效捕獲稍縱即逝的交易機(jī)會(huì)，是一種低風(fēng)險(xiǎn)高收益的穩(wěn)健性投資策略。

上述文獻(xiàn)均采用單個(gè)人工智能方法對(duì)價(jià)格變化趨勢(shì)進(jìn)行預(yù)測(cè)，泛化能力較弱，運(yùn)用樣本外數(shù)據(jù)不能很好地預(yù)測(cè)商品價(jià)格走勢(shì)。針對(duì)該問(wèn)題，學(xué)者們將多種方法和模型進(jìn)行組合。例如，邸浩等構(gòu)造LSMT-Adaboost模型，將商品價(jià)格走勢(shì)的基本特征融入投資策略設(shè)計(jì)中，給出基于模型的商品期貨投資策略，盈利能力和風(fēng)險(xiǎn)控制能力都比單一的LSTM模型有較大改善。張明研究了基于多品種多策略組合的商品期貨量化投資策略，表明通過(guò)多市場(chǎng)多策略的組合投資，可以滿足投資者低風(fēng)險(xiǎn)，高收益的要求。周志中等構(gòu)建了基于信息融合和策略轉(zhuǎn)換的商品期貨量化投資策略，在趨勢(shì)性市場(chǎng)用趨勢(shì)跟蹤策略，在均值回復(fù)市場(chǎng)用統(tǒng)計(jì)套利策略，實(shí)證研究表明能獲得比單一策略更高的收益率。

本文基于拐點(diǎn)構(gòu)建了一種基于動(dòng)態(tài)趨勢(shì)線的Z模型和基于Z模型的投資策略，主要?jiǎng)?chuàng)新點(diǎn)包括：（一）根據(jù)大多數(shù)噪聲交易者的交易特點(diǎn)，構(gòu)建一種基于趨勢(shì)線指標(biāo)的模型和期貨交易策略；（二）本研究的實(shí)證對(duì)象包括金融期貨和商品期貨在內(nèi)的38個(gè)品種，更能檢驗(yàn)Z策略的魯棒性；其他研究的實(shí)證對(duì)象只包括少數(shù)幾個(gè)品種；（三）Z策略在每根K線存續(xù)期內(nèi)的任何時(shí)間點(diǎn)都可以交易，交易價(jià)格不一定是收盤價(jià)；其他研究大多只采用收盤價(jià)進(jìn)行回測(cè)。

二、相關(guān)投資理論

（一）Markowitz組合理論

根據(jù)Markowitz組合理論，投資組合中交易品種無(wú)限增加時(shí)，組合風(fēng)險(xiǎn)趨于0；在組合內(nèi)品種數(shù)量相同的情況下，各品種間相關(guān)性越小，組合風(fēng)險(xiǎn)越小。說(shuō)明構(gòu)建低相關(guān)性的組合可以降低非系統(tǒng)性風(fēng)險(xiǎn)。

（二）波動(dòng)性及風(fēng)險(xiǎn)分析方法

本論文采用標(biāo)準(zhǔn)差來(lái)衡量波動(dòng)性，標(biāo)準(zhǔn)差越小說(shuō)明波動(dòng)性越小。采用a-r低階距模型（LPM）來(lái)計(jì)算投資者未達(dá)到目標(biāo)值的程度，風(fēng)險(xiǎn)忍受程度a度量實(shí)際收益率低于目標(biāo)值r的風(fēng)險(xiǎn)，LPM值越小距離目標(biāo)收益率的風(fēng)險(xiǎn)越小。 

三、Z模型和投資策略

（一）Z模型

模型在運(yùn)行時(shí)首先初始化各參數(shù)，然后從K線序列的第4根開始，從左到右依次對(duì)每根K線進(jìn)行如下操作：

 將當(dāng)前K線的前3根K線組合進(jìn)行歸類。當(dāng)組合的第二根K線具有最高的最高價(jià)high時(shí)為A類；具有最低的最低價(jià)low時(shí)為B類；同時(shí)具有最高的high和最低的low時(shí)為AB類；其他情況為C類。當(dāng)組合為A、B或AB類時(shí)，保存組合的類型、第二根K線的收盤價(jià)和編號(hào)為列表1內(nèi)的一個(gè)節(jié)點(diǎn)；

若組合為C類，跳到（3）；若為A、B或AB類，將組合的類型、第二根K線的收盤價(jià)和編號(hào)封裝成一個(gè)新節(jié)點(diǎn)，保存入列表1。若列表1最后兩個(gè)節(jié)點(diǎn)的組合類型一個(gè)為A，另一個(gè)為B，且兩個(gè)節(jié)點(diǎn)保存的價(jià)格相差至少diff,則稱前者為拐點(diǎn)，保存入列表2；后者為首點(diǎn)，保存入列表3；

取出列表2的最后3個(gè)拐點(diǎn)和列表3的最后1個(gè)首點(diǎn)；

使用第一和第三個(gè)拐點(diǎn)畫出一條趨勢(shì)線，使用第二個(gè)拐點(diǎn)和最后一個(gè)首點(diǎn)生成第兩條趨勢(shì)線；

根據(jù)兩根趨勢(shì)線分別算出當(dāng)前K線未經(jīng)調(diào)整的原始做多價(jià)和做空價(jià)；

調(diào)整原始做多價(jià)和做空價(jià)，使得兩個(gè)價(jià)格之間至少相差diff,得到最終的做多價(jià)upP和做空價(jià)dnP。

（二）交易策略

當(dāng)交易品種的實(shí)時(shí)買1價(jià)大于upP時(shí)開多倉(cāng)（沒有倉(cāng)位時(shí)）或平空倉(cāng)開多倉(cāng)（已經(jīng)持有空倉(cāng)時(shí)）；當(dāng)交易品種的實(shí)時(shí)賣1價(jià)小于dnP時(shí)開空倉(cāng)（沒有倉(cāng)位時(shí)）或平多倉(cāng)開空倉(cāng)（已經(jīng)持有多倉(cāng)時(shí)）。此外，Z策略限制在每根K線存續(xù)期間只能開倉(cāng)0-1次。

四、實(shí)證及結(jié)果分析

本研究使用軟件TradeBlazer編寫模型和交易策略，并選取中國(guó)期貨市場(chǎng)38個(gè)品種2008年1月1日-2019年8月4日的指數(shù)價(jià)格進(jìn)行測(cè)試。由于每個(gè)品種的初始上市日期不同，價(jià)格數(shù)據(jù)的實(shí)際起始日期不同。測(cè)試中采用的K線周期為1小時(shí)，保證金統(tǒng)一設(shè)為15%，手續(xù)費(fèi)率為成交價(jià)格的萬(wàn)分之二；此外，本文中最大回撤比的計(jì)算公式為：最大回撤比=最大資產(chǎn)回撤/最大使用保證金。最后，假設(shè)初始資金足夠多，可以持續(xù)交易。當(dāng)diff分別等于0.01和0.02時(shí)，回測(cè)結(jié)果如表1所示。由38個(gè)品種構(gòu)成的投資組合盈利風(fēng)險(xiǎn)水平如表2所示。

表1：diff等于0.01和0.02時(shí)各品種回測(cè)數(shù)據(jù)

表2： Z策略在38個(gè)品種組合中的收益風(fēng)險(xiǎn)水平

從表1的回測(cè)結(jié)果可知，策略盈利比率不高，只有三分之一左右；此外，幾乎所有品種的最大回撤比都大于1，說(shuō)明最大回撤資金已經(jīng)超過(guò)保證金，單品種交易的情況下存在爆倉(cāng)風(fēng)險(xiǎn)。

表2的數(shù)據(jù)顯示，當(dāng)diff等于0.01或0.02時(shí)，38個(gè)品種組合的平均年收益率均超過(guò)50%，盈利品種數(shù)分別為30個(gè)和33個(gè)，占比高達(dá)79%和87%。說(shuō)明Z策略的長(zhǎng)期盈利能力穩(wěn)定，對(duì)不同交易品種、不同市場(chǎng)走勢(shì)的適應(yīng)能力較強(qiáng)。比較表2的兩行數(shù)據(jù)，發(fā)現(xiàn)diff等于0.02時(shí)的收益率標(biāo)準(zhǔn)差、LPM值、總交易次數(shù)相對(duì)較小，具有更高的穩(wěn)定性和適用性，實(shí)盤交易中受滑點(diǎn)現(xiàn)象的影響更小。

五、投資組合構(gòu)建

    通過(guò)構(gòu)建投資組合可以縮小收益率和最大回撤的波動(dòng)范圍、平滑資金曲線、降低投資風(fēng)險(xiǎn)。組合的構(gòu)建和優(yōu)化有以下兩種方法：

第一種，根據(jù)Markowitz組合理論構(gòu)建投資組合?？梢韵葘⑺衅贩N按其屬性進(jìn)行歸類，再?gòu)拿款愔姓页鍪找媛首罡叩膸讉€(gè)品種作為組合投資對(duì)象，每個(gè)品種的資金權(quán)重一樣。

第二種，采用不同的diff參數(shù)構(gòu)建投資組合。先找出回測(cè)收益較好的多個(gè)品種構(gòu)建投資組合，然后再將組合中每個(gè)品種的倉(cāng)位分成兩部分，一部分用0.01參數(shù)，另一部分用0.02參數(shù)。由于38個(gè)品種組合在兩個(gè)參數(shù)下平均年收益差不多，而不同參數(shù)下同一品種的兩部分倉(cāng)位不可能一直保持同向，這樣構(gòu)建的組合應(yīng)該能在平均收益率沒有大幅變化的情況下平滑資金曲線，降低投資風(fēng)險(xiǎn)。

六、結(jié)論

本文提出一種利用拐點(diǎn)來(lái)構(gòu)建基于動(dòng)態(tài)趨勢(shì)線指標(biāo)的zzTL模型和期貨交易zzTL策略，并使用軟件TradeBlazer建模及模擬交易，最后選取我國(guó)期貨市場(chǎng)38個(gè)品種近10年來(lái)的60分鐘數(shù)據(jù)驗(yàn)證策略的有效性，得到如下結(jié)論：

zzTL策略的平均勝率只有1/3左右，預(yù)測(cè)準(zhǔn)確率不算高；

在保證金為15%的情況下，最大資產(chǎn)回撤大于最大使用資金，單品種投資有爆倉(cāng)風(fēng)險(xiǎn)；

當(dāng)zzRate取值為0.01和0.02時(shí)，38個(gè)品種中分別有30個(gè)和33個(gè)品種盈利，盈利品種占比高達(dá)78.95%和86.9%，說(shuō)明基于zzTL模型的策略對(duì)不同交易品種、不同市場(chǎng)行情的適應(yīng)能力較強(qiáng)。在長(zhǎng)期交易的情況下能為投資者帶來(lái)盈利；

zzRate等于0.01和0.02時(shí)的平均年收益率相差不大，但zzRate等于0.02時(shí)的風(fēng)險(xiǎn)相對(duì)更小；

該策略屬于高風(fēng)險(xiǎn)高收益類型；可通過(guò)構(gòu)建低相關(guān)的投資組合，增加交易品種數(shù)量，或?qū)M合中不同的品種采用不同的zzRate參數(shù)來(lái)降低投資風(fēng)險(xiǎn)；

以上結(jié)果表明，本文提出的zzTL策略雖然預(yù)測(cè)準(zhǔn)確率低、單品種短時(shí)風(fēng)險(xiǎn)度高，但在超過(guò)78.95%的期貨品種盈利，其盈利能力具有可持續(xù)性和普遍適用性，在進(jìn)行長(zhǎng)期、組合投資的情況下，能減小資金曲線最大回撤，同時(shí)為投資者帶來(lái)高額收益。

文章來(lái)源：《商業(yè)觀察》  http://m.xwlcp.cn/w/jg/125.html