利用商品期貨交易數據建立盈利的量化交易模型

秦梓欣 梁志鵬 朱明明 何天舒 陳薈荃

摘 ? 要：本文圍繞商品期貨交易的問題建立盈利的量化交易模型，通過對主要的技術指標進行分析，并設計指標算法的實現，最后利用MATLAB實現了對問題的求解。

關鍵詞：量化;技術指標;信號指示燈？

一、研究綜述

1.研究目的

利用商品期貨數據，建立一個可實現盈利的模型，并通過量化，使得模型可通過程序來實現，即能夠實現自動交易。本文研究各種可行性方法來使模型具有較強適用性，同時進一步推廣，使得模型可以用于各種投資產品，包括股票和期貨等，最終能得到一個盈利多適用性強、抗風險能力強的金融模型。

2.研究意義

近年來，世界大宗商品價格波動幅度很大，給我國期貨市場帶來了巨大的市場風險，我國商品期貨市場中也發生了一系列影響重大的風險事件，這些風險事件的發生的原因主要有兩個，一方面是因為期貨市場本身是一個利用小資金做大買賣的風險市場，呈現處天然的高風險性，期貨市場“杠桿效應”十分明顯，即高風險與高收益并存。另一方面源于我國期貨市場制度建設尚不完善，盲目發展的勢頭與大戶操縱等惡劣行為所致。這類事件的出現極大的挫傷了投資者的信心，但這也使得我國市場存在不少的套利機。

本模型的意義在于建立起一個適應中國當前商品期貨發展狀況的模型，使投資者可以大大避免投資過程中存在的非系統性風險，從而獲得利潤。而且，通過模型可避免投資者情緒影響盈利的情況，使得投資人的行為更理性，從而在其中獲得更多利潤。同時，中國大部分投資人對于期貨的了解并不深，他們對于投資市場機會的把握能力較差，一個比較合適的金融模型可以彌補他們專業知識上的欠缺，從而使得投資人獲利機會增加。

二、重要指標

1.MACD

（1）簡介及計算方法

MACD又稱指數平滑移動平均線，由快速移動平均線與慢速移動平均線作差求得。MACD在應用上應先行計算出快速（一般選12日）移動平均值與慢速（一般選26日）移動平均值。以這兩個數值作為測量兩者（快速與慢速線）間的"差離值"依據。即差離值（DIF），用12日EMA數值減去26日EMA數值。因此，在持續的漲勢中，12日EMA在26日EMA之上。其間的正差離值（+DIF）會愈來愈大。反之在跌勢中，差離值可能變負（-DIF），也愈來愈大。 至于行情開始回轉，正或負差離值要縮小到怎樣的程度，才真正是行情反轉的信號。MACD的反轉信號界定為"差離值"的9日移動平均值（9日EMA）。 在MACD的指數平滑移動平均線計算公式中，都分別加T+1交易日的份量權值，以現在流行的參數12和26為例，其公式如下：

12日EMA的計算：EMA12 = 昨日EMA12 X 11/13 + 今日收盤價X 2/13

26日EMA的計算：EMA26 = 昨日EMA26 X 25/27 + 今日收盤價X 2/27

差離值（DIF）的計算： DIF = EMA12 - EMA26

根據離差值計算其9日的EMA，即離差平均值，是所求的MACD值。

九日DIF平均值（DEA）=最近9日的DIF之和/9

（2）判別方法

當MACD由負轉正，表示買入信號;當MACD由正轉負，表示賣出信號。MACD變化幅度較大時，表示市場存在大趨勢轉變。

（3）指標存在的問題

①MACD屬于中長線指標，因而買入、賣出信號點與最低價、最高價間的價差比較大。當行情變化幅度過小時，按照MACD指示買入后隨即又賣出，期間利潤空間較少，同時手續費的成本也較高。

②由于MACD的移動速度較慢，當遇到短時間內的較大漲幅時，MACD無法作出及時的反應。而在進行行情比較時需要考慮時間差，因此一旦出現行情有較大幅度的波動，MACD不能立刻產生信號。

2.KDJ

（1）簡介及計算方法

KDJ指標又稱隨機指標，以特定周期內的最高價、最低價、最后一個計算周期的收盤價及這三者之間的比例關系為基礎，計算最后一個計算周期的未成熟隨機值RSV，同時根據平滑移動平均線的方法來計算K、D與J的數值，并生成圖像來判斷股票走勢。K、D、J的數值計算過程中首先計算周期的RSV值，再計算K、D、J值。以日K、D、J數值的計算為例，其計算公式為：

（n日）

公式中，為第n日收盤價;為n日內最低價;為n日內最高價。

當日K值=2/3×前一日K值+1/3×當日

當日D值=2/3×前一日D值+1/3×當日K值

當日J值=3×當日K值-2×當日D值

（2）判別方法

①K與D值永遠介于0到100之間。D大于70時，行情呈現超買現象。D小于30時，行情呈現超賣現象。

②K大于D時，顯示趨勢是向上漲，因此K線突破D線時，為買進信號。當D值大于K值時，趨勢下跌，K線跌破D線時為賣出信號。

③KD指標不僅能反映出市場的超買超賣程度，還能通過交叉突破發出買賣信號。

（3）指標存在的問題

3.RSI

（1）簡介及計算方法

相對強弱指數是基于一定時期內上漲、下跌幅度之和的比率而產生的一種技術曲線，與市場在該段時期內是否景氣有密切關系，其計算公式如下：

RSI=n日收盤價漲數平均值÷（n日收盤價漲數平均值+n日收盤價跌數平均值）×100

（2）判別方法

①股市經歷一輪下跌后，RSI從高位跌至30以下，若由低位向上突破60，則表明多頭力量重占上鋒;

②股市經歷一輪上漲后，RSI從低位漲至80以上，若由高位向下跌破40，則表明空頭力量重占上鋒;

③盤整時RSI值在40～60之間，若市場走強，RSI值高于80;反之，市場不景氣時，RSI值低于20。

（3）指標存在的問題

①發生單邊行情時，RSI在高位或低位時出現鈍化，導致過早的賣出或買入;

②RSI的買入、賣出信號無明顯規則，當處于高位時，僅能說明行情很有可能反轉，但無法明確其時點;

③超買、超賣容易導致RSI鈍化，進而容易發出錯誤的操作信號。

4.OBV

（1）簡介及計算方法

OBV通過統計成交量變動的趨勢來推測股價趨勢，以某日為基期，逐日累計每日上市股票總成交量。

（2）判別方法

①當股價上升而OBV下降時，是賣出的信號;

②股價下降時而OBV線上升，表示股價可能將止跌回升;

③OBV緩慢上升，而股價也同時上漲，為買入信號;

④OBV急速上升，應在高位賣出;

⑤OBV緩慢下降而股價也同時下跌時，應賣出或持幣觀望;

⑥OBV急速下跌，應持幣觀望;

⑦OBV的值由正轉負時，是賣出信號，反之為買入信號。

（3）指標存在的問題

①OBV指標基于國外成熟市場上的經驗總結，而在中國不一定能完全適應。

②漲跌停板的限制會導致OBV失真。

5.BIAS

（1）簡介及計算方法

乖離率主要用來預警金價的暴漲和暴跌引發的行情逆轉，即當金價在上方遠離移動平均線時，就可以賣出;當金價在下方遠離移動平均線時，就可以買進。其計算公式如下：

BIAS=（收盤價-收盤價的N日簡單平均）/收盤價的N日簡單平均×100

（2）判別方法

①BIAS指標表示收盤價與移動平均線之間的差距。當股價的正乖離擴大到一定極限時，表示短期獲利越大，則獲利回吐的可能性越高;當股價的負乖離擴大到一定極限時，則空頭回補的可能性越高

②乖離率包含正、負值，若股價比平均線高，判定為正值;若股價比平均線低，則判定為負值;若股價等于平均線，則值為零。若乖離率為正，其值越大，短期超買則越大，從而增大見頂的機率;若乖離率為負，其值越大，短期超賣的可能性越越大，進而增大了見底的機率。

③在多頭行情中，會出現許多高價，過早賣出會錯失一段行情，可于先前高價的正乖離率點賣出;在空頭市場時，亦會使負乖離率加大，可于先前低價的負乖離點買進。

（3）指標存在的問題

買賣信號過于頻繁，波動頻繁，穩定性差。

三、模型建立與求解

1.構建五個指標的指標線

模型的目的是盈利，即低買高賣，因此關鍵是判斷價位高低的時機判斷，本文將量化出可以判斷高低價的公式，通過技術分析并選出上述5個指標建立信號燈來判斷價位的高低，使得模型更有推廣性。

結合大連a9888.csv數據，得到了收盤價和所有的指標，作圖如下：

圖1 ?大連a9888收盤價圖

圖2 ?MACD指標線圖

圖3 ?RSI指標線圖 ? ? ? ? ? ? ? ? ? ? 圖4 ?KDJ指標線圖

圖5 ?OBV指標線圖

圖6 ?BIAS指標線圖

由上圖可得，收盤價的波動較頻繁，而每個指標的波動也很頻繁。因此需結合收盤價進行分析，得到較好的結果。

2.運用信號燈進行操作判斷

通過上述5個指標得到5對信號燈，其中有5個買入信號燈和5個賣出信號燈，根據所給的信號燈，我們得到信號指標判斷最終的結果，通過上述所給信號指標，通過MATLAB進行實現，得到最終的結果如下圖所示：

圖7 ?交易策略回測過程圖

圖8 ?大連數據測試結果圖

由上圖可得，交易較為頻繁，由于模型適用于短期交易，可估算5-20天的高低價位，直接導致交易次數的增多。其次，通過收益曲線的分析可得收益率維持在較高水平，而且大致上是一條上升的曲線，證明了模型的可盈利性。同時，最大回撤率總體小于23%，而大部分是小于10%，說明模型帶來了較小的投資風險。

四、結果分析和模型檢驗

1.上期zn888數據測試結果

上文已運用模型對大連a9888.csv數據進行分析并得到滿意的結果，為了檢驗模型的通用性，本文運用上期zn888.csv數據和鄭州TA888.csv數據對模型進行檢驗。上期zn888.csv數據檢驗結果如下圖所示：

圖9 ?交易策略回測過程圖 ? ? ? ? ? ?圖10 ?上期數據測試結果圖

2.鄭州TA888數據測試結果

顯然，模型可保證較高的收益率，唯一的不足就是最大回撤會比較大，即風險相對較大，而鄭州TA888.csv數據檢驗結果如下圖所示：

圖11 ?交易策略回測過程圖 ? ? ? ?圖12 ?鄭州數據測試結果圖

從上圖可得，通過模型運算得到的結果具有較高的收益率，風險較小，因此模型具有較強的實用性和推廣性。

參考文獻：

[1]鄧留保，李柏年，楊桂元.Matlab與金融模型分析[M].合肥：合肥工業大學出版社，2007.

[2]顧京.中國股指期貨市場功能實證研究與優化對策[D].上海：華東師范大學，2013.

[3]郭苗苗.中國股指期貨市場與股票市場周期互動關系的譜分析[D].上海：華東師范大學，2012.

[4]李斌.股指期貨交易基礎[M].北京：中國宇航出版社，2007.

作者簡介：秦梓欣（1992- ?）女，廣東廣州天河區，廣東外語外貿大學思科信息學院信息管理與信息系統，研究方向：信息金融郵編;梁志鵬，（1992- ?），男， 廣東省廣州市番禺縣，研究方向：應用數學，工作單位：廣東外語外貿大學金融學院;朱明明（1993- ?），安徽蕪湖鏡湖區，中山大學翻譯學院，商務英語文學學士，研究方向：為市場營銷;何天舒（1993- ?），男，漢，湖北黃岡，學位：理學士，研究方向：應用數學，單位：廣東外語外貿大學金融學院;陳薈荃（1993- ?），女，漢，湖北省武漢市漢陽區，經濟類學士，華南農業大學經濟管理學院， 研究方向：風險管理

圖6 ?BIAS指標線圖

由上圖可得，收盤價的波動較頻繁，而每個指標的波動也很頻繁。因此需結合收盤價進行分析，得到較好的結果。

2.運用信號燈進行操作判斷

通過上述5個指標得到5對信號燈，其中有5個買入信號燈和5個賣出信號燈，根據所給的信號燈，我們得到信號指標判斷最終的結果，通過上述所給信號指標，通過MATLAB進行實現，得到最終的結果如下圖所示：

圖7 ?交易策略回測過程圖

圖8 ?大連數據測試結果圖

由上圖可得，交易較為頻繁，由于模型適用于短期交易，可估算5-20天的高低價位，直接導致交易次數的增多。其次，通過收益曲線的分析可得收益率維持在較高水平，而且大致上是一條上升的曲線，證明了模型的可盈利性。同時，最大回撤率總體小于23%，而大部分是小于10%，說明模型帶來了較小的投資風險。

四、結果分析和模型檢驗

1.上期zn888數據測試結果

上文已運用模型對大連a9888.csv數據進行分析并得到滿意的結果，為了檢驗模型的通用性，本文運用上期zn888.csv數據和鄭州TA888.csv數據對模型進行檢驗。上期zn888.csv數據檢驗結果如下圖所示：

圖9 ?交易策略回測過程圖 ? ? ? ? ? ?圖10 ?上期數據測試結果圖

2.鄭州TA888數據測試結果

顯然，模型可保證較高的收益率，唯一的不足就是最大回撤會比較大，即風險相對較大，而鄭州TA888.csv數據檢驗結果如下圖所示：

圖11 ?交易策略回測過程圖 ? ? ? ?圖12 ?鄭州數據測試結果圖

從上圖可得，通過模型運算得到的結果具有較高的收益率，風險較小，因此模型具有較強的實用性和推廣性。

參考文獻：

[1]鄧留保，李柏年，楊桂元.Matlab與金融模型分析[M].合肥：合肥工業大學出版社，2007.

[2]顧京.中國股指期貨市場功能實證研究與優化對策[D].上海：華東師范大學，2013.

[3]郭苗苗.中國股指期貨市場與股票市場周期互動關系的譜分析[D].上海：華東師范大學，2012.

[4]李斌.股指期貨交易基礎[M].北京：中國宇航出版社，2007.

作者簡介：秦梓欣（1992- ?）女，廣東廣州天河區，廣東外語外貿大學思科信息學院信息管理與信息系統，研究方向：信息金融郵編;梁志鵬，（1992- ?），男， 廣東省廣州市番禺縣，研究方向：應用數學，工作單位：廣東外語外貿大學金融學院;朱明明（1993- ?），安徽蕪湖鏡湖區，中山大學翻譯學院，商務英語文學學士，研究方向：為市場營銷;何天舒（1993- ?），男，漢，湖北黃岡，學位：理學士，研究方向：應用數學，單位：廣東外語外貿大學金融學院;陳薈荃（1993- ?），女，漢，湖北省武漢市漢陽區，經濟類學士，華南農業大學經濟管理學院， 研究方向：風險管理