美元指數(shù)期貨的趨勢預測與實證

殷振杰

摘 要：從美元指數(shù)期貨的交易員持倉報告的角度對美元指數(shù)期貨價格進行預測分析，通過對移動平均法（MA）與方向性指標進一步組合，即方向一致性指標，來選取交易員持倉報告數(shù)據(jù)中最佳的數(shù)據(jù)類別，并給出相應(yīng)的最佳滯后周期，同時得到它們之間的相關(guān)系數(shù)，利用灰關(guān)聯(lián)系數(shù)來判斷所選取的數(shù)據(jù)類別的合理性與準確性。通過MATLAB軟件對2008年年初至2019年5月的數(shù)據(jù)進行復盤處理，最終得到結(jié)論：通過跟蹤互換交易商凈頭寸數(shù)據(jù)，對美元指數(shù)期貨價格預測的準確率約為71%。

關(guān)鍵詞：美元指數(shù);交易員持倉報告;移動平均法;相關(guān)系數(shù);灰關(guān)聯(lián)系數(shù)

中圖分類號：F831.5? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2019）26-0148-02

引言

目前我國的美元外匯儲備已高達30 727億美元[1]，而美元是當今世界各國外匯儲備、證券期貨的最主要的計量單位。由此，美元的強弱走勢勢必會對世界各國的經(jīng)濟活動產(chǎn)生極其重大的影響。為了衡量美元的強弱走勢，美元指數(shù)期貨（簡稱USDX）在1985年應(yīng)運而生，從而反映出美元在國際外匯市場上的匯率狀況。

William Brock[2]等人在1992年的時候，利用移動平均線的方式對為期10年的道瓊斯指數(shù)進行預測，并與隨機游走、AR（1）、GARCH-M和GARCH模型的預測結(jié)果進行對比，結(jié)果發(fā)現(xiàn)簡單的移動平均線的方法預測結(jié)果好于復雜的模型。直到2008年Yingzi Zhu、Guofu Zhou[3]從理論的角度證明移動平均策略在預測方面的有效性，具有魯棒性，能夠在價格模型不確定的情況下優(yōu)于其他交易策略。2014年，Christopher J.Neely[4]等人利用MA等技術(shù)指標結(jié)合宏觀經(jīng)濟信息的方法，可以顯著提高對股權(quán)風險溢價的預測。2017年，Ben.R.Marshall[5]等人從大型股票的實證結(jié)果上解釋了MA對價格變動反應(yīng)靈敏，進一步在理論上補充了對MA預測能力的支持。2018年，Andrew Detzel[6]等人采用基于MA的均衡模型應(yīng)用在比特幣上，并且證明出MA對于缺乏基本面的證券產(chǎn)品的預測性是也有效的。2019年，董竹、周悅[7]利用慣性效應(yīng)結(jié)合MA策略對股票進行實證分析。

美國商品期貨交易委員會（簡稱CFTC）于每周五交易結(jié)束后，公布上一周的期貨交易商持倉報告（簡稱COT）。COT按種類可細分為兩種：其一，商業(yè)頭寸P1、非商業(yè)頭寸P2、未報告頭寸P3;其二，經(jīng)銷商頭寸P4、資產(chǎn)管理公司頭寸P5、杠桿基金頭寸P6、其他報告頭寸P7、未報告頭寸P3。每種頭寸都各自持有多頭頭寸和空頭頭寸，因此本文將采取各數(shù)據(jù)的凈頭寸與USDX價格進行研究。凈頭寸=多頭頭寸-空頭頭寸[8]。

一、理論分析

通過對移動平均法進一步結(jié)合，提出了一種新的衡量數(shù)據(jù)之間的關(guān)系程度—方向一致性：

設(shè)參考序列Y=（Y1，Y2，Y3，…，Ym），比較序列X=（X1，X2，X3，…，Xm），X=（X1，X2，X3，…，Xm），

（1）利用相關(guān)系數(shù)指標找出一組與Y的相關(guān)性互異的X和X。

（2）通過移動平均法，將上述三種序列分別計算得Yt，Xt，Xt。

（3）計算dXt=Xt+1-XtXt×100，dXt=Xt+1-XtXt×100，dYt=Yt+1-YtYt×100，

其中，t=1，…，m-1。得到方向一致性系數(shù)Px=1m（sign（dXt×dYt）+1）2m，P X=1-Px。

灰關(guān)聯(lián)系數(shù)[9]：γ0i（k）=？駐min+ρ？駐max？駐ik+ρ？駐max ρ？駐[0，1]，其中，？駐ik為差異信息集，？駐max是極大差，？駐min是極小差，通常ρ取0.5。

二、實證分析

（一）數(shù)據(jù)選取

從CFTC官網(wǎng)中，本文獲取了從2008年1月至2018年12月的COT數(shù)據(jù);加入2008年發(fā)生金融危機的異常數(shù)據(jù)，是為了更好地說明方向一致性預測結(jié)果的可靠性，USDX價格數(shù)據(jù)來源于同花順。將各類數(shù)據(jù)的凈頭寸進行歸一化處理，再與USDX價格進行分析。

（二）理論結(jié)果分析

從表1 得到的五組相關(guān)性互異的凈頭寸數(shù)據(jù)：P1和P2、P1和P3、P4和P5、P4和P6、P4和P7。

P1和P4與USDX價格呈負相關(guān)關(guān)系，因為他們的目的主要是為了套期保值來規(guī)避風險而非投機活動。對于P2、P5、P6、P7與USDX價格均呈正相關(guān)關(guān)系，它們的主要目的是為了在期貨市場里進行投機活動。

當進行無移動僅當周的處理，價格和歸一化后的各頭寸之間均呈現(xiàn)出50%左右的方向一致，即產(chǎn)生隨機現(xiàn)象。對數(shù)據(jù)進行7周移動之后，方向一致性指標發(fā)生了改變，其中三種分類COT的P1和P2的方向一致性指標明顯提高。因為COT其自身有一定的滯后性，加上市場反應(yīng)和產(chǎn)生影響也需要一定的時間，所以7周移動后的COT數(shù)據(jù)要比無移動的COT數(shù)據(jù)對于價格的方向性更為準確。其次，通過對數(shù)據(jù)進行進一步細分得到的五種分法的COT，其7周移動后的方向一致性要比三種分法的COT的方向一致性更高，通過對數(shù)據(jù)進行細分，使得數(shù)據(jù)本身更加準確，并且也篩除了多余的數(shù)據(jù);對歸一化后的各頭寸和價格進行方向一致性計算后，其無移動的方向一致性仍然處在隨機狀態(tài)，但是通過7周移動之后，歸一化后的各頭寸的方向一致性程度均比未移動的各頭寸顯著提高。通過歸一化處理之后，使得異常值對于整個系統(tǒng)的影響減少，從而提高了指標對于數(shù)據(jù)種類的選取。

在三種分類的COT中，以價格作為參考序列，我們發(fā)現(xiàn)，P1和P2均比P3對于價格的關(guān)聯(lián)程度高;而在五種分類的COT中，以價格作為參考序列，P4和P5比其他三種凈頭寸對于價格的關(guān)聯(lián)程度高，且在歸一化后，P5比P4對于價格的管理程度高。

因此，我們得出通過7周移動后的互換交易商凈頭寸P5能更好的預測USDX的價格。

（三）實證結(jié)果分析

通過上述對COT的分類數(shù)據(jù)進行分析，我們得到了理論上7周移動后的互換交易商凈頭寸對價格預測的準確率為71%。對歷史進行復盤，這里采用的是當互換交易商凈頭寸處于較低（高）位置時，出現(xiàn)買入（賣出）信號，在滯后7周后執(zhí)行買入（賣出）操作，采用3%的跟蹤止損的方式;并且當較高（低）位置處在0附近時不進行操作。

在這11年半期間，共進行交易44次，平均每年交易4次，其中有30次獲利，14次虧損，準確率為68.2%，總收益為2.65倍，年化收益率為約為24.1%。

通過對技術(shù)指標進行組合的方式，不僅能夠提高在選取數(shù)據(jù)種類的準確性，并且該指標也能在實際操作中提供具體的滯后周期，更能說明通過跟蹤互換交易商凈頭寸來預測美元指數(shù)的漲跌是有效的。通過分析COT數(shù)據(jù)，不僅對大宗商品的未來趨勢可以進行預判，還可以利用期貨期權(quán)合約等金融手段合理規(guī)避風險，確保國家、企業(yè)和個人的利益最大化。

參考文獻：

[1]? 2018年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報.

[2]? Brock W，Lebaron L B.Simple Technical Trading Rules and the Stochastic Properties of Stock Returns[J].The Journal of Finance，1992，47（5）：1731-1764.

[3]? Yingzi Zhu，Guofu Zhou.Technical analysis：An asset allocation perspective on the use of moving averages[J].Journal of Financial Economics，2008，92（3）.

[4]? Neely C J，Rapach D E，Tu J，et al.Forecasting the Equity Risk Premium：The Role of Technical Indicators[J].Management Science，2014.

[5]? Ben R.Marshall，Nhut H.Nguyen，Nuttawat Visaltanachoti.Time series momentum and moving average trading rules[J].Quantitative Finance，2017，17（3）.

[6]? Detzel A L，Hong L，Jack S，et al.Bitcoin：Predictability and Profitability via Technical Analysis[J].SSRN Electronic Journal，2018.

[7]? 董竹，周悅.股票市場的慣性效應(yīng)、擇時策略與交易規(guī)則設(shè)計[J/OL].統(tǒng)計與決策，2019，（12）：146-149[2019-06-25].https：//doi.org/10.13546/j.cnki.tjyjc.2019.12.036.

[8]? 張麗芳.交易商持倉行為對期貨市場的影響[J].證券市場導報，2012，（6）：59-62.

[9]? 鄧聚龍.灰理論基礎(chǔ)[M].武漢：華中科技大學出版社，2002.