商品期貨量化交易策略

李雁 劉金山 楊鎮綱 余嘉豪

摘 要：本文通過使用2011—2013年商品期貨數據構建商品期貨量化交易策略，策略分為兩部分：阿爾法模型和風險控制模型。（1）阿爾法模型，利用平均方向性運動指數（ADX）預測市場未來趨勢。趨勢明顯，使用商品通道數（CCI），反之使用隨機指標（KDJ）指導做空做多。（2）風險控制模型中包括止損模型和正金字塔資金管理模型。本文使用2014—2015年的數據進行策略回測，結果為幾何年化收益率高達78.69%，最大回撤率只有7.97%。測試結果表明該模型具有高收益率和低風險的特點。

關鍵詞：平均方向性運動指數 商品通道數 隨機指標

中圖分類號：F832 文獻標識碼：A 文章編號：2096-0298（2019）01（a）-054-04

1 引言

資金流向是股市中的資金主動選擇的方向，它是國際上的一個成熟的技術指標。資金流向的判斷對分析股市大盤走勢和操作上都起著至關重要的作用。同時資金流向可以在高頻交易與黑箱操作中作為重要的技術指標[1]。

資金流向有兩種計算方式，一種是從量的角度去分析資金的流向；另一種是從價格變化反推資金流向[2]。從量的角度去分析資金的流向，即觀察成交量和成交金額。考察成交單的方向和大小來定義資金流向。根據滬深交易所提供的成交數據，如果單筆成交的成交價在現價之上，即主動性買盤，表明買方的意愿更強烈，該筆成交定義為資金流入；如果單筆成交的成交價在現價之下，即主動性賣盤，表明賣方的意愿更強烈，該筆成交定義為資金流出。 從價格變化反推資金流向。通過價格變化反推資金流向指股價處于上升狀態時產生的成交額是推動股價上漲的力量，這部分成交額被定義為資金流入；股價處于下跌狀態時產生的成交額是推動股價下跌的力量，這部分成交額被定義為資金流出；當天兩者的差額即是當天兩種力量相抵之后剩下的推動股價上升的凈力，定義為當天的資金凈流入。這種計算方法的意義在于：指數（價格）處于上升狀態時產生的成交額是推動指數（價格）上漲的力量，這部分成交額被定義為資金流入；指數（價格）下跌時的成交額是推動指數（價格）下跌的力量，這部分成交額被定義為資金流出；當天兩者的差額即是當天兩種力量相抵之后剩下的推動指數上升的凈力，這就是該板塊當天的資金凈流入。資金流向測算的是推動指數漲跌的力量強弱，可以反映人們對該板塊看空或看多的程度。這與史蒂夫·尼森[3]所提出的金融市場投資很大程度上會受金融市場情緒支配的理論一致。

《期貨市場技術分析》[4]提出價格消化市場行為，《期貨交易策略》[5]中提出商品價格總是往阻力小的方向前進。因此本文所采用的資金流向計算方法是通過價格變化反推資金流向。即本文將用多空力量對比來構建資金流模型。其中模型中所采用的真實區間（TR）和平均方向性運動指數（ADX）的周期都為14天。

Antti Iimanen[6]在《Expected Returns》一書中提出在投資者們主要從歷史平均回報、金融和行為理論、前瞻性市場指標去考慮投資方向，并評估投資該金融產品所能得到的期望回報。約翰·墨菲[4]則在技術分析法中所提出的三大假設：市場行為包容消化一切；價格以趨勢方式演變；歷史會重演。

里什·納蘭[7]提出量化交易系統一般包括三個模型：阿爾法模型，風險控制模型和交易成本模型。投資組合構建模型是綜合運用阿爾法模型、風險控制模型和交易成本模型，從而構成一個交易策略。投資組合構建模型最后通過執行模型完成任務。其中阿爾法模型用于預測準備交易的金融產品未來的走勢。風險控制模型則包括止損和資金管理，用來減少損失和對資金進行管理。交易成本模型，一般被大型交易者和投資公司所使用。例如通過數學計算把一宗大型的交易，分解為許多小型交易，達到降低手續費的目的。本文主要研究的是阿爾法模型和風險控制模型，因此本文將不再對交易成本模型進行擴展探討。

量化交易策略中所需要用到的數據通常還需要進行標準化，但是標準化的假設前提是數據符合正態分布。然而真實交易中金融市場上的價格分布通常不是正態的，它們普遍存在著一個很大的尾部。因此若強行進行標準化，只會曲解股票數據[8]。同時，評估量化交易策略的標準是使用歷史股票數據，對策略進行模擬仿真交易并根據收益與損失進行策略評估。然而，歷史總是固定的，所以只要做盡可能多的嘗試，總是能得到一個漂亮的回報率[9]。因此本文首先利用2011—2013年商品期貨數據構建商品期貨量化交易策略，并再用已構建完成的模型對2014—2015年的商品期貨進行模擬仿真交易。摒棄了以往使用同一組數據進行回測的方法，從而提高了模型在真實世界中進行交易的可行性。

2 指標計算說明

2.1 真實價格范圍（TR）

下列各值中最大者：

（1）當日最高價與當日最低價之間的距離。

（2）當日最高價與昨日收市價之間的距離。

（3）當日最低價與昨日收市價之間的距離。

真實價格范圍始終是正數。

2.2 方向性運動（DM）

（1）當天的區間超出前一天區間的最大部分。

（3）內部日DM為0。（內部日，價格變化范圍完全在前一日價格變化范圍之內的交易日）。

（4）限制日DM計算[7]，如圖1所示。

例如，限制日（圖左），+DM是A與次日達到的上限C之間的差值。

2.5 隨機指標（KDJ）

（1）%k=（當日收盤價-前n天低價）÷（前n天高價-前n天低價）；

（2）%D是%K的3日移動平均線。

3 阿爾法模型

首先，計算平均方向性運動指數（ADX）并利用平均方向性運動指數（ADX）預測市場未來趨勢。本文采用的真實區間（TR）和平均方向性運動指數（ADX）的周期都為14天。市場趨勢可以分為以下三種情況。

（1）當ADX<20時，市場趨勢不明顯。

（2）當ADX>30且下降時，市場趨勢轉弱。

（3）當ADX≥20且上升時，市場趨勢強勁。

（注：市場趨勢指標，平均方向性運動指數的大小代表的是市場趨勢變化而不是走勢變化）。

其次，本文根據已預測出的市場趨勢來決定策略，策略分為以下三種。

3.1 當市場趨勢不明顯時

利用非趨勢市場中的交易指標，隨機指標（KDJ）判斷超買超賣情況。隨機指標在交易范圍中廣泛使用，其中在偏上升或下降的微弱趨勢情況下使用效果最佳。隨機指標最不適宜用于只有持續的微笑變動的趨勢性市場。雖然使用隨機指標普遍推薦的時間周期是14天。但根據《期貨市場計算機分析指南》[11]，9～12天這一范圍是信號出現的速度（%K穿過%D）與有效性或產生最少錯誤信號的跟進的最好折中。為此，分別測試了使用14天周期與9～12天周期的隨機指標的效果，根據測試結果，本文中使用的隨機指標的周期為9天，隨機指標的使用原則。

（1）當K線從下向上突破D線，且K、D不在50附近時，采取買入策略。

（2）當K線從上向下突破D線，且K、D不在50附近時，采取賣出策略。

3.2 當市場趨勢轉弱時

本文中的策略將不進一步討論直接采取平倉策略以確保風險得到遏制和收益率最大化。

3.3 當市場趨勢強勁時

利用趨勢市場中的交易指標，商品通道數（CCI）進行多空交易[12]。商品通道數通常表現為一條波浪或一個柱狀圖，在零線上下變化。由于指標測量的是價格偏離移動平均線的程度，可以利用CCI度量趨勢的強度，CCI的值越高，趨勢越強，則順勢交易可能越有利可圖。

其中Donald R.Lambert[7]的研究表明CCI中使用的移動平均線的長度應該小于假定周期長度的1/3。然而根據《期貨市場計算機分析指南》[11]里的測試結果顯示，不論周期長度是多少，移動平均線長度為5時，效果最佳。Donald R.Lambert研究表明CCI的周期在5～20天為最佳。本文通過測試CCI默認值14天周期以及5～20天周期，測試結果表明CCI周期設置為20天最佳。

利用CCI進行交易有兩種策略。一種是CCI從0到+100（-100）變化得越快，隨后的趨勢越強，越確定。CCI在沖破+100后迅速下降（在沖破-100后迅速上升）一般意味著趨勢強度在減弱，應該在這一點建立跟蹤止損指令，而在這里直接設置了一個平倉信號。另一種是可以在零線首次被突破時，建一個小型倉，隨著CCI的增長和趨勢強度的增強，增加頭寸。當CCI停止，預示市場正退出主流，這時開始拋出頭寸。經過測試比較，選擇了前一種，即突破+100（-100）的策略。

商品通道數（CCI）使用原則：

（1）當CCI向上突破+100 時，采取做多策略。

（2）當CCI向上突破-100 時，采取做空策略。

（3）當CCI在超買區上漲時，采取多頭加倉策略。

（4）當CCI在超賣區下跌時，采取空頭加倉策略。

（5）當CCI在超買區下降時，采取賣出平倉策略。

（6）當CCI在超賣區上升時，采取買入平倉策略。

4 風險控制模型

4.1 止損模型

本文止損模型中首先利用固定額度5%止損來檢驗交易策略預測市場未來走勢是否正確。若達到固定額度止損所設定的固定額度5%，則表明期貨交易策略模型預測市場走勢錯誤，立即采取平倉退市策略以遏制風險并確保損失最小化。若沒有達到固定額度止損所設定的固定額度5%，則表明預測市場走勢正確，隨后轉為保本止損和跟蹤止損。

保本止損：若做多，以后的價格真的上漲了，交易開始后的最高價上漲到了開倉價格的1.15倍，認為達到了保本止損條件，把固定額度止損位上移到開倉價。若做空，以后的價格真的下降了，交易開始后的最低價下降到了開倉價格的0.85倍，認為達到了保本止損條件，把固定額度止損位下降到開倉價。

跟蹤止損：若做多，止損位小于開倉后一段時間最高價的0.95倍，就把止損位移動到交易開始至今為止最高價的0.95倍。若做空，止損位高于開倉后一段時間最低價的1.05倍，就把止損位移動到交易開始至今為止最低價的1.05倍。

4.2 資金管理模型

由于需要限制風險，因此將資金分散投資。根據《期貨市場技術分析》[4]當中所提及的對于過于分散的資金將很有可能由于大量虧損的交易沖抵掉少數盈利交易導致總收益處于虧損狀態。所以，需要尋找一個平衡點尋求收益率最大化同時遏制風險。即所選市場之間的相關性越小，則越能取得分散投資的功效。本文所測試的數據中可交易的期貨商品一共有35個，可選市場一共有3個。本文針對中長線期貨交易進行資金管理采用正金字塔資金管理模型。

（1）限制加倉次數最多是4次。

（2）加倉次數隨著趨勢不變或略有減弱而增加。

（3）同時加倉金額隨著加倉次數增加而減少。

5 商品期貨交易策略測試結果

5.1 模型測試說明

（1）初始資金為100，000，000元。

（2）測試使用策略研究系統Auto-Trader回測引擎。

（3）隨機選取四種商品期貨進行測試，隨機選取的四種商品期貨，如表1所示。

5.2 使用2011—2013年數據構建模型

從表2中可見，本文使用2011—2013年商品期貨歷史數據所構建的模型在回測中屬于盈利模型。模型幾何年化收益率只有12.39%，且最大回撤率達到11.61%。本文所建立的模型在2011—2013年商品期貨歷史數據回測中表現一般，依舊使用該模型測試2014—2015年商品期貨數據，從而驗證該模型的可行度。

5.3 2014—2015年測試結果

從表3中可以看到，本文所建立的期貨交易模型是一個高收益率的模型。模型算術年化收益率高達107.43%，幾何年化收益率高達78.69%。在如此高的收益率前提下，本文所建立的期貨交易模型通過測試得到的最大回撤率卻只有7.97%，這表明模型能良好地遏制風險。測試結果表明，本文所建立的期貨交易模型是高收益低風險的期貨量化投資模型。同時，在測試時間段內夏普比率達到2.3998，Calmar比率達到9.6202，Sortino比率達7.5164。從測試結果的效績比率中可以得出本文所建立的期貨交易模型具有高收益率和低風險的特點。

從表4總體交易分析中可以看到本文所建立的模型在測試時間段內交易的勝率達到60.37%，平均盈利/平均虧損達到3.0979，表明本文所建立的模型是勝率和收益率都較高的期貨量化投資模型。

綜合以上測試結果，本文所建立的商品期貨量化交易策略模型具有高收益低風險的特點。同時，通過商品期貨歷史回測與數據測試，驗證了本文所建立的模型具有一定可行性。即使在不同的真實期貨市場中，本文所建立的模型也依舊保持一定收益且風險較低。即該模型可運用在不同真實期貨市場中，具有一定的彈性與可行性。

6 結語

本文通過探討研究，建立了具有高收益低風險的商品期貨量化交易策略模型。并且通過歷史回測與數據測試驗證了該模型策略的有效性與可行性。該方法主要是通過利用市場趨勢指標，平均方向性運動指數（ADX）進行市場趨勢預測分析從而進行有效投資達到提高收益率降低風險的目的。但模型也存在以下不足。

首先，本文所建立的模型策略核心是利用市場趨勢指標，平均方向性運動指數（ADX）進行市場趨勢預測分析。因此該模型策略本質上是趨勢順應系統，所存在的缺點是過于依賴市場趨勢。即，當市場在相當長的時間內沒有趨勢時，該策略一般是不獲利的[8]。這也是該策略模型在歷史回測2011—2013年數據時表現一般，但在測試2014—2015年數據時表現優異的原因。

其次，本文所建立的商品期貨量化交易策略中運用了多種指標。然而范？撒普（Van K. Tharp） [8]則提出在量化交易中使用人為定義的指標，（如ADX，KDJ等）并不可靠，他認為指標是經過簡化的原始數據且指標作用范圍必然是有限的。即本文所建立的策略模型作用范圍有限。

最后，本文所建立的策略模型未能考慮選股模型與多策略結合使用。因此，在接下來的研究中可以對選股模型與多策略結合進行探討，以完善模型，從而增強其適用性。

參考文獻

[1] Eric Olaison.High-Frequency Trading How Money Flow Affects Stock Returns[D].MASTER THESIS of Lund University School of Economics and Management，2010.

[2] 陳鴻.股指期貨市場有效性與資金流向分析[J].商業經濟研究，2013（9）.

[3] （美）史蒂夫？尼森.日本蠟燭圖技術[M].北京：地震出版社， 1998.

[4] （美）約翰？墨菲.期貨市場技術分析[M].北京：地震出版社， 1994.

[5] （美）斯坦利·克羅.期貨交易策略[M].太原：山西人民出版社， 2013.

[6] Antti llmanen.Expected Returns[M].Hoboken：John Wiley&Sons，Ltd，2011.

[7] （美）里什？納蘭.打開量化投資的黑箱[M].北京：機械工業出版社，2016.

[8] （美）范？撒普.通向財務自由之路[M].北京：機械工業出版社， 2011.

[9] Robert Parado.The evaluation and optimization of trading strategies.John Wiley & Sons，Mar，2008.

[10] （美）威爾斯？威爾德.技術交易系統新概念[M].太原：山西人民出版社，2016.

[11] （美）勒博，（美）盧卡斯.期貨市場計算機分析指南[M].武漢：華中科技大學出版社，2012.

[12] Mansoor Maitah，Petr Prochazka，Michal Cermak and Karel rédl.Commodity Channel Index：Evaluation of Trading Rule of Agricultural Commodities[J]. International Journal of Economics and Financial Issues，2016，6（1）.