一種基于拐點動態(tài)趨勢線的期貨投資策略研究

在許多異質主體模型中，投資者被分為理性交易者與噪音交易者。噪音交易者一般會采用傳統(tǒng)技術指標分析法、計量經濟模型和人工智能等技術和方法來指導投資決策。

本文提出利用拐點構建一種基于趨勢線指標的Z模型和期貨交易策略，然后用38個期貨品種的數(shù)據對該策略進行實證研究，最后結合Markowitz組合理論給出投資組合建議。理由如下:（一）在實際交易中，采用趨勢線指標判斷交易方向的交易者占多數(shù)。雖然多數(shù)人都采用當價格向上突破高點連成的趨勢線時做多，向下突破低點連成的趨勢線時做空的方法，但高低點的選取和趨勢線的確定方法沒有統(tǒng)一的標準，導致目前缺少基于趨勢線指標投資策略的實證研究；（二）投資者通常會采用組合投資的方式分散風險。所以相較策略在少數(shù)幾個品種的盈利能力，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、不同市場走勢的盈利穩(wěn)定性。

一、國內外研究現(xiàn)狀

國內外學者對傳統(tǒng)技術指標分析法在金融市場的可預測性進行了實證研究。胡曉彤等結合BOLL、MA等指標，確定各種有效的金融市場模式。周明華等構建了基于收盤價和成交量的MACD_V指標模型，對股指期貨的實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三個指標對2005-2015年我國銅期貨和大豆期貨進行實證研究，結果顯示技術指標可以顯著預測大宗商品價格走勢，且對于不同的數(shù)據頻率和不同的模型設定，預測效果穩(wěn)健。林杰等分別構建了基于RSI、CCI指標的兩個模型，在假設保證金比例為8%、不考慮交易手續(xù)費和滑點的情況下，對棕櫚油期貨6個月交易數(shù)據的回測結果顯示兩個模型均能獲得超過１倍的年收益率。與前幾個研究結論不同，李愛泉等對18個商品期貨價格指數(shù)進行回測，發(fā)現(xiàn)基于KDJ指標的策略盈利能力不佳。

一些學者使用計量經濟模型來預測商品的價格變化趨勢。例如，廣義自回歸條件異方差模型、自回歸積分滑動平均模型和向量自回歸模型等。然而，商品的價格序列是非線性、非平穩(wěn)的，上述模型不能很好地描述商品價格非線性的特點，導致預測效果不理想。

針對傳統(tǒng)計量經濟模型的缺陷，學者們采用人工智能技術進行預測和研究。孔傲等用遺傳算法尋找最優(yōu)技術指標的組合。陳榮達和虞歡歡使用啟發(fā)式算法提高支持向量機模型的準確率，該策略的年化收益率要遠遠大于基準組合。張茂軍等用決策樹方法提取區(qū)間突破分類標簽和值特征選擇指標，構建了CLBIB-VSD-CART算法，形成了量化擇時策略系統(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短期記憶(LSTM)網絡細胞結構的深度確定性策略梯度交易算法，利用細胞結構對當前信息和歷史特征進行環(huán)境特征提取和保存，用于指導交易決策。在上證50指數(shù)基金的分鐘級數(shù)據上進行實驗，結果表明該算法能有效捕獲稍縱即逝的交易機會，是一種低風險高收益的穩(wěn)健性投資策略。

上述文獻均采用單個人工智能方法對價格變化趨勢進行預測，泛化能力較弱，運用樣本外數(shù)據不能很好地預測商品價格走勢。針對該問題，學者們將多種方法和模型進行組合。例如，邸浩等構造LSMT-Adaboost模型，將商品價格走勢的基本特征融入投資策略設計中，給出基于模型的商品期貨投資策略，盈利能力和風險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，表明通過多市場多策略的組合投資，可以滿足投資者低風險，高收益的要求。周志中等構建了基于信息融合和策略轉換的商品期貨量化投資策略，在趨勢性市場用趨勢跟蹤策略，在均值回復市場用統(tǒng)計套利策略，實證研究表明能獲得比單一策略更高的收益率。

本文基于拐點構建了一種基于動態(tài)趨勢線的Z模型和基于Z模型的投資策略，主要創(chuàng)新點包括：（一）根據大多數(shù)噪聲交易者的交易特點，構建一種基于趨勢線指標的模型和期貨交易策略；（二）本研究的實證對象包括金融期貨和商品期貨在內的38個品種，更能檢驗Z策略的魯棒性；其他研究的實證對象只包括少數(shù)幾個品種；（三）Z策略在每根K線存續(xù)期內的任何時間點都可以交易，交易價格不一定是收盤價；其他研究大多只采用收盤價進行回測。

二、相關投資理論

（一）Markowitz組合理論

根據Markowitz組合理論，投資組合中交易品種無限增加時，組合風險趨于0；在組合內品種數(shù)量相同的情況下，各品種間相關性越小，組合風險越小。說明構建低相關性的組合可以降低非系統(tǒng)性風險。

（二）波動性及風險分析方法

本論文采用標準差來衡量波動性，標準差越小說明波動性越小。采用a-r低階距模型（LPM）來計算投資者未達到目標值的程度，風險忍受程度a度量實際收益率低于目標值r的風險，LPM值越小距離目標收益率的風險越小。 

三、Z模型和投資策略

（一）Z模型

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

 將當前K線的前3根K線組合進行歸類。當組合的第二根K線具有最高的最高價high時為A類；具有最低的最低價low時為B類；同時具有最高的high和最低的low時為AB類；其他情況為C類。當組合為A、B或AB類時，保存組合的類型、第二根K線的收盤價和編號為列表1內的一個節(jié)點；

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線的收盤價和編號封裝成一個新節(jié)點，保存入列表1。若列表1最后兩個節(jié)點的組合類型一個為A，另一個為B，且兩個節(jié)點保存的價格相差至少diff,則稱前者為拐點，保存入列表2；后者為首點，保存入列表3；

取出列表2的最后3個拐點和列表3的最后1個首點；

使用第一和第三個拐點畫出一條趨勢線，使用第二個拐點和最后一個首點生成第兩條趨勢線；

根據兩根趨勢線分別算出當前K線未經調整的原始做多價和做空價；

調整原始做多價和做空價，使得兩個價格之間至少相差diff,得到最終的做多價upP和做空價dnP。

（二）交易策略

當交易品種的實時買1價大于upP時開多倉（沒有倉位時）或平空倉開多倉（已經持有空倉時）；當交易品種的實時賣1價小于dnP時開空倉（沒有倉位時）或平多倉開空倉（已經持有多倉時）。此外，Z策略限制在每根K線存續(xù)期間只能開倉0-1次。

四、實證及結果分析

本研究使用軟件TradeBlazer編寫模型和交易策略，并選取中國期貨市場38個品種2008年1月1日-2019年8月4日的指數(shù)價格進行測試。由于每個品種的初始上市日期不同，價格數(shù)據的實際起始日期不同。測試中采用的K線周期為1小時，保證金統(tǒng)一設為15%，手續(xù)費率為成交價格的萬分之二；此外，本文中最大回撤比的計算公式為：最大回撤比=最大資產回撤/最大使用保證金。最后，假設初始資金足夠多，可以持續(xù)交易。當diff分別等于0.01和0.02時，回測結果如表1所示。由38個品種構成的投資組合盈利風險水平如表2所示。

表1：diff等于0.01和0.02時各品種回測數(shù)據

表2： Z策略在38個品種組合中的收益風險水平

從表1的回測結果可知，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，說明最大回撤資金已經超過保證金，單品種交易的情況下存在爆倉風險。

表2的數(shù)據顯示，當diff等于0.01或0.02時，38個品種組合的平均年收益率均超過50%，盈利品種數(shù)分別為30個和33個，占比高達79%和87%。說明Z策略的長期盈利能力穩(wěn)定，對不同交易品種、不同市場走勢的適應能力較強。比較表2的兩行數(shù)據，發(fā)現(xiàn)diff等于0.02時的收益率標準差、LPM值、總交易次數(shù)相對較小，具有更高的穩(wěn)定性和適用性，實盤交易中受滑點現(xiàn)象的影響更小。

五、投資組合構建

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

第一種，根據Markowitz組合理論構建投資組合?？梢韵葘⑺衅贩N按其屬性進行歸類，再從每類中找出收益率最高的幾個品種作為組合投資對象，每個品種的資金權重一樣。

第二種，采用不同的diff參數(shù)構建投資組合。先找出回測收益較好的多個品種構建投資組合，然后再將組合中每個品種的倉位分成兩部分，一部分用0.01參數(shù)，另一部分用0.02參數(shù)。由于38個品種組合在兩個參數(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位不可能一直保持同向，這樣構建的組合應該能在平均收益率沒有大幅變化的情況下平滑資金曲線，降低投資風險。

六、結論

本文提出一種利用拐點來構建基于動態(tài)趨勢線指標的zzTL模型和期貨交易zzTL策略，并使用軟件TradeBlazer建模及模擬交易，最后選取我國期貨市場38個品種近10年來的60分鐘數(shù)據驗證策略的有效性，得到如下結論：

zzTL策略的平均勝率只有1/3左右，預測準確率不算高；

在保證金為15%的情況下，最大資產回撤大于最大使用資金，單品種投資有爆倉風險；

當zzRate取值為0.01和0.02時，38個品種中分別有30個和33個品種盈利，盈利品種占比高達78.95%和86.9%，說明基于zzTL模型的策略對不同交易品種、不同市場行情的適應能力較強。在長期交易的情況下能為投資者帶來盈利；

zzRate等于0.01和0.02時的平均年收益率相差不大，但zzRate等于0.02時的風險相對更小；

該策略屬于高風險高收益類型；可通過構建低相關的投資組合，增加交易品種數(shù)量，或對組合中不同的品種采用不同的zzRate參數(shù)來降低投資風險；

以上結果表明，本文提出的zzTL策略雖然預測準確率低、單品種短時風險度高，但在超過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，在進行長期、組合投資的情況下，能減小資金曲線最大回撤，同時為投資者帶來高額收益。

文章來源：《商業(yè)觀察》  http://www.12-baidu.cn/w/jg/125.html