市場廣度指標(biāo)在股指擇時(shí)與輪動(dòng)中的線性與非線性應(yīng)用_第1頁
市場廣度指標(biāo)在股指擇時(shí)與輪動(dòng)中的線性與非線性應(yīng)用_第2頁
市場廣度指標(biāo)在股指擇時(shí)與輪動(dòng)中的線性與非線性應(yīng)用_第3頁
市場廣度指標(biāo)在股指擇時(shí)與輪動(dòng)中的線性與非線性應(yīng)用_第4頁
市場廣度指標(biāo)在股指擇時(shí)與輪動(dòng)中的線性與非線性應(yīng)用_第5頁
已閱讀5頁,還剩60頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

-金融工程市場廣度指標(biāo)在股指擇時(shí)與輪動(dòng)中的線性與非線性應(yīng)用報(bào)告日期:2023年5月15日★主要思路和結(jié)論:本文使用成分股技術(shù)指標(biāo)構(gòu)建了寬基指數(shù)的市場廣度指標(biāo),嘗試基于市場廣度指標(biāo)構(gòu)建單指數(shù)擇時(shí)和雙指數(shù)輪動(dòng)的策別基于F檢驗(yàn)和Logistic模型、互信息和決策樹模型構(gòu)建了單指標(biāo)線性和非線性的策略,結(jié)果表明,市場廣度指標(biāo)的線性預(yù)測能力有限,但非線性檢驗(yàn)和模型則在樣本內(nèi)外表現(xiàn)較好;在單指數(shù)漲跌預(yù)測問題上,市場廣度指標(biāo)+決策樹預(yù)測在樣本外明顯失效,但是對于判斷兩指數(shù)的相對強(qiáng)弱,樣本外依然有效。在2021年至今的測試集上,等權(quán)配置訓(xùn)練集上的有效指標(biāo),500-300指數(shù)多空輪動(dòng)策略取得年化收益12.5%,夏普比2.78,1000-50指數(shù)多空輪動(dòng)策略取得年化收益13.3%,夏普比1.37,500-300指數(shù)多空輪動(dòng)策略取得年化收益13.2%,夏普比1.88,IC、IF跨品種套利上取得了年化收益13.6%、夏普2.90,IC、IH跨品種套利上取得了年化收益14.6%、夏普1.99。在多指標(biāo)合成問題上,本文對單指標(biāo)的結(jié)果進(jìn)行了等權(quán)合成,未考慮模型合成的方法,后續(xù)將考慮模型合成的問題,可以更多的利用變量間的交互信息;本文的目標(biāo)變量設(shè)定僅考慮了二分類變量,后續(xù)將考慮比較目標(biāo)變量設(shè)為分類變量、收益率的預(yù)測效果差異;另外策略的換手率較高,后續(xù)考慮使用更嚴(yán)謹(jǐn)?shù)幕販y框架對策略表現(xiàn)進(jìn)行檢驗(yàn)?!镲L(fēng)險(xiǎn)提示模型基于歷史數(shù)據(jù)構(gòu)建,未來市場規(guī)律的變動(dòng)可能使模型失王冬黎從業(yè)資格號:投資咨詢號:Tel:Email:聯(lián)系人:常海晴從業(yè)資格號:Tel:Email:金融工程首席分析師F3032817Z00143488621-63325888-3975dongli.wang@金融工程分析師F030874418621-63325888-4191haiqing.chang@重要事項(xiàng):本報(bào)告版權(quán)歸上海東證期貨有限公司所有。未獲得東證期貨書面授權(quán),任何人不得對本報(bào)告進(jìn)行任何形式的發(fā)布、復(fù)制。本報(bào)告的信息均來源于公開資料,我公司對這些信息的準(zhǔn)確性和完整性不作任何保證,也不保證所包含的信息和建議不會(huì)發(fā)生任何變更。我們已力求報(bào)告內(nèi)容的客觀、公正,但文中的觀點(diǎn)、結(jié)論和建議僅供參考,報(bào)告中的信息或意見并不構(gòu)成交易建議,投資者據(jù)此做出的任何投資決策與本公司和作者無關(guān)。有關(guān)分析師承諾,見本報(bào)告最后部分。并請閱讀報(bào)告最后一頁的免責(zé)聲明。【行業(yè)研究】【行業(yè)研究】股指期貨-深度報(bào)告2023-05-15 2期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表1:1988-2004年95篇技術(shù)分析有效性研究匯總 7圖表2:上證50指數(shù)經(jīng)典反轉(zhuǎn)指標(biāo)回測凈值 7圖表3:上證50指數(shù)經(jīng)典趨勢指標(biāo)回測凈值 7圖表4:滬深300指數(shù)經(jīng)典反轉(zhuǎn)指標(biāo)回測凈值 8圖表5:滬深300指數(shù)經(jīng)典趨勢指標(biāo)回測凈值 8圖表6:中證500指數(shù)經(jīng)典反轉(zhuǎn)指標(biāo)回測凈值 8圖表7:中證500指數(shù)經(jīng)典趨勢指標(biāo)回測凈值 8圖表8:中證1000指數(shù)經(jīng)典反轉(zhuǎn)指標(biāo)回測凈值 8圖表9:中證1000指數(shù)經(jīng)典趨勢指標(biāo)回測凈值 8圖表10:市場廣度指標(biāo)的計(jì)算流程與兩個(gè)應(yīng)用場景(日頻數(shù)據(jù)) 9圖表11:時(shí)序交叉驗(yàn)證窗口劃分示意圖 10圖表12:兩指數(shù)收益差F檢驗(yàn)p值分布(自由流通市值加權(quán)) 12圖表13:單指數(shù)漲跌F檢驗(yàn)p值分布(自由流通市值加權(quán)) 12圖表14:兩指數(shù)收益差F檢驗(yàn)p值分布(等權(quán)) 12圖表15:單指數(shù)漲跌F檢驗(yàn)p值分布(等權(quán)) 12圖表16:訓(xùn)練集p值對應(yīng)的訓(xùn)練集Logistic回測夏普均值 14圖表17:訓(xùn)練集p值對應(yīng)的測試集Logistic回測夏普均值 14圖表18:上證50最優(yōu)指標(biāo)MESA_Adaptive_0.5_0.05 14圖表19:滬深300最優(yōu)指標(biāo)STDS_40_140 14 圖表21:中證1000指數(shù)最優(yōu)指標(biāo)Quantile_(250,0.6) 15圖表22:上證50指數(shù)最優(yōu)指標(biāo)MESA_Adaptive 15圖表23:滬深300指數(shù)最優(yōu)指標(biāo)STDS_40_140 15圖表24:500-300最優(yōu)指標(biāo)Chaikin_(50,60) 15圖表25:500-50最優(yōu)指標(biāo)TRIX_(100,200,1) 15圖表26:1000-50最優(yōu)指標(biāo)Chaikin_(10,80) 16圖表27:信息熵圖示 16圖表28:兩指數(shù)收益差(自由流通市值加權(quán)) 17圖表29:單指數(shù)漲跌(自由流通市值加權(quán)) 17圖表30:兩指數(shù)收益差(等權(quán)) 17圖表31:單指數(shù)漲跌(等權(quán)) 17圖表32:訓(xùn)練集互信息對應(yīng)的訓(xùn)練集決策樹回測夏普均值 19圖表33:訓(xùn)練集互信息對應(yīng)的測試集決策樹回測夏普均值 19圖表34:兩指數(shù)多空輪動(dòng)訓(xùn)練集與測試集夏普比 19 3期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表35:單指數(shù)擇時(shí)訓(xùn)練集與測試集夏普比 19動(dòng)回測結(jié)果 20圖表37:單指數(shù)擇時(shí)回測結(jié)果 20圖表38:上證50指數(shù)最優(yōu)指標(biāo)(多空) 20圖表39:上證50指數(shù)最優(yōu)指標(biāo)(僅做多) 20圖表40:滬深300指數(shù)最優(yōu)指標(biāo)(多空) 20圖表41:滬深300指數(shù)最優(yōu)指標(biāo)(僅做多) 20圖表42:中證500指數(shù)最優(yōu)指標(biāo)(多空) 21圖表43:中證500指數(shù)最優(yōu)指標(biāo)(僅做多) 21圖表44:中證1000指數(shù)最優(yōu)指標(biāo)(多空) 21圖表45:中證1000指數(shù)最優(yōu)指標(biāo)(僅做多) 21圖表46:500-300指數(shù)最優(yōu)指標(biāo)(多空) 21圖表47:500-300指數(shù)最優(yōu)指標(biāo)(僅做多) 21圖表48:500-50指數(shù)最優(yōu)指標(biāo)(多空) 22圖表49:500-50指數(shù)最優(yōu)指標(biāo)(僅做多) 22圖表50:1000-50指數(shù)最優(yōu)指標(biāo)(多空) 22圖表51:1000-50指數(shù)最優(yōu)指標(biāo)(僅做多) 22圖表52:上證50指數(shù)有效指標(biāo)平均凈值(多空) 23圖表53:上證50指數(shù)有效指標(biāo)平均凈值(僅做多) 23圖表54:滬深300指數(shù)有效指標(biāo)平均凈值(多空) 23圖表55:滬深300指數(shù)有效指標(biāo)平均凈值(僅做多) 23圖表56:中證500指數(shù)有效指標(biāo)平均凈值(多空) 23圖表57:中證500指數(shù)有效指標(biāo)平均凈值(僅做多) 23圖表58:中證1000指數(shù)有效指標(biāo)平均凈值(多空) 24圖表59:中證1000指數(shù)有效指標(biāo)平均凈值(僅做多) 24圖表60:500-300指數(shù)有效指標(biāo)平均凈值(多空) 24圖表61:500-300指數(shù)有效指標(biāo)平均凈值(僅做多) 24圖表62:500-50指數(shù)有效指標(biāo)平均凈值(多空) 24圖表63:500-50指數(shù)有效指標(biāo)平均凈值(僅做多) 24圖表64:1000-50指數(shù)有效指標(biāo)平均凈值(多空) 25圖表65:1000-50指數(shù)有效指標(biāo)平均凈值(僅做多) 25圖表66:兩指數(shù)多空輪動(dòng)策略回測結(jié)果 25圖表67:IH有效指標(biāo)平均凈值(多空) 26圖表68:IH有效指標(biāo)平均凈值(僅做多) 26圖表69:IF有效指標(biāo)平均凈值(多空) 26圖表70:IF有效指標(biāo)平均凈值(僅做多) 26 4期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表71:IC有效指標(biāo)平均凈值(多空) 26圖表72:IC有效指標(biāo)平均凈值(僅做多) 26圖表73:IC-IF有效指標(biāo)平均凈值(多空) 27圖表74:IC-IF有效指標(biāo)平均凈值(僅做多) 27圖表75:IC-IH有效指標(biāo)平均凈值(多空) 27圖表76:IC-IH有效指標(biāo)平均凈值(僅做多) 275期貨研究報(bào)告6期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-151、研究背景市場廣度指標(biāo)(MarketBreath)又譯為市場寬度指標(biāo)、擴(kuò)散指標(biāo)等,通過計(jì)算處于上漲趨勢和下跌趨勢股票數(shù)量的差額,來衡量股票指數(shù)的趨勢強(qiáng)度。市場廣度指標(biāo)被廣泛運(yùn)用于寬基指數(shù)的技術(shù)分析以及市場情緒分析中。常見的市場廣度指標(biāo)包括騰落指標(biāo)ADL (上漲股票數(shù)量減去下跌股票數(shù)量)、高低差指標(biāo)(創(chuàng)新高股票數(shù)量除以創(chuàng)新低股票數(shù)量)等。對于寬基指數(shù)而言,其走勢是由成分股共同驅(qū)動(dòng)的,直接計(jì)算寬基指數(shù)的技術(shù)指標(biāo)并不能直接反映背后的交易情緒,而市場廣度指標(biāo)采用成分股的趨勢合成計(jì)算,一方面可以提升度量寬基指數(shù)趨勢的精細(xì)度,另一方面可以起到對收益率“降噪”的效果。本文的主要目的是探索寬基指數(shù)的市場廣度指標(biāo)在單指數(shù)擇時(shí)和雙指數(shù)輪動(dòng)中的運(yùn)用。成分股的趨勢度量可以用技術(shù)指標(biāo)實(shí)現(xiàn),因此市場廣度指標(biāo)可以與成分股的技術(shù)指標(biāo)結(jié)合,從而衍生出無窮多指標(biāo)。與成分股技術(shù)指標(biāo)相結(jié)合后,市場廣度指標(biāo)一方面可以作為市場趨勢性的衡量,另一方面與反轉(zhuǎn)技術(shù)指標(biāo)結(jié)合后也能夠構(gòu)成反轉(zhuǎn)指標(biāo)。市場廣度指標(biāo)并沒有一個(gè)通用的定義,本文采用一個(gè)技術(shù)指標(biāo)對應(yīng)一個(gè)市場廣度指標(biāo)的計(jì)算方式,定義市場廣度指標(biāo)的計(jì)算方法如下:1、對于第j個(gè)技術(shù)指標(biāo),首先計(jì)算第i個(gè)成分股在該技術(shù)指標(biāo)的規(guī)則下的多空信號,-1和0三種;等權(quán)法和自由流通市值加權(quán)(等同于指數(shù)編制的成分股權(quán)重):BTeathj=xnwiBTeathj=其中,對于等權(quán)法,wi=1;對于自由流通市值加權(quán)法,wi等同于該成分股在指數(shù)編制中的權(quán)重。技術(shù)分析是使用過去的量價(jià)指標(biāo)預(yù)測未來價(jià)格變動(dòng)的分析方法,技術(shù)分析的有效性建立在市場無效性的基礎(chǔ)上,而市場的有效性與技術(shù)指標(biāo)的有效性均是備受爭議的問題。雖然飽受爭議,但技術(shù)指標(biāo)不僅在業(yè)界有廣泛運(yùn)用,在學(xué)界亦有廣泛討論。ParkandIrwin(2004)對95篇有關(guān)技術(shù)指標(biāo)的經(jīng)典文獻(xiàn)做了總結(jié),其中有56篇表明技術(shù)分析有效,20篇認(rèn)為技術(shù)分析無效,19篇得出了中立結(jié)論;作者更近一步的指出,相比文獻(xiàn)得出的結(jié)論,技術(shù)指標(biāo)有效性的檢驗(yàn)過程是尤其需要重視的,包括數(shù)據(jù)窺探偏差(DataSnooping)、對交易成本的估計(jì)等等。股指期貨-深度報(bào)告2023-05-15圖表1:1988-2004年95篇技術(shù)分析有效性研究匯總方法類別究Lukac1988)√√√√√bootstrapBrock(1992)√√ootstrapmethods3Sullivan)√√√√√White00)的現(xiàn)實(shí)檢驗(yàn)bootstrap法進(jìn)行交易規(guī)則優(yōu)化和Allen和Kaejalainen(1999)√√√√√√9ncaya√√√√√/或前饋網(wǎng)絡(luò)回歸生資料來源:ParkandIrwin(2004),東證衍生品研究院技術(shù)指標(biāo)有效性的檢驗(yàn)和應(yīng)用方法十分多元,90年代開始學(xué)界便開始了對遺傳算法、非線性模型運(yùn)用的討論??茖W(xué)嚴(yán)謹(jǐn)?shù)臋z驗(yàn)回測框架是我們進(jìn)行研究的基礎(chǔ),而創(chuàng)新性的運(yùn)用是挖掘有效指標(biāo)的關(guān)鍵??傮w上而言市場有效程度越高,技術(shù)分析的有效性越低。以國內(nèi)A股為例,我們挑選了幾個(gè)較為經(jīng)典的趨勢和反轉(zhuǎn)指標(biāo)在四個(gè)寬基指數(shù)上進(jìn)行回測,回測得到的凈值曲線漲跌天數(shù)、分位數(shù)。首先,技術(shù)指標(biāo)擇時(shí)可以跑贏原始指數(shù)的比例并不低,但是技術(shù)指標(biāo)對參數(shù)的選擇普遍較為敏感,不同參數(shù)下表現(xiàn)有較大差異,不同指數(shù)適用的最優(yōu)參數(shù)也有顯著差異;其次,2015年是許多技術(shù)指標(biāo)失效的拐點(diǎn),譬如布林帶在2015年之前是一個(gè)表現(xiàn)比較好的策略,但2015年之后幾乎完全失效,普通動(dòng)量和雙均線策略也在2015年后失效或者波動(dòng)明顯增加。圖表2:上證50指數(shù)經(jīng)典反轉(zhuǎn)指標(biāo)回測凈值資料來源:Wind,東證衍生品研究院圖表3:上證50指數(shù)經(jīng)典趨勢指標(biāo)回測凈值資料來源:Wind,東證衍生品研究院7期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表4:滬深300指數(shù)經(jīng)典反轉(zhuǎn)指標(biāo)回測凈值資料來源:Wind,東證衍生品研究院圖表6:中證500指數(shù)經(jīng)典反轉(zhuǎn)指標(biāo)回測凈值資料來源:Wind,東證衍生品研究院圖表8:中證1000指數(shù)經(jīng)典反轉(zhuǎn)指標(biāo)回測凈值資料來源:Wind,東證衍生品研究院圖表5:滬深300指數(shù)經(jīng)典趨勢指標(biāo)回測凈值資料來源:Wind,東證衍生品研究院圖表7:中證500指數(shù)經(jīng)典趨勢指標(biāo)回測凈值資料來源:Wind,東證衍生品研究院圖表9:中證1000指數(shù)經(jīng)典趨勢指標(biāo)回測凈值資料來源:Wind,東證衍生品研究院8期貨研究報(bào)告9期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15技術(shù)指標(biāo)的應(yīng)用有兩種思路,基于規(guī)則的和基于模型的?;谝?guī)則的思路便如同上面簡單的回測示例,根據(jù)指標(biāo)的趨勢、高低點(diǎn)、背離等等特征給出市場方向的判斷,優(yōu)點(diǎn)是具有較強(qiáng)的邏輯與可解釋性,缺點(diǎn)是規(guī)則的設(shè)定往往依賴投資者的主觀經(jīng)驗(yàn),需要深度的市場觀察,且隨著市場有效性的提升,單一規(guī)則的盈利能力趨于下降,規(guī)則的發(fā)掘愈發(fā)困難;基于模型的思路則是根據(jù)技術(shù)指標(biāo)構(gòu)建特征,輸入模型,訓(xùn)練和調(diào)參之后得到一個(gè)綜合的預(yù)測,優(yōu)點(diǎn)是依靠模型可以擬合出人腦無法勝任的復(fù)雜規(guī)則,但是缺陷高。為了平衡復(fù)雜度和解釋性,本文嘗試通過解釋性較好的模型生成預(yù)測信號。我們首先計(jì)算成分股由技術(shù)指標(biāo)得到的多空信號,合成市場廣度指標(biāo)。寬基指數(shù)的市場廣度指標(biāo)介于-1到1之間,是標(biāo)準(zhǔn)化程度很高的數(shù)據(jù),便于作為統(tǒng)計(jì)方法和模型的輸入做進(jìn)一步的處理和預(yù)測。本文嘗試將市場廣度指標(biāo)用于指數(shù)擇時(shí)和指數(shù)相對強(qiáng)弱的判斷。關(guān)于回測所用的技術(shù)指標(biāo),我們使用Ta-Lib庫,共構(gòu)造了動(dòng)量、均線、通道、反轉(zhuǎn)、量價(jià)共5類技術(shù)指標(biāo),考慮不同的參數(shù)共有接近4000。指標(biāo)應(yīng)用思路與回測結(jié)果由成分股技術(shù)指標(biāo)構(gòu)建得到的市場廣度指標(biāo)數(shù)量十分龐大,如果直接輸入模型預(yù)測,會(huì)極容易造成過擬合的問題,或?qū)е履P陀?xùn)練困難,因此有必要對單指標(biāo)做進(jìn)一步的篩選。隨著市場趨于有效,只考慮指標(biāo)的線性相關(guān)可能較難發(fā)掘出有效信號,非線性的模型也是我們重點(diǎn)考慮的方向,因此我們這里分別考慮市場廣度指標(biāo)的線性與非線性預(yù)測能力: )衡量指標(biāo)的線性預(yù)測能力:F檢驗(yàn)與logistic模型; 力:互信息與決策樹圖表10:市場廣度指標(biāo)的計(jì)算流程與兩個(gè)應(yīng)用場景(日頻數(shù)據(jù))10期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15考慮到2015年前后權(quán)益市場的交易結(jié)構(gòu)和主流投資理念發(fā)生了較大變化,我們的回測時(shí)間從2016年開始。顯著性檢驗(yàn)的運(yùn)算速度較快,便于我們快速篩選指標(biāo);但是結(jié)果的呈現(xiàn)不夠直觀,一個(gè)通過了顯著性檢驗(yàn)的指標(biāo)可能并不能直接貢獻(xiàn)收益,所以我們進(jìn)一步使用模型生成單指標(biāo)的預(yù)測信號,更加直觀的展示單指標(biāo)樣本外的預(yù)測能力和應(yīng)用。對于模型檢驗(yàn),我們采用expanding滑動(dòng)窗口進(jìn)行模型的訓(xùn)練和預(yù)測;特別的,對于決策樹模型,我們將2016-2020年作為訓(xùn)練集,針對決策樹的最大深度進(jìn)行調(diào)參,并在2021年至今的區(qū)間上驗(yàn)證樣本外表現(xiàn)。分示意圖11期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15、F檢驗(yàn)檢驗(yàn)與篩選廣度指標(biāo)的線性預(yù)測能力,可以使用F檢驗(yàn)與線性判別模型。F檢驗(yàn)將給出指標(biāo)顯著性的檢驗(yàn)結(jié)果,通過Logistic模型,可以給出預(yù)測值并得到更直觀的回測結(jié)果。F檢驗(yàn)是由RonaldFisher發(fā)明的一種統(tǒng)計(jì)檢驗(yàn),用來比較兩個(gè)或多個(gè)組間的平均值是否有顯著差異,廣泛運(yùn)用于方差齊性檢驗(yàn)、線性回歸的整體顯著性檢驗(yàn)。其計(jì)算公F==~F(T?1,N?T)假設(shè)共分成T組(i=1,2,…,T),第i組有mi個(gè)樣本,共N=x=1mi個(gè)樣本。進(jìn)行F檢驗(yàn)的前提需滿足:yij~Nui,G2且yij相互獨(dú)立。取各總體均值作出假設(shè):H0:u1=u2=…=uTH1:u1,u2,…,uT不全相等TmiTSSA=xx?2=xmi?2,df1=T?1TmiTi=1j=1i=1TmiSSE=xxyij?2,df2=N?Tmii=1j=1在a置信水平拒絕原假設(shè)若F>FT?1,N?T,a。我們可以通過比較F值或p值大小來比較不同指標(biāo)的顯著性程度。匯總了預(yù)測上證50、滬深300、中證500、中證1000、中證500與上證50收益之差、中證500與滬深300收益之差、中證1000與上證50收益之差共7組的顯著性檢驗(yàn)和回測結(jié)果,其中顯著性檢驗(yàn)在2016-2020年的訓(xùn)練集上進(jìn)行。股指期貨-深度報(bào)告2023-05-15圖12-圖15展示了F檢驗(yàn)p值的分布情況:圖表12:兩指數(shù)收益差F檢驗(yàn)p值分布(自由流通市值加權(quán))圖表13:單指數(shù)漲跌F檢驗(yàn)p值分布(自由流通市值加權(quán))資料來源:Wind,東證衍生品研究院圖表14:兩指數(shù)收益差F檢驗(yàn)p值分布(等權(quán))資料來源:Wind,東證衍生品研究院資料來源:Wind,東證衍生品研究院圖表15:單指數(shù)漲跌F檢驗(yàn)p值分布(等權(quán))資料來源:Wind,東證衍生品研究院從圖表12-15中我們可以得到有一些有趣的結(jié)論:結(jié)論1:相比于預(yù)測指數(shù)漲跌,市場廣度指標(biāo)與指數(shù)收益之差的相關(guān)性明顯更高,顯著性檢驗(yàn)p值的分布更偏向于0;結(jié)論2:對于兩指數(shù)收益差,通道類指標(biāo)的顯著性水平最高,猜測這與價(jià)差的均值回復(fù)特性有關(guān);結(jié)論3:等權(quán)的加權(quán)方式得到的市場廣度指標(biāo)顯著性水平普遍高于自由流通市值加;結(jié)論4:對于單指數(shù)的漲跌,顯著性水平高的動(dòng)量類指標(biāo)較多。12期貨研究報(bào)告13期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-152.2、Logistic回歸Logistic回歸是一種分類算法,用于預(yù)測某個(gè)離散的分類變量(通常為二元變量,如是或否、真或假等)。它基于線性回歸,但使用了邏輯函數(shù)將連續(xù)輸出轉(zhuǎn)換為0和1之間的概率。Logistic回歸的邏輯函數(shù)如下h(X)=,X為特征,對于輸入的特征,11+e?(wTX+b)1h(xi)大于0.5則分為正類,h(xi)小于0.5則分求解該模型的參數(shù)可以使用極大似然估計(jì)的方法,最大化似然函數(shù)和最小化損失函nL=nh(xi)yi(1?h(xi))1?yini=1取對數(shù)得nlnL=x(yih(xi)+(1?yi)ln(1?h(xi)))ni=1由于此式是一個(gè)凸函數(shù),通過求導(dǎo)便可得到其最優(yōu)解。通過F檢驗(yàn)我們觀察到一些有趣的結(jié)論,但是并不能得到比較直觀的回測結(jié)果,下面使用Logistic回歸進(jìn)行滾動(dòng)訓(xùn)練與預(yù)測,時(shí)序滾動(dòng)預(yù)測樣本的劃分如圖表11所示。將訓(xùn)練集上顯著性檢驗(yàn)p值劃分為(0,0.02],(0.02,0.05],(0.05,0.1],(0.1,0.2],(0.2,0.3],(0.3,0.4],…,(0.9,1]共12個(gè)區(qū)間。圖表16-17展示了每個(gè)區(qū)間對應(yīng)的回測夏普比均值。從中可以看出,雖然Logistic回歸與F檢驗(yàn)同樣依賴指標(biāo)間的線性關(guān)系,但是F檢驗(yàn)的結(jié)果與Logistic模型的結(jié)果有較大出入,F(xiàn)檢驗(yàn)顯著的指標(biāo)在logistic回歸預(yù)測構(gòu)建的策略上表現(xiàn)未必好,在測試集上甚至呈現(xiàn)了一定的負(fù)相關(guān)性,總體而言F檢驗(yàn)與logistic回歸的結(jié)果差強(qiáng)人意。14期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表16:訓(xùn)練集p值對應(yīng)的訓(xùn)練集Logistic回測夏普均值資料來源:Wind,東證衍生品研究院圖表17:訓(xùn)練集p值對應(yīng)的測試集Logistic回測夏普均值資料來源:Wind,東證衍生品研究院就市場廣度指標(biāo)的線性預(yù)測能力檢驗(yàn)結(jié)果而言,直接預(yù)測指數(shù)的效果并不理想,但是判斷指數(shù)相對強(qiáng)弱的有效指標(biāo)數(shù)量更多。對于上述7個(gè)預(yù)測目標(biāo),圖18-26分別展示了表現(xiàn)最好的指標(biāo)的回測結(jié)果:圖表18:上證50最優(yōu)指標(biāo)MESA_Adaptive_0.5_0.05資料來源:Wind,東證衍生品研究院圖表19:滬深300最優(yōu)指標(biāo)STDS_40_140資料來源:Wind,東證衍生品研究院15期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15資料來源:Wind,東證衍生品研究院圖表22:上證50指數(shù)最優(yōu)指標(biāo)MESA_Adaptive資料來源:Wind,東證衍生品研究院圖表24:500-300最優(yōu)指標(biāo)Chaikin_(50,60)資料來源:Wind,東證衍生品研究院圖表21:中證1000指數(shù)最優(yōu)指標(biāo)Quantile_(250,0.6)資料來源:Wind,東證衍生品研究院圖表23:滬深300指數(shù)最優(yōu)指標(biāo)STDS_40_140資料來源:Wind,東證衍生品研究院圖表25:500-50最優(yōu)指標(biāo)TRIX_(100,200,1)資料來源:Wind,東證衍生品研究院16期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表26:1000-50最優(yōu)指標(biāo)Chaikin_(10,80)資料來源:Wind,東證衍生品研究院互信息是一種衡量兩個(gè)隨機(jī)變量之間相關(guān)性的指標(biāo),表示一個(gè)隨機(jī)變量的信息對另一個(gè)隨機(jī)變量的不確定度的影響。相比F檢驗(yàn),互信息能夠捕捉指標(biāo)間的非線性關(guān)系。圖表27:信息熵圖示設(shè)X和Y是兩個(gè)離散型隨機(jī)變量,p(x,y)表示X和Y同時(shí)取到x和y的概率,p(x)量:Hxy=?xx,ypx,ylogp(x|y),量:Hxy=?xx,ypx,ylogp(x|y),條件熵H(y|x)表示已知y的情況下x的信息量:Hyx=?xx,ypx,ylogp(y|x),聯(lián)合熵H(x,y)表示x與y的信息含量之和:股指期貨-深度報(bào)告2023-05-15H(x,y)=?xpx,ylogp(x,y)x,y而互信息表示信息x與y的重疊部分,也就是互信息,可以用來衡量x與y的相關(guān)性。X和Y的互信息為兩者信息的重疊部分:MI=IX;Y=Hx,y?Hxy?Hyx=xp(x,y)logx,y互信息值越大,表示兩個(gè)隨機(jī)變量之間的相關(guān)性越強(qiáng);互信息值為0,表示兩個(gè)隨機(jī)變量之間相互獨(dú)立?;バ畔⒖梢杂糜谔卣鬟x擇,通常選取與目標(biāo)變量互信息值較大的特征作為模型的輸入變量?;バ畔⒁彩菦Q策樹算法中進(jìn)行選擇的準(zhǔn)則之一。決策樹算法常用的信息增益為IG=Hy?H(y|特征作為模型的輸入變量?;バ畔⒁彩菦Q策樹算法中進(jìn)行選擇的準(zhǔn)則之一。決策樹算法類似F檢驗(yàn),我們依然分類展示市場廣度指標(biāo)互信息的分布情況:資料來源:Wind,東證衍生品研究院圖表30:兩指數(shù)收益差(等權(quán))資料來源:Wind,東證衍生品研究院圖表29:單指數(shù)漲跌(自由流通市值加權(quán))資料來源:Wind,東證衍生品研究院圖表31:單指數(shù)漲跌(等權(quán))資料來源:Wind,東證衍生品研究院17期貨研究報(bào)告18期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15互信息法的顯著性檢驗(yàn)結(jié)果與F檢驗(yàn)結(jié)果差異較大,不同類型指標(biāo)的互信息分布差異不明顯,每一類指標(biāo)都有一些信息含量較高的指標(biāo);但總體上市場廣度指標(biāo)依然與兩指數(shù)收益差的相關(guān)性更強(qiáng)。決策樹是一種基于樹形結(jié)構(gòu)進(jìn)行決策分析的方法,它可以用于分類和回歸問題。在決策樹中,每個(gè)內(nèi)部節(jié)點(diǎn)表示一個(gè)特征或?qū)傩裕總€(gè)分支代表該屬性的一個(gè)取值,每個(gè)葉子節(jié)點(diǎn)表示一個(gè)類別或一個(gè)數(shù)值。通過遞歸的方式,決策樹可以根據(jù)數(shù)據(jù)的特征對數(shù)據(jù)進(jìn)行分類或回歸預(yù)測。決策樹常用的擬合算法包括C4.5算法和CART算法,分別使用信息熵和基尼系數(shù)作為節(jié)點(diǎn)劃分的標(biāo)準(zhǔn)。在sklearn包中,決策樹的criterion可選擇使用信息熵(entropy)或基尼系數(shù)(gini),默認(rèn)為基尼系數(shù),事實(shí)上信息熵和基尼系數(shù)低。為了與互信息檢驗(yàn)相互印證,這里展開介紹以信息熵為節(jié)點(diǎn)劃分依據(jù)的決策樹算法。信息熵是信息理論中的一個(gè)重要概念,表示隨機(jī)變量不確定性的度量。對于一個(gè)離散隨機(jī)變量Y,其信息熵定義如下:nH(Y)=?xpklnpkni=1其中,pk表示第k類樣本在樣本集合中的比例。信息熵越小,說明劃分后的純度越高。在信息論和機(jī)器學(xué)習(xí)中,信息增益是KL散度(Kullback–Leiblerdivergence)的同義詞:通過觀察另一個(gè)隨機(jī)變量獲得的有關(guān)隨機(jī)變量或信號的信息量。在決策樹中,該術(shù)語有時(shí)與互信息同時(shí)使用,互信息是一個(gè)變量的概率分布與給定另一個(gè)變量的條件分布的KL散度的條件期望值。從隨機(jī)變量X取值為x的觀察中獲得的隨機(jī)變量Y的信息增益定義為:IGX,Y(Y,x)=DKL(Py(y|x)||PY(y|I)),其中PY(y|I)是Y的先驗(yàn)分布,PY|x(y|x)是在給定x下的Y的后驗(yàn)分布。信息增益的期望值是Y與X的互信息I(Y;X)——通過學(xué)習(xí)隨機(jī)變量X的狀態(tài)來減少Y的熵。實(shí)際上信息增益準(zhǔn)則對可取值數(shù)目較多的屬性有所偏好,為了減少這種偏好可能帶來的不利影響,C4.5算法使用信息增益率來選擇最優(yōu)劃分屬性。在每個(gè)節(jié)點(diǎn)上決策樹算法會(huì)選擇使得信息增益率最大的屬性進(jìn)行劃分,對于一維決策樹而言,則會(huì)選擇使信息增益率最大的特征取值進(jìn)行劃分。決策樹的擬合能力顯著強(qiáng)于普通的線性回歸,因此為了使模型有更好的泛化能力,對于一維特征的決策樹我們針對樹的最大深度max_depth在訓(xùn)練集上進(jìn)行時(shí)序交叉驗(yàn)證調(diào)參,得到最優(yōu)的max_depth后在測試集上進(jìn)行測試。訓(xùn)練集為2016年-2020年,測試集為2021年至今。時(shí)序交叉驗(yàn)證中的樣本集劃分同樣見圖表11。類似F檢驗(yàn)與Logistic回歸,圖表32-33展示了市場廣度指標(biāo)互信息取值區(qū)間對應(yīng)的決策樹回測夏普均值??梢钥吹交バ畔⑴c決策樹回測夏普有較強(qiáng)的正相關(guān)性,決策樹有更強(qiáng)的擬合能力,因此在訓(xùn)練集上回測的夏普比均為正;雖然在測試集上的平均夏普19期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15為負(fù),但是依然與互信息有很強(qiáng)的相關(guān)性,說明互信息的檢驗(yàn)結(jié)果也有較好的樣本外泛化能力。圖表32:訓(xùn)練集互信息對應(yīng)的訓(xùn)練集決策樹回測夏普均值資料來源:Wind,東證衍生品研究院圖表33:訓(xùn)練集互信息對應(yīng)的測試集決策樹回測夏普均值資料來源:Wind,東證衍生品研究院對于決策樹模型,我們尤其關(guān)注樣本內(nèi)的有效指標(biāo)在樣本外的表現(xiàn)。對于訓(xùn)練集上夏普比大于1的指標(biāo)我們認(rèn)定其有效,如果指標(biāo)在測試集上夏普大于0.5,我們認(rèn)為該指標(biāo)沒有失效。分別計(jì)算兩指數(shù)多空輪動(dòng)和單指數(shù)擇時(shí)問題樣本外有效指標(biāo)占比,圖表34-35展示了訓(xùn)練集有效指標(biāo)在測試集上夏普比的分布情況;圖表36-37展示了訓(xùn)練集上的決策樹最優(yōu)的最大深度和樣本外有效比例的關(guān)系。可以發(fā)現(xiàn)市場廣度指標(biāo)在兩指數(shù)相對強(qiáng)弱問題上的樣本外表現(xiàn)顯著優(yōu)于單指標(biāo)擇時(shí);且決策樹的最大深度越小,模型過擬合風(fēng)險(xiǎn)越小,樣本外有效比例越高。圖表34:兩指數(shù)多空輪動(dòng)訓(xùn)練集與測試集夏普比資料來源:Wind,東證衍生品研究院圖表35:單指數(shù)擇時(shí)訓(xùn)練集與測試集夏普比資料來源:Wind,東證衍生品研究院股指期貨-深度報(bào)告2023-05-15圖表38-51匯總了所有預(yù)測標(biāo)的在訓(xùn)練集上夏普比最高的市場廣度指標(biāo)的表現(xiàn):資料來源:Wind,東證衍生品研究院圖表38:上證50指數(shù)最優(yōu)指標(biāo)(多空)資料來源:Wind,東證衍生品研究院圖表40:滬深300指數(shù)最優(yōu)指標(biāo)(多空)資料來源:Wind,東證衍生品研究院圖表37:單指數(shù)擇時(shí)回測結(jié)果資料來源:Wind,東證衍生品研究院圖表39:上證50指數(shù)最優(yōu)指標(biāo)(僅做多)資料來源:Wind,東證衍生品研究院圖表41:滬深300指數(shù)最優(yōu)指標(biāo)(僅做多)資料來源:Wind,東證衍生品研究院20期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表42:中證500指數(shù)最優(yōu)指標(biāo)(多空)資料來源:Wind,東證衍生品研究院圖表44:中證1000指數(shù)最優(yōu)指標(biāo)(多空)資料來源:Wind,東證衍生品研究院圖表46:500-300指數(shù)最優(yōu)指標(biāo)(多空)資料來源:Wind,東證衍生品研究院圖表43:中證500指數(shù)最優(yōu)指標(biāo)(僅做多)資料來源:Wind,東證衍生品研究院圖表45:中證1000指數(shù)最優(yōu)指標(biāo)(僅做多)資料來源:Wind,東證衍生品研究院圖表47:500-300指數(shù)最優(yōu)指標(biāo)(僅做多)資料來源:Wind,東證衍生品研究院21期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表48:500-50指數(shù)最優(yōu)指標(biāo)(多空)資料來源:Wind,東證衍生品研究院圖表50:1000-50指數(shù)最優(yōu)指標(biāo)(多空)資料來源:Wind,東證衍生品研究院圖表49:500-50指數(shù)最優(yōu)指標(biāo)(僅做多)資料來源:Wind,東證衍生品研究院圖表51:1000-50指數(shù)最優(yōu)指標(biāo)(僅做多)資料來源:Wind,東證衍生品研究院從圖38-51看,表現(xiàn)最好的單指標(biāo)在樣本外有較高的失效風(fēng)險(xiǎn),因此對于每個(gè)預(yù)測目標(biāo),挑選出了在測試集上夏普比超過1的指標(biāo)進(jìn)行等權(quán)配置,回測結(jié)果如下:22期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表52:上證50指數(shù)有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表54:滬深300指數(shù)有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表56:中證500指數(shù)有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表53:上證50指數(shù)有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院圖表55:滬深300指數(shù)有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院圖表57:中證500指數(shù)有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院23期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表58:中證1000指數(shù)有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表60:500-300指數(shù)有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表62:500-50指數(shù)有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表59:中證1000指數(shù)有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院圖表61:500-300指數(shù)有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院圖表63:500-50指數(shù)有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院24期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表64:1000-50指數(shù)有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表65:1000-50指數(shù)有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院圖52-圖65表明,等權(quán)配置訓(xùn)練集上的有效指標(biāo),對單指數(shù)擇時(shí)來說樣本外普遍失效;但是對于雙指數(shù)多空輪動(dòng),樣本外表現(xiàn)依然較好。在2021年至今的測試集上,等權(quán)配置訓(xùn)練集上的有效指標(biāo),500-300指數(shù)多空輪動(dòng)策略取得年化收益12.5%,夏普比2.78,1000-50指數(shù)多空輪動(dòng)策略取得年化收益13.3%,夏普比1.37,500-50指數(shù)多空輪動(dòng)策略取得年化收益13.2%,夏普比1.88。兩指數(shù)多空輪動(dòng)策略回測結(jié)果2018年至今全樣本2021年至今測試集500-3001000-50500-50500-3001000-50500-50策略凈值基準(zhǔn)策略凈值基準(zhǔn)策略凈值基準(zhǔn)凈值基準(zhǔn)凈值基準(zhǔn)凈值基準(zhǔn)年化收益12.8%0.6%19.6%1.6%18.0%1.7%12.5%9.8%13.3%12.8%13.2%11.3%年化波動(dòng)3.9%11.2%7.9%18.9%6.3%15.5%4.5%11.5%9.7%20.1%7.0%15.6%最大回撤-2.2%-29.1%-11.1%-39.0%-8.0%-29.3%-2.2%-11.5%-11.1%-22.9%-8.0%-19.5%夏普比率3.290.052.490.082.870.112.780.851.370.641.880.73Calmar比5.750.021.780.042.250.065.580.851.200.561.660.58Sortino比5.330.073.464.001.231.920.932.541.0353%52%57%52%55%52%55%56%55%55%55%56%1.700.931.220.931.420.941.380.911.020.921.140.90上文以股票指數(shù)為回測對象,下面使用同樣的策略信號,檢驗(yàn)策略在股指期貨上的表現(xiàn),回測中單邊手續(xù)費(fèi)設(shè)為萬分之0.23。25期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表67:IH有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表69:IF有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表71:IC有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表68:IH有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院圖表70:IF有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院圖表72:IC有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院26期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15圖表73:IC-IF有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表75:IC-IH有效指標(biāo)平均凈值(多空)資料來源:Wind,東證衍生品研究院圖表77:股指期貨跨品種套利策略回測結(jié)果圖表74:IC-IF有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院圖表76:IC-IH有效指標(biāo)平均凈值(僅做多)資料來源:Wind,東證衍生品研究院2018年至今全樣本2021年至今測試集ICIFICIHICIFIC-IH策略凈值基準(zhǔn)策略凈值基準(zhǔn)策略凈值基準(zhǔn)策略凈值基準(zhǔn)年化收益13.6%13.3%14.6%16.5%13.6%13.3%14.6%16.5%年化波動(dòng)4.7%12.2%7.3%16.1%4.7%12.2%7.3%16.1%最大回撤-2.2%-10.8%-8.3%-16.7%-2.2%-10.8%-8.3%-16.7%夏普比率2.901.081.991.032.901.081.991.03Calmar比60.960.9955%57%54%56%55%57%54%56%1.410.911.190.941.410.911.190.94資料來源:Wind,東證衍生品研究院27期貨研究報(bào)告28期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15可以看到策略在股指期貨上的表現(xiàn)與直接在指數(shù)上回測的結(jié)果相差不大,展期收益的影響并不大,估計(jì)與策略換手率高、展期收益波動(dòng)較低有關(guān)。單品種擇時(shí)在樣本外的表現(xiàn)依然不佳,但是在跨品種套利上取得了較好的表現(xiàn)。由于不同品種間的展期收益相差較大且近兩年小盤占優(yōu),在2021年至今的測試集上,多IC空IF與多IC空IH的基準(zhǔn)策略便有較好的表現(xiàn),夏普比大于1,而多指標(biāo)合成策略在IC、IF跨品種套利上取得了年化收益13.6%、夏普2.9,在IC、IH跨品種套利上取得了年化收益14.6%、夏普1.9。本文使用成分股技術(shù)指標(biāo)構(gòu)建了寬基指數(shù)的市場廣度指標(biāo),嘗試基于市場廣度指標(biāo)構(gòu)建指數(shù)擇時(shí)和指數(shù)輪動(dòng)的策略。以2016-2020年作為訓(xùn)練集、2021年至今作為測試集,分別基于F檢驗(yàn)和Logistic模型、互信息和決策樹模型構(gòu)建了線性和非線性的策略,結(jié)果表明,市場廣度指標(biāo)的線性預(yù)測能力有限,非線性的應(yīng)用則可以在樣本外取得較好的效果;在單指數(shù)漲跌預(yù)測問題上,市場廣度指標(biāo)+決策樹預(yù)測在樣本外明顯失效,但是對于判斷兩指數(shù)的相對強(qiáng)弱,樣本外依然有效。在2021年至今的測試集上,等權(quán)配置訓(xùn)練集上的有效指標(biāo),500-300指數(shù)多空輪動(dòng)策略取得年化收益12.5%,夏普比2.78,1000-50指數(shù)多空輪動(dòng)策略取得年化收益13.3%,夏普比1.37,500-300指數(shù)多空輪動(dòng)策略取得年化收益13.2%,夏普比1.88,IC、IF跨品種套利上取得了年化收益13.6%、夏普2.9,IC、IH跨品種套利上取得了年化收益14.6%、夏普1.9。在多指標(biāo)合成問題上,本文對單指標(biāo)的結(jié)果進(jìn)行了等權(quán)合成,未考慮模型合成的方法,后續(xù)將考慮模型合成的問題,可以更多的利用變量間的交互信息;本文的目標(biāo)變量僅考慮了二分類變量,后續(xù)將考慮比較目標(biāo)變量設(shè)為分類變量\收益率的預(yù)測效果差異;另外策略的換手率較高,后續(xù)考慮使用更嚴(yán)謹(jǐn)?shù)幕販y框架對策略表現(xiàn)進(jìn)行檢驗(yàn)。模型基于歷史數(shù)據(jù)構(gòu)建,未來市場規(guī)律的變動(dòng)可能使模型失效。股指期貨-深度報(bào)告2023-05-15標(biāo)類別指標(biāo)名稱指標(biāo)縮寫計(jì)算公式(TaLib函數(shù))指標(biāo)應(yīng)用方式參數(shù)取值范圍標(biāo)布林帶BollingBBANDS(adjclose,timeperiod,nbdevup,nbdevdn)最新價(jià)超過布林帶上軌后發(fā)出做多信號1,低于布林帶下軌發(fā)出做空信timeperiod:[3,5,10,20,30,40,50,60,120],nbdevup:[1,1.5,2]nbdevdn:[1,1.5,2]標(biāo)布林帶+ATR震蕩Boll_ATR使用ATR真實(shí)波幅代替布林帶的波動(dòng)率指標(biāo),其中ATR=ATR(high,low,close,timeperiod)最新價(jià)超過布林帶上軌后發(fā)出做多信號1,低于布林帶下軌發(fā)出做空信timeperiod:[3,5,10,20,30,40,50,120],nbdevup:[1,1.5,2]nbdevdn:[1,1.5,2]標(biāo)海龜交易法則Turtle_Trading唐安奇通道上軌=Max(最高低,n),n日最高價(jià)的最大值下軌=Min(最低價(jià),n),n中軌=(上軌+下軌)/2最新價(jià)超過唐安奇通道上軌后發(fā)出做多信號1,低于唐安奇通道下軌發(fā)出做空信號-1n:[2,3,5,10,20,30,40,50,60,70,80,90,100,150,200,250]標(biāo)Aberration策略Aberration同布林帶在布林帶基礎(chǔ)上加入平倉條件,價(jià)格由上到下突破中軌,則平多;價(jià)格由下到上突破中軌,則平空timeperiod:[3,5,10,20,30,40,50,60,120],nbdevup:[1,1.5,2]nbdevdn:[1,15,2]線指標(biāo)雙均線DoubleMA使用簡單算術(shù)平均計(jì)算均線::SMA(adjclose,n_short)長均線:SMA(adjclose,n_long)短均線上穿長均線發(fā)出做多信號1,下穿長均線發(fā)出做空信號-1n_short:[3,5,10,20,30,40,50,60,80,100,120,140,160,200],n_long:[5,10,20,30,40,50,60,80,100,120,140,160,200]線指標(biāo)指數(shù)雙均線EXPMA使用指數(shù)加權(quán)平均計(jì)算均線::EMA(adjclose,n_short)長均線:EMA(adjclose,n_long)短均線上穿長均線發(fā)出做多信號1,下穿長均線發(fā)出做空信號-1n_short:[3,5,10,20,30,40,50,60,80,100,120,140,160,200],n_long:[5,10,20,30,40,50,60,80,100,120,140,160,200]線指標(biāo)平均雙均線MidPrice使用高低中點(diǎn)移動(dòng)平均計(jì)算均線:短均線:MidPrice(high,low,n_short)長均線:MidPrice(high,lown_long)短均線上穿長均線發(fā)出做多信號1,下穿長均線發(fā)出做空信號-1n_short:[3,5,10,20,30,40,50,60,80,100,120,140,160,200],n_long:[5,10,20,30,40,50,60,80,100,120,140,160,200]線指標(biāo)Hilbert_Transf_orm使用希爾伯特瞬時(shí)變換計(jì)算價(jià)格平滑線:HT_TRENDLINE(adjclose)Hilbert線差分大于0則發(fā)出做多信號1,差分小于0則Timeperiod:[1,2,3,4,5,10,20,60,120,240]線指標(biāo)考夫曼均線Kaufman計(jì)算考夫曼均線:Aclosen_short)長均線:KAMA(close,n_long)短均線上穿長均線發(fā)出做多信號1,下穿長均線發(fā)出做空信號-1n_short:[3,5,10,20,30,40,50,60,80,100,120,140,160,200],n_long:[5,10,20,30,40,50,60,80,100,120,140,160,200]線指標(biāo)MESA自適應(yīng)均線MESA短均線,長均線=MAMA(adjclose,fastlimit,短均線上穿長均線發(fā)出做多信號1,下穿長均線fastlimit:[0.1,0.3,0.5,0.7,0.9],slowlimit:29期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15slowlimit)發(fā)出做空信號-1[0.01,0.03,0.05,0.1,0.2,0.4,0.6,0.8]線指標(biāo)中點(diǎn)雙均線MidPoi使用中位數(shù)計(jì)算均線:短均oint(high,low,n_short)長均線:MidPoint(high,lown_long)短均線上穿長均線發(fā)出做多信號1,下穿長均線發(fā)出做空信號-1n_short:[3,5,10,20,30,40,50,60,80,100,120,140,160,200],n_long:[5,10,20,30,40,50,60,80,100,120,140,160,200]線指標(biāo)拋物線策略SAR拋物線=SAR(high,low,acceleration)最新價(jià)上穿拋物線發(fā)出做多信號1最新價(jià)下穿拋物線發(fā)出做空信號-1Acceleration:[0.01,0.02,0.04,0.06,0.08,0.1,0.2,0.3,0.4,0.5]線指標(biāo)三重指數(shù)移動(dòng)平均線TRIX使用三重指數(shù)計(jì)算均線:短均線=T3(close,n_short,vfactor)長均線=T3(close,n_long,vfactor)短均線上穿長均線發(fā)出做多信號1,下穿長均線發(fā)出做空信號-1n_short:[3,5,10,20,30,40,50,60,80,100,120,140,160,200],n_long:[5,10,20,30,40,50,60,80,100,120,140,160,200]線指標(biāo)異同移動(dòng)均線MACDDIF,DEA,MACD=MACD(close,fastperiod,slowperiod,signalperiod)當(dāng)DIF和DEA均為正且MACD由負(fù)轉(zhuǎn)正發(fā)出做FDEA均為負(fù)且MACD由正轉(zhuǎn)負(fù)發(fā)出做空信號-1Fastperiod:[7,8,9,10,12,13],Slowperiod:線指標(biāo)IntraMOM日內(nèi)動(dòng)量(high+low)/2/open的timeperiod日移動(dòng)平均當(dāng)日內(nèi)動(dòng)量大于threshold時(shí)做多,反之做空Timeperiod:[3,5,10,20,30,40,50,60,80,100,120,140,160,200],threshold線指標(biāo)漲跌幅動(dòng)量ROCROC=timeperiod)ROC(close,ROC由上往下跌破0時(shí)ROC由下往上穿破0時(shí)發(fā)出做多信號1Timeperiod:[3,5,10,20,30,40,50,60,80,100,120,140,160,200]線指標(biāo)STDSH=log(high)-log(low)L=log(low)-log(open)C=log(close)-log(open)計(jì)算STDS的均線,短均線上穿長均線發(fā)出做多信號1,下穿長均線發(fā)出做空信號-1n_short:[3,5,10,20,30,40,50,60,80,100,120,140,160,200];n_long:[3,5,10,20,30,40,50,60,80,100,120,140,160,200]指標(biāo)佳慶指標(biāo)ChaikinAD=ADOSC(high,low,close,volume,fastperiod,slowperiod)AD線大于0發(fā)出做多信號,AD線小于0則發(fā)出做空信號fastperiod:[3,5,10,20,30,40,50,60,80,100,120,140,160,200];slowperiod:[3,5,10,20,30,40,50,60,80,100,120,140,160,200]指標(biāo)格均線VWAP成交量加權(quán)計(jì)算timeperiod最新價(jià)上穿均線發(fā)出做多信號,下穿均線發(fā)出做空信號Timeperiod:[3,5,10,10,30,40,]指標(biāo)能量潮指標(biāo)OBV上市股票總成交量,若隔日指數(shù)或股票上漲,則基期OBV加上本日成交量為本日則基期OBV減去本日成交量為本日OBV。OBV=OBV(close,volume)短均線上穿長均線發(fā)出做多信號1,下穿長均線發(fā)出做空信號-1n_short:[3,5,10,20,30,40,50,60,80,100,120,140,160,200];n_long:[3,5,10,20,30,40,50,60,80,100,120,140,160,200]指標(biāo)量價(jià)相關(guān)性O(shè)BV_corr計(jì)算OBV指標(biāo)與價(jià)格數(shù)據(jù)的滾動(dòng)timeperiod日相關(guān)系數(shù)相關(guān)系數(shù)介于1和-1之間,故直接將相關(guān)系數(shù)作Timeperiod:[20,60,120,250,370,500]30期貨研究報(bào)告股指期貨-深度報(bào)告2023-05-15為信號標(biāo)動(dòng)量簡單反轉(zhuǎn)MOM_r過去period個(gè)交易日的漲跌timeperiod:[3,5,10,20,30,40,50,60,80,100,120,140,160,200]threshold:[5,10,15,20,25,30]標(biāo)相對強(qiáng)弱指標(biāo)RSIRSI=RSI(close,timeperiod)當(dāng)RSI大于100-threshold,發(fā)出看空threshold,發(fā)出看多信號timeperiod:[3,5,10,20,30

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論