您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[东吴证券]:“高频价量相关性拥抱CTA”系列研究(二):CPV因子期货版2.0——样本内外的动量反转 - 发现报告
当前位置:首页/其他报告/报告详情/

“高频价量相关性拥抱CTA”系列研究(二):CPV因子期货版2.0——样本内外的动量反转

2023-02-13高子剑东吴证券意***
“高频价量相关性拥抱CTA”系列研究(二):CPV因子期货版2.0——样本内外的动量反转

“高频价量相关性拥抱CTA”系列研究(二 证券研究报告·金融工程·金工专题报告 CPV因子期货版2.0——样本内外的动量反转 研究结论 前言:东吴金工推出“高频价量相关性拥抱CTA”系列研究,旨在将技术分析的方法应用到CTA策略的构建。作为系列研究第二篇,本报告将在《CPV期货版1.0》的基础上,捕捉高频价量相关性中蕴含的多空信息,分析样本内外的动量与反转效应,构建稳健有效的CTA交易策 略。 本文简介:在《CPV期货版1.0》的价量研究中,样本外的投资收益并不理想。本研究报告将基于《CPV期货版1.0》,聚焦样本内外的数据,在样本内外动量与反转效应间挖掘成交价与修正持仓量相关系数中的多空信号。 动量与反转:以2020年7月1日为界,《CPV期货版1.0》的收益先升后降。关键在于,今天产生的PV值,作为明天的交易讯号:2020年7月1日以前,今天涨跌和明天涨跌,是动量关系;2020年7月1日以后,今天涨跌和明天涨跌,是反转关系。 价量相关性综合策略:在《CPV期货版1.0》基础上,以止损阈值7.0%,再剔除周�和所有间隔1天以上的交易日,作为本报告投资策略。相比 《CPV期货版1.0》,年化收益率从17.79%提升至20.91%,年化波动率从19.34%下降至17.20%,收益波动比从0.920上升至1.216,日频胜率从52.68%上升至53.86%。 风险提示:本报告所有统计结果均基于历史数据,未来市场可能发生重大变化。 2023年02月13日 证券分析师高子剑 执业证书:S0600518010001 021-60199793 gaozj@dwzq.com.cn 相关研究 《“高频价量相关性拥抱CTA”系列研究(一):CPV因子期货版》 2020-06-18 《“技术分析拥抱选股因子”系列研究(一):高频价量相关性意想不到的选股因子》 2020-02-23 《技术分析的品格——以沪深 300指数和随机数序列为例》 2019-10-30 1/17 东吴证券研究所 1.样本内表现回顾4 2.全样本绩效4 3.PV值的合理性5 3.1.修正后持仓量5 3.2.修正后价量相关性交易策略6 3.3.交割周期7 3.4.长假影响8 3.5.PV值与价量配合8 4.PV值的特性10 5.PV值与交易执行的关系11 6.价量相关性综合策略13 6.1.日历效应13 6.2.止损机制13 6.3.策略总结15 7.总结16 8.风险提示16 2/17 东吴证券研究所 图1:CPV1.0期货版样本内外(分界点=2020年4月15日)净值对比4 图2:IF(当月连续)价格走势和持仓量“山谷”形态5 图3:CPV1.0期货版样本内外(分钟PV与日PV)对比9 图4:CPV1.0期货版样本内外(分钟PV与追涨杀跌)对比10 图5:使用当日PV值交易净值曲线11 图6:今PV今交易与今PV明交易净值曲线比较12 图7:止损阈值表15 图8:不同策略回测净值与标的信号净值对比15 表1:样本内策略回测表现与标的信号绩效指标对比4 表2:全样本策略回测表现5 表3:T+0交易者做多模拟6 表4:T+0交易者做空模拟6 表5:持仓量修正举例7 表6:交割周期中交易日的回测表现8 表7:长假前交易日的回测表现8 表8:价量配合表9 表9:日PV回测表现与CPV期货版1.0表现对比10 表10:追涨杀跌回测表现与CPV期货版1.0表现对比10 表11:价格涨跌与PV值正负四象限表11 表12:使用当日PV值交易回测表现与标的信号表现对比12 表13:价格涨跌与PV值正负四象限表13 表14:日历效应分析表13 表15:不同策略回测表现与标的信号表现对比16 3/17 东吴证券研究所 1.样本内表现回顾 一直以来,东吴金工相信,成交价和成交量,最能直观体现市场交易者的情绪;而在期货市场上,持仓量的重要性大于成交量,这是因为,价格变化乘以持仓量,直接反映了期货市场多空方的损益。所以,2020年4月15日(数据回测截止日期),东吴金工推出《“高频价量相关性拥抱CTA”系列研究(一):CPV因子期货版》。以下,简称这篇报告为《CPV期货版1.0》。从绩效表1可以看到,在不带杠杆,保证金率为100%的前提下,将该策略运用于沪深300期货的日频交易上,年化收益可达44.48%之高。除此之外,收益波动比突破2,达到2.24;日频胜率达到57.27%。从各个角度看,这都是一个样本内表现优异的CTA策略。 表1:样本内策略回测表现与标的信号绩效指标对比 年化收益 年化波动 收益波动比 最大回撤 总交易天数 换仓次数 日度胜率 手续费 CTA策略 44.48% 19.84% 2.24 10.34% 635 283 57.27% 1.30% Benchmark(MA60) -13.30% 20.98% -0.63 43.82% 728 48 49.73% 0.22% 数据来源:Wind资讯,东吴证券研究所 2.全样本绩效 《CPV期货版1.0》全样本净值曲线如图1所示。我们可以发现,其于2020年4月 15日发布后,净值曲线只在3个月内呈现稳定增长态势。在同年的7月1日,净值达到 最高点后,逐渐开始呈现下降趋势。若将样本外的交易绩效记入,在2017年11月20日 至2022年4月12日的交易区间中,如表2所示,年化收益下降为17.79%,收益波动比跌破1,下降至0.92,日频胜率也仅为52.68%。 图1:CPV1.0期货版样本内外(分界点=2020年4月15日)净值对比 数据来源:Wind资讯,东吴证券研究所 4/17 东吴证券研究所 表2:全样本策略回测表现 年化收益 年化波动 收益波动比 胜率 最大回撤 策略表现17.79% 19.34% 0.92 52.68% 38.94% 数据来源:Wind资讯,东吴证券研究所 基于全样本绩效的大幅下滑,为更好地探求CTA策略在时间和其他样本的普适性,本篇报告应运而生。 3.PV值的合理性 3.1.修正后持仓量 面对一个样本外表现不佳的策略,我们的首要任务是去反思讯号的构建逻辑和方式是否合理。《CPV期货版1.0》中,其交易讯号被称为PV值,即每日242分钟价格和持仓量的相关系数。 持仓量作为期货研究的特有的技术指标,相较于成交量更具有研究的理论价值。在揭开持仓量的“神秘面纱”前,我们先聚焦持仓量的形态特征。以下图2为例,图2中股指期货的日内持仓量变成了一座“山谷”。 图2:IF(当月连续)价格走势和持仓量“山谷”形态 数据来源:Wind资讯,东吴证券研究所 经过研究发现,持仓量这种“化峰为谷”的改变,是由T+0投资者交易行为的变化导致的。在2015年9月之前,每个交易日的前半段时间,随着T+0交易者进场,持仓量逐渐增加;每个交易日的后半段时间,随着T+0交易者出场,持仓量逐渐减少,因此日内持仓量呈现出“山峰”的形状。而在2015年9月之后,中金所出台新规,规定平仓当日开仓(简称“平今仓”)的手续费,是非平今仓手续费的“15倍”。为规避骤增的手续费,T+0交易者倾向于在当日收盘,同时留1手多单和1手空单。其隔日的交易行 为,我们以下表3与表4中的数据为例,进行一个简单的路径模拟。表3中,T+0交易 5/17 者看多后市,在盘中空单平仓(交易指令为买),收盘前空单开仓(交易指令为卖),仍旧同时留1手多单和1手空单。表4中,T+0交易者看空后市,在盘中多单平仓(交易 指令为卖),收盘前多单开仓(交易指令为买),仍旧同时留1手多单和1手空单。这就 产生了与2015年9月之前截然不同的持仓量形态,“山峰”也因此变为“山谷”:每天的前半段交易时间,随着T+0交易者进场,持仓量逐渐减少;每天的后半段时间,随着T+0交易者出场,持仓量逐渐增加。 表3:T+0交易者做多模拟 T+0交易者投资路径 同留多空 空单平仓 空单开仓 时间 9:30 10:00 15:00 多单数量 1 1 1 空单数量 1 0 1 双OI 2 1 2 数据来源:Wind资讯,东吴证券研究所表4:T+0交易者做空模拟 T+0交易者投资路径 同留多空 空单平仓 空单开仓 时间 9:30 10:00 15:00 多单数量 1 0 1 空单数量 1 1 1 双OI 2 1 2 数据来源:Wind资讯,东吴证券研究所 3.2.修正后价量相关性交易策略 上一小节的案例提到,开盘后持仓量的下降,反而代表T+0交易者的进场,而午盘前后持仓量的上升,反而代表T+0交易者的离场。因此,为真实地反映交易者的多空意图,我们需要对日内持仓量进行修正,实现“退谷还峰”。 修正的过程主要分为以下四步: (1)计算日内ti时刻与ti-1时刻的持仓量的变化量∆OIi与成交量的变化量∆Vi; (2)以ti时刻的成交量变化量∆Vi,占当日总成交量∆V的比例作为权重,将当日总持仓量的变化量∆OI,按权重分配到ti时刻,得到该时刻T+1交易者的持仓量变化量 ∆OI(T+1)i: ∆OI(T+1)i =∆Vi∗∆OI ∆V 东吴证券研究所 (3)用ti时刻的持仓量变化量∆OIi,减去该时刻T+1交易者的持仓量变化量∆ 6/17 东吴证券研究所 OI(T+1)i,得到该时刻T+0交易者的持仓量变化量∆OI(T+0)i;所得结果乘上“-1”,将 T+0交易者的“离场”(操作上为平仓)修正为“进场”: ∆OI(T+0)i=−1∗[∆OIi−∆OI(T+1)i] (4)将修正后的T+0交易者的持仓量变化量∆OI(T+0)i,与T+1交易者的持仓量变化量∆OI(T+1)i汇总,加到上一时刻ti-1的总持仓量OI(i-1)上,得到当前时刻ti的总持仓 量OI(i): OI(i)=OI(i−1)+∆OI(T+0)i+∆OI(T+1)i (5)PV值大于0,发出看多信号;PV值小于0,发出看空信号。T+1开盘建仓。连续两天信号相同,T+2开盘不平仓;信号不相同,T+2开盘平仓反手。 表5:持仓量修正举例 总持仓量 20 15 10 29 30 ∆OIi -5 -5 19 1 成交量(∆Vi) 9 15 25 1 ∆OI(T+1)i 1.8 3 5 0.2 ∆OI(T+0)i 6.8 8 -14 -0.8 修正∆OI(总) 8.6 11 -9 -0.6 修正OI(总) 20 28.6 39.6 30.6 30 数据来源:Wind资讯,东吴证券研究所 3.3.交割周期 《CPV期货版1.0》的交易讯号,在3.1和3.2已经叙述完毕。然而,从讯号到交易执行的过程中,仍有两点需要考虑。首先,期货交割换月时,近月合约持仓量下降,远月合约的持仓量上升,PV值失真,该如何处理。其次,基于今天讯号隔天使用的前提下,如果中间间隔长假,如何应对讯号的有效性衰减。我们将在3.3.交割周期和3.4.长假影响中,进行讨论。 在《CPV期货版1.0》中,针对交割周期中合约换月的问题,我们做出如下应对:考虑交割周期,只计算交割日前四天的胜率(含交割日)。 对交割当日来说,由于价格失真,当月合约PV值也因此失真;由于换仓的影响,次月合约的持仓量全天稳定上升,持仓量失真,次月合约PV值也失真。因此我们直接剔除交割当日产生的信号。 7/17 东吴证券研究所 交割周期中其余四个交易日的处理,将综合考虑当月合约和次月合约的信号值。通过回测所有交割周期的样本,我们明显发现:根据当月PV值信号交易的所有指标均优于根据次月PV值信号交易的指标。与此同时,在根据当月PV值信号交易中,在当月与次月信号相同时,交易的胜率与收益更优。因此对于交割周期中余下的四天,只在当月合约与次月合约信号相同时进行交易,其余交易日剔除信号,不做交易。 表6:交割周期中交易日的回测表现 根据当月PV值信号交易 交易日数 日度胜率 年化收益 年化波动 信号方向 51 68.63% 8.00% 23.03% 当月与次月信号相同 93 52.