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(四):CPV因子期货版3.0 - 发现报告
当前位置:首页/宏观策略/报告详情/

“高频价量相关性拥抱CTA”系列研究(四):CPV因子期货版3.0

2024-09-03高子剑东吴证券ζ***
AI智能总结
查看更多
“高频价量相关性拥抱CTA”系列研究(四):CPV因子期货版3.0

“高频价量相关性拥抱CTA”系列研究(四 证券研究报告·金融工程·金工专题报告 CPV因子期货版3.0——CPV测谎机2024年09月02日 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。作为系列研究第四篇,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,在原有方案的基础上,区分投资者类型,分析不同投资者类型产 生的动量与反转效应,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》,构造投资者结构指标,进而捕捉PV信号在次日的择时有效性,对PV信号进行调整,形成更为完善的投资策略。 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(二):CPV因子期货版2.0——样本内外的动量反转》 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,作为明天的交易信号:2020年7月1日以前,今天情绪和明天涨跌,是动量关系;2020年7月1日以后,今天情绪和明天涨跌,是反转关系。 投资者类型:通过计算持仓量的变化量的绝对值与成交量的比值,构造DOV指标。DOV从投资者交易行为出发,能够有效判断当日投资者结构,进而捕捉PV信号在次日的择时有效性。DOV指标为原有的价量相关性指标“配了一把钥匙”,帮助判断PV信号的有效性,提供更准确的 交易信号。 价量相关性综合策略:在《CPV期货版1.0》基础上,加入DOV信号的CPV3.0可以有效判别PV信号是否在“撒谎”,提供更为准确的交易信号。以CPV期货版测谎机作为CPV期货版3.0,相比CPV1.0,年化收益率从11.15%提升至29.20%,收益波动比从0.55上升至1.58,日频 胜率从53.18%上升至55.09%。 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。 2023-02-13 《“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 1/24 东吴证券研究所 内容目录 1.CPV期货版1.0表现回顾4 2.PV值的合理性5 2.1.修正后持仓量5 2.2.修正后价量相关性交易策略6 2.3.交割周期7 2.4.长假影响8 2.5.PV值与价量配合8 3.PV值与交易执行的关系9 4.何时机构?何时散户?11 4.1.日频DOV11 4.2.日频DOV的分布11 4.3.分钟频DOV及其分布12 4.4.DOV与PV的关系12 5.CPV期货版3.0——测谎机13 5.1.CPV期货版1.0_mean反转13 5.2.CPV期货版1.0_std反转14 5.3.CPV期货版3.0——测谎机17 5.4.CPV期货版3.0——日度反转19 5.5.CPV期货版3.0——交割周处理20 6.总结21 7.附录22 8.风险提示23 2/24 东吴证券研究所 图表目录 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:使用当日PV值交易净值曲线9 图4:今PV今交易与今PV明交易净值曲线比较10 图5:样本内外日频DOV区别11 图6:样本内外DOV_mean区别12 图7:CPV1.0_mean反转净值曲线13 图8:不同参数组合下DOV_mean反转策略年化收益率14 图9:不同参数组合下DOV_mean反转策略胜率14 图10:CPV1.0_std反转净值曲线16 图11:不同参数组合下DOV_std反转策略年化收益率16 图12:不同参数组合下DOV_std反转策略胜率17 图13:CPV3.0净值曲线18 图14:CPV3.0日度反转净值曲线19 图15:未剔除交割周时每日DOV_mean分布20 图16:剔除交割周后每日DOV_mean分布20 图17:CPV3.0全周期净值曲线21 图18:20171120主力IF合约每分钟T+0持仓量变化示意图22 表1:全样本策略回测表现4 表2:T+0交易者做多模拟6 表3:T+0交易者做空模拟6 表4:持仓量修正举例7 表5:交割周期中交易日的回测表现8 表6:长假前交易日的回测表现(2017/11/20至2020/4/15)8 表7:价量配合表9 表8:使用当日PV值交易回测表现与标的信号表现对比10 表9:DOV与下一交易日PV信号调整后的收益的相关性13 表10:CPV期货版1.0策略回测表现17 表11:DOV反转情况统计18 表12:CPV期货版3.0策略回测绩效指标19 表13:CPV期货版3.0-日度反转策略回测表现20 表14:CPV期货版3.0全周期策略回测绩效指标21 3/24 东吴证券研究所 1.CPV期货版1.0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》。将PV信号用在沪深300期货上,《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。 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 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1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%。 表1: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 4/24 东吴证券研究所 2.PV值的合理性 2.1.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信号的构建逻辑和方式是否合理。《CPV期货版1.0》中,其交易信号被称为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“19.2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2与表3中的数据为例,进行一个简单的路径模拟。表2中,T+0交易者看多后市,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3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。 5/24 表2: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3: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 2.2.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Vi; (2)以ti时刻的成交量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∗∆OIV 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∆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 6/24 东吴证券研究所 量OI(i): OI(i)=OI(i−1)+∆OI(T+0)i+∆OI(T+1)i 借由修正后的持仓量,计算每日242分钟价格和修正持仓量的相关系数,即PV值。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4: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 2.3.交割周期 《CPV期货版1.0》的交易信号,在3.1和3.2已经叙述完毕。然而,从信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,基于今天信号隔天使用的前提下,如果中间间隔长假,如何应对信号的有效性衰减。我们将在2.3.交割周期和2.4.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。 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