“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