打印本文
關閉窗口
程序化交易作為一種新型的交易方法，近年得到了快速發展?？傮w來說，與國外相比，國內程序化交易仍然處于初級階段。程序化交易要取得長期的超額收益，必須在原有的基礎上，不斷創新交易方法和理念。
在日常程序化交易系統的開發和交易過程中，筆者發現，行情波動幅度對模型的獲利至關重要，并顯示出很強的正相關性，即行情波動幅度越大，模型獲利性越強。 我們以股指期貨從上市日至2012年8月31日的數據作為研究對象。股指期貨一般的程序化交易系統均采取日內交易的方法。因此，需要計算其日內波動性。如何量化波動性目前并沒有統一的標準,本文采用公式（HighD－LowD）/OpenD來描述日內波動幅度（HighD，LowD，OpenD分別是當日最高價，最低價和開盤價），然后求該值的5日平均值，使之更有規律性，從而得出下圖。 由上圖可以看出， 有兩個時間段即2011年3月16日至2011年8月9日、2012年4月11日至今，股指期貨的波動幅度聚集在1.5%以下。從股指期貨在2000點到3000點的運行來看，波動幅度1.5%對應30—45點的波動空間，而30點以下的波動空間對于趨勢跟蹤系統來說是很難獲利的。因此，今年以來，股指期貨日內交易系統的獲利能力較去年明顯降低。 我們選取一個經典的rangebreak日內交易模型作為例證。該模型基于昨日波動幅度和今日開盤價的關系進行交易。首先計算昨日振幅=昨日最高價－昨日最低價；然后計算上下軌值，上軌=今日開盤價+N×昨日振幅，下軌=今日開盤價－N×昨日振幅。當價格突破上軌，買入開倉，當價格跌穿下軌，賣出開倉，最后尾盤15:00平倉。我們將該系統應用于股指期貨5分鐘K線圖，其中N取0.38。 上圖是該模型的月度收益曲線圖，同時將日波動幅度求月度平均值也繪制在圖中。由圖可以看出，2011年4月份到2011年7月份，月度波動幅度在1.5%附近。2012年5月份到2012年8月份，月度波動幅度均低于1.5%，相對其他時間段，這兩個時間段的波動幅度明顯較低。對應到模型的月度收益曲線上，這兩個時間段的收益低迷，曲線走平。具體統計數據表明，2011年4月份到2011年7月份，平均月度收益為3430元；2012年5月份到2012年8月份，平均月度收益為-1305元，而波動幅度大的兩個時間段2010年4月份到2011年3月平均月度收益為47308元；2011年8月份到2012年3月份，平均月度收益13044元，均高于波動率低兩個時間段的收益。例證充分說明，日內波動幅度越大，模型獲利能力越強。 現在我們已經發現，大部分程序化模型的獲利能力與行情波動幅度呈很強的正相關性，那怎么利用這個規律去提高模型的盈利性呢？這就面臨兩個關鍵性的問題：第一，波動幅度的變化有何規律性？因為具有一定的規律性，在實際交易過程中才有可操作性。第二，如何尋找日內波動幅度增大的跡象？有沒有先行或者同步指標可以直觀觀測到日內波動幅度的變化？ 對于第一個問題，金融學基本理論指出，金融時間序列的波動具有聚集性，表現在圖表上就是某個階段波動一直比較高，在另外一個階段一直比較低，波動幅度具有一定的持續性，這就為倉位管理提供了一定的依據。我們可以在波動幅度低于某一臨界值時，降低交易倉位，避免低迷的行情，而在波動幅度高于某一臨界值時，加大交易倉位，把握住大波動行情。 對于第二個問題，一般而言，成交持倉比反映了品種的投機程度，品種投機程度越高，日內波動幅度相對就越大。我們將月成交持倉比和月度波動幅度繪制在同一圖上，其中月成交持倉比是將每日的成交持倉比求月平均，得到下圖。 上圖顯示，成交持倉比與日內波動幅度走勢呈現出明顯的正相關性，即成交持倉比低時，日內波動幅度也低。該相關性說明可以將成交持倉比作為一個較為直觀的指標，去判斷波動幅度的大致變化。 綜合以上內容，我們可以從兩個方面提高程序化交易的盈利能力：第一，選擇合適的交易品種。通過監控成交持倉比，當某個品種的成交持倉比相比歷史行情明顯放大時，可以選擇介入該品種，比如2010年的棉花和今年的豆粕，其成交持倉比均遠大于歷史行情，使用程序化趨勢跟蹤，可以獲得良好的收益；第二，對于期貨多品種組合投資，可以根據波動幅度的變化進行靈活的倉位管理，從而更好地把握市場行情。(責任編輯：admin)