量化策略：技术指标在商品期货市场里的应用

量化策略：技术指标在商品期货市场里的应用

引用

新浪网

1.

https://finance.sina.com.cn/money/future/wemedia/2024-03-25/doc-inapptkr7551662.shtml

量化交易策略在期货市场中扮演着越来越重要的角色。本文将介绍两个高频技术因子——相对离散指数（RVI）和价量趋势指标（PVT），并分析它们在期货市场中的表现。

技术因子概述

本文挖掘出两个较为有效的技术因子：RVI和PVT。

• RVI（Relative Volatility Index）：也称为相对离散指数，用于测量价格的发散趋势。与RSI类似，但它是以价格的方差而不是简单的升跌来测量价格变化的强度。RVI主要用作辅助的确认指标，通常比其他辅助指标表现更好。

• PVT（Price Volume Trend）：即价量趋势指标，用于衡量资产价格与成交量之间的关系。它通过将每日的成交量乘以价格变化的百分比来计算每日的“价格和成交量趋势”值，并将这些值加总到前一天的PVT值上，从而形成连续的PVT线。

量化交易策略绩效指标

在量化交易策略中，常用的业绩评价指标包括：

1. 年化收益率（Annualized Returns）
2. 夏普比率（Sharp Ratio）
3. 最大回撤（Max Draw Down）
4. 波动率（Volatility）
5. 卡玛比率（Calmar Ratio）
6. 胜率

因子信号生成逻辑

RVI计算公式

STD = STD(CLOSE, N)
USTD = SUM(IF(CLOSE > REF(CLOSE, 1), STD, 0), N2)
DSTD = SUM(IF(CLOSE < REF(CLOSE, 1), STD, 0), N2)
RVI = 100 * USTD / (USTD + DSTD)

当RVI上穿30时产生买入信号，下穿70时产生卖出信号。

PVT计算公式

PVT = (CLOSE - REF(CLOSE, 1)) / REF(CLOSE, 1) * VOLUME
PVT_MA1 = MA(PVT, N1)
PVT_MA2 = MA(PVT, N2)

当PVT_MA1上穿PVT_MA2时产生买入信号，下穿时产生卖出信号。

因子表现

两个因子主要通过15分钟的成交价、最高价、最低价以及成交量等数据进行建模。测试结果显示：

• 两个因子的夏普比率均在0.8左右，卡玛比率接近0.7。
• 在2021年四季度之前，净值走势比较平稳，增长幅度有限。
• 2021年四季度，两个因子的净值增长幅度超过50%。
• 2022年之后，两个因子均迎来调整，其中RVI因子的表现相对较好。

组合测试结果

回测参数

• 回测时段：2014年7月1日 - 2024年3月8日
• 回测品种：期货市场内流动性较好的30多个品种
• 成交时间：信号出现后下一个K线周期开盘价
• 手续费设置：交易所手续费 + 20%
• 交易频率：日频
• 杠杆系数：1
• 品种资金分配：每个季度最后一个交易日，按照当前可交易品种分配基础资金单位

双因子组合表现

合成策略的绩效水平显著高于两个单因子：

• 夏普比率：超过1.2
• 卡玛比率：超过1.7
• 相比单因子，夏普比率提升超过50%，最大回撤改善超过80%

但从策略稳定性来看：

• 2022年之前净值走势相对平稳，稳步上升。
• 2022年之后波动幅度加大，最大回撤幅度在2023年之后开始变大。
• 最大回撤周期接近1年。
• 虽然在2021年迎来爆发，但其他年份盈利能力较差，特别是2018年、2023年及今年，均为负收益。

结论

本研究为系列文章的第11期，此前已发掘出近20个有效的日频技术因子。本次研究的两个高频技术因子虽然在合成后有所改善，但整体表现仍不理想，特别是在近两年一直处于震荡回撤期。后续将继续在中高频度上挖掘表现更好的因子策略。