【前方高能!】Gifts from Santa Claus——股指期货趋势交易研究
股指期货的前世今生
股指期货,名曰期指,乃期货界的明珠,现货对应的是股票指数,其逼格比之大豆棉油不知道甩几条巷子。期指的上市为股票市场提供了很好的风险管理和做策略的工具,矿工们也觉得自己终于能吃上一碗带肉的康师傅牛肉面。正所谓侠之大者,为国背锅,这一年股指期货经历了不平凡的跌宕起伏。上半年市场一片开朗,10000点不是梦,期指也由原来的 'IF(沪深300)'一个品种增加到了‘IH(上证50)’,‘IF(沪深300)’,‘IC(中证500)’三个品种。“放开让孩儿们玩吧”,不愿透露姓名的领导心里想着,顺势掐灭了手上的烟头。不幸的是,市场下半年被玩坏了,从去杠杆到查做空、从基金经理被约谈到公安部出动、从券商砸奖金到救市基金强势入场,轰轰烈烈的市场拯救活动持续了一两个月,终于把市场给摁了下来。比较不幸的是,量化交易和衍生品受到了比较严重的打击和监管。股指期货的交易方式、保证金比例、交易频率都受到了严厉的限制,并成为众矢之的。 虽不知股指期货的未来何去何从,但效率的提升才能代表未来的发展方向,投资管理变得更为理性化、程序化、智能化对于专业的投资机构来讲是大势所趋。我们相信期指的严冬期总会过去,我们有理想,我们有愿望,宣誓完毕!
股指期货的才艺
一个品种的股指期货有四份合约,分为当月合约、次月合约、第一季月合约和第二季月合约。作为衍生品,它为二级市场投资带来了丰富的投资方式,并在投资策略中担当着各种各样的角色。基于股指期货可做的事情例如:
- 1、构建alpha市场中性策略;
- 2、期限套利;
- 3、期指间跨期跨品种套利;
- 4、趋势交易;
- 5、高频交易(现在估计比较难)。
这次我们主要研究一种单品种的股指期货趋势交易策略,提供了一种基于市场情绪的择时指标,称之为ITS(Informed Trader Sentiment),参考文献为。
ITS——基于市场情绪的择时指标
中金所每日收盘后会公布股指期货的成交持仓量表,表单中会有三个项目的排名:成交量、持买单量和持卖单量,表单会列出前20名的会员单位。这些会员单位代表了期货市场上最大的机构投资者。我们将同时出现在三个表单排名中的单位视作VIP单位,他们是这个市场的中流砥柱,他们的投资情绪会影响到市场未来的走势,我们需要做的就是找到对的大佬,跟着大佬的情绪飞。那如何才能跟到对的大佬?我们基于这样一个逻辑:如果某位大佬更有预知市场的能力,那么他会在交易中更为坚定的选择某一个买卖方向,它由于买卖带来的成交量就会相对较小,进而(持仓量/成交量)数值相对会大,我们认定他是知情者(对的大佬);若某个大佬的持仓量与前一位大佬相当但成交量明显偏大,说明这位大佬的交易有更多的不确定性,我们也就认定他不是一个知情者(没有缘分的大佬)。找到对的大佬之后,便开始估测一下大佬的情绪。我们用“对的大佬”们的(持买单量-持卖单量)/(持买单量+持卖单量)(此处的持买单和卖单量都是对的大佬们求和的总量)作为归一化的指标,根据指标是否大于某个阈值Thres来判定大佬对于市场是看多还是看空。那么我们的信号提取过程为:
- step1. 表单中筛选VIP单位(三个排名均上榜)→ 备选大佬;
- step2. 备选大佬中找到(持仓量/成交量)大于Avg的VIP单位 → 对的大佬;
- step3. ITS = (持买单量-持卖单量)/(持买单量+持卖单量)
ITS信号生成器
from CAL.PyCAL import *
import copy as cp
import numpy as np
###########################################################################################################
# generate the its signal
###########################################################################################################
class itsFutSignal:
def __init__(self,secID,currentDate):
####input
self.secID = secID
self.currentDate = currentDate
####output
self.sigDate = self.lastDateGet()
self.contract = self.currContractGet()
self.posTable = self.posTableGet()
self.vipDict = self.vipDictGet()
self.sentiSig = self.sentiSigGet()
self.inforedInvestor = self.inforedInvestorGet()
self.itsSig = self.itsSigGet()
def lastDateGet(self):
calendar = Calendar('China.SSE')
date = calendar.advanceDate(self.currentDate,'-'+str(1)+'B').toDateTime()
return date
def currContractGet(self):
future = DataAPI.MktMFutdGet(mainCon=u"1",contractMark=u"",contractObject=u"",tradeDate=self.sigDate,startDate=u"",endDate=u"",field=u"",pandas="1")
for index in future.ticker:
if index[:2] == self.secID:
return future[future.ticker==index].ticker.tolist()[0]
def posTableGet(self):
try:
pos = DataAPI.MktFutMLRGet(secID=u"",ticker=self.contract,beginDate=self.sigDate,endDate=self.sigDate,field=u"",pandas="1")
neg = DataAPI.MktFutMSRGet(secID=u"",ticker=self.contract,beginDate=self.sigDate,endDate=self.sigDate,field=u"",pandas="1")
vol = DataAPI.MktFutMTRGet(secID=u"",ticker=self.contract,beginDate=self.sigDate,endDate=self.sigDate,field=u"",pandas="1")
return {'pos':pos,'neg':neg,'vol':vol}
except:
calendar = Calendar('China.SSE')
self.sigDate = calendar.advanceDate(self.sigDate,'-'+str(1)+'B').toDateTime()
self.contract = self.currContractGet()
return self.posTableGet()
def list2Dict(self,list):
keys = list[0]
values = list[1]
resultDict = {}
for index in range(len(keys)):
resultDict[keys[index]] = values[index]
return resultDict
def vipDictGet(self):
####get data
longDict = self.list2Dict([self.posTable['pos'].partyShortName.tolist(),self.posTable['pos'].longVol])
shortDict = self.list2Dict([self.posTable['neg'].partyShortName.tolist(),self.posTable['neg'].shortVol])
volDict = self.list2Dict([self.posTable['vol'].partyShortName.tolist(),self.posTable['vol'].turnoverVol])
####get vip list
vipList = []
for index in longDict.keys():
if index in shortDict.keys():
if index in volDict.keys():
vipList.append(index)
####get vip dict
vipDict = {}
for index in vipList:
vipDict[index] = [longDict[index],shortDict[index],volDict[index]]
return vipDict
def sentiSigGet(self):
sentiSig = {}
for index in self.vipDict:
sentiSig[index] = sum(self.vipDict[index][:2])*1.0/self.vipDict[index][-1]
return sentiSig
def inforedInvestorGet(self):
if len(self.sentiSig) != 0:
sentiAvg = sum(self.sentiSig.values())/len(self.sentiSig)
inforedInvestor = [index for index in self.sentiSig if self.sentiSig[index] > sentiAvg]
return inforedInvestor
else:
sentiAvg = 0
return []
def itsSigGet(self):
totalBuy = 0
totalSell = 0
if len(self.inforedInvestor) != 0:
for index in self.inforedInvestor:
totalBuy += self.vipDict[index][0]
totalSell += self.vipDict[index][1]
if totalBuy + totalSell != 0:
return 1.0*(totalBuy - totalSell)/(totalBuy + totalSell)
else:
return 'null'
else:
return 'null'
ITS趋势交易信号
ITS信号代表了对的大佬们的情绪,那么如何利用它给出每日的交易信号呢?我们利用最为直观有效的阈值策略,设定某阈值Thres
:
1)ITS > Thres
: 大佬看多,买买买,交易信号为1;
2)ITS < Thres
: 大佬看空,卖卖卖,交易信号为-1;
3)ITS = Thres & DataErr
: 形势不明朗或找不到大佬,停止交易观望,交易信号为0
此处我们取 Thres = -0.12
? Why?其实是这样的,由于期现套利交易的存在,因此期指本身有一部分的空单是由于期限套利造成的,由于这部分资金通常会留存较久,因此通常情况下期指的持仓总量应该是空单偏多,而我们判断市场情绪的时候要把这部分期货市场上的“裸空单”给剔除掉,因此Thres应该设置为负。
IF趋势交易测试
由于目前Strategy部分还不好支持期指的交易回测,因此用脚本生成了测试数据。
1)交易标的:沪深300主力合约。用IF来测试的原因很简单,样本数多呀!
2)每日的交易信号:根据前一日收盘后的持仓量表单计算ITS后根据阈值产生;
3)每日收益率:我们假定在获取当日的信号后,在开盘的一段时间内以某个价格买入期指,持有至临近收盘后以某个价格卖出,做日内交易。那么买卖价如何界定?有三种方式来计算:①昨收-今收; ②今开-今收; ③昨结算-今结算。 ①和②都是时点价格,而③是均价。①必然不合理因为无法在昨日收盘前得到今日的交易信号,不具有可操作性;②是时点价格,可操作性也不强;对③来讲,由于结算价是一段时间的均价,我们认为拿这个均价作为买卖的期望价格是合理的。所以每日收益率的计算方式是③;
startDate = '20110101'
endDate = '20150801'
future = DataAPI.MktMFutdGet(mainCon=u"1",contractMark=u"",contractObject=u"",tradeDate=u'',startDate=startDate,endDate=endDate,field=u"",pandas="1")
# print future
closePrice = []
openPrice = []
preClosePrice = []
settlePrice = []
preSettlePrice = []
tradeDate = []
ticker = []
for index in future.ticker.tolist():
if index[:2] == 'IF':
if index not in ticker:
ticker.append(index)
for index in ticker:
closePrice += future[future.ticker==index]['closePrice'].tolist()
openPrice += future[future.ticker==index]['openPrice'].tolist()
preClosePrice += future[future.ticker==index]['preClosePrice'].tolist()
settlePrice += future[future.ticker==index]['settlePrice'].tolist()
preSettlePrice += future[future.ticker==index]['preSettlePrice'].tolist()
tradeDate += future[future.ticker==index]['tradeDate'].tolist()
closePrice = np.array(closePrice)
openPrice = np.array(openPrice)
preClosePrice = np.array(preClosePrice)
settlePrice = np.array(settlePrice)
preSettlePrice = np.array(preSettlePrice)
closeRetRate = (closePrice - preClosePrice)/preClosePrice
settleRetRate = (settlePrice - preSettlePrice)/preSettlePrice
clopenRetRate = (closePrice - openPrice)/openPrice
tradeDate = tradeDate
itsValue = [itsFutSignal('IF',index).itsSig for index in tradeDate]
itsSignal = []
thres = -0.12
for index in itsValue:
if index != 'null':
if index > thres:
itsSignal.append(1)
else:
itsSignal.append(-1)
else:
itsSignal.append(0)
itsSignal = np.array(itsSignal)
benchMark = DataAPI.MktIdxdGet(tradeDate=u"",indexID=u"",ticker=u"000300",beginDate=startDate,endDate=endDate,field=u"closeIndex",pandas="1")['closeIndex'].tolist()
benchMark = benchMark/benchMark[0]
回测展示
下面为回测结果展示,测算细节如下:
1) 每日收益率根据结算价来计算,前结算价作为买入的参考均价,结算价作为卖出的参考均价;
2)收益率曲线计算采用单利计算;
3)无风险利率取5%;
4)最后一小段曲线为平是由于股指期货受到限制导致交易停止
import matplotlib.pyplot as plt
####calculate the daily return
dailyRet = settleRetRate*itsSignal
####calculate the winRate
count = 0
denom = 0
for index in dailyRet:
if index > 0:
count += 1
if index != 0:
denom += 1
print '策略胜率 : ' + str(round((count*1.0/denom)*100,2)) + '%'
####calculate the curve
curve = [1]
position = 0.8
for index in dailyRet:
curve.append(curve[-1] + index*position)
####calculate the location
print '策略仓位 : ' + str(position)
####calculate the max drawDown
maxDrawDown = []
for index in range(len(curve)):
tmp = [ele/curve[index] for ele in curve[index:]]
maxDrawDown.append(min(tmp))
print '最大回撤 : ' + str(round((1-min(maxDrawDown))*100,2)) + '%'
####calculate the sharpRatio
stDate = Date(int(startDate[:4]),int(startDate[4:6]),int(startDate[6:8]))
edDate = Date(int(endDate[:4]),int(endDate[4:6]),int(endDate[6:8]))
duration = round((edDate-stDate)/365.0,1)
retYearly = curve[-1]/duration
interest = 0.05
fluctuation = np.std(curve)/np.sqrt(duration)
print '年化收益 : ' + str(round(retYearly,2)*100.0) + '%'
print '夏普比率 : ' + str(round((retYearly-interest)/fluctuation,2))
####plot the figure
print '\n'
plt.plot(curve)
plt.plot(benchMark)
plt.legend(['Strategy','BenchMark'],0)
策略胜率 : 55.03%
策略仓位 : 0.8
最大回撤 : 10.06%
年化收益 : 49.0%
夏普比率 : 2.44
<matplotlib.legend.Legend at 0xed4cc50>
被曲线美哭了,不叨叨了,Merry Xmas!