本公众号所推送的内容经由中信期货授权后发布,均为中信期货已公开的信息,不保证文中观点或陈述的完整性、准确性和更新及时性,且不作任何担保。本公众号所推送文章不构成任何形式的投资建议或销售要约,期货有风险,投资需谨慎。本篇报告使用高频数据与低频数据维度构建了3个选期因子,分别为“量价相关性”、“趋势强度”以及“振幅”。各单因子在最优回看期下都能获得0.9以上的夏普。
1.量价相关性因子可以筛选出“上涨放量、下跌缩量”的期货品种。在回看期为63日时因子表现较好,年化收益率约为7%、夏普率为1.1、Calmar比率为0.7。2.趋势强度因子衡量的是品种日内价格“位移”与“路程”之比,能够刻画趋势的强弱与连贯性。回看期为243日时,因子平均年化收益约为7%、夏普率为0.9、Calmar比率为0.52。3.振幅因子在回看期为63时表现较强,平均年化收益约9.7%、夏普率为1.3、Calmar比率为0.97。风险提示:本报告中所涉及的资产配比和模型应用仅为回溯举例,并不构成推荐建议。
一、 系列回顾
本文是期货多因子研究系列的第五篇。在之前的系列报告中,我们从最经典的动量因子出发,详细的探讨与检验了动量类、期限结构类、量价类、持仓类以及基本面类的一系列因子,通过优化与对比,我们筛选出了在国内期货市场能获得稳定alpha收益的较优因子,这也是为后续构建多因子选期模型搭建优质“基石”。基于此,本篇报告将从高频、低频数据视角继续构建截面选期因子。![]()
(一)回测标的
回测品种除前文报告所筛选的历史流动性较好的40个品种外,新添入农产品类期货“玉米淀粉”,具体如下所示。![]()
同时选取回测品种的复权主力合约作为回测标的,复权方法详情请见系列报告。
(二)样本空间
在本篇报告中,我们选择2016年1月1日作为回测的起始时间,而非往期报告中的2010年1月1日。调整原因如下:1、2016年以前的期货截面样本较少。2016年以前标的池中上市的品种不足30个,较少的截面样本容易造成因子失真的问题。2、2016年后机构投资人占比显著增加。随着期货市场高速发展,2016年后机构投资者逐渐成为市场交易的“领头羊”,期货市场的投资者结构已然发生转变。2016年以前散户主导时期表现较好的因子,不一定能适用于新的期市环境。
综上,我们选择2016年1月1日至2022年12月9日作为回测的样本空间。
(三)数据处理以及图表说明
为了更贴合实际交易的情形,从本篇开始我们将使用主力合约的vwap(volume weighted average price)作为成交价格;并默认在交易中产生的各类成本为0;默认策略不加杠杆。
回测时,在每个调仓日,本文按因子值的大小将期货标的等量分为5组。使用“第1组”表征因子值最大的投资组合,使用“第5组”表征因子值最小的投资组合。“TMB”即“Top Minus Bottom”表征做多“第1组”组的同时做空“第5组”组所构建的多空组合,反之亦然。
1.量价相关性因子的构建
在我们之前的系列报告中,我们往往单独围绕“量”或“价”去构建alpha因子,而很少将“量”与“价”结合考虑去进行截面选期。事实上,“量”与“价”包含了许多交易中的信息。从长期来看,“量”与“价”的走势似乎并无章法可循,因此很难从长时序的角度去观察二者的相关性;但在短期上,“量价”的走势较为简单,可基于其背离程度或者同向程度分为“量价背离”或“量价同向”,故可借助二者之间的相关性系数进行判断衡量。本文使用5min交易数据来构建量价相关性因子。对于每个品种,t日的量价相关性因子
采用以下方式构建:![]()
其中
为品种j日的5min成交量向量,
为该向量的L1范数;
为收盘价向量;J为回看期。
2.单因子分层回测检验
如果某个资产i量价相关性高,说明其走势存在“上涨放量、下跌缩量”的特点,即该资产的上涨动能强于下跌动能,这类资产的安全边际显然更高。量价相关性因子的目标就是在期货持中筛选出此类资产。分层回测的结果如下:![]()
![]()
图表3-图表8展示了不同回看期J与不同持仓期K下分层回测多空组合的效果。整体来看,回测结果与我们的直观相同:当回看期为5~21日、持仓期为1~5日时,因子都展现出了较好的alpha能力。最优的回看期在21天附近,此时策略平均年化收益率约为7%,平均夏普比率约为1.1,平均Calmar比率约为0.7;且在所有回测年份都获得了正收益。
观察图表7我们发现,在最优参数下,第一组和第五组分层较为明显,累计rankIC走势在2017年以后也呈现出较为稳定的向上趋势。1.趋势强度因子的构建
我们同样使用5min高频数据定义趋势强度指标,对于每个品种,定义t日的5min收盘价序列为
。定义t日内收盘价的“路程”为
,其中
为t日最后一个5min的收盘价,
为t日第一个5min的收盘价。定义t日收盘价的 “位移”为
。有了以上的铺垫,我们可以计算出回看期J日的平均趋势强度:![]()
我们使用该指标去衡量日内的强度与连贯性,每日的趋势“路程”与“位移”比的绝对值越大,表明价格朝着某一方向运动的偏移程度更大,日内趋势越强。而对过去J日的因子值取平均则衡量了过去一段时间日内趋势的连贯性。由定义可知,我们应该做多因子最大的品种,做空因子值最小的组合构建多空组合。
2.单因子分层回测检验
![]()
![]()
从回测结果(图表9-图表14)来看,趋势强度在回看期为243时表现比较强势——在不同持有期下都能获得7%左右的年化收益率和0.9左右的夏普率;从最佳参数组年度收益来看,仅2020年取得收益较低,其余时间段均可获得约5%以上的超额收益。比较遗憾的TMB净值在近两年的波动比较大,可能原因是近两年宏观时间的冲击对期货市场影响较大,事件冲击扰乱了高频价格趋势,造成因子预测稳定性下降。
随着疫情、地缘问题趋于缓解,各国央行货币政策趋于稳定,趋势强度因子的预测能力在未来一段时间有望回归样本平均水平。1.振幅因子的构建
在我们的理解里,振幅对应着市场的分歧。如果振幅越大,说明多空力量的分歧越大;反之,则说明市场的多空力量的分歧越小。振幅因子是想识别这样一个装态:当价格越高时,振幅越低;价格越低时,振幅越高。具体地,在每个交易日t,我们回看过去J日,并计算每日振幅:![]()
其中
。将回看期内的收盘价排序,选收盘价大于等于75%分位数的交易日作为高价组(upper),选收盘价小于等于25%分位数的交日易作为低价组(lower)。分别计算高价组和低价组振幅的均值
和
。t日的振幅偏离度因子由如下公式给出:![]()
这一步可视为对振幅因子的标准化处理。完成计算后,根据低波效应我们做多振幅因子较小的品种、做空振幅因子较大的品种来构建多空组合。
2.单因子分层回测检验
![]()
![]()
从上述回测结果不难看出,振幅因子的特点是“剑走偏锋”,参数平台虽然小,最佳参数展现出的alpha能力很强。J=63日时,多空组合平均年化收益为9.4%,夏普率为1.3左右, Calmar为0.97。因子的分年收益率也都较高,只在2019年发生过一次较大回撤,其他时间段都能贡献稳定收益。
特别地,该因子在最近两年的收益表现是强于全样本均值的,这在同类的因子中是比较少见的。除2019年以外,振幅因子的累计rankIC都呈现出平稳的向下趋势,这说明该因子在回测期的大部分时间内都展现出了很强的分层能力。关于参数平台狭窄的问题,我们推测原因还是在于季节性——63日恰好规避了部分品种因为季节性因素,因此在该参数下因子取得了较好的回测效果。五、 总结
本篇报告中我们利用高、低频交易数据了3个因子,分别为“量价相关性”因子、“趋势强度”因子以及“振幅”因子。量价相关性因子目标是筛选出“上涨放量,下跌缩量”的品种。在J=21、K=1~5参数区域内因子取得最大收益,平均年化收益率约为7%,平均夏普比率约为1.1,平均Calmar比率约为0.7。趋势强度因子可以理解为日内价格“位移”与“路程”之比,能够刻画趋势的强弱与连贯性。回看期为243日时因子表现最佳——平均年化收益在7%左右,夏普率维持在0.9左右,Calmar比率维持在0.52左右。振幅因子在J=63时因子表现非常稳定,平均年化收益在9.4%左右,夏普率1.3左右, Calmar比率在0.97左右。可能的原因为“63日”的回看期在一定程度上规避了季节性的影响。
“研而有信”是金融策略团队成果分享平台,覆盖大类资产配置、产品策略、金融期货策略、期权与ETF策略。团队致力于为市场带来专业、特色的研究产品和服务,感谢您的关注!