劉宗興

摘要：隨著金融市場(chǎng)信息、數(shù)據(jù)的增長(zhǎng)，以及大數(shù)據(jù)、人工智能的發(fā)展，量化投資迎來(lái)新的發(fā)展機(jī)遇。本文基于2015年-2019年國(guó)內(nèi)多品種商品期貨，在布林通道量化投資策略的基礎(chǔ)上，采用遺傳算法對(duì)策略參數(shù)進(jìn)行優(yōu)化，通過(guò)計(jì)算機(jī)進(jìn)行策略回測(cè)檢驗(yàn)，基于勝率、年化收益率、最大回撤、夏普比率等常規(guī)檢驗(yàn)指標(biāo)對(duì)比分析改進(jìn)前后的結(jié)果，發(fā)現(xiàn)原始的布林通道量化投資策略在我國(guó)商品期貨市場(chǎng)表現(xiàn)較差，而優(yōu)化改進(jìn)后的策略具有較高的收益和較高的穩(wěn)定性，建議投資者在我國(guó)市場(chǎng)上開發(fā)應(yīng)用量化投資策略，要結(jié)合市場(chǎng)不斷地進(jìn)行改進(jìn)、優(yōu)化。

關(guān)鍵詞：量化投資 ?布林通道 ?商品期貨

一、引言

在我國(guó)，大多數(shù)投資者都是依靠傳統(tǒng)的投資方法來(lái)進(jìn)行投資決策，甚至很多投資者依靠自身經(jīng)驗(yàn)來(lái)進(jìn)行投資決策。其中包括基本面分析、技術(shù)分析以及資金流分析等幾種方法，傳統(tǒng)的投資更加注重人為的分析和投資者的感覺，而人在投資決策過(guò)程中存在著認(rèn)知偏差等。除了傳統(tǒng)投資外還有一種投資是量化投資，量化投資是通過(guò)分析數(shù)學(xué)模型代替人的主觀判斷，將投資理念及方法量化形成投資模型，然后利用計(jì)算機(jī)技術(shù)編程對(duì)大量的數(shù)據(jù)進(jìn)行分析，制定策略，減少投資者的非理性行為。

量化投資與傳統(tǒng)投資方法的不同之處在于，量化投資是在理論基礎(chǔ)上，將投資思想反映在量化模型中，通過(guò)計(jì)算機(jī)程序來(lái)實(shí)現(xiàn)投資決策，量化投資不是基本面分析和技術(shù)分析的對(duì)立面，它也考慮基本面因素，也考慮技術(shù)因素，是在對(duì)市場(chǎng)深入理解的基礎(chǔ)上形成的投資方法。隨著金融市場(chǎng)的擴(kuò)張、金融創(chuàng)新的發(fā)展，信息量的增長(zhǎng)遠(yuǎn)遠(yuǎn)高于人腦能夠處理的范圍，進(jìn)行傳統(tǒng)投資策略需要關(guān)注的金融產(chǎn)品的數(shù)量大幅增長(zhǎng)，當(dāng)市場(chǎng)容量很大時(shí)，人為分析和人工交易很難實(shí)現(xiàn)對(duì)整個(gè)市場(chǎng)跟蹤監(jiān)測(cè)，此時(shí)量化投資就具有更大的優(yōu)勢(shì)。

量化投資在國(guó)外已有四十多年的發(fā)展歷史，上世紀(jì)八十年代，現(xiàn)代意義上的量化投資在美國(guó)正式興起。以1971年巴克萊投資管理公司發(fā)行世界上第一支指數(shù)基金為標(biāo)志，量化投資已成為美國(guó)市場(chǎng)中一種重要的投資方法。在美國(guó)，西蒙斯所管理的大獎(jiǎng)?wù)禄?，?989年到現(xiàn)在平均年化收益率達(dá)到35.6%，在2008年發(fā)生金融危機(jī)時(shí)，大獎(jiǎng)?wù)禄鸬哪晔找媛示谷贿_(dá)到80%，遠(yuǎn)遠(yuǎn)超過(guò)“股神”巴菲特，西蒙斯因此被譽(yù)為“量化投資之父”。截至2019年，美國(guó)的量化投資比例約60%，而我國(guó)還不到5%，量化投資在我國(guó)具有很大的發(fā)展空間。

2010年融資融券和股指期貨的推出結(jié)束了中國(guó)金融市場(chǎng)不能做空的歷史，雖然受2015年股指期貨管控政策的影響，量化投資熱度有所減緩，但是隨著2017年中金所發(fā)布新的股指期貨交易規(guī)則，量化產(chǎn)品的增多，以及海外金融技術(shù)人才紛紛回國(guó)，量化投資面臨重大機(jī)遇。

量化投資策略是量化投資中的核心，許多量化投資策略的有效性已經(jīng)在海外得到了證明，但是在我國(guó)市場(chǎng)上還有待檢驗(yàn)。首先，市場(chǎng)結(jié)構(gòu)不同，如美國(guó)市場(chǎng)較為成熟，機(jī)構(gòu)投資者占多數(shù)，而我國(guó)散戶占多數(shù)。其次，數(shù)據(jù)方面不同，量化投資需要大量的數(shù)據(jù)來(lái)求證模型，對(duì)于不同國(guó)家的市場(chǎng)來(lái)說(shuō)存在歷史數(shù)據(jù)不足、數(shù)據(jù)的厚度不夠、數(shù)據(jù)不完整的現(xiàn)象，甚至還存在著很多虛假數(shù)據(jù)。量化投資本身是一個(gè)投資的方法論，就單個(gè)策略而言，沒有一種能夠適應(yīng)任何市場(chǎng)、任何時(shí)間段的量化策略，所以需要對(duì)策略在我國(guó)市場(chǎng)上的有效性進(jìn)行檢驗(yàn)。

二、文獻(xiàn)綜述

國(guó)外關(guān)于量化投資及其策略的研究：Zaremba Adam & Shemer Jacob（2016）[1]向我們介紹了如何在國(guó)際市場(chǎng)上成功運(yùn)用量化投資策略來(lái)管理資金，講述了一系列最先進(jìn)的量化戰(zhàn)略，描述了他們的理論基礎(chǔ)、實(shí)施細(xì)節(jié)以及1995年至2015年間70多個(gè)國(guó)家的表現(xiàn)。Paiboon Sareewiwatthana & Patarapon Janin（2017）[2]基于泰國(guó)證券交易所2002-2016年的數(shù)據(jù)，對(duì)著名投資者的量化投資策略進(jìn)行了研究，結(jié)果表明，所測(cè)試的幾個(gè)著名量化投資策略都打敗了市場(chǎng)。Bin LI Yan L & Wenxuan T et al.（2017）[3]介紹了量化投資，根據(jù)價(jià)格、成交量等技術(shù)指標(biāo)，提出了一種基于機(jī)器學(xué)習(xí)和技術(shù)分析的新興量化交易算法，實(shí)證結(jié)果表明可獲得25%的年化收益率。Yang·Y（2018）[4]研究了我國(guó)期貨市場(chǎng)的特點(diǎn)和量化投資策略，對(duì)動(dòng)量、反轉(zhuǎn)和配對(duì)交易類型的策略進(jìn)行了回測(cè)檢驗(yàn)，建議投資者根據(jù)投資范圍、減持容忍度和成本來(lái)選擇策略。Ruhan A和Guojian Cheng（2018）[5]基于上海證券綜合指數(shù)和深圳證券綜合指數(shù)，選取2536個(gè)交易日，建立NAR動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)和動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，并進(jìn)行測(cè)評(píng)，證明了NAR動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)應(yīng)用于量化投資的可行性。Yuxiang Huang（2019）[6]基于機(jī)器學(xué)習(xí)算法和技術(shù)指標(biāo)構(gòu)建了一個(gè)策略，用幾種常用的技術(shù)指標(biāo)，來(lái)預(yù)測(cè)股票價(jià)格在一定時(shí)間內(nèi)的走勢(shì)，然后根據(jù)預(yù)測(cè)結(jié)果構(gòu)造一個(gè)投資組合進(jìn)行交易，結(jié)果表明該公司的年收益率在40%以上，遠(yuǎn)遠(yuǎn)高于標(biāo)普500指數(shù)（2.14%）。

國(guó)內(nèi)關(guān)于量化投資及其策略的研究：李成林（2013）[7]研究了移動(dòng)平均線交易策略的有效性、哪些因素對(duì)策略有影響、將有效策略應(yīng)用到未來(lái)投資的效果，研究發(fā)現(xiàn)過(guò)去8年中部分策略可以獲得超額收益，并建議在實(shí)際應(yīng)用中使用時(shí)間長(zhǎng)度較長(zhǎng)的移動(dòng)平均線策略。李子睿（2013）[8]闡述了量化投資的基本概念、發(fā)展現(xiàn)狀、交易策略等，基于滬深300股指期貨的數(shù)據(jù)，通過(guò)量化投資平臺(tái)，針對(duì)MA、MACD、DMA、TRIX四種指標(biāo)的趨勢(shì)策略進(jìn)行了檢驗(yàn)分析，發(fā)現(xiàn)可以獲得良好的收益率。很多學(xué)者都研究了國(guó)外經(jīng)典的量化投資策略R-Breaker，并基于國(guó)內(nèi)期貨市場(chǎng)進(jìn)行了回測(cè)，經(jīng)改進(jìn)優(yōu)化后獲得良好的收益率（劉冬燁，2014;李邸，2014;謝堞江，2016）[9]。彭樂（2014）[10]介紹了螺紋鋼期貨市場(chǎng)的概況，通過(guò)實(shí)證研究了螺紋鋼期貨價(jià)格發(fā)現(xiàn)功能的有效性，并運(yùn)用K線和MACD、MA、KDJ、RSI等技術(shù)指標(biāo)及其組合指標(biāo)建立了螺紋鋼期貨5分鐘數(shù)據(jù)的量化交易策略模型，應(yīng)用Matlab進(jìn)行模擬檢驗(yàn)，結(jié)果表明，使用組合指標(biāo)的資金利用率和資金回報(bào)率都高于使用單個(gè)指標(biāo)，四指標(biāo)組合收益率達(dá)到303.3%。有學(xué)者對(duì)海龜交易法則進(jìn)行了剖析，指出海龜交易法則是以唐奇安通道為基礎(chǔ)，進(jìn)行買賣的策略，并基于滬深300股指期貨對(duì)海龜量化策略進(jìn)行了回測(cè)檢驗(yàn)，結(jié)果顯示獲得較高的收益率（郭曉巖，2015;龍成，2015）[11]。李治（2016）[12]回顧了主要的投資分析理論（包括技術(shù)分析法、基本面分析法和量化投資分析法），然后基于外匯市場(chǎng)，通過(guò)技術(shù)分析法和量化投資分析法，建立了一個(gè)趨勢(shì)量化交易模型，回測(cè)結(jié)果顯示年化收益率達(dá)到149%。趙婷（2017）[13]統(tǒng)計(jì)發(fā)現(xiàn)，2013年量化交易占美股總交易量的14%，到2017年這一比率就上升到了27%，進(jìn)一步分析了量化投資在國(guó)內(nèi)市場(chǎng)上占比不高的原因。崔浩波等（2018）[14]闡述了量化投資的主要價(jià)值優(yōu)勢(shì)，介紹了國(guó)內(nèi)外量化投資模式應(yīng)用的主要類型，并探討了量化投資在期貨市場(chǎng)的有效應(yīng)用。

綜合國(guó)內(nèi)外文獻(xiàn)發(fā)現(xiàn)，國(guó)內(nèi)對(duì)于量化投資仍處于初級(jí)階段，近幾年隨著大數(shù)據(jù)、人工智能等發(fā)展，量化投資迎來(lái)新的發(fā)展機(jī)遇。

本文認(rèn)為當(dāng)前研究存在以下思考空間：基于數(shù)學(xué)算法對(duì)參數(shù)進(jìn)行優(yōu)化，將不同量化投資策略有機(jī)結(jié)合，在當(dāng)下投資環(huán)境下對(duì)投資者更具應(yīng)用價(jià)值。

三、策略及指標(biāo)構(gòu)建

（一）策略構(gòu)建

布林線是證券市場(chǎng)技術(shù)分析中的一種非常經(jīng)典的分析指標(biāo)，它是由美國(guó)股市分析家約翰·布林根據(jù)統(tǒng)計(jì)學(xué)中的標(biāo)準(zhǔn)差原理設(shè)計(jì)出來(lái)的一種非常簡(jiǎn)單實(shí)用的技術(shù)分析指標(biāo)。理論中，價(jià)格圍繞著價(jià)值波動(dòng);現(xiàn)實(shí)中，一段時(shí)間內(nèi)價(jià)格也是在一定范圍內(nèi)浮動(dòng)，這個(gè)范圍包括上限和下限，而布林線就是通過(guò)數(shù)學(xué)的方式來(lái)表述它。

布林通道分為中軌線、上軌線和下軌線。中軌線是證券價(jià)格n日平均線，上軌線是中軌線加上m倍過(guò)去n日價(jià)格的標(biāo)準(zhǔn)差，下軌線是中軌線減去m倍過(guò)去n日價(jià)格的標(biāo)準(zhǔn)差。一般來(lái)說(shuō)，上下軌兩條線分別可以看成是價(jià)格的壓力線和支撐線，價(jià)格在通道內(nèi)上下波動(dòng)。當(dāng)價(jià)格波動(dòng)很小時(shí)，通道較窄，即處于盤整狀態(tài)，此時(shí)代表市場(chǎng)交易情緒較為穩(wěn)定;當(dāng)證券價(jià)格向上突破上軌時(shí)，預(yù)示著證券價(jià)格會(huì)有一個(gè)向上的波動(dòng)趨勢(shì);當(dāng)證券價(jià)格向下突破下軌時(shí)，預(yù)示著證券價(jià)格會(huì)有一個(gè)向下的波動(dòng)趨勢(shì)，此時(shí)代表市場(chǎng)波動(dòng)較大。

1.策略的計(jì)算方法。數(shù)學(xué)模型：

上式中表示i日前的收盤價(jià)，N表示周期，Mid表示均線、中軌線，Std表示標(biāo)準(zhǔn)差，M表示倍數(shù)，Up表示上軌線，Dwon表示下軌線。

2.策略邏輯。當(dāng)布林線開口向上，價(jià)格向上突破布林通道上軌時(shí)，說(shuō)明市場(chǎng)處于上升狀態(tài)，投資者可以依據(jù)布林指標(biāo)做多;當(dāng)布林線開口向下，價(jià)格向下突破布林通道下軌時(shí)，說(shuō)明市場(chǎng)處于下降狀態(tài)，投資者可以依據(jù)布林指標(biāo)做空。

（二）常規(guī)檢驗(yàn)指標(biāo)

1.勝率。購(gòu)買某一產(chǎn)品持有一段時(shí)間后盈利的概率，在交易過(guò)程中盈利次數(shù)占總交易次數(shù)的比值。

2.盈虧比。在交易中盈利與虧損的比例，當(dāng)盈虧比小于1時(shí)，說(shuō)明該模型整體不盈利;當(dāng)盈虧比大于1 時(shí)，說(shuō)明該模型整體有盈利能力;當(dāng)盈虧比大于2 時(shí)，說(shuō)明該量化模型盈利能力較高。

3.年化收益率。是把當(dāng)前收益率換算成年收益率來(lái)計(jì)算的一種理論收益率。

4.最大回撤。是指在一段時(shí)間內(nèi)，策略的凈值達(dá)到最低點(diǎn)時(shí)，其策略凈值下降幅度的最大值，描述的是在一定時(shí)間周期內(nèi)，策略可能達(dá)到的最壞情況?；爻放c風(fēng)險(xiǎn)成正比，回撤越大，風(fēng)險(xiǎn)越大。最大回撤越小越好。

5.夏普比率。是用資產(chǎn)組合的長(zhǎng)期平均超額收益（相對(duì)于無(wú)風(fēng)險(xiǎn)利益）除以這個(gè)時(shí)期該資產(chǎn)組合的收益標(biāo)準(zhǔn)差。意義為每一單位風(fēng)險(xiǎn)（全部風(fēng)險(xiǎn)），可給予的超額報(bào)酬。較大的夏普比率表示較好的績(jī)效。

6.索提諾比率。與夏普比率類似，但在計(jì)算波動(dòng)率時(shí)采用的是下行標(biāo)準(zhǔn)差，是相對(duì)無(wú)風(fēng)險(xiǎn)收益的超額收益對(duì)下行風(fēng)險(xiǎn)的比。索提諾比率越大表示績(jī)效越好。

四、策略檢驗(yàn)、優(yōu)化

本文以2015年-2019年國(guó)內(nèi)15分鐘期貨組合作為回測(cè)對(duì)象。數(shù)據(jù)范圍：樣本內(nèi)數(shù)據(jù)選取2015年1月1日至2017年12月31日國(guó)內(nèi)15分鐘期貨組合;樣本外數(shù)據(jù)選取2018年1月1日至2019年12月31日國(guó)內(nèi)15分鐘期貨組合。測(cè)試范圍：鐵礦石（DCE.i）、螺紋鋼（SHFE.rb）、橡膠（SHFE.ru）、甲醇（CZCE.MA）、PTA（CZCE.TA）、焦炭（DCE.j）、豆粕（DCE.m）、棕櫚（DCE.p）、白糖（CZCE.SR）。單筆交易手?jǐn)?shù)：1手。初始資金：10萬(wàn)元。手續(xù)費(fèi)：按成交額總金額的萬(wàn)分之一（覆蓋2個(gè)滑點(diǎn)）。

（一）基于布林通道的量化投資策略表現(xiàn)

1.參數(shù)。20個(gè)周期的K線、2倍標(biāo)準(zhǔn)差。

2.入場(chǎng)規(guī)則。多頭：當(dāng)價(jià)格突破上軌，多頭入場(chǎng)?？疹^：當(dāng)價(jià)格突破下軌，空頭入場(chǎng)。

3.出場(chǎng)規(guī)則。多頭：當(dāng)持有多頭時(shí)，如果收盤價(jià)下穿均線，賣出平倉(cāng)?？疹^：當(dāng)持有空頭時(shí)，如果收盤價(jià)上穿均線，買進(jìn)平倉(cāng)。

4.回測(cè)結(jié)果。

該策略在樣本內(nèi)虧損27071.82元，初始資金收益比達(dá)-27.07%，投資組合最大回撤55.18%，交易總數(shù)量為4641次，其中多頭交易為2351次，空頭交易為2290次，盈利交易次數(shù)1571次，虧損交易次數(shù)3070次，勝率為33.85%，平均盈利/平均虧損比率為1.92。從年度收益來(lái)看，2015、2016、2017都虧損。從商品種類來(lái)看，鐵礦石、螺紋鋼和焦炭盈利，其余商品全部虧損。

該策略在樣本外盈利18644.62元，初始資金收益比達(dá)18.64%，投資組合最大回撤39.46%，交易總數(shù)量為3370次，其中多頭交易為1688次，空頭交易為1682次，盈利交易次數(shù)1173次，虧損交易次數(shù)2197次，勝率為34.81%，平均盈利/平均虧損比率為1.91。從年度收益來(lái)看，2018年虧損，2019年盈利。從商品種類來(lái)看，鐵礦石、甲醇、豆粕和焦炭盈利，其余商品虧損。

（二）參數(shù)優(yōu)化及回測(cè)結(jié)果

遺傳算法是一種模擬達(dá)爾文生物進(jìn)化論的計(jì)算模型，是一種模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的過(guò)程。操作示意圖如下：

通過(guò)計(jì)算機(jī)優(yōu)化，綜合考慮取70個(gè)周期的K線得到的效果較好?；诖藢?duì)樣本外策略進(jìn)行回測(cè)檢驗(yàn)，如下表3所示。

該策略在樣本外盈利49334.34元，初始資金收益比達(dá)49.33%，投資組合最大回撤34.71%，交易總數(shù)量為1142次，其中多頭交易為568次，空頭交易為574次，盈利交易次數(shù)408次，虧損交易次數(shù)734次，勝率為35.73%，平均盈利/平均虧損比率為1.96。從年度收益來(lái)看，2018年盈利，2019年略有虧損。從商品種類來(lái)看，僅橡膠、甲醇虧損，其余商品全部盈利。

五、結(jié)論與建議

本文基于2015-2019年商品期貨市場(chǎng)，分為樣本內(nèi)和樣本外對(duì)布林通道量化投資策略的有效性進(jìn)行檢驗(yàn)，并對(duì)其進(jìn)行參數(shù)優(yōu)化、策略改進(jìn)，回測(cè)結(jié)果表明：原始布林通道量化投資策略并不能獲得較好的收益，無(wú)論是收益率、夏普比率還是投資組合最大回撤都表現(xiàn)很差。參數(shù)優(yōu)化后的布林通道量化投資策略比原始布林通道量化投資策略收益率提高了兩倍以上，新策略的夏普比率、索提諾比率也有所提高，說(shuō)明每一單位風(fēng)險(xiǎn)（全部風(fēng)險(xiǎn)），可給予的超額報(bào)酬增加。而新策略投資組合勝率提高，最大回撤降低，這表明策略的穩(wěn)定性提高。

根據(jù)研究結(jié)果，本文認(rèn)為量化投資確實(shí)能帶來(lái)較高收益，有助于克服人性弱點(diǎn)，及時(shí)止盈、止損。單純的布林通道策略也已經(jīng)不能很好地適應(yīng)市場(chǎng)了，不同的市場(chǎng)時(shí)期同一策略效果不同，有一些國(guó)外的策略可能并不適應(yīng)我國(guó)市場(chǎng)，在策略應(yīng)用時(shí)要結(jié)合市場(chǎng)不斷地進(jìn)行改進(jìn)、優(yōu)化。投資者應(yīng)正視期貨投資的風(fēng)險(xiǎn)，在策略失效時(shí)及時(shí)停止應(yīng)用。建議在開發(fā)策略的時(shí)候要多學(xué)習(xí)、多借鑒、勇于創(chuàng)新、敢于試錯(cuò)，可以先研究小范圍的整體指數(shù)，再不斷向外擴(kuò)展。此外，量化投資策略的優(yōu)化、改進(jìn)不能過(guò)于“貪婪”，要權(quán)衡得失，適可而止，才能開發(fā)出適合的策略。

參考文獻(xiàn)：

[1]Zaremba A，Shemer J .Country Asset Allocation ： Quantitative Country Selection Strategies in Global Factor Investing[M].Palgrave Macmillan，2016.

[2]Sareewiwatthana P ，Janin P . Tests of quantitative investing strategies of famous investors： case of Thailand[J]. Investment Management and Financial Innovations，2017，14（3-1）：218-226.

[3]Bin L I ，Yan L ，Wenxuan T ，et al. ML-TEA：A set of quantitative investment algorithms based on machine learning and technical analysis[J]. Systems Engineering-Theory & Practice，2017.

[4]Yang，Y. Essays in quantitative investments[M].ProQuest Dissertations Publishing，2018.

[5]Ruhan，A ; Cheng，Guojian.The Application of NAR Dynamical Neural Network on Quantitative Investment[C].2018 2nd IEEE Advanced Information Management，Communicates，Electronic and Automation Control Conference （IMCEC），May 2018，pp.2671-2674.

[6]Yuxiang Huang. Quantitative Investment with Machine Learning in US Equity Market[P]. Proceedings of the 2018 International Symposium on Social Science and Management Innovation （SSMI 2018），2019.

[7]李成林. 移動(dòng)平均線交易策略有效性比較研究[D].上海交通大學(xué)，2013.

[8]李子睿. 量化投資交易策略研究[D].天津大學(xué)，2013.

[9]劉冬燁. 股指期貨日內(nèi)量化投資策略[D].上海交通大學(xué)，2014.

[10]彭樂. 螺紋鋼期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能與量化交易策略實(shí)證[D].江西財(cái)經(jīng)大學(xué)，2014.

[11]龍成. 基于海龜法則的量化模型研究[D].廣西大學(xué)，2015.

[12]李治. 基于趨勢(shì)理論的量化交易策略在外匯市場(chǎng)的應(yīng)用研究[D].南京大學(xué)，2016.

[13]趙婷.量化投資：華爾街爆款到中國(guó)為何不紅了？[N]. 中國(guó)基金報(bào)，2017-09-25（003）.

[14]崔浩波，蔣順一，李君儀.量化投資在期貨市場(chǎng)的有效應(yīng)用[J].現(xiàn)代營(yíng)銷（創(chuàng)富信息版），2018（08）：20-21.

作者單位：山東省濟(jì)南市齊魯工業(yè)大學(xué)（山東省科學(xué)院）