基于趨勢追蹤的量化交易策略研究

蔡雅麗　夏帆　陸威　沈初陽　王玉金

摘要 量化交易是目前國際金融市場的主流交易方式，趨勢追蹤在量化交易模型中所占的比例最大，收益率也較為可觀。本文基于對趨勢追蹤MA、MACD、stoch三種指標的研究，以stoch指標為核心，并在算法中加入部分MA與MACD指標建立交易模型，并將該模型編寫成基于MT4交易平臺上運行的交易程序。在歷史數(shù)據(jù)模擬復盤的五年時間內，年復收益達到了17.74%。

關鍵詞 趨勢追蹤 趨勢指標 交易模型 交易程序

中圖分類號：F831.6 文獻標識碼：A DOI：10.1640/j.cnki.kjdkz.2018.02.036

0引言

量化投資最初源于二十世紀七十年代的美國股市，然后逐步普及到期貨與其它金融衍生品市場。量化投資在國內交易市場起步較晚，近幾年才逐步被國內的投資機構與投資者所接納，目前正處于高速發(fā)展階段，國內真正以量化交易為核心的投資公司也逐漸增多。

T.Hendershott和R.Riordan（2009）在《Algorithmic tradingand information》中首次在算法交易中進行了具體的模型計算。選取包括Apple與Alcoa在內的120只在NYSE和NAS—DAQ上市的公司股票作為樣本數(shù)據(jù)，并對交易策略模型進行模擬分析。ChristianA.Salm和MichaelSchuppli（2010）在《Posi-tive feedback trading in stock index futures：International evi-dente》中，基于異質信念的資產定價方法，研究了趨勢追蹤交易策略的執(zhí)行結果及金融市場中的正反饋和負反饋的波動現(xiàn)象。其研究結果表明，正反饋交易在市場中所占比重更大。王若舟（2012）根據(jù)alpha策略創(chuàng)建了alpha動量交易策略，并完整的構建了一個交易程序所需的判定步驟流程。牛永魁（2013）分析了海龜交易量化模型，將其用到滬深300股指，并分析了量化交易在國內市場的優(yōu)劣性。

本文致力于研究分析市場的微結構，建立合理的預測模型，從而設計出一個高收益、低風險、高適應的高頻交易算法，并將其進行實證分析以證明算法的有效性，最終得到一個穩(wěn)定盈利的高頻交易算法。

1模型設計

模型以stoch指標為核心，同時，添加了MA與MACD指標對市場價格趨勢判定的一些方法?？尚薷膮?shù)為：K線周期KP、D線周期DP、每次開倉的交易手數(shù)Lots、以及從MA與MACD中延伸過來的短線周期sP、慢線周期DL、快線周期UL、加上程序啟動初期認為控制的止損StopLOSS和止盈Tak-eProfit共8個參數(shù)。又因為對K線和D線的超買超賣比值的修改過于困難，需要大量的數(shù)據(jù)，因此將K線和D線的超買超賣值統(tǒng)一設定為市場中常用的90和10與80和20。

每當stoch指標發(fā)出趨勢信號時，結合MA指標與MACD指標對趨勢的判定方法，當發(fā)出的信號被三者均滿足時，程序才能判定開倉的訂單有效，并向交易商發(fā)出交易信號。根據(jù)前文stoch指標初期判定對相對虧損的大幅波動，決定將程序運行初期的止盈止損進行人為控制。當賬戶盈利達到某個設定值（如已經達到賬戶初始資金量的100%）取消對止損的人為控制，并將后期訂單的止盈止損交程序自身判定，以確保訂單可以完整地走完市場趨勢。

2實證分析

基于前文部分交易指標的判定方法及程序模型的判定方法，進行程序的編寫。程序中所選用的參數(shù)分別為：Kp=5；Dp=3；SP=3；UL=12；DL=5；StopLoss=3000（300個標準點）；Tak-eProfit=5000（500個標準點）；Lots=l。指定交易品種為EUR/USD，運行的時間周期為日線圖，初始資金為10000美元，每次交易量限定為一個標準手，每手交易所占用的保證金金額恒為500美元。

在復盤模擬截取的五年時間內，程序的總凈盈利為45990.69，盈利比為1.99。其中，總獲利為92433.19，總虧損為46442.50，最大虧損和相對虧損均為15388.38，占當時資金量的57.48%。總交易次數(shù)為39次，其中賣單觸發(fā)了33次，買單觸發(fā)了6次。最多連續(xù)獲利次數(shù)為7次，獲利金額為30485.09，最多連續(xù)虧損為5次，連續(xù)虧損金額為12381.41。

總體而言，在復盤模擬截取的五年時間內，年復收益達到了41.08%。由于初期對止損的限定，當程序趨勢的判定出現(xiàn)大幅虧損時，已經可以由前期盈利部分進行抵消，不會驚動投資人。收益曲線如圖1所示，相對而言更為平穩(wěn)。

從交易流程上看，該程序對市場價格趨勢的判別方式汲取了三種指標的長處，處理方式更為穩(wěn)健，但計算方法更為復雜，判定更為繁瑣。而量化交易中的高頻交易占據(jù)了一大部分，其核心優(yōu)勢之一就是開倉速度及趨勢判定速度。因此，該程序對短線及超短線交易而言，并不具備足夠的競爭優(yōu)勢。從收益上看，本程序在選定的五年復盤模擬交易時間內所獲得的總收益率約為459.90%，年復收益約為41.08%；從虧損上看，最大虧損與持續(xù)虧損被控制在賬戶注冊資金的30%之內，表明該程序的交易方式較為穩(wěn)定；就該模型交易盈虧結果而言，收益的各項指標數(shù)據(jù)均優(yōu)于虧損的各項指標數(shù)據(jù)，表明基于該模型編制的交易程序所進行的歷史數(shù)據(jù)模擬交易擁有較為出色的表現(xiàn)。

同時，在外匯交易市場中，現(xiàn)階段職業(yè)外匯交易員的年收益率多數(shù)分布在40%至60%的區(qū)間內，同時當最大回撤達到賬戶注冊資金量的30%附近時，需要及時通知客戶反饋情況。而在外匯交易市場時常會有一些關于財政、政治層面，甚至戰(zhàn)亂的不確定因素帶動匯市的短期時間內的巨幅波動，而該程序主要是基于中長期交易，短時間內的大幅波動并不會對總體結果產生較大的影響（瑞士法郎當時的黑天鵝事件例外，當時全球匯市均收到其波動影響）。而賬戶剩余資金的應用也并未達到最大，交易手數(shù)被人為限制，并未像Kelly公式所涉及的那樣對倉位與資金進行管理。

3總結

本文通過對趨勢型指標MA、MACD、stoch三種指標的研究，并將三種指標的部分優(yōu)勢進行整合。以stoch趨勢指標的收益為核心，輔以MA指標中對收益虧損的限制與MACD在中長期趨勢中對短期的大幅波動的規(guī)避，并在程序運行初期對止損進行人為控制，以此建立交易模型，并通過MT4交易平臺進行實證。本文對交易模型復盤模擬選取的標的資產為EUR/USD，復盤模擬運行周期為日線圖。在復盤模擬運行的2012.01.01-2017.01.01整整五年時間內，取得了年復41.08%的收益，賬戶資金波動幅度也較為平穩(wěn)，并且程序運行初期的虧損也被限制在本金的30%之內。

總體而言，該程序具備成為實盤交易程序的可能性，但還需要對程序模型進行進一步的改進和完善。同時，對于現(xiàn)今金融行業(yè)實盤應用中的交易程序而言，該程序的開倉條件似乎過于嚴格，雖規(guī)避了市場中的許多風險，但在復盤模擬的五年時間內，成交手數(shù)僅為39手，交易手數(shù)偏少；而且，最多的連續(xù)虧損次數(shù)達到了五次，說明在某段時間內，程序對市場價格趨勢的判定持續(xù)受到市場發(fā)出的假信號的影響，并被誤導開倉，因此該程序并不適用于短期交易。