基于布林通道的量化投資策略研究

劉宗興

摘要：隨著金融市場信息、數(shù)據(jù)的增長，以及大數(shù)據(jù)、人工智能的發(fā)展，量化投資迎來新的發(fā)展機遇。本文基于2015年-2019年國內多品種商品期貨，在布林通道量化投資策略的基礎上，采用遺傳算法對策略參數(shù)進行優(yōu)化，通過計算機進行策略回測檢驗，基于勝率、年化收益率、最大回撤、夏普比率等常規(guī)檢驗指標對比分析改進前后的結果，發(fā)現(xiàn)原始的布林通道量化投資策略在我國商品期貨市場表現(xiàn)較差，而優(yōu)化改進后的策略具有較高的收益和較高的穩(wěn)定性，建議投資者在我國市場上開發(fā)應用量化投資策略，要結合市場不斷地進行改進、優(yōu)化。

關鍵詞：量化投資 ?布林通道 ?商品期貨

一、引言

在我國，大多數(shù)投資者都是依靠傳統(tǒng)的投資方法來進行投資決策，甚至很多投資者依靠自身經驗來進行投資決策。其中包括基本面分析、技術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，而人在投資決策過程中存在著認知偏差等。除了傳統(tǒng)投資外還有一種投資是量化投資，量化投資是通過分析數(shù)學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，然后利用計算機技術編程對大量的數(shù)據(jù)進行分析，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上，將投資思想反映在量化模型中，通過計算機程序來實現(xiàn)投資決策，量化投資不是基本面分析和技術分析的對立面，它也考慮基本面因素，也考慮技術因素，是在對市場深入理解的基礎上形成的投資方法。隨著金融市場的擴張、金融創(chuàng)新的發(fā)展，信息量的增長遠遠高于人腦能夠處理的范圍，進行傳統(tǒng)投資策略需要關注的金融產品的數(shù)量大幅增長，當市場容量很大時，人為分析和人工交易很難實現(xiàn)對整個市場跟蹤監(jiān)測，此時量化投資就具有更大的優(yōu)勢。

量化投資在國外已有四十多年的發(fā)展歷史，上世紀八十年代，現(xiàn)代意義上的量化投資在美國正式興起。以1971年巴克萊投資管理公司發(fā)行世界上第一支指數(shù)基金為標志，量化投資已成為美國市場中一種重要的投資方法。在美國，西蒙斯所管理的大獎章基金，從1989年到現(xiàn)在平均年化收益率達到35.6%，在2008年發(fā)生金融危機時，大獎章基金的年收益率竟然達到80%，遠遠超過“股神”巴菲特，西蒙斯因此被譽為“量化投資之父”。截至2019年，美國的量化投資比例約60%，而我國還不到5%，量化投資在我國具有很大的發(fā)展空間。

2010年融資融券和股指期貨的推出結束了中國金融市場不能做空的歷史，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，量化產品的增多，以及海外金融技術人才紛紛回國，量化投資面臨重大機遇。

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在海外得到了證明，但是在我國市場上還有待檢驗。首先，市場結構不同，如美國市場較為成熟，機構投資者占多數(shù)，而我國散戶占多數(shù)。其次，數(shù)據(jù)方面不同，量化投資需要大量的數(shù)據(jù)來求證模型，對于不同國家的市場來說存在歷史數(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投資的方法論，就單個策略而言，沒有一種能夠適應任何市場、任何時間段的量化策略，所以需要對策略在我國市場上的有效性進行檢驗。

二、文獻綜述

國外關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際市場上成功運用量化投資策略來管理資金，講述了一系列最先進的量化戰(zhàn)略，描述了他們的理論基礎、實施細節(jié)以及1995年至2015年間70多個國家的表現(xiàn)。Paiboon Sareewiwatthana & Patarapon Janin（2017）[2]基于泰國證券交易所2002-2016年的數(shù)據(jù)，對著名投資者的量化投資策略進行了研究，結果表明，所測試的幾個著名量化投資策略都打敗了市場。Bin LI Yan L & Wenxuan T et al.（2017）[3]介紹了量化投資，根據(jù)價格、成交量等技術指標，提出了一種基于機器學習和技術分析的新興量化交易算法，實證結果表明可獲得25%的年化收益率。Yang·Y（2018）[4]研究了我國期貨市場的特點和量化投資策略，對動量、反轉和配對交易類型的策略進行了回測檢驗，建議投資者根據(jù)投資范圍、減持容忍度和成本來選擇策略。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個交易日，建立NAR動態(tài)神經網絡和動態(tài)神經網絡，并進行測評，證明了NAR動態(tài)神經網絡應用于量化投資的可行性。Yuxiang Huang（2019）[6]基于機器學習算法和技術指標構建了一個策略，用幾種常用的技術指標，來預測股票價格在一定時間內的走勢，然后根據(jù)預測結果構造一個投資組合進行交易，結果表明該公司的年收益率在40%以上，遠遠高于標普500指數(shù)（2.14%）。

國內關于量化投資及其策略的研究：李成林（2013）[7]研究了移動平均線交易策略的有效性、哪些因素對策略有影響、將有效策略應用到未來投資的效果，研究發(fā)現(xiàn)過去8年中部分策略可以獲得超額收益，并建議在實際應用中使用時間長度較長的移動平均線策略。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)，通過量化投資平臺，針對MA、MACD、DMA、TRIX四種指標的趨勢策略進行了檢驗分析，發(fā)現(xiàn)可以獲得良好的收益率。很多學者都研究了國外經典的量化投資策略R-Breaker，并基于國內期貨市場進行了回測，經改進優(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的概況，通過實證研究了螺紋鋼期貨價格發(fā)現(xiàn)功能的有效性，并運用K線和MACD、MA、KDJ、RSI等技術指標及其組合指標建立了螺紋鋼期貨5分鐘數(shù)據(jù)的量化交易策略模型，應用Matlab進行模擬檢驗，結果表明，使用組合指標的資金利用率和資金回報率都高于使用單個指標，四指標組合收益率達到303.3%。有學者對海龜交易法則進行了剖析，指出海龜交易法則是以唐奇安通道為基礎，進行買賣的策略，并基于滬深300股指期貨對海龜量化策略進行了回測檢驗，結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，通過技術分析法和量化投資分析法，建立了一個趨勢量化交易模型，回測結果顯示年化收益率達到149%。趙婷（2017）[13]統(tǒng)計發(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%，進一步分析了量化投資在國內市場上占比不高的原因。崔浩波等（2018）[14]闡述了量化投資的主要價值優(yōu)勢，介紹了國內外量化投資模式應用的主要類型，并探討了量化投資在期貨市場的有效應用。

綜合國內外文獻發(fā)現(xiàn)，國內對于量化投資仍處于初級階段，近幾年隨著大數(shù)據(jù)、人工智能等發(fā)展，量化投資迎來新的發(fā)展機遇。

本文認為當前研究存在以下思考空間：基于數(shù)學算法對參數(shù)進行優(yōu)化，將不同量化投資策略有機結合，在當下投資環(huán)境下對投資者更具應用價值。

三、策略及指標構建

（一）策略構建

布林線是證券市場技術分析中的一種非常經典的分析指標，它是由美國股市分析家約翰·布林根據(jù)統(tǒng)計學中的標準差原理設計出來的一種非常簡單實用的技術分析指標。理論中，價格圍繞著價值波動;現(xiàn)實中，一段時間內價格也是在一定范圍內浮動，這個范圍包括上限和下限，而布林線就是通過數(shù)學的方式來表述它。

布林通道分為中軌線、上軌線和下軌線。中軌線是證券價格n日平均線，上軌線是中軌線加上m倍過去n日價格的標準差，下軌線是中軌線減去m倍過去n日價格的標準差。一般來說，上下軌兩條線分別可以看成是價格的壓力線和支撐線，價格在通道內上下波動。當價格波動很小時，通道較窄，即處于盤整狀態(tài)，此時代表市場交易情緒較為穩(wěn)定;當證券價格向上突破上軌時，預示著證券價格會有一個向上的波動趨勢;當證券價格向下突破下軌時，預示著證券價格會有一個向下的波動趨勢，此時代表市場波動較大。

1.策略的計算方法。數(shù)學模型：

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

2.策略邏輯。當布林線開口向上，價格向上突破布林通道上軌時，說明市場處于上升狀態(tài)，投資者可以依據(jù)布林指標做多;當布林線開口向下，價格向下突破布林通道下軌時，說明市場處于下降狀態(tài)，投資者可以依據(jù)布林指標做空。

（二）常規(guī)檢驗指標

1.勝率。購買某一產品持有一段時間后盈利的概率，在交易過程中盈利次數(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，當盈虧比小于1時，說明該模型整體不盈利;當盈虧比大于1 時，說明該模型整體有盈利能力;當盈虧比大于2 時，說明該量化模型盈利能力較高。

3.年化收益率。是把當前收益率換算成年收益率來計算的一種理論收益率。

4.最大回撤。是指在一段時間內，策略的凈值達到最低點時，其策略凈值下降幅度的最大值，描述的是在一定時間周期內，策略可能達到的最壞情況?；爻放c風險成正比，回撤越大，風險越大。最大回撤越小越好。

5.夏普比率。是用資產組合的長期平均超額收益（相對于無風險利益）除以這個時期該資產組合的收益標準差。意義為每一單位風險（全部風險），可給予的超額報酬。較大的夏普比率表示較好的績效。

6.索提諾比率。與夏普比率類似，但在計算波動率時采用的是下行標準差，是相對無風險收益的超額收益對下行風險的比。索提諾比率越大表示績效越好。

四、策略檢驗、優(yōu)化

本文以2015年-2019年國內15分鐘期貨組合作為回測對象。數(shù)據(jù)范圍：樣本內數(shù)據(jù)選取2015年1月1日至2017年12月31日國內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日國內15分鐘期貨組合。測試范圍：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）。單筆交易手數(shù)：1手。初始資金：10萬元。手續(xù)費：按成交額總金額的萬分之一（覆蓋2個滑點）。

（一）基于布林通道的量化投資策略表現(xiàn)

1.參數(shù)。20個周期的K線、2倍標準差。

2.入場規(guī)則。多頭：當價格突破上軌，多頭入場?？疹^：當價格突破下軌，空頭入場。

3.出場規(guī)則。多頭：當持有多頭時，如果收盤價下穿均線，賣出平倉?？疹^：當持有空頭時，如果收盤價上穿均線，買進平倉。

4.回測結果。

該策略在樣本內虧損27071.82元，初始資金收益比達-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。從年度收益來看，2015、2016、2017都虧損。從商品種類來看，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。從年度收益來看，2018年虧損，2019年盈利。從商品種類來看，鐵礦石、甲醇、豆粕和焦炭盈利，其余商品虧損。

（二）參數(shù)優(yōu)化及回測結果

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

通過計算機優(yōu)化，綜合考慮取70個周期的K線得到的效果較好。基于此對樣本外策略進行回測檢驗，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。從年度收益來看，2018年盈利，2019年略有虧損。從商品種類來看，僅橡膠、甲醇虧損，其余商品全部盈利。

五、結論與建議

本文基于2015-2019年商品期貨市場，分為樣本內和樣本外對布林通道量化投資策略的有效性進行檢驗，并對其進行參數(shù)優(yōu)化、策略改進，回測結果表明：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，說明每一單位風險（全部風險），可給予的超額報酬增加。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)研究結果，本文認為量化投資確實能帶來較高收益，有助于克服人性弱點，及時止盈、止損。單純的布林通道策略也已經不能很好地適應市場了，不同的市場時期同一策略效果不同，有一些國外的策略可能并不適應我國市場，在策略應用時要結合市場不斷地進行改進、優(yōu)化。投資者應正視期貨投資的風險，在策略失效時及時停止應用。建議在開發(fā)策略的時候要多學習、多借鑒、勇于創(chuàng)新、敢于試錯，可以先研究小范圍的整體指數(shù)，再不斷向外擴展。此外，量化投資策略的優(yōu)化、改進不能過于“貪婪”，要權衡得失，適可而止，才能開發(fā)出適合的策略。

參考文獻：

[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. 移動平均線交易策略有效性比較研究[D].上海交通大學，2013.

[8]李子睿. 量化投資交易策略研究[D].天津大學，2013.

[9]劉冬燁. 股指期貨日內量化投資策略[D].上海交通大學，2014.

[10]彭樂. 螺紋鋼期貨市場價格發(fā)現(xiàn)功能與量化交易策略實證[D].江西財經大學，2014.

[11]龍成. 基于海龜法則的量化模型研究[D].廣西大學，2015.

[12]李治. 基于趨勢理論的量化交易策略在外匯市場的應用研究[D].南京大學，2016.

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

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

作者單位：山東省濟南市齊魯工業(yè)大學（山東省科學院）