利用趨勢捕捉與正反馬丁格爾交易策略對國內期貨市場的量化交易實證研究

馬浩宇

(首都經濟貿易大學管理工程學院 北京 100070)

量化交易是通過計算機輔助建立數學模型的方式進行投資，憑借其投資業(yè)績穩(wěn)定、計算效率高、收益概率高等優(yōu)點，在市場上掀起熱潮。

目前，學者對量化投資的主流方向是通過深度學習在基本面上的研究，證明了深度學習能大幅提高預測能力，但深度學習應用到實際投資和交易場景中存在算法未掌握完全、學習條件不足、計算量大、成本高等多項難題，因此在國內無論是期貨市場還是證券市場，都幾乎見不到完全使用深度學習方式穩(wěn)定盈利的應用案例。在實際應用中，馬丁格爾交易策略相對成熟與常見，全球多數量化交易模型都借助了馬丁策略，其開發(fā)難度與測試條件相對簡單。

在國內市場中，馬丁格爾策略一直存在著較大爭議，隱藏著巨大的破產風險及較低的盈虧比，存在加倉距離、加倉倍數等多個風險因子，具有較大的改進空間，不適合單獨使用。本文針對國內期貨市場，基于趨勢捕捉與正反馬丁格爾交易策略，構建TC-M的量化交易模型，通過正反馬丁格爾策略，根據當前的走勢情況，給予投資者一個順勢捕捉趨勢的判斷條件，以對沖持倉的虧損單子或在合適的點位進場加倉。

本文貢獻如下：第一，豐富了量化交易的方法。提出的TC-M模型在滬深300期貨交易中可高概率穩(wěn)定獲利，各項指標展現出良好的盈利性能。第二，證明了馬丁格爾策略與其他策略相結合可以降低其風險。第三，國內市場對馬丁格爾策略的研究少之又少，本文創(chuàng)新性地填補了這一空白。

1 策略說明

1.1 趨勢型（Trend Capture）

通過捕捉單邊上漲和單邊下降的走勢，確定入場點，常見的為采用多周期均線順序排列確定趨勢。多周期均線指常用簡單移動平均法（如式(1)）或指數移動平均法（如式(2)）得到趨勢線，其中簡單移動平均法用于分析長期趨勢，指數移動平均法因其較為平滑，更適合用于衡量短期趨勢。

其中，Pi,close為第i期的收盤價，將前N期收盤價進行平均，得到SMA。根據設定的不同周期得到不同的均線。趨勢型策略存在多種進場時機，而趨勢型的難點在于如何合理高效地在所交易周期過濾震蕩趨勢及選擇最佳出場點。

1.2 正反馬丁格爾交易策略（Martingale）

（1）正馬丁格爾指在一場輸贏概率均為50%的博弈中，以特定的本金開始，每次虧損后，則加倍下注，由于有50%的概率，不會永遠輸，一旦贏一次就會回本并賺取初始本金，但存在著需有足夠的資金池支撐、盈利金額有限等缺點。（2）反馬丁格爾則相反，當獲利后加倍下注，在猜錯后仍存在累計收益，不會因為一次虧損太多，可以根據預設連續(xù)贏場后改變投注策略。

如今，馬丁格爾從輪盤博弈中逐漸延伸到金融交易中，在股票、期貨、外匯中仍經?？吹交隈R丁格爾策略的量化交易模型。相比博弈中有最高投注的限制，在期貨市場該策略能更好地發(fā)揮，但由于期貨的漲跌并不是隨機的，真實的金融交易市場也遠比博弈復雜。本文采用趨勢捕捉結合正、反馬丁格爾交易策略，構建TC-M模型（Trend Capture and Martingale），在我國期貨市場中選取投資標的進行實證評測，交易策略整個流程如圖1所示。

圖1 量化交易模型流程

2 模型設立

2.1 開倉

采用趨勢捕捉型策略。當基于收盤價的多周期均線處于順序排列，且短周期均線斜率范圍滿足一定條件時進場?？紤]到短周期均線易受到價格變動較快因素的影響，較為跳躍，因此在短周期均線中采用指數移動平均法，長周期均線采用簡單移動平均法。當多條均線順序排列且短周期均線斜率大于相應條件時為做多的入場條件，小于相應條件時為做空的入場條件，資金量初始進場設為1手。當趨勢捕捉失效，第一單進場虧損，觸及正馬丁進場加倉的間隔點數時，考慮到僅可能是趨勢的回調而不一定是趨勢的反轉，因此進入正馬丁逆勢進場加倉的環(huán)節(jié)。

2.2 持倉處理

持倉策略如圖2所示，具體如下。

圖2 持倉策略

2.2.1 第一單盈利時

本文設定1手資金量入場不加倉，當只持有第一輪單子時，最短周期均線突破次短周期均線盈利時出場，虧損時進入正反馬丁進場加倉處理。

2.2.2 第一單虧損時

（1）正馬丁進場及平倉條件

此時，正馬丁逆勢進場，并設定采用固定間隔點數加倉。其中，正馬丁的加倉手數倍數選用斐波那契數列，當滿足盈利全平倉條件后，即達到整體出場條件，跳轉到平倉模塊。如果趨勢為反轉趨勢，就不能完全采用固定點數的正馬丁逆勢加倉，因此本文在正馬丁三輪之后采用大周期的支撐阻力位加倉。當趨勢反轉突破市場框架后，反馬丁順勢加倉進場，抵御單邊趨勢中正馬丁逆勢加倉的風險。

（2）反馬丁進場及平倉條件

為了抵御風險，本文設定當行情突破市場框架時進行反馬丁第一單順勢進場，與正馬丁交易方向反向進場1手。為了使行情反轉時能更有效地保護整體持倉，避免采用加倍手數進場導致行情反轉時快速平倉而失去保護能力，第二單之后采用固定間隔點數的平倍加倉，當行情反轉至反馬丁多個持倉單均價線盈利條件時，保留盈利平倉。多輪反馬丁進場后如果遇到趨勢回調，反馬丁的盈利將變?yōu)樘潛p，本文在反馬丁多輪均價線位置保持盈利時，將反馬丁持倉全部平倉。為了抵御平倉后趨勢再次反轉，在反馬丁全平倉后立即再次開啟反馬丁第一輪。

（3）整體平倉

設定全局平倉函數，當正反馬丁持倉單均在場，所有持倉手數之和乘以平倉倍數參數值，浮盈錢數大于計算得數時，整體盈利平倉。

2.3 評估指標

本文借鑒張茂軍（2021）的指標選用方法，通過夏普比率、年化收益率、累計收益率、盈虧比等指標衡量績效。夏普比率是一種考慮風險和收益的綜合指標，為超額收益的均值除以超額收益的標準差，計算如下：

其中，rf為無風險收益率。累計收益率指交易開始至結束期間的總收益率，第i期的累計收益率計算如下：

3 實證測評

3.1 模型測試說明

設定模擬交易初始資金為10,000,000，測試策略的交易平臺為MT5CTP，選用期貨品種為股指期貨的滬深300，數據的時間范圍為2017年1月1日—2018年12月1日的小時數據，共23個月。

3.2 實證過程及結果

3.2.1 模型參數配置

本文針對主要核心參數：正馬丁逆勢加倉間隔點數、反馬丁順勢加倉間隔點數、手數倍數、五條均線周期、斜率界限、最小間隔點數等進行全自動驗證，每個參數均設置了初始值、步進值和終止值，同時將TC-M模型代碼輸入MT5CTP中，系統(tǒng)通過模型設定回測歷史數據，將設置的不同參數進行排列組合，經過計算機長期不間斷的運算，根據優(yōu)化結果中盈利金額減去虧損金額的最大差值，鎖定最優(yōu)參數排列組合的結果，如表1所示，即本文最終使用的參數值。

表1 TC-M模型主要參數配置

本節(jié)將上述提出的TC-M模型應用于滬深300股指期貨的模擬交易中，過程如下。

3.2.2 初始單入場（趨勢捕捉）

根據表1參數配置設定短周期均線分別為EMA4、EMA8、EMA21、SMA50、SMA100。當滿足五條均線順序排列且短周期均線斜率大于1.0時為做多的入場條件，小于-1.0時為做空的入場條件，表2為模擬交易中初始單入場的實際情況，首單盈利勝率高達83.08%，說明趨勢捕捉應用交易的效果良好，但首單盈利金額比例只占全部盈利金額比例的10%，即大多數盈利金額通過正反馬丁格爾策略獲得。

表2 初始單入場相關數據

3.2.3 正反馬丁整體的進場處理與平倉及反馬丁單獨平倉（正反馬丁格爾）

當趨勢捕捉失效時，進入正反馬丁格爾加倉階段。表3為正反馬丁格爾加倉的相關數據，當行情持續(xù)下跌突破市場框架，反馬丁進場；觸發(fā)順勢加倉間隔點數后，進場反馬丁第二輪。正反馬丁進場次數雖然不多，但負責了整體盈利的90%，平均持倉時間為14.17天，反映了持倉風險。

表3 正反馬丁格爾入場相關數據

3.3 模型投資績效及指標解讀

表4為將TC-M模型應用于滬深300股指期貨模擬交易中的投資績效指標情況，可以看出該策略對測試品種展現出了較強的收益能力，盈虧比大于1，其中23個月的累計收益率達到36.49%，勝率為78.87%，模型應用效果良好。由夏普比率大于1可知，在TC-M模型中，月收益相對穩(wěn)定。做多獲利占比表示做多獲利的單子數量占全部做多的單子總量，即做多交易的勝率，做空獲利占比同理。TC-M模型的策略主旨是快進快出，即快速盈利出場，尤其是當正反馬丁都持倉后，更應快速盈利出場以了結獲利，避免行情反轉帶來浮虧，降低持倉風險。因此，雖然本文的做多獲利占比和做空獲利占比分別達到85.10%和70.07%，即勝率較高，但最終整體累計收益率并未到相應高度。

表4 TC-M策略投資績效情況

圖3繪制TC-M模型的盈利曲線與滬深300期貨價格指數圖。從圖3可看出，盈利曲線符合馬丁格爾整體平滑的特點，雖然期間商品價格指數存在下降，但交易策略設定反馬丁逆勢加倉的風控措施，并通過趨勢捕捉策略較好地捕捉進場點，因此整體趨勢呈傾斜向上的盈利模式，累計收益率并未下跌，說明該策略有著較強的應對下行風險能力。

圖3 滬深300 TC-M盈利曲線與期貨價格指數

4 結語

馬丁格爾策略雖然存在一定的爭議，但本文從實際角度出發(fā)，創(chuàng)新性地提出了TC-M（趨勢型結合馬丁格爾）復合量化策略，將其應用于我國期貨市場。此方法通過第一單開倉有效性、趨勢型策略在單邊趨勢中獲利、正馬丁加倉中引用反馬丁、設置正馬丁加倉方式等途徑可大概率規(guī)避風險，提高盈利效率。本文用滬深300數據檢驗了TC-M的投資績效，經過多次測試后選用最佳參數可以提高交易效率和收益率，從夏普比例、累計收益率、盈虧比多項指標均可看出此方法的有效性。本文的研究豐富了量化交易策略的研究方法，為投資者提供了決策依據，并填補了國內市場缺少對馬丁格爾策略實戰(zhàn)研究的空白。