基于市場(chǎng)資金流向分析的商品期貨量化交易策略

劉鳳珠 閔超 文國(guó)權(quán)

摘?要：準(zhǔn)確把握商品期貨市場(chǎng)的資金流向規(guī)律是制定交易策略的關(guān)鍵步驟。本文對(duì)價(jià)格、持倉(cāng)量、成交量等指標(biāo)進(jìn)行了研究，

結(jié)合資金數(shù)量和資金流向關(guān)系，建立了研究國(guó)內(nèi)期貨市場(chǎng)狀態(tài)的兩階段資金流向模型，

并結(jié)合自適應(yīng)動(dòng)態(tài)三次指數(shù)平滑模型對(duì)資金流向進(jìn)行了預(yù)測(cè)。與其他模型相比，兩階段資金流向模型排除了動(dòng)量效應(yīng)的干擾，具有更真實(shí)的持續(xù)性和更高的擬合優(yōu)度。同時(shí)，本文

通過(guò)建立的資金流向模型改進(jìn)了海龜量化交易策略，回測(cè)結(jié)果表明，改進(jìn)后的交易策略

使得投資年化收益率和勝率顯著提高，并且使得最大回撤率至少縮小了一半，有效避免了原始海龜量化交易策略產(chǎn)生負(fù)收益和利潤(rùn)回吐過(guò)大的問(wèn)題。

關(guān)鍵詞：兩階段資金流向模型；動(dòng)態(tài)三次指數(shù)平滑模型；海龜交易策略的改進(jìn)；最大回撤率；期貨

作者簡(jiǎn)介：劉鳳珠，碩士研究生，研究方向?yàn)閿?shù)據(jù)分析與挖掘、量化金融；

閔超，西南石油大學(xué)人工智能研究院院長(zhǎng)、理學(xué)院教授，博士，研究方向?yàn)閿?shù)據(jù)挖掘、最優(yōu)化理論及應(yīng)用；

文國(guó)權(quán)，博士研究生，研究方向?yàn)榭山忉屝詸C(jī)器學(xué)習(xí)。

一、引言

過(guò)去十年，一股“量化投資”的熱潮在中國(guó)悄然興起。尤其隨著大數(shù)據(jù)、云計(jì)算、人工智能等新興技術(shù)的不斷發(fā)展與進(jìn)步，投資人對(duì)量化的關(guān)注更是達(dá)到了前所未有的程度。在傳統(tǒng)投資分析與實(shí)戰(zhàn)中，大致有以下幾個(gè)階段：第一階段，投資人利用各種工具與分析方法，建構(gòu)模型（系統(tǒng)）來(lái)驗(yàn)證買賣標(biāo)的、時(shí)點(diǎn)、價(jià)位等有效性。第二階段則篩選經(jīng)過(guò)分析與驗(yàn)證得到的結(jié)論，實(shí)際應(yīng)用于交易。一個(gè)嚴(yán)謹(jǐn)?shù)耐顿Y人，通常還會(huì)有第三階段，即在實(shí)際投資的過(guò)程中，不斷地修正與完善自己的模型（系統(tǒng)）。相較于主觀交易所遭遇的問(wèn)題，量化投資則在上述投資的各個(gè)階段，利用數(shù)學(xué)、統(tǒng)計(jì)、計(jì)算機(jī)等分析工具來(lái)建立模型，據(jù)以客觀地分析數(shù)據(jù)，按事先設(shè)定好的投資邏輯來(lái)進(jìn)行投資決策，在理想狀況下執(zhí)行自動(dòng)化下單。正因如此，量化投資擁有可驗(yàn)證性、紀(jì)律性與即時(shí)性等許多主觀交易不具備的優(yōu)勢(shì)。而資金流向作為期貨市場(chǎng)的重要衡量標(biāo)準(zhǔn)之一，不僅受量?jī)r(jià)等指標(biāo)的影響，也與市場(chǎng)波動(dòng)、大盤走勢(shì)密不可分。本文參考已有的資金流向模型，對(duì)價(jià)格、持倉(cāng)量、成交量等指標(biāo)數(shù)據(jù)進(jìn)行測(cè)算分析，找到各指標(biāo)間的函數(shù)關(guān)系，定義資金流向的數(shù)量和方向，從而建立一種新的且符合中國(guó)期貨市場(chǎng)環(huán)境的資金流向規(guī)律模型。進(jìn)一步，將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，使其資金流向得到量化，并從動(dòng)量效應(yīng)和持續(xù)性兩方面分析資金流向與期貨市場(chǎng)的波動(dòng)關(guān)系。

最后，基于新的資金流向模型對(duì)海龜法則量化交易策略進(jìn)行改進(jìn)，力求在保持原有策略優(yōu)勢(shì)的基礎(chǔ)上，使本文所設(shè)計(jì)的量化交易策略能夠更加符合數(shù)據(jù)趨勢(shì)。

二、資金流向模型建立與預(yù)測(cè)

（一）基于兩階段的資金流向模型建立

本文的數(shù)據(jù)來(lái)源為2017年年初至2022年年末三大商品期貨交易所（上海、鄭州、大連）在五大板塊（油類、黑色類、農(nóng)產(chǎn)品、金屬類、化工類）中各品種期貨主力合約的分鐘級(jí)交易記錄。

依托于2017年1月1日至2019年12月31日的商品期貨歷史數(shù)據(jù)，為更準(zhǔn)確分析資金流向規(guī)律，即探究期貨合約價(jià)格（開盤價(jià)、最高價(jià)、最低價(jià)、收盤價(jià)）

、持倉(cāng)量以及成交量三者之間的關(guān)系，保證資金流向模型滿足指標(biāo)性的要求，需將各品種期貨主力合約價(jià)格做以下處理：

Pt=Ht+Lt+Ct+Ot4，?t=1，2，…（1）

式（1）中，Ht、Lt、Ct、Ot分別表示第t個(gè)時(shí)間段某一期貨合約的最高價(jià)、最低價(jià)、收盤價(jià)、開盤價(jià)；Pt表示第t個(gè)時(shí)間段該期貨合約的平均價(jià)格。再定義期貨合約平均價(jià)格、持倉(cāng)量以及成交量三者之間的漲跌方向，如下：

中國(guó)證券期貨2023年12月

第6期

基于市場(chǎng)資金流向分析的商品期貨量化交易策略

Zt=1，?zt>zt-10，?zt=zt-1-1，?zt<zt-1（2）

式（2）中，

Zt的取值表示第t期某一期貨合約價(jià)格、持倉(cāng)量、成交量的漲跌方向取值，Zt=1表示第t期取值大于上一期（上漲），反之Zt=-1則表示小于上一期（下跌），而當(dāng)Zt=0表示第t期的取值等于上一期（持平）。

借鑒股票市場(chǎng)中的實(shí)際資金流向規(guī)律和確認(rèn)模型，類似地，期貨市場(chǎng)的資金流向也可以分為兩個(gè)階段。其中，第一階段可根據(jù)期貨價(jià)格與成交量之間的數(shù)量關(guān)系確認(rèn)資金數(shù)量；第二階段則可根據(jù)排隊(duì)論原理分析在一段時(shí)間內(nèi)的期貨價(jià)格、成交量、持倉(cāng)量的變化關(guān)系，從而判斷出下一個(gè)階段資金流向的具體方向，以獲得更好的投資方式。因此，基于上述理論以及對(duì)2017年1月1日至2019年12月31日交易記錄的數(shù)據(jù)挖掘分析，建立的資金流向模型如下：

MFt=∑nt=1VtPtPt-Pt-1Pt-Pt-1Ot-Ot-1Ot-Ot-1Vt-Vt-1Vt-Vt-1（3）

式中，MFt表示第t期某一商品期貨合約的資金流向，Vt表示成交量，Ot為持倉(cāng)量，Pt表示一個(gè)震蕩格子

hightlowt

opentcloset的趨勢(shì)值，即根據(jù)式（1）對(duì)期貨合約的四種價(jià)格求平均值。觀察建立好的資金流向模型，可知模型前半部分（VtPt）是對(duì)資金流向的數(shù)量計(jì)算，后半部分（3個(gè)括號(hào)連乘項(xiàng)）是對(duì)資金流向的方向判斷。同時(shí)

判斷后半部分的正負(fù)號(hào)

發(fā)現(xiàn)，當(dāng)資金流向?yàn)檎臅r(shí)候，期貨價(jià)格出現(xiàn)的情況并不唯一，有可能上漲，也有可能下跌。另外，根據(jù)本文以及崔海蓉等對(duì)我國(guó)期貨市場(chǎng)成交量、持倉(cāng)量和價(jià)格之間的變動(dòng)關(guān)系分析可知，它們?nèi)咧g存在一定的相關(guān)性。

基于上述理論，假設(shè)：

①以1和-1表示三者的漲跌形式，1表示上漲，-1表示下跌；

②資金流向方向?yàn)?時(shí)，表示資金流入，資金流向方向?yàn)?1時(shí)，表示資金流出。本文采取定量與定性相結(jié)合的方式總結(jié)分析資金流向的規(guī)律，具體指標(biāo)變動(dòng)情況（定量角度）如表1所示。

在分析資金流向規(guī)律之前，應(yīng)知道期貨市場(chǎng)中的買空者是指期貨合約中的買方，其交易行為是先買后賣，預(yù)期標(biāo)的資產(chǎn)價(jià)格將上漲；賣空者是指期貨合約中的賣方，其交易行為是先賣后買，預(yù)期標(biāo)的資產(chǎn)價(jià)格將下降。成交量是指在某一交易時(shí)期內(nèi)某種商品期貨在交易所成交的合約數(shù)量；持倉(cāng)量是指在某一交易時(shí)刻內(nèi)買入或賣出后尚未對(duì)沖或進(jìn)行實(shí)物交割的某種商品期貨合約的數(shù)量。

再?gòu)亩ㄐ越嵌冉忉尫治霰?，可知：

情況1，買空投資者對(duì)市場(chǎng)持十分看好態(tài)度，于是新買方入場(chǎng)大量收購(gòu)期貨商品，使得成交量和持倉(cāng)量均上漲，同時(shí)由于期貨商品供不應(yīng)求而抬高合約價(jià)格，所以顯然此時(shí)為資金流入期貨市場(chǎng)；

情況2，表明買空者和賣空者都在大量對(duì)沖之前買入或者賣出的商品期貨合約，成交量上漲但持倉(cāng)量下降，相較于賣方，由于現(xiàn)階段價(jià)格為上漲趨勢(shì)，所以利于買方獲勝賺取更多差價(jià)收益，從而資金流出市場(chǎng)，不過(guò)未來(lái)價(jià)格很可能馬上會(huì)下跌；

情況3，由于價(jià)格波動(dòng)區(qū)間的逐步平衡，使短線資金無(wú)利可圖，成交的合約數(shù)量下降，又因?yàn)橘I方和賣方對(duì)目前期貨市場(chǎng)的看法分歧不斷加大，紛紛加倉(cāng)，雖然資金對(duì)抗逐步升級(jí)，但賣方動(dòng)量較大，所以資金流出市場(chǎng)；

情況4，由于賣空者大量收購(gòu)以對(duì)沖之前已賣的期貨合約，而買空者卻持觀望態(tài)度，使得持倉(cāng)量、成交量均下降，此時(shí)賣空方為主力軍，資金流入市場(chǎng)，雖然價(jià)格短期內(nèi)向上，但不久后可能回落；

情況5，賣空投資者認(rèn)為期貨市場(chǎng)未來(lái)很有可能是下跌趨勢(shì)，于是新賣方大量出售期貨合約，成交量和持倉(cāng)量隨之上漲，同時(shí)由于期貨商品合約供給大于需求使得其價(jià)格下跌，所以此時(shí)的資金流向?yàn)榱鞒鍪袌?chǎng)；

情況6，表明賣空者更加主動(dòng)利用買空者賣貨平倉(cāng)導(dǎo)致價(jià)格下跌之際陸續(xù)補(bǔ)貨平倉(cāng)獲利，導(dǎo)致成交量上漲但持倉(cāng)量下跌，使得資金流入市場(chǎng)，不過(guò)后續(xù)期貨合約價(jià)格可能會(huì)轉(zhuǎn)為回升；

情況7，說(shuō)明當(dāng)收盤價(jià)比前一天價(jià)位還低而持倉(cāng)量增加，意味著買方動(dòng)量大于賣方，且主掌價(jià)格走勢(shì)，資金流入市場(chǎng)；

情況8，由于投資者對(duì)市場(chǎng)失去希望，為避免更大損失，大量買空者急于選擇賣貨平倉(cāng)，供給大于需求使得短期內(nèi)價(jià)格很可能繼續(xù)下跌，此時(shí)為資金流出市場(chǎng)。

（二）基于動(dòng)態(tài)三次指數(shù)平滑模型的資金流向預(yù)測(cè)

資金流向的持續(xù)性可以從行為金融學(xué)的角度進(jìn)行分析，分為動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)。動(dòng)量效應(yīng)（正反饋）可以解釋當(dāng)期資金流向與未來(lái)資金流向之間的正相關(guān)性，反轉(zhuǎn)效應(yīng)（負(fù)反饋）可以解釋當(dāng)期資金流向與未來(lái)資金流向之間的負(fù)相關(guān)性。由于這是從股票市場(chǎng)的長(zhǎng)期趨勢(shì)中分析得出的，本文從中短期出發(fā)，發(fā)現(xiàn)一定時(shí)期內(nèi)，當(dāng)期資金流向與未來(lái)資金流向之間的關(guān)系并不是簡(jiǎn)單的正相關(guān)或者負(fù)相關(guān)的關(guān)系，二者之間應(yīng)該是隱式相關(guān)關(guān)系且具有隨機(jī)性。同時(shí)，經(jīng)前人分析總結(jié)，發(fā)現(xiàn)當(dāng)期的資金流向與越靠近往期資金流向之間的關(guān)系更為密切。

本文為了更好地預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的資金流向以便更加合理地設(shè)計(jì)交易策略，還需建立一個(gè)資金流向預(yù)測(cè)模型。但由于所有市場(chǎng)、板塊、單一期貨的資金流向都處于一種無(wú)規(guī)律的波動(dòng)離散狀態(tài)，交易數(shù)據(jù)又實(shí)時(shí)更新，所以最終決定采用自適應(yīng)動(dòng)態(tài)三次指數(shù)平滑模型對(duì)當(dāng)期與往期資金流向之間的關(guān)系進(jìn)行模擬回歸分析。具體公式如下：

MFt（1）=αtMFt+1-αtMFt-1（1）?MFt（2）=αtMFt（1）+1-αtMFt-1（2）MFt（3）=αtMFt（2）+1-αtMFt-1（3）（4）

式中，MFt表示第t期原始標(biāo)準(zhǔn)化資金流向，MFt（1）、MFt（2）、MFt（3）分別表示第t期一次、二次、三次動(dòng)態(tài)指數(shù)平滑標(biāo)準(zhǔn)化資金流向，αt表示動(dòng)態(tài)平滑系數(shù)。于是新的預(yù)測(cè)公式為

MF︿t+m=at+bt·m+ct·m2（5）

式中，MF︿t+m表示第t+m期最終預(yù)測(cè)的標(biāo)準(zhǔn)化資金流向，m表示需要預(yù)測(cè)的期數(shù)與當(dāng)前期數(shù)的間隔數(shù)且取正整數(shù)，bt、ct分別表示m的一次項(xiàng)、二次項(xiàng)回歸系數(shù)。其中，預(yù)測(cè)參數(shù)為

at=3MF（1）t-3MF（2）t+MF（3）t（6）

bt=αt21-αt2·［（6-5αt）MF（1）t-10-8αtMF（2）t+4-3αtMF（3）t］（7）

ct=α2t21-αt2·MF（1）t-2MF（2）t+MF（3）t（8）

當(dāng)t=1、2時(shí)，每一次都令預(yù)測(cè)值等于所選取的N期數(shù)據(jù)的初始值，即MF︿1=MF1，MF︿2=MF2。

通過(guò)上述公式以及前t期數(shù)據(jù)可以預(yù)測(cè)出第t+1期標(biāo)準(zhǔn)化資金流向，以此類推，便可得到所需的全部標(biāo)準(zhǔn)化資金流向。

為了展示本文資金流向預(yù)測(cè)模型的擬合效果，反映整個(gè)市場(chǎng)的供需情況和價(jià)格變化趨勢(shì)，選取了上海商品期貨交易所的鋁期貨（金屬類板塊）、鄭州商品期貨交易所的甲醇期貨（化工類板塊）和強(qiáng)麥期貨（農(nóng)產(chǎn)品類板塊）、大連商品期貨交易所的焦煤期貨（黑色類板塊）和棕櫚油期貨（油類板塊）中主力合約2017年1月1日至2019年12月31日交易數(shù)據(jù)。再分別以1、5、10、20天為周期進(jìn)行平滑處理，平滑前后的擬合效果如表2所示。

從表2中平滑前后的資金流向擬合優(yōu)度R2發(fā)現(xiàn)，周期為1的各項(xiàng)期貨的擬合優(yōu)度最低，分別為0087、0143、0135、0053和0045，周期為20的各項(xiàng)期貨的擬合優(yōu)度最高，分別為0695、0812、0721、0771和0650，隨著考慮周期長(zhǎng)度的增加，對(duì)應(yīng)擬合優(yōu)度越高。因此，為了更好地預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的資金流向，設(shè)計(jì)出更加合理的商品期貨量化交易策略，以20天為周期進(jìn)行分析是最合理且有效的。

三、基于資金流向的改進(jìn)海龜法則策略

（一）構(gòu)建量化交易策略

由于海龜量化交易策略的回撤率很大，可能會(huì)導(dǎo)致很大的利潤(rùn)回吐，對(duì)于大額投資或者風(fēng)險(xiǎn)厭惡型的投資者來(lái)說(shuō)將是一場(chǎng)災(zāi)難。另外，該策略對(duì)于期貨的類型具有偏向性。

同時(shí)，雖然在某些期貨板塊比較適用，但在其他板塊則可能發(fā)生虧損，從而無(wú)法達(dá)到通過(guò)多品種期貨合約組合交易策略來(lái)降低風(fēng)險(xiǎn)、增加收益的目的。

因此，為克服上述缺點(diǎn)，本文在原始海龜策略的基礎(chǔ)上進(jìn)行了相應(yīng)的改進(jìn)。

參考已有的海龜量化交易策略以及前文所建立的資金流向模型，本文改進(jìn)后的突破交易策略如下。

開多條件：當(dāng)前時(shí)刻的資金流向高于上軌，前一時(shí)刻的資金流向高于上軌；

開空條件：當(dāng)前時(shí)刻的資金流向低于下軌，前一時(shí)刻的資金流向低于下軌；

平多條件：當(dāng)前時(shí)刻的資金流向位于下軌以上中軌以下，前一時(shí)刻的資金流向高于當(dāng)前時(shí)刻的資金流向；

平空條件：當(dāng)前時(shí)刻的資金流向位于上軌以下中軌以上，前一時(shí)刻的資金流向低于當(dāng)前時(shí)刻的資金流向；

上、下軌由唐奇安通道的上、下軌改為資金流向的上、下軌。同時(shí)，在唐奇安通道的基礎(chǔ)上又設(shè)計(jì)了一條中軌，且記為0。具體變化如表3所示。

另外，為做好止損止盈和資金管理，加強(qiáng)量化交易的可靠性，本文設(shè)計(jì)交易策略時(shí)還參考了均幅指標(biāo)ATR，它可以通過(guò)移動(dòng)平均的方式平滑一定周期內(nèi)的單日價(jià)格波動(dòng)幅度，避免因市場(chǎng)變化太大導(dǎo)致發(fā)出錯(cuò)誤突破交易信號(hào)的問(wèn)題。因此，本文以ATR指標(biāo)值較小時(shí)為突破通道的前提條件，從而達(dá)到優(yōu)化止損止盈和資金管理以及加強(qiáng)量化交易可靠性的目的。ATR計(jì)算公式如下：

ATRt=TRt+N-1ATRt-1N（9）

式中，N表示平均波動(dòng)周期，TRt表示當(dāng)日期貨合約最高價(jià)減去最低價(jià)的差值。

（二）策略回測(cè)效果分析

1回測(cè)效果

在對(duì)我國(guó)五大期貨板塊（油類、黑色類、農(nóng)產(chǎn)品類、金屬類、化工類）進(jìn)行量化交易研究時(shí)，建議采用足夠長(zhǎng)的回測(cè)數(shù)據(jù)樣本區(qū)間。這樣可以更好地評(píng)估策略的穩(wěn)定性和有效性。通常建議使用至少3～5年的歷史數(shù)據(jù)進(jìn)行回測(cè)，盡可能覆蓋各種市場(chǎng)情況和周期。此外，還要確保樣本區(qū)間內(nèi)的數(shù)據(jù)具有代表性，包括不同行情、漲跌幅度和市場(chǎng)波動(dòng)性等，以便更全面地驗(yàn)證和調(diào)整交易策略。最后，還要注意樣本區(qū)間的更新，定期評(píng)估和優(yōu)化策略，以適應(yīng)市場(chǎng)的變化。

對(duì)此，基于經(jīng)典的海龜策略，本文構(gòu)建了新的商品期貨量化交易策略。但為了保證策略的真實(shí)有效性，還須通過(guò)實(shí)際數(shù)據(jù)對(duì)其加以驗(yàn)證。因此，在上一節(jié)利用2017年1月1日至2019年12月31日的商品期貨歷史數(shù)據(jù)分析資金流向規(guī)律的基礎(chǔ)上，為正確評(píng)價(jià)改進(jìn)策略對(duì)于單一期貨的效果，用于實(shí)證研究的期貨品種與上一節(jié)保持一致，但只使用2020年1月1日至2022年12月31日交易數(shù)據(jù)。

因?yàn)楸疚乃婕暗钠谪浿髁霞s是分鐘級(jí)的高頻數(shù)據(jù)，具有不連續(xù)、數(shù)據(jù)量龐大、噪聲強(qiáng)的特點(diǎn)，所以需將高頻數(shù)據(jù)為基礎(chǔ)統(tǒng)計(jì)粗化為天級(jí)，再對(duì)期貨主力合約的天級(jí)數(shù)據(jù)通過(guò)改進(jìn)后的海龜法則量化交易策略進(jìn)行回測(cè)分析。在本策略中，設(shè)定選擇手續(xù)費(fèi)率為0000026、無(wú)風(fēng)險(xiǎn)利率為002、滑價(jià)為0、初始資金為1000萬(wàn)元，且不做資金配置?；販y(cè)結(jié)果如表4所示。

從表4分析可知，基于資金流向的改進(jìn)海龜法則量化交易策略，除強(qiáng)麥期貨的年化收益率為較小負(fù)值-103%外，其余商品期貨均能獲得正收益，其中甲醇的年化收益率1447%和勝率5724%均為5種期貨品種之最，表明本文設(shè)計(jì)的交易策略在大多數(shù)期貨品種中可以給投資者帶來(lái)收益。由于量化金融中的勝率是指參與交易的獲利次數(shù)占總次數(shù)的百分比，該指標(biāo)值的大小在一定程度上會(huì)影響投資益虧，但是并不絕對(duì)。觀察表4中的焦煤，其勝率4987%為最低值，但以年化收益率來(lái)看，投資者仍然可以獲取較大收益。除此之外，除甲醇的最大回撤率超過(guò)10%，其余商品期貨的最大回撤率即面臨的最大虧損幅度均低于10%，這對(duì)擔(dān)心利潤(rùn)回吐過(guò)大的投資者來(lái)說(shuō)，是一個(gè)利好消息，同時(shí)也表明本文改進(jìn)后的策略具有抗風(fēng)險(xiǎn)能力強(qiáng)的特點(diǎn)。

2策略比較

在已知本文設(shè)計(jì)的策略對(duì)單一期貨品種量化交易的回測(cè)結(jié)果優(yōu)于原始海龜交易策略的結(jié)論上（見表4、表5），還應(yīng)考慮模型的有效性和穩(wěn)健性。因此本文還研究了改進(jìn)后的策略與原始海龜交易策略在同一板塊以及同一交易場(chǎng)所中對(duì)應(yīng)商品期貨的綜合效果。先分別對(duì)同板塊、同交易所中的多個(gè)期貨合約的交易記錄采用均值法，得到不同期貨板塊和商品交易所在6個(gè)指標(biāo)（開盤價(jià)、最高價(jià)、最低價(jià)、收盤價(jià)、持倉(cāng)量、成交量）的平均值，再對(duì)處理好的數(shù)據(jù)進(jìn)行歷史回測(cè)，比較結(jié)果如表6、表7所示。

通過(guò)表6分析可知改進(jìn)后的量化交易策略在年化收益率方面，除了油類的-226%未能實(shí)現(xiàn)獲利，但至少大幅度地減少了1329%的虧損，而表5??原始量化交易策略對(duì)單一期貨回測(cè)結(jié)果其余板塊均實(shí)現(xiàn)了正收益，其中黑色類的年化收益率1907%無(wú)疑是最可觀的，同時(shí)還使農(nóng)產(chǎn)品的收益率從-035%提升到1059%發(fā)生了質(zhì)的改變，即從虧損轉(zhuǎn)向?yàn)橥顿Y獲利。另外，雖然金屬類和化工類年化收益率提高的幅度在2%左右，但從勝率角度來(lái)看，改進(jìn)策略要好于原始策略。再?gòu)淖畲蠡爻仿式嵌葋?lái)看，改進(jìn)后的策略使最大回撤率均減小到10%以內(nèi)，有效避免了利潤(rùn)回吐過(guò)大的問(wèn)題，證明了本文設(shè)計(jì)的自動(dòng)量化交易策略有益于期貨市場(chǎng)中風(fēng)險(xiǎn)規(guī)避型投資者參考應(yīng)用。通過(guò)表7分析可知，改進(jìn)后的交易策略應(yīng)用于不同的商品期貨交易所中，年化收益率均能保持在6%左右，屬于一個(gè)比較穩(wěn)定可觀的范圍，說(shuō)明策略仍是可用的。另外，改進(jìn)的策略在提高大約10%勝率的同時(shí)，也使最大回撤率均下降到5%以內(nèi)，再次證明改進(jìn)策略在避免過(guò)度利潤(rùn)回吐、抗風(fēng)險(xiǎn)性能方面占有一定優(yōu)勢(shì)。

綜上所述，對(duì)于本文所設(shè)計(jì)的量化交易策略無(wú)論是在單一期貨品種上，還是在不同期貨板塊或者商品期貨交易所市場(chǎng)上，其年化收益率、勝率、最大回撤率均優(yōu)于原始策略的回測(cè)結(jié)果。由此可見，本文所設(shè)計(jì)的基于資金流向模型的改進(jìn)海龜法則量化交易策略具有實(shí)用性和有效性，可供投資者在做期貨投資時(shí)參考。

四、結(jié)論與啟發(fā)

通過(guò)資金流向模型、交易策略的建立不難看出：

①期貨的資金流向受期貨價(jià)格（最高價(jià)、最低價(jià)、收盤價(jià)、開盤價(jià)）、成交量、持倉(cāng)量6個(gè)指標(biāo)共同影響；

②采用兩階段模式改進(jìn)的資金流向模型，再結(jié)合動(dòng)態(tài)三次指數(shù)平滑模型預(yù)測(cè)資金流向的方法，能夠反映真實(shí)的資金流向規(guī)律，所以總結(jié)分析出的8種資金流向規(guī)律情況可對(duì)照應(yīng)用現(xiàn)實(shí)期貨投資場(chǎng)景；

③基于資金流向模型的改進(jìn)海龜法則量化交易策略能夠更加有效地使年化收益率保持在一個(gè)相對(duì)穩(wěn)定、可觀的范圍內(nèi)，并且在提高勝率的同時(shí)還能減小最大回撤率，具有既能降低風(fēng)險(xiǎn)又能增加收益的優(yōu)勢(shì)。

在后續(xù)商品期貨量化交易的研究中，為避免基于資金流向模型的改進(jìn)海龜法則交易策略在期貨板塊上的回測(cè)效果中存在年化收益率略不穩(wěn)定現(xiàn)象的問(wèn)題，有所啟發(fā)。例如，黑色類的收益雖然比較可觀，但是同樣的策略應(yīng)用于油類則會(huì)產(chǎn)生虧損，所以要想在商品期貨板塊中獲得收益，還需更加深入的市場(chǎng)挖掘分析和更加頻繁有效的專業(yè)手段來(lái)優(yōu)化量化交易策略。而針對(duì)上述問(wèn)題，投資者在同一交易所的多個(gè)期貨品種進(jìn)行投資時(shí)，可以進(jìn)行二次資金配置，具體操作為建倉(cāng)時(shí)先簡(jiǎn)單地對(duì)所有需要投資的期貨品種按平均分配原則投入初始資金，一段時(shí)間后對(duì)收益率為負(fù)的期貨品種補(bǔ)貨平倉(cāng)后不再對(duì)其追加投資，而是將結(jié)余的資金加倉(cāng)到勝率高、回撤率小且預(yù)測(cè)未來(lái)資金流向?yàn)檎较虻钠谪浧贩N中，分配資金的權(quán)重可由前期的收益率大小或結(jié)合其它指標(biāo)來(lái)決定。

參考文獻(xiàn)

［1］彭志量化投資和高頻交易：風(fēng)險(xiǎn)、挑戰(zhàn)及監(jiān)管［J］.南方金融，2016（10）：84-89

［2］王國(guó)剛，相倚天從資金流向看流動(dòng)性的內(nèi)涵和機(jī)理[J]?金融評(píng)論，2022，14（4）：21-42，124

［3］ROOSI?S，?TINN?K?Rational?quantitative?tradi-ng?in?efficient?markets［J］.Journal?of?Economic?Theory，?2021，?191（C）：105-127

［4］陳鴻股指期貨市場(chǎng)有效性與資金流向分析［J］.商業(yè)時(shí)代，2013（9）：90-92

［5］何誠(chéng)穎，劉英，徐清振基于二階段模型的中國(guó)股市資金流向研究［J］.管理世界，2011（2）：16-26

［6］崔海蓉，何建敏，胡小平FIEGARCH-EVTES風(fēng)險(xiǎn)測(cè)度及在期貨市場(chǎng)的應(yīng)用［J］.南京航空航天大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2011，13（2）：28-33

［7］王英姿，吳愛(ài)民，陳艷金融業(yè)務(wù)綜合實(shí)訓(xùn)教程［M］.北京：?北京交通大學(xué)出版社，2014

［8］徐洪才期貨投資學(xué)［M］.第三版北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，?2014

［9］王興芬，劉昌昊鐵礦石期貨價(jià)格波動(dòng)與投資者市場(chǎng)情緒——采集“東方財(cái)富”互聯(lián)網(wǎng)新聞數(shù)據(jù)構(gòu)建情緒指數(shù)的分析［J］.價(jià)格理論與實(shí)踐，2020（11）：81-84，183

［10］龐海峰期貨市場(chǎng)理論與實(shí)務(wù)［M］.北京：中國(guó)金融出版社，2017

［11］孫鳳娥，蘇寧，江永宏企業(yè)期貨市場(chǎng)投機(jī)行為效應(yīng)——基于中國(guó)有色金屬行業(yè)的實(shí)證研究［J］.?工業(yè)技術(shù)經(jīng)濟(jì)，?2016，?35（5）：?156-160

［12］張兵，張瑞祺中國(guó)股市換手特征與“消失”的動(dòng)量效應(yīng)［J］.經(jīng)濟(jì)學(xué)報(bào)，2022，9（4）：124-143

［13］徐曉芳基于市場(chǎng)資金流向的商品期貨量化交易策略［D］.青島：山東科技大學(xué)，2021

［14］張茂軍，饒華城，南江霞，等基于決策樹的量化交易擇時(shí)策略［J］.系統(tǒng)工程，2022，40（2）：?118-130

［15］YE?C，?QIU?Y?J，?LU?G?H，?et?al?Quantitative?strategy?for?the?Chinese?commodity?futures?market?based?on?a?dynamic?weighted?money?flow?model［J］.Physica?A：Statistical?Mechanics?and?its?Applications，2018，?512（15）：1009-1018.

［16］XIE?Y?L，?JIN?M?P，?ZOU?Z?P，?et?alReal-time?prediction?of?docker?container?resource?load?based?on?a?hybrid?model?of?ARIMA?and?triple?exponential?smoothing?［J］.?IEEE?Transactions?on?Cloud?Computing，?2020，?10（2）：1386-1401.

［17］牛永魁基于海龜交易系統(tǒng)的量化交易應(yīng)用研究［D］.天津：河北工業(yè)大學(xué)，?2014

［18］余冬悅基于技術(shù)指標(biāo)組合的程序化交易策略［J］.?荊楚理工學(xué)院學(xué)報(bào)，2019，34（6）：32-38

［19］黃銳量化交易改善了中國(guó)股指期貨市場(chǎng)質(zhì)量嗎？——基于股指期貨高頻數(shù)據(jù)的分析［J］.金融經(jīng)濟(jì)學(xué)研究，2016，31（3）：60-69