本报告发掘并测试了3个技术指标因子ARBR、DBCD和RMI在商品期货市场的量化策略表现。单因子中,DBCD表现最佳,夏普比率近1.5,合成策略显著提升绩效,年化收益达26.94%,夏普比率1.874,最大回撤14.3%。策略在多数年份实现正收益,具有较好稳定性,但2022年起波动与回撤有所加大,仍需改进以满足实盘交易需求 。
| 因子 | 年化收益 | 波动率 | 夏普比率 | 卡玛比率 | 最大回撤 |
|---|---|---|---|---|---|
| ARBR | 11.65% | 13.02% | 0.741 | 0.441 | 26.42% |
| 因子 | 年化收益 | 波动率 | 夏普比率 | 卡玛比率 | 最大回撤 |
|---|---|---|---|---|---|
| DBCD | 20.59% | 12.68% | 1.466 | 1.345 | 15.30% |
| 因子 | 年化收益 | 波动率 | 夏普比率 | 卡玛比率 | 最大回撤 |
|---|---|---|---|---|---|
| RMI | 30.04% | 34.41% | 0.815 | 0.567 | 52.95% |
| 年份 | 总收益 | 波动率 | 最大回撤 | 夏普比率 | 卡玛比率 |
|---|---|---|---|---|---|
| 2014 | -2.48% | 7.69% | 10.02% | -0.586 | -0.250 |
| 2015 | 22.50% | 10.00% | 5.75% | 2.085 | 3.974 |
| 2016 | 36.93% | 16.69% | 8.24% | 2.121 | 4.541 |
| 2017 | 30.74% | 8.40% | 3.91% | 3.480 | 7.977 |
| 2018 | 25.21% | 9.79% | 4.24% | 2.410 | 6.041 |
| 2019 | 25.32% | 9.75% | 7.17% | 2.408 | 3.555 |
| 2020 | 76.74% | 15.77% | 3.85% | 4.758 | 20.025 |
| 2021 | 43.66% | 16.06% | 6.76% | 2.630 | 6.549 |
| 2022 | 29.35% | 18.92% | 12.43% | 1.470 | 2.399 |
| 2023 | -3.76% | 15.59% | 14.30% | -0.373 | -0.267 |
| 2024* | 2.20% | 5.80% | 1.33% | 2.013 | 10.307 |
报告标题:量化策略:技术指标在商品期货市场里的应用(十)
作者:陆昶燚
发布机构:中信建投期货有限公司
发布日期:2024年3月11日
主题:期货市场中技术指标的应用及量化策略开发,重点在三个技术因子(ARBR,DBCD,RMI)的挖掘和策略测试。
核心论点与结论:
报告核心围绕通过技术指标量化策略在期货流动性较好品种中的应用,深入对三个因子ARBR、DBCD及RMI进行回测分析和策略合成验证。结果表明,单因子中DBCD表现最佳,其夏普比率和卡玛比率均显著高于其他因子;ARBR和RMI虽表现一般但两个因子间相关性较低,经过合成后整体策略的稳定性和绩效均有显著提升,夏普率达到1.874,年化收益26.94%,最大回撤仅14.3%,表现优异。
报告详细介绍了三个技术指标:
ARBR:基于多空力量对比的指标,通过计算AR(市场卖方力量)和BR(市场买方力量),反映价格的供需关系。此指标结合开盘价、收盘价、最高价及最低价,通过两个指标的交叉信号产生交易指示,信号逻辑明确,买入卖出信号均基于AR和BR线的位置变化。
DBCD(异同离差乖离率):类似乖离率,是乖离率的离差移动平均,平滑且减少伪信号,信号阈值为±5%,形态更稳定,适合捕捉价格远离均线的趋势信号。
RMI(相对动量指数):基于RSI改良,通过将动量观测窗口调整为4天,增强趋势识别和超买超卖能力。信号产生于60和40的上下穿越,灵敏度介于短期和长期指标之间。
报告采用多项指标衡量策略表现:
这些指标全面衡量策略回报、风险和稳定性,是期货量化策略评判的常用方法。
公式明确且详尽:
ARBR中的AR和BR分别通过最高价、开盘价及前日收盘价构建,信号机制基于AR值的50和200阈值及BR值的100阈值的上穿和下穿形成买卖信号。双线都发出买信号时做多,双线均发出卖信号时做空。
DBCD通过乖离率差异的移动平均判定,阈值分别为+5%和-5%,确保信号明确且滤除市场噪音。
RMI采用动量时间窗4天代替RSI中的1天差量,信号阈值为上下穿越60和40,提升趋势捕捉能力。
此部分不仅提供技术指标的数学结构,也说明了实际交易信号的生成逻辑,体现因子的实战可用性。
报告对三个因子的单独回测进行了详细展示:
ARBR表现平稳,年化收益11.65%,波动率13.02%,夏普比率0.741,卡玛比率0.441,最大回撤26.42%,最大回撤周期420日,说明收益稳定但回撤偏大,盈利能力中等。
DBCD表现最好,年化收益20.59%,波动率12.68%,夏普比率1.466,卡玛比率1.345,最大回撤仅15.30%,最长回撤周期460日,突显其稳健与高收益的平衡性。
RMI年化收益最高达30.04%,但波动率极高(34.41%),夏普比率0.815,卡玛比率0.567,且最大回撤高达52.95%,回撤周期最短280日,显示高收益伴随高风险和大幅回撤。
三个因子间相关性低(低于0.3),因此后续合成策略具备分散风险的潜力,改善整体稳定性。
资金分配方案:采用全品种均等权重分配,杠杆系数2.0,季度调整资金分配,涵盖期货市场30多个流动性较好的品种,手续费包含交易所费用加20%,进行日频交易回测,时间跨度2014年至2024年初。
合成策略绩效:年化收益率达26.94%,波动率13.33%,夏普比率高达1.874,卡玛比率1.884,最大回撤14.3%,最大回撤周期229天,明显超越单一因子绩效。组合策略显著改善了夏普比率和风险调整回报,且最大回撤低于单因子大部分。
年度表现:仅2014年和2023年出现负收益,其他年份均为正收益,且多个年份回报超过30%,2020年收益最高达76.74%,最大回撤控制良好,多年保持风险收益表现优异。2024年以来策略表现稳健,回撤较小,夏普比率高,表现良好。
策略虽整体稳定且收益优良,但回撤幅度及周期在2022年后稍显恶化,表明仍有改进空间。
图表均支持报告对因子单独和组合表现评估,具体数字与形态趋势相辅相成,形象展现因子效能和组合优势。
本报告为量化策略开发与回测,不涉及传统意义上的公司估值模型,无DCF、市盈率或企业价值等估值方法应用。模型以历史因子表现与统计量化指标(年化收益、夏普率、最大回撤、波动率)为核心衡量标准,侧重于策略效能及风险控制。
报告强调以下风险:
报告未具体提出风险缓释措施,但指出后续将继续优化因子,加强策略稳定性,暗示正在进行风险管理的持续改进,8]。
因子选择与解释稍显混乱:开头提及“本文经过分析挖掘出3个较为有效的技术因子,分别是KAMA和SMI”,但后文实际分析因子为ARBR、DBCD与RMI,存在信息表述不一致或笔误,需关注因子定义准确性。
单因子性能差异大:DBCD显著优于其他因子,RMI波动极大但收益最高,ARBR表现平稳但收益偏低。三个因子内部差异性大,合成策略依赖于低相关性带来的分散效应,意味着单独因子表现有限,策略成功较大程度基于组合优化。
策略回撤和波动性仍需关注:2022年后策略波动和回撤显著增加,长期稳定性不够理想,策略在实际交易面临较大挑战。
回测参数较为标准,但杠杆倍数和手续费设置会影响结果泛化,实际操作风险可能更高。
整体看,报告基于丰富数据与合理指标架构,具有较强说服力,但某些细节需注意表述准确及长期稳定性改进,8]。
本报告系统梳理并分析了基于三个技术指标ARBR、DBCD和RMI的期货量化交易策略,重点在挖掘技术指标的因子信号,并通过实证回测数据显示:
综上,作者通过科学的信号设计、严谨的回测参数设定与充分的数据验证,展示了技术指标因子在期货量化交易中的潜力及应用前景,尽管存在改进空间,但合成因子策略已显著超越单因子表现,为未来实盘应用奠定坚实基础。
参考文献和数据来源均为中信建投期货,报告完整性与专业性较高,适合具备一定量化交易基础的投资者深入理解与实践。
量化策略:技术指标在商品期货市场里的应用(十).pdf