余冬悅

摘要：通過技術(shù)指標(biāo)組合方法，使用布林通道、唐安奇通道和自適應(yīng)均線構(gòu)建程序化交易策略模型，并運用大連商品期貨交易所的焦炭品種進(jìn)行實證研究。實證結(jié)果顯示：與單指標(biāo)模型相比，技術(shù)指標(biāo)組合模型具有更穩(wěn)定的投資效果，通過進(jìn)一步優(yōu)化模型參數(shù)，可得到明顯增強的價值回報。

關(guān)鍵詞：程序化交易;技術(shù)指標(biāo)組合;焦炭期貨

中圖分類號：F832.5;F224 文獻(xiàn)標(biāo)志碼：A 文章編號：1008-4657（2019）06-0032-07

0 引言

近年來，金融科技成為金融轉(zhuǎn)型與改革的重中之重。2019年9月9～10日證監(jiān)會提出的深化資本市場改革12條中，就明確表示要推進(jìn)科技與業(yè)務(wù)的深度融合。從信息系統(tǒng)到數(shù)據(jù)建模，計算機為金融領(lǐng)域帶來了前、中、后臺全方位的革新。在二級市場中，全自動的程序化交易已經(jīng)逐步替代手動交易，程序化交易以其精準(zhǔn)、大批量等特點備受個人和機構(gòu)投資者青睞。

上世紀(jì)開始，程序化就已起步，發(fā)展至今有幾十年的歷史。程序化交易的概念起源于二十世紀(jì)七十年代的美國，紐約證券交易所最早將程序化交易應(yīng)用于股票市場，隨后，逐漸普及到期貨、期權(quán)、外匯、黃金等金融二級市場，在各個金融領(lǐng)域獲得認(rèn)可[1]。進(jìn)入20世紀(jì)，我國先后設(shè)立了鄭州商品交易所、上海期貨交易所、大連商品交易所、中國金融期貨交易所。期貨的交易品種也逐漸增多，如2019年就批準(zhǔn)設(shè)立了14個期貨品種。截止至2019年底，我國的期貨市場基本形成場內(nèi)場外共同發(fā)展的趨勢，期貨市場的功能逐步完善。

就現(xiàn)有的關(guān)于程序化交易的研究來看，主要集中在基礎(chǔ)交易模型的構(gòu)建、交易策略的選擇以及交易指令的優(yōu)化等方面。主流的程序化研究類型包括套利、算法以及高頻交易[2]。例如，以海龜交易為基礎(chǔ)，使用均線、通道線或者趨勢線等進(jìn)行基本面或技術(shù)面的策略構(gòu)建[3]。在策略構(gòu)建的基礎(chǔ)上，林登鵬[4]、王博[5]通過GARCH-Var模型對市場風(fēng)險進(jìn)行提示?？碌偎官M斯[6]、丁鵬[7]將資金管理的概念引入投資模型，一定程度上推進(jìn)了程序化交易市場規(guī)范發(fā)展[8]?，F(xiàn)階段，DTS、TB、文華財經(jīng)為主要策略平臺，基于平臺編寫程序化交易代碼，為目前程序化策略開發(fā)主要模式[9]。但這些研究，對于技術(shù)指標(biāo)組合以及焦炭期貨的涉及較少，且均采取了單一模型的實證研究，缺少對比論證。本文接下來會對焦炭期貨，使用技術(shù)指標(biāo)組合進(jìn)行模擬回測，從而給出一套完整的交易策略。

1 程序化交易概述

1.1 我國程序化交易發(fā)展現(xiàn)狀

我國的程序化交易與國外相比，起步較晚。我國使用全自動程序化的交易者占總投資人數(shù)不足5%，參考程序化交易信號的人數(shù)不足20%。與英仕曼、高瓴資本等全球大型對沖基金公司相比，我國使用程序化下達(dá)指令的數(shù)量還存在很明顯的差距[10]。早在2011年，芝加哥商品期貨交易所的標(biāo)準(zhǔn)普爾500指數(shù)期貨合約，程序化交易成交量占比就達(dá)到47%。與國外成熟的市場相比，我國對程序化交易的應(yīng)用主要集中在期貨市場，在其他領(lǐng)域的應(yīng)用相對局限。

我國程序化交易策略也經(jīng)歷了漫長的摸索。傳統(tǒng)的開發(fā)策略是通過投資者的金融、計算機能力生成投資策略，此種投資方式需要大量的時間成本并且容易受到投資經(jīng)驗的影響[11]?，F(xiàn)如今的投資策略主要以系統(tǒng)生成策略為主，個人投資經(jīng)驗為輔，再生成交易指令。通過機器選擇交易品種，在機器內(nèi)部實現(xiàn)策略優(yōu)化和實盤回測。我國現(xiàn)如今的研究主要集中在技術(shù)層面，突破相對較少。

目前TB、文華財經(jīng)、金字塔以及Kingtrade等平臺的發(fā)展，給予大機構(gòu)投資者、中小機構(gòu)以及個人投資者，更多的選擇空間。其平臺系統(tǒng)的完善也大大促進(jìn)了程序化的發(fā)展進(jìn)程，交易者可以很容易地在軟件中編寫程序，進(jìn)行模擬回測，隨時調(diào)整模型策略[12]。在交易策略成為研究重點的今天，平臺提供了重要的技術(shù)支持。

在未來，我國程序化交易一定會在“算法交易”的道路上更加深入，將大數(shù)據(jù)、人工智能等新興產(chǎn)業(yè)模式吸收合并，提高交易價值，減少相應(yīng)的系統(tǒng)風(fēng)險，形成符合新時代大環(huán)境的程序化交易體系。

1.2 程序化交易的優(yōu)缺點

被稱為“算法交易”的程序化交易，顧名思義是通過對計算機下達(dá)指令，尋找交易時機，完成自主交易。首先，程序化交易可以節(jié)約人力資本，計算機盯盤，并不需要過多的人為操作，減少了人為的情緒因素、偏好等對投資效率的影響。程序化交易能根據(jù)原先設(shè)定的觸發(fā)條件，客觀可靠地排除干擾，謹(jǐn)慎交易。其次，程序化交易可以大批量處理數(shù)據(jù)。在進(jìn)行分散組合的投資時，可以在同一時間內(nèi)針對不同端口遠(yuǎn)程下單。通過計算機運算，可以迅速找出價差或者套利空間，完成交易跟蹤[13]。

程序化交易也有很多缺點，首先，全計算機語言交易，對策略的要求過高。雖然如今金融科技的發(fā)展要求操盤交易的人員需要具備計算機編程能力，但不同機構(gòu)對從業(yè)人員要求不同，其編程能力也參差不齊。其次，程序化交易策略往往使用的是歷史數(shù)據(jù)，對市場的反應(yīng)具有一定的時滯性，行情難以準(zhǔn)確把握。在實際交易中，并非所有的情況都可以轉(zhuǎn)化成機器語言，也并非所有標(biāo)的資產(chǎn)都能夠準(zhǔn)確量化。因此，程序化交易也容易錯失信號時機，對收益率產(chǎn)生負(fù)影響[14]。

2 交易模型的建立與實證檢驗

使用期貨的基本數(shù)據(jù)，經(jīng)過一系列計算，產(chǎn)生可以衡量期貨走勢的相關(guān)指標(biāo)，形成圖形，對未來期貨品種的走勢產(chǎn)生預(yù)測。常用的技術(shù)指標(biāo)模型主要可以分為趨勢類型、擺動類型和量倉類型。主要的趨勢類型指標(biāo)有：移動平均線組合（MA）、布林通道線（BOLL）、日內(nèi)均價線（SP）、多空指數(shù)（BBI）;擺動類型的指標(biāo)主要有：平均線差（DMA）、趨向指標(biāo)（DMI）、威廉指標(biāo)（LWR）;量倉類型指標(biāo)主要有：均量線（MV）、多空量比（DUALVOL）、價量趨勢指數(shù)（PVT）等[15]。本文采用的是技術(shù)指標(biāo)組合的策略模型，選擇的指標(biāo)為：布林通道、唐安奇通道和自適應(yīng)均線。將此技術(shù)指標(biāo)組合運用于大連期貨交易所的焦炭品種，并對模擬出的結(jié)果進(jìn)行分析和參數(shù)優(yōu)化。

2.1 采用的技術(shù)指標(biāo)

2.1.1 布林通道指標(biāo)（BOLL）

BOLL指標(biāo)是美國的約翰·布林在對股市的分析中結(jié)合統(tǒng)計學(xué)中的標(biāo)準(zhǔn)差原理設(shè)計出來的一種判斷中長期走勢的基本技術(shù)分析指標(biāo)。布林通道模型認(rèn)為，市場價格的波動會圍繞某一特定值在一定的范圍之內(nèi)上下波動，因此存在“價格通道”[16]。在模型中存在三條線，上軌線（UP）、中軌線（MID）和下軌線（DOWN）。中軌線MA為N日的均值：

在布林指標(biāo)模型下，價格主要在通道區(qū)間內(nèi)上下波動，通道中上下軌道之間的距離主要受期貨價格的影響，并且與價格波動成正比關(guān)系。當(dāng)價格趨勢線突破上軌線，說明產(chǎn)品價格存在被高估的風(fēng)險，此時建議平倉或者減倉;當(dāng)價格趨勢線突破下軌線，說明產(chǎn)品目前處于低估狀態(tài)，此時建議建倉或加倉。

2.1.2 唐安奇通道指標(biāo)

唐安奇通道指標(biāo)是由Donchian Channel發(fā)明的，由兩條趨勢線構(gòu)成的通道。與布林通道指標(biāo)有著相似的作用，主要反映品種的超買和超賣。上下軌線主要由周期內(nèi)當(dāng)日的最高價和最低價構(gòu)成，周期一般取值20，即：

從公式可以看出，由于上下軌道均為最值，通道的寬窄反映產(chǎn)品的波動大小，產(chǎn)品的價格主要在上下軌道內(nèi)波動。當(dāng)價格超過上軌線，可采取買入做多交易;反之，當(dāng)價格跌破下軌線時，主要采取做空交易。此指標(biāo)在趨勢行情中運用廣泛，在與其他指標(biāo)結(jié)合交易的過程中，有利于產(chǎn)生穩(wěn)定的頭寸。

2.1.3 自適應(yīng)均線（AMA）

自適應(yīng)均線（AMA）指標(biāo)主要是由佩里·考夫曼提出的，反映產(chǎn)品價格漲跌變化率的一條趨勢線。此趨勢線可以敏感地根據(jù)價格趨勢變化的快慢自行移動，當(dāng)價格變化速度快時，此趨勢線上升勢頭明顯，當(dāng)價格呈現(xiàn)水平緩慢增長時，此趨勢線的移動速度也相對放緩。當(dāng)自適應(yīng)均線在周期內(nèi)的增長率從正值變?yōu)樨?fù)值時，即出現(xiàn)向下的拐頭，則考慮賣出策略;當(dāng)增長率由負(fù)值變?yōu)檎禃r，即出現(xiàn)向上的拐頭，則考慮買入策略。在市場相對動蕩的時候，運用自適應(yīng)均線構(gòu)建投資策略，可能出現(xiàn)交易頻繁的問題，因此該指標(biāo)更偏向資金量較少的投資。

2.2 建立交易模型

2.2.1 交易模型策略

本文將上述三種技術(shù)指標(biāo)，即布林通道指標(biāo)、唐奇安通道指標(biāo)、自適應(yīng)均線指標(biāo)結(jié)合起來編寫程序。程序會涉及5條線，當(dāng)價格趨勢線同時上穿過布林通道上軌和唐安奇通道上軌時，進(jìn)行買開交易;當(dāng)價格趨勢線同時跌破布林通道下軌和唐安奇通道下軌的時候，進(jìn)行賣平交易;當(dāng)價格小于自適應(yīng)平均線時，進(jìn)行賣平交易;當(dāng)價格大于自適應(yīng)平均線時，進(jìn)行平空交易[17]。

2.2.2 交易模型代碼

結(jié)合每條曲線的基本交易規(guī)則，對技術(shù)指標(biāo)組合的交易指令進(jìn)行編寫。本文選擇使用文華財經(jīng)平臺，交易代碼如下：

2.3 實證分析

2.3.1 模型建立與初始回測結(jié)果

基于上述代碼，本文選擇大連商品期貨交易所的焦炭指數(shù)（8 360）作為回測品種。我國作為焦炭進(jìn)出口以及生產(chǎn)的第一大國，焦炭所反映的市場供給與需求的信息相對全面。焦炭作為能源類期貨品種的代表，上市時間相對較長，且自上市以來有著較好的流動性和歷史成交活躍度。初步考察焦炭期貨品種，具有很強的套期保值作用，存在很大的技術(shù)操作空間，因此本文選擇焦炭期貨品種作為標(biāo)的資產(chǎn)[18]。

本文的實證分析將初始信號時間設(shè)置為2014年1月2日，結(jié)束時間設(shè)置為2019年7月30日。在模擬交易模型中，假定初始資金為50萬元，交易保證金為8%，不考慮手續(xù)費和滑點。程序中初始的參數(shù)值如表1所示：

5年間模型整體收益率為33.36%，收益狀況較好，夏普比率維持在3的水平，說明此模型的系統(tǒng)風(fēng)險較小。最大權(quán)益回撤為60 050元，與初始資金相比，產(chǎn)品出現(xiàn)的最差情況約占比12%，在相對可接受的范圍之內(nèi)。模型得分為63分，為較滿意的數(shù)值。

依據(jù)軟件的模擬回測結(jié)果，五年間的信號指令共有55個，選取2018、2019年的為例，交易信號的相關(guān)信息如表3所示：

由上表可以清晰地看出2018、2019年的買賣交易信號。通過列舉出的交易時間，可以看出，在交易最頻繁的月份每月也僅有2筆交易。考察所有交易信號，本模型在一年之內(nèi)平均只有10個信號，交易相對穩(wěn)定，沒有頻繁買賣。初步認(rèn)為此技術(shù)指標(biāo)組合表現(xiàn)良好，具有一定的可行性。

2.3.2 模型的優(yōu)化

對于模型的優(yōu)化，主要從兩個方面入手，首先對模型的參數(shù)進(jìn)行優(yōu)化，其次再對模型時間的選擇進(jìn)行優(yōu)化。

從2014年1月1日到2019年7月30日的5年間，技術(shù)指標(biāo)組合對大連焦炭期貨品種的測試，都取得了顯著的收益。但初始參數(shù)為隨機設(shè)置，存在一定的優(yōu)化空間。將盈利率最大化設(shè)為優(yōu)化目標(biāo)，使用軟件的枚舉功能，通過遺傳算法，對參數(shù)的缺省值進(jìn)行優(yōu)化。在所得到的80種參數(shù)值的設(shè)定中，選擇盈利呈現(xiàn)最大的一組參數(shù)，得到的優(yōu)化后的N、N1、N2、N3的參數(shù)值分別為：[24，23，27，28]。再將此參數(shù)值帶入程序，得到優(yōu)化后的焦炭回測結(jié)果如表4所示：

對比優(yōu)化前后，可以明顯看出盈利率有所提高，并且最大權(quán)益回撤明顯下降，優(yōu)于初始投資。夏普比率為4.46，反映了風(fēng)險水平有所下降。勝率為50%，雖然勝負(fù)的比率相同，但單次盈利獲得的收益遠(yuǎn)大于虧損，技術(shù)組合模型的盈利效率相對較高。優(yōu)化后的模型，在初始適應(yīng)階段收益率相對較低，在2016～2017年收益呈現(xiàn)翻倍增長，模型逐漸趨于穩(wěn)定，至2019年收益率呈現(xiàn)圍繞均值小幅波動的狀態(tài)。新優(yōu)化的模型，收益為22 900元。由此可確定將技術(shù)指標(biāo)模型運用于焦炭期貨品種，表現(xiàn)相對良好。

2014～2019年焦炭期貨權(quán)益收益如圖1所示，過考察收益曲線，可以得出，在2015～2017年間，權(quán)益變化幅度較快，因此我們調(diào)整信號的起始時間，以年為單位進(jìn)行回測，則可以得出收益率表，如表5所示：

如果將交易信號按年劃分，則最終權(quán)益均不如長期表現(xiàn)，收益率波動幅度相對較大，在-0.7%～23.21%之間。從模型的表現(xiàn)來看，若將模型時間設(shè)置為2015～2017，則收益為704 000元。由此看來，此模型，長期的收益表現(xiàn)要優(yōu)于短期。我們可得出初步結(jié)論，對于技術(shù)指標(biāo)組合模型，應(yīng)當(dāng)選擇較長的交易周期，優(yōu)化效果會更好。

2.3.3 技術(shù)指標(biāo)對比

為了證明本文構(gòu)建的指標(biāo)組合模型具有更好的效果，本文選擇了其他單一技術(shù)指標(biāo)作：KD模型、瀑布線模型、BOLL模型作為對比。為了保障結(jié)果的相對性，將這些單技術(shù)指標(biāo)同時應(yīng)用于焦炭期貨品種，并且選擇相同的初始與結(jié)束時間，進(jìn)行回測，得到的數(shù)據(jù)如表6所示：

由上表可以清晰看出，技術(shù)組合指標(biāo)模型的收益率為722 900，勝率為50%，模型得分為68分，此三項指標(biāo)均優(yōu)于單指標(biāo)模型。勝率與其他組合相比具有優(yōu)勢，有效盈利次數(shù)占比更重。收益率與風(fēng)險率的比值，比單指標(biāo)模型高出數(shù)倍，間接反映了組合指標(biāo)的穩(wěn)定性較好，風(fēng)險較低，收益率相對較高，是能夠長期運用的技術(shù)指標(biāo)組合。

除上表外，作者還查看了技術(shù)指標(biāo)組合與單指標(biāo)的收益率曲線。在對比BOLL單指標(biāo)模型和技術(shù)指標(biāo)組合模型時發(fā)現(xiàn)，兩個組合有著相似的走勢，但技術(shù)指標(biāo)組合的交易周期較長。由此說明了技術(shù)組合指標(biāo)對交易信號和點位的把控更為完善，技術(shù)指標(biāo)組合模型更具有穩(wěn)定性和持久性。

3 結(jié)論

本文使用文華財經(jīng)平臺對大連商品期貨交易所的焦炭合約進(jìn)行模擬回測，并且針對參數(shù)值進(jìn)行了優(yōu)化，得到的結(jié)論如下：

選擇2014年1月2日～2019年7月30日的交易數(shù)據(jù)，模擬回測結(jié)果有著較好的收益率、最大回撤比率，整體可獲得44.58%的收益率。使用程序化交易模擬回測，在風(fēng)險方面也有較好的控制。由此可得出結(jié)論：技術(shù)指標(biāo)組合模型可以長期應(yīng)用于焦炭期貨。

本文將布林軌道、唐安奇軌道、自適應(yīng)模型相結(jié)合構(gòu)建技術(shù)指標(biāo)組合，并基于文華財經(jīng)平臺給出相應(yīng)交易程序。此程序應(yīng)用于焦炭期貨，模型整體的風(fēng)險、收益、勝率得分等數(shù)據(jù)均優(yōu)于單技術(shù)指標(biāo)。單指標(biāo)模型在對數(shù)據(jù)處理的時候，容易產(chǎn)生偏差，對于交易時機的選擇也容易出現(xiàn)遺漏等情況。因此，在后期的程序化交易中，我們可以主要選擇技術(shù)指標(biāo)組合的方式進(jìn)行交易測試。

4 結(jié)束語

程序化交易在我國雖然起步較晚，但隨著計算機技術(shù)的普及以及金融市場的規(guī)范，其發(fā)展趨勢不容小覷。隨著私募產(chǎn)品的興起以及量化市場的發(fā)展，程序化交易被更多的機構(gòu)投資者選擇。本文只針對焦炭期貨進(jìn)行了研究，程序化想要獲利，需要全社會的努力。只有把握好大趨勢，熟悉市場，在實戰(zhàn)中改進(jìn)，不斷提高策略水平，才能不被競爭淘汰。在未來，各個金融終端的數(shù)據(jù)會更加透明，隨著國內(nèi)資本市場的完善，程序化交易所涉及的標(biāo)的資產(chǎn)規(guī)模會逐漸增多，在金融領(lǐng)域的應(yīng)用也會逐漸增加。

參考文獻(xiàn)：

[1] 李愛泉.基于KDJ指標(biāo)的期貨程序化交易策略研究[J].廣西質(zhì)量監(jiān)督導(dǎo)報，2019（4）：79-81.

[2] 溫在杭.基于趨勢理論的程序化交易在期貨市場的應(yīng)用研究[D].杭州：浙江大學(xué)，2018.

[3] 郭超.改進(jìn)的海龜交易策略及其實證分析[J].時代金融，2017（21）：204.

[4] 林登鵬.股指期貨程序化交易風(fēng)險管理及策略研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2014.

[5] 王博.程序化交易風(fēng)險深度分析及政策建議[J].財經(jīng)界，2019（7）：119-121.

[6] 柯蒂斯·費斯.海龜交易法則[M].中信出版社，2007.

[7] 丁鵬.量化投資：策略與技術(shù)[M].電子工業(yè)出版社，2011.

[8] 張登明.技術(shù)指標(biāo)投資策略的優(yōu)化及其在量化交易中的應(yīng)用[D].武漢：華中科技大學(xué)，2010.

[9] 劉藝.基于TB平臺的期貨程序化交易策略設(shè)計[D].沈陽：沈陽工業(yè)大學(xué)，2018.

[10] 周美行，劉泉，李志文，等.黑色系商品期貨跨品種程序化交易套利——以螺紋鋼期貨和熱卷期貨為例[J].市場周刊，2019（3）：119-120.

[11] 溫在杭.基于趨勢理論的程序化交易在期貨市場的應(yīng)用研究[D].杭州：浙江大學(xué)，2018.

[12] 劉珂，蔣哲遠(yuǎn).期貨程序化環(huán)境下模型描述語言解釋器的研究與設(shè)計[J].計算機應(yīng)用與軟件，2018，35（8）：107-112，147.

[13] 林杰，龔正.期貨程序化交易策略模型比較研究——以棕櫚油期貨交易為例[J].中南財經(jīng)政法大學(xué)學(xué)報，2018（4）：128-134.

[14] 劉藝.基于TB平臺的期貨程序化交易策略設(shè)計[D].沈陽：沈陽工業(yè)大學(xué)，2018.

[15] 潘清斌.基于改進(jìn)BOLL指標(biāo)和資金管理結(jié)合的程序化交易策略研究[D].廈門：華僑大學(xué)，2018.

[16] 郭超.基于改進(jìn)海龜交易策略的股指期貨程序化交易研究[D].西安：西安財經(jīng)學(xué)院，2017.

[17] 李元喜，冼振鵬，劉煒杰.螺紋鋼期貨程序化交易的收益和風(fēng)險分析[J].韶關(guān)學(xué)院學(xué)報，2016，37（10）：16-19.

[18] 葉星.股指期貨交易中的量價分析[D].蘇州：蘇州大學(xué)，2013.

[責(zé)任編輯：鄭筆耕]