论文部分内容阅读
动量效应也叫惯性效应,是由Jegadeesh和Titman两位学者最先提出的,其含义是:正如运动中的物体具有惯性一样,股票的价格走势有延续原来的运动方向的趋势,即过去一段时间涨势较好的股票未来的涨势仍会好于过去涨势较差的股票。最近一些学者的研究发现在包括期货市场在内的其他市场上同样存在动量效应,在我国商品期货市场也是如此。
量化投资在近几年取得了突飞猛进的发展,相比传统的主观交易,量化投资更多的利用计算机来实现买卖指令,而买卖指令的编程实现过程就是量化策略的研究过程。编写量化策略首先要有一定的交易逻辑,其次要用计算机代码实现,然后用历史数据对策略进行回测,即用策略对过去的历史数据进行交易,当回测结果满足一定条件时就可以用来进行交易,本文就是研究商品期货的量化策略。
本文以动量效应为出发点,先研究传统动量策略,以天为时间周期,对我国上市的某些商品期货进行了研究,以期获得最大的年化收益率,最小的最大回撤以及最高的收益回撤比。具体做法为对前一段时间(观察期)期货的涨跌幅进行排序,然后做多涨幅最大的若干品种,同时做空跌幅最大的若干品种,持有一定时间(持有期),调整观察期和持有期的长度,最终对比获得一个年化收益率比较高的观察期区间和持有期区间。除了对传统的动量策略进行研究之外,本文创造性的试着利用期货价格和现货价格的相关性对传统动量策略进行了优化:本文假设当期货价格和现货价格的相关性比较高时,期货价格和现货价格同时具有动量效应,这时期货的动量效应更可靠,才进行开仓操作,否则不进行交易。我们发现交易的次数会有所下降,最后计算年化收益率,最大回撤以及收益回撤比,发现策略的结果在一定程度上得到了优化。
本文主要有以下两方面的创新:一,本文验证了在我国商品期货市场,尤其是近几年新上市的若干商品期货中确实存在动量效应。二,本文除了利用我国商品期货市场研究了传统的动量效应之外,还创造性的考虑了期货价格与现货价格之间的相关性,并利用两者相关性的高低对策略进行了优化。
量化投资在近几年取得了突飞猛进的发展,相比传统的主观交易,量化投资更多的利用计算机来实现买卖指令,而买卖指令的编程实现过程就是量化策略的研究过程。编写量化策略首先要有一定的交易逻辑,其次要用计算机代码实现,然后用历史数据对策略进行回测,即用策略对过去的历史数据进行交易,当回测结果满足一定条件时就可以用来进行交易,本文就是研究商品期货的量化策略。
本文以动量效应为出发点,先研究传统动量策略,以天为时间周期,对我国上市的某些商品期货进行了研究,以期获得最大的年化收益率,最小的最大回撤以及最高的收益回撤比。具体做法为对前一段时间(观察期)期货的涨跌幅进行排序,然后做多涨幅最大的若干品种,同时做空跌幅最大的若干品种,持有一定时间(持有期),调整观察期和持有期的长度,最终对比获得一个年化收益率比较高的观察期区间和持有期区间。除了对传统的动量策略进行研究之外,本文创造性的试着利用期货价格和现货价格的相关性对传统动量策略进行了优化:本文假设当期货价格和现货价格的相关性比较高时,期货价格和现货价格同时具有动量效应,这时期货的动量效应更可靠,才进行开仓操作,否则不进行交易。我们发现交易的次数会有所下降,最后计算年化收益率,最大回撤以及收益回撤比,发现策略的结果在一定程度上得到了优化。
本文主要有以下两方面的创新:一,本文验证了在我国商品期货市场,尤其是近几年新上市的若干商品期货中确实存在动量效应。二,本文除了利用我国商品期货市场研究了传统的动量效应之外,还创造性的考虑了期货价格与现货价格之间的相关性,并利用两者相关性的高低对策略进行了优化。