量化策略构建:均值回归模型
“ 现在已然衰朽者,将来可能重放异彩。现在备受青睐者,将来却可能黯然失色。” 当事物发展严重偏离其均值时,均值会像万有引力一样令其回归。如果时间足够长,万物都终将回归于其均值。正所谓:盛极必衰,否极泰来。
在金融学中,均值回归是价格偏离均价或价值一定程度后向其靠拢的规律。本质上,均值回归就是哲学思想中所说的『物极必反』。用大白话可以简单地概括为 “ 涨多必跌,跌多必涨 ” 。
在商品期货交易中,对于均值回归模型的应用场景,选择跨期价差是非常理想的交易标的。即对不同交割期的合约同时进入低买高卖,当合约间价差过高或过低时,相应的卖出或买入价差,等价差回归均衡价差后,再平仓从而获利。
如上图所示:均值回归模型的基础是跨期价差的回归和震荡特征。理论上,在期货定价和期现套利的作用下,跨期合约间存在稳定的、可量化的价差关系。
当两个合约的价差偏离均衡价差一定程度后,会有向均衡价差回复的走势,那么,我们可以据此构造均值回归模型。
FG1809合约 - FG1805合约价差走势图
数据来源:quant.la
MA1809合约 - MA1805合约价差走势图
数据来源:quant.la
如上图所示,价差通常会以其均值为中心上下波动。也就是说,当价差由于波动而偏离均值时,它将调整并重新归于均值。那么如果我们如果能捕捉偏离价差的回归,就可以从此获利。值得注意的是:合约到期月份相差越多,跨期价差波动空间越大。
但如果考虑到资金的时间成本,等待价差回归,也是很不划算的。那么就需要对价差均值进行重新定义,以简单均线或自适应均线来代替均值,找到短周期的一种获利方法。
在这之前,就需要引入标准差(standard deviation)的概念,通常用小写希腊字母。σ(sigma,读 “ 西格玛 ”)。
通俗地讲,一组数据的标准差就是这组数据离均值的普遍差距。标准差的计算公式为:
如果这组数据的波动较大,那么 σ 相应也会较大;相反的,如果这组数据波动小,那么 σ 会更接近零。
具体的,用滞后一段时间的价差均线作为均衡价差,以均线加上若干倍的标准差作为开仓标准和止损标准,当价差偏离超过若干个标准差后策略开仓,而偏离更多时则止损。
此外,由于真实套利过程中,不管是人工下单还是量化交易,套利交易无法对价差瞬时的噪声性的偏离即时反应,所以只能捕捉一定市场内持续的偏离。
根据如上模型原理,在判断套利开平仓条件时,把移动均值 μ 均衡价差,k 为止损系数,μ + a * σ 与 μ - a * σ 为套利上下界构造跨期套利策略:
1、当 μ1 > μ + a * σ 时,价差突破套利区间上限,此时认为价差偏大,则以最近 1 分钟价格做空价差,即熊市套利策略。
2、当 μ1 > μ + a * σ * k 时,价差突破套利区间上限至更多,此时认为价差可能会更大,则止损,熊市套利策略结束。
3、当 μ1 < μ - b * σ 时,价差突破套利区间下限,此时认为价差偏小,则以最近 1 分钟价格做多价差,即牛市套利策略。
4、当 μ1 < μ - b * σ * k 时,价差突破套利区间下限至更多,此时认为价差可能会更小,则止损,牛市套利策略结束。
需要提醒的是,在不同市场环境下跨期套利价差的分布特点不同,使用的跨期套利上下阈值也不同,a 与 b 越大,价差波动区间越大,开仓条件越苛刻,套利次数减小,但是单次套利的获利空间增加。
价差成交次数分布图
数据来源:quant.la
反之 a 与 b 越小,虽然增加了套利实施的次数,但交易成本也随之增加,单次套利收益空间缩小。
接下来,我们利用 BotVS 量化交易平台进一步操作,来实现一个均值回归模型的实例,从而验证我的们理论,是否能发现赚钱的机会。
数据准备:
我们直接使用发明者量化数据库数据,代码如下:
第一行:调用 K 线数组;
第二行:过滤 K 线数组长度;
第六行:调用 talib 库 BOLL 指标;
第七行:定义套利区间上限;
第八行:定义均值;
第九行:定义套利区间下限;
十行以下:计算实时价差,及其他方便后续的数据处理。
策略逻辑代码:
利用交易信号数据,进行模拟测试。我们设定交易参数和规则:
本金:1 万
合约:MA
K 线周期:1 分钟
时间跨度:3 个月
手续费为 5 元
数据类型:模拟级 Tick
绩效如下:
基于上述的均值回归模型,我们还可以分别从开平仓方式两个角度,通过均值斜率条件,来动态的调整套利上限、下限阈值。
如上图,以熊市套利为例,我们通过计算下降中的均值斜率:
z = ( y2 - y1 ) / ( x2 - x1 )
调整后的套利上限、下限:
μ + a * σ * ( z + 1 ]()
μ - a * σ * ( z + 1 )
相比之前的模型的开平仓方式,调整后的策略模型,可以在套利上、下阈值上更具有灵活性。
在不同的市场条件下,通过均值斜率动态的调整套利上限、下限阈值,可以是模型更加适应当前的市场状态。降低因价差大幅波动,造成的止损。并且单次增加跨期套利的获利空间。
策略领取在【宽客在线】
量化策略构建:均值回归模型相关推荐
- 策略构建:均值回归模型
NO:01 " 现在已然衰朽者,将来可能重放异彩.现在备受青睐者,将来却可能黯然失色." 当事物发展严重偏离其均值时,均值会像万有引力一样令其回归.如果时间足够长,万物都终将回归于 ...
- TensorFlow2.0(三)--Keras构建神经网络回归模型
Keras构建神经网络回归模型 1. 前言 1. 导入相应的库 2. 数据导入与处理 2.1 加载数据集 2.2 划分数据集 2.3 数据归一化 3. 模型构建与训练 3.1 神经网络回归模型的构建 ...
- R语言使用caret包构建岭回归模型(Ridge Regression )构建回归模型、通过method参数指定算法名称、通过trainControl函数控制训练过程
R语言使用caret包构建岭回归模型(Ridge Regression )构建回归模型.通过method参数指定算法名称.通过trainControl函数控制训练过程 目录
- R语言caret包构建机器学习回归模型(regression model)、使用DALEX包进行模型解释分析、特征重要度、偏依赖分析等
R语言caret包构建机器学习回归模型(regression model).使用DALEX包进行模型解释分析.特征重要度.偏依赖分析等 目录
- R语言广义线性模型函数GLM、glm函数构建泊松回归模型、模型中存在过离散(Overdispersion)、则将连接函数从possion函数替换为quasipoisson函数重新构建泊松回归模型
R语言广义线性模型函数GLM.glm函数构建泊松回归模型(Poisson regression).模型中存在过离散(Overdispersion).则将连接函数从possion函数替换为quasipo ...
- R语言广义线性模型函数GLM、glm函数构建泊松回归模型(Poisson regression)、输出提供偏差(deviances)、回归参数和标准误差、以及系数的显著性p值
R语言广义线性模型函数GLM.glm函数构建泊松回归模型(Poisson regression).输出提供偏差(deviances).回归参数和标准误差.以及系数的显著性p值 目录
- R语言回归模型构建、回归模型基本假设(正态性、线性、独立性、方差齐性)、回归模型诊断、car包诊断回归模型、特殊观察样本分析、数据变换、模型比较、特征筛选、交叉验证、预测变量相对重要度
R语言回归模型构建.回归模型基本假设(正态性.线性.独立性.方差齐性).回归模型诊断.car包诊断回归模型.特殊观察样本分析.数据变换.模型比较.特征筛选.交叉验证.预测变量相对重要度 目录
- R语言构建logistic回归模型:构建模型公式、拟合logistic回归模型、模型评估,通过混淆矩阵计算precision、enrichment、recall指标
R语言构建logistic回归模型:构建模型公式.拟合logistic回归模型.模型评估,通过混淆矩阵计算precision.enrichment.recall指标 目录
- R语言ggplot2可视化强制指定X轴的日期范围实战:组合条形图和lm模型构建的回归模型的结果并强制指定X轴的日期范围
R语言ggplot2可视化强制指定X轴的日期范围实战:组合条形图和lm模型构建的回归模型的结果并强制指定X轴的日期范围 目录
最新文章
- IntelliJ IDEA使用(一)基本设置与类、方法模板设置
- 启明星辰集团:文化筑底,战略引领信息安全之路
- 加载java ie停止工作_打开网页,IE浏览器提示Internet Explorer 已停止工作什么原因?怎么解决?...
- 如何查看Mac电池损耗?
- 菜鸟认知--DIP,Ioc,DI,Ioc容器
- 吴恩达机器学习视频笔记和编程作业(Python实现)汇总
- 毕业生就业管理系统 C++
- Unbalanced calls to begin/end appearance transitions for
- Q版京剧脸谱来喽——刀马旦
- 苹果,U盘越狱iPhone绕ID最新教程及各种坑解决,吐血之作(超详细超简单教程)-balenaEtcher-Checkm8-bootra1n
- 【Python学习笔记】超详细Python快速入门教程(下)
- Multi-Modal
- 瓢城旅行社网页界面设计(HTML+CSS)
- 系统备用服务器连接配置异常,网络配置的DNS服务老是异常网络连接老是异常...._网络编辑_帮考网...
- 思科路由器配置enable password
- 奥付云荣获2017年度企业级创新应用 Top 50
- 厦门计算机中专学校,厦门有哪些中专学校
- 国网对计算机二级科目要求,今起!计算机等级考试可以网报,二级部分科目获证条件调整...
- 关于OV5640的DVP接口的小结
- 某openstack公司面试经历