>> 浙商證券-利率量化擇時系列二:勝率視角下的利率交易擇時策略-250731
| 上傳日期: |
2025/7/31 |
大?。?/td>
| 1058KB |
| 格式: |
pdf 共15頁 |
來源: |
浙商證券 |
| 評級: |
-- |
作者: |
覃漢 |
| 下載權限: |
此報告為加密報告 |
|
|
核心觀點 本文作為利率量化擇時系列報告的續(xù)作,聚焦于勝率視角下的交易性擇時策略,系統(tǒng)性回顧歷史上經典的右側交易方法,優(yōu)化并提出了一套“趨勢識別-節(jié)奏控制-信號整合”的日頻多信號交易性擇時策略,最終在T與TL利率期貨品種中進行策略回測。 基本面擇時vs交易性擇時 基本面擇時從左側出發(fā),以宏觀基本面與事件驅動為主,強調邏輯演繹與變化,常用于中長期布局,以前篇報告《賠率視角下的30年國債期貨擇時策略》為例,我們構建了以集成學習為核心的分類模型。相對地,交易性擇時側重于市場行為本身,以量價數據為核心,借助技術指標進行右側跟蹤和短期交易,通過均線系統(tǒng)、振蕩指標、趨勢形態(tài)、動量節(jié)奏、支撐壓力等工具構建右側交易模型。 經典技術指標與子策略介紹 在以勝率為核心的右側擇時體系中,技術分析扮演了趨勢識別、信號確認、節(jié)奏控制等角色。盡管近年來機器學習頻頻用于擇時,但傳統(tǒng)技術指標(K線、MACD、KDJ)仍因其邏輯清晰、參數穩(wěn)定、易于執(zhí)行,在量化和主觀交易中廣泛應用。近年來隨著利率下行與波動率上升趨勢共振,技術指標有效性下降,滯后性、誤報率、信號斷裂、穩(wěn)定性弱等問題依舊突出。因此,我們設計了一套圍繞“趨勢識別-節(jié)奏控制-信號整合”三層結構的多信號擇時策略,包括低延時趨勢、階矩波動判斷、單雙均線跟蹤,通道過濾、以及九轉結構識別等細分模塊。 多信號策略 我們通過在最優(yōu)參數下的子策略來構建多信號策略,以增強策略的魯棒性。復合策略的核心類似于機器學習中的集成模型,目的在于將單策略的優(yōu)勢和信號相結合,構建多信號策略,并且在不同信號間交叉檢驗,在交易中保持信號穩(wěn)定,進而降低交易頻率以節(jié)約成本。策略持倉規(guī)則統(tǒng)一采用“交叉檢驗信號觸發(fā)法”:當任意兩個子策略發(fā)出買入信號即視為入場,無信號時空倉或平倉。結果顯示,多信號策略表現優(yōu)異。從勝率的角度出發(fā),只要存在結構性做多機會,模型往往能較早捕捉并實現正向收益。在不考慮交易滑點、杠桿率、保證金的情況下,對于T,回測區(qū)間內(2015/03/20 ~ 2025/07/29)年化收益達8.63%,夏普比3.04,最大回撤2.62%,交易勝率70.37%;對于TL,回測區(qū)間內(2023/04/21 ~ 2025/07/29)年化收益達23.22%,夏普比3.78,最大回撤2.28%,交易勝率80.77%。以TL為例,2025年策略成功規(guī)避了2月和7月的大幅回撤,由于多信號模型的趨勢識別與波動過濾等機制,策略及時避免了錯誤入場,保持了凈值穩(wěn)定且規(guī)避下行風險,顯示出策略在極端行情下的防御能力。 風險提示 模擬交易與回測局限性;硬件誤差風險;歷史數據失真風險。
|
|