>> 國(guó)泰君安期貨-國(guó)債期貨多因子周頻量化策略-260608
| 上傳日期： |
2026/6/9 |
大?。?/td>
| 1168KB |
| 格式： |
pdf 共17頁(yè) |
來源： |
國(guó)泰君安期貨 |
| 評(píng)級(jí)： |
-- |
作者： |
李浩 |
| 下載權(quán)限： |
無(wú)限制-登錄即可下載 |
|
|
報(bào)告導(dǎo)讀：
在前期研究《多資產(chǎn)策略系列一-國(guó)債期貨多因子日頻量化策略》中，我們構(gòu)建了一套覆蓋525個(gè)Alpha因子的日頻多因子策略體系，四合約等權(quán)組合全區(qū)間夏普比率3.457，最大回撤-1.81%。然而，日頻策略面臨調(diào)倉(cāng)頻率過高、交易成本累積、日頻噪聲干擾等問題。為進(jìn)一步提升策略的風(fēng)險(xiǎn)收益比，本研究將調(diào)倉(cāng)頻率從日頻降至周頻，在保持因子體系一致性的前提下，探索周頻調(diào)倉(cāng)在國(guó)債期貨上的信息優(yōu)勢(shì)。
周頻策略的核心改進(jìn)：
(1)交易成本顯著降低：周頻調(diào)倉(cāng)將交易次數(shù)從年均100次降至約50次，滑點(diǎn)損耗減少約50%；
(2)日頻噪聲有效過濾：周頻收盤價(jià)整合了周內(nèi)全部信息，避免了日頻級(jí)別的隨機(jī)波動(dòng)干擾；
(3)執(zhí)行方式采用daily_vwap執(zhí)行方式。
本研究構(gòu)建了一套覆蓋548個(gè)Alpha因子的國(guó)債期貨多因子周頻策略體系。因子庫(kù)的因子共9大類別，涵蓋量?jī)r(jià)、利率、宏觀、跨合約價(jià)差、久期、權(quán)益聯(lián)動(dòng)、機(jī)構(gòu)行為、席位，以及機(jī)器挖掘因子。其中，機(jī)器挖掘因子是通過GA遺傳算法、表示學(xué)習(xí)、滾動(dòng)主成分分析等方法得到的49個(gè)非線性因子，共同構(gòu)成挖掘因子池。我們對(duì)每個(gè)合約遍歷6種加權(quán)方法× 3種目標(biāo)波動(dòng)率× 3種止損水平，使用daily_vwap執(zhí)行方式(滑點(diǎn)1跳)進(jìn)行回測(cè)，共216條單合約績(jī)效記錄。另外，通過嚴(yán)格的夏普-Calmar篩選、波動(dòng)率縮放、高杠桿優(yōu)化及組合止損等機(jī)制，最終構(gòu)建出四個(gè)國(guó)債期貨合約(T/TF/TS/TL)的周頻投資組合。策略采用每周五收盤后生成信號(hào)、下周一執(zhí)行的調(diào)倉(cāng)機(jī)制，在降低交易成本的同時(shí)，有效過濾了日頻噪聲，提升了信息比率。
核心結(jié)論：
(1)多合約等權(quán)組合(標(biāo)準(zhǔn)配置)全區(qū)間夏普比率4.176，最大回撤-3.69%，Calmar比率8.43，樣本外夏普4.568，顯著優(yōu)于任何單合約策略，樣本內(nèi)外表現(xiàn)一致性較強(qiáng)。
(2)單合約最優(yōu)策略夏普介于1.061~3.326之間，通過多合約組合有效分散了利率曲線風(fēng)險(xiǎn)。TL88(30年期)因子質(zhì)量最高，sharpe加權(quán)下夏普達(dá)3.326；TS88(2年期)波動(dòng)最低，夏普2.426。
(3)高杠桿配置風(fēng)險(xiǎn)收益比優(yōu)異：突破引擎3倍杠桿限制后，base_vol_scale=8.0的均衡配置夏普達(dá)4.49，年化收益提升至50.58%，最大回撤-3.96%。即使base_vol_scale=15.0的激進(jìn)配置，夏普仍達(dá)4.746，說明周頻策略波動(dòng)率非對(duì)稱性(下跌波動(dòng)>上漲波動(dòng))并不嚴(yán)重。且高杠桿-最大收益策略的總收益達(dá)250.32%，但最大回撤僅-4.28%，表明風(fēng)險(xiǎn)可控。
(4)機(jī)器挖掘因子在篩選因子中占比約40%，顯著提升了策略的信息含量。特別是simple_ga_005在所有四個(gè)合約的篩選因子中均排名前二，體現(xiàn)了非線性因子挖掘的價(jià)值。
(5)周頻策略顯著優(yōu)于日頻策略：周頻組合夏普4.176，高于日頻組合的3.457；周頻卡瑪比率8.43，優(yōu)于日頻的6.96。周頻調(diào)倉(cāng)過濾了日頻噪聲，投資收益更穩(wěn)健。
研究框架要點(diǎn)：
(1) GA遺傳算法、機(jī)器學(xué)習(xí)、表示學(xué)習(xí)、滾動(dòng)主成分分析等方法挖掘因子，共同構(gòu)成包含49個(gè)非線性因子的挖掘因子池。通過GAFactorMiner、SupervisedFactorMiner、RepresentationFactorMiner等工具，從499個(gè)原始因子中提取非線性信號(hào)，挖掘因子在周頻數(shù)據(jù)上表現(xiàn)出良好的穩(wěn)定性。
(2)嚴(yán)格樣本內(nèi)外劃分(2024-12-31為界)。樣本內(nèi)區(qū)間(2020-01-01~2024-12-31)用于因子挖掘、參數(shù)優(yōu)化及組合構(gòu)建；樣本外區(qū)間(2025-01-01~2026-04-17)用于獨(dú)立驗(yàn)證策略泛化能力。所有因子權(quán)重、組合參數(shù)均在樣本內(nèi)確定，樣本外期間不做任何參數(shù)調(diào)整。
(3)精確回測(cè)引擎(t周周五收盤信號(hào)→ t+1周開盤執(zhí)行，無(wú)前視偏差)?；販y(cè)嚴(yán)格遵循滯后執(zhí)行原則：t周bar收盤后產(chǎn)生信號(hào)，t+1周bar的執(zhí)行價(jià)格處建倉(cāng)，考慮滑點(diǎn)，收益從t+1開始計(jì)算。周頻調(diào)倉(cāng)機(jī)制為每周五收盤后生成信號(hào)，下周一執(zhí)行調(diào)倉(cāng)，持有至下周五。
(4)多種組合加權(quán)方法。單因子層面支持等權(quán)、夏普加權(quán)、夏普-Calmar加權(quán)、風(fēng)險(xiǎn)平價(jià)、回撤倒數(shù)、IC加權(quán)六種因子內(nèi)權(quán)重分配方法；多合約組合層面支持等權(quán)、夏普加權(quán)合約間權(quán)重分配方法。
(5)波動(dòng)率縮放+動(dòng)態(tài)波動(dòng)率調(diào)整+組合止損。根據(jù)20周滾動(dòng)波動(dòng)率動(dòng)態(tài)調(diào)整倉(cāng)位，使組合實(shí)際波動(dòng)率趨近目標(biāo)值；組合層面引入5%移動(dòng)止損機(jī)制，作為極端尾部風(fēng)險(xiǎn)保護(hù)。
(6)高杠桿優(yōu)化。突破原始引擎3倍杠桿限制，將最大杠桿提升至50倍，通過調(diào)整base_vol_scale參數(shù)對(duì)整體倉(cāng)位進(jìn)行縮放，在不顯著降低夏普的前提下提升總收益至225.66%。
(7)多合約組合(等權(quán)配置，目標(biāo)夏普>3.5，回撤<-4%)。將T/TF/TS/TL四個(gè)單合約策略按等權(quán)方式組合，base_vol_scale=2.5，全區(qū)間夏普4.176，總收益118.29%，最大回撤-3.69%，樣本外夏普4.568。
|
|
