作者簡介

呂洋洋?

某大型資管公司在職量化策略研究員，熟悉數(shù)據(jù)清洗工作，擅于運用宏觀因子、行業(yè)因子等進行對期貨品種價格影響建模與相關(guān)性分析，理解機器學(xué)習(xí)多元回歸法，SVM，XGboost，金融時間序列等底層算法邏輯，部分算法可自定義函數(shù)封裝。掌 握各種機器學(xué)習(xí)包與數(shù)據(jù)計算分析包的運用。包括不限于：Alphalens，pandans，爬蟲技術(shù)，sklearn，statsmodels 等。

『正文』

ˇ

引言

上一篇中我們探討了“殘差動量刻畫與構(gòu)建”的初步邏輯與構(gòu)建過程，第二篇我們進一步擴展該邏輯的構(gòu)建范疇。正如上一篇文中所述，該策略的思想緣由跨品種的統(tǒng)計套利，那么我們在構(gòu)建品種間，或者說確定品種間時候一定要找同一產(chǎn)業(yè)鏈、協(xié)整性高的品種。如下圖所示：

邏輯與計算

我們在油脂板塊中，按照初始邏輯我們需要拿一個品種分別的跟另外兩個品種去做分析，那這樣就會有6種情形。“棕櫚”→豆油，“棕櫚”→“菜油”，“豆油”→“棕櫚”，“豆油”→“菜油”，“菜油”→“豆油”，“菜油”→“棕櫚”。這樣子我們不僅分析起來超級麻煩，而且會導(dǎo)致當(dāng)某一品種對板塊內(nèi)同品種量化擇時時候，發(fā)生2次開倉的情況。例如：這一波菜油初始階段明顯強于棕櫚和豆油，那么菜油會相對于棕櫚和豆油開兩次倉位。避免的情況就是將“菜油”→“豆油”，“菜油”→“棕櫚”的兩個場景打通去判斷整體的邏輯。這無形是對策略組合做了加法，而這正是我們要避免的。

而有色品種板塊足足有6個不同的品種，我們要做12個排列組合，為了避免上述的麻煩，筆者本人采取了將板塊品種進行指數(shù)化，即：油脂指數(shù)、有色金屬指數(shù)、黑色指數(shù)、化工指數(shù)等。如圖1所示，我們將板塊各個品種的主連復(fù)權(quán)后的價格進行指數(shù)編制。編制的算法如下圖所示：

根據(jù)上圖算法所示，實際上就是計算的當(dāng)下的K線的開高低收，針對上一根K線收盤價的比例，然后根據(jù)板塊內(nèi)品種數(shù)量在求平均，也就是說計算的是板塊內(nèi)所有品種的開高低收的比例平均值，擬合的指數(shù)數(shù)據(jù)。我們將該時間序列數(shù)據(jù)作為板塊的指數(shù)行情數(shù)據(jù)，在策略構(gòu)建過程中，更傾向于股票市場當(dāng)中的benchmark，而這是由同一板塊，不同品種共同構(gòu)建的指數(shù)行情，簡單來看我們可以看做一種板塊的平均行情數(shù)據(jù)。

我們有了上述的共同基準后，將計算出來后的指數(shù)與品種收盤價進行的回歸計算，上圖是計算出某品種與指數(shù)的回歸殘差，即將每一個品種對該基準進行回歸殘差的計算，我們先來看一下每一個品種和指數(shù)的可視化圖形，如下圖所示：

上圖是豆油和油脂指數(shù)的K線圖，如圖所示在今年4月份，二次筑底過程中，豆油要比整體指數(shù)更加的抗跌，但是在隨后的反彈過程中，豆油整體的反彈力度和順暢度并不及于整體平均預(yù)期，當(dāng)然我們這是從肉眼的定性觀察而來，而從事后的角度來看，菜油是最早啟動的強趨勢行情的品種，自然也驗證了該判斷。

下面，我們就將上一篇文章中的策略邏輯和該自定義指數(shù)進行回歸殘差的計算，計算方法和邏輯不變，沒有看上一篇的，請點擊“殘差動量刻畫與構(gòu)（一）”進行閱讀。

圖6是將菜油和指數(shù)進行回歸后的指標(biāo)可視化圖，以及績效開平倉點位圖，從圖中我們可以看到，在6月15日菜油相對油脂指數(shù)的殘差已經(jīng)表現(xiàn)出來了異常，通過粗略的擇時規(guī)則，我們擇時出來該處做多的信號。

圖7是將棕櫚油和指數(shù)進行回歸后的指標(biāo)可視化圖，以及績效開平倉點位圖。棕櫚油此處的反彈與菜油不同， 屬于階段的殘差異常情況捕捉，其中5月27、7月17、7月23、以及9月份最后的瘋狂9月3開始的多頭行情。

結(jié)語? ? ? ??

綜上所述：我們實際找的就是某個品種相對該板塊指數(shù)的強勢時間，其中也間接包括了選品種的過程，因為是把所有品種放了進去，擇時的過程中也就選擇了做多或者做空的品種。

策略展望? ? ? ??

此兩篇文章中討論的只是為廣大量化愛好者和從業(yè)者們提供一個策略思路，未來有很多優(yōu)化的方案，需要大家自己完成。

優(yōu)化 1：文中只是在油脂板塊構(gòu)建策略，未來可以拓展到黑色板塊，有色板塊，化工板塊構(gòu)建強策略。

優(yōu)化 2：判斷強弱的因子還有很多有效因子可以使用，不一定只是殘差異常的關(guān)系。

優(yōu)化 3：在刻畫殘差擇時判斷時候，由于多空結(jié)構(gòu)的不對等，多空刻畫存在差異。

優(yōu)化4：進出場信號使用了海龜交易法則擇時，也可以使用其他更好的擇時策略都可以進一步提升模型的績效和穩(wěn)健性。

優(yōu)化5：我們可以構(gòu)建多空對沖策略，以捕獲類似股票Alpha收益的策略。