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

通過上一篇的初步探索分析，我們基本可以得出，在螺紋鋼這個品種上面，某個策略加載在指數(shù)和主連復(fù)權(quán)回測的結(jié)果是完全不一樣的。那么如果我們采用主連復(fù)權(quán)為基準(zhǔn)，是否策略就不能用了呢？策略結(jié)構(gòu)就要改了呢？其實有豐富經(jīng)驗的投資者會否定這一答案。道理很簡單，因為就算有誤差XY兩個行情數(shù)據(jù)系列是有相關(guān)性的，有協(xié)整關(guān)系的，大部分情況只需要改參數(shù)就可以在主連復(fù)權(quán)上面去驗證。

這一篇我們就是得出最終結(jié)果。

第一：是否主連回測好，指數(shù)回測也好？

第二：到底我們是用指數(shù)好還是主連好？

以上2個結(jié)果的實現(xiàn)，看似簡單我們還是要一步一步分拆很多邏輯和工作步驟來解決。首先，我們?yōu)榱吮葘δ膫€好，不光要看回測的曲線和績效來對比，我們還要根據(jù)策略加載行情對比一些信號才好下結(jié)論。

我們先來看第一個問題，在同一策略下面，根據(jù)主連和指數(shù)參數(shù)優(yōu)化出來的是否主連回測好，指數(shù)回測也好？

如下圖所示：

從該列表我們隨機選擇一個，假設(shè)我選擇一個次數(shù)較多的一個120次的【60，10，45】該組。該策略優(yōu)化區(qū)間為2016.1.1-2020.8.3時間段，我們將該組參數(shù)放到指數(shù)合約，看看是個什么樣子。

光從圖上我們可以看出，主連復(fù)權(quán)跑出來的參數(shù)加載到指數(shù)并沒有主連復(fù)權(quán)自身更好。這一點其實在做這些分析與研究之前，也是部分情況出乎我個人意料之外的。因為，安裝邏輯來說，指數(shù)是一種降過噪的行情K線序列數(shù)據(jù)，在指數(shù)的參數(shù)或者策略大概率在主連復(fù)權(quán)會差，這一點邏輯大家都清楚，但是反過來，主連復(fù)權(quán)的都好，在指數(shù)的應(yīng)該會更號或者至多不差才是，但是很可惜，并不是這種結(jié)果。

有的人會說，是不是你的策略邏輯問題導(dǎo)致的，別的策略就會不一樣呢，的確是有這種可能性存在。但是從數(shù)學(xué)證明角度來說，一個反例的出現(xiàn)就證明了這個問題的非絕對性，說明主連復(fù)權(quán)好推不出指數(shù)肯定絕對好的結(jié)論。

問題一總結(jié)：不同的數(shù)據(jù)，不同的結(jié)構(gòu)，只要不是成比例的，基本上就會存在差異，這跟毛刺不毛刺沒有任何關(guān)系。到這里我們應(yīng)該就要明白了，兩個數(shù)據(jù)并沒有誰好誰壞之分，因為隨著市場的各種因素推動，這已經(jīng)是2個不一樣的行情數(shù)據(jù)結(jié)構(gòu)，某個策略某個參數(shù)在主連好，但是指數(shù)并不一定好，反之亦然。最起碼我們在螺紋鋼上看到的是這么個結(jié)果。

下面我們再來進行一下CTA必備的工作流程之一——看圖對信號。也就是我們將主連和指數(shù)各自的加載到各自的圖形上去找不一樣的地方。當(dāng)然也并不是全部，會找一些典型的來分析一些原因。

如下圖所示：

兩幅圖左邊是主連復(fù)權(quán)，右邊是指數(shù)，我們帶著很多觀點來看討論這些問題，市場上有一部分觀點認(rèn)為：指數(shù)雖然跟實際合約有噪音，但是指數(shù)更為平滑，有一定過濾噪音的作用，這個在邏輯是說的通的。但是實際我們重點看第二個圖會發(fā)現(xiàn)，主連復(fù)權(quán)在2020.3.2，11：00和2020.3.10，11：15分別開了多單，最后都是盈利出局。但是指數(shù)合約卻是在2020.3.5，9：00和2020.3.10，13：30，分別是虧損出局。

從非常局部的交易狀態(tài)來看，指數(shù)并沒有起到市場觀點中的過濾作用，當(dāng)然了這2個樣本也不足以否定上面的邏輯，如果非要驗證是否有過濾作用，只能是去通過交易記錄不一樣的地方去查看，但是這種工作不僅需要耗費很大的時間，而且也對指數(shù)還是主連復(fù)權(quán)好沒有什么太多的判斷作用。最后我們還會看到在2020.3.25，9：30主連復(fù)權(quán)當(dāng)時已是2010合約，此處發(fā)了多單，但是指數(shù)因為介于換月過程中，價格波動相對平滑，此處并沒有開多的信號，這也就是我們所說的指數(shù)價格過濾的作用了。

綜上所述，我們經(jīng)過基本的定性分析與回測定量分析可以明顯看到，指數(shù)與主連誤差性的問題，并沒有因為自身具有所謂過濾毛刺的優(yōu)勢而完全對沖掉他的問題，甚至帶來buff。雖然我們從下圖中可以看到，在某幾段行情中的確具有一定的過濾、減少交易次數(shù)等情況出現(xiàn)，但是在帶來利潤和穩(wěn)定的同時，有部分止損情況擴大也是有的，因此我們在過往歷史無法全部統(tǒng)計的情況下，集合回測和相關(guān)性分析，以及部分信號，本人定性得出：在換月期間1-2個月左右，指數(shù)對過濾毛刺信號是有一定作用。

如下圖所示：

上圖是2018.11-2018.12兩個月的15分鐘K線圖，通過上圖我們可以看到，主連復(fù)權(quán)共有4次做多，但是都止損了。指數(shù)3次做多，并且2次盈利出局，這里所說的盈利出局并不是光說的是指數(shù)上進出場是個盈利，本人對照開倉時間點到平倉點，映射在主連這段也是盈利出局的。這也就是我們所說的指數(shù)行情數(shù)據(jù)過濾毛刺的優(yōu)勢。

在上一篇中，我們也看到了在2019.11-2019.12期間，主連復(fù)權(quán)的回撤要比指數(shù)的大很多，其實也是基于同樣的邏輯，這里我在多給大家截圖看一下。

其實通過圖形走勢我們可以看到，兩者在這2個月的走勢是不一樣的，主連震蕩向上，指數(shù)屬于橫盤震蕩。從左圖第二個圈往右算，均交易了7次，也都止損了4次，這里并沒有像去年同期一樣具有一定的過濾作用。定性來看，每一次相關(guān)性抖動的換月周期時刻，指數(shù)并沒有起到顯著或者規(guī)律性的過濾作用。

基于以上的定性分析結(jié)論和誤差性的前提下，在螺紋這個品種上，初步基于這種分析邏輯和方式來看，主連復(fù)權(quán)似乎是更好的選擇。

下面我將把黑色系板塊其余的品種：焦炭、鐵礦、熱卷、動力煤、猛硅等四個品種的結(jié)果公布出來。以供大家參考。

焦炭

綜述：縱觀4年半焦炭指數(shù)和主連復(fù)權(quán)的相關(guān)系數(shù)異動性只有2次，最前面異動-2那塊問題前一篇文章說過了，看不懂的請回看。因此，較少時間和較低程度的相關(guān)性抖動一定程度的確是可以刻畫出誤差客觀性。

最后回測圖上結(jié)果，我們也可以看到，除了最近半年多左右與主連有一些出入外，基本上整體相關(guān)性比螺紋鋼要好上很多。

某種程度來說，在焦炭行情中，指數(shù)的誤差是可以接受的，當(dāng)然從嚴(yán)謹(jǐn)性來看，我們把以主連復(fù)權(quán)為標(biāo)準(zhǔn)的參數(shù)放到指數(shù)合約看一下，如下圖所示：

從以上兩圖中也可以看出，不論是以指數(shù)為基準(zhǔn)加載到主連復(fù)權(quán)，還是以主連復(fù)權(quán)為基準(zhǔn)加載到指數(shù)，兩個曲線的相關(guān)性依然很高。

初步結(jié)論：基于焦炭品種用指數(shù)和用主連復(fù)權(quán)誤差是可以接受的，與螺紋鋼不同，具體指數(shù)是否具有一定優(yōu)勢我會在下一篇指數(shù)計算信號，主連復(fù)權(quán)計算績效中繼續(xù)深入研究。

猛硅

綜述：縱觀4年半猛硅指數(shù)和主連復(fù)權(quán)的相關(guān)系數(shù)異動性有6次，且呈現(xiàn)時間長的特點。因此，我們從主連的績效圖也可以看出，指數(shù)績效不斷震蕩新高，主連績效處于回撤震蕩期。雖然指數(shù)的參數(shù)放到主連復(fù)權(quán)去回測出來的跟指數(shù)的相差甚遠，但是總體并沒有達到虧損的地步，與螺紋、鐵礦、焦炭相比來說，排在倒數(shù)第二位吧算是。

繼續(xù)下面的步驟，我們依然把主連復(fù)權(quán)為標(biāo)準(zhǔn)的參數(shù)放到指數(shù)合約看一下，如圖所示：

鐵礦石

縱觀4年半鐵礦指數(shù)和主連復(fù)權(quán)的相關(guān)系數(shù)異動性比較多，可能是由于鐵礦石的升貼水過大，導(dǎo)致臨近換月出現(xiàn)主力和次主力合約持倉量差不多，從而出現(xiàn)了主力和次主力的加權(quán)平均，當(dāng)價格變動的時候也要弱于主力合約實際的價格變動。

但是從持續(xù)性來看，該策略是鐵礦石的一小時策略，發(fā)生相關(guān)性降低后，很快的在第二個小時K線迅速回復(fù)回去。因此呈現(xiàn)了一種極速偏差然后極速回歸的情況。

但是很令我個人震驚的一件事兒就是，鐵礦石竟然出現(xiàn)了主連復(fù)權(quán)還要比指數(shù)收益高的情況。當(dāng)然夏普、最大回撤等績效指標(biāo)，相對于指數(shù)來說并沒有像凈利潤一樣出現(xiàn)提升。

繼續(xù)下面的步驟，我們依然把主連復(fù)權(quán)為標(biāo)準(zhǔn)的參數(shù)放到指數(shù)合約看一下，如圖所示：

熱卷?

縱觀4年半熱卷指數(shù)和主連復(fù)權(quán)的相關(guān)系數(shù)異動性不多，從持續(xù)性來看也不長，異動程度也不大，從指數(shù)與主連復(fù)權(quán)的區(qū)別來看，主連復(fù)權(quán)的曲線波動大于指數(shù)曲線波動，整體凈利潤幾乎一致，甚至主連復(fù)權(quán)的還要微高于指數(shù)。

繼續(xù)下面的步驟，我們依然把主連復(fù)權(quán)為標(biāo)準(zhǔn)的參數(shù)放到指數(shù)合約看一下，如圖所示：

? ? ? ?

? ? ??

綜上所述，我們可以看到黑色整個的一個狀況結(jié)論。我們一一列舉出來。

1、黑色板塊中誤差最小的是焦炭，指數(shù)和主連復(fù)權(quán)誤差不大。

2、黑色板塊中令人意外的是鐵礦石，用主連復(fù)權(quán)比指數(shù)反而收益更高，夏普與最大回撤等風(fēng)險指標(biāo)也并沒有過大的反向。

3、黑色板塊中誤差最大的是螺紋和熱卷，需要用主連復(fù)權(quán)來搞。

4、黑色板塊中猛硅屬于中規(guī)中矩，比螺紋和熱卷強，最起碼主連復(fù)權(quán)還算比較OK，只是曲線波動大一些。

第三篇，準(zhǔn)備用指數(shù)計算信號，主連復(fù)權(quán)計算績效的方式，完整的量化刻畫一下，指數(shù)到底誤差有多大。并最終行程和得出到底哪種方式最科學(xué)合理與客觀公正。

??

End