摘 要

(相关资料图)

技术指标是基于最高价、最低价、开盘价、收盘价、成交量、成交额等历史行情数据衍生出来的一类指标。技术指标分析，是依据一定的数理统计方法，运用一些复杂的计算公式，来判断价格走势的量化的分析方法。

在我国商品期货市场，技术指标应用较为广泛，技术指标分析是技术分析中极为重要的分支，大约在20世纪70年代之后，技术指标逐步得到流行。当前全世界已开发的技术指标已经达到1000个以上。

本文中，我们针对期货市场中的流动性较好的品种进行策略建模，通过对商品期货品种的价格，成交量以及成交额等数据进行定量分析，试图挖掘出一些能预测商品期货价格的技术因子。

风险提示：模型误设风险、历史统计规律失效等风险。

一

因子概述

本文经过分析挖掘出3个较为有效的技术因子，分别是DPO、ER和TII。

DPO：DPO 是当前价格与延迟的移动平均线的差值，通过去除前一段时间的移动平均价格来减少长期的趋势对短期价格波动的影响。DPO>0，表明目前处于多头市场；DPO<0，表明目前处于空头市场。

ER：ER 为动量指标。用来衡量市场的多空力量对比。在多头市场，人们会更贪婪地在接近高价的地方买入，BullPower 越高则当前多头力量越强；而在空头市场，人们可能因为恐惧而在接近低价的地方卖出。BearPower 越低则当前空头力量越强。当两者都大于 0 时，反映当前多头力量占据主导地位；两者都小于 0 则反映空头力量占据主导地位。

TII：TII 的计算方式与 RSI 相同，只是把其中的前后两天价格变化替换为价格与均线的差值。TII 可以用来反映价格的趋势以及趋势的强度。TII 产生交易信号有几种不同的方法：上穿 20 买入，下穿 80 卖出；上穿 50 买入，下穿 50 卖出；上穿信号线买入，下穿信号线卖出。

1 量化交易策略绩效指标

在量化交易策略中，我们通过多次资产组合，对风险资产的权重进行动态调整。除了关注截面上资产组合本身的风险、收益率之外，还应该关注制定策略在时序上的稳定性、胜率、风险等。常用的业绩评价指标主要包括：

1.1年化收益率（Annualized Returns）

年化收益率是衡量策略投资回报的主要指标，表示投资一年的预期收益率，计算公式如下：

1.2夏普比率（Sharp Ratio）

夏普比率是指承受单位总风险带来的超额回报，可同时对风险与收益进行考虑。如在给定的风险水平下最大化期望回报，在给定的期望回报水平上最小化风险。计算公式如下：

1.3最大回撤（Max Draw Down）

最大回撤反映了投资者忍耐亏损的极限，衡量了给定时间内最极端的亏损量。t日的最大回撤计算公式如下：

1.4波动率（Volatility）

收益的标准差σ为测度风险的常用指标，通常被定义为方差的平方根，以衡量结果的波动程度，计算公式如下：

1.5卡玛比率（Calmar Ratio）

卡玛比率定义与夏普比率类似，采用最大回撤作为风险衡量指标，计算公式如下：

1.6胜率

胜率定义为目标周期内盈利的交易次数占总交易次数的比例。

2 因子信号生成逻辑

2.1 DPO计算公式：

DPO = CLOSE-REF(MA(CLOSE,N),N/2+1)

其中N为交易日数量，当DPO上穿0线时，产生做多信号，当DPO下穿0线时，产生做空信号。

2.2 ER计算公式：

Bullpower = HIGH – EMA(CLOSE,N)

Bearpower = LOW – EMA(CLOSE,N)

其中N为交易日数量，当Bullpower上穿0线时，产生做多信号，当Bearpower下穿0线时，产生做空信号。

2.3 TII计算公式：

CLOSE_MA=MA(CLOSE,N1)

DEV=CLOSE-CLOSE_MA DEVPOS=IF(DEV>0,DEV,0)

DEVNEG=IF(DEV<0,-DEV,0)

M=[N1/2]+1

SUMPOS=SUM(DEVPOS,M)

SUMNEG=SUM(DEVNEG,M)

TII=100*SUMPOS/(SUMPOS+SUMNEG)

TII_SIGNAL=EMA(TII,N2)

其中N1，N2分别为交易日数量，当TII上穿TII_SIGNAL时，产生做多信号，当TII下穿TII_SIGNAL时，产生做空信号。

二

因子表现

经过简单测试后，三个因子中，DPO因子表现最好，TII因子表现最差，DPO因子20年之前表现相对较差，净值曲线处于震荡，20年之后，DPO因子净值迎来爆发，收益率超过250%。ER因子表现与DPO因子表现类似，净值前期震荡，近期上涨迅猛。TII因子21年之前净值平稳上涨，21年中遭遇一次较大回撤，其后迅速上涨，近期处于震荡调整.

综合来看，三个因子都比较有效，整体夏普都处于0.5以上，DPO与ER的相关性较高，后文，我们将对三个因子进行合成，得到三因子组合策略的测试结果，并进行评估。

三

组合测试结果

1 回测参数

资金分配

我们比较全品种等权资金分配方案策略效果，基础资金分配时间为每季度最后一个交易日，基础资金分配如下：

注：杠杆系数在下文测试中统一设为2.0。

测试参数

回测时段：2017年1月1日 - 2023年5月19日

回测品种：期货市场内流动性较好的30多个品种

成交时间：信号出现后下一个K线周期开盘价；手续费设置: 交易所手续费 +20%；

交易频率：日频；

杠杆系数：1；

品种资金分配：每个季度最后一个交易日，按照当前可交易品种分配基础资金单位。

2 三因子组合表现

年度表现如下：

从组合信号的测试结果来看，我们可以发现，三因子的互补性较强，合成之前，三个单因子均在某一时段出现较长时间的盘整，合成之后，组合策略的绩效水平相较单因子的绩效水平提升超过70%，净值走势相较单因子走势更为平稳，夏普比率超过了1.4，远远超过三个单因子策略，同时，波动率和最大回撤也相较单因子策略大幅下降。从年度收益来看，除今年收益为负以外，其他年份均能取得正收益，完整年度内，16年与19年的收益较低， 其他年份收益均超过10%，其中20，21，22三年收益超过20%，夏普比率也超过2。当前策略处于回撤期，但整体回撤幅度可控。

四

结论

技术因子由技术指标转化而来，不同于基本面因子结合相应品种的基本面数据生成的基本面指标，技术因子侧重于根据市场行情中价格和成交等数据反映市场行为反映，用以推断价格变动趋势。本文通过对传统的技术指标进行测试，在期货市场中流动性较好的30多个品种中挖掘出3个较为有效的通用技术因子。我们对其进行合成后发现，该合成策略表现较好，能在近几年取得不错的收益，但其劣势是策略稳定相对不足，在某些年份收益较差，且策略回撤周期较长，仍存在较大的改进空间。