# 【前方高能！】Gifts from Santa Claus——股指期貨趨勢交易研究 > 來源：https://uqer.io/community/share/567ca9b1228e5b3444688438  ## 股指期貨的前世今生 股指期貨，名曰期指，乃期貨界的明珠，現貨對應的是股票指數，其逼格比之大豆棉油不知道甩幾條巷子。期指的上市為股票市場提供了很好的風險管理和做策略的工具，礦工們也覺得自己終于能吃上一碗帶肉的康師傅牛肉面。正所謂俠之大者，為國背鍋，這一年股指期貨經歷了不平凡的跌宕起伏。上半年市場一片開朗，10000點不是夢，期指也由原來的 'IF（滬深300）'一個品種增加到了‘IH（上證50）’，‘IF（滬深300）’，‘IC（中證500）’三個品種。“放開讓孩兒們玩吧”，不愿透露姓名的領導心里想著，順勢掐滅了手上的煙頭。不幸的是，市場下半年被玩壞了，從去杠桿到查做空、從基金經理被約談到公安部出動、從券商砸獎金到救市基金強勢入場，轟轟烈烈的市場拯救活動持續了一兩個月，終于把市場給摁了下來。比較不幸的是，量化交易和衍生品受到了比較嚴重的打擊和監管。股指期貨的交易方式、保證金比例、交易頻率都受到了嚴厲的限制，并成為眾矢之的。 雖不知股指期貨的未來何去何從，但效率的提升才能代表未來的發展方向，投資管理變得更為理性化、程序化、智能化對于專業的投資機構來講是大勢所趨。我們相信期指的嚴冬期總會過去，我們有理想，我們有愿望，宣誓完畢！ ## 股指期貨的才藝 一個品種的股指期貨有四份合約，分為當月合約、次月合約、第一季月合約和第二季月合約。作為衍生品，它為二級市場投資帶來了豐富的投資方式，并在投資策略中擔當著各種各樣的角色。基于股指期貨可做的事情例如： + 1、構建alpha市場中性策略； + 2、期限套利； + 3、期指間跨期跨品種套利； + 4、趨勢交易； + 5、高頻交易（現在估計比較難）。 這次我們主要研究一種單品種的股指期貨趨勢交易策略，提供了一種基于市場情緒的擇時指標，稱之為ITS（Informed Trader Sentiment），參考文獻為。 ## ITS——基于市場情緒的擇時指標 中金所每日收盤后會公布股指期貨的成交持倉量表，表單中會有三個項目的排名：成交量、持買單量和持賣單量，表單會列出前20名的會員單位。這些會員單位代表了期貨市場上最大的機構投資者。我們將同時出現在三個表單排名中的單位視作VIP單位，他們是這個市場的中流砥柱，他們的投資情緒會影響到市場未來的走勢，我們需要做的就是找到對的大佬，跟著大佬的情緒飛。那如何才能跟到對的大佬？我們基于這樣一個邏輯：如果某位大佬更有預知市場的能力，那么他會在交易中更為堅定的選擇某一個買賣方向，它由于買賣帶來的成交量就會相對較小，進而（持倉量/成交量）數值相對會大，我們認定他是知情者（對的大佬）；若某個大佬的持倉量與前一位大佬相當但成交量明顯偏大，說明這位大佬的交易有更多的不確定性，我們也就認定他不是一個知情者（沒有緣分的大佬）。找到對的大佬之后，便開始估測一下大佬的情緒。我們用“對的大佬”們的（持買單量-持賣單量）/（持買單量+持賣單量）（此處的持買單和賣單量都是對的大佬們求和的總量）作為歸一化的指標，根據指標是否大于某個閾值Thres來判定大佬對于市場是看多還是看空。那么我們的信號提取過程為： + step1. 表單中篩選VIP單位（三個排名均上榜）→ 備選大佬； + step2. 備選大佬中找到（持倉量/成交量）大于Avg的VIP單位 → 對的大佬； + step3. ITS = （持買單量-持賣單量）/（持買單量+持賣單量） ## ITS信號生成器 ```py from CAL.PyCAL import * import copy as cp import numpy as np ########################################################################################################### # generate the its signal ########################################################################################################### class itsFutSignal: def __init__(self,secID,currentDate): ####input self.secID = secID self.currentDate = currentDate ####output self.sigDate = self.lastDateGet() self.contract = self.currContractGet() self.posTable = self.posTableGet() self.vipDict = self.vipDictGet() self.sentiSig = self.sentiSigGet() self.inforedInvestor = self.inforedInvestorGet() self.itsSig = self.itsSigGet() def lastDateGet(self): calendar = Calendar('China.SSE') date = calendar.advanceDate(self.currentDate,'-'+str(1)+'B').toDateTime() return date def currContractGet(self): future = DataAPI.MktMFutdGet(mainCon=u"1",contractMark=u"",contractObject=u"",tradeDate=self.sigDate,startDate=u"",endDate=u"",field=u"",pandas="1") for index in future.ticker: if index[:2] == self.secID: return future[future.ticker==index].ticker.tolist()[0] def posTableGet(self): try: pos = DataAPI.MktFutMLRGet(secID=u"",ticker=self.contract,beginDate=self.sigDate,endDate=self.sigDate,field=u"",pandas="1") neg = DataAPI.MktFutMSRGet(secID=u"",ticker=self.contract,beginDate=self.sigDate,endDate=self.sigDate,field=u"",pandas="1") vol = DataAPI.MktFutMTRGet(secID=u"",ticker=self.contract,beginDate=self.sigDate,endDate=self.sigDate,field=u"",pandas="1") return {'pos':pos,'neg':neg,'vol':vol} except: calendar = Calendar('China.SSE') self.sigDate = calendar.advanceDate(self.sigDate,'-'+str(1)+'B').toDateTime() self.contract = self.currContractGet() return self.posTableGet() def list2Dict(self,list): keys = list[0] values = list[1] resultDict = {} for index in range(len(keys)): resultDict[keys[index]] = values[index] return resultDict def vipDictGet(self): ####get data longDict = self.list2Dict([self.posTable['pos'].partyShortName.tolist(),self.posTable['pos'].longVol]) shortDict = self.list2Dict([self.posTable['neg'].partyShortName.tolist(),self.posTable['neg'].shortVol]) volDict = self.list2Dict([self.posTable['vol'].partyShortName.tolist(),self.posTable['vol'].turnoverVol]) ####get vip list vipList = [] for index in longDict.keys(): if index in shortDict.keys(): if index in volDict.keys(): vipList.append(index) ####get vip dict vipDict = {} for index in vipList: vipDict[index] = [longDict[index],shortDict[index],volDict[index]] return vipDict def sentiSigGet(self): sentiSig = {} for index in self.vipDict: sentiSig[index] = sum(self.vipDict[index][:2])*1.0/self.vipDict[index][-1] return sentiSig def inforedInvestorGet(self): if len(self.sentiSig) != 0: sentiAvg = sum(self.sentiSig.values())/len(self.sentiSig) inforedInvestor = [index for index in self.sentiSig if self.sentiSig[index] > sentiAvg] return inforedInvestor else: sentiAvg = 0 return [] def itsSigGet(self): totalBuy = 0 totalSell = 0 if len(self.inforedInvestor) != 0: for index in self.inforedInvestor: totalBuy += self.vipDict[index][0] totalSell += self.vipDict[index][1] if totalBuy + totalSell != 0: return 1.0*(totalBuy - totalSell)/(totalBuy + totalSell) else: return 'null' else: return 'null' ``` ## ITS趨勢交易信號 ITS信號代表了對的大佬們的情緒，那么如何利用它給出每日的交易信號呢？我們利用最為直觀有效的閾值策略，設定某閾值`Thres`： 1）`ITS > Thres`: 大佬看多，買買買，交易信號為1； 2）`ITS < Thres`: 大佬看空，賣賣賣，交易信號為-1； 3）`ITS = Thres & DataErr`: 形勢不明朗或找不到大佬，停止交易觀望，交易信號為0 此處我們取 `Thres = -0.12`？ Why？其實是這樣的，由于期現套利交易的存在，因此期指本身有一部分的空單是由于期限套利造成的，由于這部分資金通常會留存較久，因此通常情況下期指的持倉總量應該是空單偏多，而我們判斷市場情緒的時候要把這部分期貨市場上的“裸空單”給剔除掉，因此Thres應該設置為負。 ## IF趨勢交易測試 由于目前Strategy部分還不好支持期指的交易回測，因此用腳本生成了測試數據。 1）交易標的：滬深300主力合約。用IF來測試的原因很簡單，樣本數多呀！ 2）每日的交易信號：根據前一日收盤后的持倉量表單計算ITS后根據閾值產生； 3）每日收益率：我們假定在獲取當日的信號后，在開盤的一段時間內以某個價格買入期指，持有至臨近收盤后以某個價格賣出，做日內交易。那么買賣價如何界定？有三種方式來計算：①昨收-今收； ②今開-今收； ③昨結算-今結算。 ①和②都是時點價格，而③是均價。①必然不合理因為無法在昨日收盤前得到今日的交易信號，不具有可操作性；②是時點價格，可操作性也不強；對③來講，由于結算價是一段時間的均價，我們認為拿這個均價作為買賣的期望價格是合理的。所以每日收益率的計算方式是③； ```py startDate = '20110101' endDate = '20150801' future = DataAPI.MktMFutdGet(mainCon=u"1",contractMark=u"",contractObject=u"",tradeDate=u'',startDate=startDate,endDate=endDate,field=u"",pandas="1") # print future closePrice = [] openPrice = [] preClosePrice = [] settlePrice = [] preSettlePrice = [] tradeDate = [] ticker = [] for index in future.ticker.tolist(): if index[:2] == 'IF': if index not in ticker: ticker.append(index) for index in ticker: closePrice += future[future.ticker==index]['closePrice'].tolist() openPrice += future[future.ticker==index]['openPrice'].tolist() preClosePrice += future[future.ticker==index]['preClosePrice'].tolist() settlePrice += future[future.ticker==index]['settlePrice'].tolist() preSettlePrice += future[future.ticker==index]['preSettlePrice'].tolist() tradeDate += future[future.ticker==index]['tradeDate'].tolist() closePrice = np.array(closePrice) openPrice = np.array(openPrice) preClosePrice = np.array(preClosePrice) settlePrice = np.array(settlePrice) preSettlePrice = np.array(preSettlePrice) closeRetRate = (closePrice - preClosePrice)/preClosePrice settleRetRate = (settlePrice - preSettlePrice)/preSettlePrice clopenRetRate = (closePrice - openPrice)/openPrice tradeDate = tradeDate itsValue = [itsFutSignal('IF',index).itsSig for index in tradeDate] itsSignal = [] thres = -0.12 for index in itsValue: if index != 'null': if index > thres: itsSignal.append(1) else: itsSignal.append(-1) else: itsSignal.append(0) itsSignal = np.array(itsSignal) benchMark = DataAPI.MktIdxdGet(tradeDate=u"",indexID=u"",ticker=u"000300",beginDate=startDate,endDate=endDate,field=u"closeIndex",pandas="1")['closeIndex'].tolist() benchMark = benchMark/benchMark[0] ``` ## 回測展示 下面為回測結果展示，測算細節如下: 1) 每日收益率根據結算價來計算，前結算價作為買入的參考均價，結算價作為賣出的參考均價； 2）收益率曲線計算采用單利計算； 3）無風險利率取5%； 4）最后一小段曲線為平是由于股指期貨受到限制導致交易停止 ```py import matplotlib.pyplot as plt ####calculate the daily return dailyRet = settleRetRate*itsSignal ####calculate the winRate count = 0 denom = 0 for index in dailyRet: if index > 0: count += 1 if index != 0: denom += 1 print '策略勝率 : ' + str(round((count*1.0/denom)*100,2)) + '%' ####calculate the curve curve = [1] position = 0.8 for index in dailyRet: curve.append(curve[-1] + index*position) ####calculate the location print '策略倉位 ： ' + str(position) ####calculate the max drawDown maxDrawDown = [] for index in range(len(curve)): tmp = [ele/curve[index] for ele in curve[index:]] maxDrawDown.append(min(tmp)) print '最大回撤 : ' + str(round((1-min(maxDrawDown))*100,2)) + '%' ####calculate the sharpRatio stDate = Date(int(startDate[:4]),int(startDate[4:6]),int(startDate[6:8])) edDate = Date(int(endDate[:4]),int(endDate[4:6]),int(endDate[6:8])) duration = round((edDate-stDate)/365.0,1) retYearly = curve[-1]/duration interest = 0.05 fluctuation = np.std(curve)/np.sqrt(duration) print '年化收益 : ' + str(round(retYearly,2)*100.0) + '%' print '夏普比率 : ' + str(round((retYearly-interest)/fluctuation,2)) ####plot the figure print '\n' plt.plot(curve) plt.plot(benchMark) plt.legend(['Strategy','BenchMark'],0) 策略勝率 : 55.03% 策略倉位 ： 0.8 最大回撤 : 10.06% 年化收益 : 49.0% 夏普比率 : 2.44 <matplotlib.legend.Legend at 0xed4cc50> ```  被曲線美哭了，不叨叨了，Merry Xmas！