常见商品期货量化交易策略

商品期货套利策略

套利策略一般包括期现套利、跨期套利、跨市场套利、跨品种套利等。

对于商品期货而言,期现套利必须交易大量的商品实物,这对大多数机构投资者而言并不合适。因此,我们仅介绍跨期套利、跨市场套利和跨品种套利。

1、跨期套利

跨期套利的思路一般如下:对某一品种主力合约和次主力合约的价差做统计(一般是厚尾分布),然后选取恰当的分位数设定阈值,则可进行反转套利。我们前期的报告《趋强避弱商品期货套利策略》中对其已有详细的研究,在此就不赘述了。

2、跨市场套利

跨市场套利即对同一期货品种在不同市场间进行套利。国内3个商品期货交易所并没有重复的品种,因此跨市场套利一般在国内和海外的期货交易所之间进行。对于同一种商品,交易所与原产地的距离会影响价格。

相对于其他套利方式,跨市场套利有着一些特有的风险。例如,套利的效果会受到汇率变动的影响,交易所制度的不同(如涨跌停板制度、交易时间等)也在一定程度上影响套利。

对于国内投资者而言,主要有以下几个海外市场可供套利:

(1)芝加哥期货交易所(CBOT)

芝加哥期货交易所成立于1848年,是一个著名的期货、期权交易所,2006年10 月17日与美国芝加哥商品交易所(CME)合并成芝加哥商品交易集团,成为全球最大的衍生品交易所。

芝加哥是美国最大的谷物集散地,而芝加哥期货交易所早期也已有农产品的交易,如大豆、玉米、小麦。经过漫长的发展,现在的交易系统已经非常稳定和成熟。因此,国内大商所的大豆、玉米,郑商所的强麦,均可与其进行跨市场套利。

(2)伦敦金属交易所(LME)

伦敦金属交易所成立于1876年,是世界上最大的有色金属交易所。伦敦金属交易所采用国际会员资格制,绝大多数的交易来自于海外市场。交易所的交易品种有铜、铝、锌、铅等有色金属,可以与上期所相应的金属期货进行跨市场套利。

(3)马来西亚衍生品交易所(BMD)

马来西亚衍生品交易所具有世界上最具流动性和运作最成功的毛棕榈油期货 (FCPO)合约。

2009年9月17日,马来西亚衍生品交易所已与芝加哥商商品交易所(CME)建立战略伙伴关系,以实现全球无障碍的衍生品流通。马来西亚衍生品交易所通过全球期货电子交易系统,使FCPO成为世界棕榈油价格的基准。

马来西亚衍生品交易所的毛棕榈油期货可与我国大商所的棕榈油期货进行跨市场套利。

(4)纽约商品交易所

纽约商品交易所分为NYMEX和COMEX两个部分,其中NYMEX主要进行能源类商品的交易,而COMEX主要进行金属类商品的交易。COMEX具有全球最大的黄金期货交易市场,同时也有银、铜、铝等期货和期权合约。

纽约商品交易所具有建立在网络上的电子交易系统,使得交易者几乎可以24小时进行交易。我国上期所的多个金属类期货可以与其进行跨市场套利。

(5)东京工业品交易所(TOCOM)

东京工业品交易所成立于1984年11月1日,是一家综合商品交易所,曾经是世界上最大的橡胶交易所。其前身为成立于1951年的东京纺织品交易所、成立于1952年的东京橡胶交易所和成立于1982年的东京黄金交易所,上述三家交易所于1984年11月1日合并后改为现名。

东京工业品交易所的橡胶期货合约(RSS)于1952年12月12日上市交易,是世界上最早的天然橡胶期货合约。日本作为橡胶的消费国,RSS合约至今仍有足够的成交量。因此,可与我国上期所的橡胶期货进行跨市场套利。

3、跨品种套利

跨期套利常受制于合约流动性,相比而言,跨品种套利可以容纳更大的资金, 具有更好的实际操作性。

跨品种套利的思路一般如下:选取相关性强的两个品种,计算价格比值。根据价格比值的走势可以采取趋势套利和反转套利两种方式,具体的实现方式则有多种。例如,趋势套利可以使用移动平均线等方式,而反转套利可以使用统计价格比值设定反转阈值的方式。我们前期的报告《跨品种套利策略研究》对趋势套利型的跨品种套利做了研究。

跨品种套利的品种选择一般有两类。一是选择产品与原材料,二是选择能互相替代的产品。具体国内市场而言,跨品种套利一般可以在以下品种中进行:

(1)螺纹钢与铁矿石、焦炭钢铁生产中最重要的原料就是铁矿石,其次是焦炭。

钢铁生产的技术流程现已十分成熟,没有大的变化。生产1吨生铁,大约需要1.5-2吨的铁矿石,0.4-0.6吨的焦炭。因此,钢铁的价格基本上取决于铁矿石与焦炭的价格。钢铁与铁矿石的相关性很强,与焦炭的相关性次之。

(2)大豆与豆油、豆粕

豆油是常用的食用油,而豆粕则可以作为动物饲料。压榨加工大豆,可以产出豆油并剩下豆粕,因此这三者之间可以进行跨品种套利。一般而言,100%大豆=18.5%豆油+80%豆粕+1.5%损耗。

(3)焦煤与焦炭

焦煤是焦炭的上游产业,按照现在的生产技术,1.3吨焦煤可以产出1吨焦炭。因此,二者价格相关性强,可以进行跨品种套利。

(4)热轧卷板与螺纹钢

热轧卷板是一种钢板,以板坯为原料,加热之后进行粗轧和精轧后产出。热轧卷板作为一种重要的钢材,广泛应用于基建、船舶、汽车等领域。

热轧卷板与螺纹钢同为钢材,原材料成本相近,因此两者价格具有较好的相关性。然而,由于下游消费市场具有差异,两者短期的供需关系会有不同,也就提供了套利机会。

(5)豆油、棕榈油与菜籽油

豆油、棕榈油与菜籽油均为食品添加剂,互为替代品。一般的,豆油与棕榈油、豆油与菜籽油的相关性较强,而棕榈油与菜籽油的相关性则相对弱些,因此推荐使用豆油与其他两个品种进行套利。

豆油的原料大豆主要产自于美国、巴西及阿根廷,而棕榈油则一般产自于印度尼西亚和马来西亚。由于不同地区的气候差异等因素,豆油与棕榈油的价差往往会出现波动,为投资者提供了套利机会。

由于菜籽油营养更为丰富且原料价格高,菜籽油的价格一般高于豆油,两者的价差一般较为稳定。同样的,价差受到季节性气候等的影响,会出现一些跨品种套利机会。

(6)强麦与玉米

强麦指强筋小麦。小麦和玉米是世界范围内的两种重要农作物,在粮食和饲料市场中占据相当大的份额。两者互为替代品,价格具有同涨同跌的大趋势。但由于两者的收获季节不同,受气候等因素的影响也不同,因此价差会出现波动,提供跨品种套利机会。

商品期货短线投机策略

1、R-Breaker 策略

R-Breaker是一个日内的短线交易策略。一般使用1分钟、5分钟和10分钟的交易数据。R-Breaker策略根据上一交易日的收盘价、最低价、最高价,加上3个模型参数计算出6个价位,从大到小分别为:突破买入价、观察观察卖出价、反转卖出价、反转买入价、观察买入价、突破卖出价,根据这6个价位进行相应的开平仓,既可以追踪趋势,又可以判断反转。具体的交易规则如下:

(1)若日内最高价超过观察卖出价后,又下跌跌破反转卖出价,则采取反转策略,平仓多单(若持有多单)并开仓做空;若日内最低价超过观察买入价后,又上涨突破反转买入价,则采取反转策略,平仓空单(若持有空单)并开仓做多。

(2)若空仓,当价格上涨超过突破买入价时,采取趋势策略开仓做多;反之, 下跌超过突破卖出价时做空。

3个模型参数可以改变6个价位之间的距离,优化模型效果。实际上,这6个价位可以认为是平常所说的“阻力位”和“支撑位”概念。

2、Dual-Thrust 策略

Dual-Thrust策略实际上是对传统开盘区间突破策略的一个改进。两个策略均是对当日开盘价加减某个数(记为Range),获得一个区间,突破区间上轨做多,突破区间下轨做空。开盘区间突破策略通过前一个交易日的最高价和最低价确定Range的值,而Dual-Thrust策略使用前N日的4个价格(前N日最高价HH、前N日最低价LL、前N日最高收盘价HC、前N日最低收盘价LC)来确定Range的值。并且引入更多参数,使得通过Range确定的区间可以是非对称的。具体算法如下:

Range =Max(HH-LC,HC-LL) 价格区间上轨:开盘价+K1*Range 价格区间下轨:开盘价-K2*Range

商品期货中长线趋势策略

在这一小节,我们主要介绍4个商品期货中长线趋势策略:均线策略、通道突破策略、动量策略、Aberration策略。

根据海外商品期货市场的实证研究,均线策略与通道突破策略比动量策略更加有效,且更加稳定。从1959年到1995年,均线策略与通道突破策略在各种参数之下都能有很好的表现,而动量策略虽略逊一筹,但也保持正收益。1996年到2007年, 三个策略的表现都出现了下降,但均线策略与通道突破策略仍在多个参数组合下有良好表现,而动量策略则差强人意。

上述3个策略可以说是古老而经典的策略。相比而言,Aberration则是更加成熟的交易系统,它曾在美国《Futures Truth Magazine》的交易系统排行榜上名列前茅。长期看来,Aberration交易系统保持很好的稳定性。

1、均线策略

均线策略使用两条移动平均线来判断趋势。当短周期均线(STMA)超过长周期均线(LTMA)B%时做多,当短周期均线落后长周期均线B%时做空。也即:STMA> LTMA *(1+B)时做多,STMA< LTMA *(1-B)时做空,LTMA * (1-B)<STMA< LTMA * (1+B) 时不做空也不做多。在海外该策略多用于月线数据,测算时使用月末的收盘价。STMA 常使用1或2个月均线,LTMA常使用6或12月均线。B的取值一般在0.025到0.05之间,但有时候为了简化策略、减少参数,可令B=0。

2、通道突破策略

在海外,该策略同样常用于月线数据。当某个月收盘价超过前面L个月的收盘价的最大值时,则做多;低于前面L个月的收盘价的最小值时,则做空。对于该策略, 有投资者会规定一个持仓时间,例如持仓L个月;另外也有投资者会一直持有到相反的开仓信号出现。通道长度L的取值有多种,常用的取值有3,4,5,6,9,12个月等。

3、动量策略

有研究人员认为,市场的上涨或者下跌趋势具有动量效应,能够维持一段时间。动量策略也就据此提出:首先选出3个商品期货品种,然后在过去的L个月内进行收益率排序,并对排第一的品种开多单,排第三的品种开空单,持仓时间均为1个月。L可以取1,2,3,6,9,12个月等。

4、Aberration 策略

Aberration交易系统由Keith Fitschen于1986年发明,1993年Keith Fitschen 将该系统商业化发布在Future Trust杂志上。Aberration策略根据布林线做交易: 向上突破上轨做多,向下突破下轨做空,回到中轨时平仓。我们知道,布林线是由移动平均线和标准差定义的。在正态分布的假设下,证券价格大部分会在布林线带内波动。Aberration策略的思想就是:在大部分的震荡时间中等待一个新趋势出现的小概率事件发生。因此,Aberration策略交易频率并不高,一般每年交易某个品种3-4次,平均每笔交易持仓60天,通过长线来获取利润。在海外市场,Aberration 策略中布林线的初始参数设臵为MA30±2 个标准差。另一方面,Aberration策略同时交易8个相关性较低的品种,包括商品期货和股指期货等,通过分散投资避开大风险。

来源:盈时策略

-------------------------------------------------

拓展阅读:

1.跨期套利策略

2.跨品种价差套利策略

3.海龟交易法则

原文地址:https://www.cnblogs.com/myquant-cn/p/10930714.html

时间: 2024-10-29 05:50:42

常见商品期货量化交易策略的相关文章

建议收藏丨Fintech与主流量化交易策略分享

以下是量化投资线下活动关于"Fintech与主流量化交易策略分享"主题演讲PPT截图,点击获取完整PPT~ 原文地址:https://blog.51cto.com/14234878/2369996

python量化交易入门学习 之用 Python 实现你的量化交易策略 实现之优矿使用

优矿 https://uqer.io/labs 注册 登录 在“开始研究”页面,新建一个 Notebook,就可以开始用 Python 写你自己的策略. 入门文档 数据  https://uqer.io/data/browse/0/?page=1 DataAPI.EquGet(secID=u"",ticker=u"",equTypeCD=u"A",listStatusCD=u"",field=u"",pan

最佳量化交易的计算机操作系统

本文在Creative Commons许可证下发布 我经常被问到的一个问题是:用哪种计算机操作系统和计算软件进行量化交易的理论研究和代码实现? 我想把这个问题简化,从挑选的计算软件和计算库来反推最佳使用的计算机操作系统.简而言之,就是在本文撰写的时候而言,如果你想进行基于任何严肃的数学理论和金融量化交易研究理论,这里特指机器学习或者深度学习.并且需要在本地研究机器上使用桌面版本,在实时交易VPS或者同等设备上使用服务器版本的话.这种情况下,为了避免这种形式的研究所需的前沿计算库出现问题的最直接的

真格量化入门课程——②真格量化Python策略编写思路

四.如何在真格平台上做到这一切 现在我们想在真格量化上实现自己的策略,需要怎么做呢? 首先,真格量化使用Python语言编写策略.我们需要对Python语言有一些初步的了解.与C++或Java语言相比,Python是一种非常方便易用的脚本式编程语言,很适合非计算机专业的用户来上手量化交易. 举个简单的例子,如果直接用C++调用CTP的API进行下单委托,您可能需要写这些代码: 在真格量化,您只需要一行Python代码: 省下的时间,您可以用来研究策略,或者做些更有意义的事情. 4.1平台IDE不

用python的matplotlib和numpy库绘制股票K线均线和成交量的整合效果(含量化验证交易策略代码)

在用python的matplotlib和numpy库绘制股票K线均线的整合效果(含从网络接口爬取数据和验证交易策略代码)一文里,我讲述了通过爬虫接口得到股票数据并绘制出K线均线图形的方式,在本文里,将在此基础上再引入成交量效果图,并结合量价理论,给出并验证一些交易策略. 1 成交量对量化分析的意义 美国的股市分析家葛兰碧(Joe Granville)在他所著的<股票市场指标>一书里提出著名的“量价理论”.“量价理论”的核心思想是,任何对股价的分析,如果离开了对成交量的分析,都将是无本之木,无水

机器学习与量化交易项目班 [从零搭建自动交易系统]

第一课 自动化交易综述知识点1: 课程内容综述,自动化/算法交易介绍,python在自动交易中的应用简介第二课 量化交易系统综述知识点1:回测,自动交易,策略建模,常见平台使用第三课 搭建自己的量化数据库知识点1:软件需求,数据获取方式,数据存储方式实战项目:金融数据的存储,读取第四课 用Python进行金融数据分析知识点1:数据清理与特征选择实战项目:pandas与金融数据分析第五课 策略建模综述知识点1:介绍量化交易中的策略建模流程及主要处理方式第六课 策略建模:基于机器学习的策略建模实战项

Python量化交易学习课程

量化投资是起源于美国的高级投资方法论,在国内也有十余年的发展历史,代表当今金融业最前沿的投资技术和水准,卓越稳定的实盘投资业绩使得量化投资具有坚实的高端市场需求. 本量化投资方向系列课程通过对各种量化投资方法与理论的介绍,结合机器学习的实际应用案例进行引导式教学,全面地提高学员对量化投资的认知能力和实践能力. 课程地址:Python量化交易课程 面向人群: 适合有志于从事量化投资工作的计算机行业人员及在校学生: 数据科学工作者,可以从本课程中学会从数据科学的方法玩转量化交易: 所有金融机构从业人

量化思维与常见的量化指标

导读: 交易和投资让我们看清了人性的弱点.有人亏钱,就有人反向利用这些弱点而赚钱.赚钱者并不表明他们不具有人类普遍的天性,只是相比手无寸铁的散户,他们手里掌握着“核武器”——量化交易系统. 他们善于采取量化思维,穷举市场可能因素,并设计交易系统,通过雇佣大批数学.天体物理学家,凭借高速计算机将系统设计成量化交易模型,也就是用人工智能决策来替代人脑,从而规避他们自身情绪天性对交易决策的影响. 1.两种交易类型中的量化交易 按照决策的方式,交易可分为判断型和量化型. 判断型交易根据金融市场各种信息以

量化资料学习《Python与量化投资从基础到实战》+《量化交易之路用Python做股票量化分析》+《组织与管理研究的实证方法第2版》

我们需要利用Python进行数据分析的指南,有大量的关于数据处理分析的应用,重点学习如何高效地利用Python解决投资策略问题,推荐学习<Python与量化投资从基础到实战>等电子资料. 学习<Python与量化投资从基础到实战>电子书,主要讲解如何利用Python进行量化投资,包括对数据的获取.整理.分析挖掘.信号构建.策略构建.回测.策略分析等.<Python与量化投资>利用Python进行数据分析的指南,有大量的关于数据处理分析的应用,并将重点介绍如何高效地利用P