云财经股市情报网 云股票情报网trends everywhere

云财经股市情报网 trends everywhere

云财经股市情报网

期货tf意思:期货里的TF是什么意思?

朋友你好TF是国债期货的意思IF是股指期货的意思。

期货tf意思:期货是什么意思?期货是什么意思?爱问知识人

面值为100万元人民币、票面利率为3%的5年期名义标准国债期货,最后交易日是2014年5月第二个星期的星期五,即本周五,交割日期是到期后的连续三个交易日即下周三之前。

其他答案:这个是股指期货的5月合约。

其他答案:答:手机内存卡…

期货tf意思:十年期国债期货合约是什么意思

就是要在月分交割.等到4月分就没有3月分的合约了.

其他答案年期国债期货,交割月份为17年3月。年期国债期货,交割月份为17年3月。

期货tf意思:期货上得TF是什么意思?期货上得TF是什么意思?爱问知识人

TF是国债期货的代码。国债期货是指通过有组织的交易场所预先确定买卖价格并于未来特定时间内进行钱券交割的国债派生交易方式。国债期货属于金融期货的一种,是一种高级的金融衍生工具。它是在20世纪70年代美国金融市场不稳定的背景下,为满足投资…

期货tf意思:期货中的恒生,金仕达,ctp啊是什么关系,期货公司的后台IT系统主要有哪些?

我能回答你一半的问题,恒生、金仕达、Ctp是几个软件商,不同期货公司都是使用它们进行交易结算的。后台系统也是这几个。除此之外还有易盛等软件商做的软件。我公司用的是金仕达作为主席,其他例如Ctp易盛是二席~其他就不能告诉你了

期货tf意思:和趋势做纯纯的朋友

图1知乎搜“期货”结果

事实上,期货并不是王八拳,乱打一通靠运气吃饭,科学的期货投资策略有很多,最让人熟知的就是趋势跟踪。趋势跟踪在CTA基金中大行其道,甚至可以说是主流策略。、Ooi和Pedersen(2013)的时间序列回归结果表明,虽然CTA基金会使用多个策略,例如carry和全球宏观,但是趋势跟踪策略能解释CTA基金的绝大部分收益来源。此外,CTA基金在中期和长期趋势上暴露更多,在短期要少一些;在固定收益上暴露会多一点,主要原因可能是因为流动性好并且过去20年趋势较好。

Baltas和Kosowski(2013)的研究也得出了Hurstetal.(2012)一样的结论。以CTA基金指数为因变量,三个不同频率的趋势跟踪策略为自变量进行时间序列回归,结果表明,CTA指数能被三个频率的策略完全解释,回归截距项不再显著,三个频率回归系数均为正并且显著。说明CTA基金表现能被不同频率的趋势跟踪解释,CTA基金确实使用了不同频率的趋势跟踪策略。

不只是专业的机构投资者,个人投资者更是对各种技术分析方法异常迷恋。这些形形色色的技术分析,包括技术指标和形态识别,绝大多数本质上也是趋势跟踪模型。鉴于趋势跟踪如此普遍,本文尝试对趋势跟踪进行深入探讨。

总体来说,要玩转趋势跟踪,至少需要四个步骤:云财经股市情报网TrendsEverywhere

定义规则。这里的规则,经常被称为交易系统或交易策略,包括进场、出场和止损止盈等,常被当作趋势跟踪策略最核心的模块,养活了一大帮靠贩卖交易策略为生的人;组合构建。组合构建模块,即决定配置哪些板块和品种,如何给这些品种分配资金,以及定期进行再平衡操作;杠杆管理。期货是保证金交易,不同投资者具有不同的风险偏好,杠杆管理模块用来决定杠杆或者仓位的大小,以实现目标风险收益水平交易执行。交易执行模块处理订单委托和执行,是趋势跟踪落地的最后一步。

接下来分为9个部分。第二部分讨论趋势跟踪无处不在,并阐述背后的逻辑是什么;第三部分介绍一些常用的交易规则以及它们的联系;第四部分利用国内的期货数据,构造了学术上常用的趋势跟踪策略TSMOM;第五部分讨论趋势跟踪的三个特点;第六部分研究不同加权方法是否会影响趋势跟踪的效果;第七部分讨论趋势跟踪策略的组合管理,包括杠杆选择和调仓频率;第八部分反思趋势跟踪是否已死;第九部分介绍一些批评和质疑的声音;最后一部分总结。

2.存在和逻辑2.1无处不在

常常听到别人讲,趋势才是你的朋友。趋势跟踪[1]可能是最容易理解的投资策略,当资产价格上涨时,那么此时处于上行趋势中,应该买入看多;当资产价格下跌时,此时处于下行趋势中,应该卖出看空。趋势跟踪本质上是一个时序策略,它只关注资产本身的历史走势,而不用考虑云财经股市情报网TrendsEverywhere当前时点其他资产的表现。一个相似的概念,就是横截面动量,比较经典的研究来自于Jegadeesh和Titman(1993),在某一个时刻t,比较所有资产过去一段时间的表现,做多表现最好的一篮子资产,做空表现最差的一篮子资产。也就说,横截面动量是一个相对概念,在同一时刻进行横向比较;时间序列动量是一个绝对概念,在某一时刻只和自己的历史相比[2]。

作为一种另类策略,趋势跟踪无处不在。Moskowitz、Ooi和Pedersen(2012)利用商品期货、国债期货、汇率期货和股指期货等58个资产,构建了一个时间序列动量组合。结果发现,在1~12个月内,收益率具有持续性,即过去上涨的资产未来上涨的概率较大,过去下跌的资产未来下跌的可能性较大;从1985年到2009年,时间序列动量组合表现优秀,阿尔法收益率显著大于0。

Hurst、Ooi和Pedersen(2017)将研究范围和时间区间进一步拓展,包括29个商品、11个权益指数、15个国债指数和12个汇率对;数据从1880年开始,如果没有期货就用现货拼接;在构造趋势跟踪组合时,同时考虑了1个月、3个月和12个月三个不同频率的周期。从1880年到2013年,趋势跟踪组合年化收益14.9%,即使考虑了2%的管理费和20%的业绩提成,仍然能获得11.2%的年化收益率,而组合年化波动只有9.7%,夏普高达0.77。

Babu,Levine,Ooi,Pedersen和Stamelos(2018)在Moskowitzetal.(2012)58个传统资产的基础上,增加了82个另类资产和16个因子收益率序列[3],结果显示趋势跟踪广泛存在于这些资产中,并且长期有效;通过拓展新的资产类型,可显著提高夏普比率。

Moskowitzetal.(2012)、Hurstetal.(2017)和Babuetal.(2018)等的研究表明,无论从时间维度上,还是资产类别上,抑或是投资周期上,趋势跟踪策略无孔不入,表现十分亮眼。无处不在的趋势跟踪,可能是投资少得的朋友。

2.2为啥有效

趋势跟踪能够长期保持活力,背后肯定有坚实的逻辑基础。站在当前时点,一切历史都是样本内,因此在评价一个投资策略是否站得住脚时,如果过于关注收益率等风险收益指标,而不注重为什么有效,再好看的数据都是脆弱的。

学术上在解释因子的收益来源时,往往从两个角度入手:risk-based和mispricing。前者是经典金融学的角度,认为一个异象如果能获得超额收益,肯定是承担了某种讨厌的风险,超额收益是这种风险的补偿;后者从行为金融学的角度,认为要么是某种限制阻碍了异象的消失,要么是投资者认知偏差导致的行为不理性。

Moskowitzetal.(2012)尝试从风险的角度研究趋势跟踪的收益来源,时间序列回归结果表明趋势跟踪压根不能被已有的风险因子所解释;不仅难以确定风险来源,Moskowitzetal.(2012)发现在市场表现很差的时候,趋势跟踪反而表现出色,例如2008年金融危机时CTA基金一枝独秀。因此,难以从风险补偿的角度理解趋势跟踪。

从行为金融的角度讨论就要容易得多,Clare、Seaton、Smith和Thomas云财经股市情报网TrendsEverywhere(2016),以及Hurstetal.(2017)对此有过详细讨论。有效市场假说认为,当出现某个重要的新信息时,价格会立即得到反应,以匹配最新的内在价值。然而,由于投资者认知偏差的纯在,市场并不是完全有效,而是慢慢地吸收新信息的影响。

大体来说,可以分为三个阶段,如图2所示。

图2趋势跟踪形成原理

初始阶段,由于锚点效应(Anchoring)、处置效应(Thedispositioneffect)和非盈利操作等,导致价格对信息反应不足。

锚点效应。投资者往往会把自己的观点锚定在最近历史数据上,不愿意很快改变自己的想法,当新消息到来时反应很迟钝,造成价格反应缓慢;处置效应。投资者往往会过早低卖出盈利股票以兑现收益;相反,对那些亏损的股票迟迟不肯止损。这样的后果是,上涨不会一蹴而就,下跌不会一跌到底,造成价格慢慢的移动;非盈利操作。一些非盈利操作,也会减缓价格的反应速度,例如中央银行在外汇市场和固定收益市场进行斡旋,以减少汇率和利率的波动。

一旦趋势起来,就进入了第二阶段:趋势持续甚至过度反应,这往往是由于羊群效应(Herding),以及确认和代表偏差(Confirmationbias和representativene)等因素导致的。

羊群效应。羊群效应也叫从众效应,当投资者观点和其他大多数投资者观点不一致时,容易怀疑和改变自己的观点,以使得和群体一致。在价格上涨或下跌开启后,投资会想羊群一样,加入到趋势行情中来;确认和代表性偏差。行情开启后,投资者会用最近的价格变动来推断未来,选择性地关注最近盈利的方向;不仅如此,一旦确认了自己的观点,便会找各种数据和信息支持自己的看法,这使得价格趋势得以延续。

最后,趋势不会永不眠,价格不会一直朝一个方向走下去。在趋势的末端,价格可能已经过度反应导致严重偏离基本面,因此最终会出现反转趋势宣告结束。Moskowitzetal.(2012)的研究表明,趋势一般在12个月内会持续存在,当超过12个月后,就会出现反转特征。

3.交易规则

既然趋势跟踪从逻辑上站得住脚,那么应该如何定义趋势跟踪的规则呢?当我们去问交易员们,他们的趋势跟踪具体使用什么规则时,一千个交易员有一千个回答;不仅如此,大多数人还会支支吾吾,遮遮掩掩,深怕说漏了嘴透露出了天机。事实上,这个问题既可以很简单,又可以很复杂。接下来介绍几个常见的趋势跟踪交易规则,包括海龟交易、均线系统和收益率符号。

3.1海龟规则

一提到趋势跟踪,就绕不开大名鼎鼎的海龟交易法则。上世纪80年代,著名交易员RichardDennis为了搞清楚交易员到底是天生的还是可以后天培养,通过报纸招募了一批学员,然后进行培训教授了一些基本的交易法则。这些学员被称为海龟,这个实验后来被称为海龟实验,据说在随后的四年里每个海龟获得了年均80%的收益率。

海龟交易法则实际上是一个完整的交易系统,包含了6个投资决策过程,他们分别是:

市场,买卖什么品种头寸规模,买卖多少数量入市,什么时候开仓止损,什么时候退出亏损的头寸离市,什么时候退出盈利的头寸交易,如何买卖

其中“入市”、“离市”和“止损”就是常说的交易规则。入市规则使用唐奇安通道,如果最新价格突破过去N日最高价,则做多;如果最新价格跌破了过去N日最低价,则做空。离市规则和入市规则相似,如果持有多单并且最新价跌破过去M日的最低价,则平多;如果持有空单并且最新价突破过去M日的最高价,则平空。最后,如果没有达到离市条件,但是持仓出现了浮亏,为了不让亏损无休止放大,当浮亏超过账户价值的2%时,就必须忍痛强制离场。

3.2均线系统

海龟交易法则参数较少,通俗易懂,使用起来简单,是最经典的趋势交易规则之一。另外一个常被提及的就非移动平均模型莫属了。Zakamulin(2015)利用标普500指数155年的数据,定义了四种移动平均计算方法和四个交易规则,一本正经地讨论移动平均策略是否可行。

如果滞后期为N个交易日,那么移动平均的一般计算公式可以写成:

从上面的计算公式可以看到,移动平均是过去N个交易日价格的加权平均值,可以起到平滑曲线减少噪音的作用。按照加权方式的不同,可以有多种移动平均计算方法,如等权重简单加权法、线性加权法和指数加权法。Zakamulin(2015)的研究指出,加权方法并没有显著性差异,简单加权反而看起来更优。

基于移动平均线,可以设计各种样式的交易策略,最常见的有四种:

上面这些指标,大于0就看多,小于0就看空。以双均线为例,当短期移动均线向上突破长期移动均线形成金叉时,做多;当短期均线向下跌破长期均线形成死叉时,做空。移动平均模型,长期来看能够轻易打败市场,但在短期和中期其表现并不稳定甚至经常跑输市场。

Zakamulin似乎非常热衷于均线模型择时策略,为此还专门写过一本书《Markettimingwithmovingaverages:Anatomyandperformanceoftradingrules》,有兴趣的同学可以找来看看。

3.3收益率符号

学术上定义的趋势跟踪,以Moskowitzetal.(2012)为代表,用过去N个月的收益率符号表示。当过去N个月收益为正时,则看多;相反,当过去N个月收益为负时,则看空。收益率符号法常被称为时间序列动量,可能是最简单的趋势跟踪规则了,在后来的学术文章中广泛使用。

Yang,Qian,Belton(2019)在讨论趋势跟踪时,介绍了其存在的三宗罪,其中一点是便是对收益率符号的诟病。Yangetal.(2019)认为,基于资产过去收益率符号的规则,要么是多头要么是空头,无论何时都会持有仓位,即使没有明显趋势的时候也会持仓,这样就会过度受到噪音的影响,无端带来多余的成本甚至亏损。

Baltas和Kosowski(2017)也讨论过这个问题,他们认为,更精细的交易规则能提升趋势跟踪模型的效果,于是提出了另外一个规则,用收益率的Newey-Westt统计量作为指标,这样就不会陷入要么1要么-1的争论。具体来说,对于某个资产,计算其过去12个月的日收益率的Newey-Westt统计量,那么信号为:

也就是说,如果t统计量大于1,则看100%仓位买多;如果t统计量小于-1,则100%卖空,如果统计量介于-1~1之间,则卖空或买多对应的数值。由于t值可以取1之间的值,因此和SIGN规则相比,策略杠杆可以更低。实证结果也表明,这一交易规则在保持夏普不变的条件下,能明显降低换手率。

3.4都相似

上面三个趋势跟踪规则——海龟、移动平均和收益符号,只是众多交易规则中的一小撮,其它被频频提起的还有布林带、MACD和肯特钠通道等,要数可以数一大堆。那么这些交易规则,到底哪个才是最优秀的小公举呢?这个问题可以一拆为二,一个是具体规则不同,二个是参数长度。

对于第一个问题,Levine和Pedersen(2016)做过比较详尽的讨论。双均线模型MACOROSS是过去价格的加权平均,时间序列动量TSMOM是过去价格变化或收益率的加权平均,通过数学变换可以将两者联系起来,实现相互转换。事实上,很多其他的趋势跟踪规则,包括HPFilter、KalmanFilter和OLS趋势线等,本质上都可以转化为TSMOM或MACROSS,即趋势跟踪规则虽然计算方法千奇百怪,但是内核几乎没啥差别。因此作者得出结论,由于许多趋势跟踪规则是相似的,与其花费大量精力在趋势跟踪规则的定义上,还不如多琢磨琢磨如何减少成本、周期选择、组合构建、风险管理和挖掘其它因子。对于这个问题,石川(2018c)也有过精彩的讨论,最终得出结论,具体使用哪个方法来衡量趋势其实没那么重要。

第二个为参数选择问题,为量化研究大坑之一,不小心就容易掉进去。一般而言,短周期参数和长周期参数,各有各的优劣。较短周期的趋势跟踪,能更加灵敏地捕捉到最新信息,信号产生较为频繁和快速,但更容易受到短期噪音的影响,更高的换手率也会招致更多的交易费用;较长周期的趋势跟踪,擅长捕捉较大的行情,但信号反应会比较迟钝。为了比较不同参数长度的差异,Hurstetal.(2013)在构造TSMOM时,同时考虑了1个月、3个月和12个月,结果表明,三个参数均能获得不错的表现,12月TSMOM好于3月,3月好于1月。将他们结合在一起,夏普和收益率最高。另外,在对CTA基金进行归因时发现,CTA基金在中期和长期TSMOM上暴露更多,在短期要少一些,表明业界还是偏向于表现更好费用更低的长周期参数。

由于底层逻辑都一样,当没有出现明显的上涨或下跌行情时,无论是规则设计多么复杂精妙,无论是短期中期还是长期,都无法获得可观的收益。趋势跟踪喜欢资产价格较大幅度的涨跌,而小幅振荡容易来回打脸啪啪啪。在实际设计趋势跟踪组合时,最好是多周期多规则结合,一方面减少参数的过度依赖,另一方面也能减少冲击成本提升策略容量。

4.TSMOMinChina

既然趋势跟踪无处不在,并且有很强的底层逻辑,那么趋势跟踪在国内是否同样会有不俗的表现呢?接下来我们先按照Moskowitzetal.(2012)的方法,构造国内的TSMOM。

4.1数据

和股票行情数据相比,期货行情数据要麻烦得多。一个期货品种往往同时存在多个合约,每个合约相互独立,都有开盘价、最高价、最低价、收盘价、成交量和持仓量。在实际委托下单时,只会关注最活跃的合约;合约不会永续存在,随着交割日的临近,需要把持仓挪到下一个活跃的合约,即常说的展期换月。因此,如果要研究趋势跟踪的历史表现,需要对每个品种设计一个可靠的序列,以衡量真实的收益和波动水平。

刀疤连(2018)在梳理了各类连续期货价格计算方法后,借鉴南华期货收益率指数的编制思路,采用向前比例法,设计了一个全品种全历史的编制方案,即千寻期货品种收益率指数。本文的研究,全部基于该收益率指数数据。

在确定投资范围时,本文以流动性为主要标准,选择了36个长期活跃性较高的品种,其中包括3个股票指数期货、2个国债期货、4个金属期货、5个能源矿产期货、10个工业品期货和12个农产品期货[4]。由于早期期货品种数量较少,数据样本起始日为19970630,彼时已经有3个品种在市交易。由于计算趋势跟踪信号和方差协方差需要样本数据,因此实际研究起始日期为19990630,结束日期为20190628,正好20年。

随着国内期货市场的发展和完善,期货品种也变得更加丰富和多样,投资广度保证了各类策略“海阔凭鱼跃,天高任鸟飞”。图3展示了投资范围期货数量的历史变化,可以看到,刚开始时只有3个品种,2000年左右有4个品种,2001年到2004年长期只有5个品种;2007年数量开始快速增加,到2012年后已经达到20个,2013年到2016年上市品种进一步丰富,达到了35个;最近几年,新期货有条不紊地增加,截至到样本截止日,共有36个品种。

图3研究范围品种数量

表1展示了所有品种的描述性统计分析,包括数据起始结束日、所属板块和月收益率分布等内容。从该表可以看到,铝(AL)、铜(CU)和橡胶(RU)是数据长度最长的品种,在样本起始日之前就已经上市交易;权益资产从2010年4月沪深300股指期货(IF)上市之后开始有数据,国债期货从2013年9月5年期国债期货上市(TF)开始有数据;从偏度来看,左偏和右偏差不多各占一半;从峰度来说,所有品种收益率均呈现出肥尾特征,这有利于趋势跟踪[5];三个股指期货,收益率均为右偏,肥尾特征也非常明显。

表1研究范围单品种描述性统计分析

4.2买入持有收益

接下来看所有品种和板块的长期表现,见表2和表3,其中板块由所有成分等权重构建。首先,从年化收益率来看,不同品种之间差异较大,有18个品种收益率为负,18个品种收益率为正,收益率最惨的沥青(BU)年化收益率为-13.56%,收益率最高的铁矿石(I)年化收益率有14.01%,所有国债和权益资产均能获得正向收益。其次,不同期货品种波动率差异巨大,权益类、工业品和能源化工年化波动率最高,接着是金属和农业,波动率最小的是国债类。然后,从最大回撤的角度来看,除国债类资产外,其他所有品种历史最大跌幅都不小,持有单一品种可能招致巨大损失。最后,如果仅仅只看商品期货的话,单个商品的年化收益平均值和中位数接近0,而一个分散化且定期再平衡的商品多头组合,却能获得显著大于0的收益,这和Gorton和Rouwenhorst(2006)的结论一致。

表2单品种长期表现

表3不同板块长期表现

4.3收益率持续性

趋势跟踪获利的关键点之一便是价格具有持续性,来回振荡是最最讨厌的。一般来说,收益率持续性越好,趋势行情越顺畅,策略获利越多。在正式构建趋势跟踪组合之前,参照Moskowitzetal.(2012)的方法,先来探索一下品种收益率的持续性如何。具体方法为,以所有品种风险调整后月度收益率为因变量,滞后h个月的风险调整后月度收益率为自变量,运行面板回归,回归系数的显著性水平即可用来度量收益率的持续性,面板回归模型如下。

其中,r(t,s)为品种s在月份t的收益率,(t,s)为品种s的实现波动率,h为滞后月份数。滞后期h取值1~60,对每一个滞后期h,估计一次面板回归模型,得到一个回归系数的t统计量。直观来说,如果回归系数显著大于0,则说明价格持续性较好;如果回归系数显著小于0,则说明价格呈现明显的反转特征。

之所以要用风险调整后收益率,是因为不同品种之间波动率差异较大,直接用简单收益率会导致不可比。在计算每个品种的实现波动率时,采用的日收益率指数加权的方式,即:

其中,252表示每年交易日天数,用来将日度波动率调整到年度;由COM决定,COM取63个交易日,即:

图4展示了所有滞后期对应的t统计量。从中可以看到,在1~12个月,回归系数绝大多数时候显著大于0,表明在1年内收益率持续性较高;相反,12个月以上更多地呈现出反转特征,这和Moskowitzetal.(2012)的结论基本吻合。

图4所有品种持续性分析

分版块来看,如图5所示,能源矿产和金属版块展现出较好的收益持续性,这和近几年观察到的现象一致;农产品和工业品持续性一般;国债和股指的持续性最差,可能是品种数量和数据长度较少导致的。

图5分版块持续性分析

4.4TSMOM组合

接下来,按照Moskowitzetal.(2012)和Hurstetal.(2013)的方法,构造趋势跟踪组合。在每月月末t,对每一个品种s,计算其过去h个月的收益率,根据符号确定交易方向,如果为正则看多,如果为负则看空,即品种s在t+1月的趋势跟踪收益为:

其中,h表示回看窗口,即多少个月的动量,这里h取值1、3和12,对应1个月、3个云财经股市情报网TrendsEverywhere月和1年。

每个品种权重由波动率倒数决定。波动率倒数加权又被称为NaiveRiskParity,是简

本文云财经股市情报网 云股票情报网trends everywhere希望对你有所帮助,温馨提示:投资有风险入市需谨慎。

为您推荐

发表评论

电子邮件地址不会被公开。 必填项已用*标注