交易模型的定义及理论基础

反趋势为基础的交易模型

该类模型是根据设计者的数据统计，然后假定市场需要调整，并在相反方向建仓交易的系统。它与趋势交易模型的区别在于，趋势交易模型可以自动调整，而反趋势交易模型由于与主要趋势相反操作经常会带来不可估量的风险，所以该类交易模型必须带有一套止损条件。

基本分析交易模型

基本分析交易模型是指交易者使用市场外的数据信息，通过对所有影响基本经济关係的信息进行考察，并对这类因素进行量化分析，建立数据库，从中判断市场的均衡价格而进行投资的模型。该模型的特点主要是：为大规模资金进场提供良好的分析依据；理论基础雄厚，容易为投资大众接受；对于短线和时机把握帮助不大；信息收集难度大；分析滞后于市场价格；分析主观性强。

下面介绍「价值评估」和「评估积分」两种基本分析交易模型。

价值评估交易模型

期货价格对现货价格将产生相互牵引的作用，据资料统计，近10年来，我国大豆期价与现货价格的相关係数为0.9。而对于期货市场产生的期货价格，期货市场的参与者包括现货商和投机者，对同一商品的期货价格有自己的判断，而由于成熟的期货市场绝大多数的参与者是投机者，期货市场的成交量往往是现货贸易量的数倍或数十倍，所以期货价格不单是由现货价格和仓储成本决定的，除了成本定价还包括资本定价部分。所以，作为期货基金的基本分析交易模型，还要包括期货市场的投机因素：期货价格=（现货价格＋仓储成本）×投机係数，投机係数根据突发事件、市场投机资金等情况确定。

积分评估交易模型

基本分析交易模型的主要缺点是信息收集难度大造成的信息不对称，分析滞后于市场价格且分析主观性强，但随着信息科技的发达和交易制度的完善，信息的公平共享将进一步缩小信息不对称，最新信息的获取也相对容易了，困难的是如何去辨别信息真伪、主次和克服信息处理中过分主观判断的影响。积分评估交易模型的主要步骤如下：

a.确定分析因素

为了使分析统计因素保持全面，多空两方面分析因素的数量不能过少，一般不少于5个。如供求分析因素，以大豆期货为例，供求类因素包括：预测种植面积和实际种植面积因素；预测产量和实际产量因素；大豆进出口量；大豆压搾加工量；库存因素；突发事件因素等。

再比如週期性分析因素，还以大豆为例，週期性分析因素包括：3－4月份左右——中美大豆播种期，种植面积预测因素，同时南美新豆开始上市，价格处在谷底。5－8月份左右——中美大豆的天气与产量为主要分析预测因素，消费旺季到来，价格从前期的缓慢上升，至7、8月份大豆受青黄不接和天气炎热等波动因素的影响，价格达到年度高峰。9－11月份左右——中美大豆实际收成因素、南美大豆播种面积预期因素，10月份后由于中美新豆上市，价格再次回落至当年的最低价区域。

b.确定分析的时间段

无论何种交易模型的分析方法，都需要足够统计分析样本数据，才能保证统计结果的可靠性，因此要经历一个以上的循环週期，如农产品的生长週期、金属的经济週期等，其中更应该包含突发事件或政治的因素，以检测交易分析模型应对的能力和控制风险能力。

c.确定分数值

确定分数值的方法可以使用普通正负分数法、权重分数百分比值法等，利多因素的分值为正值，利空因素的分值为负值，无明确利多、利空倾向的因素取为0分。

d.计算分值结果

将各影响因素的分数值累计，得出分值结果，分数为正数，则市场的趋势以上升为主；分数为负数，则市场的趋势以下跌为主；分数为0或接近0分，市场将处于盘整。

e.分值跟踪系统

不同事件的发生和时间的推移变化，各因素对价格的影响不一，如突发事件对价格的影响随事件的变化影响力会逐渐消退，所以要对各因素分数值不断调整，确定分数结果，调整对交易模型的决策结果。

数学计量模型

数学计量交易模型是指设计者根据现代投资理论，对历史交易数据进行大量的统计学分析，从中找出一定规律，在市场出现偏差时或特定情况时进行投资的模型，如套利交易模型、跳空交易模型等。

套利交易模型

套利交易一般来说，就是同时买卖同类或不同类期货品种的不同交割月份合约，因为不同交割月份的两个期货合约价格在运动方向上是一致的，买入期货合约的损失会因卖出合约的盈利而抵销；或者卖出合约的损失会因买入合约的盈利而弥补。套利交易可以为避免价格剧烈波动而引起的损失提供某种保护，其承担的风险相对于单方向的投机交易来说是相当低的。套利交易在期货市场主要有两方面作用：使扭曲的期货价格回复到正常水平；为投资者提供了获利机会。

跳空交易模型

该模型是根据期货合约跳空高开或低开若干点进行交易的模型，其理论基础在于通过跳空开盘对后市影响的统计学意义。一般在依据该模型交易时，利润达到一定值时即平仓或当日收盘平仓，亏损达到一定值时即止损。在使用该交易模型时，交易者应该对拟进行交易的品种事先进行评估，不是所有品种都适合的，如上海铜、铝，该品种的市场特性和参与者结构导致了交易数据跳空较多，因此不能简单套用，一定要在大量的统计学基础上进行修正后才能使用。

交易模型的系统程序化

作为职业基金管理者，其投资行为必须具有一定的逻辑性和科学性，投资决策要求客观、迅速，不能带有模煳不清的分析和主观判断，而系统化的交易决策模型可以通过现代计算机技术将传统的交易方式转换成为数学模型，并通过大量的信息和数据进行检验分析，评估交易模型的可行性，从而做到严格的定性和定量，保证了投资决策的科学性。

交易模型系统程序化的步骤：a.确定交易模型的交易原则，进出场的信号确定、资金使用比例、风险控制原则等，如KD低位交叉为买入信号，高位交叉为卖出信号；b.确定交易模型中的参数和自变量，如KD指标中的天数等；c.将交易模型程序化，按计算机语言将交易模型转换公式，使交易模型的检验过程能通过计算机进行客观的检验。

交易模型的模拟检验

模拟是对建立的系统或决策问题的数学或逻辑模型进行试验，以获得对系统行为的认识或帮助解决决策问题的过程。模拟的主要优点在于检验交易模型中的问题或系统的任何假设模型化的能力，使它成为最灵活的工具。判断交易模型是否有实用价值，最简单、最可靠的途径是通过在尽量多的市场裡，进行长时间的测试。为了减少交易模型的检测成本，检测先从模拟开始。交易模型检验的基本原则是「模拟实战」，一切条件都要接近实战条件，使检验结果尽可能真实，因为只有这样才能使交易模型有真正的使用价值。

1.突发事件

在检验过程中一定要包含有突发事件(包括涨跌停板)，因为除了要检验交易模型在正常情况下的运作情况，还要有应付突发事件的能力，不能因为是「小概率」事件而忽略了突发事件的影响，应遵循「模拟实战」的基本原则。一个成熟的交易模型，即使不能捕捉到突发事件带来的超额利润，也应该有能力抵抗突发事件带来的风险。

2.检验的信息和数据

对于基本分析交易模型，需要有完善的信息数据库，信息的来源随着科技的发达，互联网的不断应用，信息的收集比以前方便了许多，因此要整理完善好信息数据库相对较容易。对于技术分析交易模型，由于期货基金运作的是期货品种，期货品种的数据有它的独特性，欧美期货的数据有各自不同的特点，如伦敦金属的期货数据没有出现「断层现象」，使用计算机检验就不会有问题，而国内的期货数据源袭了美式期货数据，不同的交易合约换月时会出现「数据断层」，不能像股票一样使用简单的除权处理，因此要通过交易模型的检验首先对数据进行处理。

实际合约数据：按照实际的合约交易数据，缺点是十分明显的，因为国内期货合约目前只有1年的週期，因此在检验时数据週期就显得太短了，而且在相当长的交易时间内合约的成交量并不活跃，流动性小，不具有代表意义。

即月连续数据：按合约交割日连接，连接起来形成连续数据。这样产生的连续数据优点是具有实际交易性，但在实战交易中会产生差别，交割前成交不活跃，缺乏代表性，像上海铜一般都是交割月后第四、五个合约成交活跃；缺点则是会产生「断层现象」，对检验结果产生重大的失真。

价差调整连续数据：按照一定的规则，在进入交割前一定时间内连接随后的合约数据，这裡的时间参数X，要根据不同品种来确定，上海铜要比大连大豆和郑州小麦的时间参数X要大，将调整时两个合约的价差累计下来，最后将累计价差加减到数据列中，得出最终的期货数据。特别注意的是，经过调整的期货数据可能会出现负值，要做相应的数据调整，但这不会影响使用计算机检测的交易结果。优点是能长时间反映价格变化水平；缺点是数据不能直接应用于实际交易中，需要通过转换。

权重连续数据：按照固定的时间连接随后的合约数据，同时按近月大、远月小或是按成交量与持仓量的比重计算连续价格，随着时间的推移，较近的合约的权重越来越小，而远月的权重越来越大。优点是消除了数据「断层现象」，可以选取多个活跃月份，这样就可以更真实地贴近实战交易；缺点也是数据不能直接应用于实际交易中，需要通过转换。

以上四种数据处理方式各有所长，要根据使用者的情况选用。对于短线使用者，实际合约数据较好，而对于中长线的使用者连续数据才能真实反映实际中长期的盈亏情况，并进行计算机的检测。在对交易模型的检测中，为了保证检验结果的可靠性和稳定性，需要足够的统计样本数据，按照统计学的大样本要求，样本数量要多于30个。以短线为主的交易模型，数据时间不能短于1年的分时数据，使用日线数据检测的不能少于3年以上，基本分析交易模型的数据要求要经历一个以上的循环週期。

交易模型的优化

根据交易模型模拟检验后的交易成绩数据，对成功率高且有实用价值的交易模型的参数进行调试，以达到最佳效果。交易模型优化分为：

1.交易模型的参数优化：一种是围绕原定的参数为中心的微调，一种是大范围的跳跃式的搜索。
2.交易模型的交易规则调整：增减交易模型的交易规则和增减的变量，目的是改善交易模型的成绩而不是重新设计新的交易模型。

交易模型优化的基本要求是模拟期和优化期不能重迭，否则就不能使交易模型具有适应性和稳定性，降低了交易模型的实用性。交易模型优化的另一个重要意义在于减少了交易模型的噪音，也就是假信号，因为这是交易模型中无法避免的，噪音过低会走入优化陷阱，交易模型的市场适应性会减低；而噪音过高，交易模型就没有实用价值。根据资料条件，理想的噪音水平在10％－30％左右。

交易模型的实战检验

在经历了模拟检验和优化后，交易模型将进入实战检验阶段。模拟检验和实战检验的重大区别在于心理的压力，这也是分析家和投资家的区别。交易模型的实战压力主要产生在两个时期：

1.当交易产生相当利润的时候。由于期货基金的管理者担心利润流失和顾虑投资者的压力，会产生心理动摇、不等待交易模型发出离场信号，就主观判断离场。这样就不能体现交易模型的前后一致性和客观性，令交易结果产生不稳定性和不可比性。

2.当交易产生连续性的亏损时。根据溷浊理论，交易模型的噪音（假信号）分佈具有随机性和集中性，所以当交易模型出现连续性的噪音（假信号）时，会对交易模型的使用者产生较大的心理压力，对交易模型产生怀疑，甚至产生放弃的思想。这时应该检查交易记录和交易模型的设计理念，看是否由于没有严格执行交易模型发出的信号而产生了失误，或是由于交易模型的缺陷造成的失误，然后有的放矢地解决问题。例如，在郑州绿豆1998年3月－9月和大连大豆1999年9月－2000年的5月期间，行情进入无趋势市场，对于使用趋势跟踪为基础的交易模型产生的连续性亏损，就是交易模型中趋势型交易模型本身的缺陷造成的，但这也不能完全否定趋势型交易模型的实用价值。

交易模型进入实战检验阶段除了是对交易模型的检验，同时也是对交易模型使用者的心理和性格的检验。交易模型使用者应付心理压力的能力（包括应付市场的压力和来自投资者的压力）和是否有与交易模型相适应的性格、生活方式才是交易模型成功的最关键的因素。

交易模型的跟踪分析和调整

交易模型进入实战使用阶段，需要对交易模型的不同情况进行跟踪分析和调整，为交易模型使用者和投资者提供统计资料。对交易模型的调整是在大量的交易资料分析基础上进行的，调整只能是阶段性的调整，不能随机调整，因为只有在积累了具有统计意义的足够数量的交易数据样本后，才能做出相应的调整。另外，在投资市场产生重大变化、新品种上市之初、市场的交易规则出现变化时，也要对交易模型做出相应调整。随着投资技术分析理论的不断进步发展，投资市场也不断发展成熟，交易模型也在不断完善，期货基金的交易模型也将得到不断发展。

交易模型的评估

对于交易模型的收益和风险评估，很多投资者往往只关心淨利润和回报率，而忽略了交易模型的风险测量评估，其实这正是交易模型最为关键的部分。

两个管理者的起始淨值和到期淨值一样，但是管理者A的期货基金的淨值在中间经历了大幅起落，使投资者在投资途中的风险加大，加大了投资者和管理者的心理压力，管理者可能产生情绪波动，不能很好地执行交易模型的交易信号，产生了非市场性风险，投资者也将很可能在中途赎回基金投资，而不能取得最后的回报。

而管理者B的期货基金的淨值在中间相对平稳，投资者所面临的风险减少，投资者和管理者心态平稳，管理者不去追求短期的高回报，淨值则稳定增长，管理者完成交易模型成功的概率也比管理者A的期货基金要大。

交易模型的评估项目大体包括：淨利润、回报率、总交易次数、盈亏次数比率、标准离差/标准离差率、回报回调率、风险指标d七个方面。

标准离差/标准离差率

期货基金交易模型常用的收益和风险评估是标准离差/标准离差率，因为标准离差/标准差离率越小，说明交易模型的收益分佈概率越集中，期货基金交易模型实际收益越接近理论收益，风险越低。评估步骤如下：

1.计算交易模型收益期望值
E=ΣXi×Pi，E为收益期望值、Xi为第i笔交易的收益、Pi为第i种结果收益的概率。

2.计算交易模型的收益标准离差
δ=Σ（Xi－E） 2×Pi

3.标准离差率
V=δ÷E

4.权衡交易模型优劣
选择收益高且标准离差率小的交易模型。

风险指标d

在使用标准离差率对期货基金交易模型收益和风险评估的前提条件是交易模型的分佈必须符合正态分佈，也就是收益分佈是对称的，对于不符合正态分佈的交易模型的收益和风险评估就没有意义了。往往出现收益为负的交易模型的标准离差率小于收益为正的交易模型，因此我们在这裡引入了风险指标d。

d=|Σn÷Σc|，Σn为交易模型收益小于0的次数和收益的乘积、Σc为交易模型收益大于0的次数和收益的乘积。

引入风险指标d的好处是不用对交易模型的收益分佈做任何假设，就可以对交易模型的收益进行比较。

拓展阅读：

1.一个量化策略师的自白（好文强烈推荐）

2.市面上经典的量化交易策略都在这里了！（源码）

3.期货/股票数据大全查询（历史/实时/Tick/财务等）

4.干货| 量化金融经典理论、重要模型、发展简史大全

5.从量化到高频交易，不可不读的五本书

6.高频交易四大派系大揭秘

交易模型的定义及理论基础相关推荐

什么是交易模型？如何透过交易看用户画像?
什么是交易模型? 开篇之前先来问几个问题,买一本书,订一个外卖和买一套二手房之间有什么相似之处?为什么买一副耳机不需要交定金,不需要签订合同,不需要中介提供服务,而买一套二手房就需要缴纳定金,签合同, ...
python 程序化交易信号闪烁_程序化交易模型在回测时的偷价行为和信号闪烁问题...
导读:作为国内目前为数不多的程序化交易爱好者的一员,我在平时在做程序化交易时常遇到的信号闪烁和偷价行为两个问题,个人认为量化交易在国内还算是个新东西,便整理出来和大家分享一下. 1.程序化交易问题一: ...
python 程序化交易信号闪烁_程序化交易模型的信号闪烁问题及解决办法
来源:雪球App,作者: 高低之间_简单价投,(https://xueqiu.com/2853948193/86030837) 1.程序化交易模型的信号闪烁问题所谓信号闪烁,是指程序化交易模型在图表 ...
数据挖掘与数据化运营实战. 3.9　卖家（买家）交易模型
3.9 卖家(买家)交易模型卖家(买家)交易模型的主要目的是为买卖双方服务,帮助卖家获得更多的买家反馈,促进卖家完成更多的交易.获得持续的商业利益,其中涉及主要的分析类型包括:自动匹配(预测)买家感 ...
think php5关联模型,thinkphp5中关联模型的定义与使用方法
定义一对一关联这里假设你已经把thinkphp5的环境都配置好了,数据库也连接OK了.想通过模型把两张表关联起来然后在通过控制器一调用就可以得到两张表的信息. 现在我准备了两张表,一张管理员表pwn ...
全球顶尖的程序化交易模型
1. 交易系统排名据美国权威交易系统评选杂志<Futures Truth Magazine>2011 年10 月最新发布的交易系统排名,NatGator.Catscan.DCS II ...
Python实现股票量化交易学习进阶(二)之简单交易策略的定义实现
Python实现股票量化交易学习进阶第二篇之简单交易策略的定义实现 1.backtrader回测框架知识 2.需求一自定义MACD指标 3.需求二自定义实现KDJ指标 4.需求三自定义CCI指标 1. ...
SF27 | 如何开发一个日内交易模型？
致力于分享量化策略,培训视频,Python,算法研究等相关内容. 大家好,我是乌克兰剑圣. 这一期我们是日内交易模型开发系列的第二期模型型,准确来讲是第一期策略基础上的延申.SF27在25的基础上有删 ...
网格交易模型股票网格交易期货网格交易策略开发
网格交易模型主要逻辑: 包括两个类: 1.new_block创建新的网格,其中有网格中线值(start)参数,(add)按绝对值创建网格,(times)按小数比例创建网格,(quantity)网格中 ...

交易模型的定义及理论基础

交易模型的定义及理论基础相关推荐

最新文章

热门文章