动量测评之均线策略yWord文档格式.docx
《动量测评之均线策略yWord文档格式.docx》由会员分享,可在线阅读,更多相关《动量测评之均线策略yWord文档格式.docx(27页珍藏版)》请在冰豆网上搜索。
当然有些情况下,在周度收盘前不一定能断定价格到收盘时必然站上5周线或者跌破5周线,这种情况可以用下周的开盘价买入或者卖出。
5周线战法用来捕捉趋势机会,趋势越强效用越大,这句话包含两个意思:
对于上行趋势,可以获得可观的收益,对于下行趋势,则会避开深度套牢。
相反当遇到震荡行情,则完全失效,甚至使得组合净值出现大幅回撤。
举个例子创业板指数(399006)周度走势,在2012年见底之前,出现长达4个月横盘震荡走势,这期间用5周线战法就会出现净值回撤,最好的操作也许是箱体震荡做反转。
而当创业板指数在2012年底筑底之后,出现单边大幅上涨时,5周线战法效果就非常显著。
图3创业板指数(399006)周K线图与5周均线
至于如何定义趋势和震荡是一个并不存在标准答案的问题,从数学角度不存在一个终极的唯一答案,二者的定义不仅依赖于量化指标,也依赖于投资者主观认定,换句话说这个定义既是主观的也是客观的。
以后我们会有专门的报告来探讨这个问题,本篇报告里不会深究这个问题。
在这里还需要探讨一下技术分析的两类体系,无论是江恩理论、波浪理论、均线系统、缠中说禅还是传统的技术分析指标,都属于两类体系中的一种。
一类体系为预测系统,另一类为操作系统。
预测系统站在当下对价格未来的走势进行了超前的预测,预测还可以分为两类:
一类为单义性预测,另一类为多义性预测。
单义性预测比较确定地认为未来就是如何如何,这是一种属于先知先觉性的分析系统,譬如预测拐点发生的时间和到达的点位,再比如像波浪理论基于当下处于的浪级从而预测未来还有几浪涨跌;
而多义性预测并没有明显倾向于未来价格走势的唯一可能性,即使基于价格的大数据对未来走势的可能性具有概率统计分布,实际操作往往不会依赖这种概率分布,因为在金融市场最不缺的就是黑天鹅,过去的统计结果未必适用于当下,更不一定适用于未来,毕竟影响股市的各类因素如宏观经济、货币与财政政策、投资者结构、金融工具的使用、上市公司的管理还有人类的生产力与生产关系的发展变迁,这些因素不会一成不变,必然持续不断地发生着变化。
单看A股从2000年至今,上述因素也在发生着各种变化,而每一轮的牛市或者熊市从其触发到推动再到完成的因素也是不尽相同。
这说明简单基于过去价格的统计规律的不可靠性。
所以多义性分类实质上并非基于走势分类的概率分布进行操作,而是对未来走势的分类一视同仁,甚至认为每一种分类发生的可能性是一样,唯一必需做的是制定相应的操作策略。
上述属于技术分析的预测系统,与之完全不同的则是技术分析的操作系统,这种系统对未来具体是涨还是跌、涨至什么位置、什么时候拐点出现等等都不做任何预测,唯一需要做的就是跟随,简而言之就是设置一个明确的信号系统,出现信号则做相应的操作。
这篇研究报告中主要是关于操作系统的。
2.5周均线策略的测评
2.1.回溯测试结果
测试时间窗口2002年4月1日-2015年3月6日
对于任何量化交易策略都存在一个基本问题:
策略的盈利从哪里来?
对于所有单均线策略而言,盈利来自于价格走势的趋势,只要价格存在趋势,就会盈利;
反之,价格走势呈现震荡,策略就会出现亏损。
问题关键是盈利多于亏损还是亏损超过盈利?
我们选择申万的28个一级行业做测评,通过测试结果观察价格走势是否存在趋势。
回溯测试参数:
交易费率万分之五,空仓持币无风险利率年化4%。
分成两个时间窗口测试:
第一时间窗口、2002年4月-2015年3月;
第二时间窗口、2010年1月-2015年3月。
从2001年至今,A股经历了2001至2005漫长的四年多熊市、2006、2007年的大牛市、2008年的单边下跌、2009年的震荡反弹、到2010之后股市进入震荡下行后又转为结构化行情,直至2014年下半年大幅上涨,上证综指又重上3000点之上。
在这种完整的股市走势结构框架下,我们可以观察5周线策略的表现。
从量化交易策略的超额收益比较看到,28个申万一级行业中有25个累计收益跑赢了行业指数的区间涨跌幅,28个行业的平均区间涨幅246%,而策略的平均涨幅763%,超额收益517%。
从量化交易策略的累计收益角度来看,全部28个行业取得了正收益,其中汽车行业累计收益1763%,排在第二和第三位的分别是有色金属1366%和国防军工1364%,排在最后一位的为休闲服务255%。
但28个行业的胜率无一超过50%,平均胜率仅40%,也就是说每五次买入只有两次收益为正。
通过这个结果再次说明了趋势策略的低胜率、高盈亏比特征,这种结果正是由市场自身运行特征决定的:
趋势虽少但涨跌幅主要集中在此,震荡虽多但不构成涨跌幅主要贡献因素。
表2:
策略收益率一览(按累计收益排序,2002年4月-2015年3月)
图4汽车行业(801880.SI)策略净值与价格指数比较(2002.4---2015.3)
2.1.1.测试时间窗口2010年1月1日-2015年3月6日
从2010年开始整个A股市场进入震荡偏下行的行情,但中小盘从2012年底转为上行趋势,市场进入所谓的结构化行情。
我们用5周线方法测试在这种结构化行情下策略的表现。
从量化交易策略的超额收益比较可以看到,28个申万一级行业中,有22个行业策略的累计收益跑赢了行业指数的区间涨跌幅,而有六个行业的策略累计收益跑输行业指数区间涨跌幅,包括计算机、传媒、医药生物、休闲服务、家用电器和食品饮料。
28个行业的平均涨幅34%,而策略的平均涨幅73%,超额收益39%。
从量化交易策略的绝对收益角度来看,只有食品饮料收益为负,其他27个行业全部取得了正收益,其中国防军工累计收益率158%排第一位,排在第二和第三位的分别是汽车148%和计算机135%。
买入信号胜率同样偏低,只有汽车的胜率为54%,其他27个行业胜率没有超过50%,平均胜率仅为39%。
表3:
策略收益率一览(按累计收益排序,2010年1月-2015年3月)
从食品饮料行业的周K线图走势来看,五年涨幅22%,振幅约60%,整体偏震荡结构,所以5周线策略累计收益为负20%,策略发出买入信号39次,胜率仅26%。
图5食品饮料(801120.SI)周K线图与5周均线(2010.1---2015.3)
2.2.行业期初“等额资金”策略
如果在期初给28个申万一级行业分配等额资金,之后针对每一个行业按照5周线策略操作,那么组合的表现如何?
从2002年4月至2015年3月,WIND全A指数上涨226%,而同期5周线策略累计涨幅763%,年化收益率18.2%,最大回撤为31%。
但如果可以直接投资WIND全A指数的话,用5周均线策略累计涨幅881%,最大回撤28%,优于行业期初等额资金策略。
即使能够投资WIND全A,在实际运用中也最好不要把5周线策略运用到单一标的价格序列,因为均线动量策略对价格的形态有趋势要求,事先无法知道这个价格序列是否一定适用于单均线策略。
图6行业“等额资金”策略净值与WIND全A指数走势比较(2002.4---2015.3)
3.由周均线到日均线
3.1.25日线测评与5周线比较
5周线与25日线从均线定义上没有本质的区别,区别在于频率和精度。
假定{p1,p2,…,p25}为过去25个交易日收盘价,假定每周都是5个交易日,那么5周均价定义为:
而25日均价格定义为:
从2002年4月1日至2015年3月6日,申万28个一级行业分别使用25日线策略与5周线策略测试,基本上绝大多数行业25日均线策略的累计收益高于5周线策略。
25日均线策略的平均累计收益高达1137%,而5周线策略的平均累计收益763%。
其中国防军工的25日均线策略累计收益高达2719%,而5周均线策略仅为1364%。
相比较5周均线策略,使用25日均线的另一个优点是最大回撤整体有所下降,平均最大回撤由37%降至35%。
图7累计收益比较(25日均线策略vs5周均线策略)
数据来源:
国泰君安证券研究,WIND
使用25日均线策略平均买入次数133次,不难发现其买入信号次数较5周均线策略大幅增加,5周线策略买入信号仅为76次。
这些信号主要因为日K线价格会围绕25日均线上下波动,每一次上穿都会发出买入信号,同样每一次下穿都会发出卖出信号。
图8买入信号次数比较(25日均线策略vs5周均线策略)
随着25日均线策略买入信号次数的增加,策略的胜率整体下降,平均胜率由5周均线的39%下降到29%,也就是说使用25日均线策略每十次买入,仅有三次获利,其他七次都以亏损告终。
图9胜率比较(25日均线策略vs5周均线策略)
表4:
25日均线策略与5周均线策略比较
25日线策略
5周线策略
证券名称
区间涨跌幅
累计收益
最大回撤
买入次数
胜率
农林牧渔(申万)
142%
1156%
-29%
120
31%
880%
-32%
69
40%
采掘(申万)
138%
1200%
133
28%
1081%
-43%
71
41%
化工(申万)
122%
921%
-33%
122
33%
547%
-26%
77
38%
钢铁(申万)
1537%
-35%
30%
778%
-44%
72
42%
有色金属(申万)
215%
902%
-50%
151
1366%
-48%
39%
电子(申万)
141%
1403%
904%
73
家用电器(申万)
403%
797%
139
306%
-41%
87
食品饮料(申万)
343%
663%
-36%
143
-51%
83
32%
纺织服装(申万)
101%
926%
132
24%
492%
-37%
轻工制造(申万)
109%
1293%
118
618%
35%
医药生物(申万)
412%
1208%
-27%
131
806%
81
48%
公用事业(申万)
144%
481%
140
27%
490%
交通运输(申万)
126%
884%
-30%
743%
房地产(申万)
217%
635%
-54%
129
340%
-55%
76
商业贸易(申万)
279%
1836%
-23%
119
1004%
-34%
36%
休闲服务(申万)
263%
322%
167
26%
255%
-42%
86
综合(申万)
149%
1562%
-31%
117
993%
37%
建筑材料(申万)
181%
1258%
124
682%
74
建筑装饰(申万)
167%
719%
135
25%
620%
电气设备(申万)
479%
2299%
1320%
70
国防军工(申万)
426%
2719%
1364%
-39%
计算机(申万)
503%
1422%
136
847%
75
43%
传媒(申万)
448%
1226%
138
678%
80
44%
通信(申万)
147%
232%
-38%
152
461%
-28%
78
34%
银行(申万)
291%
301%
-49%
84
29%
非银金融(申万)
386%
438%
-56%
159
23%
441%
-60%
88
汽车(申万)
2038%
1763%
46%
机械设备(申万)
298%
1469%
130
952%
统计均值
251%
1137%
133
763%
76
3.2.“期初等额资金”策略
如果在期初给28个申万一级行业分配等额资金,之后针对每一个行业按照25日均线策略操作,那么组合的表现如何?
从2002年4月1日至2015年3月6日,WIND全A指数上涨226%,而同期25日均线策略累计涨幅1137%,年化收益率21%,但最大回撤为27%。
图10策略净值(25日均线+等额资金)与WIND全A指数走势比较(2002.4---2015.3)
3.3.牛熊分界值+取强舍弱+动态等市值管理策略
“取强舍弱”策略顾名思义就是一直持有强势行业而卖掉弱势行业,卖掉弱势行业的资金在强势行业中再分配,使得当下所持有的各个行业市值保持相等,为了达到这个目的,一些情况下需要卖掉部分市值特别大的强势行业以确保各行业达到等市值。
此策略中所谓的强势行业从单均线角度来定义,即价格站在单均线之上为强势,反之当行业价格站在单均线之下为弱势。
引入“取强舍弱”策略的原因在于,价格站上单均线是一波上涨趋势开始的必要条件,但并非充分条件,所以站上单均线买入等于参与这种趋势上涨的可能性;
同样,价格跌破单均线是一波下跌趋势开始的必要条件,而非充分条件,先选择离场避开可能持续下跌风险,如果判断错误出现踏空,则在价格再次站上均线时买入。
如果简单运用上述这个策略,选用申万28个一级行业进行测试,从2002年4月至2015年3月,策略累计涨幅954%,年化收益率20%,但最大回撤高达55%。
如此大幅回撤的出现在2008年,也就是在2008年的单边大幅下跌中,只要有行业站上25日均线,就全仓杀入的话,经常出现买入被套的局面。
所以,需要一个简单的指标来度量整个市场的状态,尽量避免参与熊市中的弱势反弹,所以我们使用一个值称之为“牛熊分界值”。
牛熊分界值,为一自然数,介于1和可投资标的总数之间,表征牛熊分界线。
以28个申万一级行业为例,当牛熊分界值为1,为最低要求,只要存在任何一个行业在其均线之上,市场即为强势;
反之牛熊分界值为28,为最高要求,必须所有的28个一级行业都站在自身的均线之上,才算是强势市场。
买卖操作的具体实现:
进场的必要条件:
当日站上N日均线的标的数必须大于或等于牛熊分界值。
触发买卖条件:
如果当日
(1)新增站上N日均线的标的,或
(2)组合中出现标的跌破N日均线。
%首先,以当日收盘价计算投资组合所有标的总市值,记为AUM;
%其次,统计当日收盘后站上N日均线的标的,总数记为K,那么平均每个标的需要分担等市值为AUM/K;
%最后,根据当日收盘价所计算的每个标的当日市值,和AUM/K进行比较,基于当日收盘价,计算每个标的应该买入多少或卖出多少股。
%然后以下一个交易日的开盘价进行买卖操作。
表5:
牛熊分界值策略统计(申万一级行业)
牛熊分界值
年化收益率
触发调仓次数
换手次数
1
954%
20%
1965
1250
2
830%
19%
1846
1067
3
1025%
21%
1728
938
4
843%
-47%
1630
843
5
962%
1535
757
6
1037%
-40%
1477
705
7
1060%
1415
656
8
22%
1361
612
9
957%
1322
583
10
970%
1283
556
11
1049%
1237
524
12
1233%
1183
486
13
1074%
1157
478
14
1095%
1119
456
15
1312%
-25%
1085
440
16
1249%
1045
423
17
1190%
-21%
1003
403
18
1214%
964
385
19
1221%
916
364
20
1290%
-19%
865
342
21
1147%
-22%
824
328
22
994%
774
320
23
828%
-18%
723
312
24
679%
17%
-16%
664
308
25
650%
595
301
26
511%
15%
489
280
27
14%
-20%
370
262
28
12%
202
202
牛熊分界值=15,策略累计收益达到最大值1312%,最大回撤25%。
随着牛熊分界值的变大,累计收益趋势在变小,最大回撤也在变小。
毕竟参与的机会减少了,胜率相对提高了。
但很多机会也错过了,所以累计收益少之又少。
图11策略累计收益vs牛熊分界值(25日均线+申万一级行业)
图12最大回撤vs牛熊分界值(25日均线+申万一级行业)
如果用申万二级行业来做这个策略的话,考虑到数据的完整性,从2002年4月至今有完整价格序列的行业为89个。
测试发现,如果选用89个申万二级行业,当牛熊分界值为29的时候,“取强舍弱”动态资金分配策略取得累计收益高达1738%,但最大回撤仍然较大为33%。
之后随着牛熊分界值的增大,参与机会越来越少,最极端的情况,只有所有的89个二级行业都站到25日均