神马文学网股指期货交易中的趋势捕捉技术
来源：百度文库 编辑：神马文学网 时间：2024/06/13 09:01:17
股指期货交易中的趋势捕捉技术本报告探讨的是如何在波动频繁的行情中筛选可靠信号的问题。我们尝试采用Lowess方法和小波降噪对波动剧烈的期指仿真合约行情数据进行平滑和降噪处理，并基于处理后的数据进行了趋势交易。我们发现将语音识别领域常用的小波降噪技术应用在信号筛选上可以得到较好效果，可以清晰地识别市场告诉我们的真正趋势。..利用均线交叉信号进行趋势交易，除了在盘整行情中难以获利之外，在快速剧烈波动的行情中，由于均线有一定的滞后性，难以抓住剧烈波动的短期行情特征，依赖于原始价格信息生成的均线交易，可能造成亏损的结果。
通常，交易员会利用数据平滑技术对原始价格进行处理，过滤掉频繁的短期波动信息，获取“中长期”趋势带来的交易机会，获取更好的回报。
我们知道，低频信号一般反映了序列的主要特征，而高频信号则反映了序列局部的细节特点。小波分析能够同时将信号在时域和频域两个尺度进行分解，不但能够在时域很好地刻画信号的局部性，同时也能在频域反映信号的局部性。以语音为例，经过小波分解之后，如果仅考虑分解后的低频信号，仍可听懂语音的内容，如果仅考虑高频信号，则无法识别语音的内容。如果对分解的高频信号进行“削峰”降噪处理后和低频信号进行合成，则合成的语音信号不但能够识别具体内容而且相比原始信号将更加清晰。
模拟交易结果表明，通过合理选择参数，小波降噪无论从获利参数组合的稳定性还是获取收益点数的波动性来看，均优于基于原始价格序列或者Lowess方法的交易结果，基本达到了摒弃短期趋势，获取中长期趋势回报的结果。
我们亦利用小波降噪技术对比较平滑的沪深300 (行情股吧)现货指数进行了实证分析，结果表明，利用小波降噪后的数据进行交易，策略的稳健性得到提升，但盈利能力有所下降。不过总体回报仍比较可观，尽管当前无法预测期指正式推出后其走势是否高度拟合沪深300现货指数，我们认为利用小波降噪后的数据进行均线交易是比较安全的策略。
一、剧烈波动的短期行情影响均线趋势交易效果
我们在程序化交易策略系列报告一中提到，由于沪深300现货指数是一种加权计算的指数而非直接可交易的金融产品，现货指数本身表征着众多股票价格的波动，经权重调和后的价格序列具有比较平滑的特征，易于找到合适的均线组合进行趋势交易。而当前的期指仿真行情1分钟收盘价格数据波动过于剧烈，对于依靠均线交叉发出买卖信号的交易策略来说，剧烈的的短期价格波动会造成短期均线组合的频繁交叉，依据这些交叉信号做出的开仓、平仓交易，大多难以获利，而依赖于长期均线组合信号进行交易，会损失不少中级趋势的获利机会。整体来看，简单的利用期货仿真行情数据生成的均线进行交易，存在较大的风险。
尽管目前我们尚无法准确预测股指期货(专题论坛)正式推出之后，期指合约的日内走势是否和沪深300现货指数的走势高度接近，但可以想见的是，当月合约和下月合约应成为持仓量居前较多、成交最活跃的合约，期现套利机制的存在将使得当月和下月期货合约的价格不会偏离现货指数太多，当前仿真合约价格频繁的、随机大幅波动的现象将不复存在，价差将在一相对合理的范围内波动。即便如此，我们仍不能保证期货合约价格和现货价格序列的完全一致，随机的扰动信号仍将出现，单纯依赖于基于现货指数走势选择的均线组合可能并不适用于期货合约的趋势交易。
我们考虑利用数据平滑手段和小波降噪处理对期货交易价格序列进行平滑处理，即将短期频繁波动的价格信号通过技术手段处理为比较平滑的价格信号，然后依赖该平滑信号计算合理的均线组合进行交易，以期能够抓住期货合约价格的中长期波动趋势而忽略短期波动带来的难以赢利的噪音交易，提高趋势交易获利的稳健性、可靠性。
二、Lowess技术和小波分析原理简介
1.局部加权光滑描点技术（locally weighted scatter plot smooth，Lowess）
Lowess方法类似于移动平均技术，是在指定的窗口之内，每一点的数值都用窗口内临近的数据进行加权回归得到的，回归方程可用线性的或者二次的。如果在指定的窗口宽度之内，拟进行平滑的数据点两侧的进行平滑的数据点是相等的，则为对称Lowess，如果两侧数据点不等，则为非对称Lowess。一般来说，Lowess方法包括以下步骤：
1.计算指定窗口内各个数据点的初始权重，权重函数一般表达为数值之间欧氏距离比值的立方函数；2.利用初始权重进行回归估计，利用估计式的残差定义稳健的权函数，计算新的权重；3.利用新的权重重复步骤2，不停的修正权函数，第N步收敛后可根据多项式和权重得到任意点的光滑值。
利用Lowess方法进行数据平滑处理的重点参数在于窗口宽度的选择，窗口宽度过大将使得光滑描点涵盖的历史数据过多，降低最新价格信息对平滑值的影响，反之，过窄的窗口宽度使“平滑”后的数据并不平滑。需要指出的是，由于Lowess方法应用的是某一数据点两侧的数值进行平滑，而对于期货价格等金融时间序列而言，得到最新的实际成交价格之后，如果对该时刻的平滑值进行估计，则往往缺失该时点右侧的数据信息，因此Lowess在期指合约价格平滑处理中的应用，是以“非对称”的方式进行的。
2.小波分析（Wavelet Analysis）
小波分析是处理非平稳序列的有效工具，不同于傅立叶变换把信号从时域向频域转化或者傅立叶逆变换把信号从频域向时域转化，小波分析能够同时将信号在时域和频域两个尺度进行分解，不但能够在时域很好地刻画信号的局部性，同时也能在频域反映信号的局部性；而且小波分析由于对高频成分采用逐渐精细的时域或频域取样步长，从而可以聚焦到对象的任何细节，小波分析被称为“数学显微镜”；当前小波分析广泛应用与信号处理、图像处理、语音识别等领域。
根据小波分析理论，小波分析主要包括信号的分解、重构、降噪和压缩等操作。
小波分解可视为将信号S通过高通滤波器和低通滤波器分解为逼近信号（Approximations）和细节信号（Details）。 (本文来源：联合证券 )
通常，交易员会利用数据平滑技术对原始价格进行处理，过滤掉频繁的短期波动信息，获取“中长期”趋势带来的交易机会，获取更好的回报。
我们知道，低频信号一般反映了序列的主要特征，而高频信号则反映了序列局部的细节特点。小波分析能够同时将信号在时域和频域两个尺度进行分解，不但能够在时域很好地刻画信号的局部性，同时也能在频域反映信号的局部性。以语音为例，经过小波分解之后，如果仅考虑分解后的低频信号，仍可听懂语音的内容，如果仅考虑高频信号，则无法识别语音的内容。如果对分解的高频信号进行“削峰”降噪处理后和低频信号进行合成，则合成的语音信号不但能够识别具体内容而且相比原始信号将更加清晰。
模拟交易结果表明，通过合理选择参数，小波降噪无论从获利参数组合的稳定性还是获取收益点数的波动性来看，均优于基于原始价格序列或者Lowess方法的交易结果，基本达到了摒弃短期趋势，获取中长期趋势回报的结果。
我们亦利用小波降噪技术对比较平滑的沪深300 (行情股吧)现货指数进行了实证分析，结果表明，利用小波降噪后的数据进行交易，策略的稳健性得到提升，但盈利能力有所下降。不过总体回报仍比较可观，尽管当前无法预测期指正式推出后其走势是否高度拟合沪深300现货指数，我们认为利用小波降噪后的数据进行均线交易是比较安全的策略。
一、剧烈波动的短期行情影响均线趋势交易效果
我们在程序化交易策略系列报告一中提到，由于沪深300现货指数是一种加权计算的指数而非直接可交易的金融产品，现货指数本身表征着众多股票价格的波动，经权重调和后的价格序列具有比较平滑的特征，易于找到合适的均线组合进行趋势交易。而当前的期指仿真行情1分钟收盘价格数据波动过于剧烈，对于依靠均线交叉发出买卖信号的交易策略来说，剧烈的的短期价格波动会造成短期均线组合的频繁交叉，依据这些交叉信号做出的开仓、平仓交易，大多难以获利，而依赖于长期均线组合信号进行交易，会损失不少中级趋势的获利机会。整体来看，简单的利用期货仿真行情数据生成的均线进行交易，存在较大的风险。
尽管目前我们尚无法准确预测股指期货(专题论坛)正式推出之后，期指合约的日内走势是否和沪深300现货指数的走势高度接近，但可以想见的是，当月合约和下月合约应成为持仓量居前较多、成交最活跃的合约，期现套利机制的存在将使得当月和下月期货合约的价格不会偏离现货指数太多，当前仿真合约价格频繁的、随机大幅波动的现象将不复存在，价差将在一相对合理的范围内波动。即便如此，我们仍不能保证期货合约价格和现货价格序列的完全一致，随机的扰动信号仍将出现，单纯依赖于基于现货指数走势选择的均线组合可能并不适用于期货合约的趋势交易。
我们考虑利用数据平滑手段和小波降噪处理对期货交易价格序列进行平滑处理，即将短期频繁波动的价格信号通过技术手段处理为比较平滑的价格信号，然后依赖该平滑信号计算合理的均线组合进行交易，以期能够抓住期货合约价格的中长期波动趋势而忽略短期波动带来的难以赢利的噪音交易，提高趋势交易获利的稳健性、可靠性。
二、Lowess技术和小波分析原理简介
1.局部加权光滑描点技术（locally weighted scatter plot smooth，Lowess）
Lowess方法类似于移动平均技术，是在指定的窗口之内，每一点的数值都用窗口内临近的数据进行加权回归得到的，回归方程可用线性的或者二次的。如果在指定的窗口宽度之内，拟进行平滑的数据点两侧的进行平滑的数据点是相等的，则为对称Lowess，如果两侧数据点不等，则为非对称Lowess。一般来说，Lowess方法包括以下步骤：
1.计算指定窗口内各个数据点的初始权重，权重函数一般表达为数值之间欧氏距离比值的立方函数；2.利用初始权重进行回归估计，利用估计式的残差定义稳健的权函数，计算新的权重；3.利用新的权重重复步骤2，不停的修正权函数，第N步收敛后可根据多项式和权重得到任意点的光滑值。
利用Lowess方法进行数据平滑处理的重点参数在于窗口宽度的选择，窗口宽度过大将使得光滑描点涵盖的历史数据过多，降低最新价格信息对平滑值的影响，反之，过窄的窗口宽度使“平滑”后的数据并不平滑。需要指出的是，由于Lowess方法应用的是某一数据点两侧的数值进行平滑，而对于期货价格等金融时间序列而言，得到最新的实际成交价格之后，如果对该时刻的平滑值进行估计，则往往缺失该时点右侧的数据信息，因此Lowess在期指合约价格平滑处理中的应用，是以“非对称”的方式进行的。
2.小波分析（Wavelet Analysis）
小波分析是处理非平稳序列的有效工具，不同于傅立叶变换把信号从时域向频域转化或者傅立叶逆变换把信号从频域向时域转化，小波分析能够同时将信号在时域和频域两个尺度进行分解，不但能够在时域很好地刻画信号的局部性，同时也能在频域反映信号的局部性；而且小波分析由于对高频成分采用逐渐精细的时域或频域取样步长，从而可以聚焦到对象的任何细节，小波分析被称为“数学显微镜”；当前小波分析广泛应用与信号处理、图像处理、语音识别等领域。
根据小波分析理论，小波分析主要包括信号的分解、重构、降噪和压缩等操作。
小波分解可视为将信号S通过高通滤波器和低通滤波器分解为逼近信号（Approximations）和细节信号（Details）。 (本文来源：联合证券 )