# 【前方高能！】Gifts from Santa Claus——股指期货趋势交易研究 > 来源：https://uqer.io/community/share/567ca9b1228e5b3444688438  ## 股指期货的前世今生 股指期货，名曰期指，乃期货界的明珠，现货对应的是股票指数，其逼格比之大豆棉油不知道甩几条巷子。期指的上市为股票市场提供了很好的风险管理和做策略的工具，矿工们也觉得自己终于能吃上一碗带肉的康师傅牛肉面。正所谓侠之大者，为国背锅，这一年股指期货经历了不平凡的跌宕起伏。上半年市场一片开朗，10000点不是梦，期指也由原来的 'IF（沪深300）'一个品种增加到了‘IH（上证50）’，‘IF（沪深300）’，‘IC（中证500）’三个品种。“放开让孩儿们玩吧”，不愿透露姓名的领导心里想着，顺势掐灭了手上的烟头。不幸的是，市场下半年被玩坏了，从去杠杆到查做空、从基金经理被约谈到公安部出动、从券商砸奖金到救市基金强势入场，轰轰烈烈的市场拯救活动持续了一两个月，终于把市场给摁了下来。比较不幸的是，量化交易和衍生品受到了比较严重的打击和监管。股指期货的交易方式、保证金比例、交易频率都受到了严厉的限制，并成为众矢之的。 虽不知股指期货的未来何去何从，但效率的提升才能代表未来的发展方向，投资管理变得更为理性化、程序化、智能化对于专业的投资机构来讲是大势所趋。我们相信期指的严冬期总会过去，我们有理想，我们有愿望，宣誓完毕！ ## 股指期货的才艺 一个品种的股指期货有四份合约，分为当月合约、次月合约、第一季月合约和第二季月合约。作为衍生品，它为二级市场投资带来了丰富的投资方式，并在投资策略中担当着各种各样的角色。基于股指期货可做的事情例如： + 1、构建alpha市场中性策略； + 2、期限套利； + 3、期指间跨期跨品种套利； + 4、趋势交易； + 5、高频交易（现在估计比较难）。 这次我们主要研究一种单品种的股指期货趋势交易策略，提供了一种基于市场情绪的择时指标，称之为ITS（Informed Trader Sentiment），参考文献为。 ## ITS——基于市场情绪的择时指标 中金所每日收盘后会公布股指期货的成交持仓量表，表单中会有三个项目的排名：成交量、持买单量和持卖单量，表单会列出前20名的会员单位。这些会员单位代表了期货市场上最大的机构投资者。我们将同时出现在三个表单排名中的单位视作VIP单位，他们是这个市场的中流砥柱，他们的投资情绪会影响到市场未来的走势，我们需要做的就是找到对的大佬，跟着大佬的情绪飞。那如何才能跟到对的大佬？我们基于这样一个逻辑：如果某位大佬更有预知市场的能力，那么他会在交易中更为坚定的选择某一个买卖方向，它由于买卖带来的成交量就会相对较小，进而（持仓量/成交量）数值相对会大，我们认定他是知情者（对的大佬）；若某个大佬的持仓量与前一位大佬相当但成交量明显偏大，说明这位大佬的交易有更多的不确定性，我们也就认定他不是一个知情者（没有缘分的大佬）。找到对的大佬之后，便开始估测一下大佬的情绪。我们用“对的大佬”们的（持买单量-持卖单量）/（持买单量+持卖单量）（此处的持买单和卖单量都是对的大佬们求和的总量）作为归一化的指标，根据指标是否大于某个阈值Thres来判定大佬对于市场是看多还是看空。那么我们的信号提取过程为： + step1. 表单中筛选VIP单位（三个排名均上榜）→ 备选大佬； + step2. 备选大佬中找到（持仓量/成交量）大于Avg的VIP单位 → 对的大佬； + step3. ITS = （持买单量-持卖单量）/（持买单量+持卖单量） ## ITS信号生成器 ```py from CAL.PyCAL import * import copy as cp import numpy as np ########################################################################################################### # generate the its signal ########################################################################################################### class itsFutSignal: def __init__(self,secID,currentDate): ####input self.secID = secID self.currentDate = currentDate ####output self.sigDate = self.lastDateGet() self.contract = self.currContractGet() self.posTable = self.posTableGet() self.vipDict = self.vipDictGet() self.sentiSig = self.sentiSigGet() self.inforedInvestor = self.inforedInvestorGet() self.itsSig = self.itsSigGet() def lastDateGet(self): calendar = Calendar('China.SSE') date = calendar.advanceDate(self.currentDate,'-'+str(1)+'B').toDateTime() return date def currContractGet(self): future = DataAPI.MktMFutdGet(mainCon=u"1",contractMark=u"",contractObject=u"",tradeDate=self.sigDate,startDate=u"",endDate=u"",field=u"",pandas="1") for index in future.ticker: if index[:2] == self.secID: return future[future.ticker==index].ticker.tolist()[0] def posTableGet(self): try: pos = DataAPI.MktFutMLRGet(secID=u"",ticker=self.contract,beginDate=self.sigDate,endDate=self.sigDate,field=u"",pandas="1") neg = DataAPI.MktFutMSRGet(secID=u"",ticker=self.contract,beginDate=self.sigDate,endDate=self.sigDate,field=u"",pandas="1") vol = DataAPI.MktFutMTRGet(secID=u"",ticker=self.contract,beginDate=self.sigDate,endDate=self.sigDate,field=u"",pandas="1") return {'pos':pos,'neg':neg,'vol':vol} except: calendar = Calendar('China.SSE') self.sigDate = calendar.advanceDate(self.sigDate,'-'+str(1)+'B').toDateTime() self.contract = self.currContractGet() return self.posTableGet() def list2Dict(self,list): keys = list[0] values = list[1] resultDict = {} for index in range(len(keys)): resultDict[keys[index]] = values[index] return resultDict def vipDictGet(self): ####get data longDict = self.list2Dict([self.posTable['pos'].partyShortName.tolist(),self.posTable['pos'].longVol]) shortDict = self.list2Dict([self.posTable['neg'].partyShortName.tolist(),self.posTable['neg'].shortVol]) volDict = self.list2Dict([self.posTable['vol'].partyShortName.tolist(),self.posTable['vol'].turnoverVol]) ####get vip list vipList = [] for index in longDict.keys(): if index in shortDict.keys(): if index in volDict.keys(): vipList.append(index) ####get vip dict vipDict = {} for index in vipList: vipDict[index] = [longDict[index],shortDict[index],volDict[index]] return vipDict def sentiSigGet(self): sentiSig = {} for index in self.vipDict: sentiSig[index] = sum(self.vipDict[index][:2])*1.0/self.vipDict[index][-1] return sentiSig def inforedInvestorGet(self): if len(self.sentiSig) != 0: sentiAvg = sum(self.sentiSig.values())/len(self.sentiSig) inforedInvestor = [index for index in self.sentiSig if self.sentiSig[index] > sentiAvg] return inforedInvestor else: sentiAvg = 0 return [] def itsSigGet(self): totalBuy = 0 totalSell = 0 if len(self.inforedInvestor) != 0: for index in self.inforedInvestor: totalBuy += self.vipDict[index][0] totalSell += self.vipDict[index][1] if totalBuy + totalSell != 0: return 1.0*(totalBuy - totalSell)/(totalBuy + totalSell) else: return 'null' else: return 'null' ``` ## ITS趋势交易信号 ITS信号代表了对的大佬们的情绪，那么如何利用它给出每日的交易信号呢？我们利用最为直观有效的阈值策略，设定某阈值`Thres`： 1）`ITS > Thres`: 大佬看多，买买买，交易信号为1； 2）`ITS < Thres`: 大佬看空，卖卖卖，交易信号为-1； 3）`ITS = Thres & DataErr`: 形势不明朗或找不到大佬，停止交易观望，交易信号为0 此处我们取 `Thres = -0.12`？ Why？其实是这样的，由于期现套利交易的存在，因此期指本身有一部分的空单是由于期限套利造成的，由于这部分资金通常会留存较久，因此通常情况下期指的持仓总量应该是空单偏多，而我们判断市场情绪的时候要把这部分期货市场上的“裸空单”给剔除掉，因此Thres应该设置为负。 ## IF趋势交易测试 由于目前Strategy部分还不好支持期指的交易回测，因此用脚本生成了测试数据。 1）交易标的：沪深300主力合约。用IF来测试的原因很简单，样本数多呀！ 2）每日的交易信号：根据前一日收盘后的持仓量表单计算ITS后根据阈值产生； 3）每日收益率：我们假定在获取当日的信号后，在开盘的一段时间内以某个价格买入期指，持有至临近收盘后以某个价格卖出，做日内交易。那么买卖价如何界定？有三种方式来计算：①昨收-今收； ②今开-今收； ③昨结算-今结算。 ①和②都是时点价格，而③是均价。①必然不合理因为无法在昨日收盘前得到今日的交易信号，不具有可操作性；②是时点价格，可操作性也不强；对③来讲，由于结算价是一段时间的均价，我们认为拿这个均价作为买卖的期望价格是合理的。所以每日收益率的计算方式是③； ```py startDate = '20110101' endDate = '20150801' future = DataAPI.MktMFutdGet(mainCon=u"1",contractMark=u"",contractObject=u"",tradeDate=u'',startDate=startDate,endDate=endDate,field=u"",pandas="1") # print future closePrice = [] openPrice = [] preClosePrice = [] settlePrice = [] preSettlePrice = [] tradeDate = [] ticker = [] for index in future.ticker.tolist(): if index[:2] == 'IF': if index not in ticker: ticker.append(index) for index in ticker: closePrice += future[future.ticker==index]['closePrice'].tolist() openPrice += future[future.ticker==index]['openPrice'].tolist() preClosePrice += future[future.ticker==index]['preClosePrice'].tolist() settlePrice += future[future.ticker==index]['settlePrice'].tolist() preSettlePrice += future[future.ticker==index]['preSettlePrice'].tolist() tradeDate += future[future.ticker==index]['tradeDate'].tolist() closePrice = np.array(closePrice) openPrice = np.array(openPrice) preClosePrice = np.array(preClosePrice) settlePrice = np.array(settlePrice) preSettlePrice = np.array(preSettlePrice) closeRetRate = (closePrice - preClosePrice)/preClosePrice settleRetRate = (settlePrice - preSettlePrice)/preSettlePrice clopenRetRate = (closePrice - openPrice)/openPrice tradeDate = tradeDate itsValue = [itsFutSignal('IF',index).itsSig for index in tradeDate] itsSignal = [] thres = -0.12 for index in itsValue: if index != 'null': if index > thres: itsSignal.append(1) else: itsSignal.append(-1) else: itsSignal.append(0) itsSignal = np.array(itsSignal) benchMark = DataAPI.MktIdxdGet(tradeDate=u"",indexID=u"",ticker=u"000300",beginDate=startDate,endDate=endDate,field=u"closeIndex",pandas="1")['closeIndex'].tolist() benchMark = benchMark/benchMark[0] ``` ## 回测展示 下面为回测结果展示，测算细节如下: 1) 每日收益率根据结算价来计算，前结算价作为买入的参考均价，结算价作为卖出的参考均价； 2）收益率曲线计算采用单利计算； 3）无风险利率取5%； 4）最后一小段曲线为平是由于股指期货受到限制导致交易停止 ```py import matplotlib.pyplot as plt ####calculate the daily return dailyRet = settleRetRate*itsSignal ####calculate the winRate count = 0 denom = 0 for index in dailyRet: if index > 0: count += 1 if index != 0: denom += 1 print '策略胜率 : ' + str(round((count*1.0/denom)*100,2)) + '%' ####calculate the curve curve = [1] position = 0.8 for index in dailyRet: curve.append(curve[-1] + index*position) ####calculate the location print '策略仓位 ： ' + str(position) ####calculate the max drawDown maxDrawDown = [] for index in range(len(curve)): tmp = [ele/curve[index] for ele in curve[index:]] maxDrawDown.append(min(tmp)) print '最大回撤 : ' + str(round((1-min(maxDrawDown))*100,2)) + '%' ####calculate the sharpRatio stDate = Date(int(startDate[:4]),int(startDate[4:6]),int(startDate[6:8])) edDate = Date(int(endDate[:4]),int(endDate[4:6]),int(endDate[6:8])) duration = round((edDate-stDate)/365.0,1) retYearly = curve[-1]/duration interest = 0.05 fluctuation = np.std(curve)/np.sqrt(duration) print '年化收益 : ' + str(round(retYearly,2)*100.0) + '%' print '夏普比率 : ' + str(round((retYearly-interest)/fluctuation,2)) ####plot the figure print '\n' plt.plot(curve) plt.plot(benchMark) plt.legend(['Strategy','BenchMark'],0) 策略胜率 : 55.03% 策略仓位 ： 0.8 最大回撤 : 10.06% 年化收益 : 49.0% 夏普比率 : 2.44 <matplotlib.legend.Legend at 0xed4cc50> ```  被曲线美哭了，不叨叨了，Merry Xmas！