请 [注册] 或 [登录]  | 返回主站

量化交易吧 /  量化平台 帖子:3365791 新帖:0

【量化课堂】RSRS(阻力支撑相对强度)择时策略(下)

Peace发表于:5 月 9 日 18:06回复(1)

概述

本篇基于光大证券研报《基于阻力支撑相对强度(RSRS)的市场择时》,在上一期的基础上,进一步给出了RSRS右偏标准分交易策略,以及RSRS指标配合其他量化指标(价格、交易量相关性)的交易策略。


四、RSRS右偏标准分交易策略

在使用斜率量化阻力支撑相对强度时,其量化效果很大程度上受拟合本身效果的影响。我们将RSRS标准分与决定系数相乘得到RSRS修正标准分,以此降低绝对值很大,但拟合效果很差的RSRS标准分对策略的影响。通过这种变换,修正RSRS标准分有明显的向正态修正的效果。

如下图所示,左图为RSRS标准分分布情况,其尾部较厚;右图为RSRS修正标准分,可以看出修正后更加接近于正态分布。

stdratio_hist.JPGrev_hist.JPG

然而,修正标准分在预测性上的改善效果主要体现于标准分左侧,在做多策略中,左侧预测性改善对择时策略帮助并不大。我们将RSRS修正标准分与RSRS斜率值相乘得到RSRS右偏标准分。其分布如下图,可以看出右偏标准分左侧较薄,而右侧较厚。

rightdev_hist.JPG

同时给出如下RSRS右偏标准分交易策略(取值来自研报):
1、计算RSRS右偏标准分RSRSrightdevRSRSrightdev

RSRSrightdev

RSRS<em>rightdev

RSRS{rightdev}

(N = 16, M = 300)
2、若RSRSrightdevRSRSrightdevRSRSrightdevRSRS</em>rightdev

RSRS
{rightdev}

大于SbuySbuySbuyS<em>buy

S{buy}

时,全仓买入;若RSRSrightdevRSRSrightdevRSRSrightdevRSRS</em>rightdev

RSRS
{rightdev}

小于SsellSsellSsellS<em>sell

S{sell}

时,卖出平仓。(Sbuy=0.7,Ssell=?0.7Sbuy=0.7,Ssell=?0.7Sbuy=0.7,Ssell=?0.7S</em>buy=0.7,Ssell=?0.7

S
{buy} = 0.7, S_{sell} = -0.7

采用研报的参数值,得到策略情况如下:

图片:RSRS_rightdev_gd

基准和标的股票仍然选定沪深300指数,时间选取2010-01-01至2017-12-17。总收益率为209.03%,年化收益15.70%,胜率0.6,最大回撤24.989%,开平仓29次。

通过不断尝试调整参数值,我们希望得到一个更好的策略表现。N取值在10-30之间时,N=18依然表现最佳;但是M取值较大时,收益率有提升的趋势,特别当M从750变为800时,总收益率从190%跃升至250%左右。由于平台的数据从2005年开始,M值设为1200时将会超出数据范围。在可以取到的M值中,M = 1100时策略表现最佳:

图片: RSRS_rightdev

总收益率为290.12%,年化收益19.24%,胜率0.636,最大回撤17.775%,开平仓28次。

无论从收益率、胜率上,还是从最大回撤上,上述参数值都比研报中给出的参数值表现要好。这可能由于计算标准分的方法不同。其研报中计算的标准分并没有用到时间区间之外的数据:M=600时,回测前600天并没有600个斜率数据来计算标准分,比如回测第50天就只使用了50个斜率数据进行标准化,这使得回测前期信号相对不稳定。而我们计算标准分时,固定了移动窗口的值,所有日期的标准分采用了相同个数的数据来计算。

五、RSRS指标配合量价数据优化策略

为了规避掉在大熊市买入的情况,我们尝试在开仓时,加入一个对目前市场状态的判断,过滤掉下跌行情中的开仓。下面给出基于价格趋势和基于交易量趋势两种优化。

1. RSRS指标   价格优化交易策略

一个直接的想法是从近期历史价格趋势进行判断,在回测中,使用前1日的20日均线值和3日前的20日均线值的相对大小牌判断近期市场状态。策略如下(取值来自研报):
1、计算RSRS右偏标准分指标RSRSrightdevRSRSrightdev

RSRSrightdev

RSRS<em>rightdev

RSRS{rightdev}

。(N = 18, M = 600)
2、若RSRSrightdevRSRSrightdevRSRSrightdevRSRS</em>rightdev

RSRS
{rightdev}

大于SbuySbuySbuyS<em>buy

S{buy}

,同时满足前1日的MA20的值大于前3日的MA20的值,则全仓买入。(Sbuy=0.7Sbuy=0.7Sbuy=0.7S</em>buy=0.7

S
{buy} = 0.7


3、若RSRSrightdevRSRSrightdevRSRSrightdevRSRS<em>rightdev

RSRS{rightdev}

小于SsellSsellSsellS</em>sell

S
{sell}

,同时满足前1日的MA20的值小于前3日的MA20的值,则卖出平仓。(Ssell=?0.7Ssell=?0.7Ssell=?0.7Ssell=?0.7

S_{sell} = -0.7

采用研报的参数值,得到策略情况如下:

图片:RSRS price_gd

总收益率为200.22%,年化收益15.27%,胜率0.818,最大回撤17.616%,开平仓12次。

调整参数发现,N = 18, M = 200时,策略表现略好于之前:

图片:RSRS price

总收益率为213.85%,年化收益15.93%,胜率0.889,最大回撤15.156%,开平仓10次。

2. RSRS指标   交易量相关性优化交易策略

很多研究表明市场涨跌与交易量有明显的正相关性,因此我们尝试采用交易量与修正标准分的相关性来过滤误判信号。在相关性为正时,给出买入信号。策略如下(取值来自研报):
1、计算RSRS右偏标准分指标RSRSrightdevRSRSrightdev

RSRSrightdev

RSRS<em>rightdev

RSRS{rightdev}

。(N = 18, M = 600)
2、若RSRSrightdevRSRSrightdevRSRSrightdevRSRS</em>rightdev

RSRS
{rightdev}

大于SbuySbuySbuyS<em>buy

S{buy}

,同时满足前10日交易量与RSRS修正标准分之间的相关性为正,则全仓买入。(Sbuy=0.7Sbuy=0.7Sbuy=0.7S</em>buy=0.7

S
{buy} = 0.7


3、若RSRSrightdevRSRSrightdevRSRSrightdevRSRS<em>rightdev

RSRS{rightdev}

小于SsellSsellSsellS</em>sell

S
{sell}

,则卖出平仓。(Ssell=?0.7Ssell=?0.7Ssell=?0.7Ssell=?0.7

S_{sell} = -0.7

采用研报的参数值,得到策略情况如下:

图片:RSRS vol_gd

总收益率为169.43%,年化收益13.67%,胜率0.636,最大回撤12.210%,开平仓22次。

调整参数发现,N = 18, M = 200时,从收益率上看远好于研报参数值:

RSRS vol.png

总收益率为238.05%,年化收益17.05%,胜率0.714,最大回撤16.459%,开平仓20次。

后记

对于上述介绍的策略,还可以尝试配合其他量化指标过滤交易信号,也可以进一步调整买入卖出阈值(Sbuy,SsellSbuy,Ssell

Sbuy,Ssell

S<em>buy,S</em>sell

S{buy}, S{sell}

),还可以将第五部分中的RSRS右偏标准分换为标准分或修正标准分,不断尝试是否能够得到更好的策略表现。


注:回测部分是RSRS右偏标准分交易策略(N = 18, M = 1100)

全部回复

0/140

量化课程

    移动端课程