组合指标个股量化择时交易的实证研究

刘 宇 霞

（暨南大学信息科学技术学院 广东 广州 ５１０６３２）

摘 要：“金融改革”的提出，金融市场的逐步开放，将促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。通过分别建立两个单指标择时策略模型，运用ＭＡＴＬＡＢ模式搜索算法在设定时段内搜索最优参数，并分别对两个单指标策略进行交易仿真回验。实证结果显示，趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。实证显示组合指标策略的效益明显高于单指标策略。因此，采用组合指标策略进行个股量化择时交易较单指标策略能获得更优的投资收益。

教育期刊网 http://www.jyqkw.com
关键词 ：量化择时；趋势指标；组合指标策略；参数优化

中图分类号：F8 文献标识码：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６６５－２２７２．２０１5．12．００8

１ 绪论

１．１ 背景意义

“金融改革”的提出将为中国的量化投资带来发展前景。金融市场的逐步开放将会促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。很多国外成熟的投资工具和投资方法将逐步进入中国市场，以期货市场为代表的衍生品市场将迎来飞速增长，以量化投资为代表的投资方法也将得到投资者更大的关注。

在投资业，各种渠道提供的海量信息以及高频金融交易数据都在深刻地影响这个行业的发展以及金融市场的有效性。金融创新给期待量化投资的投资者提供了丰富的投资工具。自２０世纪５０年代以来，金融市场出于规避监管，转嫁风险和防范风险等需要，推出了很多创新性的金融产品，提供了越来越丰富的投资工具。金融衍生品在金融市场中占的比例越来越重要。

中国量化投资的前景广阔。党的十八届三中全会提出了“健全多层次资本市场体系”的指示精神，为十二五期间的资本市场发展指明了方向。随着金融投资工具的增加，量化投资将显示出其更大的作用，帮助投资者在更好的风险管控中寻求最佳收益回报。

作为量化投资中的量化择时，是指利用某种方法来判断大势的走势情况以及时采取相应措施，它是收益率最高的一种交易方式。就股票投资者而言，择股和择时都是至关重要的，正确择股是盈利的前提，而正确择时则是盈利的最终实现。因此，从微观角度入手，建立有效的个股量化择时交易策略值得研究。

１．２ 文献综述

关于量化投资的研究，国内外更多的研究主要以策略构建和实证为主。易海波、杨向阳、罗业华、曾敏通过将量化指标按照股票属性进行分类排序，以自下而上的选股方式，构建出价值、成长、质量三个基本模型，并在此基础上衍生得到四个叠加模型和ＧＡＲＰ模型。利用八个选股模型以不同的参数进行选股，构建出十个量化选股组合，历史回测结果显示这些组合风格各异，适合不同风险偏好的投资者。张登明通过对技术指标的分析，构建了完整的及时指标组合投资策略框架。他从量化的角度，通过样本统计给出了适合中国股市的优化指标组合及参数设置，对提高投资决策有积极意义。路来政通过研究量化基金的绩效及管理能力来研究量化投资策略的应用效果，采用Ｔ－Ｍ模型、Ｈ－Ｍ模型和Ｃ－Ｌ模型对其中９只量化基金的管理能力进行了研究，以评价量化基金使用量化投资策略的择股效果和择时效果，结果表明量化基金采用量化策略进行投资是有意义的。

股票择时属于量化投资的一个分域。刘澜飚、李贡敏研究了市场择时理论在中国的适用性，表明中国上市公司不仅存股票市场的市场择时行为，而且存在债务择时行为，即股票市场高涨时，上市公司倾向于债务融资。林正龙基于效用无差别定价原理，运用实物期权定价理论，研究项目投资收益不可完全复制的不确定性投资机会定价与择时问题，得出不同于指数效用，对具有常值相对风险回避系数效用函数的投资者而言，不确定性投资机会的定价与择时与投资者当前财富数量有关。卓琳玲、胡志强通过对样本公司的研究，发现样本公司股票行为、债券发行和内部融资均呈下降趋势，其中股票不是特别明显，当市值杠杆比率上升时期，股票发行出现显著地下降趋势，此时市场时机选择比较明显，说明我国股市存在明显的市场时机选择行为。刘阳、刘强通过研究我国从上世纪９０年代初-２０１０年１月的上证综指和深证成指，分析异常收益率对整个期间收益的影响及择时的可能，发现极少数具有超常收益的交易日对股票市场的长期收益具有显著的影响，认为理性的投资者应该放弃择时而选择长期投资。王俊杰在择时模型方面分析了行业指数存在的持续性和行业轮动特征，并以时间序列模型为基础，构建动量模型、ＭＳ－ＧＡＲＣＨ行业择时模型等量化择时策略，回测结果ＭＳ－ＧＡＲＣＨ择时模型战胜行业动量模型和指数，表现较好。

温婧茹对移动平均线理论进行改进，构造了最适参数，参考设计了触线交易策略和过滤器交易策略，构建了家电板板块静态与动态相结合的股票池，实证得出，不同股票对应的最适参数不同，用个性化的参数进行决策能获得更好的收益；应用收益率确定最适参数以择股，结合触线交易策略以择时，能够跑赢大盘，取得超额收益。曹力自适应均线更适合于组合类的标的，如指数或者封闭式基金，因为这些标的的走势经过了平均的平滑，没有突然的大起大落，更容易用均线来跟踪趋势的变化。而对于个股，波动形态和指数类表的不同，所以需要使用不同的参数，在大多数个股上能够获得超额收益，特别对强周期性行业的股票自适应均线有很强的择时能力。但是自适应均线也不是万能的，对于某些个股，因为波动形态的复杂，用自适应均线也无法获得超额收益。曹力、徐彪从实证效果来看，利用可交易组合的均线模式识别找出的买入机会成功率较高，能抓住一些市场主要的反弹机会，因此累积收益非常出色。可交易组合的均线模式识别方法是择时交易，特别是熊市中择时的有效方法。

１．３ 研究框架

传统的趋势指标择时策略往往是单指标的，并且策略参数通常是约定俗成的。单指标策略局限性和偶然性大，不能有效及时获取收益和及时止损；约定俗成的常用参数值在面对各种波动幅度不同、周期性不同、价格弹性等不同的个股时也有失客观性和灵动性。

所以，在探究一种改进针对个股的传统趋势指标量化择时的策略。首先建立基于各传统趋势指标的单指标择时策略，通过参数优化确定各单指标策略的最适参数；并在单指标的基础上，创新性地通过指标的组合，构建一个综合性且参数最优的组合指标择时策略，以增强策略的稳定性和鲁棒性，获得更优的投资收益。

１．４ 术语说明

（１）累计收益率：

（２）年化收益率：年化收益率是把当前收益率（日收益率、周收益率、月收益率）换算成年收益率来计算的，是一种理论收益率，并不是真正的已取得的收益率。

（３）夏普比率：夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。

夏普比率=

（５）最大回撤率：在选定周期内任一历史时点往后推，产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤率用来描述买入产品后可能出现的最糟糕的情况，是一个重要的风险指标。

２ 理论概述

２．１ 量化投资理论

量化投资是运用现代统计学和数学的方法，从大量的历史数据中寻找并获得超额收益的一种投资策略，投资者通过计算机程序，建立可以重复使用并反复优化的投资策略，严格按照这些策略所构建的数量化模型进行投资并形成回报。

量化投资的内容主要包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、ＥＴＦ／ＬＯＦ套利、高频交易等。量化投资在国外已有３０多年的发展历史，但在国内还是近年出现的新鲜事物。相比其他投资策略，量化投资在国外的运用已取得了更佳的业绩。

与海外成熟市场相比，中国Ａ股市场的发展历史较短，投资理念还不够成熟，相应的留给主动型投资发掘市场的潜力和空间也更大。国内很多实证文献讨论国内Ａ股市场也尚未达到半强势有效市场，因此量化投资理论引入国内证券市场是非常有意义的，它以正确的投资理念为根本，通过各种因素的分析，以全市场的广度、多维度的深度视角扫描投资机会，在中国市场的应用将更显其优势。

２．２ 择时理论

量化择时是量化投资的一种，它利用数量化的方法，通过对各种宏观微观指标的量化分析，试图通过回溯历史数据，找到影响大盘走势的关键信息，并且对未来走势进行预测。如果判断是上涨则买入持有；如果判断是下跌则卖出清仓；如果判断是震荡则进行高抛低吸，这样就可以获得远远超越简单买入持有策略的收益率。所以择时交易是收益率最高的交易方式之一。

股票的量化择时是预测市场以后的走势，并由此来判断调整投资组合的风险水平，从而获取更大的收益，具体表现是现金流进出证券市场和在证券间比例变换的时机选择。

２．３ 趋势追踪理论

趋势择时的基本思想来自于技术分析，技术分析认为趋势存在延续性，因此只要找到趋势方向，跟随操作即可。

技术指标是技术分析中使用最多的一种方法，通过考虑市场行为的多个方面建立一个数学模型，并给出完整的数学计算公式，从而得到一个体现证券市场的某个方面内在实质的数字，即所谓的技术指标值。指标值的具体数值和相互间关系直接反映证券市场所处的状态，为操作行为提供指导作用。目前证券市场上的技术指标可分为“趋势型指标”、“反趋势型指标”、“能量指标”、“大盘指标”、“压力支撑指标”等类别。

移动平均线（ＭＡ）是一种常用的趋势型指标，由Ｊｏｓｅｐｈ Ｅ．Ｇｒａｎｖｉｌｌｅ于２０世纪中期提出来。它是当今运用最普遍的技术指标之一，帮助交易者确认现有趋势、判断将出现的趋势、发现过度延伸而即将发转的趋势。后来又逐渐衍生出其他类型的均线，如平滑异同移动平均线（ＭＡＣＤ）、三重指数平滑平均线（ＴＲＩＸ）等。 这些均线理论常用两根线的交叉作为交易信号，并以此作为买卖时点的判断。

均线理论提供了一种简单有效的使价格序列平滑并且使趋势更易于辨认的方法。

因此综合以上理论的优点，在此基础上改进传统趋势指标的量化择时策略，并创新性地开发更优的组合指标量化择时策略，以达到及时获取收益和及时止损的目的。

3 择时策略模型建立

3．１ ＭＡ单指标策略模型的建立

ＭＡ移动平均是指连续若干交易日收盘价的算术平均，用来显示股价的历史波动情况，进而反映股价指数未来的发展趋势。

其中

利用ＭＡ指标进行量化择时，在短期移动均线与长期移动均线的交叉处进行买入或卖出择时交易。以下分别建立买入和卖出法则的模型。

在短期移动均线下穿长期移动均线的黄金交叉处买入，故建立如下数学模型：

mabuy=1，MA（s）t＞MA（s）t-1&MA(s)t＞MA(l)t&MA(s）t-1＜MA（l）t-10,其他（６）

其中mabuy=1，表示满足买进，mabuy=0表示不满足买进。

在短期移动均线上穿长期移动均线的死亡交叉处卖出，故建立以下数学模型：

mabuy=1，MA（l）t＜MA（l）t-1&MA(s)t＜MA(l)t&MA(l）t＞MA（l）t-10,其他

其中mabuy=1，表示满足卖出，mabuy=0表示不满足卖出。

3．２ ＭＡＣＤ单指标策略模型的建立

ＭＡＣＤ即指数平滑异同移动平均线，是根据均线的构造原理，通过分析短期指数移动平均线与长期指数移动平均线之间的聚合与分离状况，对买进、卖出时机做出判断的趋势型技术指标。

ＭＡＣＤ的计算如下：

（１）计算短期（ｍｓ）指数移动平均线ＥＭＡ１和长期（ｍｌ）指数移动平均线ＥＭＡ２。

（２）计算离差值ＤＩＦ＝ＥＭＡ１－ＥＭＡ２。

（３）计算ＤＩＦ的Ｍ日指数移动平均线，即ＤＥＡ。

（４）计算ＭＡＣＤ＝２（ＤＩＦ－ＤＥＡ）。

利用ＭＡ指标进行量化择时，在ＤＩＦ与ＤＥＡ的交叉处进行买入或卖出，分别建立买入和卖出法则的模型。

当ＤＩＦ、ＤＥＡ均为正值，ＤＩＦ向上突破ＤＥＡ时，为买入信号，建立如下数学模型：

macdbuy=1，DIFt＞DIFt-1&DIF＞DEAt&DIFt-1＜DEAt-1&DIF＞00,其他 （８）

其中，macdbuy=1表示满足买进，macdbuy=0表示不满足买进。

当ＤＩＦ、ＤＥＡ均为负值，ＤＩＦ向下跌破ＤＥＡ时，为卖出信号，建立如下数学模型：

macdsell=1，DIFt＜DIFt-1&DIFt＜DEAt&DIFt-1＞DEAt-1&DIF＜00,其他（９）

其中macdsell=1，macdsell=0表示满足卖出，表示不满足卖出。

3．３ ＭＡ－ＭＡＣＤ组合指标策略模型的建立

组合模型构建两个新的信号变量：买入信号个数阈值“ｂｕｙ”（1≤ｂｕｙ≤2，整数）和卖出信号个数阈值“sell”（1≤sell≤2，整数）。

买入信号个数阈值“ｂｕｙ”表示：当ＭＡ策略中的“ｍａｂｕｙ＝１”的买入信号个数与ＭＡＣＤ策略指标中的“ｍａｃｄｂｕｙ＝１”的买入信号个数之和至少达到阈值“ｂｕｙ”（1≤ｂｕｙ≤2)数量个时才进行买入交易。

即“ｂｕｙ”阈值取不同值时，买入信号组合满足买入条件的情况如下：

buy=1时，满足买入情况：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12时，满足买入情况：mabuy=1&macdbuy=1（１０）

卖出信号个数阈值“ｓｅｌｌ”表示：当ＭＡ策略中的“ｍａｂｓｅｌｌ＝１”的卖出信号个数与ＭＡＣＤ策略指标中的“ｍａｃｄｓｅｌｌ＝１”的卖出信号个数之和至少达到阈值“ｓｅｌｌ”数量个时才进行卖出交易。

即“ｂｕｙ”阈值取不同值时，买入信号组合满足卖出条件的情况如下：

sell=1时，满足卖出情况：masell=1||macdsell=1||mabsell=1&macdsell=12时，满足买入情况：masell=1&macdsell=1（１１）

3．４ 模型最优参数的选择

就个股而言，不同的计算参数，将导致不同的择时效果。面对各种波动幅度不同、周期性不同、价格弹性等不同的股票，如果盲目套用经典参数可能会有失客观性和灵动性。因此， 在进行量化择时策略构建时，需要针对个股进行策略的参数优化，检验指标不同参数的测试效果，并最终选择一个最优的参数组合。

夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。

4 个股实证分析

4．１ 数据选择

为验证上述模型的有效性，个股实证以深圳证券交易所的华谊兄弟３０００２７为交易标的，选取来源于国泰安２０１１．１．１－２０１４．６．３０的基本面数据库，包括个股开盘价、收盘价等。

4．２ ＭＡ单指标择时策略仿真回验

首先对该股策略进行参数优化：本策略中对于参数，在测试期间内，以２天为间隔，测试范围从２天到２０天；以５天为间隔，测试范围从２０天到１２０天；搜索精度为１；测试回验３０天，截止日期设为２０１３－１２－３１。通过回验得到参数优化结果（见表１）。

如表１所示，最优组合（ｓ，ｌ）＝（２，２０），当以２日为短期均线，２０日为长期均线，在参数优化测试期间进行交叉择时时效果较好，在回验测试期间内夏普比率达２．４２３４。

确定最优后，运用国泰安量化交易平台ＱＩＡ进行策略交易仿真回验。设定合约保证金为１，合约乘数为１，市场参与度为０．５，买方手续费为０．０５‰，卖方手续费为０．０５‰，交易账户为股票账户并设定初始资金为１ ０００ ０００元，以一年期国债利率为无风险利率，并以沪深３００为业绩比较基准，以数据库所给时间２０１１年１月１日-２０１４年６月３０日为策略回验时间区间进行回验。最终结果（见图１、表２）。

回验结果显示，此单指标策略在２０１１年１月１日-２０１４年６月３０日间的累计收益率达４２．２６％，年化收益率达１１．１０％，高出同期的沪深３００指数比较基准，并且胜率达６０．８０％。由此我们可以得出结论，采用ＭＡ单指标策略进行个股量化择时交易也能获得较优的投资回报。

4．３ ＭＡＣＤ单指标择时策略仿真回验

对该股策略进行参数优化：该策略需要优化确定的参数主要包括短期指数移动平均线的计算天数ｍｓ、长期指数移动平均线的计算天数ｍｌ，以及ＤＥＡ的计算天数Ｍ。本策略的参数优化依然以最大化夏普比率为最优化目标函数，并使用Ｍａｔｌａｂ的模式搜索算法在设定的回验时段内搜索最优参数组合（ｍｓ，ｍｌ，Ｍ）。

对于参数ｍｓ，在测试期间内，以２天为间隔，测试范围从２天到２０天；参数ｍｌ以５天为间隔，测试范围从２０天到１２０天；参数Ｍ以５天为间隔，测试范围从５天到６０天；搜索精度为１；测试回验３０天，截止日期设为２０１３－１２－３１。通过回验得到参数优化结果如下：

如表３所示，最优组合（ｍｓ，ｍｌ，Ｍ）＝（２，２５，１０），当以２日为短期指数移动平均线计算天数，２５日为长期指数移动平均线计算天数，１０日为ＤＥＡ计算天数，进行交叉择时时效果较好，在回验测试期间夏普比率达３．０６８２。

组合指标择时策略仿真回验。由于组合指标策略是建立在单指标策略基础上的，所以该策略中的参数（ｓ，ｌ）、（ｍｓ，ｍｌ，Ｍ）即为模型一和模型二参数优化后确定的值，而参数（ｂｕｙ，ｓｅｌｌ）的组合情况有（２，２）、（２，１）、（１，２）和（１，１）四种，阈值组合选取哪个使得策略最优则需要进一步的参数优化。

对于参数ｂｕｙ，初始值设为２，测试最小值为１，最大值为２，步长设为１；参数ｓｅｌｌ，初始值设为２，测试最小值为１，最大值为２，步长设为１；搜索精度设为１；测试回验９０天，截止日期设为２０１３－１２－３１。通过回验得到参数优化结果（见表４）。

如表４所示，最优组合（ｂｕｙ， ｓｅｌｌ）＝（１，１），即当买入信号个数至少有一个时就进行买入交易，卖出信号个数至少有一个时就进行卖出交易，以此进行组合指标择时效果最好，在参数优化回验测试期间夏普比率达２．４９０ ３。

５ 结论

从价格沿趋势移动和历史会重演的角度出发，运用传统趋势指标ＭＡ和ＭＡＣＤ，分别建立ＭＡ、ＭＡＣＤ的单指标择时策略模型并通过模式搜索算法分别求出两个策略的最优参数，从实证结果看趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。在此基础上再创新性的运用通过设置买入和卖出信号个数阈值的方法构建二者的最优组合指标模型，增强了择时的稳定性和鲁棒性，在有效降低风险的同时提高了收益率。

综上所述，基于以上的不足之处，以后将沿着组合指标择时的思路继续深入研究以对目前的研究进行改进。未来的工作主要是：对于用于组合的单指标要进行更为全面的扩展，引进其他经典趋势型指标ＤＭＡ平均线差指标、ＴＲＩＸ三重指数平滑移动平均指标等，同时把指标类型拓展至其他类型，如反趋势型指标ＡＣＣＥＲ幅度涨速指标等，量价指标ＡＰＢＰ人气意愿指标等，大盘指标ＯＢＯＳ超买超卖指标等，压力支撑指标ＥＮＥ轨道线指标等。通过增加组合趋势型数量和组合指标类型，以使组合指标策略更全面、更切合实际市场。

教育期刊网 http://www.jyqkw.com
参考文献

１ 丁鹏．量化投资——策略与技术［Ｍ］．北京：电子工业出版社，２０１２

２ 方浩文．量化投资发展趋势及其对中国的启示［Ｊ］．宏观管理，２０１２（５）

３ 郭建．论证券投资技术分析中历史会重演的根本原因［Ｊ］．商业时代，２００７（２８）

４ 李向科．证券投资技术分析［Ｍ］．北京：中国人民大学出版社，２０１２．

５ 张登明．技术指标投资策略的优化及其在量化交易中的应用［Ｄ］．武汉：华中科技大学，２０１０

６ 方智．基于多技术指标模型的沪深３００指数走势预测［Ｄ］．南昌：江西财经大学，２０１２

７ 路来政．量化投资策略的应用效果研究［Ｄ］．广州：暨南大学，２０１２

８ 刘澜飚，李贡敏．市场择时理论的中国适用性［Ｊ］．财经研究，２００５（１１）

９ 林正龙．项目投资定价与择时理论研究［Ｄ］．长沙：湖南大学，２００６

１０ 胡志强，卓琳玲．ＩＰＯ市场时机选择与资本结构关系研究［Ｊ］．金融研究，２００８（１０）

１１ 王俊杰．量化交易在中国股市的应用［Ｄ］．南京：南京大学，２０１３

１２ 王珊，王锋．我国开放式股票型基金择时选股能力的实证研究［Ｊ］．时代金融，２０１４（2）

（责任编辑 要 毅）