中国商品期货市场多品种多策略量化投资组合研究_费佳峰.docx

分类号：F830单位代码：10335密级：无学 号：21601052中文论文题目：中国商品期货市场多品种多策略量化投资组合研究 英文论文题目：Research on Portfolio Based on Multi-Varieties and Strategies of China Commodity Futures Market申请人姓名：费佳峰指导教师：邹小芄合作导师：张忠继专业名称：金融专业硕士研究方向：量化金融所在学院：经济学院论文提交曰期：2018年6月5日中国商品期货市场多品种多策略董化投资组合研究论文评阅人1:隐名评阅评阅人2: 隐名评阅评阅人3: 隐名评阅评阅人4: 评阅人5: 答辩委员会主席：蒋岳祥（教授）浙江太学经济学院委员1:骆兴国（副教授）浙江大学经济学院委员2:吴添羽（正高级）浙大科创有限公司委员3: 委员4: 委员5: 答辩日期： 2018年6月1日Research on Portfolio Based on Multi-Varieties and Strategiesof China Commodity Futures MarketAuthors signature:Supervisors signature:XThesis reviewer1： AnonymousReviewerThesis reviewer2： AnonymousReviewerThesis reviewer3： AnonymousReviewerThesis reviewer 4： Thesis reviewer 5： Chair： .TiangYuexiang/Professor/Z.TU(Committee of oral defence)Committeeman 1： LuoXingguo/Associate Professor/Z.TU Committeeman 2: WuTianyu/Senior Engineer/Z.TU Scienceand Technology Venture Investment Co. Ltd.Committeeman 3： Committeeman 4： Committeeman 5： Date of oral defence： 2018. 06.01浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成 果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得浙江大学或其他教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢学位论文作者签名签字曰期：年< 月P曰学位论文版权使用授权书本学位论文作者完全了解浙江大学有权保留并向国家有关部门或机构送交本论文 的复印件和磁盘，允许论文被查阅和借阅。本人授权浙江大学可以将学位论文的全部 或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。(保密的学位论文在解密后适用本授权书）学位论文作者签名: 輕4导师签名：为f小馋签字曰期：农丨年C月曰签字曰期：灰年6月7曰学位论文作者毕业后去向:工作单位：通讯地址：电话:邮編:致谢时光匆匆，弹指一挥间两年的研究生求学生活即将结束。回望这两年，面对知识的 迷惘、面对考试的紧张、面对找工作的焦虑、面对成功的喜悦、面对朋友相聚的欢欣, 构成了丰富的研究生生活。在这里我要衷心感谢陪我度过艰难、分享喜悦的人。首先，我要真诚的感谢我的导师邹小亢教授。本文是在邹老师的悉心教导下完成 的，从毕业论文的选题、构思到论文最终的完成，每一步都倾注了邹老师无数的心血。 邹老师于我而言，不仅仅是一位导师，更像父亲一样无时不刻给我关怀和帮助。在学 习方面，邹老师教会我很多理论知识，让我充实自己，在生活工作方面，邹老师教会 我很多做人的道理，也让我更好的在社会中磨砺自我。在此，我向恩师表示最衷心的 感谢！同时，我要感谢所有帮助过我的朋友们。我的师兄李俊宇和刘志超，在我的人生 道路上影响深远、帮助良多，感谢我的妤友王晨宇、陈伟灿等人在论文写作方面给我 的帮助，感谢我的朋友黄河、张怡娇在我求学时光中给予我工作和生活方面的帮助， 感谢我的女朋犮对我的鼓励与关心，感谢室友一直以来的陪伴，还有感谢所有帮助过 我的人。正是因为你们，让我的人生更加精彩，谢谢你们！最后，我要感谢我的家人，特别感谢我的母亲。是你们给予我无私的关怀，为我 打造了爱的港湾。是你们在精神上、生活上不时的帮助和鼓励，让我能够更加幸福的 生活。如今，我即将离开校园，步入社会。我会抱着一颗感恩之心，努力打拼，乘风 破浪。祝所有帮助过我、关心我的人，身体健康，幸福快乐！摘要近年来，隨着计算机技术和数据科学的快速进步，我国量化投资行业发展迅速， 国内量化CTA基金规模也日益扩大。在市场环境日益复杂的今天，依靠单一策略实现 稳定盈利基本已无可能，多策略多品种的俎合是量化基金的必然选择。本文选取实务界使用的两种不同类型的交易策略，在经典策略的基础上梢作改进， 分别构建了统计套利交易系统和量化择时交易系统，其中量化择时交易系统包栝双均 线交易策略和布林通道策略两个子策略，统计套利交易系统则主要采用跨品种套利。 然后，本文选取2014年到2018年我国商品期货市场近40个期货品种的1分钟高频价 格序列数据对两大量化交易系统进行测试。研究表明，单品种单策略在我国期货上市 场无法取得稳定盈利，不同策略在不同品种上的表现差异很大，单一策略无法实现全 品种的盈利。同时，单策略单品种下，资金曲线明显呈现低收益、高波动的特征。本文尝试构建单策略多品种的投资组合，以提高组合表现。结果发现，与单品种 相比，单一策略下的多品种组合后可以显著提高策略的绩效表现。简单的等权重组合 方式下，跨品种套利策略、双均线交易策略和布林通道交易策略的稳定程度均得到大 幅提升，夏普比例显著提高；而通过样本内数据回测获取不同品种的胜率和盈亏比信 息，经凯利公式进行资金优化后的多品种投资组合表现则有了进一步地提升，样本外 夏普比率和最大回撤均优于等权重策略，尤其是布林通道策略，样本外夏普率从0.16 提高到1.85。最后，本文尝试将不同策略系统进行叠加。由于统计套利获取的市场阿 尔法收益，而量化择时获取的是市场3收益，两种策略的不同特性使得多策略系统的 叠加能够更好地起到降低资金波动，提高收益风险比的作用。经过实证分析发现，叠 加后的多策略多品种交易系统表现更优，最大回撤进一步降低，年化波动率仅4%。此 外，本文发现市场波动率与择时交易系统之间存在一定正相关关系，经过波动率择时 后策略組合模式相比简单叠加可以获得更高收益关建词：量化投资；商品期货：多品种；投资组合IIABSTRACTIn recent years, with the rapid advancement of computer technology and data science, Chinas quantitative investment industry has developed rapidly, and the scale of domestic quantitative CTA funds has also expanded. In todays complex market environment, it is basically impossible for quantitative funds to rely on a single strategy to achieve stable profits. The combination of multiple strategies and multiple varieties is an inevitable choice for quantifying funds.This article starts with two different types of trading strategies, and slightly improves on the basis of classical strategies. It constructs a statistical arbitrage trading system and a quantitative timed trading system, respectively. The quantitative time-series trading system includes two strategies, Double Mean Strategy and Bollinger Channel Strategy and the statistical arbitrage trading system mainly use cross-variety arbitrage. Then, tiiis paper selects one-minute high-frequency data of nearly 40 futures varieties from Chinas commodity fixtures market from 2014 to 2018 to test the two trading systems. It shows that single-species and single-strategy cannot achieve stable profitability in Chinas futures market. Different strategies have different performances in different varieties. A single strategy cannot achieve full-species profitability. At the same time, under the single-strategy single-species, the fund curve clearly shows the characteristics of low yield and high volatility.This paper attempts to build a single-strategy multi-variety portfolio to improve the performance of the portfolio. The results showed that compared with single-species, multi-species portfolios can significantly improve the performance of the strategy. Under the simple equal weight combination method, the stability of the cross-varietal arbitrage strategy, the double-moving average trade strategy and the Bollinger Bands trading strategy has been greatly improved, and the Sharpe ratio has been significantly improved; and through the sample data backtesting, the winning ratios and profit-loss ratios of different varieties have been obtained. Information, the performance of multi-species portfolios after Kellys formula optimization of funds has been further improved. The out-of-sample Sharpe ratio and maximum retracement are better than equal-weight strategies, especially the Bollinger Bands strategy. The out-of-sample Sharpe ratio is fiom 0.16. Increase to 1.85. Finally, this articlehiattempts to superimpose different policy systems. Because of the alpha gains obtained by statistical arbitrage, and the quantitative p gains obtained from the market, the different characteristics of the two strategies make the superposition of multi-strategy systems better able to reduce capital fluctuations and increase the risk-to-risk ratio. After empirical analysis, it is found that the multi-strategy multi-species trading system after superposition perfonns better, the maximum retracement further decreases, and the annualized volatility is only 4%. In addition，this paper finds that there is a certain positive correlation between market volatility and timed trading system. After the volatility timing，the strategy combination model can obtain higher benefits than simply superposition.KEYWORDS: Quantitative investment; Commodity futures; Variety; PortfolioIV目录ItitI摘要IIABSTRACTIll V图表目录VII1绪论11.1研究背景与研究意义11.1.1选题背景11.1.2研究意义11.2研究内容与研究方法21.2.1研究内容21.2.2研究方法21.3相关文献综述31.3.1量化择时策略研究综述31.3.2统计套利策略研究综述41.3.3组合策略研究综述51.3.4文献评述71.4研究创新点72策略模型的理论分析和设计92.1统计套利模型92.2量化择时策略模型102.2.1双均线策略112.2.2布林带通道策略133单品种单策略实证分析153.1数据来源、前提假设153.1.1数据来源153.1.2前提假设153.1.3回测平台153.2统计套利策略实证分析163.2.1跨品种套利组合选择163.2.2统计套利实证分析193.3量化择时CTA策略实证分析203.3.1双均线策略的实证分析203.3.2布林通道策略的实证分析234多品种多策略投资组合研究274.1单策略单品种特性分析274.2单策略多品种投资组合的构建284.2.1 “1/N”策略实证分析284.2.2 Kelly策略实证分析304.3多策略多品种投资组合构建334.3.1交易系统的线性叠加334.3.2多策略“择时”初探345结论与计论365.1研究结论365.2研究不足与展望37参考文献38m41VI图表目录图1-1本文研究框架2图3-1商品价格序列相关系数热力图18图3-2统计套利策略棋型回测结果20图3-3双均线策略橡胶指数合约回测资金曲线图22图3-4双均线策略铜指数合约回测资金曲线图22图3-5双均线策略玉米淀粉指数合约回测资金曲线图23图3-6布林线策略遂桂指数合约回测资金曲线图25图3-7布林线策略铁矿石指数合约回测资金曲线图25图4-1多品种双均线投资策略组合回测结果28图4-2多品种布林线投资策略组合回测结果29图4-3不同资金分配策略投资组合资金曲线图33图4-4多品种多策略投资俎合系统回测资金曲线图34图4-5文华商品价格指数及波动率35图4-6波动率择时交易多策略投资俎合回测曲线图35表3-1部分商品指数合约日收盘价序列ADF检验结果17表3-2配对交易对协整结果及合约配比19表3-3统计套利回测结果19表3-4部分商品双均线策略回测结果统计表21表3-5部分商品布林线策略回测结果统计表26表4-1多品种趋势跟踪投资组合回测结果统计表28表4-2董化择时策略部分商品样本内胜串、盈亏比及投资比率数据31表4-3不同资金分配策略回测结果32表4-4多策略系统投资组合回测结果33VII浙江大学硕士学位论文绪论1绪论1.1研究背景与研究意义1.1,1选题背景近年来，隨着信息技术的飞速发展，金融工程技术日新月异，依靠数据建模和程 序化交易的量化投资逐渐兴起，并作为一种新的投资方式逐渐进入人们视线。所谓量 化投资，指的是投资者利用数学模型将自身投资理念定量化、模型化，并直接或间接 通过计算机来实现交易的过程。量化投资有着传统投资所没有的优势，主要体现在以 下几个方面.下单速度快，交易迅速，借助海量数据，信息宽度大，逻辑性强， 执行一致性强；客观，受主观心理因素影响小。正是凭借这些优势，以量化投资为 主要投资方式的量化基金在2008年金融危机期间成功打败传统投资基金，并在近年来 呈现爆发式增长。在我国，量化投资起步较晚，仍处于朝阳阶段，但随着近几年我国金融市场的不 断发展，我国的量化投资行业也进入了 一个相对高速的发展时期。2012年5月7日商 品期货市场程序化交易接口的开放，使得以商品期货为主要投资标的的量化CTA基金 发展迅猛。保证金制度，双向交易，T+0的交易特点，使得期货市场相比于股票市场 流动性更好，收益更高，也吸引了无数投资客们趋之若鹜。截止至2015年末，海外 CTA基金的总管理规模已高达3273亿美元，而据海通证券的研究报告显示，截至2016 年，我国以期货为主要投资标的的产品已有969只。伴随着2015年到2016年商品市 场的行情，量化CTA策略策略在期间取得了傲人的成绩。然而，随着竞争加剧和行情 原因，CTA策略在16年末到17年的表现不如人意，在市场环境日益复杂的今天，如 何提高CTA策略的绩效表现是一个值得研究的主题。1.1.2研究意义目前国内关于量化投资领域的书籍与研究不多。书籍主要集中在介绍量化投资模 型与建立系统交易的流程方法，很少公布具有实践价值的交易系统或交易案例。国内 文献的研究大都主要集中在经典量化策略的实现与改进，侧重于策略的收益分析，而 往往忽视了实际操作中存在的资金管理、止损、交易费用、冲击成本等问题，对于量 化投资策略组合的研究更是不多见。浙江大学硕士学位论文绪论量化投资策略由于可复制性强，产品之间容易出现同质性，从而易引发系统风险。 为了提高业绩表现，除了不断开发新的策略模型，另一种可行的方法是将已有策略组 合起来，通过投资组合的方式提高组合的整体表现。于是，如何有效地组合策略，并 合理分配投资比例，提高资金利用效率，成为了亟待解决的问题。1.2研究内容与研究方法图1-1本文研究框架1.2.1研究内容本研究首先探索趋势类量化交易策略和统计套利交易策略的构建。在吸取经典理 论的基础上，对传统策略进行优化改进，并在全市场做测试，以获得策略的整体表现。 在此基础上，本文拟采用不同方法构建多策略多品种的投资组合模型，探究投资组合 构建过程中不同品种的最优投资比例问题，以及探讨不同类型交易策略之间的组合问 题，以期获得绩效表现更优异更稳定的量化投资交易系统。1.2.2研究方法实证分析和比较分析法。本文首先设计不同类型的量化策略，对单策略在不同标 的上的表现进行实证分析。在此基础上，将不同投资标的进行资产组合，研究不同大2浙江大学硕士学位论文绪论类投资策略的组合方式，对投资组合的绩效表现进行评估。文献综述法。整理量化投资策略、投资组合理论等相关文献，了解量化投资策略 发展和投资组合理论的发展状况。定量分析法。由于本文所涉及主题是量化投资策略，与数学和编程息息相关，因 此定量分析在各个环节是不可或缺的。本文运用商品期货市场历史数据对各个投资策 略进行回测，并评价其表现；同时利用数量化方法进行投资组合的构建。1.3相关文献综述量化投资作为一种新兴的投资方式和投资理念，最早起源于海外，距今已有三四 十年的发展历史，其投资业绩稳定，规模与市场份额越来越大，近年来受到越来越多 投资者的认可。丁鹏（2014)在其量化投资策略与技术一书中以通俗的语言 概括性地介绍了量化投资及流行的各大类策略，可以发现目前市场上流行的量化策略 种类由于T+0、双向交易、投机性强等特点，期货市场最早成为量化投资的蓝海，量 化CTA策略的发展也最为成熟。量化CTA策略多以技术分析为主，通过数学、物理 学、统计学等相关工具发现市场微观结构规律，并以此构建交易信号进行交易。根据 实务中CTA策略的使用情况来看，量化CTA策略主要以量化择时策略和统计套利策 略为主。1.3.1董化择时策略研究综述所谓量化择时，指的就是利用特征指标来判断价格未来走势，并依此来操作的交 易策略。当判断价格上涨时，买入持有；判断价格下跌时，卖出空仓；判断价格震荡 时，则高抛低吸。这种投资策略的理论基础是有效市场假说，利用市场的非有效性赚 取运收益。择时策略的核心是找到能准确预测价格走势的交易信号，当投资者能够准 确判断未来价格走势时，量化策略的收益率十分可观，远远超过简单的买入持有策略。 量化择时策略的理论基础是市场有效假说。有效市场假说的核心思想是：如果市场是 有效的，那么市场就能够准确快速地对新的信息作出反应，并反应到价格上。根据反 应程度的不同，可以分为弱式有效市场、半强式有效市场和强式有效市场。从最初有 效市场定义的市场有效性出发，如果市场是弱式有效成立，那么任何价格预测方法都 是无效的，技术分析起不到任何作用。但是，随着学者的研究深入，越来越多有效市3浙江大学硕士学位论文绪论场假说所不能解释的市场异像被人们发现，其中最为经典的就是动量效应，“动量效应” 的发现为之后趋势跟踪型交易策略的发展奠定了理论基础。同时，价格的“无效”，为 技术分析获取超额收益带来可能，事实上，这也正是目前绝大部分量化CTA基金的主 要收益来源。国外关于量化择时策略的研究比国内早很多。早期学者对于验证Fama提出的EMH 假说的研究为择时策略提供了丰富的策略思路。De Bondt等(1985)利用统计检验方法 证明了价格在3至5年的长周期上存在着价格的反转效应，James (1968)将移动平均 线投资策略应用在交易市场，发现该策略并不能为投资者带来超额收益。这些异象的 发现为后来量化投资策略的构建提供了重要的思想源泉。市场的非弱势有效暗示了技 术分析的有效，大量的实证研究说明投资者可以通过技术分析获得超额收益，使得以 技术分析为支撑的量化择时策略快速发展。张登明（2010)研究了技术指标作为特征 指标在股市择时时的准确性，发现技术指标选取的得当与否对于择时的效果至关重要。 汪敏（2013)在我国证券市场应用三个经典量化投资模型进行研究，发现经典模型在 中国市场上也具有良好的适用性。李天野（2014)以重点了研究了动量效应的相关理 论和实践，并将其应用于板块投资，他发现，动量策略具有良好的适用性。后来，随着神经网络、数据挖掘等技术的飞速发展，这些先进技术在价格预测中 的应用成为了学者们的研究对象，并因此衍生出大量新的投资策略模型。QingLi、Tiejim Wang和Qixu Gong (2014)运用网络上众多投资者的市场舆情数据，构建基于网络舆 情的择时模型以预测股市价格，取得非常好的绩效表现。Monica Lam (2004)结合技 术指标与基本面指标两方面的数据建立股市的神经网络预测模型，取得令人满意的预 测结果。吴桂雯（2017)利用遗传算法优化神经网络模型，对上证综合指数进行价格 预测，结果表明，模型的预测精度显著优于传统的时间序列分析模型。这些学者从不 同角度触发，利用不同维度的数据构建择时模型，其核心都是寻找特征指标，并以此 构建交易信号，形成策略。1.3.2统计套利策略研究综述除了量化择时外，统计套利也是一种倍受量化投机客们追捧的投资策略。过去， 受限于数据分析能力不强，套利机会常常稍纵即逝。近年来，随着计算机技术的快速 发展，这种劣势不再成为阻碍，投资者可以通过量化模型同时对多个品种多种套利模 式进行实时监测，并自动触发套利交易，这显著拓展了统计套利的应用场景，为量化4浙江大学硕士学位论文.绪论统计套利策略的发展提供了绝佳的环境。主流的统计套利策略以均值回复作为核心思想，主要特点是捕捉小机会。统计套 利最早由摩根斯坦利提出，这种策略的思想来源于其在股票市场中所做的配对交易。 根据套利标的的不同，统计套利策略又分跨品种套利和跨期套利两大子交易策略。统 计套利策略是通过对相对价格偏离其理论数据来构建多头和空头组合获取利润。Hogan (2004)等人在其2004年发表的文章中给出了统计套利完整的定义，即利用市场中资 产价格暂时失衡的机会，通过卖出价格被高估资产、买入被低估资产来获取利润的行为， 是一种具有零初始成本，自融资的交易策略。其后，学者们针对统计套利策略展开了丰 富的研究。Gatev，Goetzmann和Rouwenhorst(1999)以协整理论为基础设计统计套利策 略，他们研究了统计套利策略中交易信号的设计问题，提出应采用标准化的历史标准 差两倍作为开仓的阈值。雷井生和林莎（2013)利用高频数据在不同统计频率下设计 统计套利策略，在股指期货和融资融券的背景下，实现了股票市场的套利模型。顾全， 雷星晖（2015)以大豆、豆粕和豆油期货主力合约为研究对象，通过协整检验，构建 误差修正模型，确定了套利定价组合，结果发现统计套利的盈利能力并不优秀。张家 铭（2014)利用程序化交易的建模思想，对价差序列进行动态处理，在螺纹钢市场上运用 统计套利策略，取得较好收益。近年来，高频数据的发展，统计套利也逐渐呈现高频 化的特征。DriaunysK (2014)等人利用高频交易数据，在天然气期货上测试了基于统 计套利的交易系统，取得比传统的套利策略更好的绩效表现。CuiL, Huang K (2015) 等人结合利用小波神经网络来预测每日价差阈值，优化了高频统计套利的交易信号。1.3.3组合策略研究综述投资组合指的是投资者手中持有的有价金融资产的组合。人们构建投资组合的目 的是为了规避风险。1952年，马科维茨发表了论文投资组合的选择，标志现代投资 组合理论的开端。随着金融市场发展的不断深化，现代投资组合理论不断发展，到如 今，已经成为现代金融学非常重要的理论分支。资产配置理论是投资组合理论中的重 要组成部分。通过稳健的资产配置，不仅可以增加投资者的利润，而且可以有效的规 避投资风险。资产配置的理论很多，最经典的当属马科维茨的均值方差模型，在已知 各个标的证券收益的概率分布下，投资者可以清晰地获得投资机会集的有效边界，进 而进行最有效的投资比例的确定。然而，均值方差模型对于数据过于敏感，其优化的 结果常常脱离实际，难以理解。为了改进传统马科维茨投资组合理论的缺点，浙江大学硕士学位论文绪论Black-Litterman模型应运而生，通过引入先验信息，Black-Litterman模型的结果相比于均值方差模型有了更高可解释性，也被学者和实务工作人员广泛采用。风险平价策略 是近年来新兴起的一种资产配置策略，同其他资产配置理论不同，风险平价策略的核 心是配置风险，通过调整投资权重使得每类资产对投资组合的风险贡献相当的。经研 究，风险平价策略有着非常好的适用性，近年来已成为国内外投资组合管理实践中的 重要策略。著名的桥水基金，其全天候策略运用的就是风险平价策略。随着证券市场的日益成熟，单一策略很难在一个市场内长期获得稳定收益，因此 不少学者将投资组合的理论引入到期货投资策略中来。经典的投资组合理论告诉我们， 分散化的投资可以有效地降低非系统性风险，这一观点在商品市场同样成立。 Billingsley (1996)研究了期货基金顾问多样化投资的投资优势和不足，得出少于10 个的CTA策略可以足够达到分散风险的目的。Kai-HongTee (2009)从风险管理的角度 出发，利用LPM模型，分析了英国市场投资组合多元化影响，得出将管理期货基金纳 入投资组合时下行风险容忍程度的重要性。C.Sherman Cheung (2010)提出商品期货 多样化的好处，增加了商品期货的组合投资，以获取多元化投资的利益。Demiguel(2007) 等在马科维茨均值方差模型的基础上，通过比较各种方法下最优投资组合的配置效率， 发现配置方法在样本外并不优于筒单的平均配置策略。AndrewClare(2014)等发现在结 合动量和趋势跟随的投资策略在商品期货上有显著超额收益，提出了期货趋势交易的 战略意义和价值。另外一些学者则重点关注投资蛆合的风险水平，从风险管理的角度 给出了投资组合的优化方案，以其获得更好的风险调整收益。Pedro Barroso和Pedro Santa-Clara(2015)等人发现，动量策略在长周期内收益率分布存在肥尾现象，在市场崩 溃后的反弹期会给投资组合带来毁灭性的损失，从而提出基于波动率管理的动量策略， 根据波动率的不同动态调整策略的风险冲口，有效地降低了动量策略的最大回撤。 Andrew (2016)等人研究了对各种大类资产运用动量策略和趋势跟随策略，并利用风 险平价投资组合策略构建投资组合，研究大类资产的配置方法。陈炎（2004)对商品 期货投资组合做了研究，论证了组合投资对降低风险提高收益有非常重要的作用。胡 俞越（2009)对投资组合策略可降低风险和增加收益进行了阐述.刘超（2008)在对国 内主要期货品种的基本特征进行分析，运用均值方差优化模型并加入择时策略，构建 的投资组合取得了更高单位风险收益。李楠（2012)从控制论的角度出发，利用BP神 经网络构建预测模型预测收益率，并以动态规划方法求解不同投资周期下的最优投资6浙江大学硕士学位论文策略。刘洋溢(2013)对均线和动量系统进行叠加，结果发现能显著改善系统的风险收益 比。张瑛（2014)以格雷厄姆股票投资的安全边际理论为基础，.提出了期货市场安全 边际投资理论，为国内期货投资风险管理提供了一种新的视角。王楠（2016)利用国 内外83个期货品种的价格时间序列和波动信息，构建了多维度的时间序列复杂网络模 型，在分析期货市场关系结构特征的基础上，构建了一揽子投资组合，并取得了良好 的收益。周雅夏（2016)以Vasicek短期利率模型为核心，并在固定收益市场构建组合 投资，取得良好结果。张明（2016)利用多个趋势跟随投资组合策略与多个投资标的 构建多策略多品种投资组合，并在各个策略之间平均分配资金，发现多品种多策略可 以有效降低风险。王亚洲（2016)以1/N策略为基准，比较了多个投资组合策略在中 国A股市场的实证结果。潘晔（2014)测试了双均线策略，布林线策略和RSI策略进 行Kelly策略的优化测试，寻找单一高频交易模型的最优资金投资比例，提高了资金 使用率与组合收益率。1.3.4文献评述综合国内外的研究来看，关于量化投资策略的研究近年来有所增多。大量研究集 中在市场微观结构的探索和市场有效性的实证，且不同国家的研究结论差异较大。国 内受限于政策监菅等原因，量化投资刚刚起步，实务界与学术界对于量化投资的研究 尚处于起步阶段。已有的研究文献大都集中在单一策略在市场上的实证研究，或是对 已有经典策略的复现与优化，或是根据经验规律挖掘新的交易策略。这部分文献的关 注点大都在于某一个策略的有效性，且着眼点都聚焦在策略的超额收益上，对于策略 的风险关注较少，关于不同投资策略的特性和组合的研究很少见。商品期货市场发展 时间虽然不长，但市场有效性却在逐年增强。过去单一投资策略的投资方式很难再激 烈的市场博弈中生存，策略的有机组合将是未来的一大研究方向。1.4研究创新点本文着力于研究多品种多策略的商品期货量化投资组合研究，通过实证分析找到 不同投资品种不同投资策略间有效的组合模式，以期取得良好的风险回报。本文的创 新点如下：(1) 现有量化投资文献多专注于策略层面，探究单一策略的有效程度及在个别标 的上的表现。本文则将视角转向组合层面，尝试将策略应用在多品种上，并引入不同7浙江大学硕士学位论文类型的量化交易策略，弥补了现有研究的空白。(2) 在分析不同品种和不同策略的特性基础上，本文尝试探索单一策略在不同投 资品种的投资比例分配问题，同时尝试构建包含不同大类量化投资策略的投资组合， 以获得实盘盈利性、稳定性更优异的交易系统。(3) 本文在测试过程中考虑了滑点、交易成本、成交等成交细节，使结果能更接 近真实交易环境。同时单品种单策略的交易系统可能存在资金曲线波动过大的情况， 而通过多品种多策略的组合可能会起刭降低波动，减小回撤的作用。8浙江大学硕士学位论文策略模型的理论分析和设计2策略模型的理论分析和设计本章介绍了统计套利交易策略、双均线趋势交易策略和布林通道交易策略的的运 行模式和内在机理。从策略的历史由来，原理描述、应用方法以及具体操作时机等多 个角度进行介绍。2.1统计套利模型统计套利交易策略，源于上个世纪80年代的投资银行交易实践。其最初被用于股 票的配对交易，后来被逐渐被应用于商品期货市场。统计套利的从本质上来说，是运 用数量化的方法构建资产组合，获取a的过程。Hogon (2004)等人给出了统计套利的 定义。统计套利交易的标的不是单一资产，而是不同资产的组合。统计套利的关键在 于寻找一对存在长期均衡关