策略分享
跨期套利（期货）
跨期套利（期货）
1. 原理
什么是跨期套利？
跨期套利是指在同益市场利用标的相同、交割月份不同的商品期货合约进行长短期套利的策略。跨期套利本质上是一种风险对冲，当价格出现单方向变动时，单边投机者要承担价格反向变动的风险，而跨期套利过滤了大部分的价格波动风险，只承担价差反向变动的风险。
跨期套利相较于跨品种套利而言更复杂一些。跨期套利分为牛市套利、熊市套利、牛熊交换套利。每种套利方式下还有正向套利和反向套利。不管是哪种套利方式，其核心都是认为“价差会向均值回归”。因此，在价差偏离均值水平时，按照判断买入被低估的合约，卖出被高估的合约。
套利方法
套利方法可归结为以下几类：
| 价差（近-远） | 未来价 | 原理 | 操作 |
|---|---|---|---|
| 偏大 | 上涨/下跌 | 近月增长 >远月增长 | 买近卖远 |
| 近月下跌 < 远月下跌 | |||
| 偏小 | 上涨/下跌 | 近月增长 < 远月增长 | 卖近买远 |
| 近月下跌 > 远月下跌 |
协整检验
要想判断两个序列之间是否存在关系，需要对序列进行协整检验。以大商所豆粕为例，对DCE.m1701和DCE.m1705进行检验。
1701合约的t值 = -2.1176，临界值为-3.4769，t > 临界值说明序列平稳。
1705合约的t值 = -2.5194，临界值为-3.4769，t > 临界值说明序列平稳。
两个序列都为单整序列，残差序列也平稳，说明二者之间存在长期稳定的均衡关系。
2、策略逻辑
第一步：选择同一标的不同月份的合约，本策略以豆粕为例。
第二步：计算价差的上下轨。
第三步：设计信号。价差上穿上轨，买近卖远；价差下穿下轨，卖近买远。
价差达到止损点时平仓，价差回归到均值附近时平仓。
回测标的：DCE.m1801、DCE.m1805
回测时间:2017-09-25 到 2017-10-01
回测初始资金：200万
注意：若修改回测期，需要修改对应的回测标的。
3、策略代码
# coding=utf-8from __future__ import print_function, absolute_import, unicode_literalsimport numpy as npfrom gm.api import *'''通过计算两个真实价格序列回归残差的0.9个标准差上下轨,并在价差突破上轨的时候做空价差,价差突破下轨的时候做多价差并在回归至标准差水平内的时候平仓回测数据为:DCE.m1801和DCE.m1805的1min数据回测时间为:2017-09-25 08:00:00到2017-10-01 15:00:00'''def init(context):context.goods = ['DCE.m1801', 'DCE.m1805']# 订阅品种数据subscribe(symbols = context.goods,frequency = '1d',count = 31,wait_group = True)def on_bar(context, bars):# 获取历史数据close_1801 = context.data(symbol=context.goods[0], frequency='1d', count=31, fields='close')['close'].valuesclose_1805 = context.data(symbol=context.goods[1], frequency='1d', count=31, fields='close')['close'].values# 计算上下轨spread = close_1801[:-2] - close_1805[:-2]spread_new = close_1801[-1] - close_1805[-1]up = np.mean(spread) + 0.75 * np.std(spread)down = np.mean(spread) - 0.75 * np.std(spread)up_stop = np.mean(spread) + 2 * np.std(spread)down_stop = np.mean(spread) - 2 * np.std(spread)# 获取仓位position1801_long = context.account().position(symbol = context.goods[0],side =PositionSide_Long)position1801_short = context.account().position(symbol = context.goods[0],side =PositionSide_Short)# 没有仓位时if not position1801_short and not position1801_long:# 上穿上轨时，买近卖远if spread_new > up:order_volume(symbol=context.goods[0], volume=1, order_type=OrderType_Market, side=OrderSide_Buy, position_effect=PositionEffect_Open)order_volume(symbol=context.goods[1], volume=1, order_type=OrderType_Market, side=OrderSide_Sell, position_effect=PositionEffect_Open)print('上穿上轨，买近卖远')# 下穿下轨时，卖近买远if spread_new < down:order_volume(symbol=context.goods[0], volume=1, order_type=OrderType_Market, side=OrderSide_Sell, position_effect=PositionEffect_Open)order_volume(symbol=context.goods[1], volume=1, order_type=OrderType_Market, side=OrderSide_Buy, position_effect=PositionEffect_Open)print('下穿下轨，卖近买远')# 价差回归到上轨时，平仓if position1801_long:if spread_new <= np.mean(spread):order_close_all()print('价差回归，平仓')if spread_new > up_stop:order_close_all()print('达到止损点，全部平仓')# 价差回归到下轨时，平仓if position1801_short:if spread_new >= np.mean(spread):order_close_all()print('价差回归，平全部仓')if spread_new < down_stop:order_close_all()print('达到止损点，全部平仓')if __name__ == '__main__':'''strategy_id策略ID,由系统生成filename文件名,请与本文件名保持一致mode实时模式:MODE_LIVE回测模式:MODE_BACKTESTtoken绑定计算机的ID,可在系统设置-密钥管理中生成backtest_start_time回测开始时间backtest_end_time回测结束时间backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POSTbacktest_initial_cash回测初始资金backtest_commission_ratio回测佣金比例backtest_slippage_ratio回测滑点比例'''run(strategy_id='strategy_id',filename='main.py',mode=MODE_BACKTEST,token='token_id',backtest_start_time='2017-07-01 08:00:00',backtest_end_time='2017-12-31 16:00:00',backtest_adjust=ADJUST_PREV,backtest_initial_cash=2000000,backtest_commission_ratio=0.0001,backtest_slippage_ratio=0.0001)
4、回测结果与稳健性分析
设定初始资金200万，手续费率为0.01%，滑点比率为0.01%。回测结果如下图所示。
回测期累计收益率-8.12%，年化收益率为-16.46%。最大回撤率为11.48%，胜率为50.00%。
注：此策略只用于学习、交流、演示，不构成任何投资建议。
热点信息
-
Alpha对冲策略1. 原理何为alpha？提到Alpha策略，首先要理解什么是CAPM模型。CAP...
-
均线最早由美国投资专家Joseph E.Granville(格兰威尔)于20世纪中期提出，现在仍然广...
