基于非参数统计的程序化交易策略研发报告

摘要

伴随着金融业的发展，人们不断地探索如何运用数学理论对金融风险进行控制。于是，量化投资孕育而生。它是指采用数量化的方法对市场数据进行统计分析，并由此产生投资决策。在投资策略制定和市场数据统计分析时，操作者可采用多种科学方法进行定量分析供人或计算机执行。在海外，量化投资的应用及发展已经比较成熟，其投资业绩稳定，市场规模和份额不断扩大，得到了越来越多投资者的认可，而国内正处于起步的发展阶段，量化投资的发展将加速市场的成熟性。在这样的背景下，我们依托热门的前沿学术理论，在实践的基础上构造了交易策略，并编写了计算机代码，实现了程序化交易，完成了一套程序化交易的系统，为国内量化投资特别是程序化交易的发展贡献了一份力量。
　　本文主要通过应用前沿的非参数统计方法以及线性时变半参模型构造交易策略，并实现程序化的自动交易。首先，建立非参数回归模型，将所有市场技术指标放入非参数回归模型的自变量中，将期货价格放入应变量中。通过非参数回归的LCLS(Local-Constant Least-Squares)估计量的性质筛选变量，把在统计上不对因变量产生显著影响的自变量剔除，即筛选得到对期货价格有重要影响的市场指标。接下去，再用非参数回归的LLLS(Local-linear Least-Squares)估计量的性质识别刚得到的指标对期货价格是线性影响还是非线性影响，最终得到筛选识别后的半参模型。其次，根据得到的半参模型进行价格预测，并上下浮动一定范围，得到预测区间。当价格在预测上限之上时，表明当前价格偏高，此时应卖出，当价格在预测下限之下时，表明当前价格偏低，此时应买入，当前价格介于预测上下限之间时，表明此时没有机会套利，应不进行操作。最后，将R软件上编写的模型程序与交易软件的下单程序对接，实现程序化自动交易。
　　交易策略在实现程序化的实战交易之前，都要进行历史数据的回测，并根据回测的绩效结果修改策略，使得策略在历史的交易试验中得到最大的绩效，这其实就是统计思想的一种体现。优秀的交易思想是建立在数据统计分析的基础之上，而出色的交易行为则是建立在精确的预测基础之上，本人借鉴了前沿的非参数的统计方法、拟合度较高的线性时变半参模型，成功开发出一套数量化的交易策略系统。这是统计理论与数学模型在实践问题上的一次应用。对学者而言，前沿的理论技术能够应用到现实问题，加强了对理论创新的信心;对投资者而言，能够挖掘套利机会，增强了市场的活跃性;对市场而言，能够加强市场资金的流动性，加速了市场成熟化发展;此外，对监管部门而言，将宏观因素纳入模型后可用来监控市场。
　　基于大数据的角度，利用非参数统计的方法进行数据挖掘，通过对每一数据的分析找到实际问题所需要的数据集。因此，本文创新之处在于这种技术上的突破。并且，其应用价值也很广泛。非参数统计方法与半参模型可用到微观市场，作为交易策略的基础，也可用来监控期货市场的运行，以便提前估计宏观变量对期货市场的传导影响。

目录

摘要

第一章 绪论

1．1 研究背景及意义

1．2 程序化交易策略的分类

1．3 研究目的

1．4 研究方法和思路

1．4．1 前期准备

1．4．2 建立模型

1．4．3 交易思路

1．4．4 程序化流程

第二章 相关概念的阐述和模型理论

2．1 相关概念的简述

2．1．1 期货简述

2．1．2 期货交易特征简述

2．1．3 指标简述

2．2 模型理论

2．2．1 线性半参数时变系数回归模型

2．2．2 非参数方法筛选变量

2．2．3 非参数方法识别变量

2．2．4 模型估计

第三章 策略的实践

3．1 策略前言

3．2 策略实践

3．2．1 变量设定

3．2．2 数据下载与简单处理

3．2．3 非参数统计筛选的结果与半参模型的建立

3．2．4 策略绩效

3．2．5 问题与对策

3．3 程序化交易的应用

3．3．1 实践操作与分析

3．3．2 分析与展望

第四章 结论

4．1 实践结论与成果

4．1．1 实践结论

4．1．2 实践成果

4．2 创新点与应用价值

4．3 心得体会与展望

4．4 结束语

参考文献

附录

附录一 技术指标

附录二 模型预测区间程序代码(R语言)

附录三 即时行情自动导出程序代码(TB语言)

致谢

声明