CTA策略之商品期貨黑色系多頭擇時策略

一、摘要

最近大宗商品開始史無前例瘋狂**模式，成為**圈熱門話題，不管是**還是國家監管層均有極大關注。對於交易者來說，在全球大宗商品持續通脹的情況下，擇時做多就顯得更有意義。本篇文章就以國內商品**黑色係為標的，開發乙個多頭擇時策略。

二、大宗商品**原因

為何最近大宗商品瘋狂**，尤其是黑色系頻繁上演漲停潮？綜合各方觀點來看，主要有以下幾方面原因：

1、美元指數持續**

2023年新冠肺炎疫情暴發以來，美元指數持續**，而大宗商品是以美元計價的，持續的弱美元走勢，間接推動了商品**的**。

2、貨幣**量

2023年疫情之後，全球主要經濟體央行集體放水，尤其是美歐日三國m2同比增速超過20%，在各國央行寬鬆政策不變的情況下，市場通脹預期仍然強烈。

3、全球經濟復甦

隨著各國疫苗接種順利，經濟回暖，大宗商品需求**，全球製造業採購經理指數（pmi）持續擴張，製造業的復甦對工業品**形成支撐。

三、美元指數與大宗商品

如圖所示，上圖是美元指數從2023年5月至今的資料，下圖是大宗商品指數從2023年8月至今的資料，從圖中可以看出，美元指數和大宗商品指數始終呈相反的走勢。

大宗商品**是全球性問題，並不只是只有國內大宗商品****。而美元作為大宗商品標價用貨幣，兩者關係大致上類似**和需求量的關係，即大宗商品**的變化通常與美元相反，通常美元指數**，大宗商品**。

四、貨幣**量與費雪方程式

費雪方程式可以解釋貨幣**量、物價水平、國民收入之間的數量關係，公式如下：

mv=pq

其中：由於疫情的出現，導致產品滯銷，進而導致企業貸款需求減少，那麼貨幣周轉速率（v）就會降低，費雪方程式（mv=pq）就會失去平衡（左邊變小），如果不加以控制就會出現通貨緊縮的風險，為了減緩費雪方程式左邊的mv下降速度，全球主要央行採取的方法是開啟印鈔機，增大貨幣總量（m）應對。

而如今，疫情過後經濟復甦，貨幣周轉率（v）已經接近正常，但超發的貨幣（m）一時半會收不回來，導致費雪方程式（mv=pq）又失去平衡（左邊變大）。

那麼既然費雪方程式（mv=pq）是等式，相應的方程式右邊也會變大，不是商品**（p）變大，就是商品數量（q）變大，或者同時變大。但是我們知道商品數量變大是需要乙個過程的，是需要一定時間的，那麼市場會啟動自我修復，在商品數量（m）不可能立刻變大的情況下，只能是商品**（p）變大。

綜上儘管市場種種短期波動具有不確定性，但2023年可能是大宗商品牛市真正開始的一年。好了，話不多說，接下來我們就以國內商品**黑色係為標的，開發乙個多頭擇時策略。

五、策略邏輯及實現

商品**黑色系多頭擇時策略是通過有針對性的對標歷史資料、市場規律、交易模式等方面的分析，採用固定的、數量化的交易模式，來發掘其中的交易機會並實現盈利。該策略以發明者(fmz.cn)量化的my語言來實現交易策略的具體實施。具體策略邏輯為：

第1步：計算前4根**最**與開盤價的差的均值

ho1 := ref(h, 1) - ref(o, 1);
ho2 := ref(h, 2) - ref(o, 2);
ho3 := ref(h, 3) - ref(o, 3);
ho4 := ref(h, 4) - ref(o, 4);
hto := (ho1 + ho2 + ho3 + ho4) / 4;

第2步：計算ho1、ho2、ho3、ho4均值

line := o - hto * n;

第3步：計算多頭開倉訊號

d1 := ref(c, 1) < ref(c, 2);
d2 := ref(c, 2) < ref(c, 3);
d3 := ref(c, 3) < ref(c, 4);
d := d1 && d2 && d3 && c > line;

第4步：計算多頭平倉訊號

k1 := ref(c, 1) > ref(c, 2);
k2 := ref(c, 2) > ref(c, 3);
k3 := ref(c, 3) > ref(c, 4);
k := k1 && k2 && k3 && c <= line;
t1 := barslast(barslast(k) < barslast(d));
dt := ifelse(t1 <= ref(t1, 1), 0, (c - valuewhen(t1 = 1, c)));

第5步：下單交易

d, bk;
t1 < 5 && t1 > 3 && dt < 7, sp;

六、策略回測

回測配置

回測績效

資金曲線

七、完整策略**

(*backtest
start: 2015-02-22 00:00:00
end: 2021-05-07 00:00:00
period: 1d
baseperiod: 1d
exchanges: 
args: [["contracttype","rb000",126961]]
*)ho1 := ref(h, 1) - ref(o, 1);
ho2 := ref(h, 2) - ref(o, 2);
ho3 := ref(h, 3) - ref(o, 3);
ho4 := ref(h, 4) - ref(o, 4);
hto := (ho1 + ho2 + ho3 + ho4) / 4;
line := o - hto * n;
d1 := ref(c, 1) < ref(c, 2);
d2 := ref(c, 2) < ref(c, 3);
d3 := ref(c, 3) < ref(c, 4);
d := d1 && d2 && d3 && c > line;
k1 := ref(c, 1) > ref(c, 2);
k2 := ref(c, 2) > ref(c, 3);
k3 := ref(c, 3) > ref(c, 4);
k := k1 && k2 && k3 && c <= line;
t1 := barslast(barslast(k) < barslast(d));
dt := ifelse(t1 <= ref(t1, 1), 0, (c - valuewhen(t1 = 1, c)));
d, bk;
t1 < 5 && t1 > 3 && dt < 7, sp;

上面附上完整策略**以及回測配置，也可以點選下方鏈結複製完整策略**：

CTA策略之商品期貨黑色系多頭擇時策略

基於箱體理論的交易策略，支援商品期貨和數字貨幣

策略模式商品促銷

商品期貨中各種品種之間的關係研究

CTA策略之商品期貨黑色系多頭擇時策略

基於箱體理論的交易策略，支援商品期貨和數字貨幣

策略模式 商品促銷

商品期貨中各種品種之間的關係研究

相關推薦

策略模式商品促銷