情绪因子 | 指数情绪因子:情绪如何通过策略运用在股指期货投资中

0
0
**指数情绪因子(以沪深300为例):** **情绪如何通过策略运用在股指期货投资中** ![飞书20220719-174906.jpg](https://dev-media.amazoncloud.cn/5bc3a51cc8994f0c98f7c3d4404ca618_%E9%A3%9E%E4%B9%A620220719-174906.jpg "飞书20220719-174906.jpg") **目前已有的以股票为标的资产的期货主要为股指期货,随着金融市场的发展,应用股指期货对冲风险的市场势必会增长。****但指数区别于个股,可以依靠财报和信息披露等基本面分析手段****,****目前市场上针对指数的量价因子还存在着大量空白****,大多投资者对于指数的走向判断只能依靠自己对宏观经济的理解和技术分析等手段,于是我们想是否能推出一款产品来作为股指期货的一种先行指标。** ## **一、构建** ### 1. **权重(数据源:雪球)** ![image.png](https://dev-media.amazoncloud.cn/f0128029d0fb40ac8a73161f3fa1d7b9_image.png "image.png") 第一步先从我们的情绪指数库中抽取出沪深300的成分股,第二步选择与沪深300指数相同的加权计算方法,这时用何种权重就成了首先要解决的问题。基于之前的研究,目前所有简单量价数据中换手率是最适用于情绪聚合的权重,所以我们重点比较换手率权重和与沪深300一模一样的官方权重。 我们将换手率权重,官方权重聚合出的沪深300情绪指数与沪深300曲线标准化后对比,明显官方权重相比于换手率有更大波动性,能更好的反应沪深300未来表现,所以我们选取官方权重为长期权重。 ### 2. **数据源** ### ![image.png](https://dev-media.amazoncloud.cn/5272f3916c5f4f0faf67a700fd08183b_image.png "image.png") 为了更加严谨,我们还进一步比较了由股吧和雪球两个数据源分别得出的情绪指数。如图,以股吧为数据源的情绪指数波动性太小,且在绝对值上与沪深300的走势也不匹配,总体相关性较弱,所以我们选取雪球为长期数据源。 ## **二、效果** ### 1. **领先性** 领先性在期货投资中显得尤为重要,如果说股市投资领先性能帮助投资者以更低的价格买入,更高的价格先一步卖出,属于一种间接收益,那么期货上的领先性则可以直接买入相应合约,随着到期日的临近,基差不断缩小,这是一种可以实现的直接收益。 ![image.png](https://dev-media.amazoncloud.cn/4a0ff4759e5146d782a8d1433d5e154d_image.png "image.png") 在四次市场剧烈转换中,情绪指数都或多或少提前出现了剧烈的波动,正如之前研究的领先指标一样,领先周期1-8个月不等,正好对应了目前期货产品1-8个月的到期时间。 ### 2. **跟踪性** ### 除了在原先领先性上的价值,该指数情绪因子在其他方面还有针对期货新的进步。首先在期货投资中,是可以双向交易的,并不像A股市场我们更关注于多头方情绪指数的表现。而简单的情绪剧烈上涨确实可以作为行之有效的做多信号,但简单的情绪下跌却让投资者无法判断这是正常情绪波动还是下跌信号。 ![image.png](https://dev-media.amazoncloud.cn/9426dc8a34b74d9b891f1174e09eb8a3_image.png "image.png") 但我们发现,相比于全A情绪指数,指数化的情绪因子能以值的波动区间发生了变动为做空信号,以下多种历史图例说明:当情绪指数跃迁进另一个波动区间,或是说突破了之前的波动箱体,那么说明巨大的市场转换即将来临。 ![image.png](https://dev-media.amazoncloud.cn/5e0717d4406b4e738267c1966c8c3b82_image.png "image.png") 其次,相比于全A指数我们得出的“绝对值具有一定参考意义,但并不能完全代表市场整体价格水平”结论,沪深300情绪指数在除1之外的2,3,4的上涨幅度以及峰值都与市场在绝对值上有一定对应关系。除此之外,观察市场的每一段横盘时期其总体指数水平是在上升的,相应的情绪稳定波动区间也呈现了一定的线性关系,也就是说指数情绪因子一定程度上能代表市场整体价格水平,由此情绪指数的价值也不再仅限于判断市场方向,还可以判断市场相较于历史目前的价格位置,以情绪指数作为因子设计买卖策略的应用范畴也更为广泛。 ![image.png](https://dev-media.amazoncloud.cn/d8bd497c86ee4833b065ee8c88cae515_image.png "image.png") ### 3. 策略实测 为了更加明确指数情绪因子的价值,我们还是需放入策略中通过历史数据回测。我们以情绪相较前一个周期的变化值为信号, 如果情绪上涨,则在下一个周期采取做多策略,反之亦然,平仓时间为周期t。 ![image.png](https://dev-media.amazoncloud.cn/7bab42fa09d94ee984d4da214919e7fa_image.png "image.png") 我们尝试了三个周期:1日,3日,5日,7日。首先我们发现15年前由于模型不稳定的问题,因子未能给我们带来什么收益。 其次,周期为1日的策略在15-18年产生了较多的收益,但在18年产生亏损后被抵消很多,但我们拉长换仓周期后,3,5,7日的策略15年后总体收益都是上行的,且因为未考虑交易成本,换仓频率的减少意味着更低的手续费,5日策略的收益应该更高。那么为什么会出现这样的现象,我们对此的解释,包括设计策略时考虑的因素便是:因为情绪传递到市场买卖行为需要一定时间,而如果过早的换仓,实际并没有抓住市场对情绪的反馈。所以由此我们也能得出结论:15-18年情绪蔓延到市场的速度是较快的,所以1日换仓就能带来很多收益;而18年以后情绪蔓延速度是比较慢的,所以1日换仓是持续亏损的,而5日换仓能带来持续收益。 除此之外,我们还考虑到,简单以情绪正负变化为信号,没有考虑到变化值具有一定的缺陷,策略中是通过n日内对情绪的累计来抵消小幅情绪波动所导致的错误多空行为,由此产生了更稳定的效果,对于这样的不稳定性,我们将会推出更多策略来应对。
目录
亚马逊云科技解决方案 基于行业客户应用场景及技术领域的解决方案
联系亚马逊云科技专家
亚马逊云科技解决方案
基于行业客户应用场景及技术领域的解决方案
联系专家
0
目录
关闭