潘敬 胥少陽(yáng)｜文

對(duì)期貨價(jià)格進(jìn)行技術(shù)分析，量（成交量、持倉(cāng)量）、價(jià)（價(jià)格及其形態(tài)）因素缺一不可。采用無(wú)監(jiān)督學(xué)習(xí)的方法對(duì)倫敦金屬交易所鋅三月期貨合約進(jìn)行大數(shù)據(jù)挖掘，讓數(shù)據(jù)說(shuō)話(huà)，打開(kāi)背后的“黑匣子”、揭示量與價(jià)之間的量化關(guān)系。

在傳統(tǒng)的技術(shù)分析方法中，學(xué)者們對(duì)量、價(jià)因素有著大量的定性研究：例如，具有長(zhǎng)上（下）影線(xiàn)的蠟燭圖往往預(yù)示著趨勢(shì)的反轉(zhuǎn)。價(jià)格下跌，而成交量、持倉(cāng)量增加，預(yù)示著價(jià)格仍將下行。然而多長(zhǎng)的上（下）影線(xiàn)才會(huì)預(yù)示著趨勢(shì)反轉(zhuǎn)？ 成交量、持倉(cāng)量的變化需要達(dá)到什么樣幅度才會(huì)對(duì)價(jià)格趨勢(shì)產(chǎn)生影響？如果基于價(jià)格形態(tài)上看漲，但從量的因素分析上看跌，投資者們?cè)撊绾尉C合分析？諸如此類(lèi)問(wèn)題，僅僅依靠定性分析是無(wú)法解答的。投資者們不得不加入更多的主觀(guān)判斷。隨著科技的日益發(fā)達(dá)，投資者們獲得交易數(shù)據(jù)的途徑更加便捷，通過(guò)對(duì)這些數(shù)據(jù)進(jìn)行挖掘，找出潛在的量化信息，彌補(bǔ)了傳統(tǒng)技術(shù)分析方法上的不足。因此，近年來(lái)，通過(guò)大數(shù)據(jù)學(xué)習(xí)制定交易策略的方法越來(lái)越受到青睞。本文采用無(wú)監(jiān)督學(xué)習(xí)的方法對(duì)倫敦金屬交易所的鋅三月期貨合約（以下簡(jiǎn)稱(chēng)“倫鋅”）進(jìn)行分析，挖掘背后蘊(yùn)藏的定量關(guān)系并將具有相似量?jī)r(jià)關(guān)系的交易日歸為一類(lèi)，通過(guò)對(duì)交易日進(jìn)行分類(lèi)，找出最優(yōu)的交易策略。

數(shù)據(jù)與模型

本文采用倫鋅合約過(guò)去2527 個(gè)交易日的數(shù)據(jù)（2009年1月9日～2019年1月12日），包括：最高價(jià)、最低價(jià)、開(kāi)盤(pán)價(jià)、收盤(pán)價(jià)、成交量以及持倉(cāng)量，在R 語(yǔ)言平臺(tái)進(jìn)行挖掘。

首先，確定數(shù)據(jù)挖掘的維度?；谝陨蠑?shù)據(jù)，模型從5 個(gè)維度進(jìn)行分析：第一，最高價(jià)與收盤(pán)價(jià)的差；第二，最低價(jià)與收盤(pán)價(jià)的差；第三，最高價(jià)與最低價(jià)的差；第四，當(dāng)日與上一交易日持倉(cāng)量的變化；第五，當(dāng)日成交量。第一個(gè)及第二個(gè)維度反映了價(jià)格沖高回落或觸底反彈的程度，第三個(gè)維度為當(dāng)日最大的波幅，持倉(cāng)量的變化反映了當(dāng)前價(jià)格是由于交易者清倉(cāng)離場(chǎng)還是主動(dòng)開(kāi)倉(cāng)造成的，成交量維度反映了價(jià)格變化的能量。在對(duì)數(shù)據(jù)進(jìn)行挖掘之前，首先對(duì)以上五個(gè)維度的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

第二，選擇數(shù)據(jù)挖掘的算法。本文采用層次聚類(lèi)（Hierarchical Clustering）中的最遠(yuǎn)距離聚類(lèi)算法（Farthest-Neighbor Method） 從 以 上5 個(gè) 維度對(duì)2527 個(gè)交易日進(jìn)行分類(lèi)，將具有相似交易情況的交易日歸在一起。最遠(yuǎn)距離聚類(lèi)算法通過(guò)計(jì)算歐氏距離來(lái)確定每個(gè)交易日之間的相似程度：

模型輸出結(jié)果

在確定45 個(gè)類(lèi)別個(gè)數(shù)后，最遠(yuǎn)距離聚類(lèi)算法將2527 個(gè)交易日分別歸入到45 個(gè)類(lèi)別之中，其中第7 個(gè)類(lèi)別包含的交易日最多，共413 個(gè)交易日，第20、21 和第43 個(gè)類(lèi)別包含的交易日最少，分別只包含了一個(gè)交易日。以第19 個(gè)類(lèi)別為例，有6 個(gè)交易日被歸到了一起，從下圖的數(shù)據(jù)可以看出（圖1），雖然每個(gè)交易日所處的價(jià)格區(qū)間大有不同，但這6 個(gè)交易日的波幅普遍較大，蠟燭圖實(shí)體較長(zhǎng)，成交量也相對(duì)較大。

2018年11月12日 與2018年11月13日倫鋅價(jià)格分別收于2498 美元/噸、2492 美元/噸，雖然連續(xù)2 個(gè)交易日的收盤(pán)價(jià)基本持平，波幅也較為相似，但2 個(gè)交易日分別被無(wú)監(jiān)督學(xué)習(xí)模型納入了第7、第10 個(gè)類(lèi)別，或許這是由于2 個(gè)交易日的沖高回落幅度相差較大的所造成的，2018年11月12日從最高價(jià)到收盤(pán)價(jià)回落約0．99%，而11月13日的回落幅度約1．96%（圖2）。由此可見(jiàn)，數(shù)據(jù)挖掘可以幫助人們找到大數(shù)據(jù)背后更多的潛在信息。

圖1 第19個(gè)類(lèi)別所包含的交易日

圖2 2018年11月12日與2018年11月13日的分類(lèi)結(jié)果

圖3 10種最優(yōu)做多交易策略

圖4 10種最優(yōu)做空交易策略

交易策略

一個(gè)好的交易策略需要滿(mǎn)足三個(gè)條件：第一，勝率高；然而勝率高并不能保證最終盈利。假設(shè)根據(jù)一個(gè)策略共交易10 次，其中9 次正確，每次盈利1美元，而最后一次交易虧損100 美元，最終虧損為91 美元，所以第二個(gè)條件是較高的盈利；第三，最大回撤較低。通過(guò)聚類(lèi)分析，2527 個(gè)交易日被分為45 個(gè)類(lèi)別，也就意味著總共有1980 種（45×44）開(kāi)平倉(cāng)類(lèi)別組合。我們選定過(guò)去2527 個(gè)交易日中勝率高于70%的開(kāi)平倉(cāng)組合，并按照最大回撤進(jìn)行排序，分別選出10 種最優(yōu)的做多、做空策略。

圖3為最優(yōu)的10 種做多策略。10種開(kāi)平倉(cāng)組合在過(guò)去10年中總計(jì)出現(xiàn)過(guò)57 次，利潤(rùn)率均達(dá)到了兩位數(shù)，但是其中7 種策略的最大回撤幅度較大，超過(guò)了10%。

最優(yōu)的10 種做空策略在過(guò)去10年間共出現(xiàn)過(guò)60 次（圖4），勝率高的同時(shí)，利潤(rùn)率也超過(guò)了10%。其中排在第一的做空組合的最大回撤僅為7%左右，利潤(rùn)率卻高達(dá)18%。

將未來(lái)的交易日歸類(lèi)

得出最優(yōu)策略后，下一步需要將未來(lái)的每個(gè)交易日歸入到45 個(gè)類(lèi)別之中。首先，可以選擇神經(jīng)網(wǎng)絡(luò)或邏輯回歸等算法對(duì)過(guò)去的2527 個(gè)交易日及其所屬類(lèi)別標(biāo)簽進(jìn)行有監(jiān)督學(xué)習(xí)，挖掘出背后的分類(lèi)算法，其次，將新的交易日的5 個(gè)維度代入到算法中，從而得出其所屬類(lèi)別。由于篇幅原因，本文在此不做詳細(xì)描述。

結(jié)論及未來(lái)研究方向

對(duì)交易數(shù)據(jù)進(jìn)行深度挖掘可以幫助人們找到背后的量?jī)r(jià)關(guān)系，做出科學(xué)的投資決策，從而避免了主觀(guān)判斷上的隨意性。對(duì)于倫鋅來(lái)說(shuō)，根據(jù)過(guò)去10年間的數(shù)據(jù)，本文分別選取出了10 種最佳的做多和做空交易策略。所選取的交易策略勝率較高且利潤(rùn)率超過(guò)10%以上，但由于鋅的交易流動(dòng)性較好，波動(dòng)較大，最大回撤幅度也比較高。

對(duì)于模型本身而言，在未來(lái)可以向兩個(gè)方向繼續(xù)進(jìn)行擴(kuò)展：一是可以根據(jù)不同的交易頻率（15 分鐘、30 分鐘、1小時(shí)級(jí)別等）從新對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí)；二是可以增加更多的分析維度，例如通過(guò)增加時(shí)間維度，來(lái)反映一個(gè)趨勢(shì)力度的變化。