跨期套利(期货)
3. 策略代码
4. 回测结果
什么是跨期套利?
套利方法
协整检验
1. 原理
2. 策略步骤
跨期套利策略
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. 策略步骤
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-8
from __future__ import print_function, absolute_import, unicode_literals
import numpy as np
from 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'].values
close_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_BACKTEST
token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_POST
backtest_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
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%。