在前面的文章中,我给大家介绍了单均线和双均线策略,没有看过的朋友可以点击文末的文章链接回看。
介绍均线的目的,不是让大家直接拿它们来用到实盘中去,而是为了让大家对它们的性能、特征有一个深入的理解,因为它们是基础,是构成我们后面更复杂且更有效的策略的一砖一瓦。
单均线策略只含一个参数,即计算价格平均值时所用到的数据长度。它的买卖逻辑也只有一个条件,即价格上穿均线买入,下穿均线卖出。
双均线策略由两条均线构成,自然含两个参数,但交易逻辑仍然只有1个条件,即金叉买入,死叉卖出。
一般来说,如果一个策略的参数和买卖逻辑的条件越多,就越容易在历史回测时陷入过度拟合的陷阱,这种策略往往历史回测表现很好,但在未来实盘的稳健性会很差,大概率不会有什么好的表现。
对于单均线和双均线策略,如果我们继续延伸下去,还会有三均线策略、四均线策略,策略包含的参数越来越多,买卖逻辑的条件也越来越多,策略在未来的稳健性也会不断的下降。
但如果我们不是用一根根、两根均线,或者三根四根均线,而是用所有参数组成的均线簇,反而又不存在参数选择的问题了。
所谓均线簇,就是以全参数全覆盖的方式来计算股票价格的均线。
举个例子,假如我们认为合理均线参数的范围是1至100,那就根据这100个参数来计算100条均线,但这100根均线中有一半以上均线处于多头排列时(即价格在均线之上),我们就买入,反正就卖出。
下面具体看看均线簇策略的历史回撤表现:
【交易标的】
指数入选原因,见文章:《最适合策略投资的股票指数有哪些?》
【测试时间】
2006年1月1日 ~ 2019年6月30日
【交易逻辑】
均线的合理参数范围:15~N。
根据我们前文中单均线策略的测试结果,均线参数小于15时,效果会很差,所以我们这里做一个小小的优化,限制均线的最小参数为15。
至于最大参数,可以考虑多种情况,均线的参数太大了也不好,进出场会太迟钝,交易信号也会很少。
均线簇计算方式:
分别取15,16,17,...,N作为参数来计算单均线,共计(N-15 1)根均线,这些均线即统称为均线簇。
均线簇的多头排列比例LR = 多头排列的均线数量 / (N-15 1)。
买卖逻辑:当LR大于0.5时买入,当LR小于0.5时卖出。
【参数设置】
N=30、60、90、120、150、180、210、240,共计8个参数;
股票指数交易成本:买入卖出均取5/10000(包含交易手续费、流动性成本)。
不考虑股票指数分红和打新收益;不考虑现金利息
【测试结果】
表中,比较基准为一次性买入持有10个指数的等权重组合的净值走势。
从结果看,均线簇策略的所有参数组合的年化收益率基本在15-16%之间,比一次性买入持有指数要好一点,但不算明显。
但策略的最大回撤普遍还是很大,收益风险比太低,均线簇也是不能直接用于实盘的。
从不同参数的测试结果看,策略对参数的敏感度很低,这是一个好现象。
从经济逻辑的角度讲,我们倾向于选择N=240作为策略最终参数,因240可以将短、中、长期均线都包括进去,也即均线簇的多头排列比例LR指标同时兼具了价格的短中长期趋势。
另外,我们可以考虑用LR指标来判断各指数的趋势强度,LR大于0.5时,指数的趋势向上,并且值越大,向上确实越强,反之,LR小于0.5时,指数的趋势向下,并且值越小,向下趋势越强。
我们可以将LR用于指数轮动策略,选择一只或多只向上趋势最强的指数的构建投资组合,下文我们再来仔细讨论这个策略。
=================================
本文为指数基金量化择时策略系列的第 6 篇。
欢迎关注我,了解更多指数基金量化投资策略。
扩展阅读:
(1)开篇语:改变散户亏损历史的利器
(2)量化择时策略的基础:计算机化技术分析
(3)全面解析:利用均线进行交易是否有效?
(4)双均线策略的效果是否比单均线更好?
(5)指标之王MACD是否名副其实?
相关话题:#指数基金#