商品期货通用模型JF1-LMLPHP

更多精彩内容,欢迎关注公众号:数量技术宅,也可添加技术宅个人微信号:sljsz01,与我交流。

行情不确定性加剧

回顾2022年上半年的期货市场行情,在一个个宏观事件的不断冲击下,期货市场的不确定性加剧发生。先有俄乌冲突升级导致的原油及化工产业链暴涨,再有LME镍期货史诗级的逼空,上海疫情封城,以及美联储近30年来最大幅度的加息。在上述事件的影响下,许多品种发生了偏离其产业链基本面的波动。(图资料来源:宗迹期货数据,侵删)

商品期货通用模型JF1-LMLPHP

根据潮汛财经基于20.7万个人期货投资者的调研,过去半年仅有19%的期货交易账户盈利,剩下81%的期货账户出现亏损。其中, 48.1%的期货投资者亏损金额在5-10万30.7%的期货投资者亏损金额在0-5万,亏损10万以上的期货投资者占2.1%,而与此同时,仅有1.3%的期货投资者盈利金额大于10万

不仅是个人期货投资者,此前表现出色的机构CTA策略也受到了考验。 6月20日,文华商品指数单日大跌2.58%。 商品市场的突然暴跌,导致今年业绩出色的CTA策略近期纷纷出现较大回撤,不少CTA产品净值回撤达到5%,有机构更是预测这周大量CTA策略净值或将亏损,“一把将今年的盈利全亏光”。

如何寻找确定性

在这样外围环境高度不确定,市场情绪大幅动荡的行情下,交易策略的确定性就成了重中之重的事情。交易策略的确定性可以体现在两方面:

一 全时间段的普适性:策略测试时间尽可能长,并且在过去数年经历的各种事件、行情的冲击下,依然有稳定的表现。

二 全品种的普适性:策略测试所有商品期货品种,如果策略能适应尽可能多的品种,也能说明其在不同环境下的鲁棒性。

一起来看我们的JF1策略在全品种(64个品种),2015年到最新的组合绩效。这是在没有筛选任何品种、没有进行任何策略择时的前提下,测试得到的结果。(注:测试采用1倍杠杆,手续费采用交易所标准手续费,再加2跳双向滑点)

 商品期货通用模型JF1-LMLPHP

我们再将全部商品期货中交易极不活跃的品种(例如JR、WH、BB、FB等)去掉,剩下55个品种,同样的测试时间、测试手续费再次进行测试。

商品期货通用模型JF1-LMLPHP

商品期货通用模型JF1-LMLPHP

商品期货通用模型JF1-LMLPHP

可以看到,在去掉最不活跃的十几个无效交易品种后,策略组合绩效依然稳定,在1倍杠杆条件下年化收益率19.24%,最大回撤率3.65,夏普比率1.6081。策略经过了很长时间(7年半)各种行情的检验,并且经过了47个有交易价值的几乎是商品期货全品种的普适性检验。

更难得的是,在主流CTA基金大幅回撤的2022年6月,策略大幅盈利,并创下新高。

策略逻辑

策略分类:中线趋势

交易周期:30min K线

持仓周期:2-7个交易日

交易品种:主流的55个商品期货品种

核心绩效:年化收益率16.71%,最大回撤率5.64%,夏普比率1.548(1倍杠杆测试,交易所标准手续费+2滑点)

进场逻辑:多组进场逻辑搭配,波动率突破 + 多指标共振确认

出场逻辑:多组出场逻辑搭配,止损 + 分级跟踪止盈 + 特定指标离场

典型信号

 商品期货通用模型JF1-LMLPHP

商品期货通用模型JF1-LMLPHP

交易平台:TBQuant(提供配套工作区和源码)

商品期货通用模型JF1-LMLPHP

 商品期货通用模型JF1-LMLPHP


往期干货分享推荐阅读

数字货币中短线策略(数据+回测+实盘)

数字货币稳定币对网格做市策略

数字货币资金费策略

分享一个年化15%以上的无风险套利机会

网格交易系统开发

通过深度学习股价截面数据分析和预测股票价格

Omega System Trading and Development Club内部分享策略Easylanguage源码

一个真实数据集的完整机器学习解决方案(下)

一个真实数据集的完整机器学习解决方案(上)

如何使用交易开拓者(TB)开发数字货币策略

股指期货高频数据机器学习预测

如何使用TradingView(TV)回测数字货币交易策略

如何投资股票型基金?什么时间买?买什么?

【数量技术宅|量化投资策略系列分享】基于指数移动平均的股指期货交易策略

AMA指标原作者Perry Kaufman 100+套交易策略源码分享

【 数量技术宅 | 期权系列分享】期权策略的“独孤九剑”

【数量技术宅|金融数据系列分享】套利策略的价差序列计算,恐怕没有你想的那么简单

【数量技术宅|量化投资策略系列分享】成熟交易者期货持仓跟随策略

如何获取免费的数字货币历史数据

【数量技术宅|量化投资策略系列分享】多周期共振交易策略

【数量技术宅|金融数据分析系列分享】为什么中证500(IC)是最适合长期做多的指数

商品现货数据不好拿?商品季节性难跟踪?一键解决没烦恼的Python爬虫分享

【数量技术宅|金融数据分析系列分享】如何正确抄底商品期货、大宗商品

【数量技术宅|量化投资策略系列分享】股指期货IF分钟波动率统计策略

【数量技术宅 | Python爬虫系列分享】实时监控股市重大公告的Python爬虫

10-20 19:45