基于动态资金流模型的中国沪深300股指期货价格预测及交易策略研究

上海对外经贸大学上海市 201620

打开文本图片集

摘要：本文将动态资金流指标运用到我国沪深300股指期货高频数据的预测研究中，构建资金流交易策略，研究结果发现资金流指标的加入有利于提高未来期货市场价格预测效果，所构成的交易策略在测试期间内有良好的收益效果与可行性，这在一定程度上说明了动态资金流指标中可以反应出期货市场的一些有效信息，具有一定参考价值。

关键词：动态资金流模型、机器学习、交易策略

1 研究背景

资金流作为金融市场中的一个重要技术指标，反映了金融资产的过度需求或供给状态，可以帮助投资者通过价格波动了解其他投资者的行为。资金流不仅可以用来衡量风险投资者对当前风险资产的供求过剩程度，而且还可以在一定程度上反应未来资产的供求过剩情况。关于资金流的研究Bennet and Sias（2001）研究发现资金流与市场回报呈正向关系，且资金流序列具有较强相关性，过去的资金流数据可以给投资者带来未来价格收益变化的信息。与此同时，市场资金流入的变化还可以作为衡量投资者情绪的指标，Brown等人（2004）使用共同基金市场中的资金流入指标作为投资者情绪度量指标。

本文根据Ye，Qiu（2018）文中构建的期货市场动态资金流模型来探究我国股指期货市场中资金流指标的有效性程度，具体来说，首先选择四个机器学习模型进行预测，选取最优模型构建相关策略。

2 模型与方法

2.1资金流模型

文章参考Ye，Qiu（2018）文中构建的期货市场动态资金流模型对于中国沪深300股指期期货市场中的资金流进行计算，具体计算步骤见Ye等（2018）文献中。

2.4模型评估与选取

文章选用了均方根误差（RMSE）与平均绝对误差（MAE）两指标，对于机器学习模型的预测准确度进行测试。

3 数据说明

3.1 样本数据

本文选取了2018年7月至2021年9月中国股指期货主力连续合约五分钟高频作为研究对象，经整理，数据的总样本为39626，所有数据来源于WIND数据库。

3.2 资金流指标分析

文章发现股指期货市场的资金流与价格序列在样本期间内都呈现相同的上升趋势，文章计算了两者的相关系数为0.91，即价格与资金流序列有着高度相关性。

4 实证分析与讨论

4.1 预测模型的筛选

本文将数据进行划分，首先将2018年7月至2021年6月的数据作为模型训练数据。选取了5个不同的历史窗口期，输入历史的价格与资金流数据，利用多输出线性回归LR，随机森林，支持向量回归SVM模型进行预测;参考Ayala等（2021）论文同时预测未来多期数据，具体文章选择未来窗口期为2，模型的平均预测误差结果如表4.7所示。

表4.1展示了模型在测试集上的预测结果，其中RMSE，MAE的结果为不同历史窗口期预测误差的平均数; 表4.2中为采用不同历史窗口期在4个模型预测的平均误差，可以看出历史窗口为过去四期，即h=4时模型效果最佳。在测试数据集中，表现最好的为LR模型，这与Ayala（2021）等人文中的分析结果类似，同时考虑到模型的简约性等因素，本文选取多输出线性回归模型，并采用历史4期信息对未来2期数据进行预测分析。

4.2 权重参数调整优化

对于权重参数的调整步骤如下，将已知t期及未来t+1、t+2期的预测结果分别赋予权重，加权得到未来t+1期的目标值;采用贝叶斯优化器，结果发现当权重w=0.8时效果最好。

因此文章根据训练过程中的最优参数w=0.8，构建多输出线性模型策略为：

4.3 回测结果分析

文章利用2021年7月至10月底期间的数据进行策略的模拟，从夏普、特雷诺比率与累计收益率、最大回撤四个角度对基于多输出线性交易的策略进行评估。策略中假定次交易手续费为万分之0.3。

4.3.1 单一模型策略回测结果

表4.10为利用效果线性模型进行预测分析的策略评估结果，可以明显看出利用原价格数据构建的基准策略表现结果较差，分析时还发现，刚开始价格策略表现还不错，但随着时间的推移该策略的效果越来越差，这个说明了资金流模型的稳定性要优于原价格策略，侧面体现了资金流中包含除价格外的一些有效信息。

5 结论

文章将Ye等（2018）的动态资金流模型运用到沪深300股指期货市场中;选用5分钟的高频交易数据，对未来的期货价格进行预测分析并构建相应市场策略，结果发现加入资金流指标的策略效果要显著的优于基准价格策略，说明了资金流指标除了在商品期货市场外，在股指期货市场具有一定的参考价值。另外需要注意的是，由于现实期货市场中交易限制较多，且市场数据变化较快，若要将该指标运用到现实市场分析中，还需要进一步的研究和优化。

参考文献：

Ye C ， Qiu Y ， Lu G ， et al. Quantitative strategy for the Chinese commodity futures market based on a dynamic weighted money flow model[J]. Physica A： Statistical Mechanics and its Applications， 2018， 512.

Assefa T A ， Esqueda O A ， Mollick A V . Stock returns and interest rates around the World： A panel data approach[J]. Journal of Economics & Business， 2017， 89（Jan.-Feb.）：20-35.

王春. 投资者情绪对股票市场收益和波动的影响——基于开放式股票型基金资金净流入的实证研究[J]. 中国管理科学， 2014， 22（9）：49-56.

*本文暂不支持打印功能