1.5　未来展望

在写作本书的时候我主要交易的是商品趋势策略，商品日内策略也刚刚完成，目前正在研究其他的一些策略，这些策略留在以后有机会再写。

1.5.1　跨期、跨品种套利策略

跟趋势策略相对应的是跨期、跨品种的套利策略。所谓“套利”，并不是指赚取无风险的利润，而是指做多一个品种的同时做空另一个品种，然后通过赚取价差的变化来盈利。因此，这种策略跟趋势策略有相似的地方，只不过从预测单品种的趋势变成预测品种价差的趋势，从买卖期货变成买卖价差。大商所有专门的组合合约，但这里我们并没有交易那种合约，而是自己构造合约。一般原品种的流动性会比组合合约好很多。

构造价差合约的K线时也有需要注意的地方，比如两个合约的时间戳（time stamp）不一定完全对应，在计算价差时要先把时间对齐了才能计算。不同交易所的时间也不一样，因此跨品种的时候最好是同一个交易所的，当然跨期处理可以更容易一些。另外如果是合成5分钟K线，计算高低价格的时候，也需要从分笔数据的价差合约来计算，不能用已经合成的各个合约的5分钟数据相减计算，因为各自的最高价相减是没有什么意义的，跟价差的最高价没有关系。

构造好价差的5分钟K线后，还有一个需要注意的问题是价差可能是负数，负数不存在对数，没法计算对数收益，因此只能用实际价格的变化作为因变量。另外价差合约的成交量也需要处理，可以是两个合约成交量较少的那个，因为整体价差合约的流动性由较小的那个决定。另外价差合约的持仓量似乎很难定义，因此研究策略的时候可以忽略跟持仓量有关的指标。

跨期、跨品种套利的思路大致如此，本书不做深入展开，以后有机会再写。

1.5.2　商品市场中性策略

另外一种策略叫作商品市场中性策略，也有人称为宏观对冲策略。套利策略一般是买一个卖一个进行配对交易，而市场中性策略则只需要保持多空市值相等即可，然后每隔一段时间调整一次。这属于配置型策略，而不是择时策略。一般来说基于机器学习预测模型的策略都是择时策略，而这种配置型的策略由于时刻保持多空仓位平衡，比如多空各一个亿的合约价值，因此并不是择时的。

有一个可行的办法是选一些技术指标，然后每个技术指标都可以作为排序的依据，各个品种按强弱排序，强的一半做多，弱的一半做空。如果市场出现整体上涨或下跌，其实对组合是没有太大影响的，因此这也是“市场中性”一词的含义。然后再把各个因子得到的多空组合汇总起来，得到整体的组合。

另外一种方法也可以用回归的方法来做，此时因变量不再是某个品种自身的价格变化，而是该品种相对于市场整体的价格变化。至于市场整体的价格变化如何加权计算，即商品指数如何加权计算，也是一个复杂的问题。无论如何，相对于指数的价格变化，肯定一部分是正的，一部分是负的，只需每次做多正的做空负的即可。调仓频率可以比较低，比如一个星期乃至一个月调整一次，预测的频率也比较低，触发交易的阈值不必敏感。

国内一些基于基本面的商品私募基金就是这么做的，比如在2016年年底做多黑色系做空农产品，虽然农产品亏了一点钱，但黑色系的收入远远超过农产品亏的钱，总体而言表现也不错。

1.5.3　基于基本面数据的策略

之前的数据都是基于行情数据的，这对于比较短线的策略来说还是可以的，但对于持仓时间比较长，比如一个月以上的策略，或许就不大合适了。为此，可以考虑基于基本面数据的策略。

基本面数据的获得是一个问题。每个品种每个版块在网上都可以找到相关的基本面数据，但过于分散，可以借助万德等第三方平台。比如万德里面每个商品都有几百甚至几千个基本面指标，频率从日到年都有。考虑到国内商品上市时间很多都不长，用日频数据比较好，这样也有数百个指标。

然后可以构建简单的线性回归模型，利用这些因子来预测价格未来的变化，由于因子数目较多，可以运用lasso等稀疏模型来求解，筛选其中重要的因子。当然，最好有基本面方面的知识，防止选择很多意义不大但恰好很有预测力的因子，这是由于因子数目太多因此选择了噪音部分。

选择好基本面因子，之后的交易过程就跟基于5分钟K线的策略差不多了。对冲策略也可以用基本面因子来建模。

1.5.4　算法交易

算法交易是量化交易的另外一块内容，一般指把一个大单分拆下单从而减少交易成本。比如一个1万手的买单，由于市场上买一价挂单一般只有几百手，而且超出5档的挂单会非常稀薄，因此1万手一次性下单可能会把价格推到涨停，俗称“乌龙指”，产生巨大的买入成本，这是流动性风险。而如果把单子分拆得很细的话，比如每次只下1手，需要一万次，假设每1秒下一次，也需要近3个小时，可能价格变化也非常厉害了，因此这有价格波动的风险；那么，如何在流动性风险与价格波动之间实现平衡也是一个问题。另外，如果下单过于有规律，会被市场察觉，这会带来逆向选择的风险，总的来说整套体系也是挺复杂的。

一般衡量执行效果的指标有成交量加权平均价（Volume Weighted Average Price，VWAP），即这段时间交易1万手买单的平均价格跟这段时间市场的VWAP对比，如果低于VWAP则是比较好的。事实上，如果买入的时候一直是对手价抢单，成交量跟当前成交量相当，那么最终的平均价会比VWAP略高一些。但如果买入的时候一直挂单，虽然成交价格更优，但也存在不能成交的风险。因此，如何用挂单与抢单结合的方法来降低平均成交价，也是一门学问。

国外这方面技术在股票用得比较多，比如把要交易的量分到一天内的各个时段来成交，每分钟成交多少，每秒钟成交多少都有对应的任务，时间快到了就抢单，时间没到就挂单等待，然后挂单成交的概率也需要利用实际成交情况来估计。

一般规模比较大的私募需要这些方法，规模小的私募还是以预测模型为主。