目前,每种类型都有大量的交易策略,所有这些策略都是为了盈利。但盈利在某种程度上与风险有关——预期利润越大,风险就越高。一个合乎逻辑的问题出现了:是否有可能将交易风险降至最低,同时获得少量但稳定的利润?配对交易是满足这些条件的。
7 R9 r0 e1 s I# X- q% _相关性
2 r. i( J' m- w+ s0 f6 q$ h配对交易策略通常基于两种金融工具的相关性。几种货币对的价格变化可能是相互关联的。例如,一个交易品种的价格与另一交易品种的价格在同一方向上移动。在这种情况下,这些交易品种之间存在正相关。在负相关的情况下,价格会朝相反的方向移动。
3 h$ R# o# z5 H+ ]8 d基于相关性的配对交易策略非常简单。首先,交易员应该选择两种相关性强的金融工具。然后,他们需要使用历史数据来分析相关性的变化。基于此分析,交易者可以在知情的情况下决定是否进行交易。
) T) U/ r7 c& Q5 O* h* g对于交易来说,最有趣的货币对是那些具有负相关性的货币对。例如,这就是 EURUSD 和 USDCHF 的走势。: k% J" C' I& l# @7 |# d
Pearson相关系数是估计相关性最常用的方法,该系数的计算公式如下:
6 s$ W" [7 \$ s5 t8 o% `+ w" z6 b这种计算总是产生有偏差的估计。在小样本中,所得到的r的估计值可能与精确的相关值非常不同。为了减少此误差,我们可以使用Olkin-Pratt调整:
' h5 N) a* V6 M. [" Q) \让我们试着为基于相关性的交易策略制定规则。; c& ?' B, U+ J2 e# N- D5 b5 w) ~) k# t
首先,我们需要选择两个合适的货币对。同时,这些对在历史上的平均相关值应该是负的,越小越好。, T$ o, z6 h" g/ h% {, t
接下来,我们需要收集这些货币对历史的统计数据和样本相关性值。需要这些统计数据来计算信号。
- h7 C. y1 a/ r9 r2 L$ P- A( n下一步是设置触发水平,如果当前相关性达到这个水平,EA可以开仓。此水平可以显式设置,例如-0.95、-0.9等。还有一种替代方法。我们可以取历史相关性值,并按升序对其进行排序。作为响应级别,我们可以取最低值的10%作为限制。* a! O. E) U0 Q1 z
在开仓之前,我们需要确定它们的类型。如果一对货币的当前价格低于移动平均线,则会为该交易品种打开买入头寸。相反,如果价格高于平均水平,则会打开卖出头寸。在这种情况下,开启的头寸应该是多方向的。必须满足此条件,否则禁止打开头寸。2 I( m2 A; f' \# @% ^
此外,不同资产的头寸数量应相互关联。假设点值(PointValue)是存款货币中一个点的价格。则仓位的交易量应满足相等性。
2 \1 S% g ]0 P" ^, i5 W7 J- s/ x9 E在这种情况下,相同点数的价格变动将为每种工具提供大致相同的结果。
& ~/ }+ w3 S6 G0 W$ e0 \此外,我在EA中又增加了两个水平。穿过了第一个水平表示需要将仓位转移到盈亏平衡,它的值是33%。穿过第二个水平会引发关闭所有仓位,这个平仓水平是67%,但不超过零。改变这些水平会极大地影响EA的盈利能力。
2 r6 e; J: I {4 R* ~让我们按照以下规则测试EA。这就是 2021.01.01 至 2023.06.30 期间 EURUSD 和 USDCHF 的余额变化情况。
/ i3 }7 b1 c" P% F _不算差。但 Pearson 相关系数有几个特点。只有当时间序列值具有正态分布时,才有理由使用它。此外,该系数受到尖峰的显著影响。此外,Pearson 相关只能识别线性关系。为了说明这些特性,最好使用安斯库姆四重奏(Anscombe's quartet)。
" g* r/ g& ^7 N; c第一个图显示了没有任何特性的线性相关性。第二组数据具有非线性关系,Pearson 系数无法揭示其强度。在第三组中,相关系数受到强尖峰的影响。第四张图中没有相关性,但即使是一个值也足以出现相当强的相关性。 R$ I' K4 o7 ^( o6 o( ]3 I
Spearman秩相关系数没有这些缺点。它很好地捕捉到了两个时间序列不断增加或减少的相关性。对于Spearman相关性,原始数据根据哪种定律分布并不重要。Pearson系数只适用于正态分布的数据。相反,Spearman 系数可以很容易地处理任何其他分布或它们的组合。 [& N- j) {5 b Y3 h
此外,Spearman 相关系数可以揭示非线性关系。例如,一个时间序列具有线性趋势,而另一个具有指数趋势。Spearman 系数可以很容易地处理这种情况,而 Pearson 系数将无法完全揭示这些序列之间关系的强度。; ?( h! W( U. o' h' u- r* h
我们可以如下计算 Spearman 秩相关系数。首先,我们需要创建两个数组。在每个数组中,我们将为这两个交易品种写入价格值和柱形索引。
* [ q) F* `3 `! r, L, P! x. j! l089 (4)0.89342 (1)
" Y! E9 j% T0 O现在,在排序之前,我们需要找出当前价格指数与相同指数之间的差异。例如,让我们找出差异D0。首先,让我们找到等于零的价格索引,分别为1.06994 EURUSD 和 0.89312 USDCHF。目前这些价格的索引是1和3。那么,差值D0=1–3=-2。0 n) q# R( A1 `8 S( D
接下来,求差D1。当前 1.06980 EURUSD 的价格索引为0,0.89342 USDCHF 的价格索引是4。D1 = 0 – 4 = -4.
# o1 x) `' f3 o! b4 F2 f其余差额以相同方式计算。+ ]. V+ G* P$ }1 x: z$ B& J' @
在我们计算了所有的差异之后,我们可以计算Spearman秩相关系数:
+ p) F. K5 T! d! K% d$ [) C乍一看,Pearson 系数和 Spearman 系数之间的差异很小。 |