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。
: I- ]! d+ g! z0 \# t& F. H! d相关性0 K4 Q! l0 E# q+ T8 |
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。
6 t+ M. m+ c" D8 _, f( D" w& s: S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。
# W! Y+ X/ a+ [2 k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。& O: j, f: G' U7 a" [
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：
7 Y5 Q ] e5 z6 S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：! S; a5 \9 f% a# A7 V: z
让我们试着为基于相关性的交易策略制定规则。
1 D$ Q4 ~0 b1 W; o: d, Y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。8 x" R; ~/ q( Q! w! k- s8 D
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。8 j8 R9 p( B+ H4 i+ s9 N2 W
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。3 Z: g$ M- ?; M0 B7 P) U
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。5 d$ ^3 f. @; s; X+ A
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。
: u$ s5 _+ A) a- L4 D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。
* ?, U4 t0 r+ d7 V( s: Y! ]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。' S' h/ B) b4 O% O K
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。
& V8 F0 v, o8 @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）。
& q- W7 u0 ]! F/ s, d& p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。
) e, E* ~8 |* Z9 lSpearman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。- k! [& @7 P8 V5 N
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。$ ^) r0 w' e; p6 z) r" q3 l
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。) Z+ D: ?3 h8 m( ?3 h' j# ^6 ~
089 (4)0.89342 (1)
$ q+ i5 [; M2 r) F+ A# B& ?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。
# X0 {/ D6 P3 a& c" C0 I; R, M/ T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." q' i8 |2 u! `1 B0 `$ j% b
其余差额以相同方式计算。& I ]2 T5 I' f( o; M! a
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：$ T2 N) e. t1 ~! V: [( u7 ?
乍一看，Pearson 系数和 Spearman 系数之间的差异很小。 | 
|手机版|Archiver|
( 桂ICP备12001440号-3 )|网站地图
发表于 2024-3-23 08:23:47