用宏观来择时多空效果恐怖——十年收益12倍,最大回撤6.7% – Python量化投资

用宏观来择时多空效果恐怖——十年收益12倍,最大回撤6.7%

之前做了系列宏观择时研究,但都是单方向做多,缺少做空,这会错过一些盈利时机。本文在原来基础上进行了进一步探索,从多空两个方向研究宏观择时策略。

使用数据
择时周期为每月,采用的数据为聚宽提供的月度宏观数据,不同的数据延时不同,本文采用的有效宏观数据延时如下:

  1. MAC_MANUFACTURING_PMI 延时1个月
  2. MAC_FIXED_INVESTMENT 延时2个月
  3. MAC_INDUSTRY_GROWTH 延时2个月
  4. MAC_NONMANUFACTURING_PMI 延时1个月
  5. MAC_MANUFACTURING_PMI 延时1个月

研究方法
选择多空因子,采用三种方法筛选
1.长短均线,多期均线穿越长期均线判断趋势
2.移动平均
3.连续变化趋势,例如连续两个月上涨认为上涨趋势形成,预测下月仍然上涨
对不同延时周期不同的均线参数进行调整,选择出有效的预测因子。
例如选择出的有效因子:
pmi 延时3个月 移动平均窗口长度为2 下降趋势时下个月做多,认为是反转信号
本文共选出有效多空因子24个,其中做多因子16个,做空因子8个。
对多空因子进行组合,采用简单的线性相加,即可得到较好的效果。
只采用做多因子的效果:
收益率4.5倍,基准收益的3.6倍,正确率69%,最大回撤11.8%
Img

只采用做空因子的效果:
收益率2.5倍,基准收益的2.3倍,正确率64%
Img

多空因子合并效果:
收益率12.2倍,基准收益的9.5倍,正确率82%,最大回撤4.3%
Img

从效果来看,即实现了高收益,同时最大回撤低,控制了风险。足以证明宏观数据具备择时能力。

但是本文的研究方法仍有问题,基于过去的数据挑选,又基于过去的数据预测,有过度调参的嫌疑,但是通过收益曲线可以看出,整体处于上升趋势,单个因子在周期内效果一般,但组合因子在不同时期都有向上表现,侧面反应出稳定性。另外,选择的预测因子在经济学原理上有较强的解释性,提高了可信度。
在因子组合方式上仍有探索空间,本文只是简单的等比例组合,有兴趣的小伙伴可以继续研究,效果会更好。

 

本文转载自聚宽。

比特小队下载
「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论