基于形态特征的量化交易系统研究.docx

?

?

基于形态特征的量化交易系统研究

?

?

胡天寒

[摘要]随着国内外期货市场发展，量化交易越来越成为市场操作的主流。为了繁荣期货交易市场，易于期货市场的价格发现功能，文章从股票经典K线交易入手，提炼了多种见顶见底的形态特征，并对期货螺纹钢相关参数进行变换，形成支撑云和压力云数学形态结构，并对其进行特征提取，存储进专家系统，在支撑云和压力云形态下，采用多周期数据调用处理，实现了波浪理论下的自动量化交易系统（MMQTS）。实证研究证明：模型预测准确率高，回撤比较小，为投资决策提供了重要参考，可广泛应用于期货市场。

[关键词]形态特征；量化交易；支撑云；压力云

[DOI]1013939/jcnkizgsc201901019

1引言

目前为止国外量化投资基金管理的资金量已经远超传统基金。国内量化投资才开始起步，随着我国金融衍生品市场的建立，量化投资的机构将在我国逐步发展壮大起来，与之相关的投资理论和投资策略将会是未来研究的热点之一。量化投资的关键主要在于交易模型选择上面，国内外目前量化投资交易模型主要集中在以下几种理论和模型：

国外FAMA提出了价格发现有效性及有效性强弱市场概念[1]，ANGELOS认为基于时间序列的预测模型适用于股指期货的价格预测。[2]国内的有量化投资_若干金融衍生品的定价模型及投资策略研究，[3]基于三角形态走势的期货价格技术分析，[4]基于模糊粒化的改进混合神经网络股指期货价格区间预测。[5]

这些量化模型主要用于价格发现和衍生产品的定价，这些系统取得了较大的成功，但也存在一些实际问题：①由于学习和回归方法需要对历史数据引用，买入卖出决策时机往往出现滞后，开仓点位也滞后；②期货市场存在着明显的波浪理论结构，特别是在波浪转折处，震荡幅度大，一般交易系统为了保证开仓正确率，没有实现波浪理论；③智能化程度不高，没有充分考虑数据间的时间关系。

针对以上问题，文章提出了一种融合顶和底部的支撑云和压力形态特征云模型，并在此基础上对多周期数据特征提取，实现了波浪理论下形态特征量化系统（MMQTS），见图1。

2MMQTS系统结构

在MMQTS系统结构中主要包含：数据采集、专家系统、人机交互、账户交易系统四个部分。用户可以先根据金融交易系统的数据形态，例如K线数目、高度、上下影线，组合几何结构、比例等生成相应的知识规则。然后通过人机界面将相关的知识规则存放在知识库中。

21人机接口

为期货交易人员提供可视化界面，使人机交互高效简明扼要。

22专家系统

主要是由规则库、推理机、学习模块、模式提取、数据库组成。在系统运行中，模式提取模块是专家系统的逻辑推理部分，是專家系统的核心。根据采集模块得到的交易数据和数据库中的历史数据提取相关的交易数据特征，以及规则库中的相关交易规则进行推理，判断支撑云是处于顶部还是底部，做出交易操作策略。规则库/数据库管理模块，对于规则库/数据库进行管理和维护，并对知识规则进行推理解释和显示。学习模块根据网络当前状况不断添加修正规则库中的规则。

23数据采集

能读取数据包的内容，能根据规则对数据包进行过滤，安装期货交易数据分类不同数据包。例如交易指令、还是具体交易数据、期货价格数据等。

24账户交易系统

发送接收交易指令和结果信息。

3支撑云和压力云、顶部和底部形态特征的描述和应用

31支持云和压力云数学形态的生成

通过23数据采集模块，从互联网得到的原始的期货原始K线交易数据间图2。N1是短周期参数，N2是长周期参数，Lowest是周期内的极小值，Highest是周期内的极大值，求周期内的极值点。

fShortMiddle=（Highest（High，N1）+Lowest（Low，N1））/2（式1）

fLongMiddle=（Highest（High，N2）+NthLower（Low，N2））/2（式2）

SpanA=（fShortMiddle+fLongMiddle）/2（式3）

SpanB=（Highest（High，N3）+NthLower（Low，N3））/2（式4）

当spanA大于spanB时，表现是白色支撑云；当spanA小于spanB时，表现的是绿色压力云。其中白色的柱状云团是对期货价格支持的支撑，而绿色的柱状云团是对期货价格承压。有了支撑云和压力云概念后，对单时刻t的期货价格研究，从二维结构进入区块的研究。形成了区块研究方法。从一维进入二维空间，也可以将支撑云和压力云看成图像，用图像处理的方法智能化处理。式3和式4等到就是支撑云高点和地点。1、2是中间结果。

32对云层的滤波，去除噪声

从单个的t时刻单根蜡烛线研究，进入区域块研究后，区域块的长度、高度特征就显得特别重要，对于极小的区块产生的噪声影响必须过滤掉，这样才能对趋势行情上涨下跌做出合理的响应。图4中