20210524-华泰期货-金融科技赋能投研系列之十五_多周期高频策略（一）_11页_1mb

报告摘要

本文聚焦于多周期高频交易策略的初步开发，基于金融数据中普遍存在的类多尺度现象、类周期特征以及金融时间序列活跃维度等特性，构建了一种以历史相似数据集为基础的预测模型。该策略不依赖于传统的Beta与Alpha因子分类，而是通过数据本身的结构特征，探索市场行情的预测能力。

市场复杂性：金融市场具有高度的复杂性，交易规则与行为的多样性导致价格波动呈现类周期现象，这种现象在不同金融工具中普遍存在。
策略逻辑：基于历史相似数据集的预测模型，通过提取收益率时间序列的活跃维度，利用欧氏距离衡量相似性，构建预测值。该策略不依赖于近期或历史数据的直接表现，而是通过历史行情的复现规律进行预测。
数据特征：金融数据在不同周期尺度上表现出不同的活跃维度，且这些分解后的数据在波动性与原始数据之间具有显著相关性，优于移动均值方法。
策略有效性：在部分商品品种中，策略表现出较强的预测能力，如玉米、纸浆和聚氯乙烯等，其预测值与市场真实值的相关性超过15%。年化Sharpe均值达到14.7，前5名品种的Sharpe均值为29.1。
策略特性：策略与动量无显著相关性，表明其并非基于趋势判断，而是利用市场“状态”信息进行预测，具有较强的非同质化优势。
风险与挑战：策略在部分品种中表现出较大的最大回撤（平均3.5%），且肥尾程度可能影响策略的稳定性。同时，市场结构的突变（如换月期间）可能对策略造成短期冲击。

测试周期：2020年5月18日至8月17日（共63天），历史参考数据为2020年1月1日至5月15日。
交易频率：1分钟频率，使用主力合约。
数据处理：未进行数据降噪，仅分解为短周期和中周期数据，用于分层建模。
回测结果：
- 预测能力：预测值与市场真实值相关性显著（远超95%置信区间）。
- 收益表现：在部分品种中策略盈利稳定性较好，如玉米、纸浆、聚氯乙烯。
- 最大回撤：平均最大回撤为3.5%，部分品种如镍、动力煤等表现较差。
策略优势：
- 避免了与动量策略的同质化。
- 具有较强的鲁棒性，模型内部自由参数较少。
未来方向：
- 进一步优化策略，如数据降噪、增加因子、调整交易频率。
- 针对不同市场和周期进行更深入的测试和分析。

研究员：何绪纲、陈辰、镇谌博
联系方式：0755-23887993 / hexugang@htfc.com / chenchen@htfc.com / zhenchenbo@htfc.com
从业资格号：F3069194、F3024056、F3080231
投资咨询号：Z0014257