基于市场资金流向的商品期货量化交易策略分析

王陆

摘要：对于市场中各个企业的行情信息来说，价格涨跌其实也是交易双方态度的归纳总结，成交量能够直接体现出市场中的交易热度，而持仓量能够体现出交易双方的意见分歧。本文就以市场为载体的资金流向分析商品期货量化交易策略提出了一种分析措施，包括问题提出、数据分析处理、板块分析、交易策略设计等过程，希望能给相关人士提供一些参考。

关键词：资金流向 商品期货 量化交易

在国际贸易往来中，资金流向是一种比较成熟的技术指标，能够直接反映出市场对于某种股票的供给或是需求，同时还能够辅助投资者通过指数的变化来分析其它的投资行为。在股票市场当中，量就是资金的流量与流向，综合起来构成了资金流向。想要将期货产品资金流向准确刻画出来，就需要全面考虑分析价格涨跌和商品的成交量以及储存量等内容。

一、问题的提出

水涨船高这一现象十分适用于股票市场，正常情况下，在某一股票当中汇入大量的资金后，股票的价格就会上涨，而当大量资金外流后，股票价格就会下降。量于价先行是股票市场中一种常用的说法，其中的量就包含資金流量与流向，也可以称作是money flow资金流向。由于期货市场当中含有一种做空机制，因此假如单纯利用资金流向公式无法将期货彪资金真实的流向展示出来。例如某个期货当中出现合约价格下降的问题，而出现这种问题的原因除了资金流出的可能性外，还可能是资金流出所导致的。为此应该综合考虑商品成交量、价格和持仓量等多种因素来计算资金流向。在某个数据挖掘竞赛中曾经提出过这样一个问题，根据2011到2013年的商品期货数据信息系统分析资金流向，同时设计期货量化的有效交易方式。通过策略分析系统对数据实施回测策略。

二、数据处理分析

针对上述问题，首先应该以Auto-Trader这一平台为基础，来采集从2011到2013年的各种大宗商品中商品期货分钟级合约的K线数据，例如持仓量、成交总额、成交量、收盘价、最低价、最高价、开盘价以及时间等信息。在上海的商品期货交易平台当总一共有十三种产品，同时将不同品种商品K线发展趋势刻画出来。随后在具体处理各种异常的数据信息。因为品种不同商品之间的上市时间和交易规则都有所不同，因此商品的数据总额也所有差异。为了能够更好地进行建模工作，主要可以通过两种方式来对缺失值进行处理[1]。首先在正常的数据遗失环节当中，为了能够更加轻松地进行建模和数据处理工作，可以假设期货合约根据一定的顺序进行交易，时间连续，为此可以将遗失时间内处于第一的最后的数据进行连接，同时忽略中间段时间，从而形成一种连续性的时间排序。至于已经遗失的数据信息来说，由于在遗失的这段时间内，没有发生任何交易，因此可以将数值直接记录为零，假如数据记录过程中出现数据遗失的问题，可以通过插补法来填充遗失的数据，也就是通过记录寻找和遗失数据之间相似度较高的样本进行插补。最后一项内容就是，建立相应的资金流向模型。

三、板块分析

（一）板块分类

为了系统分析资金流向在整个市场、板块和期货合约之间的联系，以及其中的轮动效应和相似特征，为此可以按照以往的习惯进行板块划分，主要可以分成五种板块，分别是黑色系、油类、农产品、金属和化工等，随后计算所有的期货合约，整个期货市场和不同板块在固定周期中的净资金流向，随后详细分析其中的特性和关系，板块分类具体情况如下，其中五种板块分别是化工、油类、金属、黑色系和农产品等，化工板块中包括纤板、胶合板、PTA、塑料等，油类板块中包括菜籽油、豆油等，金属板块中包括螺纹、沪铅、黄金等，黑色系板块中包括螺纹钢、铁矿石、焦煤、焦炭等，而农产品板块中包括淀粉、鸡蛋、晚稻、白糖、豆油、玉米、采油等内容。

除此之外，还可以参考K线数据进行板块划分，可以分成五大类，第一类包括铁矿、焦炭、晚稻、白糖、玉米、石等内容，第二类包括棉花、铝、沪锌等，第三类包括沪铜等物，第四类包括豆和螺纹钢等物，最后一类包括橡胶等物。

（二）资金流向分析

参考相应的板块资金流向以及板块分类情况，分别计算各个板块之间的关系。在分析计算结果后得出黑色板块和金属板块之间关系值是0.819 4，由此能够看出两者之间的走势大致相同，而油类和化工之间的关系值则是负数，证明两者资金流向在一定程度上属于一种负相关的关系。而黑色系数和农产品，与黑色系数和化工之间的关系值也比较小，证明两组不同板块之间资金流向几乎毫无相似性。黑色系板块和油类以及金属和油类之间的关系值都已经超出0.4，证明两组资金流向大致相似。

（三）板块轮动效应

轮动效应其实就是一组板块之间发生轮动现象，从而促进大盘的逐步提高。既然是一种轮动效应，证明一定会有引导者的存在，市场中的涨与跌是有序进行的，为此可以通过资金流来建立公式分析，

当下涨幅状况=当下的流入资金-昨日流入资金/昨日的流入资金

在总结完2011到2013年间三百六十八个交易日后，可以发现各个板块之间的领涨次数和领涨天数。分析统计结果后，可以发现前面所统计的板块相关系数和板块涨跌次数较为相似，从容证明结果的真实性。在较高的三种相关系数当中，出现一个引导角色后，通常会带动另一种板块成为组合中的新的引导者，能够直接体现出一种轮动效应。此外还应该注意，在不同时间内启动板块，所拥有的持续动力也有所差异，充当引导者角色的板块拥有最长的持续时间[2]。当市场内部呈现出一种上升状态时，其中的热点板块也会发生明显的传播现象，从而将其他板块的活跃程度也带动起来。当所有板块都开始活跃起来后，就会产生新一轮的循环，同时降低其中的持续能力，轮动速度也会相继提升。

（四）市场资金流向和板块的联系

将板块资金流向和市场联系起来进行综合分析时，能够发现，市场中所有的资金流向都处于板块资金流向当中，说明期货市场在指定时间内买卖力量比较强大，同时期货市场中的资金流向在一定程度上也被板块中资金流向所影响，为了深入研究不同板块和市场资金流向之间的关系，在构建多元回归模型基础上可以进一步深入研究，

在这一公式当中，Y代表资金流向，X1到X5分别代表那几大板块。最终结果证明，市场中所有资金流向的百分之七十四都可以根据构建模型来确定。具有十分显著的成效。同时也能看出资金流向在整个市场当中受到金属板块和化工板块的影响相对于其他板块来说较高。但是不能直接体现出各个板块和市场整个资金流向之间的关系。因此计算板块和市场整个资金流向关系，证明市场资金流向和金属与化工板块联系密切。

四、交易策略设计

下面就介绍一种策略，小波变化时间选择系统和通过模型判断资金流向，通过资金流向特点，包括内部结构和集中状态等判断资金流向具体特征。通过强化学习模型还能分类筛选市场中的所有标，从而捕捉标在市场中产生的轮动效应。随后通过小波变换这一方式，同时根据相应的技术指标来判断[3]。在面对从市场中提取的数据样板时，可以将五分钟作为一个周期，将系统默认方式设置为自动扣除，将下一个K线所显示的开盘价格当作最终的成交价格，可以将滑价设置成五个跳。随后根据时间限制，定时计算资金流，以在资金流向排名较为靠前的标通过Black Litterman方法进行资金配置。

综上所述，在分析过程中，应该合理提取数据，加强数据处理分析。因为不同的标拥有不同的上市时间，同时数据总量也所有不同，因此在发现异常数值时应该仔细分析，市场的波动也可能会让标出现变化，为此应该重视这类数据。市场实际就是价格变化，在每次的波动过程中都可能让价格发生新的改变，同时还应该重视缺失值的作用。

参考文献 ：

[1]彭素静，贾秀燕.基于市场资金流向的商品期货量化交易策略研究[J].商场现代化，2018（12）：10-11.

[2]刘峰，蔡志杰.基于市场资金流向分析的商品期货量化交易策略[J].数学建模及其应用，2017，6（03）：35-41+89.

[3]刘晓霞，陈志攀.基于市场资金流向分析的商品期货量化交易策略[J].科学咨询（科技·管理），2017（08）：89.

（作者单位：山东大学（威海）商学院）