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。& y3 O' v4 I) P2 j
相关性
! _( z& d; o! d( {* y( Y9 H6 o" B& b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。
( q$ q) H |, L: }% y T$ e) M( H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。 f& ^4 c" z; m# z# Y( r
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。
" i3 t. J0 n) C0 a, | p2 IPearson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:
) B$ S( T) N/ @, S1 O2 X: h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:
( K) ^4 ?# x' G让我们试着为基于相关性的交易策略制定规则。: r* @- m% E. L o! y# Q
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。5 R+ ^. a7 R: @, Z) {
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。
, t# ]% b" i$ Y. s2 c. E; Y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。9 }. ~+ C# j) B7 x0 \
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。
. a! k1 Q' a1 w9 T1 d& i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。$ \7 ?' @# m2 u' ^ \
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。, J4 k0 ~& c" q
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。3 a+ a% o8 i J% @. _1 |7 v6 {7 z
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。7 J4 j Y+ q& a' @+ X4 _% Y7 z
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)。
6 u Y) t0 @1 X- L/ K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。
9 X/ }" M& p& z* g9 ?/ H; YSpearman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。! K0 O) p; ]/ M9 N3 s: }
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。
{6 K- L4 R& T( \" T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。6 k7 @ t* M4 m* {9 m
089 (4)0.89342 (1)- U: C# g. X$ D& [; ~
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。4 _' I' o# X7 o8 }$ n3 d
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 = -4.6 H8 S! M) N6 x2 c7 l
其余差额以相同方式计算。
3 f8 ^+ h% [+ g- W9 b. o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:
+ b: s) p6 u$ \! M4 U( r" X$ b T乍一看,Pearson 系数和 Spearman 系数之间的差异很小。 |