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。* Z, X0 k3 A+ W/ F" n
相关性
$ k) \2 p3 N B4 o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。7 t n. j3 o! q. e2 |
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。) k4 U4 c5 T) I% S) w6 X7 u
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。& _# W3 N$ r* R
Pearson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：% {9 A$ W; C) c- ~. ] X5 A
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：* N# x0 b/ k. T& _
让我们试着为基于相关性的交易策略制定规则。
) J6 k% R" I4 ]( ~! B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。
* C" h0 S5 k+ c$ z9 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。" m) D( ]; q4 Z& D1 U
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。
( c# q# b" R# s6 Z, k# u, }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。8 q- U! `" D8 [6 y0 ^7 S
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。* e" T$ F/ A8 k' d6 O( i
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。
! p2 v0 V2 i! F" R/ F" O) g5 m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。9 W& C4 V+ [2 q2 D0 u( l$ N
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。# K5 C! @+ C# O# j2 v# 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）。! ` V' v6 a/ X1 {/ h! C1 f$ _+ ?
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。7 @0 w* ]& p o; l
Spearman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。
' u) A; q2 z) T# Y8 N$ m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。
1 }% T! `4 ]4 A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。" f" V3 Y' x$ ~6 k* S4 Q5 W
089 (4)0.89342 (1)3 W. O. r# }; n" D {: I
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。 [( p% z0 F3 G0 G5 I# I }
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.
. `! d1 v/ V" ~3 s% U6 |* C其余差额以相同方式计算。1 ~) p' H- D K, P( h" m. D
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：
3 O6 |8 }* w- }$ g. a( H1 B: H乍一看，Pearson 系数和 Spearman 系数之间的差异很小。 | 
|手机版|Archiver|
( 桂ICP备12001440号-3 )|网站地图
发表于 2024-3-23 08:23:47