发布于VeighNa社区公众号【vnpy-community】
原文作者： 李思佳 | 发布时间：2024-04-02
此前【Elite量化策略实验室】的期货类策略分享主要围绕商品期货展开，本篇文章要分享的Efficiency策略则基于捕捉国债期货趋势的思路构造。
原策略研报发表于2019年7月，距今已有快5年时间，但思路仍可借鉴。本文通过VeighNa Elite平台对其进行了代码上的实现与改进，让Efficiency指标以另一种方式构成了有效信号。
策略基本信息
策略核心原理
Efficiency，即效率，定义为回看t期总体涨跌幅与每期涨跌幅绝对值之和的比值。假设p0表示当期价格，pi表示过去i期的价格，t表示回看期，则Efficiency的计算公式如下：
上式从曲线形态上理解就是位移除以路程：从t时刻到当前时刻的价格变化量（价格的位移）除以该段时间窗口价格曲线轨迹的路程。Efficiency取值位于-1到1之间，绝对值越接近于1就说明趋势越明显。
由于国债期货的价格波动相对其他期货品种微弱，更多的策略逻辑只会减少交易机会，所以策略没有增加复杂的调仓和平仓方法。那么，基于Efficiency指标，可以构建一个简单的趋势策略：
- Efficiency绝对值大于阈值，则做多平空
- Efficiency绝对值小于阈值，则做空平多
策略在开平仓上只有两个参数，即用于计算Efficiency的回看窗口参数efficiency_window和指标阈值efficiency_limit。
原策略中，当Efficiency高于设定阈值时，策略会发出做多信号；而当Efficiency低于负阈值时，策略则发出做空信号。而在本策略的calculate_efficiency函数中实际计算的是原文章Efficiency的绝对值，因此，策略信号均发生了改变：
- 只要Efficiency的绝对值高于阈值，无论趋势方向如何，均视为强劲趋势并发出做多信号；
- 相反，当Efficiency的绝对值低于阈值时，则视为市场处于震荡状态，发出做空信号。
策略代码实现
Efficiency计算函数定义
def calculate_efficiency(
data: np.ndarray,
n: int
) -> float:
"""
计算效率的绝对值
n参数代表时间窗口
返回值：t时刻的效率绝对值，取值在0到1间，效率比的值越接近1噪声越低，趋势越明显
"""
# 计算价格曲线轨迹的位移
x: float = abs(data[-1] - data[-n])
# 计算价格净变化，即价格的路程
diff_array: np.ndarray = np.diff(data)
abs_diff: np.ndarray = np.abs(diff_array)
s: float = np.sum(abs_diff[-n:])
return x / s
策略参数定义
class EfficiencyStrategy(EliteCtaTemplate):
"""效率趋势策略"""
author = "VeighNa Elite"
# 基础参数（必填）
bar_window: int = Parameter(5) # K线窗口
bar_interval: int = Parameter("1h") # K线级别
bar_buffer: int = Parameter(100) # K线缓存
# 策略参数（可选）
efficiency_window: int = Parameter(85) # 效率窗口
efficiency_limit: int = Parameter(0.02) # 效率比阈值
risk_window: int = Parameter(10) # 风险窗口
risk_capital: int = Parameter(1_000_000) # 风险敞口
price_add: int = Parameter(0.05) # 委托下单超价
# 策略变量
trading_size: int = Variable(1) # 当前委托数量
信号指标计算
在on_init回调函数中初始化一个用于缓存efficiency指标的numpy数组：
def on_init(self) -> None:
"""初始化"""
self.write_log("策略初始化")
self.efficiency_arr = np.zeros(self.bar_buffer)
self.load_bar(100)
在on_history回调函数中使用前文已经定义好的calculate_efficiency函数计算efficiency值，并将其缓存在efficiency_arr中：
def on_history(self, hm: HistoryManager) -> None:
"""K线推送"""
# 计算效率比
efficiency: float = calculate_efficiency(hm.close,
self.efficiency_window)
# 缓存效率比值
self.efficiency_arr[:-1] = self.efficiency_arr[1:]
self.efficiency_arr[-1] = efficiency
# 判断交易信号
long_signal: bool = self.efficiency_arr[-1] >= self.efficiency_limit
short_signal: bool = self.efficiency_arr[-1] <= self.efficiency_limit
动态仓位计算
# 计算交易数量
self.trading_size = self.calculate_volume(self.risk_capital, self.risk_window, 1000, 1)
目标交易执行
# 获取当前目标
last_target: int = self.get_target()
# 初始化新一轮目标（默认不变）
new_target: int = last_target
# 执行开仓信号
if not last_target:
if long_signal:
new_target = self.trading_size
elif short_signal:
new_target = -self.trading_size
# 信号反转平仓
if last_target > 0 and short_signal:
new_target = 0
if not last_target:
new_target = -self.trading_size
elif last_target < 0 and long_signal:
new_target = 0
if not last_target:
new_target = self.trading_size
# 设置新一轮目标
self.set_target(new_target)
# 执行目标交易
self.execute_trading(self.price_add)
# 推送UI更新
self.put_event()
回测结果
回测数据上，本文选择使用米筐RQData提供的五年期期货TF99连续指数合约数据，在后续篇幅中还将使用T99十年期国债期货和TS99两年期国债期货数据进行回测，回测配置如下：
- 本地代码：TF99.CFFEX
- K线周期：1分钟
- 开始日期：2021-1-1
- 结束日期：2024-3-1
- 手续费率：0
- 交易滑点：0.005 + 3e-06
- 合约乘数：1000000
- 价格跳动：0.005
- 回测资金：1000000
由于国债期货的交易手续费均为3元，是固定比手续费，所以此处将手续费除以合约乘数后在滑点中体现。
原文基于2014年10月至2019年6月的数据所得参数显然对于现在不完全适用，不过其优化参数集合仍可作为借鉴。设定”efficiency_window”在10到140的区间以10的步长、“efficiency_limit”在0.01到0.1的区间以0.01为步长进行调整，并使用2021年1月到2024年3月的数据作为总数据集，选取2021年1月到2023年1月作为样本内进行参数优化，得到以下结果：
策略参数
- bar_window: 5
- bar_interval: "1h"
- bar_buffer: 100
- efficiency_window: 40
- efficiency_limit: 0.08
其他国债期货效果
使用与前文五年期国债期货相同的回测配置和优化方法，得到以下结果：
TS99.CFFEX（两年期国债期货）
策略参数
- bar_window: 5
- bar_interval: "1h"
- bar_buffer: 100
- fast_window: 40
- slow_window: 0.01
T99.CFFEX（十年期国债期货）
策略参数
- bar_window: 5
- bar_interval: "1h"
- bar_buffer: 100
- fast_window: 60
- slow_window: 0.08
免责声明
文章中的信息或观点仅供参考，作者不对其准确性或完整性做出任何保证。读者应以其独立判断做出投资决策，作者不对因使用本报告的内容而引致的损失承担任何责任。
