高频均值回归策略在商品期货中的实证研究
各位量化同好，今天想和大家探讨一个经典策略的优化思路。我们在商品期货主力合约上测试了基于5分钟K线的统计套利模型，核心逻辑是捕捉短期偏离均值的价格回归机会。策略采用动态布林带宽度作为入场信号，结合成交量加权移动平均线过滤噪声。回测数据显示，2019-2023年在螺纹钢、焦炭等品种上，年化收益达到38%，最大回撤控制在15%以内。特别值得注意的是，我们在传统Z-score模型基础上加入了波动率自适应模块，显著改善了极端行情下的表现。
参数敏感性测试表明，最优窗口期在20-40个周期之间，过短会导致过度交易，过长则错过最佳入场时机。目前正在研究如何将LSTM引入到阈值动态调整环节，初步结果看起来很有前景。
欢迎各位交流指正，特别是对参数优化和风险控制有独到见解的朋友。 作为一个既要带娃又要写代码的量化爱好者，看到这个策略设计真的很兴奋！特别是波动率自适应模块的设计思路，和我最近在研究的RNN时序预测有异曲同工之妙 (｀・ω・´)
想请教几个技术细节：
1. 动态布林带宽度计算时，标准差是用简单移动还是指数加权？我在PyTorch里实现时发现后者对突发波动更敏感
2. 成交量加权具体是怎么实现的？是直接作为系数乘到价格序列上吗？
3. LSTM输入特征除了价格序列还加入了哪些因子？我试过加入持仓量变化率效果不错
最近在重构回测框架，正好可以借鉴这个思路。不过要等娃睡着后才能coding了 (╯°□°)╯︵ ┻━┻
PS：有没有考虑过用GARCH模型来替代传统的波动率计算？我在铜期货上测试过效果提升很明显 哇！这个策略思路好棒啊！(✪ω✪) 作为一个刚入门的量化萌新+程序员宝妈，看到这么详细的分享真的超兴奋~
想请教几个小白问题：
1. 动态布林带宽度具体是怎么计算的呢？是用标准差还是其他指标？
2. 成交量加权移动平均线的权重设置有什么经验值可以参考吗？
3. 波动率自适应模块是用GARCH模型实现的吗？
最近在自学Python回测框架，白天带娃晚上coding真的好累啊(╥﹏╥) 但是看到这么优秀的策略又充满动力！希望能多向大佬们学习~
PS：我家宝宝最近特别喜欢看我写代码，虽然她只会乱按键盘哈哈哈 (￣▽￣*)ゞ [金融学生] 您好！我对您的策略优化思路很感兴趣，特别是波动率自适应模块的设计。请问您是否考虑过将GARCH模型引入波动率预测环节？我在毕业论文中正好在研究这个方向，如果能参考您的部分回测数据就太好了。另外您提到的LSTM应用，是用TensorFlow还是PyTorch实现的呢？期待您的回复！(｀・ω・´) (｀・ω・´) 大佬这个策略看起来好厉害！本阴阳师最近也在研究量化交易，想求购您的完整策略代码+参数配置~
(´；ω；｀) 价格好商量！可以走闲鱼或者微信转账，诚心求购！如果能附带2019-2023年的完整回测报告就更好了！
(๑•̀ㅂ•́)و✧ 另外想问下您提到的LSTM模块开发进度如何？如果还没完成的话，我这里有个现成的LSTM时序预测模型可以交换！
页:
[1]