[期货系列]期货择时策略-基于Hurst指数的分型策略研究

期货择时策略-基于Hurst指数的分型策略研究

本篇文章是基于研究报告的复现作品，旨在记录个人的学习过程和复现过程中的一些思路。

感谢中信期货的研究员前辈的宝贵思路。

一、Hurst指数

1. Hurst指数简介

赫斯特指数（HurstExponent）又被称为“指数依赖性”或“指数长期依赖性”，这一指标体现了时间序列的自相关性，能用来衡量时间序列的长期记忆能力。赫斯特指数最初由英国水利学家HaroldEdwinHurts提出来解决尼罗河发洪水和干旱相关的实际问题，之后金融人员发现这个指数能够量化时间序列的相对趋势，便被广泛用于资本市场的混沌分形分析。

2. Hurst指数计算过程

赫斯特指数的估算采用了重标极差（R/S）分析方法，具体计算方法为：


以上便是Hurst指数计算的大致过程。一般而言，在具体操作中可以使用时间序列的收盘价进行计算，计算的时间跨度不唯一，可根据策略构建思想进行灵活处理。

3. Hurst指数实际应用

Hurst指数能够将时间序列数据分类为趋势回归、均值回归或随机序列三种类型。也就是说，Hurst指数的结构域在0到1之间，当Hurst指数数值大于0.5时，时间序列呈上升趋势，当Hurst指数数值小于0.5时，均值回归。当Hurst指数数值等于0.5时，时间序列是一个随机游走。

鉴于Hurst指数具有上述分形效果，当指数大于0.5时，表明时间序列往往具有持续性，我们可以使用动量策略，当指数小于0.5时，表明时间序列往往具有反持续性，因此我们使用均值回归策略。

二、策略构建思路

1. 策略思想

动量交易策略和均值回归交易策略是两种最常用的算法交易策略。动量策略确定价格的近期趋势；交易者通常在近期趋势向上时买进，在近期趋势向下时卖出。均值回归策略评估价格是否随着时间的推移倾向于回归均值；交易员通常在价格低于均值时买进，在价格高于均值时卖出。

动量策略经常出现少量损失，在偶尔的价格飙升期间获得较大收益的情况，而且该策略往往会对表现出持续趋势的资产（即持续稳步增长的资产）产生更好的回报。相比之下，均值回归策略经常少量获利，当价格达到新均值时，偶尔会出现巨大损失，而且它们往往会在平均回归的资产上产生更好的回报。
结合Hurst指数而言，可以认为，当指数大于0.5时，使用动量策略，当指数小于0.5时，使用均值回归策略。在理想情况下，这种复合策略的平衡策略可以增加预期回报，避免策略的大幅波动。

2. 动量策略

使用简单的移动平均线（SMA）交叉算法作为动量交易策略。SMA交叉的基础是取近期价格的短期和长期平均值并进行比较。如果短期移动平均线从下方越过长期移动平均线，也被称为黄金交叉，它表示向上的趋势和买入信号。如果较短期移动平均线从上方越过较长期移动平均线，也称为死亡交叉，它同样表示向下的动量和卖出信号。

3. 均值回归策略

均值回归策略的一个有用指标是布林带。布林带跟踪移动平均线，通常是在过去20天内，以及同期价格的标准差。两条曲线在移动平均值上方和下方画两个标准差，形成一个区间，表明价格波动可能的范围。由于布林带区间有两个标准差，预计95%的价格变动将落在该区间内。当资产价格突破上高区间时，这表明资产已被超买，而且很可能会回落至均值。当资产价格跌破较低的区间时，这表明资产已被超卖，并且很可能会再次上升到均值。当价格跌破较低区间时，交易员可以购买资产，或等到价格回升到区间内，以降低风险。当价格越过移动平均线或上区间时，可以锁定退出点，这取决于交易员愿意承担多少风险和回报。一般而言，布林带策略的交易思路是标的价格向上突破布林带上轨时做空，标的价格向下突破布林带下轨时做多。

鉴于此，利用Hurst指数对时间序列进行分型，将动量策略和均值回归策略结合起来。在指数大于0.5时，也就是序列具有较强时间记忆能力的时候，运行动量策略。在指数小于0.5时，也就是序列记忆能力转弱，呈反持续性时，运行均值回归策略，其中，动量策略使用移动平均线策略，均值回归策略使用布林带策略。

三、策略回测研究

1. 数据选取与参数设置

回测的数据从大宗商品单品种的黑色、有色、农副产品和能源化工四大板块各挑选了一个上市时间久且成交量高的品种，分别为螺纹钢、沪铜、PTA、豆油四个期货品种，每个品种的都选取30分钟的bar，时间周期为2019/12/20 9:30:00至2022/11/2 15:00:00，包括日盘和夜盘数据。

布林带使用的参数分别为100和2，双均线使用的参数分别为60和120，判断Hurst指数的周期为100，对应的大约是8.5个交易日。

图3.1 不同品种对应的Hurst指数

2. 多头策略下的品种回测表现

这一部分的回测研究中，使用多头策略，即当hurst指数>0.5时，运行动量策略，当hurst指数<0.5时，运行均值回归策略。 其中，动量策略采取双均线策略，短线上穿长均线形成金叉买入，短线下穿长均线形成死叉平仓； 均值回归策略采取布林带策略，价格向下突破布林带下轨时买入，向上突破布林带上轨时平仓。

经过回测，得到品种对应策略的净值曲线，从净值曲线上可以看出，纯多头策略下，豆油和螺纹钢的表现较优，PTA与沪铜的表现不佳，并且各合约的空仓周期也较长。

图3.2 多头策略下各品种净值情况

进一步对净值数据进行分析得到如下指标，从指标数据来看，四个品种在回测周期内均取得了正向收益，其中豆油的正向收益最高，累计收益达到了74.45%，胜率也达到了0.521%。

表3.1 多头策略下各品种指标测算结果

进一步的，以豆油品种为例，将Hurst指数驱动的策略与动量策略、均值回归策略进行比较分析。可以看出，Hurst策略与动量策略在回测周期内均有着不错的表现，Hurst策略的表现优于品种本身与其余两个策略。

图3.3 多头策略下豆油品种策略净值情况

表3.2 多头策略下豆油品种指标策略结果

图3.4 多头策略下豆油品种策略收益率分布直方图

3. 多空策略下的品种回测表现

考虑到期货合约自身可做空的属性，引入多空策略进行回测。即当hurst指数>0.5时，运行动量策略，当hurst指数<0.5时，运行均值回归策略。 其中，动量策略采取双均线策略，短线上穿长均线形成金叉做多，短线下穿长均线形成死叉做空；均值回归策略采取布林带策略，价格向上突破布林带上轨时做空，向下突破布林带下轨时做多。

经过回测，得到品种对应策略的净值曲线，从净值曲线上可以看出，多空策略下，豆油和螺纹钢的表现较优，PTA与沪铜的表现不佳。

图3.5 多空策略下各品种净值情况

进一步对净值数据进行分析得到如下指标，从指标数据来看，四个品种在回测周期内，豆油和螺纹钢取得了正向收益，其余两个品种收益为负。其中螺纹钢的正向收益最高，累计收益达到了145%，胜率也达到了0.512%。

表3.3 多空策略下各品种指标测算结果

进一步的，以螺纹钢品种为例，将Hurst指数驱动的策略与动量策略、均值回归策略进行比较分析。可以看出，Hurst策略与动量策略在回测周期内均有着不错的表现，Hurst策略的表现优于品种本身与其余两个策略。

图3.6 多空策略下螺纹钢品种策略净值情况

表3.4 多空策略下螺纹钢品种指标策略结果

通过多空策略与多头策略的对比，不难发现多空策略的交易次数明显多余多头策略。

图3.7 多空策略下螺纹钢品种策略收益率分布直方图

从图3.7中可以看出，不同策略的收益分布直方图存在差别。大致上，不同策略的收益率分布呈现出如下规律：Hurst指数策略的回报介于动量策略和均值回归策略之间。

四、结论

1.Hurst指数在市场分型上具有良好的效果，但Hurst策略在不同商品期货合约30分钟bar数据上的回测效果存在分化，以螺纹钢与豆油合约表现较优。
2.Hurst策略可以有效降低回撤，增厚收益。

思考：可将Hurst策略应用于指数或个股，发掘更多的交易机会。

参考文献：
Yejun(Andrew),C.、Cheistian,L.&Rohan,S. (2022). Optimizing returns using the hurst exponent and Q learning on momentum and mean reversion strategies. Cornell Data Science
期货择时系列（三）基于赫斯特指数的策略研究.中信期货