期货趋势交易基础策略构建及表现 [page::4][page::6]

• 采用唐奇安通道突破+趋势过滤器构建交易信号。

- 基础策略2006-2017年年化收益率5.44%，最大回撤7.39%，夏普比率1.21。

• 不同期货品种策略表现差异显著，黑色系及PTA表现最佳，国债期货和黄金表现较差。

多种仓位管理方法介绍与实施细节 [page::7][page::8][page::9]

• 方法包括相关性调整（阈值和组合）、净值调整（动量、均线、策略三种子法）、目标波动率调整、Omega比率最优化、最大回撤法及动态出场法（锁定盈利与风险差额）。

- 目标波动率法通过调整每个品种仓位使组合波动率贴近目标水平。

• Omega最优化法采用BOBYQA算法实现非线性目标最大化。

- 动态出场法根据浮盈比例调整止损阈值实现仓位间接调整。

各仓位调整方法策略表现对比 [page::9][page::10]

| 方法 | 年化收益率 | 年化波动率 | 夏普比率 | 最大回撤 | 收益回撤比 | 平均杠杆 | 最大杠杆 |
|----------------|------------|------------|-----------|----------|------------|----------|----------|
| 固定比例 | 5.44% | 4.48% | 1.21 | 7.39% | 0.74 | 0.45 | 1.10 |
| 相关性（阈值） | 5.82% | 4.77% | 1.22 | 8.52% | 0.68 | 0.44 | 1.15 |
| 相关性（组合） | 5.98% | 4.89% | 1.22 | 7.86% | 0.76 | 0.43 | 1.02 |
| 净值(动量) | 4.80% | 4.07% | 1.18 | 7.37% | 0.65 | 0.41 | 1.03 |
| 净值(均线) | 4.44% | 3.96% | 1.12 | 7.43% | 0.60 | 0.40 | 0.99 |
| 净值(策略) | 5.06% | 4.17% | 1.21 | 7.66% | 0.66 | 0.42 | 1.08 |
| 目标波动率 | 5.37% | 3.92% | 1.37 | 4.12% | 1.30 | 0.39 | 1.40 |
| 最大回撤 | 6.15% | 4.76% | 1.29 | 6.71% | 0.92 | 0.49 | 1.18 |
| 动态出场(锁定) | 5.41% | 4.11% | 1.32 | 6.38% | 0.85 | 0.43 | 1.10 |
| 动态出场(风险) | 5.27% | 4.12% | 1.28 | 7.02% | 0.75 | 0.41 | 1.06 |

• 多数方法均较固定比例法提升夏普比和收益回撤比，目标波动率法最大回撤下降最明显，夏普比率最高，显示仓位风险调整优越性。

限定趋势性强品种组合下表现提升显著 [page::10][page::11]

| 方法 | 年化收益率 | 年化波动率 | 夏普比率 | 最大回撤 | 收益回撤比 | 平均杠杆 | 最大杠杆 |
|----------------|------------|------------|-----------|----------|------------|----------|----------|
| 固定比例 | 12.21% | 6.77% | 1.80 | 8.69% | 1.41 | 0.38 | 1.31 |
| 动态出场(锁定) | 12.79% | 6.85% | 1.87 | 6.93% | 1.85 | 0.36 | 1.29 |

• 精选品种组合大幅改善收益表现及风险指标，动态出场法表现最优，最大回撤明显降低。

分类级别调整及交易成本影响分析 [page::11][page::12]

• 按小类和大类分类管理仓位，目标波动率法依然表现突出，但整体表现逐级下降。

- 交易成本上升会削弱策略夏普比，但目标波动率法在千分之一成本仍具竞争力。

结论与风险提示 [page::12][page::13]

• 多品种趋势策略中合理的仓位管理能显著提升策略表现和风险调整后收益。

- 目标波动率法在不同分类层次均显示稳定增强效果。

• 选取趋势性强品种组合效果明显优于全品种覆盖。

- 策略存在市场系统性风险及模型误设风险，需谨慎应用。

海通证券研究所报告分析：FICC系列研究之六——多品种趋势策略中的仓位管理方法

---

1. 元数据与报告概览

• 报告标题： 《FICC系列研究之六——多品种趋势策略中的仓位管理方法》

- 作者及联系方式： 冯佳睿及相关联系人，海通证券研究所

• 发布机构： 海通证券股份有限公司研究所

- 发布时间： 未明确具体日期，但披露文档时间集中于2017年

• 研究主题： 多品种期货趋势交易策略中的仓位管理技术方法及其实证分析

- 核心论点：
- 介绍并实证测试多种仓位管理方法对期货趋势交易策略表现的提升作用。
- 采用经典趋势跟踪策略作为基础；在此基础上，采用多种仓位管理方法（相关性法、净值法、目标波动率法、Omega最优化法、最大回撤法和动态出场法），对比其改进效果。
- 目标波动率法及部分动态出场法表现最佳，能够有效提升年化收益率并降低回撤风险。
- 证明选取趋势性强品种组合显著提升策略整体表现。

• 风险提示： 市场系统性风险与模型设定误差风险[page::0][page::13]

---

2. 逐节深度解读

2.1 研究背景与期货趋势交易策略

• 研究背景： 本报告延续此前FICC系列的期货因子研究，聚焦传统的趋势跟踪策略，挑战多品种等权仓位分配的现状，探索更优仓位管理方式，并参考Henrik Sandberg等人的方法对国内期货市场进行实证测试[page::4]。

• 交易信号：

- 采用唐奇安通道和趋势过滤器组合。在N0日内最高价触及通道时开仓买入，最低价卖出。
- 趋势过滤器采用短期均线N1与长期均线N2比较，只有短均线上穿长均线时允许买入。
- 平仓设置止损，应用k倍ATR (平均真实波幅)的动态止损。
- 交易执行以上一交易日收盘价信号，当日开盘进场。
- 手续费按千分之三计算。

• 基础仓位设定：

- 海龟交易法则设定固定比例仓位，计算每个合约开仓数量：
\[
\text{Contracts} = \frac{\text{Equity} \text{Risk Factor}}{ATR_n PointValue}
\]
- Risk Factor保守，分别为0.04%和0.15% (全样本及限定品种)，保证低杠杆。
- Equity包括现金和仓位价值，现金收益以回购利率R001计。

• 回测数据与样本：

- 取2006年1月1日至2017年7月31日全部上市期货，包含47个商品期货、5个金融期货。
- 采用Wind的标准分类，分为3大类，12小类，对品种流动性设限保证样本质量（前20日均量>1万手且上市满半年）[page::5][page::6]。

• 策略参数选取：

- N1=10，N0=N2=n=20，k=2，参数未经过优化。
- 基准策略表现如下：
- 累积收益率78.48%
- 年化收益率5.44%
- 年化波动率4.48%
- 最大回撤7.39%
- 夏普比率1.21
- 收益回撤比0.74
- 平均杠杆0.45
- 基准策略在不同品种表现差异明显，钢铁及部分农产品表现优于国债与黄金[page::6]

2.2 多种仓位管理方法介绍

• 总体框架： 将仓位调整分为六类方法，从品种间相关性、累积净值表现直接调整仓位，到风险管理和收益优化手段，其细分逻辑及实施步骤详尽。
• 相关性调整法：

- 基于不同品种间收益相关性，按低相关性品种数量划分三组，分别加仓、维持仓位、减仓。
- 细分为阈值法和资产组合法，后者用组合相关替代个别品种相关性。

• 净值调整法：

- 动量法：依据品种净值正负变动调整仓位。
- 均线法：利用品种净值短期均线上穿长均线作为加仓信号。
- 策略法：结合净值峰谷与均线信号调仓。

• 目标波动率法：

- 设定组合整体目标波动率(如3%), 估计组合实际波动率，并根据品种贡献调整仓位等级，限制调整幅度(0.5-1.5)。
- 计算波动率包含协方差矩阵，考虑品种间相关性。

• Omega最优化：

- 以Omega比率最大化为目标调整仓位权重。
- Omega比率衡量非正态收益分布的绩效，上式定义结合收益阈值L，权重约束[0.5,1.5]。
- 采用BOBYQA二次逼近限定最优化方法求解。

• 最大回撤法：

- 最小化组合过去N天最大回撤。
- 相等贡献度法使每品种最大回撤对组合影响均衡，调整仓位比例。

• 动态出场法：

- 通过调整止损阈值实现间接仓位变化。
- 锁定盈利法：浮盈超过整体价值3%时，降低出场阈值（2倍ATR降为1倍ATR）。
- 风险差额法：使用当前组合价值与止损水平差额调整。

整体仓位调整等级分为三档(1.5,1,0.5), 对新开仓位进行调整优于对现有仓位调整，兼顾交易成本影响[page::7-9]

2.3 仓位管理方法表现与实证结果

• 全样本表现：

- 基础固定比例法年化收益率5.44%，夏普1.21。
- 多数仓位管理方法提升了表现，尤以目标波动率法最佳，收益5.37%，最大回撤大幅降低至4.12%，夏普提升至1.37。
- Omega最优化和最大回撤法等策略表现次于目标波动率法，但优于基准。
- 动态出场（锁定盈利法）也有较好风险调整回报。

• 限定品种表现（表现更优的10个品种）：

- 基础策略年化收益率提升至12.21%，夏普1.80，最大回撤增大至8.69%。
- 仓位调整方法整体表现提升，其中动态出场（锁定盈利法）表现最优：年化收益12.79%，最大回撤6.93%，夏普1.87。
- 目标波动率法、最大回撤法也表现良好。

• 按类别（小类、大类）调整表现：

- 不同层级分类下，仓位调整效果随分层变粗有所降低。
- 目标波动率法在所有层级均表现显著优越，夏普在小类约1.40，大类约1.45。
- 动态出场法表现不受分类影响，三种层级表现一致。

• 交易成本影响：

- 受到单边万分之三、五及千分之一不同成本影响，整体夏普率下降。
- 目标波动率法夏普率在千分之一成本下降至1.06，明显但策略仍稳健。

该部分大量数据经图1-6及表1-5详细展示，图4、图5及表2—表5呈现了不同方法条件下的多维度比较[page::9-12]

---

3. 图表深度解读

图1 策略运行模式图（页5）

• 说明： 图示清晰展示了策略流程：

- 采用基础交易信号产生基础仓位（固定比例法），再通过仓位配置方法调整仓位等级，最后执行开平仓操作。
- 动态出场法通过调整平仓阈值反向影响整体仓位管理。

• 解读： 展现了策略设计中基础信号与仓位管理的协调关系，动态出场法作为调整平仓信号的特殊方法在流程中单独突出，结构清晰。

图2 趋势交易策略净值曲线（页6）

• 说明： 蓝色柱状为最大回撤，深蓝曲线为净值曲线。

- 解读：
- 净值整体呈稳步增长态势，期间出现数次较大回撤，多发生于2010-2012年间。
- 最大回撤峰值约7%以上，与表中最大回撤数据吻合。
- 该图支持基础策略的正收益趋势及回撤波动说明。

图3 策略在不同品种表现（夏普比率排序）（页6）

• 说明： 水平条形图，展示各品种夏普比率。

- 解读：
- 黑色系列（焦炭、螺纹钢、铁矿石）及PTA、橡胶表现最佳，夏普显著为正。
- 贵金属、国债期货（如沪银、十年国债）表现较弱，甚至为负。
- 反映不同品种趋势信号强弱及策略适应性的差异。

图4 不同调整方法策略净值曲线（页9）

• 说明： 多条净值曲线（颜色区分仓位调整方法）同步展示。

- 解读：
- 整体形态相似，均呈现增长趋势，体现调整方法均在固定比例基础上小幅改进。
- 目标波动率法、动态出场（锁定盈利法）曲线位于相对领先位置，支持其优良表现。

图5 趋势交易策略净值曲线（限定品种）（页10）

• 说明： 针对限定表现较好的10个品种组合，净值与最大回撤。

- 解读：
- 净值增长幅度大于全样本，确认优选品种组合实现更高收益。
- 最大回撤峰值更大，夏普指标相比全样本也显著提升。

图6 交易成本对策略夏普比的影响（页12）

• 说明： 条形图对比不同成本率（0.03%、0.05%、0.1%）对夏普比的影响。

- 解读：
- 成本上升显著降低所有策略夏普比，反映高交易成本对趋势交易策略的负面影响。
- 尽管如此，目标波动率法依然保持相对较好的夏普比，显示其成本适应性较好。

表1——表5数据解析

• 表1阐释了期货品种分类体系，体现研究的多维度。

- 表2展现全样本下不同仓位管理方法的收益、波动、夏普、最大回撤、杠杆指标，凸显目标波动率法在回撤控制上优势明显。

• 表3限定品种下多方法指标提升，动态出场锁定盈利法综合表现最好。

- 表4、表5分别针对小类、大类进行仓位调整，更细类别提升策略表现，较大类别调整弱化效果。

• 数据严谨且覆盖面广，充分体现实证对比[page::6,9-13]

---

4. 估值分析

本报告无典型的企业估值内容，主要聚焦期货多品种交易策略性能评估。因此此部分无需传统公司估值模型解释，但涉及：

• 投资绩效评价指标：年化收益率、年化波动率、夏普比率、最大回撤、收益回撤比、杠杆倍数等。

- 风险调整收益视角，特别夏普比和收益回撤比用于衡量风险修正后的回报，体现策略稳定性与风险控制能力。

---

5. 风险因素评估

• 市场系统性风险： 所有量化策略均受大市行情和宏观波动影响，趋势策略尤其明显，市场大幅震荡时可能导致持续回撤。

- 模型误设风险： 量化模型基于历史数据及固定参数设定，可能因数据异常、模型假设失真导致策略效果偏离预期。

• 交易成本影响： 报告显示交易成本较高时策略风险调整表现明显下降，需要注意实际执行成本对策略收益的侵蚀。

- 未明确给出缓解策略，但选用较为保守风险因子和杠杆，且采用多种仓位管理方法，部分通过回撤和波动率控制对冲风险[page::0,13]

---

6. 审慎视角与细微差别

• 潜在偏见：

- 报告假设基础策略固定，且参数未优化，实际情况中不同策略选择会严重影响仓位调整效果。
- 选取样本及品种的限定条件对实证结果产生重要驱动，可能无法完全代表其他市场环境。
- 使用多项指标对策略进行评价，但未提及策略稳定性检验（如Out-of-Sample测试），可能导致过度拟合风险。

• 细微差异：

- 动态出场两种方法表现差异较明显，锁定盈利法表现最佳，暗示动态仓位调整更灵活有效。
- 分类粒度对表现影响明显，等级越细化，仓位调整效果越好，提示仓位调整应匹配品种间的异质性。
- 目标波动率法在所有分类下均维持优良表现，显示其对结构变化鲁棒性较强。

• 结构或内容瑕疵：

- 大类调整结果表中出现了一处“4.11%。”（可能误植）格式需注意。
- 报告披露声明详尽，表示结论基于模型自动计算，代表客观，但未涵盖主观调节可能提高性能。

---

7. 结论性综合

本篇海通证券所发布的《FICC系列研究之六——多品种趋势策略中的仓位管理方法》报告详尽阐述并实证了6大多品种期货趋势交易策略的仓位管理方法：

• 策略框架： 基于唐奇安通道加趋势过滤器的基础交易信号，固定比例法作为初始仓位标准，采用多种仓位管理方法对新开仓位进行调整，计入交易成本影响，多品种涵盖47商品期货和5金融期货，数据区间2006-2017年。
• 方法比较： 包含相关性阈值法、资产组合法、净值调整法、目标波动率法、Omega最优化法、最大回撤法和动态出场法等，细化多层面调仓手段，充分考虑品种间的相关性、收益表现和风险因素。
• 实证结果核心见解：

- 大多数仓位管理方法能有效提升趋势策略表现，尤其是目标波动率法，显著降低了最大回撤和波动率，提升风险调整收益（夏普）。
- 通过精选趋势性强的品种组合，策略表现大幅提升，同时动态出场（锁定盈利法）仓位管理表现最佳，收益回撤比达到1.85。
- 仓位调整在类别划分中层级越细，提升效果越明显，但目标波动率法在各层级均稳健有效。
- 交易成本提升对策略表现有负面影响，目标波动率法对成本变化的适应性最佳。

• 风险提示： 包括市场系统性风险、模型设定风险及交易成本风险。

整体来看，本文系统介绍了多样仓位管理方法对期货趋势策略的优化步骤和实际投资绩效提升路径，为构建稳健且高效的多品种期货量化交易策略提供了重要实证依据和方法论支持。

---

参考图表（部分）

图1 策略运行模式图

图2 趋势交易策略净值曲线

图3 策略在不同品种上的表现（夏普比率）

图4 不同调整方法下的策略净值曲线

图5 趋势交易策略净值曲线（限定品种）

图6 不同交易成本下策略表现（全样本）

---

# 综上，海通证券这份报告充分展示了仓位管理在多品种期货趋势交易策略优化中的核心地位和作用，尤其突出目标波动率法对风险控制和收益稳定性的贡献，为期货投资者提供了科学的仓位分配思路及实证依据。[page::0,4-13]

报告