高频价量相关性的CTA策略构建与逻辑 [page::0][page::3][page::4]

• 报告继承股票市场中CPV因子的思想，利用期货成交量及持仓量，挖掘价量相关中的多空信号。

- 关注期货持仓量的特殊性质，发现原始日内持仓量呈“山谷”形态，与T+0交易者行为相关。

• 设计持仓量修正路径，将持仓量的“山谷”形态修正为“山峰”，真实反映T+0与T+1交易者的多空动态。

持仓量修正方法详解和案例 [page::5][page::6][page::7]

• 利用成交量的权重分配持仓量变化，计算T+1和T+0两类交易者的持仓变化。

- 公式：
- $\Delta OI(T+1)i = \frac{\Delta Vi}{\Delta V} \Delta OI$
- $\Delta OI(T+0)i = -1 [\Delta OIi - \Delta OI(T+1)i]$
- 总持仓量更新：$OI(i)=OI(i-1)+\Delta OI(T+0)i + \Delta OI(T+1)_i$

• 修正后持仓量的形态由“山谷”变为“山峰”，符合真实交易行为。

- 图示修正案例清晰展示持仓量及收盘价变动的关系。

主要回测数据与绩效指标 [page::8][page::9][page::10]

• 基础价量相关信号构建：计算日内分钟价格与修正持仓量相关系数PV，PV>0看多，PV<0看空。

- 非交割周期策略年化收益30.71%，波动19.46%，收益波动比1.58，最大回撤11.49%。

• 交割期处理：仅当当月与次月合约信号一致时参与交易，避免信号失真。

- 长假期间信号剔除，避免异常间隔带来的干扰。

• CTA综合策略表现优异，年化收益44.48%，年化波动19.84%，收益波动比2.24，最大回撤10.34%。

- 策略交易天数635天，换仓283次，成本费用约1.3%。


| 指标 | CTA策略值 | 基准策略值 |
|----------------|-----------|--------------|
| 年化收益 | 44.48% | -13.30% |
| 年化波动 | 19.84% | 20.98% |
| 收益波动比 | 2.24 | -0.63 |
| 最大回撤 | 10.34% | 43.82% |
| 交易天数 | 635 | 728 |
| 换仓次数 | 283 | 48 |
| 日度胜率 | 57.27% | 49.73% |
| 手续费 | 1.30% | 0.22% |

量化策略总结 [page::7][page::8][page::10]

• 策略核心为基于修正后持仓量和价格之间的相关系数，采用零参数设计。

- 开仓和平仓遵循连续信号变化，防止频繁换仓。

• 体现了高频价量信息在CTA策略中的有效利用。

- 策略稳健性建立于对期货特殊持仓结构的深入挖掘和交割、假期等特殊时点处理。

报告详尽分析：“高频价量相关性拥抱CTA” 系列研究（一）——CPV 因子期货版

---

一、元数据与报告概览

• 报告标题：“高频价量相关性拥抱CTA”系列研究（一）— CPV因子期货版

- 发布机构：东吴证券研究所，东吴金工团队

• 作者：高子剑（证券分析师）、沈芷琦（研究助理）

- 发布日期：2020年6月18日

• 研究主题：基于对高频价量相关性的分析，应用于CTA（商品交易顾问）策略构建，重点聚焦股指期货的持仓量修正与价量相关性信号挖掘。

- 核心论点：
- 价量关系在技术分析中是关键的力量判断指标，传统研究集中成交量，本研究强调期货中持仓量的重要性和其修正方法。
- 通过“修正持仓量”纠正持仓量日内呈现“山谷”形态导致的误解，实现更精准反映T+0交易者的多空行为。
- 基于修正后的价量相关系数，搭建零参数的CTA交易策略，表现显著优于传统均线(MA60)基准策略。

• 策略表现简介：2017年4月至2020年4月，年化收益高达44.48%，年化波动19.84%，收益波动比2.24，最大回撤10.34%，显示策略兼顾收益和风险控制能力。[page::0, 3, 10]

---

二、逐节深度解读

1. 前言

• 报告首先回顾了技术分析130多年的发展，特别强调价量关系是识别个股或资产强弱的核心手段。

- 以两只股票（中公教育和微芯生物）作为经典案例，分别展示“价量配合”（上涨放量为强势股）和“价量背离”（上涨缩量为弱势股）的形态，直观诠释价量关系的意义。

• 提及之前研究中通过计算股票分钟成交价与成交量的相关系数构造的CPV因子，剔除行业、风格等干扰后，CPV因子具有高信息比率（3.43）、高月度胜率（87.32%）和小回撤（1.58%）的显著表现，显示价量相关性有较强因子属性。[page::3]

2. 修正后持仓量

• 2.1 持仓量选择逻辑

期货不同于股票，除了成交量外，持仓量是非常重要的技术指标，包含更纯净的多空信息，能反映投资者预期和多空力量变动，因此本研究重点选用持仓量数据研究价量关系。

• 2.2 持仓量的形态特征

通过两幅图表（图4和图5）对比显示，修正前期货持仓量日内走势呈“山峰”形态或“山谷”形态。具体来说：
- “山峰”形态下，持仓量在日内交易前半段逐渐增加，后半段减少，符合传统理解；
- “山谷”形态下，持仓量反而前半段减少，后半段增加，违背直观。

• 原因分析

报告指出，这种形态差异主要因2015年9月证券交易制度调整，即“平今仓”手续费骤升（达非平今仓的15倍），促使T+0交易者采取策略：日内保持留有多空各1手单，规避手续费，造成了持仓量变化形态的反转，具体交易路径模拟见表1（做多模拟）与表2（做空模拟）。结果是，开盘持仓量下降实际上意味着T+0交易者“进场”；收盘持仓量上升则代表“离场”。[page::4, 5]

• 2.3 持仓量的修正路径

针对上述问题，报告设计了一套基于成交量权重分配持仓变化，剥离T+1交易者行为，反映T+0交易者真实行为的修正方法，核心步骤包括：
1. 计算每分钟持仓量变化ΔOIi和成交量变化ΔVi；
2. 以分钟成交量占比为权重，将日总持仓量变化分配到分钟，得到T+1交易者持仓量变化ΔOI(T+1)i；
3. 用实际持仓量变化减去T+1持仓量变化，得到T+0交易者持仓量变化ΔOI(T+0)i，经乘以-1调整方向，使离场反向解读为进场；
4. 持仓量递推计算，完美还原“山峰”形态，真实表达多空意图。

表3通过实例演算详细展示了该修正过程，图6则展示了2020年4月21日具体修正后的持仓量走势，形态清晰由“山谷”变为“山峰”，验证了修正有效性。[page::6, 7]

3. 修正后价量相关性交易策略

• 构建步骤清晰：

- 利用修正后的分钟持仓量计算日内价量相关系数PV值；
- PV>0时发出看多信号，PV<0时发出看空信号；
- 第二个交易日开仓建仓，连续信号不变则不换仓，信号反转则即刻平仓反向建仓。

• 以沪深300股指期货为标的，2017年4月至2020年4月回测，剔除交割周期信号，基本回测绩效如下（表4）：年化收益30.71%，年化波动19.46%，收益波动比1.58，日度胜率55.60%，最大回撤11.49%。表现稳健而有效。[page::7, 8]

4. 其他重要处理

• 4.1 交割周期

交割周期中期货合约交易特点异于普通交易日。交割日前价格趋近结算价，持仓和成交量异常，导致信号失真。实际操作中剔除交割当日信号，交割周期剩余4个交易日，则只在当月合约和次月合约信号一致时交易。统计数据显示一致信号日贡献年化收益8%，胜率68.63%；不同信号日若用单一合约信号，表现显著恶化（表5）。[page::8, 9]

• 4.2 长假影响

研究发现，当上个交易日与下个交易日间隔≤3天，策略表现稳定，间隔>3天时策略胜率下降且收益为负（表6），因此长假前信号剔除，不进行交易，防范假期中突发事件带来的信号失真。[page::9]

5. 价量相关性综合策略

• 综合CTA策略构建细节：

结合上述修正持仓量与价量相关信号，匹配合理的交易规则并剔除交割日及长假影响，构建完整CTA交易系统。

• 基准策略对比：

基准策略为CSI300与60日均线比较形成的买卖信号策略。

• 综合策略表现：

- 年化收益44.48%，年化波动19.84%，收益波动比2.24，日度胜率57.27%，最大回撤10.34%；
- 基准策略表现较差：年化收益负13.3%，波动率20.98%，收益波动比-0.63，最大回撤43.82%；
- 换仓次数283次，手续费1.30%（单边万0.23），显示交易频率合理且考虑成本后仍具备超额收益。

• 图7配合说明：

策略净值曲线持续上扬，回撤宽度明显低于基准策略，整体表现显著优越。

• 结论：该价量相关性CTA策略在风险和收益间取得良好平衡，体现了价量相关性信号的实用价值。[page::10]

6. 总结

• 本研究创新点为期货持仓量修正方法，纠正持仓量日内“山谷”误导，精准还原T+0交易行为与多空意图。基于此，价量相关性成为强有力的CTA策略信号。

- 策略零参数设计，依靠市场事实和长期经验积累，无需主观调参，提升可靠性和稳健性。

• 研究具有高度方法迁移可能性，未来可推广至国债期货、商品期货、利率期货等多资产领域。

- 风险提示强调历史数据基础，策略未来适用性依赖市场环境延续。

• 总体研究逻辑严密，数据支持充分，策略表现优异，具有重要的实证和应用价值。[page::11]

7. 风险提示与免责声明

• 历史回测结果不保证未来表现，市场可能发生重大变化。

- 报告内容仅供参考，不构成投资建议。

• 详细披露潜在风险和相关限制，保障信息透明和合规。

---

三、图表深度解读

图1 & 图2：股票价量关系示例

• 图1显示中公教育股票价涨伴随成交量增加（上涨放量）；图2微芯生物上涨时成交量减少（价量背离），直观点明价量配合预测强势，反之预测弱势。[page::3]

图3：CPV因子五分组多空对冲净值曲线

• 红线（纯净CPV因子）逐渐上升，表明该因子具有稳定的正收益能力，高于传统反转因子和综合CPV因子，体现价量相关因子的因子效应。[page::3]

图4 & 图5：期货持仓量“山峰”与“山谷”形态

• 图4（山峰形态）显示开盘持仓量逐渐增加至中午，收盘逐渐减少。图5（山谷形态）显示相反走势。形态背后反映了T+0交易策略切换前后手续费制度的影响。[page::4, 5]

表1 & 表2：T+0交易者模拟做多与做空路径

• 表示T+0交易者看多和看空时的持仓变化路径，分别说明平仓和开仓时点及持仓手数，体现新费用制度后的交易行为结构。[page::5, 6]

表3 & 图6：持仓量修正示例与实际修正图

• 表3数字演示持仓量由原始负增长（山谷）经过权重分配和方向调整后，重新形成正增长（山峰），表明修正方法有效。

- 图6具体日内持仓量与修正持仓量对比，修正曲线（灰色）更平滑且峰值清晰，与价格走势更匹配，验证修正合理性。[page::6, 7]

表4：非交割周期回测表现

• 回测期内非交割日优良表现，年化30.71%，风险可控，日度胜率55.6%，验证价量相关信号的有效性。[page::8]

表5：交割周期中信号表现

• 当月合约与次月合约信号一致时交易成绩良好（年化8%，胜率68.63%），信号不一致时表现衰减，指导交割周期信号筛选。[page::9]

表6：长假影响分析

• 发现交易日间隔超3天后信号失效，胜率降至45%，说明长假期间市场不确定增加，必须剔除相关信号避免策略失效。[page::9]

图7 & 表7：综合策略与基准对比

• 图7净值曲线中，策略净值显著攀升，而基准持续下跌，策略有效避免大幅回撤。

- 表7汇总全指标，策略年化收益44.48%，收益波动比2.24，且换仓频次合理、手续费可控，突出实用性。[page::10]

---

四、估值分析

本报告主要聚焦策略构建与绩效分析，并未涉及传统意义上的公司估值模型，如DCF、PE等，也未提供目标价格与估值区间。因此，本次分析不涉及估值细节。

---

五、风险因素评估

• 历史表现不保证未来结果，市场环境变化带来风险。

- 交割周期和长假可能导致信号失真，报告针对性提出了信号剔除与过滤规则作为风险缓释手段。

• 策略未考虑极端市场环境下可能的流动性风险或手续费波动。

- 历史数据区间限于2017年4月至2020年4月，存在时间窗口偏差风险。

• 无杠杆考虑，实际应用中杠杆、滑点等因素可能影响最终表现。[page::0, 8, 9, 11]

---

六、批判性视角与细微差别

• 策略零参数设计的优劣：零参数策略确保稳健，避免过拟合，但可能限制了策略在不同市场条件下的灵活调优空间。

- 持仓量修正假设依赖性：修正方法基于T+0交易者行为模型和手续费政策，若未来市场规则或交易行为发生根本性变更，修正逻辑可能失效。

• 数据完整性与市场适应性：回测未涵盖疫情后剧烈波动时期，策略在极端行情下的表现有待验证。

- 交割周期信号剔除：剔除交割日及部分交易信号虽提升策略有效性，但降低了交易机会与投资组合流动性。

• 未详细披露手续费对策略多轮换仓影响，虽有手续费总额披露，但缺少深层成本敏感度分析，实际操作成本需进一步评估。

- 本报告针对股指期货，迁移到国债期货等其他品种的有效性尚待实证支持。

---

七、结论性综合

本报告系统且详尽地揭示了“高频价量相关性拥抱CTA”策略的核心思想、数据处理方法、策略设计逻辑和市场实证效果。其最大创新在于持仓量的修正策略，通过引入T+0交易者行为模型和手续费政策的细节，解决了期货持仓量错判多空意图的难题，成功转化持仓量形态由“山谷”还原为“山峰”，进而提升了价量相关性信号的解读准确率。

基于修正后的价量相关系数（PV值），构建的CTA策略回测成果显著：在2017至2020年间不含杠杆年化收益达44.48%，波动率保持在19.84%，最大回撤控制在10.34%，收益波动比高达2.24远超均线基准策略，且日度胜率优于指标平均水平。策略考虑了交割周期和长假影响，通过信号剔除强化了策略的稳健性，换仓频率也保持合理范围，手续费负担有限。

图表层面，多个关键图表和数据表支撑了报告核心论断，图7展示的策略净值曲线与回撤柱状图直观展现出策略出色的风险收益表现，图4-6和表1-3具体支持持仓量修正理论和实践的说服力。

总体来看，策略所依托的价量相关性技术分析因子及持仓量修正逻辑具有较强的理论基础与实证检验，方法白盒透明，零参数设计体现了东吴金工团队深厚的市场洞察力及量化研发实力。除策略本身优异表现外，其方法借鉴性和推广性也为未来其它期货品种量化研究提供了重要思路和范例。

在风险方面，策略依赖历史数据表现和特定交易规则，市场变革可能降低其有效性，且极端行情适用性尚需验证。投资者应结合市场动态和自身风险承受能力审慎应用。

综上所述，本报告呈现了一个基于高频价量相关性的创新CTA策略，兼具理论新颖性和实证可靠性，具备良好的市场应用潜力，是期货CTA策略研究领域的重要贡献。[page::0-11]

---

报告中关键图表示例：

• 策略回测净值表现（图7）

• 持仓量修正案例（图6）

• 期货持仓量“山谷”与“山峰”形态对比（图4 & 图5）

---

# 完毕

报告