阿程量化交易

【公開量化交易策略 1 (夏普率1.4)】

Added 2024-02-18 17:01:06 +0000 UTC

由今期開始，我們團隊會每個月發放至少兩個 Sharpe ratio 1.2 以上的交易策略及公開其交易邏輯。目標是讓大家學會從一個量化基金交易員的經驗去研發新的交易策略及構想策略思維。

以上是一個夏普率 (Sharpe ratio) 1.4 的交易策略，用了我以往 12 種 alpha 發掘方法的其中一項來研發的。

交易策略邏輯:

1. VIX 指數 (以收市價計) > 15 (太低代表市況沒太大波動，買了也沒什麼升幅。而VIX在以上14年間平均約為18)

2. VIX 日回報率 > -5% (基本上VIX不是大跌的情況下就附合條件。VIX大跌，第二天SP500跌的機會在統計上有微增)

3. S&P500 指數處於 52週高位的 80th percentile 以下 (即指數處於未算是一年內頭20%的高位水平，減低高位暴跌機會)

當 1+2+3 都附合，在收市買入S&P500 ETF或S&P500 期貨 (回報略有差異)，並在下一個收市賣出。非常簡單的邏輯。

回測結果:

複合年回報(CAGR): 10.12%

夏普率(Sharpe Ratio): 1.4

最大回撤(Maximum Drawdown): -17%

平均持倉時間: 29%

持倉風險調節後回報: 34.9%

以前我跟朋友說的時侯他們也不相信簡單的策略可以有好回報。我常常反證，如果你早十年買入NVDA，並持有到今天，回報也一定高，所以策略的複雜性的高低不是最關鍵，關鍵在於您想捕捉的回報類型(Returns type) 是否有高度競爭性(Competitiveness)。

例如，買入NVDA並持有一段長時間，此回報類型的競爭性是極低的，因為如果我的目標是買入並長線持有，我心入面要求的升幅「應該」最少是幾倍什至更多，即使市場有極多對手在我準備買入NVDA時與我的想法一樣，而我的真實買入價又假設比他們差，其實對一隻最後升幅過百倍的股票來說，較差的買入價佔總回報的影響是相對低，所以策略複雜程度不需要高。

但我做高頻交易，如果我的策略不夠複雜 (或者不應該說是複雜，而是更全面的考慮了不同市況去製定回報風險比高的策略)，恐怕在那納秒(nano-second)之間我想得到的回報已經被對手完全吃掉，那這種回報類型的競爭性當然是極高，而複雜程度也更高。

那你可能問，上面用VIX去交易SP500的策略，可以怎樣好好利用? 當然一個策略是不行的，要多種策略，多個市場去做交易，回報才能較易穩定向上。原因是在一個市況下，可能有6個策略是賺錢，4個是蝕錢，那麼只要這10個策略在不同市況下，總賺比總蝕的多，那就做到穩定向上而MDD低的成績了。所以這就是為什麼這麼多人說要分散投資，其實意思是買賣的資產要夠多，而且交易策略的類型也要夠多元化。

在下一篇，我亦會逐步寫下12個步驟，去描述我以前在量化基金入面是怎樣發掘﹑調整及回測 Alpha 策略，希望大家喜歡，最重要的是希望大家可以給我一些感想，令我也可以有新的啟發，做出更多好的策略。