2022年固收量化研究报告 活跃券的均线择时研究

一、移动平均线

技术分析是一种基于资产的历史价格、成交量等市场统计数据，对资产价格的未来走势进行 预测的一种方法。Aronson(2011)表明，技术分析研究金融市场中资产价格反复出现的模式，从 而达到预测资产未来价格的目的。因其方法简单明了，规律性强，因此在股票市场和 CTA 市场被 投资者广泛使用。

移动平均线作为最经典的技术指标之一，它衡量着某个资产在过去一段时间的价格平均水平 和走势，最初由 Joseph E.Granville 提出，其理论基础来自于道氏理论的“平均成本”，即一个 时间段的移动平均线代表了过去一段时间投资者在该股票上交易的平均成本。

给定一个周期参数?，简单移动平均线(SMA, Simple Moving Average)的公式如下：

从公式和示意图中可以看出，移动平均线使得资产价格在过去一段时间得到平滑，在一定程 度上可以过滤掉这段时间的震荡，从而捕捉资产价格在长期的趋势。另一方面，平滑效应也会带 来拐点的滞后，当趋势反转时，原始价格的拐点并不能立即体现在均线上，至少需要经过一个窗 口期才能体现在均线上。为了减弱均线的滞后性缺点，指数移动平均线 (EMA, Exponential Moving Average)被广泛使用，它为将临近当天的价格赋予更高的权重，是一种加权平均的方法， 公式如下：

均线策略的逻辑较为简单，并且验证起来也较为容易，只要有价格的历史数据就可以对资产 进行回测。在此之前，学界和业界已有不少研究讨论了均线策略在权益和商品市场上的运用,在不 同的市场、不同的品种、不同的时期效果均线的效果均有差异。

而对于高度机构化的、量价数据较为稀缺的中国债券市场，均线策略是否可以 通过择时而带来超额收益，仍然存疑。对于利率债的投资，尤其是长端利率债，大部分机构的主 流投资策略是通过判断利率的未来走势而进行波段择时。因此，基于量价数据的择时策略如果能 够在回测上取得较好的表现，则可以为投资者把握未来利率走势提供帮助。

因此，本文尝试探索均线策略在 10 年国开和国债活跃券利率上的择时效果。根据使用移动平 均 线 的 数 据 频 率 和 策 略 类 型， 我 们将 均 线 信 号 分 为日 间 交 易 的日频均 线和 日 内交 易 的 1h/30min/15min 均线，分别进行研究。最后，我们再尝试将日间均线策略和日内均线策略进行组 合，从而达到更优的择时效果。

二、日间均线策略

2.1 策略设计

对于日间均线策略，我们使用 10 年国开活跃券和 10 年国债活跃券的日频数据进行回测。策 略设计如下：

1) 回测资产：10 年国开/国债活跃券，切券历史基于 Wind 资讯对最活跃券的定义1。 2) 数据来源：个券日频的开盘价和收盘价数据以及中债收益率曲线数据均取自于 Wind 资 讯。 3) 回测区间：2016 年 3 月 1 日-2022 年 3 月 18 日，为了更科学地进行回测，我们采用 t 日的开盘价作为买入或卖出的价格( Wind 资讯从 2016 年 1 月开始有货币中介的开盘价 数据)。 4) 信号的生成：用 t-1 日以前的中债国开/国债即期收益率曲线 10 年利率的时间序列，计 算出 EMA 均线，若 t-1 日的利率从上往下穿过均线，则生成买入信号(收益率下行趋势 确认)，若 t-1 日的利率从下往上穿过均线，则生成卖出信号(收益率上行趋势确认)。下 图是以今年 2 月份以来的 10 年国开利率为例，对均线上穿下穿进行买入和卖出信号的 标识。 5) 这里只考虑做多现券，而不考虑做空的情况，即只有买入现券和卖出现券两种交易行为。 6) 在活跃券换券日，若有持仓，则以昨日收盘价平仓，并根据生成的信号继续在当日产生 新的交易。7) 在回测过程中，我们既记录投资现券的总收益(total return)，即考虑 carry 和 roll down 的总回报，也记录持仓过程中现券的总的收益率变化的累计盈亏(即剥离 carry 和久期逐 渐衰减的影响)，例如，持仓债券收益率下行 1BP，则记录赚得 1BP，反之亏 1BP。 8) 暂不考虑交易成本和税费因素。

2.2 回测结果

均线策略的参数只有计算均线的周期 N，因此本文针对不同的周期均进行了回测。

从国开的回测结果看，周期为 20 和 40 的日频均线具有较好的回测收益，年化收益率达 4.29% 和 4.13%,并且开仓胜率能达到 55%以上，交易频率也相对较长，平均 10-15 天产生一次交易。从 净值图上看，20日均线和40日均线在债市整体低迷的2016年和2017年也能录得接近0的回报。 但在利率来回震荡的 2019 年，收益不如一直持有现券多头。从事后看，在 2019 年的行情下，利 率不断上穿和下穿长期均线，均线的信号滞后性的弱点被放大。这种问题在今年目前为止的震荡 市中仍然有所体现，所有的均线策略均录得负收益。

从数据和交易逻辑上看，国债和国开具有高度的联动性，并且国开活跃券更能反映市场背后 的交易情绪。因此我们联想到，如果将国开利率的信号用于国债上，可能会提高国债活跃券的表 现。

将国开利率上穿下穿均线而产生的信号施加于国债活跃券上，仍然有不错的效果。 20 日均线和 40 日均线在收益和回撤上都好于多头策略，年化收益相较于多头可以提高 0.6%，并 且胜率和盈亏比均有一定程度改善。 总的来说，日间均线在择时上能获得不错的效果，尤其是 10 年国开利率的 20 日和 40 日均线 策略，但仍然存在回撤较大的缺点，并且在震荡行情下，信号容易产生滞后。

三、日内均线

3.1 策略设计

对于日内均线策略，我们使用 10 年国开活跃券和 10 年国债活跃券的日内快照数据进行回测。 策略具体设计如下：

1) 回测资产：10 年国开/国债活跃券，切券历史基于 Wind 资讯对最活跃券的定义。

2) 数据来源：活跃券的收益率时间序列取自外汇交易中心的 X-Bond 匿名报价快照数据(从 2019 年 6 月开始)。 以 2022 年 3 月 18 日的国开活跃券 220205.IB 行情为例，下图展示 了 X-Bond 的原始买一价和卖一价数据：

我们每日取 09：30 到 11：30 和 13：30 到 16：00 这两段交易密集的区间，过滤掉买 卖价差大于 0.5BP 的快照2，对买一和卖一取算数平均中间价，构成日内价格的时间序 列。并且基于此中间价，生成 15min/30min/1h 的 k 线。

3) 回测区间：2019 年 7 月 1 日-2022 年 3 月 18 日，因为可得的数据从 2019 年 6 月开始， 因此我们从 2019 年下半年开始回测。

4) 信号的生成：在交易密集时间(09：30 到 11：30 和 13：30 到 15：30)，每隔 30 分钟 计算过去一段时间 15min/30min/1h 的 k 线的 EMA 均线，若当前时刻的中间价从上往下 穿过均线，则生成买入信号(收益率下行趋势确认)，若当前时刻的中间价从下往上穿过 均线，则生成卖出信号(收益率上行趋势确认)。

5) 买卖价格：考虑到流动性极好的国开和国债活跃券在 X-Bond 的买卖价差很小，平均分 别只有 0.1BP 和 0.3BP，因此当出现交易信号时，以未来 30min 的 TWAP 中间价来作 为买入和卖出的模拟价格。

6) 这里仍然只考虑做多现券，而不考虑做空的情况，即只有买入现券和卖出现券两种交易 行为。

7) 在活跃券换券日，若有持仓，则以开盘价平仓，并根据生成的信号继续在当日产生新的 交易。

8) 暂不考虑交易成本和税费因素。

3.2 回测结果

本文分别尝试了 15min/30min/1h 的 k 线频率，并尝试了多种窗口参数 N，因各种组合数量较 多，这里展示的结果已经剔除掉表现较差的参数组合

从国开和国债的回测结果可以看出，1h 的 k 线频率的择时效果不佳，但使用 15min 和 30min 的 k 线来做日内均线策略能获得显著的超额收益，从收益率、波动率、最大回撤等各方面都优于 日间均线策略。在今年的震荡行情下，仍然有稳定的正收益。

但是，仍存在两个问题：一，日内均线的开仓胜率并未提高，因此它对择时的提高主要是通 过更快的交易来把握更短的波段。二，交易频率大大地超过日间均线，表现最好的“k 线 15min 频率+参数=10”的策略，交易频率高达 0.66 天/次，这意味着，经常会出现单日反复买卖的情况。

一方面，这表明日内价格会经常出现来回上穿下穿均线的情况，这会大大降低策略的胜率和 增加交易成本，另一方面，日内反向交易在某些金融机构的合规体系下也无法完成。因此，为了 降低交易频率，我们在下一部分对策略进行修正。

3.3 策略改善

为了改善交易频率过多的情况，我们参考了 Szakmary et.al(2010)的做法，对均线策略的逻 辑做了以下的修正，设定一个阈值 B，比如 0.25BP：

若 ???? < (???? − ?)，形成买入信号；

若???? > (???? + ?)，形成卖出信号；

若(???? − ?) ≤ ???? ≤ (???? + ?)，则维持当前仓位不变。

这样的修正使得信号的出现更加严格，从而从理论上可以降低交易频率。我们可以调整阈值 B 的数值，从而达到最优的效果。当 B 为 0 时，策略与传统均线策略等价。本文尝试了 B=(0, 0.1 BP, 0.25BP)。

回测结果表明，施加了阈值的参数后，交易频率的确得到了改善，但同时回报率也随着阈值 B 的增加而下降，但风险和回撤并没有恶化，因此选择 B=0.1BP 会使得策略表现较为平衡。更进 一步，我们还尝试施加每日交易次数的限制，即出现信号执行交易的最大次数上限， 来控制交易 频率。

以上结果显示，在施加了交易次数的限制以后，对于国开活跃券来说，施加 2 次交易限制仍 然表现较好，而只允许 1 次交易的情况下，只有“k 线 15min 频率+参数=(10,0.1BP)”仍然有较 好的表现，年化收益率达到 5.6%，而最大回撤只有 1%。而对于国债活跃券来说，交易限制的约 束使得日内均线策略的收益都降到日间均线策略附近，只有“k 线 30min 频率+参数=(20,0.1BP)” 表现稍好于日间均线策略，年化收益率达到 4.86%。

总的来说，日内均线策略通过增加日内交易次数，其择时的收益和风险都大幅好于日间均线 策略，但是交易频率过高会使得策略在主观上和客观上难以有施展的余地。通过添加阈值和客观 上限制交易次数的方法可以降低交易频率，从而在某些参数组合上达到较为平衡的选择。

3.4 国债期货的均线信号

除了 X-Bond 的日内数据，国债期货作为场内的利率衍生品，它的高频数据可得性更好，在 帮助投资者判断现券日内走势上常常能起到辅助作用。因此，本文还测试了国债期货价格的日内 均线是否能够对现券的择时有更好的效果。

本文通过国债期货主力合约的 15min/30min/1h 的 k 线来尝试均线信号，其他回测规则与 3.1 中的设定一样，数据来源是 Wind 资讯。

对于国债期货的均线产生的趋势信号，交易频率有所降低，但无论是对于国开还 是国债来说，开仓胜率、年化收益和最大回撤等指标都并没有比现券本身的均线策略更好。

在日常的投资中，我们会经常看到期货与现券的走势在某些时候会有所分化，期货在投资者 结构、做空成本、交易时间等方面均与现券有较大差异，因此在及时性要求很高的高频趋势策略 中，利用期货的产生的均线信号来做现券，可能的确不是最优的选择。

四、均线组合策略构建

在上一章，我们研究表明， 在波动率较低，整体偏震荡的行情中，日内策略仍然有着较稳健 的收益，而在利率波动较大的年份，如2020年，日间长均线策略性价比优于日内策略。那么，是 否可以寻求一些波动率的特征，将当前所处阶段进行分类，来帮助我们判断在当前的阶段应该采 用日间长均线策略还是日内短均线策略。我们这里尝试两种方法来结合两种策略：

第一种方法，简单组合策略。当市场处于日间长均线策略的多头阶段时，预示着当前利率正 在处于长期的下行波段，因此，仍然采用日间长均线策略直至卖出信号的产生。而当市场处于日 间长均线策略的空头阶段时，预示着当前利率正在处于长期的上行波段，此时采用日内短均线策 略来抓取日内的短波段。这样简单的结合，实质上是利用当前利率处在日间长均线的上方或下方 来划分阶段。

第二种方法是参考 Cheng et al. (2022)的做法。选用市场近期的波动率数据作为特征，通过 决策树模型来识别当前阶段应当使用长动量还是短动量策略。基于此方法，本文也尝试选用描述 债券市场波动的特征，包括 10 年国开利率近 5 日收益率变化的标准差、10 年国开近 5 日收益率 变化的绝对值均值、10 年国开活跃券近 5 日平均日内最大波幅、R001 利率近 5 日波动率、R007 利率近 5 日波动率，并将“未来 5 日日间长均线策略是否收益高于日内短均线策略”作为预测的 因变量，即：

从 2019 年 10 月开始，每周五使用 XGBoost 模型对上述的特征和因变量的日频数据进行训练 和调参，并预测未来 5 日应当使用的策略，从而在下周采取该策略。

对于国开活跃券来说，我们选用上一章较为平衡的“k 线 30min 频率+参数=(20,0.1BP)+限制 交易次数=1 次”作为日内短均线策略；对于国债活跃券，我们选用“k 线 15min 频率+参数 =(10,0.1BP)” 作为日内短均线策略。而日间长均线策略均选用 EMA20 的日频均线策略。

结果表明，对于国开活跃券来说，简单组合策略和 XGBoost 组合策略均能提高收益，并 平衡日间和日内两种策略的胜率、交易频率和盈亏比，从提升的幅度来看，简单组合策略提高的 更多。对于国债活跃券来说，简单组合策略和 XGBoost 组合策略同样也提高了收益，从回撤幅度 和提高收益幅度的效果上看，XGBoost 模型的组合策略更加有效。这说明，通过 20 日国开利率 均线来识别未来应当使用何种策略是一种较为直观、有效的方法，而使用 XGBoost 模型来实现分 类问题的效果会因券种不同而不同，这可能与刻画波动率的特征有关。

五、总结

本文对日频均线策略、日内均线策略以及两种均线的组合分别进行了研究。以 10 年国开利率 20日、40日均线为信号的日频策略收益大幅好于现券多头，交易频率也较低，但总体回撤较大， 其信号的滞后导致在震荡行情中表现不佳。基于日内的 15min 和 30min 的 k 线构成的均线策略， 能够极大提高收益，并且显著降低回撤，但有交易频率过高的问题，通过施加阈值参数和限制交 易能在一定程度上减缓此问题。最后，我们尝试了两种方法来组合日频和日内均线策略，一是通 过 20 日国开利率均线来判断未来采用策略的简单组合策略，二是寻求波动率的特征并通过 XGBoost 模型来实现策略分类问题，两种方法均能提高收益，并且在各项风险指标上平衡两种均 线策略，增强幅度在不同券种有所差异。

日内均线策略受制于数据长度问题，历史回测区间较短，因此能否在未来有稳健的表现仍然 有待时间的验证。对于高度机构化的利率债市场，随着基础数据的越来越完善，相信量化方法能 为投资者对利率的研判提供越来越多的支持。

编辑：123木头人