量化策略:如何利用死貓反彈獲利?
股市遭受重挫後會發生什麼?本文發現,股市重挫後往往會發生“死貓反彈(dead cat bounce)”,但接下來第二天會繼續下跌。針對國際市場,我探索了一種交易策略,旨在從死貓反彈後的行情中獲利。
本文來自《資料黑客》,登入官網可閱讀更多精彩資訊和文章。
什麼是死貓式反彈?
大多數交易員都熟悉“死貓反彈(dead cat bounce)”:在股票價格大幅下跌後短暫的反彈修正,隨後繼續進一步下跌。但是什麼時候價格會反彈,什麼時候會重回下跌通道呢?
使用美股的日圖價格資料,我研究了單日跌幅在-10%或以上的所有股票。
prices = get_prices("usstock-1d", start_date="2018-01-01", end_date="2019-01-01", fields=["Close", "Open"])
closes = prices.loc["Close"]
opens = prices.loc["Open"]
big_losers = closes.pct_change() <= -0.10
然後,檢查第二天的收益率,將它們分為隔夜(收盤價)和盤中(開盤價)收益。
oc_returns = (closes - opens) / opens
co_returns = (opens - closes.shift()) / closes.shift()
oc_returns = oc_returns.where(big_losers.shift())
co_returns = co_returns.where(big_losers.shift())
繪製收益曲線可以發現,在遭受鉅額虧損之後,股票平均每晚增長40 BPS,但在第二天的交易中平均損失超過50 BPS。
交易策略
當股票下跌10%或更多時兩種可能的交易策略:
- “死貓反彈”策略:收盤時買入股票,第二天開盤後平倉。
- “死貓掉落”策略:第二天開盤後做空股票,收盤時平倉。
這兩種策略都面臨不同的挑戰。收盤買入面臨的挑戰是,我們使用收盤價來衡量10%的跌幅,當策略發出價格重挫的訊號後,股市已經收盤,無法再買入。為了解決這個問題,需要使用日內資料,並根據收盤前不久的價格來計算漲跌幅。這留給讀者作為練習,本文的剩餘部分將重點討論“死貓掉落”的策略構想。
第二天開盤做空的挑戰來自美國證券市場。一日下跌10%會觸發SEC規則201,也稱為替代加價規則或賣空熔斷器。該規則在股價下跌當天和第二天生效,它限制了賣空,除非賣空的價格高於全國最佳買入價(national best bid)。該規則使我們無法確定訂單是否會得到執行,從而削弱了回測結果的可信度。
在國際市場測試“死貓掉落”策略
SEC規則201不適用於國際市場。因此,我建立了一種Moonshot策略,當股價下跌10%之後的第二個交易日開盤後進場做空並持有到收盤。使用EDI的無倖存者偏差資料,我在Interactive Brokers(盈透證券)的10個最大的非美國市場上測試了該策略:
- 比利時(布魯塞爾泛歐交易所)
- 加拿大(多倫多證券交易所)
- 法國(巴黎泛歐交易所)
- 德國(Xetra)
- 香港(香港聯合交易所)
- 日本(東京證券交易所)
- 荷蘭(阿姆斯特丹泛歐交易所)
- 瑞典(納斯達克北歐斯德哥爾摩)
- 瑞士(六個瑞士交易所)
- 英國(倫敦證券交易所)
回溯樣本是2007年至2017年,總夏普比率為1.3。各個市場的表現各不相同,日本是表現最強勁的市場,夏普比率為1.1。
初始測試並沒有考慮交易成本和賣空限制。省略交易成本可以更輕鬆地確定基本假設是否合理。如果一開始就將這些成本包括在內,將無法區分沒有alpha的策略和有alpha但由於技術限制而無法盈利的策略。瞭解這一區別很有用,如果問題是技術性的,則可以解決它,例如修改對佣金敏感的策略以減少交易頻率。
多國回測的目的
進行多國回測有兩個目的:
- 首先,它有助於確定策略最有效的特定市場,因此我們可以將後續研究重點放在該市場上。
- 其次,它通過展示其廣泛應用來幫助驗證交易想法。在多個全球市場上表現良好的回測比在單個市場上進行測試的回測更強大。即使我們隨後將注意力集中在最有潛力的市場上,該策略在其他市場上的表現也會增強或削弱我們對交易想法有效性的信心。
賣空限制的影響
在上述測試的國家中,日本似乎是“死貓掉落”策略最有潛力的國家。接下來,我對日本股市進行了更符合現實的樣本外回測。
除了交易佣金之外,我還測試了賣空限制的影響。到目前為止,我們假定可以做空任何想要的股票,但是事實並非如此。我們只能在經紀人有足夠的存貨的情況下做空。QuantRocket維護著一個來自Interactive Brokers的賣空資料儲存庫,該資料可追溯到2018年,並提供了在任何給定時間可以做空的任何給定證券的股票數量。下圖顯示了回溯結果:
儘管該策略的兩種變體都有利可圖,但賣空限制極大地降低了策略的利潤。
結論
單日下跌10%的股票往往會“死貓反彈”,但反彈後會恢復下跌。儘管SEC規則201使得在美國市場上賣空這些股票很困難,但我們可以在國際市場上踐行該策略。
要找到有利可圖的策略,就必須確定最適合策略特徵的市場。尋找Alpha(超額收益)的交易者不應該侷限於美國市場,而應該儘可能擴大研究範圍。
來源:QuantRocket
作者:Brian Stanley
翻譯校對:資料黑客
原文標題:What Comes After a Dead Cat Bounce?
資料黑客:專注金融大資料,聚合全網最好的資訊和教程,提供開源資料介面。
我們聚合全網最優秀的資訊和教程:
- 金融大資料
- 機器學習/深度學習
- 量化交易
- 資料工程
- 程式語言,Python,R,Julia,Scala,SQL
我們提供開源資料介面:
- 下載國內和國外海量金融資料
- API介面,將資料整合到您的平臺
相關文章
- 如何利用 Google AdMob從應用獲利?Go
- 傳統量化策略 VS. AI量化策略AI
- AI量化策略,我該如何理解你?AI
- 小企業如何利用區塊鏈和大資料獲利?區塊鏈大資料
- DNS反彈ShellDNS
- canvas 碰撞反彈Canvas
- 量化交易 價量突破策略
- 經典量化策略——雙均線策略(期貨)
- 龍哥量化:期貨日內波段策略,利用量化程式自動浮盈加倉,自動止盈止損。
- 利用App漏洞獲利2800多萬元,企業該如何避免類似事件?APP事件
- 量化基金投資常用策略簡介
- 【量化交易】頂底分型策略
- 汽車行業2017年中期策略:自主品牌崛起助力行業反彈行業
- Python反爬:利用js逆向和woff檔案爬取貓眼電影評分資訊PythonJS
- Dapr 彈性的策略
- 黑客利用病毒挖門羅幣 已獲利60餘萬黑客
- 黑客利用病毒挖門羅幣 已獲利 60 餘萬黑客
- AI時代 IT工程師如何利用自身優勢做量化投資AI工程師
- 如何利用策略模式優化表單驗證模式優化
- 利用粒子群優化演算法(PSO)來優化vnpy的量化策略引數優化演算法
- iOS專家鄧淳解讀:當下如何利用蘋果的規則為產品獲利iOS蘋果
- 再談量化策略失效的問題
- 量化交易:日內迴轉交易策略
- 量化交易系統開發app,量化馬丁策略交易平臺搭建APP
- 如何使用Tushare+ Backtrader進行股票量化策略回測
- 均值迴歸策略在A股ETF市場獲利的可能性
- 反爬蟲應對策略爬蟲
- 用Unity實現彈反效果Unity
- 反彈shell不成功排查
- 幣安鏈量化交易策略機器人系統開發規則丨高頻策略量化交易模式機器人模式
- 幣幣量化/合約量化/跟單交易系統技術開發/量化跟單策略方案
- 量化交易:大盤擬合穩定突破策略
- 利用分治策略解題
- 【現貨量化跟單】合約量化策略開發/秒合約系統策略開發(技術詳情)
- python簡單遊戲-反彈球Python遊戲
- 菜油C浪反彈開啟了
- BTG(bitcoin gold)受到51%攻擊,攻擊者利用雙重支付獲利Go
- 黑客利用存在 5 年的漏洞感染 Linux 伺服器並獲利黑客Linux伺服器