3个步骤了解逆点差交易

有瞭解趨勢跟蹤概念的都知道, 有效的趨勢跟蹤是移動止損水準, 並且不設置止贏. 持有頭寸直到趨勢改變前或觸發訂單時. 在選擇好正確的入場點後, 交易者將頭寸轉移為不限制盈利的狀態, 降低投資者心理壓力. 這樣我們就可以長時間持有頭寸. 這樣會降低客戶的日內手續費. 這種方法也非常容易使用, 而且可以使得手續費最小化. 該策略是利用市場慣性的特點, 使客戶從長期和大規模的趨勢中獲利

這一策略的不足是長時間的低波幅震盪, 以及系統外部的事件改變市場狀態. 我們為您介紹個人工具 - PCI的逆點差交易, 幫您一方面尋找新的穩定趨勢的區域, 同時還可以對沖系統風險.

I. 第一步. 基礎的假設

點差交易的資產 - 屬於同一市場的競爭對手. 兩個對手資產幫您把系統風險將至最低, 即降低市場風險. 在表格中給出了幾個例子: COFFEE/COCOA, F/GM, FCATTLE/SOYB, Google/Apple, NATGAS/BRENT. 這些工具的交易通過 NetTradeX平臺操作的, 形式上類似交叉貨幣對（比如EUR/CHF）. 但是使用關聯資產降低食品, 汽車或高科技商品等行業的風險. 在理想的情況下, 如果兩個資產具有同樣的市場靈敏性, 那麼該資產組合是屬於中性的, 主要取決於對比的資產特點.

比如說, 在世界經濟衰退下, 高科技產品的需求大幅下跌. 如果我們持有Google的多頭, 這一定會是虧損的. 而如果您 買進GOOG/AAPL 的話, 兩個資產同時下跌, 但是"交叉匯率"是有可能上漲的. 而這種情況只有在Google比Apple有更加穩定的情況下.

圖示1. 對手資產例子

圖示1. 關聯資產的例子

這裡, 我們假設資產擁有正常的相關性, 那麼基礎資產上漲, 報價資產也是上漲的, 即他們具有正相關性. 事實上, 當食品處於長期上漲, 這會導致咖啡和可哥豆上漲. 我們不考慮競爭. 系統因素明顯的影響是在月甚至更長的時間週期內. 我們要分析的是更加頻繁的交易時段: D1, W1.

讓我們分析對手資產的反向關係. 表格上所有的工具都是屬於這一類. 我們尋找可以簡單說明基本面狀況的工具, 這樣競爭具有更加明顯的有效性.

例子 1:

使用大豆作為肉的替代品, 肉和大豆的需求可以是互相代替的. 在供應不變的條件下這可能會引起牛肉期貨#C-FCATTLE和大豆期貨#C-SOYB的反向關係. 因為供應是慣性的, 相對需求來說它的影響是緩慢的. 我們的假設: 穩定市場供求, 大豆期貨的價格上漲會引起牛肉期貨價格的下跌, 反之亦然. 這主要取決於消費者的收入(大豆 - 便宜的替代品), 健康飲食的流行, 素食主義等等.

其他的基本面因素對於交易來說不是主要的. 因此我們會將重點放在區別上. 使用逆點差交易會大大簡化基本面分析 (!).

例子2:

同樣有趣的是分析混合的對手資產 - 例如可口可樂公司的股票#S-KO和濃縮橙汁期貨#C-ORANGE. 值得一提的是, 當前天然的橙汁比可口可樂公司的碳酸飲料貴1.5-2倍. 這就可以解釋, 為什麼 自經濟危機開始以及在2007-2012年期間濃縮橙汁的消費縮減了14.7%, 而可口可樂公司的收入卻比危機前上漲快50%(2007-2012). 如果比較#S-KO和濃縮橙汁期貨, 那麼情況就很明顯了. #S-KO股票在2007.08-2013.08期間上漲46%, 而#C-ORANGE僅上漲2.6%.

在健康生活理念加強下, 碳酸飲品的需求被取代. 相反的情況是, 例如在經濟危機情況下速食產品的需求增長. 這一傾向可以用於加強#S-KO 和 #C-ORANGE的反向關係.

第二步. 預測的統計測試: 資產的相互運動

在作出了基礎的假設之後, 我們需要尋找合適的市場情況. 我們目標是週期, 可以明顯的反映出對手資產的反向關係. 最簡單的指標是使用相關係數.

相關係數 r 顯示被分析資產的線形相關性水準. 係數r取值範圍是 [-1,1], 或 -100% 到100% 的百分數. 當系數值接近100%, 資產價格變化的相關性近似為下列關係:

_ΔA ₂ = _ΔA ₁ * k (1)

這裡_ΔA ₁ - 資產1價格變化的絕對值, 而 _ΔA ₂ - 資產2價格變化的絕對值. 參數k 當前為常數: k > 0.

當相關係數為負值時: k < 0 , 基礎資產的價格上漲導致報價資產的價格下跌, 相反依然. 如果係數 r 臨近 -100%, 那麼價格的變化可以表示為以上的公式, 並且k < 0. 這正是點差交易最吸引人的地方- 競爭關係. 當工具的價格具有小幅的斜率, 將傾向於趨勢方向 - 綜合工具擁有趨勢性 - 這將在下面為您介紹.

為尋找逆向點差, 我們使用MT4軟體中的 相關係數指標 (r). 比如分析交叉工具對#S-KO/#C-ORANGE, 在視窗上部輸出的是可口可樂公司股票. 窗口下部是指標Ind_Correlation.mq4. 在參數中依次為第一個資產, 第二個資產和週期, 對於每一個我們計算相關係數 - 即完成統計分析所需要的條數. 統計量取決於投資期限和對應的其他指標的參數.

以下舉例分析 FCATTLE/SOYB (凍牛肉/大豆), 我們利用13日的週期. 自2014年5月份開始指標信號低於關鍵水準0%, 在6月初時達到-92%. 我們研究係數低於0%的逆點差, 資產對的相關係數低於0%. 給出的圖表證實了在13日的週期內, 資產的反向相關性, 以及預計穩定的趨勢波動.

讓我們看看交叉工具對的波動, 基礎資產為#S-KO, 牌價資產為#C-ORANGE, 需要的是這兩個資產的相關係數接近-100%水準（比如低於 -90%波動）:

如果基礎資產在分析的圖表上加強並且按照對應關係(1)報價資產下跌, 那麼逆點差的絕對值為方程式(3):

圖示1：冷凍牛肉和大豆期貨價格變化的關聯

公式分子對應的是報價資產的價格相對變化_ΔA₁. 那麼資產對的波動性比相對報價資產的波動高 α 倍:

相關係數距離極限值-100%越近, 資產對的波動比報價資產的波動越高. 正是α-效應

但在離開通道後是否保證穩定的趨勢? 假設_ΔA₂< 0, 相關係數_ΔA₂ 和_ΔA₁離-100%的水準很近, 並且報價資產在基本面的原因下向下: _ΔA₂< 0. 這一定引到基礎資產A₁並係數α 的上漲. 二者資產的小幅移動引起波動的非線上漲並產生走勢. 在該情況下, 跟蹤趨勢的戰略比較有效的.

III. 第三步. 工具對的技術分析和頭寸

在圖1中我們可以看到, 2014年5月相關係數穿過了0%水準. 5月14日前係數下跌至歷史最低值-92%, 按照關係(3), 這樣的情況必然引起工具對的波動上漲. 波動上漲更新最高/最低值並有跟蹤趨勢的新水準.

在圖2中可以看到#С-FCATTLE/#C-SOYB的工具對, 它是建立於NetTradeX 之上. 利用了PCI 的投資組合報價法. 創建工具只需要10分鐘和點擊7下滑鼠.更詳細的PCI工具介紹, 您可以點擊 這裡.

圖.2. 合成工具FCATTLE/SOYB的圖表: D1

請注意, 5月5日價格突破了分形水準, 即關鍵阻力位. 這表示 擁有慣性的需求替代的基本機制決定了逆點差的上漲. #С-FCATTLE 和 #C-SOYB的百分比圖表證實了這一點. 在圖3上可以看到冷凍牛肉是個人綜合工具上漲的強大推動力. 但是工具對的上漲加速與基礎資產#С-FCATTLE的不同, 因為阿爾法的作用(如上所述), 相關係數畢竟接近-100%的水準. 突破阻力線和相關零度的水準後, 可以開立多頭頭寸. 那麼, 相關係數作為附加的隨機指標.

今後的趨勢跟蹤是按照價格移動方向移動止損. 我們可以選擇新上漲的比爾威廉姆分形或者按照抛物線指標移動止損. 開立 PCI的空頭頭寸同理.

我們還用 Ind Correlation 為強制平倉. 該指標回到上半平面, 我們就平倉出場. 這樣的戰略由於幾個原因. 第一: 指標只有在零度下波動才會有效. 第二是相關係數在零度下波動, 才可以對沖系統的風險.

圖3. FCATTLE和SOYB合成工具的圖表.

讓我們假設, 商品期貨市場出現了系統性的變化(人道主義危機, 世界經濟退縮), 這會導致肉類和糧食的需求突然下降. 那麼市場指數的變化決定了每個交易工具:

每個係數 β₁ 和 β₂比值是正數

那麼收益絕對值的關係為下列公式(6):

這樣的情況明顯不適合具有反向關聯的資產, 即由關係(1-3)確定的資產. 正是這樣原因, 逆點差的相關分析的利用使得可以有效的對沖和預防市場的系統風險.