1、技術分析流派中，道氏理論的歷史久遠，聲名遠揚。在 Charles H. Dow 創(chuàng)立道氏理論之后，發(fā)展至今已有 100 多年的歷史。無論是學者還是投資者都持續(xù)的進行著總結(jié)與補充，道氏理論也逐步在被豐富和完善。道氏理論是趨勢跟隨類策略的一種，國信金工團隊基于股指期貨市場的開盤動量效應提出的基于開盤動量效應的股指期貨交易策略便借鑒了這一思想。本文將系統(tǒng)地梳理道氏理論對于趨勢的描述及刻畫，對其中偏定性或較模糊的定義，盡可能通過簡潔清晰的度量方法，構(gòu)建出基于道氏理論的商品期貨交易策略。Charles H. DowCharles H. DowCharles H. Dow（Charles Henry Do

2、w）在金融領域功勛卓越。Dow 最初的夢想是想做一名出色的記者，也曾在報社工作。后因機緣與 Edward Jones 相識，兩個年輕人一起創(chuàng)立了道瓊斯公司。起初在每天下午為華爾街的投資者提供兩頁紙的金融新聞摘要，他們將之命名為“the Customers Afternoon Letter”，后來慢慢壯大，道瓊斯公司至今仍在金融市場享有巨大影響力。Dow 與 Jones 還曾想到，要用一些比較有代表性的股票走勢來表征市場，于是他們于 1884 年 7 月 3 日首次提出了用了 11 個上市公司（9 個鐵路公司，2 個非鐵路公司）將股票價格簡單求和得到了道瓊斯指數(shù)，即股票市場的平均價格指數(shù)。雖然現(xiàn)

3、在股票市場的指數(shù)日益增多，但他們是股票指數(shù)的鼻祖。1889 年， 道瓊斯公司就有 50 名左右的員工， 于是他們認為是時候?qū)ⅰ皌he Customers Afternoon Letter”轉(zhuǎn)為一份正式的報紙了。于是，1889 年的 7 月 8 日 Dow 創(chuàng)辦的華爾街日報誕生了，Dow 主要負責編輯工作，而 Jones 則負責一些管理工作。華爾街日報很快成為投資者重要的參考信息來源，值得一提的是，Dow 也會將他對股票投資的思想和理論發(fā)表在了華爾街日報上。道氏理論歷史道氏理論是基于價格變動的技術分析方法之一，他所不同于其他技術分析流派的地方在于，道氏理論不是簡單的對價格進行定量分析，這里面蘊含

4、了 Dow 的方法論和他對市場的思考。Dow 于 1851 年至 1902 年陸續(xù)在華爾街日報中登載他對市場的理解以及相關思想。他并沒有系統(tǒng)的進行過整合，他的思想像珍珠一樣散落在華爾街日報的歷史期刊中。于 1903 年，Samuel Armstrong Nelson 首次將 Dow 發(fā)表過的文章進行整理，并出版了The ABC of Stock Speculation，其中大部分章節(jié)都是 Dow 的文章。這也是首個在書中提到“Dows Theory”這一說法。隨后 William Peter Hamilton 對 Dow 的思想進行了系統(tǒng)的整理，出版了The Stock Market Baro

5、meter，并正式命名 Dow 的思想為道氏理論（The Dow Theory）。后續(xù)人們不斷進行總結(jié)和提煉，其中比較有代表性的文章和書籍為 Robert Rhea于 1932 年發(fā)表的The Dow Theory以及 Richard Russell 于 1961 年發(fā)表的The Dow Theory Today。下面我們將對道氏理論進行回顧，對核心問題進行梳理和提煉。道氏理論道氏理論基本假設及定義道氏理論內(nèi)涵較多，主要包括了 Dow 對于市場的理解以及對股票價格運行模式的思考。本文我們將重點關注在 Dow 對市場趨勢的描述中。Richard Russell 于 1961 年發(fā)表的The Do

6、w Theory Today一書中，第二章： “What Dow Wrought”中整理了道氏理論的 10 個關鍵要素，其中第 5 條闡述了對市場趨勢的定義：如果出現(xiàn)連續(xù)的極值點（低點以及高點）上升，那么市場將處于上漲趨勢中。反之，出現(xiàn)連續(xù)的極值點（低點以及高點）下降，那么市場將處于下跌趨勢中。國信金工團隊于 2021 年 5 月 13 日發(fā)布的基于開盤動量效應的股指期貨交易策略，這里面我們定義開盤上漲或下跌的趨勢，便是遵循了這一思想。圖1：鐵礦石 K 線及較大周期極值點圖2：鐵礦石 K 線及較小周期極值點資料來源：Tinysoft，整理資料來源：Tinysoft，整理在接下來的研究中，我們將

7、以鐵礦石（I.DCE）為例進行說明。從圖 1 中可以看到，隨著鐵礦石價格的一路上漲，其低點以及高點也呈現(xiàn)出依次上升的狀態(tài)。這與道氏理論中所表述的低點依次上升且高點依次上升的情況相符合。從上述對于趨勢的定義中我們可以看到，盡管看起來非常直觀，但是在實際進行落地時則會遇到下述三個問題：在同一個 K 線頻率下（如本文使用 15 分鐘 K 線），仍存在如圖 1 所示跨周級別的周期趨勢，也存在如圖 2 所示跨日級別的周期趨勢（其中圖 2 所示 K 線圖為圖 1 中藍色方框部分）。因此我們?nèi)绾吻逦慕缍ó斚滤広厔轄顟B(tài)則有待解決。在連續(xù)極值點上升的過程中（如圖 1 所示），仍可能出現(xiàn)連續(xù)極值點下降的情況（

8、如圖 2 所示）。導致這種現(xiàn)象的原因，一方面是由于對當下趨勢界定的標準不同，另一方面是對極值點的判斷較為主觀，標準不一。因此，我們需要系統(tǒng)化的對極值點進行描述。無論較大周期級別的趨勢，還是較小周期級別的趨勢，都會有轉(zhuǎn)向的時點，在趨勢轉(zhuǎn)折時如何進行處理也是實盤策略中需要考慮的問題。下面我們則就上述這些問題進行研究，在道氏理論的基礎上通過更加定量化的方式構(gòu)建基于道氏理論的商品期貨交易策略。道氏理論的量化表達前面我們對道氏理論的歷史以及道氏理論對于趨勢的判斷進行了整理和分析，不難發(fā)現(xiàn)，在使用道氏理論進行策略構(gòu)建時仍有許多細節(jié)需要處理。圖3：策略構(gòu)建框架資料來源：繪制如圖 3 所示，本文我們將通過經(jīng)典

9、的 MACD 指標對趨勢進行初步判斷，判斷市場處在上升趨勢還是下降趨勢，后利用道氏理論對趨勢拐點進行修正。在開倉時點的確認上，我們利用道氏趨勢與市場上升或下降趨勢是否共振進行判斷，若共振則確認市場狀態(tài)，開倉交易。上升趨勢與下降趨勢本節(jié)我們將對市場趨勢進行初步判斷，在對市場趨勢進行判斷時如果直接使用 K線進行計算則會引入噪音。這里我們使用經(jīng)典的 MACD 指標對市場趨勢進行初步判斷。利用 MACD 進行趨勢判斷最早由 Gerald Appel 于 1970 提出的，下面我們將對這一指標進行簡要介紹。MACD（Moving Average Convergence/Divergence）指標可以用來

10、解釋市場運行的方向，是動量類指標的一種。其基本原理是使用均線之間的距離對噪音進行過濾，從而提取趨勢。具體計算方法為，首先，使用 12 根 K 線計算的短均線 MA（12）減去使用 26 根 K 線計算的長均線 MA（26），這里為使均線更加平滑或者延遲性更低，可使用非簡單均線的不同濾波手段，如 EMA（Exponential Moving Average）以及 WMA（Weighted Moving Average）等。 = (12) (26)其中，MA 為移動均線，括號中為計算均線時使用的 K 線數(shù)量。這里使用的是MACD 指標的默認參數(shù)。當 MACD 向上穿越信號線一定閾值時，則可判斷當前

11、市場處于上升趨勢，當MACD 向下穿越信號線一定閾值時，則可判斷當前市場處于下降趨勢。其中，信號線（Signal Line）為 MACD 指標 9 根 K 線的移動平均。這里的均線計算方法應與前述計算 MACD 時所使用的均線計算方法相同。 = (9)其中， 為信號線，為 MACD 指標的移動均線，括號中為計算時使用的 K 線根數(shù)。這里也是使用的默認參數(shù)。可以看出，信號線為 MACD 的移動均線。圖 4 所展示的是鐵礦石的 K 線圖、MACD 以及信號線。圖4：鐵礦石 K 線圖、MACD 及信號線資料來源：Tinysoft，整理從圖 4 可以看到，MACD 與信號線的穿越過程不都是十分清晰的，

12、有時會有短時間的糾纏。我們稱這樣的穿越為“偽穿越”，在實際交易中不僅僅會增加交易成本，還有可能錯失良好的趨勢機會。為避免“偽穿越”，我們將 MACD 與信號線的累計穿越距離加入一個閾值，即當 MACD 上穿信號線累計距離突破閾值后，市場可被初步判斷為上升趨勢，當 MACD 下穿信號線累計距離突破閾值后，市場可被初步判斷為下降趨勢。其中，MACD 與信號線的累計穿越距離計算方式如下： = =, , , 1 0, 1 + , , , 1 0其中， 為信號線，為 MACD 與信號線的差值，為MACD 與信號線的累計穿越距離。當 MACD 初次穿越信號線時，MACD 與信號線的累計穿越距離即為當前 M

13、ACD與信號線的差值，后隨著 MACD 穩(wěn)定在信號線一方，MACD 與信號線的差值則進行累計，可以得到 MACD 與信號線的累計穿越距離。我們使用 MACD 與信號線的累計穿越距離是否超過一定閾值，來判斷市場是否處在上升、下降趨勢。當 MACD 上穿信號線后，累計穿越距離大于一定閾值時，市場處在上升趨勢，當 MACD 下穿信號線后，累計穿越距離大于一定閾值時，市場處在下降趨勢。具體公式如下：上升趨勢： 下降趨勢： 其中，為 MACD 與信號線的累計穿越距離，為設定的閾值。這里的閾值通常被設定為真實波動幅度均值（Average True Range，ATR）。其中，ATR指標的具體計算公式如下所

14、示： = Max ( ), ( = ), ( ) = 1 =1其中，為真實波動幅度（True Range），用于衡量每日的價格波動幅度，ATR則是的移動平均值。因此上述市場趨勢的初步判斷可以寫為：上升趨勢： 下降趨勢： 其中，為 MACD 與信號線的累計穿越距離，為真實波動幅度均值。我們稱本節(jié)所介紹的判斷市場處在上升、下降趨勢的方式為初步趨勢判斷策略。圖5：鐵礦石初步趨勢判斷策略凈值表現(xiàn)資料來源：Tinysoft，整理圖 5 展示的是利用鐵礦石合約進行初步趨勢判斷策略的凈值表現(xiàn)。可以看出，利用 MACD 的特性來對上升、下降趨勢進行判斷長期可以獲得正向收益。但是收益的穩(wěn)定性不強，且回撤較大。表

15、1：鐵礦石初步趨勢判斷策略績效分年度統(tǒng)計策略收益最大回撤夏普率波動率Calmar月度勝率201425.71%18.06%1.1123.16%1.4258.33%20159.92%22.93%0.2737.28%0.4341.67%201625.61%15.18%0.8131.62%1.6950.00%201765.83%21.40%1.9933.13%3.0866.67%20188.36%15.75%0.3127.26%0.5350.00%2019-11.67%23.97%-0.3731.45%-0.4933.33%202077.02%13.26%2.9426.19%5.8166.67%202

16、1-19.07%22.48%-0.6728.35%-0.8533.33%2022072929.28%11.31%1.1126.48%2.5971.43%全樣本期20.59%32.39%0.6929.84%0.6451.92%資料來源：Tinysoft，整理表 1 對鐵礦石合約的初步趨勢判斷策略的績效進行了分年度統(tǒng)計。其中，策略年化收益為 20.59%，夏普率為 0.69，Calmar 為 0.64。因此，我們可以看到利用 MACD 對于市場趨勢的判斷具有有效性，但要想增加策略的穩(wěn)定性，對市場趨勢還需要進一步判斷和驗證。拐點判斷前面我們基于 MACD 指標對市場是否處于上升、下降趨勢做出了判斷，

17、但是由于 MACD 指標具有一定的滯后性，因此只通過 MACD 指標有時對于行情拐點的判斷會出現(xiàn)延遲。圖6：鐵礦石價格及上升趨勢拐點圖7：鐵礦石價格及下降趨勢拐點資料來源：Tinysoft，整理資料來源：Tinysoft，整理圖 6 所展示的是鐵礦石最高價、最低價以及收盤價走勢，可以看到，價格一路下跌后有小幅上揚。通過我們對市場趨勢的初步判斷，將這段行情劃分為下降趨勢轉(zhuǎn)為上升趨勢后轉(zhuǎn)為下降趨勢。我們可以直觀地從圖中看出，被初步判斷為上升趨勢的部分，價格走勢整體呈現(xiàn)出下跌狀態(tài)。借鑒道氏理論中的定義，這部分價格持續(xù)創(chuàng)出新低，且低于上一下降趨勢中最低點。圖 7 所展示的是另一段鐵礦石的價格走勢，可以

18、看到，在這段行情中，價格一路上漲，而市場趨勢的初步判斷結(jié)果為，市場先經(jīng)歷上升趨勢，后轉(zhuǎn)為下降趨勢最后又轉(zhuǎn)為上升趨勢。在圖 7 中的下降趨勢部分，價格呈現(xiàn)出來先水平后上漲的狀態(tài)，整段過程價格仍以上漲為主。且價格也突破了上一上升趨勢中的最高點。我們可以據(jù)此對拐點進行判斷，從而對初步判斷的趨勢進行修正：若市場處于上升趨勢，但最低價突破上一下降趨勢中最低價的最小值，則趨勢發(fā)生反轉(zhuǎn)，即判斷為下降趨勢。若市場處于下降趨勢，但最高價突破上一上升趨勢中最高價的最大值，則趨勢發(fā)生反轉(zhuǎn)，即判斷為上升趨勢。圖 8 以及圖 9 則分別展示了前面圖 6 以及圖 7 在經(jīng)過上述拐點修正后的趨勢判斷結(jié)果。圖8：鐵礦石價格及

19、上升趨勢拐點修正圖9：鐵礦石價格及下降趨勢拐點修正資料來源：Tinysoft，整理資料來源：Tinysoft，整理在圖 8 以及圖 9 中灰色部分為經(jīng)初步判斷為下降趨勢的部分，藍色部分為初步判斷為上升趨勢的部分。圖 8 中在上升趨勢判斷后，隨著行情的運行，時刻關注行情的最低價所形成的最小值，當最低價創(chuàng)出前一個下降趨勢最低價新低后，我們隨即將此上升趨勢修正為下降趨勢，經(jīng)拐點修正后的下降趨勢部分由淺灰色表示。圖 9 展示的價格走勢中，經(jīng)初步判斷市場先經(jīng)由上升趨勢，后轉(zhuǎn)為下降趨勢，最后再次轉(zhuǎn)為上升趨勢。其中，在判斷為下降趨勢后，則開始記錄此段行情的最高價的最大值，當處在此下降趨勢中的最高價超過前一上

20、升趨勢最高價后，我們隨即將此下降趨勢修正為上升趨勢，經(jīng)拐點修正后的上升趨勢部分由淺藍色表示。可以看到，在經(jīng)過拐點修正后，策略對趨勢的識別更加準確，當出現(xiàn)初步判斷趨勢與行情走勢不符時，能夠及時將趨勢進行調(diào)整。圖 10 展示的是拐點修正策略凈值表現(xiàn)，以及表 2 列示了拐點修正后策略分年度績效統(tǒng)計。從圖 10 可以看出，拐點修正后策略長期表現(xiàn)穩(wěn)健，具有顯著的正向期望收益。且相比前面初步判斷趨勢準確度有所提升。圖10：拐點修正后策略凈值表現(xiàn)資料來源：Tinysoft，整理當然，我們也可以看出，策略的波動性較大，在 2014 年至 2015 年期間，策略出現(xiàn)較大回撤。具體在下方表 2 中我們將該策略分年

21、度的績效進行統(tǒng)計。表2：拐點修正后策略績效分年度統(tǒng)計策略收益最大回撤夏普率波動率Calmar月度勝率201414.36%12.12%1.2311.66%1.1866.67%201511.77%16.27%0.6917.09%0.7250.00%201613.05%8.94%0.8515.42%1.4658.33%201723.18%9.22%1.4216.33%2.5166.67%20185.26%7.73%0.4013.27%0.6850.00%201910.69%7.22%0.6616.15%1.4858.33%202043.23%7.01%3.2713.24%6.1766.67%2021

22、0.90%8.59%0.0614.11%0.1058.33%2022072920.27%3.82%1.5612.97%5.3171.43%全樣本期15.87%18.00%1.0814.64%0.8860.58%資料來源：Tinysoft，整理表 2 所展示的是拐點修正后策略績效分年度統(tǒng)計情況。總體來看策略表現(xiàn)穩(wěn)中有升，全樣本期費后年化收益率為 15.87%，夏普率由 0.69 提升至 1.08，Calmar由 0.64 提升至 0.88。全樣本期策略的最大回撤為 18%。可以看到，在結(jié)合道氏理論對市場趨勢初步判斷的結(jié)果進行修正后，策略表現(xiàn)得到了全方位的提升。但是我們?nèi)韵Ｍ呗缘谋憩F(xiàn)體現(xiàn)出更強的

23、穩(wěn)定性。那么如何對策略進行優(yōu)化與改進呢？接下來，我們將探討以下問題：何為道氏趨勢？道氏趨勢對當前策略有何啟示？以及如何利用道氏趨勢對策略開倉進行調(diào)整？道氏趨勢通過前面的討論可知，我們對于市場趨勢的判斷長期可獲取正收益，在加入了拐點判斷后策略的穩(wěn)定性得到了顯著提升，但我們還需要對策略的開倉時點進行檢驗與佐證，來平滑策略的收益曲線。圖 11 以及圖 12 分別展示了鐵礦石的最高價、最低價以及收盤價的價格曲線，以及通過 MACD 進行拐點修正后的市場上升以及下降趨勢。圖11：鐵礦石價格曲線上升趨勢中最高點下降圖12：鐵礦石價格曲線下降趨勢中最低點上升資料來源：Tinysoft，整理資料來源：Tiny

24、soft，整理從圖 11 中可以看到，鐵礦石的價格曲線正在下行，但拐點修正后的趨勢判斷出圖中左側(cè)部分為上升趨勢，這顯然與價格走勢發(fā)生了背離。在實際交易中往往希望能夠規(guī)避這樣的信號。這里我們借鑒前述道氏理論對于趨勢的定義，可以觀察到價格曲線中最高價所構(gòu)成的極值點連線方向向下，我們可以據(jù)此認為判斷為鐵礦石價格上漲趨勢并未形成。圖 12 所展示的是在拐點修正后被判斷為下降趨勢的灰色區(qū)塊中，鐵礦石價格還在上升的情況。借鑒前述道氏理論對于趨勢的定義，可以看到價格曲線中最低價所構(gòu)成的極值點連線方向向上，因此與拐點修正后判斷的下降趨勢相背離，我們依舊無法認定鐵礦石的價格處在下跌趨勢中。通過前面的案例可以看到

25、，在趨勢的判斷中，道氏理論可以為我們提供指導，那 么在實際交易中如何將道氏理論進行落地呢？本節(jié)我們將嘗試提供一種解決方案。道氏理論通過極值點的連續(xù)上升以及下降來判斷趨勢是否形成，這里的核心問題是對極值點的刻畫。由于市場的高低點一定是交替出現(xiàn)的，因此理論上當市場從上升趨勢轉(zhuǎn)向下降趨勢時，市場最近的一個高點則已經(jīng)形成，反之，當市場從下降趨勢轉(zhuǎn)為上升趨勢時，市場則形成了最近的一個低點。如圖 13 所示，為鐵礦石的最高價、最低價以及收盤價的價格走勢，圖中灰色部分為初步判斷的下降趨勢，藍色部分為初步判斷的上升趨勢。若當前行情運行到上升趨勢，對應圖中最右側(cè)藍色區(qū)域，則時刻記錄最高價的最大值定義為臨時高點（

26、若當前為下降趨勢則記錄最低價的最小值，并定義為臨時低點）。上一個上升趨勢（對于圖中左側(cè)第一個藍色區(qū)域）中最高價的最大值則定義為當前第一高點（若當前為下降趨勢，則上一個下降趨勢中最低價的最小值為第一低點）。最近兩個下降趨勢（分別對應圖中右側(cè)第一個灰色區(qū)域，對應圖中左側(cè)第一個灰色區(qū)域）中最低價最小值分別為第一、第二低點（若當前為下降趨勢，則最近兩個上升趨勢中最高價最大值分別為第一、第二高點）。圖13：鐵礦石價格曲線及高低點判斷資料來源：Tinysoft，整理使用公式可以表述如下： 當最新趨勢為上升趨勢時： = () 01 = () 11 = () 12 = () 2當最新趨勢為下降趨勢時： = (

27、) 01 = () 11 = () 12 = () 2其中，以及分別表示趨勢為上升趨勢以及下降趨勢，取值為 0，1，2 等代表當前狀態(tài)，上一狀態(tài)，上兩個狀態(tài)等。即0代表當前上升趨勢，1代表上一個上升趨勢，以此類推。我們定義當?shù)谝坏忘c大于第二低點時，為道氏上升趨勢，當?shù)谝桓唿c小于第二高點時，為道氏下降趨勢。據(jù)此，我們可以利用趨勢共振對市場趨勢進行修正：當經(jīng)拐點修正后的市場上升趨勢與道氏上升趨勢同時成立時，我們開多倉，反之當拐點修正后的市場下降趨勢與道氏下降趨勢同時成立時，我們開空倉。當初步判斷市場趨勢與道氏趨勢相反時空倉。圖 14 展示的是利用鐵礦石合約在初步趨勢判斷與道氏趨勢判斷相一致時所作策

28、略的凈值表現(xiàn)。可以看出，相比之前初步趨勢判斷的凈值表現(xiàn)，趨勢共振后收益走勢更加穩(wěn)定。圖14：鐵礦石趨勢共振策略凈值表現(xiàn)資料來源：Tinysoft，整理表 3 對鐵礦石合約的趨勢共振策略的績效進行了分年度統(tǒng)計。相比前面對于拐點修正策略的收益而言，夏普率從 1.08 提升到了 1.26，Calmar 由 0.88 提升至 1.39。可以看到策略的穩(wěn)定性進一步得到了提升。其中，策略年化收益為 17.86%，全樣本期最大回撤為 12.83%，歷年最大回撤出現(xiàn)在 2018 年為 11.11%。表3：鐵礦石趨勢共振策略績效分年度統(tǒng)計策略收益最大回撤夏普率波動率Calmar月度勝率201413.67%6.6

29、6%1.2610.88%2.0566.67%201537.39%7.52%2.3615.83%4.9775.00%201614.27%7.05%0.9914.36%2.0266.67%201718.80%8.40%1.4313.11%2.2466.67%20185.78%11.11%0.5011.47%0.5241.67%201931.34%8.44%1.9316.21%3.7175.00%202019.93%9.23%1.3714.55%2.1650.00%20217.79%7.84%0.4915.97%0.9950.00%202207299.82%7.13%0.6714.64%1.3857

30、.14%全樣本期17.86%12.83%1.2614.18%1.3961.54%資料來源：Tinysoft，整理至此，我們在 MACD 指標對市場趨勢進行初步判斷的基礎上，結(jié)合道氏理論對趨勢的拐點進行了修正，這樣能夠在一定程度上解決 MACD 指標的判斷延遲問題。同時基于道氏理論構(gòu)造了道氏趨勢，通過與市場上升、下降趨勢的共振來得到開倉點。交易品種動態(tài)篩選對于同一個 CTA 策略，往往難以適用所有的商品期貨品種。在策略的實際使用中，如果可以通過動態(tài)識別策略在不同品種上面的表現(xiàn)，從而進行動態(tài)的交易品種的選擇，那么可以使得策略的表現(xiàn)更加穩(wěn)健。如圖 15 所示，我們在每個月末對所有已滿足流動性條件的商

31、品期貨品種過去一年在策略上的表現(xiàn)進行測試，剔除過去一年中在該策略上交易次數(shù)小于 5 次（表示策略在該品種上不易觸發(fā)信號），或者交易次數(shù)不少于 5 次，但策略收益率小于 0 的交易品種。圖15：動態(tài)篩選品種示意圖資料來源：繪制這種篩選方法往往可以將不適用該策略的品種進行剔除，之所以選擇剔除不適應策略品種的邏輯，而不是篩選表現(xiàn)最好的品種的邏輯，是因為后者往往比較容易造成考察期的局部過擬合。杠桿設置在進行完待交易品種的篩選后，我們將對整個策略的杠桿進行設置，我們的目標是將策略在波動較小的時候，設置較高杠桿，在策略波動較大時，將杠桿水平設置較低。這樣的做法一方面可以平抑策略的波動，提升整體穩(wěn)定性，另一

32、方面可以提升實際操作時策略的資金安全性。策略杠桿設置的具體做法是，我們在每個月月末回看策略整體的運行情況，計算過去一年該策略收益表現(xiàn)的波動率，將目標波動率設置為 15%（取決于對于策略預期的杠桿率水平，通常維持在 2 倍杠桿左右），那么波動率調(diào)整系數(shù)的計算公式可以表示為：= 15%其中，Mulvol為經(jīng)已實現(xiàn)波動率調(diào)整的系數(shù)，Vol 為策略在過去一年中的已實現(xiàn)波動率。通過對策略表現(xiàn)波動率的調(diào)整，可以使得策略在不同市場環(huán)境下運行的整體風險趨于一致。出于實際使用情況考慮，我們設置最大杠桿率為 4 倍杠桿。因此當 Lev 的絕對值大于 4 時，我們截斷為 4。在經(jīng)過已實現(xiàn)波動率調(diào)整后，基于道氏理論的

33、商品期貨交易策略平均杠桿率的時序變化圖如圖 16 所示。從圖 16 中看到，策略平均杠桿率為 2.05 倍，這個也是基于道氏理論的商品期貨交易策略的最終杠桿率變化水平。在2013-2014 年間策略的歷史杠桿率達到峰值，在 2016 年策略杠桿率降到最低，之后，在 2018 年間，策略的杠桿率再次沖高。近期杠桿率有所回落，整體處在歷史均值下方。圖16：已實現(xiàn)波動率調(diào)整后策略杠桿變化圖資料來源：Tinysoft，整理至此，策略的全部邏輯已經(jīng)探討完畢，策略的最終表現(xiàn)以及相關特性將在下面進行詳細闡述與測試。基于道氏理論的商品期貨交易策略我們從 Charles H. Dow（Charles Henry

34、 Dow）的簡介出發(fā)，到道氏理論的歷史，對道氏理論有了初步的了解。我們利用 MACD 指標對市場趨勢進行初步判斷，結(jié)合道氏理論對市場趨勢拐點進行修正，并利用道氏理論對極值點運行規(guī)律的描述形成開倉邏輯，最終我們構(gòu)建了基于道氏理論的商品期貨交易策略。具體的策略構(gòu)建流程如下：投資標的：過去半年中日均成交額超過 50 億元的商品期貨全品種的主力合約。開倉信號：多頭：MACD 上穿信號線累計距離大于等于 ATR（上升趨勢）臨時低點高于第一最低價（拐點修正）第一最低價大于第二最低價且收盤價大于等于臨時高點（道氏趨勢）空頭：MACD 下穿信號線累計距離小于等于 ATR（下降趨勢）臨時高點低于第一最高價（拐點

35、修正）第一最高價小于第二最高價且收盤價小于等于臨時低點（道氏趨勢）杠桿率調(diào)整：ATR 調(diào)整：海龜資金管理法（1 單位 ATR 的波動對應策略整體資金規(guī)模的 0.5%，詳見附錄 2海龜資金管理法）已實現(xiàn)波動調(diào)整：以過去一年策略波動率為基準設置目標年化波動 15%最終杠桿率：ATR 調(diào)整杠桿*已實現(xiàn)波動調(diào)整杠桿，最高 4 倍杠桿截斷。品種動態(tài)篩選：剔除過去一年中在該策略上交易次數(shù)小于 5 次（表示策略在該品種上不易觸發(fā)信號），或者在該策略上交易次數(shù)不少于 5 次，但策略的收益率小于 0 的交易品種。資金分配：滿足開倉條件品種等權(quán)分配資金。成交價格：信號觸發(fā)后 5 分鐘 VWAP。交易成本：交易手續(xù)

36、費 0.3%，沖擊成本 1%。綜上所述，在經(jīng)過上升、下降趨勢判斷，拐點修正以及道氏趨勢共振后，便形成了基于道氏理論的商品期貨交易策略，至此，回顧策略的構(gòu)建流程用一個流程圖可表示如圖 17 所示：圖17：基于道氏理論的商品期貨交易策略流程圖資料來源：繪制按照上述流程構(gòu)建的基于道氏理論的商品期貨交易策略歷史表現(xiàn)穩(wěn)定且具有較高收益率，同時回撤可控。具體走勢如圖 18 所示：圖18：基于道氏理論的商品期貨交易策略凈值資料來源：Tinysoft，整理2012 年以來，基于道氏理論的商品期貨交易策略費后年化收益率為 21.74%，夏普率為 1.42，Calmar 比率為 2.2。可以看出策略表現(xiàn)非常穩(wěn)健。

37、其中，策略的分年度收益表現(xiàn)如表 4 所示：表4：基于道氏理論的商品期貨交易策略績效分年度統(tǒng)計策略收益最大回撤夏普率波動率Calmar月度勝率201244.07%6.85%2.8715.37%6.4458.33%201322.49%7.86%1.5314.67%2.8675.00%201436.41%8.96%2.3415.53%4.0675.00%201521.07%9.90%1.1318.62%2.1350.00%201631.25%6.33%1.9116.39%4.9466.67%20171.04%8.35%0.109.92%0.1241.67%201836.96%5.78%2.3515.

38、72%6.3966.67%201919.50%7.37%1.2815.28%2.6558.33%202015.79%9.04%0.9716.33%1.7550.00%20216.55%8.75%0.4414.89%0.7541.67%202207295.20%7.99%0.3614.29%0.6571.43%全樣本期21.74%9.90%1.4215.34%2.2059.06%資料來源：Tinysoft，整理由于我們控制目標年化波動率在 15%，因此實現(xiàn)出來全樣本期的年化波動率為 15.34%，與期望的目標波動率比較接近。上述基于道氏理論的商品期貨交易策略在進行回測時使用的交易成本為 1.3%

39、，是由交易手續(xù)費 0.3%以及沖擊成本 1%構(gòu)成。交易價格為策略信號發(fā)出后 5分鐘的 VWAP 均價，我們測試了不同沖擊成本下策略的收益表現(xiàn)如圖 19 所示：圖19：不同交易成本下策略凈值資料來源：Tinysoft，整理從圖 19 中的不同交易成本下曲線可以看到，基于道氏理論的商品期貨交易策略對于交易費用不敏感。具體各個交易成本下策略績效統(tǒng)計如表 5。從表 5 可以看出策略對于交易成本的變化不敏感，隨著交易成本的增加策略年化收益率變化緩慢。當交易成本從 1.3%增長至 2.5%后，策略的年化收益率從 21.74%降到 17.44%，夏普率僅從 1.42 下降到 1.13。表5：不同交易成本下策

40、略績效統(tǒng)計年化收益率夏普率Calmar1.3%21.74%1.422.201.5%20.43%1.331.932%18.93%1.231.742.5%17.44%1.131.56資料來源：Tinysoft，整理綜上，可以看到，交易成本的變化對策略凈值的走勢影響不大。基于道氏理論的商品期貨交易策略在不同的交易成本下均可實現(xiàn)長期穩(wěn)定的表現(xiàn)。CTA 復合策略關于期貨交易策略，在國信金工團隊前期的 CTA 系列專題中已經(jīng)有較多的介紹，這里我們做一下簡單的回顧，具體內(nèi)容可參考對應的報告。在 2021 年 5 月 13 日發(fā)布的專題報告基于開盤動量效應的股指期貨交易策略利用開盤形態(tài)交易股指期貨；在 202

41、1 年 10 月 13 日發(fā)布的專題報告基于 Bollinger 通道的商品期貨交易策略在 Bollinger 通道策略的基礎上利用持倉量過濾及品種的動態(tài)選擇構(gòu)建了商品期貨交易策略；在 2022 年 5 月 24 日發(fā)布的專題報告基于 Carry 的商品期貨交易策略利用商品期貨的期限結(jié)構(gòu)進行策略構(gòu)建；策略間彼此相關性較弱，長期相關性矩陣如表 6 所示：表6：CTA 策略相關性矩陣開盤動量(股指)Bollinger(商品)Carry(商品)道氏理論(商品)開盤動量(股指)1.000.020.020.01Bollinger(商品)1.000.290.46Carry(商品)1.000.29道氏理論(

42、商品)1.00資料來源：Tinysoft，整理可以看到策略之間長期相關性在 0.5 以下，這表明各策略之間的線性相關性并不高，在進行線性合成時彼此之間可以體現(xiàn)出較強增益。從表 6 中可以看出，由于策略邏輯不同且長期相關性較低，因此將這樣四個策略進行組合，可以提升 CTA 策略的穩(wěn)定性，在 CTA 產(chǎn)品中，往往需要多策略進行搭配使用。我們將這四個策略等權(quán)配置，月度再平衡，可以得到 CTA 復合策略，復合策略的凈值曲線如圖 20 所示：圖20：CTA 復合策略凈值資料來源：Tinysoft，整理圖 20 顯示的是 CTA 復合策略的凈值曲線，從圖中可以看出策略的凈值曲線較為光滑，且收益較高，這比較

43、符合我們的預期。其中，復合策略的分年度收益統(tǒng)計如表 7 所示：表7：CTA 復合策略績效分年度統(tǒng)計策略收益最大回撤夏普率波動率Calmar月度勝率201242.23%1.76%4.349.72%24.0091.67%201314.98%3.18%1.957.67%4.7158.33%201425.30%6.29%2.5310.00%4.0266.67%201533.90%5.80%2.9711.41%5.8566.67%201616.54%3.52%2.038.15%4.6983.33%201711.89%3.83%1.906.24%3.1166.67%201828.74%3.98%3.328

44、.65%7.2383.33%201921.10%2.73%2.877.35%7.7383.33%202025.24%3.10%3.108.14%8.1466.67%202120.55%3.57%2.617.88%5.7566.67%202207293.50%3.13%0.447.94%1.1271.43%全樣本期22.42%6.29%2.618.60%3.5673.23%資料來源：Tinysoft，整理從表 7 中可以看到，復合策略的年化費后收益率為 22.42%，夏普率為 2.61， Calmar 為 3.56。因此，復合策略的表現(xiàn)非常穩(wěn)健。當 CTA 策略組合中的策略逐漸豐富起來之后，CT

45、A 復合策略的表現(xiàn)會更加優(yōu)異，呈現(xiàn)出來的凈值表現(xiàn)也將更加穩(wěn)健。總結(jié)道氏理論我們從 Charles H. Dow 的傳奇人生以及道氏理論的歷史出發(fā)，對道氏理論以及道氏理論中對趨勢的描述進行了簡要介紹。上升趨勢與下降趨勢MACD（Moving Average Convergence/Divergence）指標可以用來表征市場運行的方向，是動量類指標的一種。其基本原理是使用均線之間的距離對噪音進行過濾，從而對市場趨勢進行初步判斷。當 MACD 上穿信號線累計距離突破閾值后，市場可被初步判斷為上升趨勢，當 MACD 下穿信號線累計距離突破閾值后，市場可被初步判斷為下降趨勢。拐點判斷如果只使用 MACD

46、 作為信號進行交易則會由于信號的遲滯，導致在趨勢發(fā)生逆轉(zhuǎn)時判斷受到局限。借鑒道氏理論對趨勢的描述，在對市場趨勢進行初步判斷后，對拐點進行修正。策略相對只使用 MACD 信號進行趨勢判斷進行交易在穩(wěn)定性上具有顯著提升。道氏趨勢我們對于市場趨勢的初步判斷長期可獲取正收益，在加入了拐點修正后策略的穩(wěn)定性得到了顯著提升，但我們還需要對策略的開倉時點進行檢驗與佐證，來平滑策略的收益曲線。通過對高低點的定量刻畫，借鑒道氏理論，從而形成道氏趨勢，將拐點修正后的市場趨勢與道氏趨勢相結(jié)合，當趨勢共振時對策略進行開倉操作，策略表現(xiàn)可以得到進一步提升。基于道氏理論的商品期貨交易策略結(jié)合 MACD 對市場趨勢初步判斷

47、后與道氏理論相融合對拐點進行修正，最終配合道氏趨勢，形成基于道氏理論的商品期貨交易策略。策略表現(xiàn)穩(wěn)定且具有較高收益率，2012 年以來該策略凈值穩(wěn)定攀升，同時回撤可控。基于道氏理論的商品期貨交易策略費后年化收益率為 21.74%，夏普率為 1.42，Calmar 為 2.2。CTA 復合策略我們將基于道氏理論的商品期貨交易策略與此前發(fā)布的基于開盤動量效應的股指期貨交易策略、基于 Bollinger 通道的商品期貨交易策略以及基于 Carry 的商品期貨交易策略等權(quán)復合，構(gòu)造為 CTA 復合策略。復合策略的年化費后收益率為 22.42%，夏普率為 2.61，Calmar 為 3.56，且每年 C

48、almar 均大于 1。參考文獻Richard Russell. The Dow Theory Today.Samuel Armstrong Nelson. The ABC of Stock Speculation.William Peter Hamilton. The Stock Market Barometer.附錄 1數(shù)據(jù)準備在本節(jié)將介紹我們對數(shù)據(jù)的準備以及處理方法。在 CTA 策略的測試中，數(shù)據(jù)的處理主要涉及以下幾個問題：主力合約如何確定，展期價格跳空如何處理，不同合約數(shù)據(jù)怎么拼接以及發(fā)單價格如何確定。下面我們將針對這些問題進行分析和解決。主力合約的確定在確定主力合約時，我們使用成交量

49、以及持倉量均達到最大的合約作為主力合約。這其中，股指期貨在合約到期月份的第三個周五進行交割，國債期貨在合約到期月份的第二個周五進行交割，因此，如果上述品種在交割前還沒有能夠新的主力合約可以確定，那么需要在交割日前一個交易日強制切換至當時的次主力合約。同時，主力合約不可逆，一經(jīng)確定不可反復。合約切換的思考在合約進行切換時，可能會出現(xiàn)前后兩個主力合約的價格無法進行無縫對接的情況。如圖 23 以及圖 24 所示：圖21：RB1901 切換RB1905 價格跳空圖22：RB1901 切換 RB1905 價格復權(quán)資料來源：Tinysoft，整理資料來源：Tinysoft，整理圖 23 為 RB1901

50、合約切換到 RB1905 合約的價格序列圖，其中切換時點為 2018年 12 月 3 日。從圖 22 可以看出，在切換的時間點出現(xiàn)了一個價格的大幅跳空低開的情況，如果認為這是行情的自然狀態(tài)，則可能導致對行情判斷的失誤。從而導致策略判斷失真。那么在切換合約時，通常有兩種做法，一種是根據(jù)新主力合約之前的業(yè)績進行新交易信號的判斷，以 RB 合約為例，當合約從 RB1901 切換到 RB1905 時，之后的策略計算都按照 RB 的歷史數(shù)據(jù)進行計算，這樣做的好處是，策略信號來源于該標的且作用在該標的。而缺點是有些合約雖然切換到了新的主力合約，但是由于切換前該新合約交易并不活躍，加之有些策略需要使用大量歷

51、史數(shù)據(jù)進行處理和分析，因此可能導致信號失真，或者價格波動較大的情況。還有一種做法是將價格數(shù)據(jù)進行復權(quán)。復權(quán)分為前復權(quán)以及后復權(quán)，如果向前復權(quán)的話，則當前的合約價格為真實價格，之前的合約價格數(shù)據(jù)為復權(quán)后的價格。這樣做的好處是可以使用當前的真實合約價格來確認開倉數(shù)量，而缺點則是歷史數(shù)據(jù)會隨著新數(shù)據(jù)的更新而出現(xiàn)變化，盡管變化較小，但隨著時間的推移以及浮點數(shù)的保存問題，有可能會出現(xiàn)新計算出來的策略開倉時點或者策略曲線與之前計算的無法完全匹配的情況。那么會在策略歸因時，造成一定的困難。我們所使用的方法是進行向后復權(quán)，這樣做的前提是需要選擇一個策略開始計算的日期為基期，一旦基期確定下來，后面行情如何更新都

52、對歷史數(shù)據(jù)造成改變。當然，如果基期發(fā)生了變化，則有可能導致歷史數(shù)據(jù)的變化。由于 2010 年以前上市的期貨品種較少，且活躍度不高。因此我們所使用的基期則定為 2010 年 1月 1 日。復權(quán)的具體做法為：在每次展期的時候，計算新主力合約以及舊主力合約的價格跳空比，以此作為當日之后新主力合約價格的復權(quán)因子。該復權(quán)因子的具體計算公式為：= 1 1, 1, 其中，AdjFactori1為上一期復權(quán)因子，Closei1, old為舊主力合約展期前一日收盤價，Closei1, new 為新主力合約展期前一日收盤價。這樣計算出來的復權(quán)因子 AdjFactori為當期復權(quán)因子。其中，基期的復權(quán)因子為 1。計算好復權(quán)因子之后，新的主力合約的開盤價、最高價、最低價以及收盤價都乘以當期的復權(quán)因子，即為復