股票市场交易策略研究——基于中国市场分析

股票市场交易策略研究——基于中国市场的分析股票市场交易策略影响因素分析1、 股票市场风险收益特征分析股票市场投资具有收益性与风险性股票的持有者可以从股票交易中获得收益，获取收益是持有股票的主要目的收益主要来源于两个方面：第一，股份公司以派发股息、红利等实现形式提供的经济权益；第二，则是在股票流通中基于买卖高低价差所取得的价差收益，即资本利得通常来说机构或者大型投资者以及保守投资人主要通过第一种方式，即购买引力能力较强的公司股票以获得稳定的股息、红利收益的方式进行投资，在宏观经济或公司经营出现恶化时进行减持而股票市场上进行交易投资的绝大多数个人或小机构投资者，主要以第二种方式即以获得资本利得的价差收益为目标的投资方式本文主要针对基于股票走势变动的价差收益进行投资交易策略分析图3-1 对数收益率时间序列图根据对上证综合指数的分析可知，上证综指的对数收益率R在2005年1月4日到2016年9月1日间均值为0.000344，标准差为0.018452，偏度为-0.231335小于0，这表明对数收益率序列具有较长的左拖尾，亏损的概率要大于盈利的概率同时峰度为6.870696，大于正太分布所具有的峰值3，则对数收益率序列具有尖峰厚尾的特征，Jarque-Bera统计结果为1795.06，P值为0.0000，则拒绝对数收益率序列服从正太分布的原假设。

基于上证综指对数收益率所具有的的尖峰厚尾与聚集的特征，上证综指收益率序列不服从正太分布，股票市场上风险对收益率的影响并不显著此外，指数收益率存在杠杆性，且投资者对指数收益率下跌的反应往往高于相等程度下的收益率上涨反应，指数收益率的下跌对于股票市场交易策略的影响更加显著图3-2 股市收益率柱形统计图2、 波动率与股票市场走势研究波动率作为一个统计概念，是衡量标的资产价格或者投资回报率波动程度的重要指标一个资产组合的波动率往往能较准确的反映该资产组合的风险通过对资产价格或收益的波动进行分析与建模，对于准确有效的进行配置资源，设计投资组合与策略，测度与管理风险方面起到重要作用简单的说，期权波动率的研究是帮助投资者分析、度量投资组合风险水平，选择、设计投资策略的重要部分根据期权定价理论，波动率视角下的投资策略研究具有现实意义波动率研究的发展可以概括为三个阶段首先在经典金融分析模型中，假设市场收益是服从正太分布的，波动率是恒定的，遵从随机游走过程，如Black-Scholes期权定价模型随着实证研究的发展，越来越多的研究证实这一假设在实际市场环境中是难以 于标的资产波动率的单调增函数，则当期权价格给定时，很据Black一 Scholes期权定价模型可以计算出对应的波动率数值，即隐含波动率。

期权的价值主要由标的资产未来实现波动率决定，而通过Black-Scholes期权定拍模型所测算的隐含波动率是使期权价值与市场价格一致的波动率，反映了市场投资者对未来波动率走向的预期此外，从本质上来说，期权的市场价格是隐含波动率的一种映射，期权的市场价格反映出波动率的市场价格，投资者对期权的交易即是波动率的交易4.1.2 波动率基本特征分析 从2015年2月9日至2016年9月2日共385日的上证50ETF历史波动率与标的资产收盘价数据中，50ETF收盘价最高达到3.427，最低低至1.886，平均水平在2.408样本期内历史波动率最高达到0.256%，最低低至0.040%，平均波动率为0.124%首先，历史波动率的变动趋势如图4.1所示，蓝色曲线为30天历史波动率，红色曲线为标的资产50ETF价格，自2015年3月起历史波动率一路走高，至2015年8月达到最高点而自2015年8月以来，历史波动率呈现波动下行趋势历史波动率的上升往往伴随着标的资产50ETF价格的下跌，反之历史波动率的下降伴随着标的资产价格的上升，在历史波动率较平稳，无较大变动的时间区间内，容易进入调整期，标的资产价格相对平稳。

图4-1 历史波动率变动走势图 其次，在期权定价众多影响因素中，隐含波动率作为期权定价中唯一不能从市场上直接获得的因素，难以通过其他的交易手段进行对冲或抵消，在期权价格其他影响因素锁定时，期权的价格完全依赖于隐含波动率，即隐含波动率反映期权价格在计算不同的期权的相对价值过程中，隐含波动率对期权相对价值具有重要影响图4-2中刻画了买入期权与卖出期权的历史波动率、隐含波动率与标的资产价格的变动趋势从隐含波动率的走势来看，自2015年3月起至2015年6月中旬，隐含波动率呈上升趋势，经历了2015年6月到9月这一阶段的下降后，在2015年9月急剧升高，达到样本期间内最大值而2015年9月份以来，隐含波动率总体上呈现波动下行趋势，其中2015年10月、12月，2016年4月出现了明显的上升与此同时，历史波动率自2015年8月份以来同样显示出下行趋势，在这一阶段，隐含波动率始终高于历史波动率隐含波动率可以反映出投资者对标的资产的未来价格波动预期，较高的隐含波动率往往意味着市场预期标的资产价格会出现上下大幅震荡或朝某一方向大幅波动，反之则较低的隐含波动率往往具有较小的资产价格波动图4-2 波动率与标的资产价格走势分析图 此外，隐含波动率与股价走势之间具有密切的关系。

通常情况下，股价的上涨过程往往伴随着波动率的下降，股价的下跌往往伴随着波动率的急剧升高如图4-3中所示，红色曲线描绘了上证指数的走势，绿色曲线刻画了认购期权与认沽期权隐含波动率的变动情况，蓝色曲线表现了30日历史波动率的变动情况由历史波动率、隐含波动率与上证指数二者的变动趋势可以发现，自2015年4月到7月间，隐含波动率不断走高，处于较高水平，相应的大盘指数出现频繁的波动与上下大幅震荡，到2015年八月隐含波动率大幅快速增长，达到样本统计期问内最高水平，同一时间标的资产价格大幅下降，降至样本期间内最低水平此外，从对隐含波动率的观察中可以发现，当波动率创出新的高点时，市场相应到达价格底部，并即将开始反转或反弹同时隐含波动率对市场走势的反映较敏感如图}1-3中2015年金融领域隐含波动率在较短时间范围内展现出较大的下降幅度，甚至出现低于历史波动率的现象，然而与之相反的是，资产价格只是小幅下挫这表明市场的下行并不值得担心，投资者预期未来市场会保持稳定图4-3波动率与股票市场指数走势分析图4.2基于波动率视角的股票市场交易策略实证分析4. 2. 1数据选取与波动率指数构建 (一)数据选取 本节采用上证SOETF期权数据作为样本研究对象。

样本数据为从2015年2月9日到2016年9月z日的日数据，数据来源于国泰安数据库上证50指数是以市场规模大且流动性较好的最具代表性的50只股票为样本，综合反映上海证券市场上影响力最广的优质大盘企业整体状况的代表性指标，由上海证券交易所编制上证SOETF是以紧密跟踪上证50指数为投资目标，采用完全复制法跟踪指数进行投资，力求将跟踪偏差与误差最小化的基金，基本实现与上证50指数类似的风险收益特征从整体走势上来看，上证50ETF，上证50指数与上证指数具有较一致的走势，如图4-4所示图4-4 SOETF、上证50指数与上证综指波动趋势图 从相关性来看，上证SOETF、上证50指数与上证综指的对数收益率走势具有较高的一致性，如表4-1所示，上证SOETF与上证50指数的对数收益率相关系数高达0.9928上证SOETF与上证综指对数收益率的相关系数高达0.9730，上证SOETF数据能够较好的反应上海证券市场的总体走势4.2.2基于波动率的股票市场交易策略分析 在本章进一步实证分析中，拟以我国首条波动率指数，即上证SOETF波动率指数进行波动率视角下的交易策略的分析研究，接下来首先对我国波动率指数iVIX与上证指数的走势进行分析。

图4-5显示了波动率指数iVIX测试结果，2015年2月至2016年9月期间，上证50ETF波动率指数均值为37.70，最小值为21.17，最大值为59.2，波动标准差为9.68从图4-5可以看出，自2015年2月至2015年9月，波动率指数iVIX波动上升，在7月与9月份达到顶峰自2015年9月起波动率指数iVIX波动走低，至2016年8月份有反弹趋势波动率指数的升高往往代表市场上的参与者预期后市波动更加激烈，反映了投资者不安的心理状态反之当波动率指数下降时，表示投资者对于后市波动程度的预测是趋缓的，投资者心态相对平和则自2015年2月至2015年9月期间，伴随着iVIX指数的升高，投资者不安的情绪逐渐上升，到9月份达到恐慌顶峰自2015年9月起伴随着iVIX指数的下降，投资者心态逐渐趋于平和此外，iVIX指数不仅反映了投资者情绪的变化，同时与市场整体的变动趋势具有密切关系图4-5 7日iVIX走势分析图 当市场处于下行趋势中时，市场上投资者的恐慌情绪加剧，卖空股票难度增加流动性困难凸显此时为达到对冲风险的目的，认沽期权等衍生品的需求量增大与此同时，投资者对未来走势看法的不确定性刺激了认购期权等衍生品的需求，从而致使衍生品的价格升高，隐含波动率上升，从而相应的波动率指数上升。

当市场处于上涨趋势时，投资者恐慌情绪缓解，可以从标的资产的交易中获得收益，对认购期权等衍生品以及相应的对冲风险的需求减弱，衍生品价格降低，隐含波动率下降，从而相应的波动率指数降低 股指是反应市场变动趋势的重要指标，波动率指数的变动与股指的变动具有密切的关系指数的下跌往往伴随着波动率指数的升高，指数的上升往往伴随着波动率指数的下跌当波动率指数出现过高或过低的异常值时，市场参与者往往处于极度恐慌或乐观的情绪中，波动率指数过高则不计代价的买进看跌期权，波动率指数过低则过度乐观忽视规避风险的重要性，通常这也是市场行情变化的前兆通常波动率指数低于巧时，市场出现非理性繁荣;波动率指数超过}o时，市场对未来产生非理性恐慌由图4-6可知，2015年7月份与9月份市场iVIX指数达到最大值，分别高于40，这意味着市场的恐慌程度达到了顶峰，市场产生非理性恐慌，相对应的即是沪深指数大跌在这一阶段，大部分企业的质押股权达到警戒线，基金面临赎回压力，投资者处于极度恐慌中，上证指数持续下行2016年5月份以来，波动率指数iVIX持续低于15，市场出现非理性繁荣，投资者持过度乐观态度对市场变化失去戒心，上证指数出现波动回升趋势。

图4-6 iVIX与上证指数走势分析图 波动率指数的理论最低点为0，而从理论上来说无最高点上线大盘指数的理论最低点为0，且理论上最高点无上线则大盘指数下跌时可能相应的波动率指数会剧烈上升且无上限，而在指数上行时受到下限的约束而较缓下降 综合来说，波动率指数的上升往往预示着对未来行情波动的恐慌情绪逐渐上升，预示着股票市场整体状况走低的趋势，波动率指数的急剧增长往往预示着股指的大幅度降低，此时市场处于弱势，减少持仓与清仓是最好的策略另一方面，当波动率指数逐渐走低，往往预示着股指未来波动趋缓，呈波动上升趋势，投资者信心逐渐提高，增加持仓是较好的策略选择，但同时应仍然注意风险的防范5.2.2 投资者情绪与股票市场指数变动特征分析 投资者情绪反映了股票市场上投资者对市场的未来预期，并对股票市场走向产生重要影响从图像上来看投资者情绪指标与股票市场指数具有较相似的变动特征，2003年1月到2016年8月样本期内投资者情绪综合指数与上证指数变化特征如图5-3由图上可知，自2003年1月至2007年6月投资者情绪处于波动上升阶段，并在2007年5月达到样本期内的第一个高峰，与此同时，该时期内的上证指数也处于较稳定的波动上升趋势中，并在随后的2007年10月达到样本期内第一个高点，即2007年股票市场繁荣达到的指数最高点5030点。

2012年10月至2015年5月股票市场投资者情绪的波动增长也伴随着股票市场指数的波动上升即股票市场上投资者情绪的高涨，往往推动股票指数的波动增长，此时投资者对股票市场和资产价值未来走势抱有较乐观的预期反之，股票市场投资者情绪的下降是市场指数下跌的有效预测信号，图5-3中2007年5月起投资者情绪的回落以及2015年6月起投资者情绪的显著下降都伴随着上证指数的下跌因此从图像的角度来看，投资者情绪的上涨往往伴随着股票市场指数的上升，投资者情绪的下降往往伴随着股票市场指数的下跌图5-3投资者情绪综合指数与上证指数变动特征分析图5.2.3 基于投资者情绪的股票市场交易策略分析 从数据分析角度来看，中国股票市场投资者情绪综合指数与大盘指数在长期与短期上都存在较显著的相关关系从计量角度，首先对股票市场投资者情绪与上证指数进行平稳性检验，单位根检验结果如表5-6所示，其中投资者情绪指数既无截距项又无趋势向且在1%置信水平下拒绝存在单位根的原假设，投资者情绪综合指数是平稳的时间序列，同时上证综合指数日数据在单位根检验中表现出不平稳的结果，其一阶差分检验结果显示出良好的平稳性表5-6 投资者情绪与上证指数单位根检验结果分析表变量ADF值t统计量临界值P值1%临界值5%临界值10%临界值CISI-2.693297-2.579139-1.942781-1.6154160.0072SCI0.562165-2.579139-1.942781-1.6154160.8367dSCI-11.16687-2.579139-1.942781-1.6154160.0000 因此，对上证指数进行一阶差分得到dSCI序列进行分析。

从表5-7中滞后1-4期的Granger因果关系检验结果中可以清晰的发现，在5%的显著水平下可以拒绝CISI不是dSCI的格兰杰原因的原假设，无法拒绝dSCI不是CISI的格兰杰原因的假设，则投资者情绪与上证指数之间具有单向的由投资者情绪对上证指数的格兰杰因果关系因此，我国股票市场投资者情绪对于股票市场指数的走势有影响，而股票指数的变动对投资者情绪的影响较有限表5-7 投资者情绪与上证指数格兰杰因果关系检验结果分析表原假设滞后阶数1234CISI和dSCICISI不是dSCI的Granger原因0.00570.02370.02490.0305dSCI不是CISI的Granger原因0.76070.24990.19240.1317 考虑到股票市场指数与情绪指标的滞后性与延续性，建立VAR模型以探讨投资者情绪与股票市场指数的相关关系，最优滞后阶数为1图5-S展示了VAR模型的AR根图，由图上可以清晰的发现，单位根皆在单位圆内，则模型具有稳定性，接下来进一步进行脉冲响应函数分析图5-4 投资者情绪与股票指数VAR模型的AR根图 由图5-5脉冲分析图可知，在未来10期内，1单位的投资者情绪变化将对上证指数走势产生显著的正向影响，投资者情绪对于上证指数走势存在正向影响，且从时间长度范围内来看，投资者情绪CISI对于上证指数SCI的长期影响相较于短期影响更大。

因此，投资者情绪对于股票市场指数具有正向影响关系，且投资者情绪对股票市场指数长期影响更为显著，在股票市场长期走势预测方便具有较高的准确性的研究结果图5-4投资者情绪对上证指数脉冲响应结果分析图 综合以上实证分析结果，投资者情绪与股票市场指数波动之间具有正向相关关系，投资者情绪对股票市场指数存在正向影响，且这一种影响随着时间的增长不断加强，即投资者情绪在长期与短期上皆对股票市场指数存在正向影响，长期影响相较于短期影响更为显著此外，图5-5展示了投资者情绪对股票市场收益率的影响，由图上可知投资者情绪对股票市场收益率具有正向影响，且短期影响较长期影响更加显著，这可能与股票市场波动周期以及经济周期的变化有关6.2 经济周期与股票市场周期联动效应实证分析6.2.1样本数据选择 经济周期通常被定义为经济增长率的变动，在宏观经济研究中，国内生产总值(GDP )、国民总产出、国民总收入、工业增加值、宏观经济一致指数等指标广泛应用在经济周期与经济波动中本文采用月度数据来进行经济周期与股票市场周期联动效应的分析，鉴于数据的可得性与样本的实践性，本节采用学术界广泛认可应用的工业增加值作为GDP数据的替代指标进行经济周期的研究分析，采用上海证券综合指数作为股票市场周期变化的研究指标。

实证样本数据区间为2005年1月至2016年8月，采用SPSS 18.0和Eviews 7.2等数据处理软件开展实证分析，数据来源为wind数据库和上海证券交易所6.2.2经济周期与股票市场周期波动基本特征 人类的经济活动是具有周期性的客观存在，宏观经济活动则是由各种经济活动叠加而来，宏观经济的发展是一个从繁荣、衰退、萧条到复苏的不断循环往复的周期性运动同时，作为宏观经济的重要组成部分，股票市场的波动亦是由上涨到下跌、熊市到牛市的循环更替过程组成的，股票市场波动总体可以总结为经历牛市、高位盘整市、熊市到低位牛皮市阶段的循环更替周期运动如图6-1所示，宏观经济发展与股票市场波动展现出较为相似的周期波动在研究宏观经济发展与股票市场波动的周期联动效应之前，本文采用单谱分析方法分别对宏观经济发展与股票市场波动的周期特征进行分析研究本章工业增加值序列与上证综合指数序列皆进行对数处理以消除量纲的影响图6-1宏观经济与股票市场波动特征分析图(三)增益谱分析最后，采川增益谱分析探究我困宏观经济与股票市场波动之间的相互敏感程度，图6-6刻画了了宏观经济与股票市场波动之间的增益谱分析结果，其中蓝线描绘了宏观经济波动对股票市场波动的增益，绿线刻画了股票市场波动对宏观经济波动的增益。

由图可知，较低频率下宏观经济波动对股票市场波动的增益更加显著，随着频率的增长股票市场波动对宏观经济波动的增益逐渐升高并远远超过宏观经济波动对股票市场波动的增益，这表明从长期角度上来看宏观经济波动对股票市场波动的增益更为显著，中短期角度上来看股票市场波动对宏观经济波动的增益更为显著图6-6宏观经济与股票市场波动增益谱结果分析图6.3基于经济周期与股票市场联动性的股票市场交易策略分析 通过宏观经济周期与股票市场波动周期的单谱分析，本文发现我国宏观经济波动与股票市场波动在走势上具有较高的同步性首先，我国宏观经济从繁荣到衰退、从萧条到复苏的运动具有一个28.01个月左右的主周期，同时我国股票市场从牛市、高位盘整市、熊市到低位牛皮市大约需要28个月，即存在一个28个月左右的主周期，股票市场与宏观经济周期具有较一致的主周期此外，在频率0.1071处迎来次谱峰，谱密度值为0.5257，这表明股票市场波动具有约9.33月的次周期此外，在频率为0.1286，谱状态1的情况下获取卖出信号，做出卖出反应，其他状态下不做操作则拟定策略为，当呈现状态2时进行买入操作，当呈现状态4与状态1时做出卖出行为，其他状态下暂时持观望态度不做操作。

图7-1短期策略si隐藏状态分析图 (二)策略回测 根据以上初步设定策略进行回测，以考察策略的有效性策略回测过程中，采用日交易数据进行回测计算，在处于状态2与状态3处发出做多指令，在状态4与状态1下发出做空指令采用嘉实300ETF基金作为交易标的，回测样本为2014年1月2日到2016年12月30日仿真回测结果如图7-2所示，2014年8月以前，策略表现出较好的状态，策略年化收益率始终处于基准年化收益率之上然而自2014年8月后在该策略下得到的年化收益率逐渐开始低于基准水平，且与基准年化收益率的差距波动递增结果表明在该基于该基于隐马尔可夫(HMM)模型的策略交易中，回测结果并不理想，该结果可能由模型的不稳定性、模型中隐藏状态的转换引起，同时策略结果可能受到观测序列对股票市场变动信息综合解释力的影响口为探讨策略的有效性缺失原因并进行策略的优化，首先检测模型的稳定性图7-2策略S1初步回测结果分析图7.2.3模型的稳定性 为检验模型状态的稳定性，采用逐步扩大样本期间的方法，在样本2006年1月4日至2014年1月2日、2005年1月4日到2015年3月30日与2005年1月4日到2016年1月29日期间，分别进行模型状态的检验。

图7-3分别显示了在2006年1月4日至201年1月2日、2005年1月4日到2015年3月30日与2005年1月4日到2016年1月29日期间，三个不同样本区间的模型隐含状态检验结果从三个检测结果的比较分析中可以清晰的得到，图7-3(上)第2与第3状态，图7-3(中)第1与第3状态，图7-3(下)第2与第4状态，皆成显著上升趋势且波动趋势特征相似，则在三个不同统计时间段中，基于HMM模型测算得到的隐藏状态中始终有两个状态呈现明显的上升趋势图7-3(上)第1与第4状态，图7-3(中)第与第2状态，图7-3(下)第1与第3状态呈现出较相似的下降趋势，则在三个不同统计区间中，基于HMM模型测算得到的隐藏状态中始终有两个状态处于持续下降趋势图7-3(上)第状态呈现围绕初始值上下波动的趋势，图7-3(中)与之相对应的第4状态呈现上升趋势，然而该趋势在图7-3(下)第fl状态中反映出回落趋势通过综合三个不同样本区问的检验结果可以得到，模型具有一定的稳定性，然而在不同外部条件不同阶段下，策略的有效性受到隐藏状态转换与不稳定因素的影响为更好的学习模型，优化策略，下面设计动态状态识别模型设计策略，并进行回测以考虑股票市场状态的转换进行策略优化。

图7-3策略S1模型有效性检验结果分析图7. 2. 4基于HMM模型的动态识别交易策略S1设计及其有效性检验墓于模型的稳定性分析，基于HMM模型所测算到的两个相对稳定的上升状态和两个下降状态设计策略，并在每月末进行隐藏状态转换的检测与调整即如图7-4(下)中所示的状态2与状态4条件下做买入交易，在图7-4(下)中状态1与状态3条件下做卖出交易，每月末进行隐藏的识别与调整图7-4中显示了对调整下的动态识别模型的策略回测结果，由图中可见在动态识别模型状态后，该策略的年化收益率在回测范围内显著高于基准年化收益率从总体水平上来看，策略年化收益率为16.6%，与基准年化收益率比较起来高接近4个百分点，同时满足了在股票市场行情上升阶段收益最大化与在股票市场整体行情下降阶段损失最小化的要求因此，我们可以判断基于HMM模型的以一日对数收益率、五日对数收益率、对数当日高低价差、对数交易量以及换手率的股票市场交易特征作为特征向量动态识别交易策略是有效的图7-4动态识别交易策略S1效果回测7.3基于HMM模型的短线交易策略S2研究分析 本节采用上证指数日交易数据，引入波动率与投资者情绪变量，分析中国股票市场变化的隐藏状态，并基于隐藏状态设计分析日间短期交易策略。

样本时间为2015年2月10日至2016年9月2日本节采用Python分析软件进行策略设计、回测、稳定性分析以及动态识别模型设计7. 3. 1 观测特征向量的选取与度量 本节选取1日对数收益率、5日对数收益率、对数当日高低价差、换手率、IVIX5个反映股票市场特征的指标作为S2交易策略观测的特征向量假设所有特征向量服从高斯分布其中，采用一日对数收益率、5日对数收益率反映股票市场收益率及其滞后波动情况，对数当日高低价差反映口内股票价格波动情况，换手率反映了股票市场流动性，引入IVIX以考虑投资者情绪以及交易市场上投资者对未来30天50ETF波动率的预期7.3.2策略S2设计与回测 (一)策略初步设计 图7-5展示了基于HMM模型，以一日对数收益率、五日对数收益率、对数当日高低价差、换手率与IVIX5个指标作为特征向量，在2015年2月3日至2016年2月5日样本数据基础上测算得到的5种隐藏状态山图7-5中可以清晰的发现，状态2持续处于波动上升中，在样本期内呈现明显的上升状态状态0则呈现明显的下跌状态并有继续下跌的趋势状态0对应股票市场的牛市表现，状态0对应股票市场的熊市反应。

因此，根据不同隐藏状态的表现特征，初步判断在状态2的情况下获取买入信号，进行买入操作；在状态0的情况下获取卖出信号，做出卖出反应;其他状态下不做操作则初步拟定策略为，当呈现状态2时进行买入操作，当呈现状态0做出卖出行为，其他状态下暂时持观望态度不做操作图7-5短期策略S2隐藏状态分析图 (二)策略回测 基于初步设定策略设计进行回测，以检验策略的有效性策略回测过程中，采用日交易数据进行回测计算，在处于状态2时发出做多指令，处于状态0时发出做空指令采用嘉实300ETF基金作为交易标的，回测样本为2016年2月5日到2016年9月1日仿真回测结果如图7-6所示，2016年7月以后，策略表现出较好的状态，策略年化收益率始终处于基准年化收益率之上然而2016年7月之前在该策略下得到的年化收益率与华准年化收益率展现出较相似的波动趋势，且年化收益率基本低于墓准水平总体收益率虽较基准收益率高出1%，但回测结果中收益率并没有显著提高，并出现大量低于基准收益率的交易该结果表明基于该基于隐马尔可夫(HMM)模型的策略是有效的，但是回测结果并不理想，下面进行模型稳定性与隐藏状态相互转换的检测与优化。

首先为探讨策略的有效性缺失原因并进行策略的优化，检测模型的稳定性图7-6策略S2初步回测结果分析图7. 3. 3模型的稳定性 为检验模型状态的稳定性，采用逐步扩大样本期间的方法，在样本2015年2月3日至2016年2月5日与2015年2月3日到2016年3月31日期间，分别进行模型状态的检验图7-7分别显示了在2015年2月3日至2016年2月5日与2015年2月3日到2016年3月31日期间，两个不同样本区间的模型隐含状态检验结果 从两个检测结果的比较分析中可以清晰的得到，图7-7(上)第2与图7-7(下)第2状态皆成显著上升趋势且波动趋势特征相似，则在两个不同统计时间段中，基于HMM模型测算得到的隐藏状态中始终有一个状态呈现明显的上升趋势，则反映了牛市的稳步上升趋势图7-7(上)第0与第1状态，图7-7(下)第3与第4状态呈现出较相似的下降趋势，其中图7-7(上)第4状态与图7-7(下)第1状态显示出稳定的上下波动趋势，则在两个不同统计区间中，基于HMM模型测算得到的隐藏状态中始终有两个状态处于持续下降趋势图7-7(上)第4状态与图7-7(下)第0状态呈现上升趋势，然而该趋势后期出现回落状态。

表现出成长期状态向弱熊市期状态的转变通过综合两个不同样本区间的检验结果可以得到，模型具有一定的稳定性，同时模型经过训练得到的5种隐藏状态具有相互转化的特征，在不同外部条件不同阶段下，策略的有效性受到状态转换或外部因素的影响为更好的学习模型，优化策略，下面设计动态状态识别模型设计策略，并进行回测图7-7策略S2模型有效性检验结果分析图7.3.4基于HMN!模型的动态识别交易策略S2设计及其有效性检验基于模型的稳定性分析，基于HMM模型所测算到的相对稳定的上升状态和两个下降状态设计策略即如图7-7(下)中所示的状态2条件下做买入交易，在图7-7(下)中状态3与状态4条件下做卖出交易策略在代码中实现对模型状态的分析、识别与调整，并在每月末进行隐藏的识别与调整图7-8中显示了在2015年8月3日到2016年9月1日样本期间对调整下的动态识别模型的策略回测结果，由图中可见在动态识别模型状态后，该策略的年化收益率在回测范围内显著高于基准年化收益率，并有显著优化从总体水平上来看，策略年化收益率为4.6%，与基准年化收益率比较起来高近16个百分点，在股票市场行情波动下降与回升阶段收益最大化方面有较好的效果。

该策略在2015年9月前表现出良好的止损效果，当荃准收益率急剧下跌时模型能够做出准确判断并及时止损在随后股票市场上升阶段，华准收益率始终低于0%，与此同时该策略表现出较好的收益特征，最大收益率达到20%，远高于基准年化收益率的收益综上所述，我们可以判断基于HMM模型的以一日对数收益率、五日对数收益率、对数当日高低价差、换手率以及IVIX作为特征向量的，同时纳入股票市场交易特征与波动率指数的日间动态识别交易策略具较好的有效性和收益性图7-8动态识别交易策略S2回测7.4基于HMM模型的中长线交易策略S3研究分析7. 4.1 特征向量的选取与度量本节选取月对数收益率、3月对数收益率，对数当月高低价差、投资者情绪综合指数、工业增加值S个反映股票市场特征的指标作为观测的特征向量假设所有特征向量服从高斯分布其中，采用月对数收益率、3月对数收益率代表股票市场月收益率及季度收益率的波动情况，对数当月高低价差反映月内股票价格波动情况，投资者综合情绪指数反映了股票市场上投资者的情绪状态以及对未来市场预期的变化，另外采用工业增加值作为反映宏观经济周期变动特征的主要指标7. 4. 2策略设计与回测 (一)策略初步设计 图7-9展示了基于HMM模型，以月对数收益率、3月对数收益率、对数当月高低价差、投资者综合指数以及工业增加值作为特征向量，在2005年1月至2012年12月区间样本数据基础上测算得到的5种隐藏状态。

由图7-9中可以清晰的发现，状态4与状态3表现出较持久的波动上升趋势，在样本期内呈现明显的上升状态同时状态0表现出较明显的下跌状态并有继续下跌的趋势，状态1、2则呈现出较稳定的围绕均值上下波动的状态因此，根据不同隐藏状态的表现特征，初步判断在状态4与状态3的情况一下获取买入信号，进行买入操作；在状态0的情况下获取卖出信号，做出卖出反应，其他状态下不做操作则拟定策略为，当呈现状态4与状态3时进行买入操作，当呈现状态0时做出卖出行为，其他状态下暂时持观望态度不做操作图7-9中长期策略S3隐藏状态分析图 (二)策略回测根据以上策略进行回测，以考察策略的有效性策略回测过程中，采用月度数据进行回测计算，在处于状态4与状态3时发出做多指令，在状态0下发出做空指令，并在主周期每28个月进行模型的更新采用嘉实300ETF墓金作为交易标的，回测样本为2012年5月到2016年8月仿真回测结果如图7-10所示，纵观整个样本回测期间，策略年化收益率始终处于基准年化收益率之上模型在2012年7月到2013年1月期间，策略表现良好的止损作用，在基准收益率小于的状态下达到止损的目的综合仿真回测结果，在回测期间内年化收益率达到9.3，相较于基准年化收益率5.7%高出3.S个百分点表现出良好的策略有效性。

在2012年7月到2013年1月期间策略表现出良好的止损效果，且在样本回测期内始终展现出高于基准收益率的收益水平综合以上结果，基于该基于隐马尔可夫(HMM )模型的策略，回测结果理想，综合股票市场收益特征、投资者情绪与经济周期的HMM模型中长期交易策略呈现出较好的学习训练结果，其测算得到的隐藏状态能够较为准确的反应股票市场的波动，通过股票市场收益特征、投资者情绪与经济周期能够较准确的预测股票市场的走势综合股票市场收益特征、投资者情绪与经济周期的HMM模型中长期交易策略具有有效性与收益性图7-10中长期策略S3回测结果分析图7. 4. 3模型的稳定性及其有效性检验为检验模型状态的稳定性，采用逐步扩大样本期间的方法，在样本2005年1月至2012年12月31日与2005年1月2013年6月期间，分别进行模型状态的检验图7-11分别显示了在2005年1月至2012年12月31日与2005年1月2013年6月间，两个不同样本区间的模型隐含状态检验结果从两个检测结果的比较分析中可以清晰的得到，图7-11(上)第4、第3状态与图7-11(下)第0、第4状态皆表现出较明显的波动上升趋势且具有相似的波动特征，则在这两个不同统计时间段内，基于HMM模型测算得到的隐藏状态中始终有两个状态呈现明显的上升趋势。

图7-7(上)第0状态与图7-11(下)第2状态显示出稳定的下降趋势，则在两个不同统计区间中，基于HMM模型测算得到的隐藏状态中始终有一个状态处于持续下降趋势图7-11(上)第1与第2状态呈现出围绕初始值上下波动的趋势通过综合两个不同样本区间的检验结果可以得到，模型是稳定的，其中图7-7(上)第4状态与图7-11(下)第0状态呈现了宏观经济处于经济周期中的繁荣扩张期与复苏期股票时市场表现出显著的上升趋势，图7-7（上）第3状态与图7-11（下）第4状态则呈现了股票市场由于投资者情绪大幅上升或外部因素冲击导致的上升机会，图7-7(上)第0状态与图7-11(下)第2状态则展现了经济周期处于衰退期与萧条期时股票市场所处的下降反映综合以上实证讨论，基于隐马尔可夫(HMM)模型的S3中长期股票市场走势判断策略是有效的图7-11策略S3模型有效性检验结果分析图7.5本章小节本章基于前6章的讨论与实证分析，采用隐马尔可夫(HMM)模型从短期日间交易与中长期股票市场走势预测两方面设计股票市场综合交易策略在短期日间交易策略设计中，考虑股票市场特征并纳入中国波动率指数的日间交易策略表现出较好的稳定性，并在回测中呈现出较高的收益与较好的策略有效性。

在中长期股票市场交易策略设计中，主要通过纳入投资者情绪综合指标与宏观经济周期变动指标来进行股票市场走势分析与预测，基于特征预测得到的收益率在回测范围内表现出较好的收益率与有效性在策略回测过程中，短期策略与中、长期策略皆得到稳步高于基准收益率的回测结果，策略回测结果表明这两种策略都可以达到收益最大化与及时止损的目的，但是无法保证在股票市场整体处于持续亏损状态时完全没有损失，这一点反映出股票市场所无法完全规避的系统性风险带来的损失，同时这可能是由于模型所考虑的因素与角度并不能完全概括股票市场上的所有状态引起的27 / 27文档可自由编辑打印。