公众号主要介绍关于量化投资和机器学习的知识和应用。通过研报,论坛,博客,程序等途径全面的为大家带来知识食粮。版块语言分为:Python、Matlab、R,涉及领域有:量化投资、机器学习、深度学习、综合应用、干货分享等。
今天看啥  ›  专栏  ›  量化投资与机器学习

期货『多空策略』大汇总!

量化投资与机器学习  · 公众号  · AI  · 2024-08-19 15:54
    

主要观点总结

本文探讨了商品期货市场的多空策略,包括基于存储理论、对冲压力、横截面动量、趋势跟踪和其他多空策略的交易方法。文章分析了各种策略的有效性,并探讨了改进策略的方法。主要观点包括:存储理论意味着库存或滚动收益可作为资产配置的信号;对冲压力假说为理解和预测商品期货市场中的风险溢价提供了理论框架;横截面动量和趋势跟踪策略在商品期货市场中表现出显著的盈利能力;此外,其他多空策略如基于风险、价值、偏度、流动性或未平仓量的截面策略也被证明在商品期货定价和设计实际投资解决方案方面具有价值。改进策略的建议包括使用曲线策略、多排序方法和修改原始信号增强策略表现。

关键观点总结

关键观点1: 存储理论在商品期货交易中的应用,库存或滚动收益作为资产配置的信号。

根据存储理论,滚动收益和库存水平应该用于捕捉商品期货市场的风险溢价。

关键观点2: 对冲压力假说在商品期货市场中的应用。

对冲压力假说认为,期货价格的设定受到预期未来现货价格和对冲压力的影响。一些研究者基于此假说开发了动态交易策略,并取得了显著的超额回报。

关键观点3: 横截面动量和趋势跟踪策略在商品期货市场中的表现。

横截面动量策略基于过去价格走势的持续性来获取超额回报。趋势跟踪策略则关注商品价格的历史表现,当商品价格超过或低于特定移动平均线或价格通道时,跟随趋势进行交易能够获得正收益。

关键观点4: 其他多空策略在商品期货市场中的应用。

除了基于滚动收益和库存水平的策略,还存在一些基于风险、价值、偏度、流动性或未平仓量的截面策略,这些策略在商品期货定价和设计实际投资解决方案方面可能具有价值。

关键观点5: 改进策略的建议。

通过曲线策略、多排序方法和修改原始信号等方式可以改进策略表现,提高在商品期货市场中的盈利能力。


文章预览

量化投资与机器学习微信公众号,是业内垂直于 量化投资、对冲基金、 金融科技、人工智能、大数据 等 领域的 主流自媒体 。 公众号拥有来自 公募、私募、券商、期货、银行、保险、高校 等行业 40W+ 关注者,曾荣获AMMA优秀品牌力、优秀洞察力大奖,连续4 年被腾讯云+社区评选为“年度最佳作者”。 作者:Joëlle Miffre 整理:QIML编辑部 下载策略原文见文末 基于存储理论的多空策略 存储理论由Kaldor(1939年)、Working(1949年)和Brennan(1958年)提出,它将基差——商品现货和期货价格之间的差异——与存储成本(运输、仓储和保险成本)、购买实物商品时放弃的利息以及拥有现货资产所获得的便利收益联系起来。 根据存储理论,负基差(也称为滚动收益)或商品期货价格的向上倾斜的期限结构与高库存水平相伴。 市场这时被认为是处于升水状态( ………………………………

原文地址:访问原文地址
快照地址: 访问文章快照
总结与预览地址:访问总结与预览