基于形态特征的量化交易系统研究

胡天寒

[摘要]随着国内外期货市场发展，量化交易越来越成为市场操作的主流。为了繁荣期货交易市场，易于期货市场的价格发现功能，文章从股票经典K线交易入手，提炼了多种见顶见底的形态特征，并对期货螺纹钢相关参数进行变换，形成支撑云和压力云数学形态结构，并对其进行特征提取，存储进专家系统，在支撑云和压力云形态下，采用多周期数据调用处理，实现了波浪理论下的自动量化交易系统（MMQTS）。实证研究证明：模型预测准确率高，回撤比较小，为投资决策提供了重要参考，可广泛应用于期货市场。

[关键词]形态特征；量化交易；支撑云；压力云

[DOI]1013939/jcnkizgsc201901019

1引言

目前为止国外量化投资基金管理的资金量已经远超传统基金。国内量化投资才开始起步， 随着我国金融衍生品市场的建立， 量化投资的机构将在我国逐步发展壮大起来，与之相关的投资理论和投资策略将会是未来研究的热点之一。量化投资的关键主要在于交易模型选择上面，国内外目前量化投资交易模型主要集中在以下几种理论和模型：

国外FAMA提出了价格发现有效性及有效性强弱市场概念[1]， ANGELOS认为基于时间序列的预测模型适用于股指期货的价格预测。[2]国内的有量化投资_若干金融衍生品的定价模型及投资策略研究， [3]基于三角形态走势的期货价格技术分析，[4]基于模糊粒化的改进混合神经网络股指期货价格区间预测。 [5]

这些量化模型主要用于价格发现和衍生产品的定价，这些系统取得了较大的成功，但也存在一些实际问题：①由于学习和回归方法需要对历史数据引用，买入卖出决策时机往往出现滞后，开仓点位也滞后；②期货市场存在着明显的波浪理论结构，特别是在波浪转折处，震荡幅度大，一般交易系统为了保证开仓正确率，没有实现波浪理论；③智能化程度不高，没有充分考虑数据间的时间关系。

针对以上问题，文章提出了一种融合顶和底部的支撑云和压力形态特征云模型，并在此基础上对多周期数据特征提取，实现了波浪理论下形态特征量化系统（MMQTS），见图1。

2MMQTS系统结构

在MMQTS系统结构中主要包含：数据采集、专家系统、人机交互、账户交易系统四个部分。用户可以先根据金融交易系统的数据形态，例如K线数目、高度、上下影线，组合几何结构、比例等生成相应的知识规则。然后通过人机界面将相关的知识规则存放在知识库中。

21人机接口

为期货交易人员提供可视化界面，使人机交互高效简明扼要。

22专家系统

主要是由规则库、推理机、学习模块、模式提取、数据库组成。在系统运行中，模式提取模块是专家系统的逻辑推理部分，是專家系统的核心。根据采集模块得到的交易数据和数据库中的历史数据提取相关的交易数据特征，以及规则库中的相关交易规则进行推理，判断支撑云是处于顶部还是底部，做出交易操作策略。规则库/数据库管理模块，对于规则库/数据库进行管理和维护，并对知识规则进行推理解释和显示。学习模块根据网络当前状况不断添加修正规则库中的规则。

23数据采集

能读取数据包的内容，能根据规则对数据包进行过滤，安装期货交易数据分类不同数据包。例如交易指令、还是具体交易数据、期货价格数据等。

24账户交易系统

发送接收交易指令和结果信息。

3支撑云和压力云、顶部和底部形态特征的描述和应用

31支持云和压力云数学形态的生成

通过23数据采集模块，从互联网得到的原始的期货原始K线交易数据间图2。N1是短周期参数，N2是长周期参数，Lowest是周期内的极小值，Highest是周期内的极大值，求周期内的极值点。

fShortMiddle=（Highest（High，N1）+Lowest（Low，N1））/2（式1）

fLongMiddle=（Highest（High，N2）+NthLower（Low，N2））/2（式2）

SpanA=（fShortMiddle+fLongMiddle）/2（式3）

SpanB=（Highest（High，N3）+NthLower（Low，N3））/2（式4）

当spanA大于spanB时，表现是白色支撑云；当spanA小于spanB时，表现的是绿色压力云。其中白色的柱状云团是对期货价格支持的支撑，而绿色的柱状云团是对期货价格承压。有了支撑云和压力云概念后，对单时刻t的期货价格研究，从二维结构进入区块的研究。形成了区块研究方法。从一维进入二维空间，也可以将支撑云和压力云看成图像，用图像处理的方法智能化处理。式3和式4等到就是支撑云高点和地点。1、2是中间结果。

32对云层的滤波，去除噪声

从单个的t时刻单根蜡烛线研究，进入区域块研究后，区域块的长度、高度特征就显得特别重要，对于极小的区块产生的噪声影响必须过滤掉，这样才能对趋势行情上涨下跌做出合理的响应。图4中的原始支撑云块数据被过滤成图5数据，我们就可以将这个下跌趋势当作一个区块处理，这样排除了细小噪声的干扰，对买卖决策做出更合理响应。

33支撑云和压力云的数据特征抽取

通过转换我们对单个时刻的蜡烛线的数据处理，变化到以同类云层的区块数据特征的定义和抽取上来。常用的基本统计特征， 如周长、面积、均值等区域描绘子， 以及厚度、高度和形态等描绘子。

34顶部和底部K线形态的数学描述

图6是期货交易K线顶部和底部形态的组合，主要表现形式是单针见顶和见底，平顶和平底。我们通过特征提取以知识规则方式存储在规则库中，当接收到交易数据时可以采用匹配的方法确定是不是支撑云的顶部或者压力云的底部，K线延迟小，开仓或者平仓收益率大。

35基于支撑云和压力云的波浪理论实现

（1）艾略特波浪形态特征描述。我们在股票期货交易中，如果抓住了1、3、5浪上升，2、4浪短暂调整，ABC快速杀跌的大周期行情，那么将会取得可观的收益。不过波浪理论应用最难的就是主浪和子浪难以分辨清楚，存在千人数浪千种波浪结构。本系统首先用大级别周期（日线）确定波浪周期起点，见图7黄线三角形是代表波浪结构上升周期开始。

黄色三角形计算方式如下，SMA（X，N，M），求X的N日移动平均，M为权重：

var1：=SMA（（CLOSE-lowest（LOW，27））/（highest（HIGH，27）-lowest（LOW，27））×100，3，1）（式6）

K：=SMA（var1，3，1）（式7）

D：=SMA（K，3，1） （式8）

如果K上穿D，并且K<40，那么就是波浪上涨周期起始点，就是黄色三角形K线处。

（2）波浪形态特征应用。在波浪理论中，最主要的是第一浪的起始确认，这里是整个上升趋势的起点，把握好起点，也就掌握了一轮上涨周期的开始。第二个关键点是5浪顶点转换成A浪杀跌，ABC浪杀跌是一轮比较大的杀跌之势，往往和135浪上升趋势获利程度差不多。5浪顶点的最高点是很难把握的，但是A浪杀跌趋势也是有迹可循的。一浪起点特征如果单纯靠单周期特征来定义判断，往往就会出现多次误报情况，比较难以确定。

本系统在15分钟和30分钟周期中调用日线级别周期，得到上涨波浪起始点后，以黄金分割、斐波拉切数列计算1浪、3浪、5浪高度。第五浪往往比较复杂，往往是比较长的浪。

4实证分析

下面是MMQTS系统在2017年8月1日到2018年4月22日期间的交易成果表1和表2，从表中我们可以看出一手螺纹钢收益率还是不错的。在图9和11中，可以清晰看到15分钟和30分鐘周期中，系统很好抓住了五浪上升三浪结构行情。从图10和图12中，可以看出不管螺纹钢交易行情上涨还是下跌，但是收益率曲线一直是波段性上升，一直走高，说明获利逐步走高。从表1和表2数据，我们可以看出交易胜率一直是50%以上，交易次数在75—150，说明交易次数适中，没有频繁交易，没有付出较多手续成本，特别是在支撑云顶部和压力云底部，有效把握了顶部和底部特征形态，获得较高利润。

5结论

基于形态特征的量化交易系统（MMQTS ）是人工智能和金融交易系统相交叉的学科研究结果。通过系统对螺纹钢期货价格处理预测，我们可以得出以下结论。

（1）对于交易数据顶与底的形态特征，基于知识规则库的专家系统能有效实时处理实现自动量化交易。

（2）基于支撑云和压力云的形态特征，系统能较好识别判断出五浪上升三浪杀跌大的波浪结构，从而获得较高收益率。

（3）基于形态特征的分析方法是期货行情预测重要方法，可以推广应用于其他期货品种的行情预测，为期货价格判断决策提供助力。

参考文献：

[1] FAMA，E F. Efficient capital markets： a review of theory and empirical work[J].Journal of Finance，1970，25（2） ：383 - 417.

[2] ANGELOS K.Modeling regime transition in stock index futures markets and forecasting implications[J].Journal of Forecasting， 2008（27）.

[3] 刘帅，量化投资——若干金融衍生品的定价模型及投资策略研究[D].上海：上海大学，2016.

[4] 刘金娥，基于三角形态走势的期货价格技术分析[J].厦门理工大学学报，2016（6）：24.

[5] 林焰，杨建辉，基于模糊粒化的改进混合神经网络股指期货价格区间预测[J].南方金融，2017（11）.