美元指数期货的趋势预测与实证

殷振杰

摘 要：从美元指数期货的交易员持仓报告的角度对美元指数期货价格进行预测分析，通过对移动平均法（MA）与方向性指标进一步组合，即方向一致性指标，来选取交易员持仓报告数据中最佳的数据类别，并给出相应的最佳滞后周期，同时得到它们之间的相关系数，利用灰关联系数来判断所选取的数据类别的合理性与准确性。通过MATLAB软件对2008年年初至2019年5月的数据进行复盘处理，最终得到结论：通过跟踪互换交易商净头寸数据，对美元指数期货价格预测的准确率约为71%。

关键词：美元指数;交易员持仓报告;移动平均法;相关系数;灰关联系数

中图分类号：F831.5      文献标志码：A      文章编号：1673-291X（2019）26-0148-02

引言

目前我国的美元外汇储备已高达30 727亿美元[1]，而美元是当今世界各国外汇储备、证券期货的最主要的计量单位。由此，美元的强弱走势势必会对世界各国的经济活动产生极其重大的影响。为了衡量美元的强弱走势，美元指数期货（简称USDX）在1985年应运而生，从而反映出美元在国际外汇市场上的汇率状况。

William Brock[2]等人在1992年的时候，利用移动平均线的方式对为期10年的道琼斯指数进行预测，并与随机游走、AR（1）、GARCH-M和GARCH模型的预测结果进行对比，结果发现简单的移动平均线的方法预测结果好于复杂的模型。直到2008年Yingzi Zhu、Guofu Zhou[3]从理论的角度证明移动平均策略在预测方面的有效性，具有鲁棒性，能够在价格模型不确定的情况下优于其他交易策略。2014年，Christopher J.Neely[4]等人利用MA等技术指标结合宏观经济信息的方法，可以显著提高对股权风险溢价的预测。2017年，Ben.R.Marshall[5]等人从大型股票的实证结果上解释了MA对价格变动反应灵敏，进一步在理论上补充了对MA预测能力的支持。2018年，Andrew Detzel[6]等人采用基于MA的均衡模型应用在比特币上，并且证明出MA对于缺乏基本面的证券产品的预测性是也有效的。2019年，董竹、周悦[7]利用惯性效应结合MA策略对股票进行实证分析。

美国商品期货交易委员会（简称CFTC）于每周五交易结束后，公布上一周的期货交易商持仓报告（简称COT）。COT按种类可细分为两种：其一，商业头寸P1、非商业头寸P2、未报告头寸P3;其二，经销商头寸P4、资产管理公司头寸P5、杠杆基金头寸P6、其他报告头寸P7、未报告头寸P3。每种头寸都各自持有多头头寸和空头头寸，因此本文将采取各数据的净头寸与USDX价格进行研究。净头寸=多头头寸-空头头寸[8]。

一、理论分析

通过对移动平均法进一步结合，提出了一种新的衡量数据之间的关系程度—方向一致性：

設参考序列Y=（Y1，Y2，Y3，…，Ym），比较序列X=（X1，X2，X3，…，Xm），X=（X1，X2，X3，…，Xm），

（1）利用相关系数指标找出一组与Y的相关性互异的X和X。

（2）通过移动平均法，将上述三种序列分别计算得Yt，Xt，Xt。

（3）计算dXt=Xt+1-XtXt×100，dXt=Xt+1-XtXt×100，dYt=Yt+1-YtYt×100，

其中，t=1，…，m-1。得到方向一致性系数Px=1m（sign（dXt×dYt）+1）2m，P X=1-Px。

灰关联系数[9]：γ0i（k）=？驻min+ρ？驻max？驻ik+ρ？驻max ρ？驻[0，1]，其中，？驻ik为差异信息集，？驻max是极大差，？驻min是极小差，通常ρ取0.5。

二、实证分析

（一）数据选取

从CFTC官网中，本文获取了从2008年1月至2018年12月的COT数据;加入2008年发生金融危机的异常数据，是为了更好地说明方向一致性预测结果的可靠性，USDX价格数据来源于同花顺。将各类数据的净头寸进行归一化处理，再与USDX价格进行分析。

（二）理论结果分析

从表1 得到的五组相关性互异的净头寸数据：P1和P2、P1和P3、P4和P5、P4和P6、P4和P7。

P1和P4与USDX价格呈负相关关系，因为他们的目的主要是为了套期保值来规避风险而非投机活动。对于P2、P5、P6、P7与USDX价格均呈正相关关系，它们的主要目的是为了在期货市场里进行投机活动。

当进行无移动仅当周的处理，价格和归一化后的各头寸之间均呈现出50%左右的方向一致，即产生随机现象。对数据进行7周移动之后，方向一致性指标发生了改变，其中三种分类COT的P1和P2的方向一致性指标明显提高。因为COT其自身有一定的滞后性，加上市场反应和产生影响也需要一定的时间，所以7周移动后的COT数据要比无移动的COT数据对于价格的方向性更为准确。其次，通过对数据进行进一步细分得到的五种分法的COT，其7周移动后的方向一致性要比三种分法的COT的方向一致性更高，通过对数据进行细分，使得数据本身更加准确，并且也筛除了多余的数据;对归一化后的各头寸和价格进行方向一致性计算后，其无移动的方向一致性仍然处在随机状态，但是通过7周移动之后，归一化后的各头寸的方向一致性程度均比未移动的各头寸显著提高。通过归一化处理之后，使得异常值对于整个系统的影响减少，从而提高了指标对于数据种类的选取。

在三种分类的COT中，以价格作为参考序列，我们发现，P1和P2均比P3对于价格的关联程度高;而在五种分类的COT中，以价格作为参考序列，P4和P5比其他三种净头寸对于价格的关联程度高，且在归一化后，P5比P4对于价格的管理程度高。

因此，我们得出通过7周移动后的互换交易商净头寸P5能更好的预测USDX的价格。

（三）实证结果分析

通过上述对COT的分类数据进行分析，我们得到了理论上7周移动后的互换交易商净头寸对价格预测的准确率为71%。对历史进行复盘，这里采用的是当互换交易商净头寸处于较低（高）位置时，出现买入（卖出）信号，在滞后7周后执行买入（卖出）操作，采用3%的跟踪止损的方式;并且当较高（低）位置处在0附近时不进行操作。

在这11年半期间，共进行交易44次，平均每年交易4次，其中有30次获利，14次亏损，准确率为68.2%，总收益为2.65倍，年化收益率为约为24.1%。

通过对技术指标进行组合的方式，不仅能够提高在选取数据种类的准确性，并且该指标也能在实际操作中提供具体的滞后周期，更能说明通过跟踪互换交易商净头寸来预测美元指数的涨跌是有效的。通过分析COT数据，不仅对大宗商品的未来趋势可以进行预判，还可以利用期货期权合约等金融手段合理规避风险，确保国家、企业和个人的利益最大化。

参考文献：

[1]  2018年国民经济和社会发展统计公报.

[2]  Brock W，Lebaron L B.Simple Technical Trading Rules and the Stochastic Properties of Stock Returns[J].The Journal of Finance，1992，47（5）：1731-1764.

[3]  Yingzi Zhu，Guofu Zhou.Technical analysis：An asset allocation perspective on the use of moving averages[J].Journal of Financial Economics，2008，92（3）.

[4]  Neely C J，Rapach D E，Tu J，et al.Forecasting the Equity Risk Premium：The Role of Technical Indicators[J].Management Science，2014.

[5]  Ben R.Marshall，Nhut H.Nguyen，Nuttawat Visaltanachoti.Time series momentum and moving average trading rules[J].Quantitative Finance，2017，17（3）.

[6]  Detzel A L，Hong L，Jack S，et al.Bitcoin：Predictability and Profitability via Technical Analysis[J].SSRN Electronic Journal，2018.

[7]  董竹，周悅.股票市场的惯性效应、择时策略与交易规则设计[J/OL].统计与决策，2019，（12）：146-149[2019-06-25].https：//doi.org/10.13546/j.cnki.tjyjc.2019.12.036.

[8]  张丽芳.交易商持仓行为对期货市场的影响[J].证券市场导报，2012，（6）：59-62.

[9]  邓聚龙.灰理论基础[M].武汉：华中科技大学出版社，2002.