利用趋势捕捉与正反马丁格尔交易策略对国内期货市场的量化交易实证研究

马浩宇

(首都经济贸易大学管理工程学院 北京 100070)

量化交易是通过计算机辅助建立数学模型的方式进行投资，凭借其投资业绩稳定、计算效率高、收益概率高等优点，在市场上掀起热潮。

目前，学者对量化投资的主流方向是通过深度学习在基本面上的研究，证明了深度学习能大幅提高预测能力，但深度学习应用到实际投资和交易场景中存在算法未掌握完全、学习条件不足、计算量大、成本高等多项难题，因此在国内无论是期货市场还是证券市场，都几乎见不到完全使用深度学习方式稳定盈利的应用案例。在实际应用中，马丁格尔交易策略相对成熟与常见，全球多数量化交易模型都借助了马丁策略，其开发难度与测试条件相对简单。

在国内市场中，马丁格尔策略一直存在着较大争议，隐藏着巨大的破产风险及较低的盈亏比，存在加仓距离、加仓倍数等多个风险因子，具有较大的改进空间，不适合单独使用。本文针对国内期货市场，基于趋势捕捉与正反马丁格尔交易策略，构建TC-M的量化交易模型，通过正反马丁格尔策略，根据当前的走势情况，给予投资者一个顺势捕捉趋势的判断条件，以对冲持仓的亏损单子或在合适的点位进场加仓。

本文贡献如下：第一，丰富了量化交易的方法。提出的TC-M模型在沪深300期货交易中可高概率稳定获利，各项指标展现出良好的盈利性能。第二，证明了马丁格尔策略与其他策略相结合可以降低其风险。第三，国内市场对马丁格尔策略的研究少之又少，本文创新性地填补了这一空白。

1 策略说明

1.1 趋势型（Trend Capture）

通过捕捉单边上涨和单边下降的走势，确定入场点，常见的为采用多周期均线顺序排列确定趋势。多周期均线指常用简单移动平均法（如式(1)）或指数移动平均法（如式(2)）得到趋势线，其中简单移动平均法用于分析长期趋势，指数移动平均法因其较为平滑，更适合用于衡量短期趋势。

其中，Pi,close为第i期的收盘价，将前N期收盘价进行平均，得到SMA。根据设定的不同周期得到不同的均线。趋势型策略存在多种进场时机，而趋势型的难点在于如何合理高效地在所交易周期过滤震荡趋势及选择最佳出场点。

1.2 正反马丁格尔交易策略（Martingale）

（1）正马丁格尔指在一场输赢概率均为50%的博弈中，以特定的本金开始，每次亏损后，则加倍下注，由于有50%的概率，不会永远输，一旦赢一次就会回本并赚取初始本金，但存在着需有足够的资金池支撑、盈利金额有限等缺点。（2）反马丁格尔则相反，当获利后加倍下注，在猜错后仍存在累计收益，不会因为一次亏损太多，可以根据预设连续赢场后改变投注策略。

如今，马丁格尔从轮盘博弈中逐渐延伸到金融交易中，在股票、期货、外汇中仍经常看到基于马丁格尔策略的量化交易模型。相比博弈中有最高投注的限制，在期货市场该策略能更好地发挥，但由于期货的涨跌并不是随机的，真实的金融交易市场也远比博弈复杂。本文采用趋势捕捉结合正、反马丁格尔交易策略，构建TC-M模型（Trend Capture and Martingale），在我国期货市场中选取投资标的进行实证评测，交易策略整个流程如图1所示。

图1 量化交易模型流程

2 模型设立

2.1 开仓

采用趋势捕捉型策略。当基于收盘价的多周期均线处于顺序排列，且短周期均线斜率范围满足一定条件时进场。考虑到短周期均线易受到价格变动较快因素的影响，较为跳跃，因此在短周期均线中采用指数移动平均法，长周期均线采用简单移动平均法。当多条均线顺序排列且短周期均线斜率大于相应条件时为做多的入场条件，小于相应条件时为做空的入场条件，资金量初始进场设为1手。当趋势捕捉失效，第一单进场亏损，触及正马丁进场加仓的间隔点数时，考虑到仅可能是趋势的回调而不一定是趋势的反转，因此进入正马丁逆势进场加仓的环节。

2.2 持仓处理

持仓策略如图2所示，具体如下。

图2 持仓策略

2.2.1 第一单盈利时

本文设定1手资金量入场不加仓，当只持有第一轮单子时，最短周期均线突破次短周期均线盈利时出场，亏损时进入正反马丁进场加仓处理。

2.2.2 第一单亏损时

（1）正马丁进场及平仓条件

此时，正马丁逆势进场，并设定采用固定间隔点数加仓。其中，正马丁的加仓手数倍数选用斐波那契数列，当满足盈利全平仓条件后，即达到整体出场条件，跳转到平仓模块。如果趋势为反转趋势，就不能完全采用固定点数的正马丁逆势加仓，因此本文在正马丁三轮之后采用大周期的支撑阻力位加仓。当趋势反转突破市场框架后，反马丁顺势加仓进场，抵御单边趋势中正马丁逆势加仓的风险。

（2）反马丁进场及平仓条件

为了抵御风险，本文设定当行情突破市场框架时进行反马丁第一单顺势进场，与正马丁交易方向反向进场1手。为了使行情反转时能更有效地保护整体持仓，避免采用加倍手数进场导致行情反转时快速平仓而失去保护能力，第二单之后采用固定间隔点数的平倍加仓，当行情反转至反马丁多个持仓单均价线盈利条件时，保留盈利平仓。多轮反马丁进场后如果遇到趋势回调，反马丁的盈利将变为亏损，本文在反马丁多轮均价线位置保持盈利时，将反马丁持仓全部平仓。为了抵御平仓后趋势再次反转，在反马丁全平仓后立即再次开启反马丁第一轮。

（3）整体平仓

设定全局平仓函数，当正反马丁持仓单均在场，所有持仓手数之和乘以平仓倍数参数值，浮盈钱数大于计算得数时，整体盈利平仓。

2.3 评估指标

本文借鉴张茂军（2021）的指标选用方法，通过夏普比率、年化收益率、累计收益率、盈亏比等指标衡量绩效。夏普比率是一种考虑风险和收益的综合指标，为超额收益的均值除以超额收益的标准差，计算如下：

其中，rf为无风险收益率。累计收益率指交易开始至结束期间的总收益率，第i期的累计收益率计算如下：

3 实证测评

3.1 模型测试说明

设定模拟交易初始资金为10,000,000，测试策略的交易平台为MT5CTP，选用期货品种为股指期货的沪深300，数据的时间范围为2017年1月1日—2018年12月1日的小时数据，共23个月。

3.2 实证过程及结果

3.2.1 模型参数配置

本文针对主要核心参数：正马丁逆势加仓间隔点数、反马丁顺势加仓间隔点数、手数倍数、五条均线周期、斜率界限、最小间隔点数等进行全自动验证，每个参数均设置了初始值、步进值和终止值，同时将TC-M模型代码输入MT5CTP中，系统通过模型设定回测历史数据，将设置的不同参数进行排列组合，经过计算机长期不间断的运算，根据优化结果中盈利金额减去亏损金额的最大差值，锁定最优参数排列组合的结果，如表1所示，即本文最终使用的参数值。

表1 TC-M模型主要参数配置

本节将上述提出的TC-M模型应用于沪深300股指期货的模拟交易中，过程如下。

3.2.2 初始单入场（趋势捕捉）

根据表1参数配置设定短周期均线分别为EMA4、EMA8、EMA21、SMA50、SMA100。当满足五条均线顺序排列且短周期均线斜率大于1.0时为做多的入场条件，小于-1.0时为做空的入场条件，表2为模拟交易中初始单入场的实际情况，首单盈利胜率高达83.08%，说明趋势捕捉应用交易的效果良好，但首单盈利金额比例只占全部盈利金额比例的10%，即大多数盈利金额通过正反马丁格尔策略获得。

表2 初始单入场相关数据

3.2.3 正反马丁整体的进场处理与平仓及反马丁单独平仓（正反马丁格尔）

当趋势捕捉失效时，进入正反马丁格尔加仓阶段。表3为正反马丁格尔加仓的相关数据，当行情持续下跌突破市场框架，反马丁进场；触发顺势加仓间隔点数后，进场反马丁第二轮。正反马丁进场次数虽然不多，但负责了整体盈利的90%，平均持仓时间为14.17天，反映了持仓风险。

表3 正反马丁格尔入场相关数据

3.3 模型投资绩效及指标解读

表4为将TC-M模型应用于沪深300股指期货模拟交易中的投资绩效指标情况，可以看出该策略对测试品种展现出了较强的收益能力，盈亏比大于1，其中23个月的累计收益率达到36.49%，胜率为78.87%，模型应用效果良好。由夏普比率大于1可知，在TC-M模型中，月收益相对稳定。做多获利占比表示做多获利的单子数量占全部做多的单子总量，即做多交易的胜率，做空获利占比同理。TC-M模型的策略主旨是快进快出，即快速盈利出场，尤其是当正反马丁都持仓后，更应快速盈利出场以了结获利，避免行情反转带来浮亏，降低持仓风险。因此，虽然本文的做多获利占比和做空获利占比分别达到85.10%和70.07%，即胜率较高，但最终整体累计收益率并未到相应高度。

表4 TC-M策略投资绩效情况

图3绘制TC-M模型的盈利曲线与沪深300期货价格指数图。从图3可看出，盈利曲线符合马丁格尔整体平滑的特点，虽然期间商品价格指数存在下降，但交易策略设定反马丁逆势加仓的风控措施，并通过趋势捕捉策略较好地捕捉进场点，因此整体趋势呈倾斜向上的盈利模式，累计收益率并未下跌，说明该策略有着较强的应对下行风险能力。

图3 沪深300 TC-M盈利曲线与期货价格指数

4 结语

马丁格尔策略虽然存在一定的争议，但本文从实际角度出发，创新性地提出了TC-M（趋势型结合马丁格尔）复合量化策略，将其应用于我国期货市场。此方法通过第一单开仓有效性、趋势型策略在单边趋势中获利、正马丁加仓中引用反马丁、设置正马丁加仓方式等途径可大概率规避风险，提高盈利效率。本文用沪深300数据检验了TC-M的投资绩效，经过多次测试后选用最佳参数可以提高交易效率和收益率，从夏普比例、累计收益率、盈亏比多项指标均可看出此方法的有效性。本文的研究丰富了量化交易策略的研究方法，为投资者提供了决策依据，并填补了国内市场缺少对马丁格尔策略实战研究的空白。