EasyTrader ArtNo 219
有關價差交易期貨商品之價差交易,其實原理很簡單,即是市場期貨之投資人,可於眾多相關性極高的期貨商品之間,當任兩種期貨商品、或是三種期貨商品的價格走勢偏離常軌時,市場投資人即可於偏離常軌的眾期貨商品之間,去作一買、一賣的交易動作,進而可賺取其中價格差異的利潤。
例如:一般而言,黃豆與黃豆油期貨商品的價格走勢應該一致,所以當盤中黃豆與黃豆油的價格走勢突然發生一漲、一跌的差異狀況時、市場投資人即可去買進下跌的商品,且同時去作賣上揚的期貨商品,進而賺取其中的差價利潤。
又例如:買進台指期貨並同時作空台電子指數期貨;買進6月台台指期貨並同時作空7月台台指期貨...
在應用價差交易時首先要了解什麼是相關係數
著名統計學家卡爾·皮爾遜設計了統計指標——相關係數。相關係數是用以反映變數之間相關關係密切程度的統計指標。相關係數是按積差方法計算,同樣以兩變數與各自平均值的離差為基礎,通過兩個離差相乘來反映兩變數之間相關程度;著重研究線性的單相關係數。
依據相關現象之間的不同特征,其統計指標的名稱有所不同。如將反映兩變數間線性相關關係的統計指標稱為相關係數(相關係數的平方稱為判定係數);將反映兩變數間曲線相關關係的統計指標稱為非線性相關係數、非線性判定繫數;將反映多元線性相關關係的統計指標稱為複相關係數、複判定係數等。
相關係數的幾種定義
相關關係是一種非確定性的關係,相關係數是研究變數之間線性相關程度的量。由於研究對象的不同,相關係數有如下幾種定義方式。
簡單相關係數:又叫相關係數或線性相關係數,一般用字母P 表示,是用來度量變數間的線性關係的量。
復相關係數:又叫多重相關係數。復相關是指因變數與多個自變數之間的相關關係。例如,某種商品的季節性需求量與其價格水平、職工收入水平等現象之間呈現復相關關係。
典型相關係數:是先對原來各組變數進行主成分分析,得到新的線性關係的綜合指標,再通過綜合指標之間的線性相關係數來研究原各組變數間相關關係。
相關係數的計算方法 (詳文請參照 MBA智庫 )
相關係數的值介於–1與+1之間,即–1≤r≤+1。其性質如下:
當r > 0時,表示兩變數正相關,r < 0 時,兩變數為負相關。
當|r| = 1時,表示兩變數為完全線性相關,即為函數關係。
當r = 0時,表示兩變數間無線性相關關係。
當0 < |r| <1時,表示兩變數存在一定程度的線性相關。且 |r| 越接近1,兩變數間線性關係越密切;|r| 越接近於0,表示兩變數的線性相關越弱。
一般可按三級劃分:|r| <0.4為低度線性相關;0.4 ≤ |r| <0.7為顯著性相關;0.7≤|r|<1為高度線性相關。
資料參考 MBA智庫 相關係數
我們將這樣的概念作成指標來觀察圖表如下 Data1 電子期 , Data2 金融期inputs:N(12),EntL(0);
Vars:Corr(0);
vars: IsBalanceDay(False),MP(0),PF(0),PL(0);
MP = MarketPosition ;
if DAYofMonth(Date) > 14 and DAYofMonth(Date) < 22 and DAYofWeek(Date)= 3 then isBalanceDay = True else isBalanceDay =False ;
Corr = 相關係數
{電子期策略 data1 電子 , data2 金融}
當相關係數由大變小後 ,同時均線走向也是相反時進場
if Average(Close,N) of data1 > Average(Close,N)[1] of data1 and
Average(Close,N) of data2 < Average(Close,N)[1] of data2 then Buy next bar at Market ;
if Average(Close,N) of data1 < Average(Close,N)[1] of data1 and
Average(Close,N) of data2 > Average(Close,N)[1] of data2 then Sell next bar at Market ;
{金融期策略 data1 金融 , data2 電子}使用相同的策略
當相關係數由大變小後 ,同時均線走向也是相反時進場
if IsBalanceDay then setExitonClose ;
電子期 / 金融期 留倉 2005/11 ~ 2014/10 交易成本 1200
電子期與金融期買賣對稱
一買一賣的好處在於碰上意外事件的大風險時至少有一方是可避險的!績效反而不是主要的考量;本範例是以均線走勢做為參考也可以用其他方式來定義例如動量
0 留言:
張貼留言
如果有私人問題想請教,請透過網站右方『與站長聯絡』之表單,謝謝!