基于EMD重构信号的趋势跟踪策略：量化择时之模式识别-2012-09-04.pptVIP

* 3300 3100 2900 2500 ? ? ? 罗业华 证券研究报告 | 金融工程 量化投资 2012 年 8 月 31 日 计算包络线图例 基于EMD重构信号的趋势跟踪策略 ——量化择时之模式识别 近年来，如何对数据去噪并从中提取出富有价值的信息一直是学术界和投资界 3500 原序列 上包络线 下包络线 包络线均值 普遍较为关注的研究方向。本文提出一种新颖的数据分解技术——经验模态分 解（EMD：Empirical Mode Decomposition），并将其应用于指数，作为我们 在该领域的初探，希望对感兴趣的投资者有所帮助。 2700 ? 反身性理论：中国股市属于新兴市场，影响市场的多种周期性因素叠加后 必然导致我国市场呈现两方面特点：一方面市场局部噪声较大，短期波动 2300 1 51 101 151 201 剧烈；此外从中长期来看，市场必然呈现出周期性波峰波谷交替出现的现 资料来源：招商证券，天软科技 象。索罗斯的反身理论正是对市场趋势周期性更迭的一种解释。 IF1009 合约模拟收益走势 IF1009(左) LSRCut最大回撤(右) LSR(左) 25% 20% 15% 10% 5% 0% LSRCut(左) 0% -1% -2% -3% -4% -5% 经验模态分解技术：EMD 方法是一种数据逐步分解技术，也是对非平稳数 据平稳化的过程——我们形象的称之为“筛”（Sifting）的过程。此过程可 以将原信号中不同尺度的波动或趋势分解出来，产生一系列分量，每一个 分量称之为本征模函数（IMF）。此外该技术可以完美地把原序列分解为多 个分量，并且没有出现信号和能量的损失。 -5% -10% -15% 资料来源：招商证券，天软科技 -6% -7% -8% ? IMF 分量特征分析：结合拟相关系数可以发现，高频部分 IMF1—IMF3 与 HS300 的相关性较低，其绝对值在 5%以内，同时方差比 STDR 也不足 5%。 低频部分 IMF4—IMF6 与 HS300 的拟相关系数有所提高，特别是趋势项 Trend，其拟相关系数更是高达 99%。从平均周期来看，IMF1—IMF3 平均 相关报告 1《量化择时之反身性理论的应用 ——如何量化天时、地利、人和》 2011/11/11 2《量化择时之市场情绪—短期看 变化，长期看区域》2010/12/7 3《量化择时之市场估值—股债市 场估值水平在择时中的应用》 2010/12/30 周期比较稳定，分别为 3、6 以及 13 左右，且平均周期标准差较小。 样本内策略构建：对 HS300 滚动最近 10 个交易日的 10 分钟高频价格序列 进行 EMD 分解，并将高频白噪声序列从原数据中剔除，以剩余序列代表市 场趋势，构建基于 EMD 重构信号的趋势跟踪策略。回测显示该策略可实现 较为稳定的收益，特别是经过静态止损后，其波动性明显降低。策略 RCut 累计收益 487%、RSCut 收益为 118%、RLSCut 更是高达 1293%；从月度 收益来看，回测的 78 个月中有 55 个月实现正收益，胜率高达 70.5%。 样本外策略检验：在 8 个合约样本检验的七个月中除合约 IF1106 和 IF1112 以外，其余合约基本都能获取正收益，胜率为 75%，且收益基本在 10%以 上。特别是合约 IF1009 和 IF1203，经止损后收益接近 20%。 0755luoyh@ S1090511040010 研究助理 徐静 xujing1@ 陈军华 chenjh2@ 敬请阅读末页的重要说明 量化投资 正文目录 一、概述 4 1、研究意义 4 2、反身性理论 4 3、道氏理论 5 二、经验模态分解技术 6 1、EMD 原理 6 2、其他相关技术 8 三、IMF 分量实证分析 9 四、基于 EMD 重构信号的趋势跟踪策略 15 1、HS300 样本内回测 15 2、期指样本外检验 17 五、总结和展望 19 图表目录 图 1：计算包络线图例之一 7 图 2：计算包络线图例之二 7 图 3：EMD 算法流程图 7 图 4：HS300 及其各 IMF 分量 9 图 5：HS300 及其各 IMF 分量箱线图 10 图 6：2006 年沪深 300 各 IMF 分量重构 12 图 7：2007 年沪深 300 各 IMF 分量重构 12 图 8：2008 年沪深 300 各 IMF 分量重构 12 图 9：2009 年沪深 300 各 IMF 分量重构 13 图 10：2010 年