云锵投资 - 股指期货多头策略
本文用于介绍云锵投资中应用的最新策略：股指期货多头策略。该策略一直处于等待期，最近市场大幅下跌，触发了该策略的启动机制。20220321，已经为该策略安排了部分资金正式用于实战。
策略诞生
该策略诞生于 2020 年，当时发生了下面几件事：
1、2020 年 3 月，疫情造成 A 股大幅下跌，其后开启了一年的单边上涨行情。
2、期间，我们研发了 YQ_V 等一系列技术指标，用于评测各类标的的当前价格位置、未来可能的最大跌幅。
3、期间我们还对风险收益计算软件进行了几次升级，使得其不但可计算风险调整后的理论收益预期，而且可对该预期进行 Beta 调优，计算出可对该标的使用哪一个最合适的 Beta 值，以得到最好的收益及夏普比率。
4、2020 年基金产品上线，加之疫情造成行情大幅波动，所以投研团队多次讨论 Alpha、Beta 的投资方案。
最终，我们设计出了纯粹投资 Beta 的期货策略。
策略介绍
本策略大部分时候处于等待期，只在上证50、沪深300、中证500等股指出现大跌时响应；此时，会使用技术指标、价值指标来评估标的所处于的历史点位、以及可能的最大跌幅；如果认为标的处于历史低位，而且未来可能的最大跌幅有限，就会规划好资金，加仓多头；然后静候未来在相对高点时卖出。
下面，对其中所使用到的技术组成部分进行简单介绍：
技术指标：YQ_V 价格指标
该指标的算法，是基于标的的历史 K 线及波动计算而得。目前已经将该指标集成进日常使用的几个软件中，并集成进量化系统中，方便查看及自动监控。
上图中，最下面的 B_YQ_V_All 就是价格点位指标。该指标将 K 线的点位，经过统计与计算、整理，得到了 0-100 分的分值。得分越低，说明该处点位越低。而其中的 V_1 到 V_5 是不同维度计算出来的，而 V_Avg 是其平均值。
能看到，在 2015 年大牛市时，指标全线处于 100 分位值；而在 2020 年疫情时、2018 年等时间处，指标都处于 0 分值。而目前，该指标又再次处于 0 分值。
该指标只分析 K 线，所以在对标的进行分析时，只能用于单方面参考。同时，还应该使用更多的估值技术进行分析。
技术指标：最大跌幅指标
该指标也是经过 K 线统计计算而来。旨在通过标的的历史 K 线，来分析标的的波动率，并判断其极限跌幅位置。
如上图中的 B_极限跌幅，就是此指标。
可以看到，该指标目前为 -23.906%。表示经过历史 K 线的波动率分析，在当前点位，未来较差的情况下，可能会再跌 -23.906%。
对于 A 股的波动率，历史来看，都是比较大的。但是随着市场越来越成熟，波动率会慢慢地降低下来。所以这也为这个指标提供了一定的安全性。
风险调整后预期收益计算 & Beta 调优
投资是一个概率的游戏。在投资之初，投资者往往会对投资目标进行一定的预估。这涉及几个值：本金亏损概率、平均亏损比率、平均盈利比率。通过这些预估值，就能计算出该项投资的回报期望。
这样，我们就编写了第一版的风险调整后收益计算器。在这之上，我们又不断升级，有了最新的收益预期计算器。其拥有了 Beta 调优的功能，能计算出特定的投资，在指定的杠杆成本之宝上，应该使用多少倍杠杆进行投资，可以获得最好的预期回报及夏普比率。
例如，我们对在低点进行股指投资的三个预期值设置为 20、10、20，对其进行 Beta 调优，如下图所示：
可以看出，在没有资金成本、杠杆成本的前提下，在 Beta < 6 时，该项投资杠杆越大，投资回报越大；而夏普比率也在5倍内杠杆时，在 0.7 附近。当 Beta > 6 时，杠杆越大，长期收益却在下降。并在 10 时出现绝对亏损。
所以，杠杆并非越大越好。
期货资金规划
在有一个杠杆的大致范围后。我们还需要考虑股指期货的杠杆属性。
目前，我所在的证券公司对沪深300股指期货的保证金比率大概是 14 左右。而在交了保证金后，每天市场的波动，都会体现在资金余额上。一旦余额为 0，会触发强制平仓。而一旦平仓，则是整个投资完全失败。
所以我们需要测算出合适的杠杆比率，使得策略在出现最大亏损时，也会有较多安全边际，不会被强制平仓。
为高效利用奖金，我们还可以结合现货仓位进行统一规划。如下图所示，我们对一手期货合约进行整体的资金规划：
通过不断调整数值，可以计算出合适的杠杆。以及极限情况下，还可能需要加仓多少资金。
通过目前的数据计算得出，杠杆大概处于 2-3 倍比较合适。
当前小结
上面讲了本策略所涉及到的许多相关技术。
虽然经过上述计算，而且本策略只在股指大幅低估时启用。今年 3 月，因为战争等原因，股指大幅下跌，使得这个等待了两年的策略，可以有真正实战的机会。
另外，我们还需要注意：上述一些指标，皆为量化技术指标，通过统计历史数据而来。
量化技术，通过分析过去，而使得未来有一定的参考性。但需要注意的是：过去不代表未来；而且，过去的数据，往往会被未来突破。所以在使用时，我们会参考这些指标，并额外再给予更多的安全边际。
量化，不是绝对正确。但是计算的过程，却可以让我们做到心中有数。
