本文作者 | 陆昶燚  中信建投期货金融工程量化分析师

本报告完成时间 | 2024年12月23日

交易量是市场活跃度的一个重要指标。高交易量通常意味着较强的买卖兴趣和市场参与度，可以是因为市场对某些信息的反应。例如，股票价格在交易量大增的情况下上涨，通常被视为上涨趋势的确认，反之亦然。量价关系可以用来确认趋势的有效性。当价格上涨（或下跌）时，若交易量也同步增加，这通常被视为趋势的有效确认。如果价格变动没有伴随相应的交易量支持，则趋势可能不稳定，容易逆转。

1.1. 量化交易策略绩效指标

在量化交易策略中，我们通过多次资产组合，对风险资产的权重进行动态调整。除了关注截面上资产组合本身的风险、收益率之外，还应该关注制定策略在时序上的稳定性、胜率、风险等。常用的业绩评价指标主要包括：

1、年化收益率（Annualized Returns）

年化收益率是衡量策略投资回报的主要指标，表示投资一年的预期收益率，计算公式如下：

其中              

2、夏普比率（Sharp Ratio）

夏普比率是指承受单位总风险带来的超额回报，可同时对风险与收益进行考虑。如在给定的风险水平下最大化期望回报，在给定的期望回报水平上最小化风险。计算公式如下：

3、最大回撤（Max Draw Down）

最大回撤反映了投资者忍耐亏损的极限，衡量了给定时间内最极端的亏损量。t日的最大回撤计算公式如下：

4、波动率（Volatility）

收益的标准差为测度风险的常用指标，通常被定义为方差的平方根，以衡量结果的波动程度，计算公式如下： 

5、卡玛比率（Calmar Ratio）

卡玛比率定义与夏普比率类似，采用最大回撤作为风险衡量指标，计算公式如下：

1.2. 因子信号生成逻辑

1、量价同步相关系数因子计算公式：

量价同步相关系数因子主要逻辑为计算过去一段时间内收盘价与成交量相关系数的平均值。本文中将计算1，3，6，9，12个月的量价同步相关系数因子，并将之结合。其信号产生逻辑为当某品种的量价同步相关系数因子值超过该品种近段时间量价同步相关系数因子值的0.8分位时，产生做多信号，当某品种的量价同步相关系数因子值低于近段时间量价同步相关系数因子值的0.2分位时，产生做空信号。

2、量领先价相关系数因子计算公式：

量领先价相关系数因子主要逻辑为计算过去一段时间内前一日收盘价与成交量相关系数的平均值。本文中将计算1，3，6，9，12个月的量领先价相关系数因子，并将之结合。其信号产生逻辑为当某品种的量领先价相关系数因子值超过该品种近段时间量领先价相关系数因子值的0.8分位时，产生做多信号，当某品种的量领先价相关系数因子值低于近段时间量领先价相关系数因子值的0.2分位时，产生做空信号。

3、价领先量相关系数因子计算公式：

价领先量相关系数因子主要逻辑为计算过去一段时间内收盘价与前一日成交量相关系数的平均值。本文中将计算1，3，6，9，12个月的价领先量相关系数因子，并将之结合。其信号产生逻辑为当某品种的价领先量相关系数因子值超过该品种近段时间价领先量相关系数因子值的0.8分位时，产生做多信号，当某品种的价领先量相关系数因子值低于近段时间价领先量相关系数因子值的0.2分位时，产生做空信号。

4、收益量同步相关系数因子计算公式：

收益量同步相关系数因子主要逻辑为计算过去一段时间内收益率与成交量相关系数的平均值。本文中将计算1，3，6，9，12个月的收益量同步相关系数因子，并将之结合。其信号产生逻辑为当某品种的收益量同步相关系数因子值超过该品种近段时间收益量同步相关系数因子值的0.8分位时，产生做多信号，当某品种的收益量同步相关系数低于近段时间收益量同步相关系数因子值的0.2分位时，产生做空信号。

5、量领先收益相关系数因子计算公式：

量领先收益相关系数因子主要逻辑为计算过去一段时间内前一日收盘价与成交量相关系数的平均值。本文中将计算1，3，6，9，12个月的量领先收益相关系数因子，并将之结合。其信号产生逻辑为当某品种的量领先收益相关系数因子值超过该品种近段时间量领先收益相关系数因子值的0.8分位时，产生做多信号，当某品种的量领先收益相关系数因子值低于近段时间量领先收益相关系数因子值的0.2分位时，产生做空信号。

6、收益领先量相关系数因子计算公式：

收益领先量相关系数因子主要逻辑为计算过去一段时间内收盘价与前一日成交量相关系数的平均值。本文中将计算1，3，6，9，12个月的收益领先量相关系数因子，并将之结合。其信号产生逻辑为当某品种的收益领先量相关系数因子值超过该品种近段时间收益领先量相关系数因子值的0.8分位时，产生做多信号，当某品种的收益领先量相关系数因子值低于近段时间收益领先量相关系数因子值的0.2分位时，产生做空信号。

通过测试，我们发现，上述六个因子中，量价相关系数因子类表现较差，其中量价同步相关系数与量领先价相关系数因子的年化收益与夏普比率均为负，价领先量相关系数表现稍好，夏普比率超过0.3，卡玛比率超过0.4。收益与量相关系数因子类表现较好，三个因子的夏普比率与卡玛比率均超过0.3，其中收益领先量相关系数因子夏普比率接近1，卡玛比率超过1。

综合来看，四个因子中两个因子表现较差，三个因子表现稍好，一个因子表现较好。但就单因子表现来看，除了收益领先量相关系数因子绩效表现不错，净值走势较为平稳，其他因子在较长时间内，净值走势都不够平稳，且绩效较差，后续我们将对表现较好的四个因子进行合成测试。

3.1  回测参数

资金分配

    我们比较全品种等权资金分配方案策略效果，基础资金分配时间为每季度最后一个交易日，基础资金分配如下：

注：杠杆系数在下文测试中统一设为1.0。

测试参数

回测时段：2014年7月1日 - 2024年7月3日

回测品种：期货市场内流动性较好的30多个品种

成交时间：信号出现后下一个K线周期开盘价；手续费设置: 交易所手续费 +20%；

交易频率：15min；

杠杆系数：1；

品种资金分配：每个季度最后一个交易日，按照当前可交易品种分配基础资金单位。

3.2  组合测试

年度表现如下：

从组合信号的测试结果来看，我们可以发现，合成策略后，策略的绩效水平相较于绩效较好的三个单因子的绩效水平并没有显著提高，合成策略的夏普比率接近1，卡玛比率超过0.7，特别是相较于绩效最好的收益领先量相关系数因子，合成策略在某些方面的绩效还有所下降。

从策略稳定性来看，策略净值在2022年之前走势相对平稳，净值稳步上升,未出现较大回撤。2022年之后随着地缘因素出现，策略波动幅度加大，特别是在2022年初，策略出现较大回撤，其次，策略创造新高时间较短，较长时间都处于震荡调整期，最大回撤周期接近1年，整体来看策略在2020至2023年盈利能力较强，但是波动幅度也相应加大，其他年份盈利能力较差，在2017，2019与今年，策略收益都低于5%，盈利能力较差。

量价关系在金融市场交易中是一个核心要素，其紧密关联决定了价格的波动与交易量的变化。在金融市场中，成交量代表市场参与者交易的活跃程度，而价格则反映了市场参与者对于标的物价值的共识。因此，量价关系即反映了市场参与者行为与市场价格的相互影响。量价的这种关系可以从市场心理和行为模式的角度来解释。投资者对市场行情的信心变化会通过交易行为体现出来，进而影响到交易量和价格。通过对量价关系的分析，投资者可以更好地理解市场动态、预测价格走势并做出更明智的投资决策。本文通过计算价格，收益率与成交量之间的高频相关系数来构建高频量价相关性因子，我们发现，量价相关性因子在交易中能够提供一定的正向效果，但是总体来看，策略绩效还不够稳定，整体效果一般。