研报下载就选股票报告网
您好,欢迎来到股票分析报告网!登录   忘记密码   注册
>> 国泰海通证券-债市量化系列之九:国债期货L1高频数据如何引入择时模型-261111
上传日期:   2026/11/11 大小:   1577KB
格式:   pdf  共14页 来源:   国泰海通证券
评级:   -- 作者:   孙越,唐元懋
下载权限:   此报告为加密报告
本报告导读:
  本文借鉴BERT的自监督训练方法,从国债期货L1高频行情中提取盘中量价特征,预测由正负半方差划分的次日波动状态并据此开展多空择时。
  投资要点:
  量价信息是构建国债期货择时模型的重要思路,相较于日度指标,高频行情能够更细致地反映盘中价格、成交和盘口的变化,但原始记录密集、数据量大。如何从中提炼能够概括盘中走势、又适用于日度预测的特征,是将高频信息用于择时的关键。本文以L1高频行情为基础,将单日分钟序列压缩为日度特征,结合基础量价与历史波动信息,利用神经网络预测次日盘中波动状态,并检验相应信号扣除交易成本后的多空表现。
  ①在数据选取上,本文引入L1高频行情,补充日度量价指标难以保留的盘中信息。L1行情记录了价格、成交、持仓量以及买卖一档报价和挂单量的变化。本文将原始记录按1分钟聚合,形成按时间排列的量价与盘口序列。通过将价格变动与同期的成交和盘口变化对应起来,可以进一步观察涨跌集中在哪些时段、价格变化是否伴随成交放量,为提取日内特征提供基础。
  ②在特征提取上,本文借鉴BERT的掩码训练思路,以自监督方式训练神经网络,将单日分钟行情压缩为8维日度特征。训练时随机遮盖约15%的分钟位置,由一维卷积和GRU组成的编码器依据其余行情生成编码,再用这组编码重建被遮盖位置的有效观测。原始行情本身提供训练目标,按具体分钟位置计算重建误差,引导编码器在压缩时尽可能保留局部走势及其先后顺序。训练完成后,本文固定编码器参数,以完整的单日分钟序列生成日度编码,并将其与基础量价指标和历史半方差特征一同用于预测。
  ③在预测目标上,本文关注次日盘中波动由上涨侧还是下跌侧主导。本文根据日内5分钟收益计算正负半方差,并以上涨侧半方差占总波动的比例,将交易日划分为上涨侧占优、下跌侧占优和两侧均衡三种状态。两套GRU分别估计上涨侧与下跌侧波动占优的概率,再按状态概率加权各状态对应的历史日内收益,得到次日预期收益。最后,根据预期收益的方向及其能否覆盖往返交易成本确定多头、空头或空仓目标,于次日开盘执行。
  回测来看,模型在T、TF、TS合约上均展现了较强的择时能力,多空两侧均有正收益贡献。截至2026年11月6日,T、TF的年化收益分别由同期买入持有的2.80%和1.60%提高至4.26%和2.45%,夏普比率分别升至1.87和1.64,最大回撤均降至2%以内,其中,T的多头和空头波段胜率分别为72.30%和65.29%,对应的年化夏普比率为1.61和0.90。TS合约前期信号较为稀疏,2024年以来策略年化收益由同期买入持有的0.22%提高至0.57%,夏普比率由0.33提高至1.34,其中空头波段胜率可达为86.21%。TL的回测区间相对较短,现有样本中的整体表现弱于同期买入持有,跨阶段表现仍需更长样本检验。
  风险提示:历史数据存在失效的可能;模型核心参数依赖历史数据校准,易受样本区间结构性特征影响,极端行情波动
  
 
Copyright © 2005 - 2021 Nxny.com All Rights Reserved 备案号:蜀ICP备15031742号-1