标题：期指短线策略：结合基差因子或可制定优秀超短线策略

　程式化交易发展如火如荼的今天，关于期指的量化策略一直是大家开发的重点对象，不同的周期产生了不同的交易方式，其中有趋势性交易，波段交易，短线交易，超短线交易，高频交易等等。其中我们在实践和开发的过程中发现，目前的基于传统趋势思想建立的策略在市场中的表现差强人意，重点表现在对行情的依赖性较高，回撤较大等问题，这是因为期指在去年随着市场份额、成交量、牛市逻辑等因素的变化，已然进入了“大波动时代”，相对于上市的前三年而言，同周期下的波动规则和波动幅度已经不可同日而语，这也注定了基于过往五年数据挖掘和规律发现而产生的策略有着显著的生命力衰减迹象，当然，随着行情波动的日趋剧烈，单纯的盈利能力可能会增强，但是相关的综合指标诸如夏普比率、收益回撤比、回撤幅度、回撤周期等已经很难再被接受。

　　所以我们不妨从另外一个角度考虑，这个逻辑就是指数期货波动宏观化（放大），从而产生了一些严峻的后果，那么我们现在就要把历史较好的一些策略进行微观化（缩小），最简单的方法就是缩小周期。目前我们开发的大部分量化策略基于文华财经、开拓者等平台，所采取的回溯和测试是建立在收盘价格的基础上，这也是量化交易本身的一些特性决定的。从这个角度来说，周期越小，所产生的极速负向冲击就越小，换言之就是单一的一个交易循环内所需承担时空风险会更小。

　　但是在传统的期指短线交易中，我们所遇到最大的问题就是交易噪声带给我们的损失，这会极大地影响我们的交易效率。举个例子，大家打开HS300指数期货的一分钟线图或者分时图，一眼望去尽是犬牙交错，即使有趋势方向也很难踩准其中的节奏，本来意愿通过缩小周期降低单个交易循环内的风险，谁知其中陷阱太多骗线太多，亦或是随机扰动因素太多，这样给我们策略的交易效率带来了毁灭性的打击，体现在无序交易、反复交易、逆势开仓等问题。这就给我们的策略带来了一个新的问题，如何找到一个标的，既能复制期指，又能具备很好的稳定性和平滑性。这个答案很简单，就是期指所对应的现货指数，现货指数具备极强的平滑性和稳定性，其中道理不再赘述。我们曾经在HS300现货指数上做了个简单的价格分型策略，发现效果几近完美。但这仅仅是一厢情愿罢了，因为现货指数无法直接进行交易。

　　虽然现货指数无法直接进行交易，但其具备的指示作用是非常理想的，因为期现价格同向变动，所不同的是波动幅度的差异，通俗点说就是涨跌力度不同，并且在时间横轴上有所偏移。现货的笨重注定在交易的微观周期中，往往是期指先发制人。这就是一个时滞的问题，这个问题在传统的交易策略中是非常常见的，尤其是非箱体策略，暂时我们也只能接受它的存在。这些问题落实到最后其实就是“基差”的问题，“基差”决定了这一笔依据现货信号发出的指令单能否达到一个相对满意的效果。

　　按照文章的思路逻辑，我们下一个关注的就是“基差”，在去年的牛市初期，“基差”的异常波动让很多复制现货做ALPHA对冲的投资者损失不菲，基差似乎在某一个阶段内不再如期回归，但我们在实际的研究过程中发现，基差有时会朝着有利于头寸的方向发展，有时也会朝着不利于头寸的方向发展。举个简单的例子，根据现货标的产生的信号，产生期指沽空头寸，那如果基差走弱（基差=现货价格-期货价格），则说明基差产生了负面影响，那此时需要定位期指价格本身定义风险控制措施或出场规则。反之如果基差走强，则产生积极影响。如何定义基差有很多方法，比如简单来说，因为基差的波动具有相对稳定性，则可根据它的波动率或者标准差或其他函数算法来定义强弱关系。

　　那如何利用现货指数的稳定性和连续性呢？现货标的信号如何产生呢？这是个最原始的问题。一些简单的方法往往会有不错的效果，比如蜡烛图的分型结构，再比如说在超微观周期（如5Second）使用弧形抛物线转向，并且在这些所谓的微观周期上一样可以使用趋势过滤方法。与此同时，结合上文所说的基差因子，或许可以制定出较为优秀的超短线策略。

　　最后说一句，微观的分解往往可以带来一些因素上的拓展，比如量能。期现指数在传统周期上的量能表现是缺乏规律的，杂乱无章的。以IH为例，如果我们用IH池内的若干支个股来重新赋予权重最大化复制IH指数，那这若干支个股的可使用要素就要明晰多了。个股的筹码统计分析，个股的量能相对变化就直接进入了策略本身，原本一些不易采用的要素就可以使用了。