样本内外交易绩效对比 [page::3][page::4]

• 《CPV 期货版1.0》样本内年化收益44.48%，收益波动比2.24，日频胜率57.27%。

- 全样本（样本外）收益显著下降，年化收益率仅17.79%，收益波动比跌破1，日频胜率52.68%。

持仓量修正与价量相关性构建 [page::4][page::5][page::6]

• 由于“T+0”交易者交易行为影响，持仓量形态由“山峰”变为“山谷”，需对持仓量进行修正以还原真实多空意图。

- 修正通过分配成交量权重调整持仓量变化，并计算“T+0”交易者持仓量进出，形成更准确的PV值交易信号。

• PV值大于0看多，反之看空，采用“今日PV值指明明日持仓方向”交易规则。

交割期和长假影响分析 [page::6][page::7]

| 交割日情况 | 交易日数 | 年化收益 | 日度胜率 |
|------------|-----------|-----------|---------|
| 当月合约与次月同信号 | 51 | 8.00% | 68.63% |
| 当月与次月信号相反 | 93 | 0.05% | 52.69% |

• 交割当日信号剔除，仅在交割期内当月与次月信号一致时交易，避免信号失真。

- 与下一交易日间隔超过3天（长假）信号被剔除，因信号有效性下降。

PV值价量配合与分钟PV表现优于日PV [page::7][page::8]

• 价量相关性遵循技术分析价量配合原理。

- 分钟PV策略表现明显优于日频PV，后者年化收益率为-6.18%，日频胜率50.47%，前者收益更稳健。

PV值信号优于纯价格信号，证实多空情绪有效性 [page::9][page::10]

• 纯价格涨跌策略胜率与随机相当，年化收益-0.43%。

- PV策略收益58.80%出现在价格上涨PV看空的罕见组合，体现其独特的逆向信号价值。

“时光机”模拟显示当日价量相关性交易绩效优异 [page::10][page::11]

| 策略 | 年化收益 | 年化波动 | 收益波动比 | 胜率 |
|------------|----------|----------|-----------|---------|
| 时光机(当日PV成交) | 60.74% | 17.12% | 3.56 | 60.27% |
| CPV 期货版1.0 | 17.79% | 19.34% | 0.92 | 52.68% |

• 当日指数信号交易表现远优于次日交易，显示投资者情绪的即时价值。

样本内外动量与反转特征及其转变 [page::11][page::12]

| 时间段 | 同向天数 | 反向天数 | 同向占比 |
|--------|----------|----------|----------|
| 样本内 (2017/11-2020/6) | 249 | 229 | 52.09% |
| 样本外 (2020/7-2022/4) | 144 | 178 | 44.72% |

• 2020年7月1日为界，样本内以动量效应为主，样本外以反转效应为主。

- 投资者情绪变化反映市场效率的提升。

价量相关性综合策略构建 — 剔除周五信号+止损7%机制 [page::13][page::14][page::15]

| 策略 | 年化收益率 | 年化波动率 | 收益波动比 | 胜率 | 最大回撤 |
|-----------------------|------------|------------|------------|---------|------------|
| 止损7.0% + 剔除周五 | 20.91% | 17.20% | 1.216 | 53.86% | 37.89% |
| 止损7.0% | 18.28% | 19.20% | 0.952 | 52.68% | 37.89% |
| CPV 期货版1.0 | 17.79% | 19.34% | 0.920 | 52.68% | 38.94% |

• 止损机制优化收益与风险控制，剔除周五提高策略稳定性和胜率。

- 通过日历效应识别信号有效期，提升策略稳健性与盈利能力。

《“高频价量相关性拥抱 CTA” 系列研究（二）：CPV 因子期货版 2.0——样本内外的动量反转》详尽分析报告

---

一、元数据与概览

报告基本信息

• 标题: “高频价量相关性拥抱 CTA” 系列研究（二）——CPV 因子期货版 2.0——样本内外的动量反转

- 发布机构: 东吴证券研究所

• 作者: 高子剑，证券分析师，执业证书号：S0600518010001021-60199793

- 发布日期: 2023年2月13日

• 研究主题: 基于高频价量相关性，构建期货CTA策略，重点检测样本内外的动量与反转效应，以提升CTA策略的稳定性和有效性。

核心论点总结

本报告立足于《CPV 期货版1.0》的价量研究，发现该策略在样本外表现不佳，提出CPV 2.0版，聚焦于样本内外动量与反转效应的差异，通过深入分析成交价与修正持仓量的相关系数，发掘其中蕴含的多空信号，并提出优化的交易策略：剔除周五交易；加入7.0%止损阈值，从而实现年化收益率提升（从17.79%至20.91%）、波动率下降及胜率提升，建立更稳健有效的CTA交易方案[page::0, 3–4, 14–15]。

---

二、逐节深度解读

1. 样本内表现回顾

东吴金工认为，价格与成交量能直接反映交易者情绪，期货中持仓量更关键，因其与价格共同反映多空双方损益。《CPV期货版1.0》基于此，运用于沪深300期货日频交易，在样本内表现优异：年化收益44.48%，收益波动比2.24，日频胜率57.27%，最大回撤10.34%，交易活跃度高（635交易日，283次换仓），相较基准MA60策略优势明显（基准年化收益-13.3%）[page::3]。

关键数据点解读： 年化44.48%的收益率体现策略强劲盈利能力；波动率19.84%与胜率57.27%表明策略胜率超五成且波动适中，风险控制表现较好。

---

2. 全样本绩效

全样本回测（2017年11月至2022年4月）显示，策略仅在策略发布后三个月表现稳健，2020年7月1日后策略净值进入下降通道，年化收益降至17.79%，收益波动比跌破1（0.92），日频胜率跌至52.68%，最大回撤高达38.94%。此衰退反映策略样本外的适应性受限，故需要进一步研究[page::3–4]。

---

3. PV值的合理性

3.1 修正后持仓量

PV值即价格与持仓量的相关系数，原始持仓量数据遭受投资者T+0行为影响，导致“山峰”形态变为“山谷”形态（图2所示）。2015年9月中金所“平今仓”手续费激增，促使T+0投资者策略转变，盘中平仓且收盘同步持有双向仓位，导致日内持仓量先减少后增加，形成“山谷”[page::4]。

3.2 修正后价量相关性交易策略

针对“山谷”形态的失真，提出修正方案：揭示持仓量变化由T+0和T+1交易者构成，采用成交量权重分配持仓量变化，反转映射T+0交易者“离场”为“进场”，公式详见（第5、6、7页），实现“退谷还峰”，真实反映投资者多空意图。PV值正负用于交易信号判断，维持日内T+1开盘建仓原则。举例表5演示持仓量修正具体操作方案如何调整持仓量[page::5–6]。

3.3 交割周期影响

换月交割导致当月合约持仓量下降、次月合约持仓量上升，信号生效受损。剔除交割当天信号，剩余4个交割日前交易日仅在当月与次月合约信号一致时交易，测试显示优于单纯根据次月信号或信号不一致日交易，表现如下表6，日度胜率、年化收益均优[page::6–7]。

3.4 长假影响

交易日间隔超3天时，策略信号有效性大幅下降。为避免节假日带来的信息延迟风险，回测显示间隔超过3天时策略平均年化收益和日度胜率显著降低，故剔除间隔超过3天交易日的信号[page::7]。

3.5 PV值与价量配合关系

价量配合核心逻辑通过四象限表（表8），说明价格和持仓量同向（涨涨或跌跌）视为多头趋势，异向视为空头趋势。PV值为价格和持仓量的相关系数，能够科学量化价量配合程度。日频PV（价格和持仓量日涨跌符号乘积）回测结果表现差于分钟PV，年化收益率显著不足，强调分钟级PV的细粒度优势[page::7–8]。

---

4. PV值的特性

对比以价格涨跌信号为依据的追涨杀跌策略，年化收益率仅-0.43%，胜率48.4%，与随机无异，明显不及CPV1.0的17.79%年化收益（胜率52.68%）。二者净值曲线差异明显，说明CPV策略具备价格单纯涨跌之外的增值信息[page::9]。

进一步四象限分析显示，当价格上涨而PV信号为负，即信号和大盘趋势反向时，年化收益高达58.8%，收益波动比3.15，说明该策略能捕捉反向交易的超额收益，是CPV策略的核心独特价值[page::10]。

---

5. PV值与交易执行的关系

“时空穿梭者”假设（当日分钟内已知持仓量和价格走势情绪并当日交易）回测结果极好：年化收益60.74%，收益波动比3.56，胜率60.27%。现实中只能用当日PV预测次日交易，即CPV1.0策略，表现不及“时光机”但依然稳健。净值曲线显示，2020年7月1日前，今日情绪反馈与次日市场行情延续匹配（动量），7月1日后，两者方向反转（反转效应），说明市场效率提升、信息即时性增强，动量转反转是策略性能差异根本原因[page::10–11]。

样本内（2017年11月20日-2020年6月30日）动量天数略多于反转天数（249天 vs 229天，动量占52.1%）；样本外（2020年7月1日-2022年4月12日）反转天数多于动量天数（178 vs 144），与净值走势呼应[page::11–12]。

---

6. 价量相关性综合策略

6.1 日历效应

拆分一周五天信号与次日收益表现，发现周三信号对应下一日收益最高（年化77.38%，收益波动比3.31），周四信号次之（44.54%），周一、周二信号收益较低但正收益，周五信号明显亏损（-18.91%），表现最差。由此得出剔除周五交易信号的结论，规避强反转日信号带来的损失[page::12–13]。

6.2 止损机制

引入止损机制防范风险，止损起点取前一交易日收盘价而非次日开盘价，因跳空破位易导致市场快速变化，理性投资者会放弃交易。止损阈值研究显示：

• 阈值9.0%时无止损效果，指标与CPV1.0相同；

- 阈值过小（<5%）会误杀盈利单，导致收益下降、波动率上升；

• 阈值7.0%时达到最高收益，胜率保持且波动率降低，是最优阈值[page::13–14]。

6.3 策略总结

结合剔除周五信号及新增7.0%止损阈值，CPV 2.0策略显著优于CPV1.0：

| 指标 | CPV1.0 | 止损7.0% | 止损7.0%+剔除周五 |
|----------------|----------|-------------|--------------------|
| 年化收益 | 17.79% | 18.28% | 20.91% |
| 年化波动率 | 19.34% | 19.20% | 17.20% |
| 收益波动比 | 0.92 | 0.952 | 1.216 |
| 日频胜率 | 52.68% | 52.68% | 53.86% |
| 最大回撤 | 38.94% | 37.89% | 37.89% |

净值曲线（图8）清晰反映了这一改进[page::14–15]。

---

7. 总结

• PV值，基于分钟价量相关性，能有效反映当日期货投资者多空情绪，若能当日内利用，年化收益高达60.74%，显著优于基准。

- 以2020年7月1日为界点，PV值与未来走势关系由“动量”转为“反转”，体现市场效率变化，导致策略样本内外表现差异。

• 拆分周交易信号，发现周三和周四信号最有效，周五信号有显著反转需剔除。

- 止损机制以7.0%阈值为最佳，有效规避亏损放大，但需警惕过度止损误杀盈利交易。

• 综合剔除周五加7.0%止损的CPV 2.0策略显著提升绩效，年化收益提升3.12个百分点，风险调整后表现更优。

---

三、图表与数据深度解读

图1（第3页）

• 内容: CPV1.0策略样本内（2017-2020/4/15）与样本外的净值对比。

- 解读: 2017-2020年4月15日，净值持续稳健增长，达到峰顶后进入下行阶段，2020年7月1日后净值持续回落，表明策略失去样本外有效性，原因后文解析为市场动量转向反转[page::3]。

• 

图2（第4页）

• 内容: IF（当月连续）价格走势和持仓量“山谷”形态。

- 解读: 显示日内持仓量呈现先下降后上升形态，与价格波动不同步，印证了2015年后T+0投资者行为改变，导致原有“山峰”持仓量形态被“山谷”取代，需持仓量修正[page::4]。

• 

图3（第8页）

• 内容: 分钟PV与日PV净值对比。

- 解读: A蓝线为分钟PV策略净值曲线，稳健增长；红线为简单日PV策略，净值表现差，年化收益负值，胜率仅50.47%。强调分钟PV提供更精细信号，策略有效性更高[page::8]。

• 

图4（第9页）

• 内容: CPV1.0与仅使用价格涨跌信号（追涨杀跌）净值对比

- 解读: 蓝线（CPV1.0）持续优于红线（价格涨跌信号），后者业绩接近随机，验证PV相关性优于单一价格信号[page::9]。

• 

图5（第10页）

• 内容: 使用当日PV值交易净值曲线。

- 解读: “时空穿梭者”假设效果极佳，净值大幅上升，反映PV值对当日行情的强预测能力，揭示该信号的潜在价值[page::10]。

• 

图6（第11页）

• 内容: 今日PV今交易与今PV明交易净值曲线比较。

- 解读: 2020年7月1日前两曲线高度重合，确认动量效应；后期两线分歧，反转效应确立，印证市场结构及效率变化[page::11]。

• 

图7（第14页）

• 内容: 不同止损阈值对应的策略绩效变化表。

- 解读: 发现止损阈值7.0%处收益最高且胜率稳定，阈值过大无效，过小误杀盈利单，止损机制需精细调整[page::13–14]。

• 

图8（第14页）

• 内容: 不同策略（CPV1.0、加入止损7%、再剔除周五）净值曲线对比。

- 解读: 加入止损后净值曲线波动率减小、收益率提升，剔除周五则进一步优化表现，验证综合策略优势[page::14–15]。

• 

---

四、估值分析

本报告不涉及传统企业估值模型，侧重于CTA策略的交易信号及绩效回测，未使用DCF、市盈率等常规公司估值框架。

---

五、风险因素评估

• 历史数据依赖风险： 所有统计基于历史数据，未来市场结构、投资者行为可能发生重大变化，影响策略有效性。

- 策略样本外不稳定： 测试表明策略在样本外（2020年7月1日以后）表现下降，动量转反转，需动态调整。

• 止损策略限制： 止损能削减亏损但无法将亏损转盈利，止损阈值设置不当可能误杀盈利交易。

- 信号适用性限制： 如长假期间、交割日信号失效显著，需剔除或做特殊处理。

• 市场效率变化风险： 市场逐步有效化导致信号提前反映、持续性下降。

- 交易成本与滑点风险： 报告假设手续费成本固定（1.3%），市场实际滑点可能影响回测表现。

报告对上述风险均有明示，并对交割日及长假信号做剔除，降低风险爆发概率[page::0, 6–8, 15]。

---

六、批判性视角与细微差别

• 报告基于价量相关性的交易策略，通过PV指标实现。策略在样本内表现优异，但样本外表现承压，说明信号存在适用性和稳定性问题，市场环境变化带来的风险值得关注。

- 修正持仓量的逻辑基于T+0投资者行为假设，虽然合理，但是否对所有期货品种适用尚未验证，有可能限制扩展性。

• 止损机制的设计展示了复杂的盈亏权衡，但报告中止损对策略整体贡献未详尽分解，需要关注止损策略在不同市场及行情中的表现差异。

- 报告重点聚焦沪深300期货，其他品种信号表现未详细披露，策略通用性未知。

• 在剔除周五信号的做法体现基于历史交易日历效应的规避，具备实用价值，但未来市场节奏或有变动，应保持动态调整。

- 报告未涉及量化策略的交易成本模型之外的市场冲击及流动性风险，实际策略执行中成本可能被低估。

---

七、结论性综合

本报告基于《CPV期货版1.0》价量相关性策略构建，深入剖析成交价与修正后持仓量相关系数（PV值）在期货市场中的多空情绪指示作用及其转变规律。通过修正持仓量形态，解决T+0交易行为导致的持仓量信号扭曲，严格执行交割周期及长假剔除规则，成功增强信号合理性。

报告明确分界点为2020年7月1日，样本内存在动量效应，样本外则为反转效应，体现市场信息效率提升，导致策略样本外效益出现折损。通过拆分周交易信号，发现周三、周四信号表现突出，周五信号误差大，需剔除。

引入7.0%止损阈值，有效遏制亏损交易放大，但需注意不能误杀盈利交易。剔除周五加止损7.0%后，CPV2.0策略较原CPV1.0全面提升：年化收益率由17.79%提升至20.91%，年化波动率降低，收益波动比显著上升，日频胜率提升，最大回撤稍有缩小。

图表一系列扎实展示了策略净值曲线变化、价量形态修正、持仓结构影响、以及止损阈值优化过程，数据充分支撑了该策略的改进合理性。

最终，报告充分体现了高频价量相关性作为CTA策略核心因子的潜力及其动态调整的必要性，建议投资者结合实时市场环境，持续迭代优化策略，注意样本外风险和交易实际成本，提升策略的应用价值。

---

# 综上，报告以详实数据和严谨方法论，全面剖析并优化了基于价量相关性的期货CTA策略，既深挖市场多空结构的微妙变化，又结合实际交易特性和风险管理，呈现出一套理论与实践结合紧密、改进明显的交易体系，其研究成果对CTA策略设计和高频交易因子构建具有显著参考价值[page::0–15]。

报告