评估动态自适应系统的构建块

石油的行为不一致。观察不同制度下收益的相关模式，我们发现，在高方差制度下，资产类别之间的相关性更高。图8资产回报率市场贝塔值之间的相关性也因不同的市场制度而异（Roland Shami，2009），可以观察到这种现象对各种市场部门指数价格的影响（图9）。图9不同地区的行业回报率熊市+高熊市+低熊市+高熊市+低熊市&P 500-0.05%-0.03%0.11%0.04%Banks-0.05%-0.01%0.14%0.05%IT-0.04%0.05%0.02%0.04%Health-0.02%-0.04%0.12%0.04%INTERNALReal Estate0.01%0.14%-0.06%0.02%Materials-0.01%0.13%-0.02%0.03%Energy-0.02%-0.02%01%0.10%0.05%消费者非必需-0.02%0.11%-0.02%0.03%Utilities-0.01%0.07%0.00%0.02%Consumer Staples-0.01%0.01%0.08%0.03%Table 5不同地区的行业回报我们可以看到，能源、公用事业、消费品和消费品储蓄等低贝塔行业在熊市期间表现优于指数，而银行等高贝塔行业在牛市期间表现优于指数。（Roland Shami，2009）再次查看相关模式，我们发现高方差制度的相关性高于低方差制度。图10部门收益的相关模式5。交易策略-AlphasOur市场体系松散地符合Wyckoff框架，如——  看涨低方差→ 进展  看跌高方差→ 减少  看涨高方差→ 积累  看跌低方差→ 分布由于价格趋势和方差的行为在每种制度中都非常典型，我们可以采用各种特定的策略，以在每种制度中获得良好的风险调整回报。为此，我们研究了一组技术信号及其在不同制度下的行为。我

交易信号分析我们在策略上关注以下技术信号——  布林格带位于移动平均线上方和下方的波动性带  相对强度指数衡量价格运动速度和变化的内部动量振荡器  斐波那契回溯法将关键斐波那契比率中的极值点之间的距离分为23.6%、38.2%、50%、61.8%和100%  指数移动平均值在选择的技术信号出现后的价格趋势在这里进行研究，直到30天或制度变化。根据这些趋势，提出了交易策略。A、 布林带图11布林带分析  上布林带渡线→ 做多低方差熊市和低方差牛市。  上布林带渡线→ 多头看涨高方差区域。  上布林带渡线→ 简称看跌高方差制度。  下布林带渡线→ 做多低方差熊市和低方差牛市。  下布林带渡线→ 做空高方差。B、 Fibonacci交叉内部图12 Fibonacci信号分析  斐波那契38级交叉→ 在看涨和看跌低方差的情况下做多。  斐波那契38级交叉→ 在看涨和看跌高方差的情况下做空。  斐波那契61级交叉→ 在看涨和看跌低方差的情况下做多。C、 MACD交叉图13 MACD信号分析  MACD低交叉→ 在看跌和看涨低方差的情况下做多。  MACD低交叉→ 在看跌高方差的情况下做空。  MACD向上交叉→ 在看跌和看涨的低方差制度下做多。。  MACD向上交叉→ 在看跌和看涨高方差的情况下做空。D

RSI交叉图14 RSI信号分析内部  RSI 60交叉→ 在看跌和看涨低方差的情况下做多  RSI 30交叉→ 在看跌和看涨低方差的情况下做多。  RSI 30交叉→ 在熊市高方差区做空。  RSI 70交叉→ 在熊市、看涨高和熊市低方差制度下做空。  RSI 30交叉→ 在看跌和看涨的低方差和看涨的高方差区域做多。  RSI 30交叉→ 在看跌高方差的情况下做空。二、定制的交易策略利用这些信号，可以定义每个制度的交易策略。未使用上述分析的准确信号。在上述分析的基础上，进行了一些试验，以获得每个方案的最佳拟合。A、 ADVANCEFigure 15 Advanced regime的代表性价格变动由该机制的代表性图表证明，此处的交易策略是  后续趋势  做多回调和突破相应地，交易信号是：做多信号  价格交叉低于下布林带（1.5 SD）  相对强度指数低于下限（40）  价格交叉低于38.2%斐波那契水平退出多头信号  价格在上布林带上方交叉（1.5 SD）  相对强度指数低于下限（70）  价格交叉低于短期指数移动平均线（10天）  价格交叉低于61.8%的斐波那契水平  在EMA+3*ATR时获利回吐  以EMA–3*A区间的亏损为例。

累积图16累积制度中的代表性价格变动  范围内的长期低点  止损于支撑之上，获利回吐高长信号  价格交叉低于下布林带（1 SD）  相对强度指数低于下限（40）  价格交叉低于38.2%斐波那契水平退出多头信号  价格在上布林带上方交叉（1.5 SD）  相对强度指数低于下限（70）  价格交叉低于短期指数移动平均线（10天）  价格交叉低于61.8%的斐波那契水平  在EMA+3*ATR时获利回吐  以EMA–2*ATRC的损失为例。DECLINEFigure 17下跌机制中的代表性价格变动  后续趋势  做空回调和突破内部短信号  价格在上布林带上方交叉（1.5 SD）  相对强度指数超过上限（60）  价格超过短期指数移动平均线（10天）  价格交叉超过61.8%斐波那契水平退出短期信号  价格交叉低于下布林带（1 SD）  相对强度指数低于下限（20）  价格交叉低于短期指数移动平均线（10天）  EMA获利回吐-5*ATR  在均线+5*ATRD时承受损失。分配图18分配制度中代表性的价格变动  范围内的短高点  止损于阻力之上，获利回吐低空头信号  价格在上布林带上方交叉（1.5 SD）  相对强度指数超过上限（60）  价格交叉超过61.8%斐波那契水平退出短期信号  价格在上布林带上方交叉（1 SD）  相对强度指数低于下限（20）  EMA获利回吐-3*ATR  在均线+3*ATR6处承受损失。

回测结果风险调整统计数据的描述见附录内部图19回测结果-提前区域图20回测结果-累积区域回测根据上述四个针对四个区域的字母进行，并在每个区域分析结果。为投资100万美元的初始资本并继续对利润进行再投资而进行的反向测试。假设每笔交易的交易成本为1个基点。假定滑移率为1个基点，1个基点设为佣金。不考虑缺口，只使用收盘价，因为对于使用的许多资产，只有收盘价数据可用。上述Alpha应用于已确定制度中的标准普尔500指数的结果为–I.ADVANCEII。累计复合年增长率%6.57年化风险%22.33Sharpe%29.41赢%29.38Num交易收益率%41.61平均每日损益456.1每日收益率（总计）6.84最大连续亏损最大提取率%-37.82湖比6.4主要疼痛比30.4表6背部测试结果-提前区域收益率%6.29年化风险%21.91 Sharpe%28.72Win%32.26Num交易收益率%47.63平均每日损益426.0每日收益率（总计）6.46最大连续损失最大下降%-43.22湖泊比率8.6增益疼痛比率49.0表7背部测试结果-累积区域内部图21背部测试结果-下降区域图22背部测试结果-分布区域II。DECLINETable 8背面测试结果-下降区域。

DistributionAgr%0.87年化风险%15.95Sharpe%5.46Win%19.62Num TradesWin-to-Loss比率%24.40平均每日损益36.0每日回报bps（总计）2.01Max连续亏损Max Drawing%-55.21Lake Ratio32.9Gain-to-Pain Ratio15.8CAGR%1.93年化风险%15.50Sharpe%12.43Win%24.72Num TradesWin-to-Loss比率%32.84平均每日损益87.3每日回报bps（总计）2.66Max连续亏损Max下降%-57.72湖泊比率31.2主要疼痛比率25.5表9背部测试结果-分布区域内部图24背部测试结果自适应背部测试图23 Alpha在不同区域的性能我们可以看到Alpha在其量身定制的区域中表现良好。下跌和分布阶段在熊市时期表现出色，而前进和积累阶段表现出色。累积alpha比advancealpha更适合高方差区域。看涨的Alpha具有更高的回报率和夏普比率，因为在给定时间内的大多数日子都是看涨的。7.

动态自适应策略我们将四个字母组合在一起，以便策略根据政权类型切换到给定政权的参与方法。为了避免波动，当转换到看涨状态时，只有当市场在看涨侧移动1%时，交易才会转换，而在看跌状态下，当市场在看跌侧移动5%时，交易才会转换。回溯测试的结果是CAGR%12.54年化风险%18.28Sharpe%68.61赢%30.11Num交易损益比%43.09平均每日损益1574.3每日回报bps（总计）9.73最大连续亏损最大下降%-21.77湖水比3.0增益疼痛比22.4表10回溯测试结果自适应回溯测试内部查看回溯测试的比较统计图25性能比较我们可以可以看出，动态自适应回测在回报方面的表现大大优于其他回测，最终策略的复合年增长率为12.5%，夏普为68.6%，而最佳单一策略的复合年增长率为6.57%，夏普为29%。不仅绝对收益率和风险调整后的收益率统计数据对于最终回测更好，与其他回测相比，最大水位下降和湖泊比率等关键风险参数更低。该战略还为所有政权提供了竞争性回报。图26不同区域的Alpha性能内部8。结论我们坚定地确立了政权更迭模型在构建一个适用于所有季节的系统策略中的重要性。制度变迁模型建立在时间序列预测的自回归模型的简单数学基础上，并添加了基于马尔可夫模型的制度变迁组件，当与移动平均制度相结合时，给出了一个稳定的模型，该模型可导致稳定的清晰划分和直观的制度。

通过对市场中明确制度的清晰描述，资产选择和交易风格的适应的重要性直观地显现出来。如果回报遵循一个简单的制度，那么对其进行建模并从中提取最佳回报将非常简单，但市场会发生变化，因此，要建立一个在任何给定时间都能表现良好的动态自适应阿尔法，了解市场制度变化的动态是很重要的。如本研究所示，通过这一新的维度来理解市场模式，系统的交易策略可以显著提高其风险调整后的绩效。我们在这里研究了交易信号和资产类别动态的狭义子集，以评估动态自适应交易系统的构建块，但仍然发现交易系统性能有非常显著的提高。贸易商提出了基于新信号、数据源、机器学习算法和参与率的增强Alpha，以持续击败市场，增加这种制度适应性可以将交易系统的性能提升到另一个水平，并为任何交易系统的性能增加稳定性和鲁棒性。参考Bandi，A.W.（2012）。识别印度股市的制度变迁：马尔可夫转换方法。慕尼黑个人RePEc档案馆。Carmine De Franco，B.M.（2016）。跨市场机制的备选贝塔策略的因素敞口。指数投资杂志。Don U.A.Galagedera，R.P.（2005年）。根据市场波动性和市场条件对风险和回报关系进行建模。国际理论与应用金融杂志。Hamilton，J.D.（2005年）。制度转换模型。帕尔格雷夫经济词典。Hamilton，J.D.（2014）。宏观经济制度和制度变迁。宏观经济学手册。Keltner，C.W。

(2010). 如何在商品中赚钱。Myung Jig Kim，C.R.（1991年）。股票价格的均值回归？对帝国主义的重新评估。经济研究综述。Ramaprasad Bhar，S.H.（新墨西哥州）。股票收益率过渡成分的经验特征：在马尔可夫转换异方差框架下的分析。经济文献杂志。罗兰·沙米，D.U.（2009）。贝塔风险和市场波动的制度变迁。莫纳什大学计量经济学和商业统计系。Teo，R.（2014年）。价格行动交易的最终指南。Raynor Teo。Wyckoff，R.（1931年）。Richard Wyckoff股票交易和投资方法-股票市场科学和技术教学课程。Zakamulin，V.（2015年）。移动平均线的市场时机：交易规则的剖析和表现。阿格德大学商法学院。内部附录I。

数据源SS&P 500 Indexhttps://finance.yahoo.com/quote/%5EGSPC/history?p=%5EGSPCGrowthhttps://us.spindices.com/indices/equity/sp-500增长消费者Discritionaryhttps://us.spindices.com/indices/equity/sp-500-consumer-discretionary-sectorGovernment证券（长期）https://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspxGoldhttps://in.*/etfs/spdr-黄金托管人ialshttps://us.spindices.com/indices/equity/sp-500-materials-sectorConsumerSta公司pleshttps://us.spindices.com/indices/equity/sp-500-consumer-staples-sectorBankshttp://us.spindices.com/indices/equity/sp-银行选择行业指数althhttps://us.spindices.com/indices/equity/sp-500-health-care-sectorValuehttps://us.spindices.com/indices/equity/sp-500个实际值Estatehttps://us.spindices.com/indices/equity/sp-500-real-estate-indexMSCIWorldhttps://in.*/etfs/ishares-msci-worldGovernment证券（短期）https://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspxUtilitieshttp://us.spindices.com/indices/equity/sp-500公用事业部门ergyhttps://us.spindices.com/indices/equity/sp-500-energy-sectorMSCI新兴Marketshttps://in.*/etfs/ishares-msci-emg-marketsIThttps://us.spindices.com/indices/equity/sp-500信息技术部门ilhttps://in.*/commodities/crude-oil-historical-dataII.