商品市场趋势性研究

Studiesontrendsoffutures ZHANGDIStudentNumber LI FinancialEngineering PortfolioSelectionMay,2017本文重点关注了趋势类策略商品市场上的绩效表现。首先，本文通过收集2013年到201446种商品合约的日度数据，构建连续的价格序列选取七种趋势类策略并与买入与并持有策略进行了对比分别了趋势类策略在单个合约和分组组合上的绩效表现继而，本文通过一系列的稳健性检验来检验趋势类策略相对于买入并持有策略超最后为了考虑数据挖掘的影响本文通过更换趋势类策略的参数值和构建技术分析系统两种方法并在理论上从有效市场假说的角度分析了趋势类策略绩效与中国商品市场效率之间的关系。实证结果显示不论是单个合约还是分组组合趋势类策略均能够商品市场的价值另一个有意思的结论是不同分组组合上趋势类策略绩效的影响也呈现出一定的模式例如在基准数据集上本文发现较高的波动性和量与更好的绩效相联系分组组合之间显著的差异也肯定了分组指标的科学性和合理性。稳健性检验的结果显示趋势类策略相对于买入并持有策略的优势相当稳健具体而言该优势能够承受合理的成本该优势受金融的影响较小在一期延迟存在的情况下该优势仍旧存在周频数据上该优势更加显著，最后关于数据挖掘偏差的结论并不一致一方面随着趋势类策略参数值的不断增加，趋势类策略商品市场的绩效表现倾向于降低，统计量更大的p趋势类策略相对于买入并持有策略的超额收益商品市场比商 市场要弱得多本文猜想纠正数据挖掘后趋 类策略不显的超额收益可以归因于技术分析规则自我的本质和中国市场的结构性差异。：技术分析；中国商 ；分组组合；数据挖掘偏Thispaperstudiestheperformanceoftrend-followingstrategiesoncommodityfuturesmarkets.First,thispapercollectsdailytradingdataof46commodityfuturescontractsduringyear2013to2014,constructcontinuespriceseries,selectssevertrend-followingstrategiesandthebuy-and-holdstrategy,andyzestheirperformanceonbothindividualcontractsandsortedportfolios.Second,thispaperteststherobustnessofoutperformanceoftrend-followingstrategiesoverthebuy-and-holdstrategythroughseveralrobustchecks,andidentifiesthesuitabilityofsortingcriteriaviadifferentperformanceoversortedportfolios.Toyzetheinfluenceofdatasnooissue,thispapertakestwomethods,includingalternativeparametersandsuperiorityperformanceability(SPA)test,andyzestherelationshipbetweenperformanceoftrend-followingstrategiesandmarketefficiencyintheofmarketefficiencyhypothesis.Empiricalevidenceshowsthattrend-followingstrategiescouldoutperformthebuy-and-holdstrategyintheofannualexcessreturnandSharperatiowithahighprobabilitybothonindividualcontractsandsortedportfolios.Thisevidenceconfirmsthevalueoftrend-followingstrategiesoncommodityfuturesmarkets.Anotherinterestingconclusionisthattherearereturnpatternsoftrend-followingstrategiesonsortedportfolios.Forexample,betterperformancetendstobefoundinsortedportfolioswithhighervolatilityandhighertradingvolume.ThedistinctdifferencesamongsortedportfoliosconfirmsthesuitabilityandrationalityofsortingRobustchecksshowsthattheoutperformanceismuchrobust.Exactly,suchoutperformancecouldsurviveconsiderabletransactioncosts.Financialcrisishaslittleinfluenceonit.Trend-followingstrategiescouldoutperformthebuy-and-holdstrategywithone-period-waitingrule.Suchoutperformanceismoresignificantonweeklydataset.Shortconstraintdoesnotaffectthisoutperformance.Theoutperformancecouldbefoundoncontractswithhighliquidity.AndsuchoutperformanceisinsensitivetoFinally,theconclusionsondatasnooissuearenotconsistent.Ontheonehand,performanceoftrend-followingstrategiesis ingworsewithhigherparameters,whichdoesnotinfluencethemainconclusion.Ontheotherhand,SPAtestreportshigherp-valuethanthatoftraditionalT-statistics.Higherp-valueconfirmsthedatasnoobias,andsuggeststhattheperformanceoftrend-followingstrategiesoncommodityfuturesmarketsismuchweakerthanthatofUScommodityfuturesmarkets.Thepossibleexnationistheself-destructionnatureoftechnicaltradingrulesandthedistinctdifferenceofcommodityfuturesmarkets.:Technicalysis;commodityfutures;Sortedportfolios;Datasnoobias摘 引 研究背 研究意 国内外研究现状和发展趋 技术分析 研究数据和方 数 方 趋势类策略绩 稳健性检 5.1成 金融5.3延 数据频 空头头 流动性问 数据挖掘问 备选参数 数据挖掘检 趋势类策略绩效与市场效 有效市场假 高频带来的结论与展 参考文 附 致 PAGEPAGE1作为最大的新兴经济体，自2010以来中国，在经济总量上已成为世界第二大经济体，自2013年成为全球范围内最大的贸易国。中国商品市场在世界范围的金融体系内具有了举足轻重和不可忽视的地位业2015年度报告表明从量来看大连商品所(C)所(S)和郑州商品所(ZC)均跻身全球10大商品所之列中国的鼓励和中国的工业部门的发展创造了新品种的需求这往往会刺激未来贸易的进一步增长(ugand&e,2010)。主导。据中国统计，截至2015年底，个人账户国市场总数的95.6%，占量的74.13%，持仓量的60.52%。相比之下，、和的结构中机构投资者在所有投资者的中通常超过80%。个人更为严重(Ng&Wu2007Liu&An2014)。例如，20161111日，此外中国市场表现出独特的特征(Ze,2013)如干预外国投资者和特定的行为导致不同的收益模式在发达国家市场自从中国推出市场在上世纪90年代，先进的技术大大减少了成本，提高市场效率导致不同的水平之间的策略(arkad&Iri,2007)此外在过去的几十年里，逐步实施了深刻的(Cag,uo&Re,2014)，大大提高了市场的效率。这些包括QII的引入，中国金融所(CFE)的建立推出新的品种，对原有合约的修订优化。总之考虑到市场间的结构性差异市场的研究结果并不能简单拓展到中国市场上来，因此本文重新市场进行检验。，同市场和固定收益市场一样市场是当前中国资本市场的有机构成。与市场和固定收益市场不同市场由于保证金具有更高的杠杆风，第一从学术角度来看研究趋势类策略商品市场的绩效能够丰富技术分析的学术研究具体而言技术分析是否这一问题在学术研究中并未得到统一的结论包括中国在内的发展中国家市场在学术界缺乏应有的关注本文通过研究多种趋势类策略商品市场的绩效增加了发展中经济体市场的相关研究为技术分析是否这一问题提供的实证；第二从实务角度来看研究趋势类策略商品市场的绩效能够为中国市场的健康发展提供参考具体而言研究趋势类策略商品市场的绩效表现有助于了解投资者的行为特点为加强市场投资者教育培育合格市场投资者优化市场投资者结构提供参考从而为中国市场的健康发展提供智力支持。另外本文通过对比趋势策略在市场的不同表现并尝试分析造成差异的原因进而为中国市场者提供决策参考并促进中国市场的平稳健康发展。本文的研究问题商品市场上是否存在趋势即趋势类策略在中国商品市场上是否能够取得显著高于买入并持有策略的绩效研究框架具体如下：第一广泛阅读并梳理国内外关于技术分析性的文献并进行分析对比，总结出技术分析性的一般研究结论确定本文的主攻方向思考学术贡献和创新点，为后面实证分析提供参考； 而言，本文收集了中国商 市场的日 数据，对移仓换月价差进行调并构建了连续价格和收益序列并依据特征来对合约进行分组构建分组组合选取七种文献中常用的趋势类策略通过对比这七种趋势类策略和基准策略。其内在逻辑是，如果中国商品市场存在可以利用的趋势，那么趋势类策略能够取得显著高于买入并持有策略更好的绩效表现；、第三检验趋势类策略绩效表现的稳健性为了避免偶然性检验趋势类策略绩效表现的稳健性是必要的具体而言本文检验了趋势类策略绩效表现对成本金融一期延迟数据空头头寸流动性、移仓换月价差的不同处理方式和数据挖掘的影响；、第四对比商品市场上趋势类策略绩效的不同并尝试从有效场上趋势类策略绩效继而在理论上从有效市场假说的角度分析商品市场存在的结构性差异并分析这些因素对商品市场上趋势类策略绩效的影响另外本文也讨论了高频给市场带来的挑战。总而言之，本文通过收集2013年到20446种商品合约的日度成交数据构建连续的价格序列选取七种趋势类策略并与买入与并持有策略进行了对比分别了趋势类策略在单个合约和分组组合上的绩效表现继而本文通过一系列的稳健性检验来检验趋势类策略相对于买标选取的合理性为了考虑数据挖掘的影响本文通过更换趋势类策略的参数值和构建技术分析系统两种方法考虑了超额收益的不同p值最后本文从有效市场假说的角度讨论了趋势类策略绩效与市场效率之间的关系分析了与技术分析联系密切的高频可能带来的并考虑了未来可能的研究方向。第一关注中国商品市场分组组合上的趋势类策略绩效据目前所(2017合约特征对合约进行分组构建了分组组合以分组组合上的趋势类策略绩效为主要研究对象并扩大了趋势类策略的研究范围将李斌张迪和周洋(2017中的简单移动平均策略扩大为以前文献中常用七种趋势类策略得到的结果也更加真实可靠。掘对趋势类策略绩效的影响。Han,Hu&ang(2016)虽然也研究了分组组合上的趋势类策略绩效但是通过自抽样的方法难以完全剔除策略间相关性带来的数据挖掘误差(ark&Irn,2007)。而本文借用ark&Irwin(2007)的方法，分别检验了Newy-e(1987)稳健p值、C(BotsrapRaltyChek)检验p值和S(uerirtyProranceAiy)检验p值，率先考虑了分组组合上数据挖掘对趋势类策略绩效。第一研究趋势类策略商品市场的绩效能够丰富技术分析的学术研究具体而言技术分析是否这一问题在学术研究中并未得到统一的结论包括中国在内的发展中国家市场在学术界缺乏应有的关注本文通过研究趋势类策略商品市场的绩效增加了发展中经济体市场的相关，为技术分析是否这一问题提供的实证；第二，本文率先考虑了分组组合上数据挖掘对趋势类策略绩效的影响，广泛地阅读文献分析数据挖掘影响的原因并对比了中国和商品市场存在的结构性差异从有效市场假说的角度来尝试解释两国市场上趋势跟踪类策略绩效的区别，为未来研究者提供了一种可能的独特视角。从国内外的现有文献研究来看，关于技术分析的获利能力并没有统一结论。早期的研究(aa&Bum,1966;Jenen&Beino,1970)均支持有效市场假说，(Han,ag&hu,2013;Nel,Raac,u&Zu,2014)发现了能够证明技术分析盈利性的与之相对应的另外一些分析与(leand,1961;Cotr,1962;ra,1975;aral,Caan&Caa,2008;Ha,Hu&ag,2016)发现技术分析投资者并不总是的。Mire&Ralis(2007)通过对农业合约进行实证发现动量策略和反转策略在一些农业合约上具有显著的价值ark&Irwn(2010)发现在考虑数据挖掘问题以后，技术分析的性会大大降低，并强调了数据挖掘偏差在相关研究需要得到重视。Sakar,Shn&ara(2007,2010)收集了商品市场28种流动性较好的合约发现移动平均规则在其中22品种上能够取得显著的收益。Car,ato,Sih&Toas(2014)发现基于动量的规则并不能取得显著移动平均线规则的绩效Naraya,hmed&Naraan(2015)进一步发现基于动量的规则在19个商品合约上表现较好。但是arsa,Caan&Caan(2008)发现了相反的，并强调择时策略在15个主要商品合约上的表现并不总是能够的。以上的研究均关注于技术分析在单个合约上的表现，而Ha,Hu&ang(2016)通过对35个商品合约进行分组，构建了分组组合，并发现不论是单个品种还是分组组合，总是的。此外，研究中发现，2000年以后技术分析获利能力的下降趋势(Shynkevich,2012a;2012b;2016a;Wang,Jiang,Li&Zhou,2015)在回顾文献的SPA检验，几乎所有研究文献都没有提供明显2000年修正后正收益的。Park&Irwin(2010)发现技术规则不能在1985-2004年获得显著利润率。Shynkevich(2016b)发现在1992-2011年期间，在11个亚太国家中，9个国家的市场技术指标不产生显著的收益。Hsu,Taylor&Wang(2016)19712015间外汇市场技术规则显著获利的。然而，在2008-2015年期间，技术指标只2Shynkevich(2017)发现在道琼斯新兴市场行业指数上技术分析在1991到2011年区间上能够获得显著的，而能力在2000年以后的子区间上仍旧显著。，国内学者对技术分析是否这一问题的研究也进行了许多研究同时发现的结论也并不一致因为我国早期市场相对于市场更加成熟不存在到期时间处理起来相对简单因此国内研究大多关注市场韩（2001）率先对移动平均策略及其改进策略进行了沈可挺（2007重点研究了惯性策略的性，实证结果发现惯性策略上并不能够长期获利。韩豫峰（2014市场上对进行分组发现在特征分组的分组组合上简单移动平均策略绩效好于买入并持有策略从而肯定了惯性的存在王明涛和黎（2015提出了新型动量策略该策略根据过去一年内行情来选取，但是其能力 上并不显著。，自1998年对国内市场的大力整顿和规范直到2003年以后中国商品市场开始上市新的合约品种，标志着中国商品市场逐渐步入正（朱敏2010在此以后才开始出现关于技术分析在市场上的研究文献。另外，与市场不同，合约呈现出保证金、存在到期日等不同特点，（2008验证了区间突破型技术分析在国内大豆品种上的能力结果发现该规则能够取得显著的利润并认为此时的市（2010入了简单移动平均策略，区间突破策略能够取得高于移动平均策略的收益水平，而技术分析在国内铜市场取得高于其伦敦铜市场更高的收益以上的研究均集中于技术分析策略在单个品种上绩效表现。析的性密切相关在弱势有效型市场中价格反映了所有历史可得信价格和相应风险水平的公平利润而技术分析所利用的信息基本只包括历史价格和虽然Ha,Hu&ag(2016)表明，在市场的分类投资组合中，简单的移动平均数是有利可图的但由于与市场相比它们具有明显的特点因此很难将结果推广到中国市场这也是本文的研究动机接下来本文将分析这些特征如何影响策略的能力，特别是趋势策略。握的信息更少由于投资者可以获得的信息基本上反映了他们的行为，个人投资者往往比机构投资者更倾向于跟风者(aaab,2008;an,Zang&Hua,201)。趋势策略的羊群行为会导致资产价格呈现出趋势，并可能随收益率的提高而改善趋势另一方面许多投资者采用技术规则这可能会损害其自我性的表现这种现象背后的逻辑是当的投资者采用一种策略时信息将被纳入资产价格削弱策略的能力这个逻辑对于技术分析仍然成立(imerann&Grag,2004)资者中技术指标的普及可能会降低策略能力后的趋势总之个人投资者市场上的主导地位可能会对趋势跟随策略的收益产生双重影响，并产生不同的结果。、第二个差异市场的独特性包括资本流动约束干预和流动性不足首先中国严格限制资本流动阻碍外国投资者市场的活动因此中国市场更受国内投资者的限制而全球投资者则可以轻易地进入成市场在这种限制下当新的信息或冲击来临时，、价格将出现一种缓慢的调整以适应有限的新平衡这自然提供了赚钱的机会国内投资者其次中国加强宏观调控以稳定经济根据世界银行DI数据库中国的资本形成率2012为487比大得（191和全球平均水（218确认的干预在的干预是常见的外币在上世纪90年代中期下降之后，伴随着下降利润的者(ap,2004)。中国市场的干预可能导致价格的可预测趋势从而提供更有利可图的机会。最后，中国合约平均流动性低。尽管量在2016出现性增长，但一些中国合约仍然流动性不足。例如，在2003至2014，有1个合同每日量低于500个合同以往的文献中发现了一个流动性溢价的在各个市场包括债券和外汇市场(Acara&Pdrse,2005;rajczyk&aka,2008;Ba,an&an,201;DkNilsn,Fldutr&and,2012;ani,Rdo&ramplmy,2013)。okowt,Ooi&Pdrsen(2012)发现，投机者将补偿由套期保值者提供流动性因此低流动性可能提高策略的获利能力。总之，所有三个可能会产生不同于Ha,Hu&ang(2016)。第三个不同是市场结构的演进，这也会市场的发现。Ha,Hu&ang(2016)从1974到2013的行为的研究，而中国的市场在上世纪90年始计算能力的进步互联网和通信系统大大降低成本国内和国外的投资者受益(ark&Irwn,2007)。市场中的这些结构性变化有可能改变价格对信息作出反应的速度，并达到新的平衡。中国投资者享有便利的制度，从后期发展优势中获得较低的成本随着中国市场的发展市场变得更有效率，策略的能力可能下降。这种市场结构的差异也可能导致Ha,Hu&Yang2016)，和(2017)以外国内研究技术分析的其他相关文献只关注于单个合约上的绩效表现以分组组合上的趋势类策略绩效为主要研究对象的相关研究比较缺乏。因此分组组合上的趋势类策略绩效是本文的一个主要研究对象第二目前几乎所有的研究都没有考虑分组组合上数据挖掘对趋势类策略绩效的影响。Han,Hu&ang(2016)虽然也研究了分组组合上的趋势类策略绩效，但是通过自抽样的方法难以完全剔除策略间相关性带来的数据挖掘误差(ark&Irwn,2007)ark&Irin(2007)分别检验了Newey-e(1987)稳健pBRC检验p值和A检验p值但是只考虑单个合约上数据挖掘的影响因此，分组组合上数据挖掘对趋势类策略绩效的影响是本文的另一个主要研究对象。，和本文收集中国市场合约的每日结算价格每日持仓量每日量，数据来为CMR数据库。数据区间为2003年1月1日到204年12月31日，合计2193个日。数据集起点为2003年，是因为自1998年对市场的整顿和规范，2003年以后中国商品市场开始上市新的合约品种，标志着中国商品市场逐渐步入正规（，2010。无风险利率选取一年期定期存款利率。，不同于市场市场具有有限的日期保证金安排和商品价格风险对冲，尤其是到期日和空头头寸(ang&u,2004;eserund&Naraa,2013)。这些特点对市场的分析提出了，即如何构造连续的价格序列当一个合约到期时最近的合约应该替换到期的合约如果两个价格不Ha,ag&Zou(2016)，合约的连续价格序列由乘数调整法产生。，表3.1报告了中国商品市场46个合样本期内的描述性统计情况一个观察是不同品种的平均回报差异很大29个品种损失，而32个品种的收益在[-15%，15%]之间42个品种收益率的标准偏差小25DF列都是平稳，满足Ratnr&al(1999)的要求，即移动平均策略应该基于一个平稳的过程而且大多数都是活跃的特别是35个合约每日量高于500手39个合约每日的持仓量高于500手由于1999年中一系列严重投机活动，绿豆（GN）合约的保证金率大大提高，导致其成为市场中最不活跃的品种之一。2003年以后陆续有新的合约上市也有少数合约不再挂牌比如3.1:合约名 代

均 标准 偏 峰 ADFt-统计

持仓 VMI铅铜铝锌AB反算组合价格来克服这个问题具体如下分组组合在首日的价格设定为100，随后各日价格依据分组组合成分合约当天收益率的简单平均值计算得到而本文选取了2003年到2015年中国商品市场所有合约的日数据并比较Ha,ag&hu(2013)在分类投资组合上的表现与个别相比有显著差异为此，本文选择具有相似特征的来构建分类的投资组合具体而言所有商品按每月量月度持仓量月波动率上个月收益率过去6个月收益率和过在分类组合获得了显著高于买入并持有策略的收益肯定了趋势商品市场上的存在性另外本文也考虑很多稳健性检验比如滞后期数金融、头寸约束和连续合约。在分析策略的绩效时需要处理数据挖掘问题在文献中有两种方法可以避免数据窥探偏倚第法是新的数据模型从而避免数据挖掘的(uian,immrann&Wt,2003)通过更加严格的统计检验来评估结果传统的假设检验没有考虑规则解决数据挖掘的偏误是Wt(2000)C检验和Hansn(2005)A检验。因此，本文也计划对比三种测度下的p值来考虑数据挖掘对技术分析绩效的影响。衡体积规则技术分析规则的特点是指标和信号信号统一定义为：+1，𝑏𝑢𝑦𝑖𝑛𝑔𝑠𝑖𝑔𝑛𝑎𝑙=如果投资者观察信号在一个给定的合同，他/她会买它立即在收盘价获得𝑡1。销售信号的含义是双重的。如果卖空是不允许的，投资者将卖出他的在现有的研究(ire&Rali,2007;arsal,Caan&Caa,2008;urte,ifre,&Rali,2010)，本文认为投资者自筹和杠杆比率等于一。为了简洁起见，本文不考虑保证金的问题。为了便于比较，本文采用买入持有策略(BH)额收益和夏普比率来衡量一个规则的绩效。以与其他人比较本文的研究隐含假设是本文需要收盘价来产生信号，同时它也作为策略的价然而这种假设在实践中很难实现因为信号生成和执行之间应该有一个延迟。一个可行的方法是采用开盘价-收盘价的回报(Deiul,Noals&Ual,2014)，假设在第T个日收盘后生易信号和在第T+1年日开盘时完易。然而，在这项研究中，分组组合的收盘价盘和收盘价会使实证过于复杂阻碍其他研究人员的因此本文并不采用这种做法。另一个可行的选择是采取一期等待规则(u,Cang&Gea,2016)，从而延迟信号的执行并在下一个日的收盘价进行例如根据历史价格，该策略决定在T期结束时买入，并在T+1期结束时执行。显然，这种方法比收盘价-开盘价收益率法更为保守，因为它忽略了第二天的回报，并可能对趋势策略产生影响为了使实证更加实用本文引入了一天等待规则作为稳健性检验。本文的第一套趋势规则是移动平均规则它被广泛用于捕捉金融市场的趋势。本文采用了三种类型的移动平均指标，即SMAWMA和MA规则在第t日定义为：1WMA(n)𝑡=1

𝑛−

1EMA(n)1=𝑃1,EMA(n)𝑡=𝑛𝑃𝑡+(1−𝑛)其中̂= 𝑗,𝑃𝑡代表t日期合约的收盘价，n代表移动平均规则的参数对应地 信号定义为+1，𝑖𝑓MA(n)𝑡−1≤ −1，𝑖𝑓MA(n)𝑡−1>MA(n)𝑡−1代表SMA(n)𝑡−1,WMA(n)𝑡−1,和EMA(n)𝑡−1.以上三种基本移动平均规则直接产生了信号，后面的移动平均规则(MACD&VMA)只能n2>𝑛1，本文进一步将可变长度移动平均(VariableLengthMovingAverage,VMA)(BrockLakonishok&LeBaron,1992指标和平滑异同移动平均线(movingaverageconvergencedivergence，MACD)(Fusai,Marena&Roncoroni,2008)指标纳入趋势类规则中VMA(n1,n2)𝑡=SMA(n1)𝑡−SMA(n2)𝑡MACD(n1,n2)𝑡=EMA(n1)𝑡−EMA(n2)𝑡对应地，VMA和MACD的信号可以用如下表示+1，𝑖𝑓MA(n)𝑡−1≤0 MA(n)𝑡> −1，𝑖𝑓MA(n)𝑡−1≥0 MA(n)𝑡<其中MA(n)𝑡代表VMA(n1n2)𝑡或MACD(n1n2)𝑡MACDMA规则考虑了第t期和第t-1期，因此这类规则更加保守，产生的机变动率指标(Rateofchange，ROC)t-n-1t日资产价格的动量变化(Kaucic,2010)，并被定义为：ROC(n)𝑡=

.第t日信号定义为

+1，𝑖𝑓ROC(n)𝑡−1≤1 ROC(n)𝑡>{−1，𝑖𝑓ROC(n)𝑡−1≥1 ROC(n)𝑡<Levine&Pedersen(2016)证明移动平均规则与动量变化率规则在确定参数的情况下等价的，即如果ROC规则在实证中能够，那么MA能浪潮规能量潮(On-balanceVolume,OBV)指标将量纳入考虑范围，并计算了给定时期内的累计量。OBV指标的值定义为： 𝑖𝑓𝑃𝑡< 𝑖𝑓𝑃𝑡= 𝑖𝑓𝑃𝑡>其中𝑉𝑜𝑙𝑡代表合第t日的量为了得到信号，本文比较了OBV指标值及其均值。用SMAOBV(n)代OBV指标值的简单移动平均值OBV指标产生的信号可以用如下表示+1，𝑖𝑓OBV𝑡−1≤SMAOBV(n)𝑡−1𝑎𝑛𝑑𝑂𝐵𝑉𝑡>{−1，𝑖𝑓OBV𝑡−1≥SMAOBV(n)𝑡−1𝑎𝑛𝑑𝑂𝐵𝑉𝑡<严格意义上来讲，OBV规则并不是趋势类策略，但是其信号与移动平均类策略有很高的相似性。从这个意义出发，本文将OBV规表3.2:六种趋势类策略的参数n52n52n52(n1,(5,(2,(20,(50,(n1,(5,(2,(20,(50,n52因为有支持短期趋势在市场上存在(Han,Hu&Yang,2016)，因此前文所提及的趋势类策略的参数应当取较小的值，参数值取5日和2日。3.2报告了基准分析和稳健性分析对应的不同参数值。趋势类策略绩表4.1报告六种趋势类策略在单个合约上的年度超额收益。本文还报告了买入持有（BAH）策略的绩效，并以此为基准。BAH策略在整个投资期内并不进行再平衡，即BAH策略一直持有合约。为了比较趋势类策略绩效的整体水平，本文也报告六种规则的平均值，并成为1/N规则（见“1/N”栏目BAH策略进行比较（见“Difference”栏目。本文列出了NeweyandWest1987)稳健tt值考虑了自相关和异方差性。一方面，在33个合约上，1/N组合表现出了优于BAH策略的绩效，占比超过1/2（33/46>1/2。另一方面，趋势类策略只在20个单独的合约能够取得正的收益，这些收益在不同的合约上还有较大的区别比率6。由于部分合约的存续时间小于1年，因此7个合约上规则ROC,VMA和OBV规则的夏普比率分别在25,26,23,24,26和30个合约上高于BAH策略这个结果表明在多数情况下趋势类策略能够战胜BAH策Szakmary,Shen&Sharma(2010)。此外，本文也构建了46个合约的等权重组合，该组合平均收益上趋势类策略1.01%BAH策略的-4.23%，而且其夏普比率为-0.33，BAH策略的-0.73。表4.1:趋势类策略在单个合约上的年化超额收1/N>LPCVMIAB‘***’‘**’和‘*Newey&West(1987)稳健T1%、5%10%在本节中本文将说明这些技术规则对合约分类投资组合的表现由单个合同分类的投资组合通常比单个合同更加丰富和具有较低的波动性由于多元化本文根据波动性持仓量量上个月收益率过去6个月收益率和过去六十个月收益率等六组指标，依据每个指标将46种商品分成三个等分组合，共计18个分组组合。以波动率为例，本文首先计算所有单个合约上月的波动率将46个合约均分为三个分组组合并“H代表最高波动率分42和表43分别报告了分组投资组合上趋势类策略的年度超额收益率和夏普比率“1N”规则是指六种趋势类策略的简单平均，而“Difrece”代表1/N规则和BH策略的绩效表现差异。显然，在所有的分类组合，大部分的趋势类策略优于BH策略，因为趋势类策略有着较高的平均超额收益率和较低的标准偏差如表43所示所有趋势类策略都受益于低波动性和更高的回报率因此也有更高的夏普比率与单个合约上的结果类似，在几乎所有的18个分组组合上，趋势类策略都优于H策略除了VMA规则在15个分组组合优于基准策略和OBV规则在1741描述了BAH策略和1/N肯定了这些结论。另一个有意思的发现是与单个合约上的绩效相比趋势类策略比在分组组合上的绩效更容易超过BH策略。具体而言，在所有18个分类组合ROCWMMA和MCD规则的夏普比率均高于BHVMA和OBV规则分别在16和171/N规则在所有分组组合上优于BAH14个分组组合上取得了显著优于BH策略的年均超额收益率显然地趋势类策略在分组组合上的成功率远高于单个合约上此外更好的性能可能会来源于较低的波动性分组组合上合约收益的平均波动率为986，低于单个合约收益的1978。规 PanelA:VolatilitysortedLMHPanelB:VolumesortedLMHPanelC:OpeninterestsortedLMHPanelD:LastmonthreturnsortedL [3.64] PanelE:Pastsix-monthreturnsorted [3.95] PanelF:Pastsixty-monthreturnsorted [-1.52] [-1.56] ‘***表4.3:趋势类策略在分组组合上的夏普比PanelA:VolatilitysortedLMHPanelB:VolumesortedLMHPanelC:OpeninterestsortedLMHPanelD:LastmonthreturnsortedLMHPanelE:Pastsix-monthreturnsortedLMHPanelF:Pastsixty-monthreturnsortedLMH:Han,Yang&Zhou(2013)发现波动性和信用结果的信息不确定性可以提高移动平均择时策略在分类组合中的表现。Han,Hu&Yang(2016)证实4.2A中的ROC规则为例，ROC规则在最低波动率1.25%3.39%，最高波动率分组组合上为6.52%。类似的模式也出现在其他趋势类策略上，除了VMA规则。趋势类策略在量分类的投资组合（B组）上的绩效也呈现的绩效特别是，ROC规则在最低量分组中等量分组和最高量分0.62%、3.48%5.62%的年均超额收益率。ROC的夏普比率也显示出类似的结果。ROC规则取得的夏普比率分别为0.12，0.50，和0.67，而BAH规则的夏普比率分别为-0.44，0.05和-0.10。Han,Hu&Yang(2016)观察到趋势类策略绩效的上升趋势也出现在绩效表现越高而在表4.2面板C中本文观察到了趋势类策略绩效市场的持仓量分组组合上呈现出驼峰状。例如，ROC规则在最低持仓量分组、中间持仓量分组和最高持仓量分组组合上的年化超额收益率分别为1.08%、5.12%3.39%4.3C的夏普比率中。该观察与套，市场上的占优地位。Moskowito,Ooi&Pedersen(2012)发现的表明，以时间在不同的发达市场都可以观察到。与发达国家不同的是的大多数至充当信息灵通的投机者。因此，套期保值压力理论对该现象解释效力并不大。，趋势类策略在过去六十个月收益分组组合（表4.2面板F上比ROC得的夏普比分别为-0.60，0.65，和1.12，而BAH策略取得了分别为-1.59，-0.62和0.3的夏普比率。上个月回报的分组组合（表4面板D）和过去六个月回报的分组组合（表4.2面板E）的并不那么强，这是因为中间动量分组组合的反ROC规则产生了0.40，0.160.77的夏普比率，而BAH策略的夏普比分别为-0.36，-0.710.51。在最低、中间和最高过去半年收益的三个分组组合上（图4.1子图E，ROC规则产生的超额收益为0.76%，1.92%，和11.41%，而BAH的策略产生的年化超额收益分别为3.98%，9.76%和8.57%规则也可以解释这种观察注意Han,Hu&Yang(2016)采用SMA规则，∆M2夏普比例提供的由于篇幅很为有限本文并未在正文中列示这些结果。总结来说不论是单个合约还是分组组合趋势类策略均能够大概率取得超过BH策略的年度超额收益率和夏普比率，这说明趋势类策略在中国商品市场上的价值另一个有意思的结论是不同分组组合上趋势性会导致更好的绩效第二在基准数据集上本文发现趋势类策略绩效市场的持仓量分组组合上呈现出驼峰状第三在基准数据集上，本文发现趋势类策略在量越大的分组组合上能够取得相对更高的绩效。第四在基准数据集上本文发现分组组合的收益率呈现出动量效应即趋势类策略在动量越大的分组组合上能够取得相对更高的绩效动量分别是指在非零成本和高频率的情况下规则的性可能会严重。所以回测过程必须要考虑成本继Narayan,Ahmed&Narayan(2015)和Han,Hu&Yang(2016)，本文考虑比例费用： 𝑠𝑖𝑔𝑛𝑎𝑙𝑡≠𝑠𝑖𝑔𝑛𝑎𝑙𝑡−1 𝑠𝑖𝑔𝑛𝑎𝑙𝑡=其中𝜏表示成本，𝑟𝑡代表资产在第t个日的收益，

在第t个日的经成本调整后的净收益，而𝑠𝑖𝑔𝑛𝑎𝑙𝑡代表第t个日对表5.1:趋势类策略的盈亏平衡成本分PanelA:VolatilitysortedLMHPanelB:VolumesortedLMHPanelC:OpeninterestsortedLMHPanelD:LastmonthreturnsortedLMHPanelE:Pastsix-monthreturnsortedLMHPanelF:Pastsixty-monthreturnsortedLMH平均为了衡 成本对于策略绩效的影响，表5.1报告了六种趋 类策及其1/N策略的盈亏平衡成（break-eventransactioncost,BETCBETC衡量了能够使得趋势类策略获得与BAH策略相同绩效情况下的成本。，如表51所示在分组组合上不同的趋势类策略有着不同的BTC值。首先同一个趋势类策略在不同的分组组合上有着不同的BTC值这一点对比表51中同一列数据易知。其次，BTC在不同的趋势类策略上也是不同的MCD规则能够通过平均为059%的BTC值这也是所有趋势类策略中最高的平均BTC水平，而OBV规则能够通过平均为008的BTC值，这也是所有趋势类策略中最低的平均BTC水平因此成本对MACD规则绩效表现的影响相对较小尽管对于其他规则未必如此第三在大多数情况下，BTC值是高于005的，五个基点的成本是中经常使用的典型成本能够较好地代表现实世界中的成本特别是通过统计趋势类策略在分组组合上能够取得高于五个基点BTC8241。而1N策略在15个分组组合上能够取得高于5个基点的BTC值。总之，结果表明，成本在大多数情况下对本文的结果影响不大。，更进一步成本对于不同分组组合上趋势类策略绩效的影响也呈现出一定的模式。这种影响可以通过BTC的数值来衡量。如果BTC的数值越大那么成本的影响就更小反过来如果BTC的数值越大那么成本的影响就更小一方面有一些模式与无成本下策略绩效的模式相同例如量量和持仓量分组组合第一在基准数据集上本文发现较高的波动性会导致更好的绩效波动率越高的分组组合能够承受更高的成本第二在基准数据集上本文发现趋势类策略绩效 市场的持仓量分组组合上呈现出驼峰状分组组合能够承受的成本在大多数策略上也呈现出驼峰状第三在基准数据集上本文发现趋势类策略在量越大的分组组合上能够取得相对更高的绩效而较高量对应的分组组合也能够承受更高的成本这些相同的模式说明依据这些合约分组带来的好处超过了交易成本的影响另一方面部分成本影响与无成本下策略绩效的模式相反具体而言在基准数据集上本文发现分组组合的收益率呈现出动量效应即趋势类策略在动量越大的分组组合上能够取得相对更高的绩效动量分别是指过去一个月收益过去六个月收益和过去六十个月收益与之不同的是，在动量最高或者动量最低的分组组合上技术分析受到 成本的影响较小在中间分组组合上，技术分析受到成本的影响较大此外，表42和表51结果还表明，趋势类策略并不在样本区间内的所有日进行而且它们只在样本区间的一半时间内持有头寸例如在波动性分类的投资组合中，ROC规则在最低波动率排序组合上4505的日内持有头寸，在中间波动率排序组合上4948的日内持有头寸，而在中间波动率排序组合上5065的日内持有头寸。Narayan,Ahmed&Narayan(2015)，本文进一步了2008年金融是否可能会影响前文得到的结果。本文在2008年1月前将全样本期划分为两个子区间，并分别对这两个子区间的趋势类策略进行了绩效分析。限于篇幅，表5.2只报告了三个波动率分组组合上趋势类策略的绩效指标。表5.2面板A涵盖从2003年1月日到2007年12月31日（前时期）的时间，而面板B中涵盖从2008年11日到2014年12月31日（后时期）的期间表52表明2008年的金融并没有影响第四部分的主要结论从表52中可以得到如下三条结论首先后市场的波动性和收益率低于前的市场，这意味着可能会趋势类策略的绩效。以ROC规则为例，金融ROC规则在最低波动率分组组合上的年超额收益率为-162等波动率分组组合上为380最高波动率分组组合上为149在金融后ROC规则在最低波动率分组组合上的年超额收益率为09231%，最高波动率分组组合上为301。其次，这些规则仍优于BH基准策略的概率很高。特别是，在金融前的子区间，趋势类策略在1个分组组合上具有比BH策略更好的绩效表现；在金融以后的子区间，趋势类策略在所有分组组合上都取得了优于BH策略的绩效表现第三趋势类策略超过BH策略的绩效表现在金融后得到了加强，这是因为在较少回撤的牛市中，趋势类策略产生的信号与BAH策略是2003年至2007表5.2:金融前后趋势类策略在分组组合上的年化超额收PanelA:Pre-crisisperiod(2003–LMHPanelB:Post-crisisperiod(2008–LMH‘***更进一步趋势类策略绩效在新的数据集上也呈现出一定的模式金融对这些模式并没有很大的影响例如波动率量和持仓量分组组合第一在基准数据集上本文发现较高的波动性会导致更好的绩效在金融之前和金融之后波动率越高的分组组合也产生了较高的绩效第二在基准数据集上本文发现趋势类策略绩效市场的持仓量分组组合上呈现出驼峰状金融前后分组组合上的绩效也呈现出驼峰状第三在基准数据集上本文发现趋势类策略在量越大的分组组合上能够取得相对更高的绩效而金融前后较高量对应的分组组合也能够产生较高的绩效另外三个动量指标分组的结果显示金融以后动量指标分组组合上的绩效模式较前的绩效模式更加明显，与基准数据集上的模式更为一致。5.3延本节考虑了延迟对于收益率计算的影响前面的研究没有考虑市场摩擦，而延迟可能会对策略的绩效产生较大的影响因此信号生成和执行之间应该有一个延迟据本文所知目前所有技术分析相关的研究均使用收盘价计算的收益率(arsa,Caan&Caa,2008;Sakar,Sen&Sara,2010;ark&Iri,2010;Naraa,Ahed&Naraa,2015;Ha,Huan,2016)，因此本文的研究也采用这种收益率计算方法以便于读者与其他研究做对比需要注意的是当前采用收盘价计算收益率的方法在现实中并不具备可操作性因为这需要投资者在利用收盘价得到信号的同时进行并在相同的价位完易，在目前我国的系统上是很难实现的因此在下一开盘价或者利用开盘价和收盘价计算收益是两种可选的具备操作性的方法在文献中Deiue,Nales&pal(2014)利用开盘价和收盘价数据集检查了他们的资产组合构建方法在市场上的稳健性然而在分组组合数据集上分组组合的收盘价是利用分组组合成分的平均收益等权重计算的。引入开盘价数据有三个缺点。第一，引入开盘价数据将会在持有合约超过一天的情形下忽略隔夜收益。第二，在数据集中同时保留开盘价和收盘价将会加大回测过程的难度使得其他研究者难以 研究结果。因此，本节采用了其他方法考虑 延迟之影响。表表5.3:规 PanelA:VolatilitysortedLMHPanelB:VolumesortedLMHPanelC:OpeninterestsortedLMHPanelD:LastmonthreturnsortedLMHPanelE:Pastsix-monthreturnsorted [-1.47] [0.45]PanelF:Pastsixty-monthreturnsorted ‘***本文用一期等待（One-ay-aig）规则来测试趋势策略(u,Cag&Gean,2016)，在一期等待规则下，策略A在第t个日产生了信号，但是在只在第t1个日开始相当于策略A等待了一天很明显一期等生成后的日收益在趋势存在情形中会降低趋势类策略的表现。表53中报告一期等待规则下趋势类策略在分组组合上的绩效结果表明第一即便延迟信号一个日趋势类策略在分组组合上仍然能够取得优于BH18ROCMMA，OBV和MCD规则的夏普比率均高于BHVMA规则在17个分组1/N规则在所有分组组合上优于BAH10个分组组合上取得了显著优于BH策略年化超额收益。第二，一天等待规则的趋势跟踪策略比没有延迟的策略更容易表现出较弱的绩效。以表42面板A中的ROC规则为例，ROC规则在最低波动率分组组合上的年超额收益率为125，中等波动率分组组合上为339%最高波动率分组组合上为652%而在延ROC规则在最低波动率分组组合上的年超额收益率为187，中等波动率分组组合上为315%，最高波动率分组组合上为427。这与第22节的分析一致一天等待规则的趋势策略比没有延迟的策略更容易表现与表42对比发现不同分组组合上趋势类策略的绩效模式在延迟波动率越高的分组组合上趋势类策略往往也能够取得更高的年化超额收益率第二在基准数据集上本文发现趋势类策略绩效市场的持仓量分组组合上呈现出驼峰状而延迟下趋势类策略绩效在策略在量越大的分组组合上能够取得相对更高的绩效而延迟下较高量对应的分组组合也对应着更高的趋势类策略绩效这说明这些分分组组合的收益率呈现出动量效应，即趋势类策略在动量越大的分组组合上能够取得相对更高的绩效，六十个月收益分组上得到了强化说明中国商品市场呈现出长期动量1N策略在所有分组组合上依然取得了高于BH策略的年化超额收益，这进一步肯定了本文主要结果的稳健性。现有的文献(AndersenBollerslev&Lange1999Zhang&Shinki2007)认为，数据频率是决定技术分析策略能力的重要因素。Narayan,Narayan&反的结论，而NarayanAhmed&Narayan(2015)发现，日频数据集能够提高动量的稳健性检验，在计算某些分组组合时，需要省略前60个月数据。附录中表1报告数据的实证结果。可以观察到，主要结论仍然在数据上仍然成立，即，大多数趋势类策略优于BH策略。首先，数据频率对BH策略影响不大而对趋势类策略有着更大的影响其次数据集上ROC,WM,MA和OBV规则绩效的提高程度明显高于其他规则以表4面板A中的ROC规则为例，ROC规则在最低波动率分组组合上的年超额收益率为125，中等波动率分组组合上为339%最高波动率分组组合上为652%而在数ROC规则在最低波动率分组组合上的年超额收益率为147组合上为871最高波动率分组组合上为1200最后趋势类策略在分组组合上仍然能够取得优于BH策略的绩效。在所有18个分类组合上，ROC，WM，MA，OBV和MCD规则的夏普比率均高于BH的策略，而VMA规则在13个分组组合上夏普比率更高，1N规则在所有分组组合上优于BAH策略，在18个分组组合上取得了显著优于BH策略的年均超额收益率。更进一步不同分组组合上趋势类策略绩效在新数据集上也呈现出一定高的分组组合能够产生更高的策略绩效第二在基准数据集上本文发现趋势类策略绩效 市场的持仓量分组组合上呈现出驼峰状而在数据集上趋势类策略绩效在分组组合在大多数策略上也呈现出驼峰状第三，在基准数据集上本文发现趋势类策略在量越大的分组组合上能够取得相对更高的绩效而在数据集上而较高量对应的分组组合也能够产生更高的策略绩效第四绩效模式在不同动量指标的分组下出现了分化具体而言在基准数据集上本文发现分组组合的收益率呈现出动量效应即趋势类策略在动量越大的分组组合上能够取得相对更高的绩效动量分别是指过去一个月收益过去六个月收益和过去六十个月收益这种模式在过去六十个月收益分组上得到了强化说明中国商品市场呈现出长期动量的趋势而在过去一个月收益和过去六个月收益分组组合上原本渐次加强的模式转化为凹字形。这些显著的组间差异从侧面肯定了分组指标的合理性。与相比，做空是市场的一个优势，因为做空方式便利，成本更低。为了方便与前人的文献进行对比本文面的分析中并没有考虑空头头寸然而，现有的文献(Naraan,Ahed&Naraa,2015;Ha,Hu&an,2016)表明，卖空可以提高技术分析规则在市场中的历史绩效表现在本小节中本2似，趋势类策略更容易产生比BAH策略较高的夏普比率。与表4一致地改善技术分析规则的绩效表现在一些组合上反而了技术分析规则的绩效表现。Naraa,hmed&Naraan(2015)发现空头持仓可以提高一个时间序列动量规则的绩效表现本文的观察与他们的结果并不一致，可能的解释是商品市场结构的不同和样本数据集时间区间的差异。另外不同分组组合上趋势类策略绩效模式对于空头头寸具有相当的稳在基准数据集上本文发现趋势类策略绩效市场的持仓量分类策略绩效在分组组合在大多数策略上也呈现出驼峰状第三在基准数据集上本文发现趋势类策略在量越大的分组组合上能够取得相对更高的绩效而允许空头头寸下较高量对应的分组组合也能够产生更高的策略绩效第四绩效模式在不同动量指标的分组下出现了分化具体而言在基准数据集上本文发现分组组合的收益率呈现出动量效应即趋势类策略在动量越大的分组组合上能够与发达国家的商品市场相比中国等新兴经济体的商品市场通常具有较低的流动性(Ng&u,2007)。因此，流动性在中可能会产生相当大的冲击成本影响此外许多新兴市场可能在过去几十年里经历了结构性，往往会影响资产的流动性例如2005年中国市场的股权分置2010年IF2003年QII引入可以帮助外国投资者投资中2013年QDII策略的能力。市场和固定收益市场中，投资者均会对低流动性资产要求适当给溢价(Acharya&Pedersen2005Korajczyk&Sadka2008BaoPan&Wang2011Dick-Nielsen,Feldhutter&Lando2012)。因此，这样一个预期是合理的，即流动性不佳的合约，会提高趋势类策略的历史绩效表现。与价差(Goyenko,Holden&Trzcinka,2009)价差通常是统计所有的为日均量高于500手的合约品种比较活跃因此流动性较好因此， 。征分组，在重新构造的分组组合上再次趋势类策略的绩效表现筛选结果显示所有的46个合约品种中有1个品种的日均量低于500手。附录中表3报告了其余35个活跃的合约的实证结果。表3中BH列的结果显示与35个活跃的品种相比BAH策略在46个期货合约能够获得更高的平均收益这肯定了流动性溢价商品市场的存在性即便如此新的结果表明趋势类策略在所有新的分组组合仍然能够取得显著高于BH策略的年化超额收益。因此，不论在所有合约品种，还是在活跃的合约品种上，本文的主要结论仍然成立。更进一步不同分组组合上趋势类策略绩效在高流动性分组组合上也呈现出一定的模式这些模式与基准数据集上的模式很相似具体而言第一在基准数据集上本文发现较高的波动性会导致更好的绩效而流动性较高的情形下，波动率越高的分组组合能够产生更高的策略绩效。第二，在基准数据集上，本文发现趋势类策略绩效 市场的持仓量分组组合上呈现出驼峰状而流动性较高的情形下趋势类策略绩效在分组组合在大多数策略上也呈现出驼峰状第三在基准数据集上本文发现趋势类策略在过去六十个月收益越大的分组组合上能够取得相对更高的绩效这种模式在剔除低流动性合约后仍旧体现说明中国商品市场展示出长期动量特点这些显著的组间差异从侧面肯定了分组指标的合理性。。与另一个重要不同是存续期的不同合约存在着到期期限而资产在理论上是永久存续的在构建合约连续价格数据时到期合。调整移仓换月价差和不调整移仓换月价差为了移仓换月价差的影响，15期利用乘数法调整移仓换月价差。利用乘数法调整移仓换月价差，是指利用调整乘数𝐶𝑃𝑜𝑙𝑑⁄𝐶𝑃𝑛𝑒𝑤 t指即将到期合约的到期日。该乘数衡量了相邻到期合约的价格差异。第二种调整方法是在合约到期前第15个日利用乘数法调整移仓换月价差。换之，即将移仓换月过程提前15个日，因此乘数是𝐶𝑃𝑜𝑙𝑑⁄𝐶𝑃𝑛𝑒𝑤，其中t差，即在到期日将累计差额𝐶𝑃𝑑−𝐶𝑃𝑛𝑤加总到新合约上。需要注意的是，差 5.4:5.45.4:到期 合约合约(t+1)合约乘数调整构建的价格序 乘数调整构建的收益率序 差额调整构建的价格序 差额调整构建的收益率序 表5.4中，“t”代表合约的到期日。在日t日，投资者用第二近到期日期过程中，本文发现这种异常情形出现在五种合约上，合约代码分别为WS、ER、FU、WT和C。为了避免这些异常值，本文在差额调整移仓换月价差时去掉这些正如第3.1整方法，即使用到期前第十五天的乘数和到期时差价调整价差。附录中表4报告了趋势类策略在第一种价差调整方式下的绩效表现附录中表5报告其在第一种价差调整方式下的绩效表现。不同于Han,Hu&Yang(2016)，价差调整使用到期前第十五天的乘数情况下BAH策略表现不佳。然而，不管在哪种移仓换月价差调整处理下，大多数趋势策略仍然优于基准BAH策略。这说明趋势跟更进一步移仓换月价差的不同调整方法对于不同分组组合上趋势类向于获得更高的绩效第二在基准数据集上本文发现趋势类策略绩效市场的持仓量分组组合上呈现出驼峰状不管是提前移仓换月过数据集上本文发现趋势类策略在量越大的分组组合上能够取得相对更高的绩效不管是提前移仓换月过程还是利用差额调整而较高量对应的分组组合也能够获得更高的绩效第四在基准数据集上本文发现分组组合的收益率呈现出动量效应即趋势类策略在过去六十个月收益越大的即数据挖掘在技术分析的绩效分析中表现为技术分析规则的参数经过优化的而非随机选取例如本文选取的参数为5个日在一系列可能的参数中，数选择的影响首先通过更改趋势类策略的参数对其绩效进行再分析，第二，通过比较Newey&et(1987)稳健p值、Wte(2000)C检验p值检验和Hansen(2005)A检验p值来考虑数据挖掘的影响。为了检验趋势类策略绩效对参数值的选择是否敏感本小节分析了不同参数选择情形下的趋势类策略的绩效，并在附录表6中报告了结果。第一，表6结果显示随着趋势类策略参数值的不断增加其商品市场ROC（M（面板A第二行的收益率分别为407%339%353%和102对应的规则参数分别为2个5个20个和50个日。即使在最长的滞后期情况下ROC规则仍然能够取得优于BAH策略的年化超额收益，ROC规则的年化超额收益为102BAH策略的年化超额收益为082趋势类策略在大多数分组组合上能够取得高于BH策略的绩效表现。具体2或者参数对选择为(25)18EMA和WMA规则的夏普比率均高于BHROCMCDVMA和OBV规则的夏普比率分别在171313和17个分组组合上高于BH的策略，1/N规则在所有分组组合上优于BH16个分组组合上取得了显著优于BH策50或者参数对选择为(5075)18个分ROCWMMA和MCD规则的夏普比率均高于BAH的策略，而MA和OBV规则分别在16和17个分组组合上夏普比率更高，1/N规则在所有分组组合上优于BH10个分组组合上取得了显著优于BAH策略的年均超额收益率。更进一步趋势类策略在分组组合上的绩效模式对于参数选择具有一定据集上本文发现趋势类策略绩效市场的持仓量分组组合驼峰状第三在基准数据集上本文发现趋势类策略在量越大的分组组合上能够取得相对更高的绩效其他参数选择情形下而较高量对应的分组组合也与更高的绩效相联系第四在基准数据集上本文发现期货分组组合的收益率呈现出动量效应即趋势类策略在过去六十个月收益越在研究策略的绩效表现时需要考虑数据挖掘问题在文献中有两种方法可以避免数据挖掘偏误第法是将现有策略模型带入到全新的数据集ula,mmran&ht,2003)规则的依赖性。以参数为5个日的ROC规则为例，传统的学生t检验和Newy&et(1987)稳健t检验的原假设均为策略收益序列为零序列，考察对象仅仅为ROC规则参数取5个日的收益序列，并没有考虑该序列与ROC规则参数其他取值情形对应的收益序列间的情况。这是这种依赖性造成了ite(2000)C检验和Hansn(2005)APewyet(1987)稳健t检验(在表61中用NW进行标记)Wte(2000)BRC检验(在表61用C进行标记)和Hansn(2005)A检验(在表61用A进行标记)。本小节分析重点是趋势类策略超过BH策略的绩效表现部分。因此，对应的零假设是由一系列不同参数构成的趋势类策略的系统池中具有最高年收益的单个策略并不能取得优于BH策略的年收益，即H0表示为：𝑟𝐵𝐸𝑆𝑇≤𝑟𝐵𝐴𝐻，其中𝑟𝐵𝐸𝑆𝑇表示最高年化超额收益的单个趋势类策略的年化超额收益，而𝑟𝐵𝐴𝐻BAH策略的年化超额收益。格和开盘价的趋势类策略(Park&Irwin,2010)。因此，系统池中包含有四个额外的技术分析规则，包括简单移动平均线(SimpleMovingAverage,SMA)规则，支撑阻力(Supportand,S&R)规则，随机动量(StochasticMomentum,K&D)规则和亚力山大过滤器(AlexanderfilterALX).规则。ParkandIrwin(2010)相同，本文在各规则的基础上添加了一个价格带来确认b设置为{0,0.001,0.005,0.01,0.015,0.02,0.03,0.04,0.05}9n1设置为{2,3,4,5,10,15,20,25}n2设置为{5,10,15,20,25,30,35,40,45,55,60,65,70,75}n设置为{2,3,4,5,7,10,15,20,25}，n2n1，因此参数对(n1n2)119n9个取值。单参数的趋势类系统有6个，分别是ROC,WMA,EMA,OBV,SMA以及S&R规则，每个单参数规则可以有9个参数取值。参数有两个的趋势类系统有5个，分别是MACD,VMA,1/N,ALX和K&D规则，每个两参数规则可以有119个参数对取值本文进一步考虑有卖空限制和无卖空限制的策略总的来说系统池包含11682个趋势类策略(9×2×6×9+119×2×5×9=11682)。，6.1报告了不同分组组合上年化超额收益最高的最佳策略及其对应的三种pPark&Irwin(2010)记录的结果相一致，BRC检验和SPA检Newey&West1987)tpBRC检验和SPApNewey&West(1987)稳健t检验下，表现最好的趋势策略在17个分组组合上明显优于BAH策略，在BRC检验下，表现最好的趋势策略在3个分组组合上明显优于BAH策略，而在SPA检验下，表现最好的趋势策略没有在任何分组组合上明显BAH策略。需要注意的是，在没有踪类系统池中的最佳策略不能显著优于BAH策略。这意味着修正数据挖掘偏误后，趋势类策略相对于BAH策略的超额收益市场比期货市场要弱得多。尽管Han,Hu&Yang(2016)通过构造随机分组组合考虑数