更多精彩內容，歡迎關注公眾號：數量技術宅，想要獲取完整策略代碼，請加技術宅微信：sljsz01
股指期貨分鐘級別波動率觀察
在A股市場，股指期貨是由一攬子股票組成的股票現貨指數，所對應的期貨，由于期貨市場敏銳的價格發現作用，股指期貨的價格運動往往領先于股票現貨市場，波動率相比較股票市場也會更高，可以說股指期貨是股票市場的風向標，
對于股指期貨這樣一個重要的風向標，我們先來統計一下它在分鐘級別最精細的顆粒：1分鐘K線下的波動特征，我們嘗試用Python Pandas庫的方法讀入格式為csv檔案的股指期貨1分鐘K線資料，并計算出股指期貨1分鐘的收益率資料，然后我們呼叫seaborn庫的distplot、kdeplo、rugplot方法，繪制出股指期貨1分鐘K線波動的頻率分布，
根據繪制的股指期貨1分鐘K線波動頻率分布，與大多數金融資產一樣，波動分布存在著尖峰厚尾的特征，從下圖也可以看出，在-6 Sigma的區域，仍然存在相當顯著的頻率分布，
因此，我們可以判斷，股指期貨的分鐘級波動，存在著“厚尾效應”，接下來我們將嘗試，能否利用這些“厚尾效應”，
統計“厚尾”波動發生后，行情會出現什么特征
我們分別以0.3、0.5、1的百分比閾值為例，統計“厚尾”波動發生后，接下來1分鐘的收益率情況，并采用subplot語法，將3種不同的閾值，繪制在同一張輸出圖，以便比較，
觀察統計結果，隨著波動率閾值的升高，均值附近的分布比率下降、兩側的分布比率增加，說明下1分鐘的波動率與上1分鐘的波動率呈現正向相關的關系，
由于0.5%的閾值，在統計頻數、分布規律上都比較顯著，后續，我們選擇0.5%作為統計和計算的閾值，
“厚尾”波動的分類與思考
我們在前文中計算的波動率，是按照收盤價與上一個收盤價（pre_close to close）的變化比率來衡量的，這就存在一個問題，即 close to close 的變化比率，可以由K線物體（open to close）的大幅變動產生，同樣也可以由K線之間的跳空（pre_close to open）的大幅變動產生，
K線物體（open to close）的大幅變動通常發生在盤中，而K線之間的跳空（pre_close to open）幾乎都發生在開盤的第1分鐘，因此，我們將這兩類厚尾波動分為物體波動以及跳空波動，
物體波動的統計規律
將物體的厚尾波動，再按向上波動（大幅上漲）和向下波動（大幅下跌）分為兩類，波動的閾值按照此前設計的0.5%來截取，分為上漲、下跌進行統計，是為了避免混合在一起，某一方向的強特性掩蓋了另一方向的弱特性，我們統計未來1分鐘的收益率，并對收益率進行累積處理，
從統計結果可以看到，物體分鐘K線的大幅波動，對后1分鐘的預測結果呈現弱趨勢線，即盤中股指期貨，在前1分鐘大幅上漲或下跌，后1分鐘有較大的概率延續前1分鐘的運動方向，而上漲的延續性，相比較下跌的延續性更強，
跳空波動的統計規律
我們以同樣的方式，來統計跳空厚尾波動的接下來1分鐘的行情運動規律，
我們看到了與物體波動完全不同的統計規律，第一點，跳空波動中厚尾波動發生的頻率、頻數，遠高于物體波動，這一點也很好理解，因為開盤的跳空，消化的是停盤幾個小時國內外發生的所有訊息和事件；第二點，跳空波動在下1分鐘的運動軌跡呈現顯著的反轉特征，開盤大幅的跳高、跳低在下1分鐘反轉的成功率高、多空性質穩定，
構建IF分鐘波動率統計策略
通過比較物體波動與跳空波動的統計規律，跳空波動無論是在頻率、還是穩定性上，均要優于物體波動，我們將根據跳空波動的規律，來構建一個簡單的股指期貨IF分鐘波動率統計策略，
當股指期貨IF大幅高開，超過我們設定的閾值，我們進場在接下來的1分鐘時間內做空；而當股指期貨IF大幅低開，超過我們設定的閾值乘以-1，在接下來的1分鐘時間內做多，我們先按照統計規律中0.5%的閾值，測驗這個策略想法，
我們改變閾值，將厚尾跳空波動的認定范圍提高到1%，其他條件不變再次測驗，
對于策略衍生的思考
由于持有時間僅1分鐘，策略的單筆利潤較為微薄，在嚴格的費率和沖擊下，有可能會侵蝕相當程度的測驗利潤，如果該策略需要應用到實際交易，仍需要進一步測驗，是否有延長持有時間、或是截斷虧損讓利潤奔跑的常規趨勢出場操作的改進機會，
這個策略更大的應用價值，在于對大多數趨勢策略在開盤觸發止損（止盈）信號的疊加，試想，當我們的趨勢策略持有與隔夜大幅跳空反向時，按照趨勢策略常規的出場邏輯，我們會在開盤價附近直接止損，下圖就是一個典型的策略信號，
而根據我們這個策略的測驗，大幅度的隔夜跳空，會帶來下1分鐘極高概率的反向運動，因此，更優的做法是，我們在反向隔夜跳空觸發策略出場時，等待1分鐘，再進行出場的操作，相當于在原始策略收益的基礎上，疊加了這個策略的利潤，且對于疊加的策略，無需付出任何沖擊、交易成本（因為我們本身也是要做同樣的交易），
如果想要獲取本次分享的完整代碼，或是任何關于資料分析、量化投資的問題，歡迎添加技術宅微信：sljsz01，與我交流
往期干貨分享推薦閱讀
【數量技術宅 | Python爬蟲系列分享】實時監控股市重大公告的Python爬蟲
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/115666.html
標籤：其他
上一篇：Python：字串