全球资讯 > 详情文章

华泰期货量化专题报告:利用混频RU

文 / 维胜金融2018-09-08 15:01

金融时间序列通常通常包含多个维度,不同维度数据的采样频率也不一致。例如螺纹钢研究员通常关心螺纹钢的因素......

金融时间序列通常通常包含多个维度,不同维度数据的采样频率也不一致。例如螺纹钢研究员通常关心螺纹钢的因素有日频更新的现货螺纹钢价格,周频更新的螺纹钢库存,高炉开工率和线螺采购量。如果其中某些可观测因子发生了变化,投资者对未来螺纹钢期货涨跌的预期也应发生变化,但是如何处理这些不同频率的数据是量化模型的一大难题。一种比较简单直接的方法就是降低数据的采样频率,例如把日频数据统一为周频(甚至更低如月频),再基于周频数据进行预测。但这种方法的缺点也很明显,期货本身波动就比较大,通过低频采样的数据只能按低频预测的结果来交易,如果在一周中期货价格发生了大变,也无法根据量化模型做出合理的应对。

本报告介绍一种可利用低频数据预测高频数据的时间序列模型: RU-MIDAS (Reverse Untricted Mixed Data Sampling),中文可以译作反面无限制混合数据采样模型,这种模型是Eric Ghysels等人研究的MIDAS模型的反向应用, MIDAS模型则是利用高频数据预测低频数据,而RU-MIDAS则是利用低频数据预测高频数据,因此被称为反面。另外MIDAS模型引入了多项式函数来代替延时参数,而RU-MIDAS模型则没有引入多项是所以被称为无限制。RU-MIDAS模型首先由Claudia Foroni等人在论文Using Low Frequency Information for Predicting High Frequency Variables中提出。原文作者使用的是单因子模型,而在本报告中则在此基础上扩展为多因子模型,,希望通过多因子的引入和交易频率的提高来规避中长策略低频调仓可能出现的回撤。

在本报告里首先介绍了RU-MIDAS模型的原理和结构,然后尝试利用周频和日频的螺纹钢因子数据对螺纹钢期货主力数据进行预测,发现这种模型在处理混频数据上能取得不错的效果。

下一篇:黑河大豆院士工作站成立 上一篇:库存连续下降 引发钢价反弹