基于成交量的MACD構建和策略研究

周明華，張敏凱，周婷婷(浙江工業大學 理學院，浙江 杭州 310023)

基于成交量的MACD構建和策略研究

周明華，張敏凱，周婷婷
(浙江工業大學 理學院，浙江 杭州 310023)

隨著金融市場的不斷發展，技術指標的應用不斷地在被人們接受和使用，各種各樣的技術指標也應運而生.而市場量價關系的研究也讓越來越多的研究者把目光放在了成交量這一和價格相同重要的變量上.MACD指標作為最常見的指標之一，操作簡單，思想也容易理解，卻只使用了價格這一信息.在MACD指標的基礎上，結合成交量構建了成交量加權的MACD_V指標并提出了對應的策略，然后利用滬深300的實際數據驗證了MACD_V指標在多數情況下都能有較高和平穩的收益.

MACD指標；成交量；技術分析

技術指標分析，是以可以直接觀測得到的數據為主要研究對象，構建相應的指標研究投資者感興趣的市場信息的方法.技術指標種類非常豐富，按照功能可以分為大勢型指標，如ABI,ADR等；超買超賣型指標，如KDJ，RSI，布林線等；趨勢性指標，如MACD，TRIX等.MACD指標作為最常用的指標之一，是主要研究的指標.MACD指標具有穩定的特點但是在市場震蕩的時候容易誤判而頻繁發出信號，許多學者為了提升指標的收益和穩定性做出了不少努力.王志剛等[1]在研究時引入幅度，使得短期移動平均必須超出(或低于)長期移動平均某個百分比才生成買入(賣出)信號，從而減少誤操作次數——即幅度為1%的時候，預測能力得到了顯著提高；包思[2]認為一個“好的”的指標必須是平穩，但是MACD指標不能保證其平穩性，他假設價格序列是對數增量平穩的過程，并在此基礎上提出了平穩MACD指標，得到了其高收益性和穩定性；Jelena[3]結合MACD和RSI指標并使用支持向量機判斷買入和賣出時機，得到的結果比單指標策略提升了許多，他們認為增加輸入向量的種類能更好地提高預測能力.上述學者對MACD方法的研究仍建立在價格序列之上，而沒有考慮成交量這個重要的變量.

資產價格和交易量是金融市場上兩個核心的變量，但是，比較多的理論研究是圍繞價格這一變量進行的，對成交量的研究多在于金融市場的實證方面.結合兩者一起的理論研究不夠豐富，VPT量價曲線和WVAD威廉變異離散量是結合兩者的技術指標；除此之外，也有學者將成交量添加到原先的研究中，得到新的結果.吳沖鋒、吳文鋒[4]構造了新的基于成交量的股價序列，相比于傳統的成交價時間序列，新序列的統計特性要更簡單更容易刻畫；鄒楊、王未卿等[5]對簡單的移動平均線進行了改進.對于成交量不同的交易日賦予不同的權重.另外交易日的成交價也區別于傳統的收盤價，綜合考慮了開盤價、收盤價和當日最高價和最低價，更加全面.較傳統均線，改進后的均線在確定趨勢的靈敏度和預測的精度上都有其優勢，在一定程度上克服了時滯性的缺點.可以看到：將成交量引入技術指標分析的研究并不多，筆者將研究重點放在了MACD指標之上，目標是把價格和成交量相結合充分利用市場信息，從而更好地指導投資者進行操作.

1 MACD指標及其策略

技術指標的使用需要對應的策略，這里的MACD策略選用石賽男[6]提出的策略：當Difft和Deat同時大于0且Difft上穿Deat，即MACDt>0且MACDt-1<0時，發出做多信號，買入一手合約；當Difft再次下穿Deat時，即MACDt<0且MACDt-1>0時，平倉.當Difft和Deat同時小于0且Difft下穿Deat，即MACDt<0且MACDt-1>0時，發出做空信號，賣出一手合約；當Difft再次上穿Deat時，即MACDt>0且MACDt-1<0時，平倉.

2 成交量加權的MACD_V指標及其策略

根據混合分布理論，價格序列和成交量序列同時遭受到達市場的信息影響，因而兩個序列有比較顯著的正相關關系，這一點已經被中外許多學者在實踐中確認了,HungXuanDo[7]研究了多組國外的基金與股票，得到了已實現高階矩與成交量有正相關關系；張小勇[8]計算了滬深300股指期貨的多個統計量，表明“已實現”波動率與成交量有正相關關系.所以，技術指標分析脫離成交量單獨考慮價格序列是對市場信息利用的不充分.李衛華[9]提出過成交量加權的均線模型，改良后的均線模型在實際操作中的有效性有了很大的提升.在MACD指標的基礎上提出了成交量加權的MACD指標，記為MACD_V指標.

MACD指標的有效性和敏感性與參數的選擇有很大的關系，m=12,n=26,p=9是最常用的參數，但是，不同的投資人也會根據不同的股票選擇不同的參數以達到最優的收益[10-15].這里以成交量構造權重，對價格序列重新加權希望能夠對MACD指標的準確性和穩定性有一定的提升.構造公式分別為

提出了指標之后，對應的策略也呼之欲出了，具體如下：

1) 當Diff_Vt和Dea_Vt同時大于0且Diff_Vt上穿Dea_Vt，即MACD_Vt>0且MACD_Vt-1<0時，發出做多信號，買入一手合約；當Diff_Vt再次下穿Dea_Vt時，即MACD_Vt<0且MACD_Vt-1>0時，平倉.

2) 當Diff_Vt和Dea_Vt同時小于0且Diff_Vt下穿Dea_Vt，即MACD_Vt<0且MACD_Vt-1>0時，發出做空信號，賣出一手合約；當Diff_Vt再次上穿Dea_Vt時，即MACD_Vt>0且MACD_Vt-1<0時，平倉.

新指標的提出主要是為了更好地適應高頻交易，作為一個好的指標，應該保證其計算得到的序列有穩定性[2]，為了驗證穩定性，測驗了多組股指期貨的數據，計算得到對應的MACD_V指標，并利用ADF檢驗法檢驗其平穩性，得到表1的結果.

表1 股票指數的MACD_V序列平穩性檢驗Table 1 Stationary test for the MACD_V series

既然上述方法構造出來的指標是平穩的，接下來需要考慮對應的參數選擇和收益情況.

3 MACD_V指標最優參數研究

在第2節提到，MACD指標的有效性與參數的選擇有一定的關系，MACD_V指標作為新提出的指標，它的最優參數仍需要繼續討論，所以，接下來通過遍歷法來計算MACD_V的最優參數，目標為總收益最高.參數遍歷的范圍2≤m≤20,m

表2 2010—2014年滬深300股指期貨每年最優參數Talbe 2 Best parameters and corresponding returns every year

由表2可以看到：即使是同一金融產品的不同時間段的最優參數也不相同.在實際操作中，投資者需要提前確認好參數，所以，為了更好地應用于實踐，需要提出類似MACD指標中m=12,n=26,p=9的通用參數從而使MACD_V指標更好地被研究和使用.接下來利用2010—2013年滬深300股指期貨數據作為訓練集并用排序法求得最優的通用參數，然后再用2014年的數據進行試驗.然后，設置了3個不同的目標函數，分別求得對應目標最優的10個參數并進行排名，再根據3個排名求得總排名最高的參數作為最優通用參數，具體如下：

1) 第1個目標函數為

式中Incomei為第i年的收益，得到的結果如表3所示.顯然，第1個目標函數目的是讓總收益最大.

表3 第1個目標函數最優通用參數排序Table 3 Rank of best parameters by the first target

2) 第2個目標函數為

表4 第2個目標函數最優通用參數排序Table 4 Rank of best parameters by the second target

3) 第3個目標函數為

表5 第3個目標函數最優通用參數排序Table 5 Rank of best parameters by the third target

由表5可以看到：m=20,n=47,p=11是3個目標函數下的最優通用函數，所以，在接下來的討論中，選擇其為MACD_V策略默認的通用參數.首先，將其與表2中最優參數得到的結果做對比，得到表6.

表6 2010—2014年最優參數與通用參數收益對比

Table 6 The comparison of common parameters and best parameters

年份/年20102011201220132014收益/點937.09340.98319.62525.85634.43相對收益/%70.4256.6549.0178.6165.09

由表6可以看到：2014年的數據作為檢測數據，在MACD_V指標的指導下選用通用參數所得到的收益是最優參數的65.09%，可以認為m=20,n=47,p=11是有效的.

4 MACD與MACD_V指標綜合對比

MACD與MACD_V指標序列對比，如圖1所示，因為1年中的1 min數據量比較大，全部在圖1中展示難以觀察細節，故取5 000～5 300 min，6 000～6 300 min兩個時間段的MACD序列以便觀察.其中，這一節的討論均是基于滬深300股指期貨2014年1 min數據.為了使對比結果合理，這里重新計算了MACD指標的最優通用參數：m=17,n=22,p=25.MACD_V指標使用通用參數.

圖1 兩種指標走勢對比Fig.1 Comparison of two kinds of indicators

MACD與MACD_V指標收益對比，如圖2所示.

圖2 兩種指標收益對比Fig.2 Comparison of two kinds of indicators

對一般高頻交易的投資者而言，他們會對單次收益和持倉時間進行關注他們不希望會有產生巨大損失或者對某一合約持倉時間過長，從而增加不必要的風險[2].這里以滬深300股指期貨2014年的數據為例，并記錄下每次收益序列，并且對每次收益進行平穩性檢驗：利用的是ADF檢驗方法，得到的統計值為0.001，通過檢驗，收益序列及其分布如圖3所示.由于有手續費的存在，收益為正的次數約為30%，但是收益為正時，相對于負收益比較大，故總收益大.

圖3 MACD_V策略每筆收益及其分布Fig.3 Every returns and its distribution of MACD_V indicators

記錄下每次持倉的時間序列，并且對其進行平穩性檢驗：利用ADF檢驗方法，得到的統計值為0.001，通過檢驗，可以認為其實平穩序列，持倉時間及其分布如圖4所示，持倉時間主要集中于1 min，最高持倉時間為114 min，可以有效避免長期持倉帶來的風險.

圖4 MACD_V策略每筆持倉時間及其分布Fig.4 Every hold period and its distribution of MACD_V indicators

對于一個交易策略而言，除了穩定性以外，還有其他指標可以衡量一個策略的優劣：1) 盈虧比，即整個策略總盈利與總虧損的比值；2) 盈利比率，即盈利的次數占交易總次數的百分比；3) 最大虧損比例，即每一筆交易之后，與初始權益相比，權益的最大虧損百分比；4) 夏普比例，夏普比例是凈增長期望與無風險利率的差除以凈增長的標準差得到的，反映了單位風險下所獲得的回報率.下面取初始權益為15萬元人民幣，無風險利率取國債年利率，計算上述指標得到表7.

表7 MACD與MACD_V指標綜合對比Table 7 the comparison of the MACD indicator and the MACD_V indicator

5 結 論

MACD_V指標與MACD指標發出信號沒有明顯的快慢關系，有時MACD_V指標能比MACD指標更快的發出交易信號，有時則相反；MACD指標發出的交易信號比MACD_V指標多的多而且MACD指標的最大虧損比大于MACD_V指標，說明MACD_V指標更加的穩定.兩個指標的正收益比虧損多的多，收益分布也有明顯的右偏性質，故MACD_V指標總收益較高.雖然，MACD_V指標相對于MACD指標有一定的提升，有些問題還是注意，比如，MACD_V指標的平穩性難以用理論證明，雖然測驗了多組數據，結果均顯示平穩，但是，市場是多變得，一旦出現異常情況，將造成無法預計的損失；另外MACD指標的構建利用了指數平滑，過去的價格的影響呈指數下降，而MACD_V中成交量之間卻沒有這種性質，雖然成交量的加權在大多數情況下可以使指標變得更靈活有效，可是，一次“異常大”的成交量也可能使得指標鈍化，導致其比一般的MACD指標更遲緩，成交量對權重的影響也應當加入時間的因素，這樣，這個指標才能更加合理.

(責任編輯：陳石平)

Research on MACD construction and strategy based on trading volume

ZHOU Minghua, ZHANG Minkai, ZHOU Tingting
(College of Science, Zhejiang University of Technology, Hangzhou 310023, China)

With the development of market, technical indicators are accepted and used by more and more investors, A variety of technical indicators have emerged too. The research on relationship between the volume and price also attracts more and more researchers to pay attention on the volume, which is as important as the price. The .MACD indicator is as one of the most common indicators, its operation is simple and can be understood easily. But it just uses the only one information-price. This article improves the common MACD indicator with volume weighted and propose a new indicator so called MACD_V indicator. The corresponding investment strategies are proposed.. Using the actual data of CSI 300, it is verified that the MACD_V indicatior can generate higher and stable income in most cases.

MACD indicator; trading volume; technical analysis

2016-10-13

國家自然科學基金青年基金資助項目(11601483)；浙江省自然科學基金資助項目(LQ16A010008)

周明華(1959—)，男，浙江紹興人，教授，研究方向為金融數學，E-mail：mhzhou@zjut.edu.cn.

F832.48

A

1006-4303(2017)02-0184-06