量化策略开发，高质量社群，交易思路分享等相关内容
作者简介
吕洋洋
某大型资管公司在职量化策略研究员，熟悉数据清洗工作，擅于运用宏观因子、行业因子等进行对期货品种价格影响建模与相关性分析，理解机器学习多元回归法，SVM，XGboost，金融时间序列等底层算法逻辑，部分算法可自定义函数封装。掌 握各种机器学习包与数据计算分析包的运用。包括不限于：Alphalens，pandans，爬虫技术，sklearn，statsmodels 等。
『正文』
ˇ
该篇是指数和主连复权差异化分析的最后终结篇。前两篇中，我们提出了该篇文章分析的必要和背景，分别在一些量化公众号和论坛上发表，也收到了很多人的想法和建议以及疑问。在这里先感谢大家的关注和阅读。
本篇将把前两篇内的遗留问题统统的梳理完毕；其次，笔者本人将主连复权的原理和算法写出来，供大家参考借鉴和讨论；再次，本人会将主连复权完毕后的回测细节在进一步推进完善。最终让我们的回测真正实现所测即所得的目标，真正崛起指数回测和实盘的虚无缥缈。
在之前两篇中，大家的问题主要集中在“如何复权，以及采取什么方式复权最合理”，“主连复权的绩效比指数波动大，甚至还比指数绩效好的原因”，“主连复权回测的跟实盘一样吗”，“真实价格映射后就完事儿了吗”等这么几个接近实盘的问题。下面我就来带着这些问题来一一回复给大家。
问：主连复权回测的跟实盘一样吗？
答：不一样，具体请看下一问。
问：主连复权的绩效比指数波动大，甚至还比指数绩效好的原因
答：因为主连后复权的原因，除了一直保持升水结构品种以外，基本上复权到现在所有品种基数都很大了，所以导致了回测绩效曲线收益也大，回撤也大，因为价格里面包括了rollover的倍数。这里我没有说是因为我要放在这一期介绍后复权原理后，揭晓答案的，没想到还是有研究过的人看出来了。另外，这种收益和回撤理论是倍数关系，但是孰大孰小随着行情和止盈止损条件并不一定清楚。
因此我们在回测和实盘中采用的是真实价格映射，也就是rolloverRealPrice这个函数，将发单价格再次根据“复权价格”=真实价格*复权因子这个公式，再次反推真实价格，用来计算开平仓的绩效。这样我们计算的就是真实的绩效（在不考虑滑点儿情况下）而不是被动按照后复权价格计算。目前初步测试看，真实价格映射计算出来的反而还要比直接用主连复权的要好一些。
问：真实价格映射后就完事儿了吗？
答：并不是，因为开平仓的价格是通过在初始化时候，对复权价格进行了反运算。也就是说我们信号的计算是复权价格，但是开平仓的价格是真实的实盘合约价格。我们脑补一下，如果你的策略里面有用到将进场价格赋值给某个变量的，而后计算例如止盈止损等变量值的时候，那么这里面就肯定会有错。
问：如何复权，以及采取什么方式复权最合理
答：这里我多写一些前因后果，请耐心阅读
众所周知，在主连复权出来之前，我们基本上都用的000的指数价格进行“规则型”策略的研发，这种000商品指数合约的常见算法，是将一个品种所有合约的开仓合约市值相加，再除以这个品种所有合约总数，最后得到一个加权平均价格，这就是000商品指数。
举例说明：
| 合约 |
价格 |
持仓量 |
市值（价格*持仓量） |
| XX01 |
200 |
1000 |
200000 |
| XX05 |
220 |
7000 |
1540000 |
| XX10 |
240 |
2000 |
480000 |
| 合计 |
10000 |
2220000 |
000指数 = ∑(合约价格*合约持仓量)/∑合约持仓量
也就是说，000指数 = 2220000 / 10000 = 222，其实大家都看得出来，这是一个加权平均。这种例子只是为大家说明指数合约的由来和算法，当然了，某些行情软件的跟这个并不完全一样，但是大同小异。
下面我举一个指数失真的例子：
假设某品种所有合约T时刻的状态如下
| 合约 |
价格 |
持仓量 |
市值（价格*持仓量） |
| XX01 |
200 |
2000 |
400000 |
| XX05 |
220 |
10000 |
2200000 |
| XX10 |
240 |
8000 |
1920000 |
| 合计 |
20000 |
4520000 |
指数价格 = 4520000/20000 = 226
假设某品种所有合约T+1时刻的状态如下
| 合约 |
价格 |
持仓量 |
市值（价格*持仓量） |
| XX01 |
240 |
2000 |
480000 |
| XX05 |
260 |
10000 |
2600000 |
| XX10 |
180 |
8000 |
1440000 |
| 合计 |
20000 |
4520000 |
指数价格 = 4520000/20000 = 226
显然我们可以看到，指数的价格在两个时间点是相同的，都是226。但是我们注意主力合约时，便会发现05合约的价格从220上涨到了260，涨幅达到了260/220-1=0.18（18%）。另外，次主力合约10，跌幅达到了180/240-1 = -0.25。合约上这样强烈的波动，指数为什么岿然未动？
原因主要有两点，其实也是我前两篇文章中一直总结的两点。
第一，主力合约和次主力的持仓量非常接近，05合约有10000，占总持仓的50%，而10合约有8000，占总持仓的40%，从占比来说相差并不悬殊。
第二，主力合约和次主力合约的价格发生了反向变动。在常规情况下这种变化是很少发生的，但是假如市场出现重大变动导致影响市场近期供需，而对远期供需基本不产生影响，这时便会产生价格反向变动。例如我们今年的疫情，导致了很多机构在2-3月份出现了做空近月，做多远月的情况。以及鸡蛋行情结构等等。说明在实盘过程中，这种情况是比较常见的。
我们退一万步来说，即使行情结构没有问题，属于同涨同跌，那么当换月发生过程点的时候，主次合约的权重占比接近，两者的升贴水是有的，因此也直接导致了对升贴水的加权平均。
在我们上述的例子中，主次合约的权重比重接近，对指数的影响正好被对冲掉，导致指数基本没有变化。
指数既然没有变化，显然不可能触发任何交易信号，然而实际行情很有可能已经天翻地覆。如果说错过的是开仓信号，风险还是可控的。如果错过的是平仓信号，甚至是止损信号，这个风险就不可控了。
当然以上例子是为了方便说明，条件设定较为夸张，但是我们讲艺术来源生活，真实这种例子笔者本人可以100%负责跟大家说，也得却是发生过的。这也是笔者本人曾经一直担惊受怕，心有所念迅速切换主连复权的原因。
因此基于以上的真实场景，我们发现了指数合约的致命核心点所在。所以我们接下来考虑的就是复权的类型和方式。复权类型指的是：前复权和后复权，方式指的是：差值复权和比例复权。
如下图所示，前复权就是将红框之前所有数据往下移对标后面的红框，后复权反之亦然。
由于程序化模型的运行机制是从左到右运行，那么前复权会导致历史数据被修改，之前模型留下的信号记录就必须重算，等于说运行到一个复权节点，就要回头把之前的数据重新复权一下再运行计算一遍。我们先不谈系统设计复杂性和效率性，我们就谈历史数据的不断迭代变化，这本身就是一个违背正常人逻辑的一件事儿，怎么能随着新合约进入，然后历史数据就不断的变化了呢？
其次，如果是后复权那么只需要后复权一个新主力合约价格即可，但是前复权是所有合约和数据，设想一下：100年后你是否也愿意面对当切换新合约后，你要把历史百年甚至数十年的数据进行重新计算迭代呢？
因此，在复权类型上面我们采用的是后复权。
接下来，就是差值复权和比例复权，这个逻辑也很简单，如果某个品种主次合约一直是属于圣水结构，那么每次后复权都要减掉升水，到最后这个价格肯定是负数。所以，后复权差值复权不能用。
因此，在后复权基础上我们只能用比例复权。
综三篇文章所述，笔者将该系列文章的背景，研究的基本路径步骤，发现的问题，心得，实盘细节等一切所有的问题和解决都分享给了大家，虽然没有做到所谓的手把手，但是我相信期货人的智商是至上的，于大者难，吾以智与勇戒之。
以该背景的文章目前告一段落，后续笔者计划将CTA的风险平价组合进行研究，真正从风险平价组合的逻辑出发，而非某个波动率倒数的资金管理角度，来研究这一投资界长存的“免费的午餐”。
本策略仅作学习交流使用，实盘交易盈亏投资者个人负责。