期货大数据:从商品间相关系数挖掘市场宏观性趋势

相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算,同样以两变量与各自平均值的离差为基础,通过两个离差相乘来反映两变量之间相关程度;着重研究线性的单相关系数。

相关系数 r的值介于–1 与+1之间,在二维线形条件下,当 r为1 时,表示两组变量为完全的正相关;r为-1时则表示完全负相关;r越靠近0轴,两组变量间相关性越弱。一般来说,|r|在0.7以上已属高度相关。

各品种间相关性数据分析图

从和讯金融实验室最近给出的一张25个主连品种间相关性数据分析图(图1)上,我们发现了一些较为显著的规律和信息。该图统计了从2010年至今,时间框架为30日的25*24个相关系数矩阵的连续线图。在每个交易日上,程序计算了将近600数据点。

图1 25个品种间相关性数据分析图 - 历史概览 资料来源:和讯金融实验室

相关系数的规律性表现

影响商品间相关性的因素分为内生性因素和外部环境因素。其中内生性因素又包括属性因素和成本链因素。

一般情况下,除互补商品和互为替代品之间应该呈现强烈的正相关和强烈的负相关关系以外,其他品种间并没有属性上的内生性关联。叠加了大宗商品的成本链传导关系,大宗商品间应该普遍存在的是较弱的正相关关系。

反映在数据上,我们可以找到诸如铁矿石、焦煤、焦炭、螺纹钢的这一条正相关成本链。然而由宏观环境因素引起的大型趋势会加强这条链路的传导,使得大宗商品间形成极强的正相关。

随着宏观环境引起的趋势行情的结束,各品种先后错位的回落让相关系数在数值上变现为短暂的由正转负。因此在以30天为时间框架下的相关系数线图上,我们能找到印证这些规律的证据。

我们截取几个片段作为举例参考,如图2:

图2 25个品种间相关性数据分析图 - 2010.1~2011.9 资料来源:和讯金融实验室

相关性规律对于对冲交易的指导意义

在图2中我们可以看到,在趋势较为强烈的情况下,各商品期货品种间表现出相当高的正相关性,在一轮趋势的中间区域,大宗商品间相关系数趋近于1。这反过来证明了当时的趋势是强烈的。

在这段时间内,做对冲交易实际上意义不大,不如将大部分资金投入单边交易以获取利润的最大化。

而当宏观政策等影响因素被市场消化后,商品间相关性趋于分化,回归了正常状态,而单边有序且强烈的普遍正相关现象出现的频率有所降低,商品整体并没有强烈的单边趋势性行情。此时则应以对冲交易或套利交易为主。

在此后的2012年和2013年上半年,我们找到了弱化了的趋势,如图3:

图3 25个品种间相关性数据分析图 - 2012.06~2013.08 资料来源:和讯金融实验室

期货市场相关性(趋势性)明显减弱

从去年10月份以来,随着数个新品种的上市推出,我们可以明显地感觉到各品种间的相关性规律正在减弱。从去年国庆至今没有出现过一次宏观性的趋势行情,表现在相关性数据序列上,从去年10月份以来整体都处于无序杂乱的状态。对于趋势性系统来说,这段时间确实是较为困难的时段。事实上,在这种市场环境下,投资者应该配置绝大部分资金在对冲交易或套利交易上等待机会。如果这种市场状态维持到今年年底,我们应该可以看到对冲基金今年的业绩表现会远远好于单边投机的配置基金业绩。

  见图4:

图4 25个品种间相关性数据分析图 - 2013.10至今 资料来源:和讯金融实验室

作者 和讯金融实验室 冯一之

摘自:和讯网

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2014-07-13

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据挖掘DT机器学习

需求与匹配 | 从数据挖掘角度看世纪佳缘推荐系统

昨天看到同事在朋友圈的这篇文章:《佳缘用户推荐系统》,再结合自己之前的几年的推荐系统经验,以及在婚恋网站半年多的经验,来谈谈我眼中的婚恋市场的推荐系统。 如作者...

36250
来自专栏量子位

这里有10本书,陪你欢度机器学习的清凉暑假 | 丰盛的传送门

11610
来自专栏新智元

AI创作了史上第一部小说,读完之后我懵了

去年,一位小说家进行了一次横穿美国的公路旅行。这次旅行是为了效仿Jack Kerouac——在旅途中寻找一些重要的东西,并写下了自己的经历。

8330
来自专栏PPV课数据科学社区

当今世界最NB的25位大数据科学家

引言 在大数据技术飞速发展的今天,谁才是我们大数据科研与工业界中最有威望的科学家呢?下面我们来进行梳理,共罗列了25位当今世界,无论是在学术与工业界都产生巨大影...

52150
来自专栏ACM算法日常

机器学习-如何练习?

看了差不多一半了,发现有个问题,那就是这个教程没有实际的项目,虽然说教程里面一直讨论买房的价格问题,却还没开始动手操作,也许是讲到最后才能够开始...

12530
来自专栏飞总聊IT

智能的本质(二)---图灵机,电脑,以及人脑

讨论智能的本质,图灵机是无法回避的问题。图灵在很早的时候就旗帜鲜明的表示了图灵机的模型就是智能的本质,而人脑无非只是这种模型或者类似这种模型的一个具体实现而已。...

35670
来自专栏牛客网

通信转数据挖掘:前期准备+笔试面试实录一、准备以及我本来有的基础二、笔试面试经验三、碰到的有意思的事情四、对自己以后人生的规划

漫长的秋招之旅,还不是因为自己菜运气还不好 经过这次秋招,对自己的评价就是傻乎乎,但也跟室友讲,经过了这次我们就能快速成长了啊。 本人是电子与通信工程专业的小硕...

52090
来自专栏量子位

一个八卦的AI,嗅到了你和TA之间基情满满

10720
来自专栏数说工作室

量化投资之动量反转

量化投资投资之动量反转 微博:@数说工作室网站 微信公众号:数说工作室 那一年,你在我的有效市场里随机游走,不经意间毁灭了我的理性人假设。从此,维持...

461100
来自专栏数据科学与人工智能

【陆勤阅读】浅析:数据挖掘从入门到进阶,要看什么书?

做数据挖掘也有些年头了,写这篇文一方面是让我写篇文,朋友作为数据挖掘方面的参考,另一方面也是有抛砖引玉之意,希望能够和一些大牛交流,相互促进,让大家见笑了。 Q...

21670

扫码关注云+社区

领取腾讯云代金券