模拟钢厂利润概述
前文我们已经介绍过跨品种套利,跨品种套利所选择的品种从经济角度来说,它们可能处于同一产业链的上下游,比如玉米与淀粉,也有可能具有可替代或者互补的关系,比如豆油与菜油。一般来说同一产业链的品种相关性较高,无论是从基本面还是统计规律出发均比较容易找到逻辑支撑,常见的产业链主要包括黑色产业链、豆类油脂产业链、化工产业链等等。对同一产业链中相关性很强的品种的期货合约分别进行买入和买出,通过品种间的强弱变化引发价差的收缩与扩大,从而实现价差收益。“虚拟钢厂”的构建正是利用螺纹钢和其主要原材料:铁矿石和焦炭,三种上下游品种之间的价格的不平衡变化而产生的价差收益,是一种跨品种套利的策略。 一、可行性分析
我们首先来看看这三个品种的历史走势: - import numpy as np
- import matplotlib.pyplot as plt
- import seaborn as sns
- import pandas as pd
- from CAL.PyCAL import font
- import DataAPI
- import scipy.stats as st
- rbm0 = DataAPI.MktMFutdGet(mainCon=u"1", contractObject=u"rb",startDate=u"20131101",endDate=u"20160601",field=[u'ClosePrice', 'TradeDate'],pandas="1")
- im0 = DataAPI.MktMFutdGet(mainCon=u"1", contractObject=u"i",startDate=u"20131101",endDate=u"20160601",field=[u'ClosePrice', 'TradeDate'],pandas="1")
- jm0 = DataAPI.MktMFutdGet(mainCon=u"1", contractObject=u"j",startDate=u"20131101",endDate=u"20160601",field=[u'ClosePrice', 'TradeDate'],pandas="1")
- y = np.array(rbm0['closePrice'])
- x1 = np.array(im0['closePrice'])
- x2 = np.array(jm0['closePrice'])
- fig = plt.figure(figsize=(15, 5))
- sns.set_style('whitegrid')
- ax = fig.add_subplot(111)
- ax.set_xlim(0, len(rbm0))
- ax.plot(y, color = '#000000', label='rb', lw=3)
- ax.plot(x1, 'r', label='i', lw=3)
- ax.plot(x2, 'g', label='j', lw=3)
- ax.set_xticks(range(0, len(rbm0), 60))
- ax.legend(loc=1)
- xlabel = ax.set_xticklabels([rbm0.ix[i, 'tradeDate'] for i in ax.get_xticks()])
- title = ax.set_title(u'螺纹,铁矿石,焦炭价格历史走势图', loc=u'center', fontproperties=font, fontsize=16)
复制代码
- print '螺纹与铁矿石相关系数:', np.corrcoef(y, x1)[0][1]
- print '螺纹与焦炭相关系数:', np.corrcoef(y, x2)[0][1]
- print '铁矿石与焦炭相关系数:', np.corrcoef(x1, x2)[0][1]
- print '------------------------------------------------'
- print '螺纹与铁矿石卡方检验p值:', st.chisquare(y, x1)[1]
- print '螺纹与焦炭卡方检验p值:',st.chisquare(y, x2)[1]
- print '铁矿石与焦炭卡方检验p值:',st.chisquare(x1, x2)[1]
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 螺纹与铁矿石相关系数: 0.977895286856
- 螺纹与焦炭相关系数: 0.964336641768
- 铁矿石与焦炭相关系数: 0.948966994897
- ------------------------------------------------
- 螺纹与铁矿石卡方检验p值: 0.0
- 螺纹与焦炭卡方检验p值: 0.0
- 铁矿石与焦炭卡方检验p值: 0.0
复制代码
对它们的价格序列进行卡方检验,p值几乎为0,可以认为这三者之间高度正相关,实际上螺纹和铁矿石的相关系数为0.978,螺纹和焦炭的相关系数为0.964,铁矿石和焦炭的相关系数为0.949。这就为三者之间进行跨品种套利奠定了基础。 二、模型构建
钢材生产流程大致分为三个阶段,分别为炼铁、炼钢和轧钢,生产成本主要包括原料成本、能源成本、人工成本、折旧和财务成本等。从原材料上来看, 生产1吨螺纹钢大致需要1.6吨铁矿石和0.5吨焦炭。因此,我们可以通过期货市场来大致模拟钢厂的生产过程,通过结合相关品种在期货市场的利润以及现货市场供需基本面数据,把握品种间的套利机会。通过成本估算,当前阶段: - 螺纹钢成本≈1.6×铁矿石+0.5×焦炭+加工成本
- 利润≈螺纹钢期货价格-螺纹钢成本
炼铁、炼钢和轧钢三个阶段的总加工费大概在1100元左右。下图是2013.10-2016.7虚拟钢厂利润走势,在-200~300的范围内波动,利润中枢在100左右。 - fig = plt.figure(figsize=(15, 5))
- sns.set_style('whitegrid')
- ax = fig.add_subplot(111)
- ax.set_xlim(0, len(rbm0))
- profit = (y - 1.6*x1 - 0.5*x2 - 1100).tolist()
- ax.plot(profit, lw=3)
- ax.plot([300]*len(profit), '--r')
- ax.plot([-200]*len(profit), '--g')
- ax.set_xticks(range(0, len(profit), 60))
- xlabel = ax.set_xticklabels([rbm0.ix[i, 'tradeDate'] for i in ax.get_xticks()])
- title = ax.set_title(u'虚拟钢厂利润历史走势图', loc=u'center', fontproperties=font, fontsize=16)
复制代码
三、套利比例的确定
首先,从产业结构计算产出比,比如螺纹:铁矿:焦炭=1吨:1.6吨:0.5吨;其次,按照合约规定的实际数量的1:1来确定,当前螺纹:铁矿:焦炭=1:10:10(螺纹期货合约为10吨/手,铁矿和焦炭期货合约均为100吨/手。最后,确定套利比例也需要考虑各品种的波动率的不同。综合上述因素,这样大致可以确定螺纹、铁矿、焦炭三者的手数配比为20:3:1。初始资金设为15w。 四、具体操作
合约选取:
* 螺纹,铁矿,焦炭主力合约 策略逻辑:
* 当盘面利润高于300时,做空螺纹,做多铁矿石与焦炭;当盘面利润低于100时,若螺纹有空仓,则平掉所有仓位。
* 当盘面利润低于-200时,做多螺纹,做空铁矿石与焦炭;当盘面利润高于100时,若螺纹有多仓,则平掉所有仓位。
* 当主力切换时,平掉所有仓位 初始资金:
* 30w 回测时间:
* 自铁矿石品种上市以来
策略评价
- 虚拟钢厂套利策略是基于基本面逻辑的套利策略,如果基本面发生重大变化,应及时止损止盈。
- 可以看到策略的本质其实是一个固定了上下轨道的突破策略,其上下轨的确定是根据模拟钢厂生产的利润传导机制进行确定的
- 当价差没有回归时,需要进行移仓换月的操作
- 当前低迷的市场情况下,钢企合理利用期货市场进行套期保值、管控风险具有现实意义
|