全文链接：http://tecdat.cn/?p=31123

原文出处：拓端数据部落公众号

分析师：Yihan Mao

解决方案

本文为客户提供征询，让集体购买人员理解美国国债期货的个性，以便于进行集体投资及治理。

工作/指标

因为国债期货的不便，能够疾速交易，所以无论是用来投机还是用来对冲危险都有很好的作用成果。咱们提取美国国债期货的数据,进行波动性，收益率上的剖析，并进行价格预测。

数据源筹备

用python(import YahooFinance)获取美国国债期货近10年的数据作为根本剖析数据。同时，因为国债期货的价格受到许多宏观因素的影响，所以并且还须要找到一些其余的影响因素，这里咱们提取GDP，CPI，Treasury Yield（收益率）并作为咱们的特色。

特色转换

数据预处理。datetime换成规范工夫，算出日logreturn（log收益），别离算出15，50，100天的SMA与RSI退出到特色。画出boxplot，通过图过滤掉outliers跟一些不失常的点。用pandas筛选数据，填补过滤掉空数据。

剖析收益

画出日收益率，寻找汇集波动性强的点，进行进一步剖析。通过图看出在哪一段时间日收益较高，并且寻找近期事件产生的影响。咱们发现存在收益绝对较高，有投资价值。

剖析波动性

波动性能够思考为标准差的体现。首先直观察看，画出短期SMA与长期SMA，交点较多的中央为潜在波动性强的中央。再画出Bollinger Bands，密集的中央为波动性大的中央。

将这段时间产生的事件联合在一起剖析，能够看出人们在产生经济变动的时候会抉择用此国债期货进行危险转移。

 

建模剖析

Regression Model：

因为特色数据有多重因素，咱们能够一个多重线性回归。 通过画图scatterplot matrix咱们发现，很多之间并不是线性，而且存在变量之间的线性关系（因为指标是预测，所以能够疏忽），所以咱们进行Box-Tidewell Transformation. 而后选取训练汇合跟预测汇合，建设模型进行回归预测。

ARIMA：

因为国债期货不是商品类型，所以咱们不思考季节性的变动。（ARIMA模型是指将非安稳工夫序列转化为安稳工夫序列，而后将后果变量做自回归（AR）和自平移（MA）。）

首先画图查看是否存在自相干。用ADF test来检测是否安稳，如果不安稳咱们对其进行差分解决，晓得检测P-value<0. 而后用Ljung-Box Test 检测白噪声，如果不是白噪声证实能够预测此工夫序列。

接下来定阶。Auto-select得悉抉择ARIMA(1,1,1). 咱们建设模型。并对模型进行residual剖析，得悉模型良好。

同时看出residual能够看做normal散布。

咱们抉择前80%的数据为训练汇合，后20%为测试汇合，建设预测。

能够看出预测值与理论值近似。如果假如经济情况安稳，没有重大事件产生的情况下（eg.covid-19），能够参考其变动来进行投机，实际上仍需思考多方面宏观因素。

随机森林：

用随机的形式建设一个由很多决策树组成的，每一棵树都只负责本人的局部。每一棵树来进行本人的分类运算，最初抉择评分最高的来进行预测。

GARCH模型：

金融市场有杠杆效应。方差并不是恒定的，ARCH模型是一个很好的解决办法。

因为国债期货长达30年，很多宏观因素的变动对其有很大的影响。

预测取决于咱们的目标，如果咱们的目标仅仅是投机，咱们只须要察看价格的变动走势，同时受到一些宏观因素的影响。比方咱们还能够通过画出RSI的变动，来训练什么时候应该买入卖出。

同时依据交易量（Volume）的变动能够看出人们的流动情况，尤其是在宏观事件影响的时候。这个对于风险管理有很重要的参考价值。

改良：

能够依据每周工作日设置indicator变量，更好的反应时间因素。同时能够设置他们的相互作用（interaction effect）。

选取的宏观因素能够进一步减少。

对于作者

在此对Yihan Mao对本文所作的奉献示意诚挚感激，他毕业于厦门大学(马来西亚分校)，特长金融数学，数据分析可视化。

最受欢迎的见解

1.[](http://tecdat.cn/r%e8%af%ad%e...)R语言对S＆P500股票指数进行ARIMA + GARCH交易策略

2.[](http://tecdat.cn/r%e8%af%ad%e...)R语言改良的股票配对交易策略剖析SPY—TLT组合和中国股市投资组合

3.[](http://tecdat.cn/r%e8%af%ad%e...)R语言工夫序列：ARIMA GARCH模型的交易策略在外汇市场预测利用

4.[](http://tecdat.cn/r%e8%af%ad%e...)TMA三均线期指高频交易策略的R语言实现

5.[](http://tecdat.cn/r%e8%af%ad%e...)r语言多均线量化策略回测比拟

6.[](http://tecdat.cn/r%e8%af%ad%e...)用R语言实现神经网络预测股票实例

7.[](http://tecdat.cn/r-%e8%af%ad%...)r语言预测稳定率的实现：ARCH模型与HAR-RV模型

8.[](http://tecdat.cn/r%e8%af%ad%e...)R语言如何做马尔科夫转换模型markov switching model

9.matlab应用Copula仿真优化市场危险