20140619-广发证券-大数据应用背景下的蓝筹T+0初探_基于集合竞价试盘者行为的A股T+0策略_24页_1mb

大数据应用背景下的蓝筹 T+0 策略初探总结

核心内容

本报告探讨了在大数据背景下，基于集合竞价试盘者行为的A股T+0交易策略。主要分析了T+0交易制度在国内外市场的现状、其对市场的影响，以及在A股市场中如何利用大数据技术进行策略开发与优化。

主要观点

1. T+0交易制度的现状与影响

• 国际情况：T+0交易制度在海外主要股票市场是通行的，如纽约证券交易所、纳斯达克、伦敦证券交易所、东京证券交易所、香港证券交易所等。
• 台湾地区与韩国：T+0制度实施后，市场成交量显著上升，短期日内震荡加剧，但长期震荡水平趋于稳定，同时T+0制度的推出通常被视为市场利好。
• A股情况：A股曾实行T+0制度，但因投机过度被取消。目前监管层正在研究并考虑适时推出T+0制度。

2. A股T+0与期货T+0的本质区别

• 交易成本差异：A股交易成本较高（双边约0.26%），而期货交易成本较低（双边约2%），因此A股T+0策略更依赖个股选择与波动率预测。
• 策略思路：A股T+0策略核心在于选股，即预测并选择当日可能大幅波动的个股，而非简单复制期货策略。

3. 基于集合竞价试盘者行为的策略

• 策略原理：利用集合竞价阶段的试盘行为预测个股当日走势，选择竞价涨停后部分回落但开盘仍小幅上涨的股票进行交易。
• 实证效果：策略在2010年至2014年间实现年化收益率19.72%，平均单笔收益率0.34%，胜率57.83%，盈亏比1.04。
• 策略执行方式：策略在集合竞价阶段买入，尾盘卖出；若未触及止盈止损则在尾盘平仓。

4. 融资买入与杠杆

• 杠杆限制：在维持担保比例与保证金比例的约束下，A股T+0策略最大可提供2倍杠杆。
• 杠杆效果：使用2倍杠杆后，年化收益率提升至39.90%，累积收益率达338.13%。

5. 风险控制与模型优化

• 止盈止损：设置1.5%的止盈止损线，以控制策略的系统性风险。
• 模型优化：由于数据量庞大，传统穷举算法难以应用，需采用启发式算法（如遗传算法、模拟退火算法、蚁群算法、粒子群算法）进行参数优化。

6. 大数据技术的应用

• 数据处理：利用全市场两千多只股票数年的tick数据进行策略建模与回测，数据量约2GB。
• 技术方案：采用Hadoop等分布式计算工具处理海量数据，提高计算效率。

关键信息

• T+0制度影响：短期内可能增加市场成交量与波动率，但长期波动趋于稳定。
• 策略有效性：在A股T+1市场中，基于集合竞价试盘行为的T+0策略表现良好，年化收益率达19.72%。
• 策略适用性：策略适用于波动率较高的个股，尤其是市值较小、主力资金控盘较强的股票。
• 风险提示：T+0制度推广可能改变市场微观结构，影响策略表现，需注意相关风险。

策略统计

技术处理与模型调试

• 数据处理：使用tick数据，特别是集合竞价阶段的数据进行分析。
• 模型调试：由于数据量庞大，传统穷举算法效率低下，需采用启发式算法优化策略参数。
• 计算方式：建议将数据落地本地，使用Hadoop等分布式计算系统提高处理效率。

结论

本报告提出了基于集合竞价试盘行为的A股T+0交易策略，并展示了其在大数据背景下的可行性与收益潜力。该策略在A股T+1市场中已实现绝对收益，具有良好的应用前景。随着A股T+0制度的可能推出，该策略将成为重要的投资工具。然而，需注意交易成本、系统性风险以及策略参数优化等问题。