台指期的價格波動與價量關係

作者:策略無限   |   2019 / 01 / 08

文章來源:策略無限   |   圖片來源:Olivia


價格與波動範圍的關係

台指期從 1998 年 7 月 21 號開始以 8,131 的指數為開盤價,之後的價格曾上漲破 10,000 點,也曾下跌破 4,000 點。在不同的台指期價格,其價格的波動會有所不同嗎?這牽涉到報酬率的問題,如果價格越高,在報酬率差不多的條件下,價格的變動也會比較大,相對地,在價格只有 4,000 點時,價格的變動也應該要比較小才對。我們想要從歷史資料來驗證這件事,於是建立一個名叫 range 的變數,其為每天 max price 與 min price 的差異,range 除以 open price 便是 range rate。

由圖中可以看到每天的價格 range 其實不受價格高低影響。在台指期價格較低時 range rate 相對於高價時要來的高,先附上歷史開盤價格,再將相鄰 20 天的range 做平均,如下圖:

從圖中可以隱約看出來,每日 range 有較大的值通常是發生在歷史價格有大變動的時候,而與當時的價格沒有太大的關係,如果歷史價格大變動發生在歷史價格低點,那就可能會有極高的 range rate。

價量關係

在解讀金融商品的市場走勢時,交易量也是投資人相當關心的一項重要技術指標。交易量會某種程度上影響期貨的價格波動。這段主要是討論台指期貨的交易量對台指期貨的價格影響,不同的金融商品會有不同的情況,投資人千萬要小心,不可以混為一談。

交易量

註:單位為口、刻度:0e+00=0;2e+05=20,000。     

以上資料來自 1998/7/21 至 2016/7/20 台指期成交量,從 2010/01/04 開始至 2016/07/21期間,每日交易量平均達到 102,523 口。自 1998 年開始交易後,隨著時間成長,期貨商品逐漸受到投資人的青睞。不論是投機或避險,由交易量來看可以推測,台指期越來越受到市場投資人的矚目。

歷史資料觀察

透過 K 線圖觀察歷史走勢與交易量的關係。

由上方兩張圖發現一件有趣的現象,只要是交易量很大的當日,台指期的價格就會有大幅度下跌的情況,因此後面討論成交量與價格下跌的相關性。

交易量與價差的關係

抓出交易量大於 250,000、200,000、150,000 口的日期,計算當日價差 (收盤價減去開盤價),判斷其正負號,並統計在不同交易量下當日收盤正負號的次數。當收盤價減去開盤價 (Close price – Open price) 為負值表示當日價差為跌;收盤價減去開盤價 (Close price – Open price) 為正值表示當日價差為漲。

發現在交易量大於 250,000 時,當日價差為負的次數高於價差為正,但是由於交易量大於 250,000 的情況相當少見,所以樣本過小,還不能夠明確判斷當交易量大的時候價差就會是負值。而在交易量大於 200,000 的情況下,正值與負值則是差不多的狀況。在交易量大於 150,000 的情況下,當日價差又出現負值次數比正值次數多的情況。

Call:
lm(formula = diff ~ volume, data = aa)

Residuals:
   Min     1Q Median      3Q Max
-369.95  -56.28 -2.73   59.13 414.02

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 48.4702250 14.5835968   3.324 0.000925 ***
volume      -0.0004167 0.0001110  -3.753 0.000186 ***
----------------------------------------------
Signif. codes:  0 ?**?0.001 ?*?0.01 ??0.05 ??0.1 ??1

Residual standard error: 90.77 on 888 degrees of freedom
Multiple R-squared:  0.01562, Adjusted R-squared:  0.01451
F-statistic: 14.09 on 1 and 888 DF,  p-value: 0.0001859

由迴歸模型可以得知,雖然在迴歸檢定中交易量是有效變數,並且係數如期望中一樣是負值,但 R-squared 只有 0.01562,表示如果只單純使用交易量來預測價差,統計上的解釋力很差。

結論

一開始提到,在交易量大的情況下,可以觀察到當日價格也有大幅度下跌的現象。由迴歸檢定的結果發現,"交易量" 對當日價差存在顯著負相關,因此建議投資人,當出現價格下跌,且成交量很大的情況出現時,要小心避免進場或加碼攤平。

然而只使用 “交易量" 作為預測變數的迴歸模型 R-squared 很小,若只是利用交易量預測當日價差的話,會出現準確率不足的問題,建議投資人增加模型變數讓預測更佳精準。

【延伸閱讀】

分享
策略無限
將交易流程完全自動化,透過程式化來實現紀律,避免人為失誤貪婪恐懼。任一環節使用程式設計方法就說是程式交易,Stranity 眼中理想的程式交易遠超過於此。 累積交易員智慧及機器學習大資料推演,在資料中找出市場規律並跟著市場脈動。從統計學風險管理角度來配置財務模型,將個人的資產管理寬度,透過程式而發揮到極致,這才是 Stranity 理想並持續實現的程式交易。