·策略介绍

GARCH模型展期 - 股指合约展期传统上以被动方式为主，即在到期前固定的某几个交易日进行分批次展期，以此来分散跨月价差的波动风险，有时也会配合日内的策略来减少市场冲击。然而即便被动型展期策略以不亏损为主要目标，在实盘交易中还是经常会出现跨月价差在到期前大幅波动造成亏损或难以覆盖交易成本的情况。由于跨月价差对应的两个标的同为期货合约，不会像基差随时间收敛。结合历史数据中所表现出的波动聚集性、尖峰厚尾的特点，时间序列中的GARCH模型能够较好地拟合价差短期波动的过程。通过预测并比较相邻两个交易日间的跨月价差，选择1-2个较优价差日进行展期。                    

随机森林Bagging算法择时对冲 - 目前股指期货仅有IF、IC和IH三个品种。在实际投资过程，往往会遇到创业板、中小板和中盘成长股这样没有合约对应标的的问题。由于该条件下不是完美对冲，基差不收敛的风险较大。若仍然采用以期货合约在一固定时点对冲的方法，很有可能遇到期现两端相抵后出现净亏损的情况。基于Bagging算法的随机森林模型通过量化非期货对应标的版块的市场情绪以及行情量价指标，判断未来一段时间的下行风险。针对这些板块的择时对冲一方面可以部分抵消非完美对冲所带来的非系统性风险，另一方面可以在非持仓周期内灵活调配资金，保证流动性。

股指期货量化展期与择时对冲策略.pdf