线性回归螺纹钢（2）——各周期与铁矿石的相关性

在上次写的线性回归螺纹钢（1）中，我提到了，要是用不同的时间周期去回测三个品种和螺纹钢走势的相关性，那会有什么结果？今天回测了一下铁矿石和螺纹钢在不同时间周期的线性相关性，补充一下上次的结论。

---

还是使用聚宽平台，时间周期选择了两组，一组是日线——d，一组是分钟——m：

time1=['1d','2d','3d','4d','5d','6d','7d','8d','9d','10d']
            time1=['3m','10m','10m','15m','30m','60m','120m','240m']

想看看这两个时间周期之下，两个品种的波动率线性相关程度。

波动率我用的是（收盘价-前收盘价）／前收盘价，这个结果是有正负号的，代表方向，代码如下：

# 导入函数库
from jqdata import *
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

## 初始化函数，设定基准等等
def initialize(context):
    # 设定沪深300作为基准
   
    set_option('use_real_price', True)
 
    set_order_cost(OrderCost(open_commission=0.000023, close_commission=0.000023,close_today_commission=0.0023), type='index_futures')
    # 设定保证金比例
    set_option('futures_margin_rate', 0.15)
    run_daily(find,'every_bar')

def find(context):
    time1=['1d','2d','3d','4d','5d','6d','7d','8d','9d','10d']
    # time1=['3m','10m','10m','15m','30m','60m','120m','240m']
    # 时间单位必须统一，不能h／m混着写
    lrg=LinearRegression()
    
    for i in time1:
        close=get_price('RB9999.XSGE', start_date='2018-08-01', end_date='2018-10-31', frequency=i, fields=['close'])
        preclose=close.shift(-1)
        tksclose=get_price('I9999.XDCE', start_date='2018-08-01', end_date='2018-10-31', frequency=i, fields=['close'])
        tkspreclose=tksclose.shift(-1)
        lwval=(close-preclose)/preclose
        tksval=(tksclose-tkspreclose)/tkspreclose
        df=pd.concat([lwval,tksval],axis=1)
        df.columns=['lw','tk']
        df=df.dropna()
        x=df['tk']
        y=df['lw']
        # 因为x只有一列，所以转换x的形状，不然不能线性回归，最少要一行一列才行
        size=x.size
        x=x.reshape(size,1)
        xtrain,xtest,ytrain,ytest=train_test_split(x,y,random_state=1)
        
        lrg.fit(xtrain,ytrain)
        
        # print(tksval)
        print(i,lrg.score(x,y))
        
      

结论：

1.从日线来看r2分别是：

('1d', 0.35458999058508112)

 ('2d', 0.31546814075046092)

('3d', 0.26994514217911858)

  ('4d', 0.00015490100106330118)

 ('5d', 0.10652471757813575)

  ('6d', 0.1025735696079132)

  ('7d', 0.40812991095205065)

  ('8d', 0.0017125520187549759)

 ('9d', -0.071466242759331999)

  ('10d', 0.046215210652286398)

其中，1d，7d表现最好，这两个数据很有意思，更有意思是4d表现最差，8，9，10也不怎么样，可见做螺纹和铁矿石的话，其实长期来看走势相关性并不大，还是各走各的。

短周期，1，2，3还都差强人意，7d的突然变好很耐人寻味，应该不是7天是一周和1d重合了这么简单，要是这样为什么2和8，3和9没有这种规律呢？

 

2.分钟结果：

('3m', 0.18987742325127832)

 ('10m', 0.19381961722754526)

('10m', 0.19381961722754526)

 ('15m', 0.18850620224707715)

 ('30m', 0.21614674280625279)

 ('60m', 0.19894972199818906)

 ('120m', 0.48498012833507825)

 ('240m', 0.66914919403832673)

这个结论超级明显，周期越长越好，4小时最好，但是按照4小时下单的话，一天的机会成本可有点高了。

单从r2来看，4小时的确是最优选择，不过0.66还不算很高。

 

注意事项：

1.聚宽平台上面的回测给出的时间选项field在传参数的时候时间周期必须一致，必须m/h两个时间单位拆开写，不然就报错。

2.在使用线性回归.fit()的时候，由于这次x就一个铁矿石，是n*1的向量，结果.fit()竟然不能用，必须变成n*n的矩阵才能用，所以不得不转换形状，加了一个.reshape(size，1)，这个地方用size而不是直接传入一个固定值，是因为不同时间周期的k线数量不同，不好传一个固定值，所以，索性直接把当前时间周期下的k线数目找到——size，然后把原来的向量变换形式就可以了，这个地方的报错最搞笑，提示的是：

‘ValueError: Found input variables with inconsistent numbers of samples: xxx’——找到样本数不一致的输入变量xxx

让人误以为输入的x，y长度不同或者里面有空值，实在是坑。

3.从二者的波动率来看，相关性在4小时最强，时间越长越差，可见套利交易，还是短线交易为主，长期来看，他们俩没有必然联系。就算使用4小时去套利，相关性还是不够高，还要使用更多的特征才行。