第 6 章 · 04 COP 确认与参数搜索总结

第 6 章 · 04 COP 确认与参数搜索总结

本节摘要:本节是石油货币大项目的收尾。哥伦比亚比索(COP)对 Vasconia 原油,是四个候选货币里唯一被正面确认的石油货币——原油对 COP 的 R² 约 50%,pre-2017 子样本甚至高达 80%;参数网格搜索给出平均收益约 7%、超额收益 α 约 4%(与 NOK 的 α 巧合一致)。我们还会复述整个项目的参数网格搜索结论——双循环 holding × stop 的热力图反复证实:收益与持仓天数强相关,与止损止盈几乎无关。NOK 最优持仓 9 天,COP 最优 17 天。最后我们用一节"全项目总结"把四节串起来:相关≠因果、petrocurrency 神话的证伪(CAD)与确认(COP)、"模型失效即信号"的 quantamental 思维、dollar effect 识别、制裁/地缘政治对量化模型的破坏(RUB)、以及工具变量思想(非贸易伙伴货币作 base)。读完这一节,你就完成了全教程的第一个高潮大项目。

涉及源码:原项目 Oil Money COP.py(约 380 行);参数搜索复用 Oil Money Trading backtest.py(第 02 节精读过)。

⚠️ 注意:本节既是 COP 的正面确认,也是整个第 6 章的总结陈词。前半段讲 COP 本身,后半段把四节缝合成一套完整的 quantamental 思维框架。如果时间紧,后半段的总结比前半段更值得读。

金融/数学原理

一、哥伦比亚:被低估的石油经济体

哥伦比亚在石油市场上的存在感很低——不是 OPEC 成员、产量不在全球前 20。但 README 给出一个让人意外的数字:矿物燃料占哥伦比亚出口的 52.5%(2018)。它的最大客户是美国、中国、巴拿马(占其原油出口约 76.4%)。所以从"出口结构"看,哥伦比亚其实是个隐藏的石油经济体,完全有资格做 petrocurrency 检验。

本地原油标的有 Cusiana、Caño Limón、Vasconia、Puerto Bahía、Castilla(API 从轻到重、硫含量从甜到酸)。能从 Bloomberg 拿到价格的只有 Vasconia,所以本项目就用 Vasconia 作为 COP 的原油基准。因为最大客户是美国,WTI 比 Brent 更适合做对照基准(类似 CAD 选 WTI 的逻辑)。

二、COP 为何能被确认:三道关

COP 通过了三道检验,这是它区别于 RUB/CAD 的关键:

1. 全样本单变量 R²:原油(Vasconia/WTI/Brent)对 COP 的 R² 约 50%,远高于咖啡豆(哥伦比亚是世界第二大咖啡生产国)或煤球的 <20%。虽然哥伦比亚在咖啡和煤球上的全球市场份额比石油更大,但绝对 USD 价值上原油的影响力碾压其他商品。
2. pre-2017 子样本 R² ≈ 80%:2017 年是个分水岭——COP 和 Vasconia 的纠缠关系在 2017 年(因 OPEC 减产导致的油价 bonanza)断裂。但断裂前的高 R² 足以确认石油货币身份。
3. post-2017 子样本 R² < 30%:虽然断崖式下降,但策略仍然能在断点附近抓住几次动量机会——这正是"模型失效即信号"的再次验证。

三、超额收益 α 的定义

README 给出 COP 的"平均收益 7%"和"α 约 4%"。这里的 α(超额收益)定义与第 02 节一致:

α = 策略平均收益 − 本国无风险利率
​

2019 年哥伦比亚本国利率约 4.498%(CEIC 数据)。所以 COP 的 α = 7% − 3% ≈ 4%(取整)。NOK 那边是策略 5% − 挪威央行利率 1% ≈ 4%。两个完全不同的市场、不同的货币、不同的策略频率,α 居然都是 4%——这是一个非常漂亮的巧合,也是 README Discussion 里作者特意点出的"两个 alpha 都大约 4%"。它暗示这套动量策略在不同石油货币上有相近的内在期望收益。

算法与代码精读

一、COP 的 R² 排序图

Oil Money COP.py:63-107 对所有回归元(原油/咖啡/煤球/黄金/美元/各种拉美货币)分别对 COP 做单变量 OLS,然后按 R² 从大到小排序画柱状图:

D = {}
for i in df.columns:
    if i != 'cop':
        x = sm.add_constant(df[i])
        y = df['cop']
        m = sm.OLS(y, x).fit()
        D[i] = m.rsquared
D = dict(sorted(D.items(), key=lambda x: x[1], reverse=True))   # 按 R² 降序
​

排序后画图,原油类(WTI/Brent/Vasconia)稳居前列,R² 约 50%。这与 CAD 那张图(烃类全 <5%)形成鲜明对比——同样是产油国货币,CAD 是假石油货币,COP 是真的。

二、COP 的 pre/post-2017 分段

Oil Money COP.py:196-209 对 2017 年前后分别做 Vasconia 对 COP 的单变量 OLS,画 R² 对比:

m = sm.OLS(df['cop'][:'2016'], sm.add_constant(df['vasconia'][:'2016'])).fit()
before = m.rsquared                       # pre-2017 ≈ 80%
m = sm.OLS(df['cop']['2017':], sm.add_constant(df['vasconia']['2017':])).fit()
after = m.rsquared                        # post-2017 < 30%
​

这个 80% vs 30% 的对比,是 COP 被正面确认的核心证据。注意"2017 断点"不是用 K-Means 找的(像 CAD 那样),而是直接用 OPEC 减产协议这个已知的外生事件做切分——这是 quantamental 思维的体现:用基本面事件辅助确定统计断点。

三、COP 的样本外回归与 ±σ 带

Oil Money COP.py:214-285 用 train_test_split 做 50/50 切分(test_size=0.5, shuffle=False),前一半训练、后一半测试,画出拟合线 + ±1σ/±2σ 置信带。pre-2017 子样本的样本外 R² 约 50%,post-2017 约 40%。两段都没有出现 NOK 那种"价格大幅击穿 2σ"的剧烈失效,但都能找到一两次动量入场机会。

四、COP 调用共用回测引擎

Oil Money COP.py:300-307 直接 import 第 02 节精读过的回测引擎,用 COP 默认参数跑一次:

import oil_money_trading_backtest as om

# COP 的 stop 默认值很小(0.001),因为 COPAUD 的价格量级与 NOKJPY 不同
signals = om.signal_generation(dataset, 'vasconia', 'cop', om.oil_money, stop=0.001)
p = om.portfolio(signals, 'cop')
om.plot(signals, 'cop')
om.profit(p, 'cop')
​

注意 stop=0.001 这个调整——COPAUD 的价格波动幅度比 NOKJPY 小一个数量级,沿用 NOK 的 0.5 止损会一次都触发不了。参数必须随标的的价格量级缩放,这是策略跨市场迁移时最容易踩的坑。

五、COP 的参数网格搜索:holding × stop

Oil Money COP.py:314-324 复用 NOK 那一套双循环,但 holding 仍是 5~19 天,stop 网格改为 np.arange(0.001, 0.005, 0.0005)(适配 COPAUD 的小波动量级):

dic = {}
for holdingt in range(5, 20):
    for stopp in np.arange(0.001, 0.005, 0.0005):
        signals = om.signal_generation(dataset, 'vasconia', 'cop', om.oil_money,
                                       holding_threshold=holdingt,
                                       stop=round(stopp, 4))
        p = om.portfolio(signals, 'cop')
        dic[holdingt, round(stopp, 4)] = p['asset'].iloc[-1] / p['asset'].iloc[0] - 1
​

Oil Money COP.py:364-373 把收益矩阵画成 sns.heatmap(viridis colormap)。热力图结论与 NOK 完全一致——收益横向(止损)几乎不变,纵向(持仓)变化剧烈。COP 最优持仓是 17 天,止损可在 0.002~0.0045 任选。

收益分布直方图(oil-cop profit distribution.png)是正偏的——"positive fat tail",每个投资者都爱的形状。平均收益约 7%。

六、为什么 NOK 最优 9 天、COP 最优 17 天

同样是动量策略,最优持仓天数差了将近一倍。直觉解释:

新兴市场货币的趋势通常比发达市场更持久(部分原因是信息传递慢、参与者少),所以 COP 能多吃几天趋势。这不是参数调优的巧合,而是市场微观结构差异在策略上的投影。

全项目总结:quantamental 思维的五条遗产

至此第 6 章四节全部讲完。把四节缝起来,Oil Money 项目留给读者五条可复用的遗产:

遗产一:相关≠因果(第 01 节总纲)

这是全项目的总纲。四个货币的命运差异,本质都在这一句话里:

• COP/NOK:相关背后有真因果(原油出口占经济比重大)→ 模型可外推。
• CAD:相关是 dollar effect 制造的假象 → 模型外推失败。
• RUB:曾有真因果,但被外生政治冲击(制裁)摧毁 → 模型在结构断点上失效。

遗产二:petrocurrency 神话的证伪与确认(第 03/04 节对照)

CAD 的证伪和 COP 的确认形成鲜明对照,证明了"产油国货币=石油货币"这个市场共识不是普遍真理:

注意:出口占比不是充分条件。CAD 的 22% 不算低,但依然被证伪——因为 96% 出口给美国,且市场把 dollar effect 误读成了石油驱动。

遗产三:"模型失效即信号"的 quantamental 思维(第 02 节最高光)

这是全项目最值钱的一招。统计套利版策略把"价格突破 2σ"当成止损出逃点;动量版策略把它重新定义为入场点——同一个事件,两种解读,盈亏天壤之别。

更深的逻辑是:模型破裂意味着基本面发生了投资者预期的根本变化(如北海炼能扩张),这种变化会持续相当长一段时间,这正是 CTA(趋势跟随)赚钱的方式。quantamental 的精髓就在这里——量化模型给出信号,但信号的解读要靠基本面直觉。Nick Patterson(冷战密码学家、文艺复兴雇员)的那句话在这里再次回响:"Renaissance 用的就是简单一元回归,简单但有效,前提是知道如何避开那些坑。"

遗产四:dollar effect 识别(第 03 节 CAD)

商品多以美元计价,所以"商品 vs 美元计价货币"的相关性里,有很大一块是共同的"美元分母"贡献的。识别招式:把所有变量换算到非美元基准(AUD/JPY)下,如果相关消失,就是 dollar effect。这个验招成本极低,但能避开大量统计假象。它是第 01 节工具变量思想的具体应用。

遗产五:外生政治冲击对量化模型的破坏(第 03 节 RUB)

RUB 是反面教材的极致。一个本来 R²>80% 的强模型,在制裁面前系数都能反转。教训是:面对受地缘政治高度影响的标的,量化模型的有效期可能只有几个月。作者结论粗暴——DON'T TRADE IT。这不是模型无能,而是某些资产的"政治 beta"远超"石油 beta",再聪明的模型也救不回来。

关键技巧

1. 回归元按 R² 排序画柱状图。COP 和 CAD 都用了这招,但对比效果天差地别(COP 原油类登顶、CAD 烃类垫底)。这是判断"某商品是否驱动某货币"的第一步快速验招。

2. 用已知基本面事件做断点。COP 用 OPEC 减产(2017)切分,RUB 用制裁升级切分,都比无监督找断点更有解释力。K-Means(CAD 那种)是断点不明时的 fallback,不是首选。

3. 跨标的迁移策略时,按价格量级缩放 stop。COP 的 stop=0.001 vs NOK 的 stop=0.5,差了 500 倍,纯粹因为 COPAUD 价格量级比 NOKJPY 小。照搬参数是跨市场迁移最常踩的坑。

4. 看热力图纵向 vs 横向的对比。holding(纵)敏感、stop(横)不敏感——这种"单参数主导"的形状是动量策略的指纹。如果是反转策略,通常会反过来(stop 更重要)。热力图形状本身能告诉你策略类型。

5. 正偏分布是策略健康度的信号。COP 的收益分布是 positive fat tail(右偏),意味着亏是小亏、赚是大赚。这种形状的策略即使胜率不高,长期也能盈利。反过来左偏(亏是大亏)就要警惕。

6. 本国利率作无风险利率算 α。COP 的无风险利率用哥伦比亚本国利率(4.498%),不是美元利率。因为策略本币是 COP,机会成本是 COP 存款利率。算 α 时利率的币种要和策略匹配。

本节要点回顾

1. COP 是唯一被正面确认的石油货币:原油对 COP 的 R² ≈ 50%,pre-2017 子样本 ≈ 80%,远高于咖啡/煤球/黄金。
2. 平均收益 7%、α ≈ 4%:与 NOK 的 α=4% 巧合一致,暗示动量策略在不同石油货币上有相近的内在期望收益。
3. 参数网格搜索结论:双循环 holding × stop 的热力图反复证实——收益与持仓天数强相关、与止损止盈几乎无关。
4. 最优持仓对比:NOK 9 天 vs COP 17 天。新兴市场货币动量持续更久(流动性低、信息传递慢),这是市场微观结构的投影。
5. 五条 quantamental 遗产:① 相关≠因果;② petrocurrency 神话的证伪(CAD)与确认(COP);③ 模型失效即动量入场信号;④ dollar effect 识别;⑤ 制裁/地缘政治对量化模型的破坏(RUB);外加工具变量思想(非贸易伙伴货币作 base)。
6. 工具变量思想贯穿全项目:NOK→JPY、RUB/CAD/COP→AUD,用非贸易伙伴货币当计价基准,绕开构造贸易加权汇率的难题,让基准外生于石油基本面。

第 6 章结束。你已经完成了全教程的第一个高潮大项目——石油货币 quantamental。下一章(第 7 章)会把同样的 quantamental 思维用到农业商品上(Smart Farmers 项目),并且把 Oil Money 里的回归工具升级为凸优化(convex optimization)。从"找相关"到"求最优解",旅程继续。