第十章 信号生成与交易规则

信号生成，说白了就是给交易系统装上「眼睛」和「手脚」。

眼睛负责看——什么时候该进场？什么时候该离场？手脚负责执行——怎么进场？怎么离场？

这一章，我们就来聊聊怎么把波动率曲面的形态，转化成实实在在的交易信号。

10.1 Z-score信号：标准化你的观察

Z-score是个好东西。它能把不同量纲的数据拉到同一个尺度上比较。

举个例子，你观察某个期限的波动率偏斜，今天数值是-2.5%，昨天是-1.8%。这算大还是小？光看绝对值，你心里没底。

Z-score帮你解决这个问题：

Z = (当前值 - 历史均值) / 历史标准差

当Z的绝对值大于2时，意味着当前值偏离均值超过两个标准差。这在统计学上属于「小概率事件」。我个人习惯把阈值设在2.5，更保守一些。

我在项目中遇到过一个问题：用多少天的历史数据算均值和标准差？

太短（比如20天），信号太敏感，频繁进出。太长（比如120天），信号反应迟钝，错过行情。我一般用60天，兼顾敏感度和稳定性。

10.2 布林带信号：动态边界

布林带和Z-score本质上是同一类东西，但布林带更直观——你一眼就能看到价格「撞到」上轨还是下轨。

中轨 = 移动平均线（MA）
上轨 = MA + K × 标准差
下轨 = MA - K × 标准差

K值我通常取2。但注意，这里的「价格」不是标的资产价格，而是我们构造的曲面特征值，比如「偏斜斜率」或「期限结构曲率」。

布林带信号的规则：

• 特征值触及上轨 → 曲面过度拉伸，准备做空波动率
• 特征值触及下轨 → 曲面过度压缩，准备做多波动率
• 特征值从轨外回到轨内 → 确认信号，执行交易

10.3 阈值设定：别太敏感，也别太迟钝

阈值设定是个平衡艺术。设得太小，信号满天飞，手续费吃掉利润。设得太大，一年开不了几单，资金利用率低。

我一般分两步走：

1. 统计法：回测过去3年的数据，找出特征值分布的90%分位数和10%分位数，作为初始阈值
2. 优化法：在初始阈值附近做网格搜索，找到夏普比率最高的那个点

阈值类型	常用值	适用场景
Z-score阈值	2.0 ~ 2.5	偏斜、峰度等统计特征
布林带K值	2.0 ~ 2.5	曲面特征值的时间序列
百分比阈值	5% ~ 10%	波动率水平的高低判断

10.4 入场规则设计

入场规则，我总结为「三确认」原则：

• 确认信号：Z-score或布林带触发了入场条件
• 确认方向：曲面形态的偏离方向与交易方向一致
• 确认时机：避开重大数据发布、开盘/收盘等异常时段

举个例子，假设我们做「偏斜回归」策略：

IF (偏斜Z-score > 2.5) AND (偏斜方向为负) AND (距离下次FOMC会议 > 3天)
THEN 执行：卖出虚值看跌期权，买入平值看跌期权

为什么要避开FOMC？因为事件驱动会导致曲面瞬间扭曲，信号容易失效。我吃过这个亏，有一次FOMC前半小时入场，结果利率决议一出，曲面直接反转，止损出局。

10.5 出场规则设计

出场比入场更重要。入场决定你能赚多少，出场决定你实际赚多少。

我常用的出场规则有三种：

1. 目标出场：Z-score回到0附近，或者布林带回到中轨。这是最自然的出场点，意味着曲面已经修复。
2. 止损出场：Z-score继续朝不利方向扩大超过1个标准差。说明判断错了，认赔离场。
3. 时间出场：持仓超过5个交易日，无论盈亏都平仓。防止陷入「死扛」的陷阱。

10.6 知识体系总览

下面这张图，把信号生成与交易规则的整个流程串起来了：

从数据输入到特征提取，再到信号生成和阈值判断，每一步都环环相扣。阈值判断是分水岭——触发了，就执行交易；没触发，就继续监控。

10.7 避坑指南

最后，分享几个我踩过的坑：

• 过度优化：回测时把阈值调得刚刚好，一到实盘就失效。记住，回测是参考，不是真理。
• 忽略滑点：信号触发时，市场可能已经走了一段。我一般会在信号价格基础上加一个滑点缓冲。
• 情绪干扰：连续亏损三次后，容易怀疑系统。我给自己定了个规矩：连续亏损后强制休息一天，冷静一下。

---

公众号:蓝海资料掘金营，微信deep3321