程序化交易作为一种新型的交易方法，近年得到了快速发展。总体来说，与国外相比，国内程序化交易仍然处于初级阶段。程序化交易要取得长期的超额收益，必须在原有的基础上，不断创新交易方法和理念。

在日常程序化交易系统的开发和交易过程中，笔者发现，行情波动幅度对模型的获利至关重要，并显示出很强的正相关性，即行情波动幅度越大，模型获利性越强。

我们以股指期货从上市日至2012年8月31日的数据作为研究对象。股指期货一般的程序化交易系统均采取日内交易的方法。因此，需要计算其日内波动性。如何量化波动性目前并没有统一的标准,本文采用公式（HighD－LowD）/OpenD来描述日内波动幅度（HighD，LowD，OpenD分别是当日最高价，最低价和开盘价），然后求该值的5日平均值，使之更有规律性，从而得出下图。

由上图可以看出， 有两个时间段即2011年3月16日至2011年8月9日、2012年4月11日至今，股指期货的波动幅度聚集在1.5%以下。从股指期货在2000点到3000点的运行来看，波动幅度1.5%对应30—45点的波动空间，而30点以下的波动空间对于趋势跟踪系统来说是很难获利的。因此，今年以来，股指期货日内交易系统的获利能力较去年明显降低。

我们选取一个经典的rangebreak日内交易模型作为例证。该模型基于昨日波动幅度和今日开盘价的关系进行交易。首先计算昨日振幅=昨日最高价－昨日最低价；然后计算上下轨值，上轨=今日开盘价+N×昨日振幅，下轨=今日开盘价－N×昨日振幅。当价格突破上轨，买入开仓，当价格跌穿下轨，卖出开仓，最后尾盘15:00平仓。我们将该系统应用于股指期货5分钟K线图，其中N取0.38。

上图是该模型的月度收益曲线图，同时将日波动幅度求月度平均值也绘制在图中。由图可以看出，2011年4月份到2011年7月份，月度波动幅度在1.5%附近。2012年5月份到2012年8月份，月度波动幅度均低于1.5%，相对其他时间段，这两个时间段的波动幅度明显较低。对应到模型的月度收益曲线上，这两个时间段的收益低迷，曲线走平。具体统计数据表明，2011年4月份到2011年7月份，平均月度收益为3430元；2012年5月份到2012年8月份，平均月度收益为-1305元，而波动幅度大的两个时间段2010年4月份到2011年3月平均月度收益为47308元；2011年8月份到2012年3月份，平均月度收益13044元，均高于波动率低两个时间段的收益。例证充分说明，日内波动幅度越大，模型获利能力越强。

现在我们已经发现，大部分程序化模型的获利能力与行情波动幅度呈很强的正相关性，那怎么利用这个规律去提高模型的盈利性呢？这就面临两个关键性的问题：第一，波动幅度的变化有何规律性？因为具有一定的规律性，在实际交易过程中才有可操作性。第二，如何寻找日内波动幅度增大的迹象？有没有先行或者同步指标可以直观观测到日内波动幅度的变化？

对于第一个问题，金融学基本理论指出，金融时间序列的波动具有聚集性，表现在图表上就是某个阶段波动一直比较高，在另外一个阶段一直比较低，波动幅度具有一定的持续性，这就为仓位管理提供了一定的依据。我们可以在波动幅度低于某一临界值时，降低交易仓位，避免低迷的行情，而在波动幅度高于某一临界值时，加大交易仓位，把握住大波动行情。

对于第二个问题，一般而言，成交持仓比反映了品种的投机程度，品种投机程度越高，日内波动幅度相对就越大。我们将月成交持仓比和月度波动幅度绘制在同一图上，其中月成交持仓比是将每日的成交持仓比求月平均，得到下图。

上图显示，成交持仓比与日内波动幅度走势呈现出明显的正相关性，即成交持仓比低时，日内波动幅度也低。该相关性说明可以将成交持仓比作为一个较为直观的指标，去判断波动幅度的大致变化。

综合以上内容，我们可以从两个方面提高程序化交易的盈利能力：第一，选择合适的交易品种。通过监控成交持仓比，当某个品种的成交持仓比相比历史行情明显放大时，可以选择介入该品种，比如2010年的棉花和今年的豆粕，其成交持仓比均远大于历史行情，使用程序化趋势跟踪，可以获得良好的收益；第二，对于期货多品种组合投资，可以根据波动幅度的变化进行灵活的仓位管理，从而更好地把握市场行情。