第 7 章：期货市场与衍生品策略¶

⏱️ 预计阅读 ~30 分钟｜ 🎯 难度 ★★★★☆（进阶）

期货 (Futures) 市场是现代金融体系中风险管理的核心场所。与股票市场不同，期货交易本质上是一种零和博弈 (Zero-Sum Game)，其核心机制——保证金制度、双向交易和每日无负债结算——为量化策略提供了丰富的操作空间，但也带来了更高的风险管理要求。本章将深入探讨期货市场的定价理论、期限结构、对冲策略以及在 AKQuant 引擎中的实现细节。

学习目标¶

理解保证金、杠杆、双向交易与每日结算在期货回测中的含义。
掌握中国期货配置、合约属性与风控参数的关键入口。
能够分析期货策略波动放大的来源。

前置知识¶

已掌握第 4 到 6 章的策略与市场制度基础。
了解期货合约、乘数与保证金的基本概念。

本章实践入口¶

快速运行与验收¶

python examples/textbook/ch07_futures.py

验收要点：

脚本能够完成期货回测并输出收益与风险指标。
结果中可体现保证金与杠杆对权益波动的放大效应。
调整合约参数或杠杆后，策略波动率变化符合预期。

7.0 AKQuant 中国期货配置速览¶

AKQuant 在 BacktestConfig 下提供了 china_futures 配置入口，可同时管理：

品种前缀模板（乘数、保证金、tick、手数）
品种前缀费率覆盖
品种前缀校验开关（tick 对齐、手数整数倍）
会话行为（是否强制交易时段）

示例：

from akquant import (
    BacktestConfig,
    ChinaFuturesConfig,
    ChinaFuturesInstrumentTemplateConfig,
    ChinaFuturesValidationConfig,
    InstrumentConfig,
    StrategyConfig,
)

config = BacktestConfig(
    strategy_config=StrategyConfig(initial_cash=500_000),
    instruments_config=[
        InstrumentConfig(symbol="RB2310", asset_type="FUTURES")
    ],
    china_futures=ChinaFuturesConfig(
        enforce_sessions=False,
        instrument_templates_by_symbol_prefix=[
            ChinaFuturesInstrumentTemplateConfig(
                symbol_prefix="RB",
                multiplier=10.0,
                margin_ratio=0.1,
                tick_size=1.0,
                lot_size=1.0,
                commission_rate=0.0001,
            )
        ],
        validation_by_symbol_prefix=[
            ChinaFuturesValidationConfig(
                symbol_prefix="RB",
                enforce_tick_size=False,
                enforce_lot_size=True,
            )
        ],
    ),
)

构造校验（Fail Fast）：

symbol_prefix 会自动去空格并大写；空值会直接报错
模板里 multiplier / margin_ratio / tick_size / lot_size 必须大于 0
模板和前缀规则里的 commission_rate 必须大于等于 0
validation_by_symbol_prefix 每条规则至少设置一个开关
同一列表内前缀重复会报错，并定位到冲突项索引
session_profile 支持 CN_FUTURES_DAY(商品日盘) / CN_FUTURES_CFFEX_STOCK_INDEX_DAY / CN_FUTURES_CFFEX_BOND_DAY / CN_FUTURES_NIGHT_23 / CN_FUTURES_NIGHT_01 / CN_FUTURES_NIGHT_0230

配置优先级矩阵（从高到低）：

场景	最高优先级	次级优先级	兜底
合约参数（乘数/保证金/tick/手数）	`InstrumentConfig` 显式字段	`instrument_templates_by_symbol_prefix`	`run_backtest` 默认参数
前缀费率	`fee_by_symbol_prefix`	模板里的 `commission_rate`	`StrategyConfig.commission_rate`
前缀校验开关	`validation_by_symbol_prefix`	模板里的 `enforce_tick_size / enforce_lot_size`	`ChinaFuturesConfig` 全局 `enforce_*`
市场选择	`use_china_futures_market=False` 或混合资产触发中国市场	`use_china_futures_market=True` 且纯期货资产	`use_simple_market`

说明：

同一优先级层内按“同名单项覆盖”处理，后定义的显式规则覆盖模板默认。
在撮合校验路径中，前缀匹配采用更具体前缀优先（例如 RB 与 RB2 同时命中时优先 RB2）。

低层引擎 API 命名说明：

期货费率相关接口统一为 set_futures_fee_rules 与 set_futures_fee_rules_by_prefix。
旧命名单数形式 set_future_fee_rules* 已移除，迁移时请直接替换为复数接口。

7.1 期货市场机制 (Market Mechanisms)¶

7.1.1 标准化合约¶

期货合约是由交易所制定的、规定在将来某一特定时间和地点交割一定数量标的物的标准化合约。它的标准化主要体现在两个维度上。其一是标的物 (Underlying)，它既可以是实物商品（如螺纹钢、大豆），也可以是金融资产（如沪深300指数、国债）。其二是合约乘数 (Multiplier)，即一张合约代表的标的价值；以 IF（沪深300股指期货）为例，其乘数为 300元/点，若指数为 4000 点，则一张合约价值 \(4000 \times 300 = 1,200,000\) 元。

7.1.2 保证金制度 (Margin System)¶

期货交易实行保证金制度，投资者只需缴纳合约价值一定比例的资金作为履约担保，即可进行交易。这引入了杠杆 (Leverage)。

\[ \text{Leverage} = \frac{1}{\text{Margin Ratio}} \]

若保证金率为 10%，则杠杆为 10 倍。这意味着标的资产价格波动 1%，账户权益波动 10%。

7.1.3 每日无负债结算 (Mark-to-Market)¶

A 股股票是 T+1 交收，而期货实行T+0 交易和每日无负债结算 (Daily Mark-to-Market)。交易所每日根据结算价 (Settlement Price)（通常为当日成交量加权平均价）计算盈亏，并划转资金。

在 AKQuant 回测引擎中，为了简化模型，通常采用收盘价近似结算价进行每日权益计算，但在实盘模块中必须严格对接交易所结算单。

7.2 期限结构与主力合约 (Term Structure)¶

7.2.1 期限结构理论¶

同一品种、不同到期月份的期货合约，其价格通常不同，形成期限结构 (Term Structure)。

根据持有成本理论 (Cost of Carry Model)：

\[ F_t = S_t e^{(r+u-y)(T-t)} \]

其中 \(F_t\) 为期货价格，\(S_t\) 为现货价格，\(r\) 为无风险利率，\(u\) 为仓储成本，\(y\) 为便利收益 (Convenience Yield)。

期限结构通常呈现两种相反的形态。一种是升水结构 (Contango / Normal Market)，即 \(F_{far} > F_{near}\)，它通常发生在库存充足、仓储成本高或便利收益低的商品中（如黄金、铝）；在这种结构下，多头展期面临负基差（高买低卖），从而产生展期亏损 (Roll Yield Loss)。另一种是贴水结构 (Backwardation / Inverted Market)，即 \(F_{far} < F_{near}\)，它通常发生在现货短缺、便利收益极高的商品中（如现货紧张时的铜、大豆）；此时多头展期享受正基差（低买高卖），获得展期收益。

7.2.2 主力合约与移仓换月 (Rolling)¶

期货合约有生命周期，成交量和持仓量通常集中在某一个特定月份的合约上，称为主力合约 (Dominant Contract)。随着到期日临近，资金会迁移到下一个月份，形成主力切换。

为了进行长期回测，我们需要构建连续合约 (Continuous Contract)。AKQuant 建议采用以下逻辑进行移仓 (Rolling)：

信号触发：当次主力合约的持仓量 (Open Interest) 超过当前主力合约时。
执行动作：平掉旧合约，开仓新合约。
价格调整：
- 价差调整 (Difference Adjustment)：\(P_{adj} = P_{raw} + (P_{new} - P_{old})\)。保持绝对价差，适用于价差套利策略。
- 比例调整 (Ratio Adjustment)：\(P_{adj} = P_{raw} \times \frac{P_{new}}{P_{old}}\)。保持百分比收益，适用于趋势策略。

7.3 对冲与套利策略 (Hedging & Arbitrage)¶

7.3.1 Beta 对冲 (Beta Hedging)¶

对于股票多头组合，可以通过做空股指期货来对冲系统性风险 (Beta Risk)，获取纯粹的 Alpha 收益。

所需期货合约数量 \(N\) 计算公式：

\[ N = \beta_P \times \frac{V_P}{V_F} \]

其中：

\(\beta_P\)：投资组合相对于指数的 Beta 系数。
\(V_P\)：投资组合市值。
\(V_F\)：单张期货合约价值 (\(Price \times Multiplier\))。

7.3.2 跨期套利 (Calendar Spread)¶

利用期限结构的异常变动获利。

牛市套利 (Bull Spread)：买入近月，卖出远月。适用于预期供应紧张（Backwardation 加深）的市场。
熊市套利 (Bear Spread)：卖出近月，买入远月。适用于预期供应过剩（Contango 加深）的市场。

7.4 引擎实现与配置¶

7.4.1 合约配置 (InstrumentConfig)¶

在 AKQuant 中，必须正确配置期货合约的乘数和保证金率，才能正确计算盈亏和风险。

from akquant import InstrumentConfig

# 配置螺纹钢 (RB) 主力合约
rb_config = InstrumentConfig(
    symbol="RB.SHF",       # 交易所代码需规范
    asset_type="FUTURES",  # 资产类型
    multiplier=10.0,       # 1手 = 10吨
    margin_ratio=0.13,     # 保证金率 13%
    tick_size=1.0          # 最小变动价位
)

7.4.2 策略示例：双均线趋势策略 (Dual MA Trend)¶

下面的代码展示了一个经典的期货趋势跟踪策略。注意期货特有的做空 (Short Selling) 操作。

防踩坑提醒：

期货策略请显式配置 InstrumentConfig(asset_type="FUTURES", multiplier=..., margin_ratio=...)，不要依赖默认资产类型。
如果你的人工记录按“当根收盘信号、当根收盘附近成交”统计，请显式设置 fill_policy={"price_basis":"close","bar_offset":0,"temporal":"same_cycle"}。默认语义通常是“当根算信号、下一根开盘成交”。
run_backtest(..., slippage=...) 建议显式写成 policy，例如 {"type":"percent","value":0.0002}、{"type":"fixed","value":0.2} 或 {"type":"ticks","value":1}。其中百分比语义下，0.0002 = 2 bps，如果写成 0.2，表示 20% 滑点，而不是 0.2 个点。
需要表达固定点差时，优先使用订单级滑点配置，例如 slippage={"type":"fixed","value":0.2}。

"""
第 7 章：期货与衍生品策略 (Futures & Derivatives).

本示例展示了期货交易的核心特性：
1. **保证金 (Margin)**：只需缴纳少量资金即可控制大额合约。
2. **杠杆 (Leverage)**：放大收益与风险。
3. **做空 (Short Selling)**：使用 `short()` / `cover()` 显式表达开空与平空。
4. **合约乘数 (Multiplier)**：一手合约代表的价值。

示例场景：
- 交易品种：螺纹钢期货 (RB)
- 逻辑：简单的动量策略
    - 价格 > 均线 -> 做多
    - 价格 < 均线 -> 做空
- 演示保证金占用和盈亏计算
"""

import akquant as aq
import numpy as np
import pandas as pd
from akquant import Bar, Strategy


# 模拟数据生成 (模拟螺纹钢期货)
def generate_futures_data(length: int = 100) -> pd.DataFrame:
    """生成期货模拟数据."""
    np.random.seed(42)
    dates = pd.date_range(start="2023-01-01", periods=length, freq="D")

    # 构造一个先涨后跌的趋势
    trend = np.concatenate(
        [
            np.linspace(3500, 4000, 50),  # 上涨趋势
            np.linspace(4000, 3200, 50),  # 下跌趋势
        ]
    )
    noise = np.random.normal(0, 20, length)
    prices = trend + noise

    df = pd.DataFrame(
        {
            "date": dates,
            "open": prices,
            "high": prices + 30,
            "low": prices - 30,
            "close": prices,
            "volume": 500000,
            "symbol": "RB2310",  # 螺纹钢 2310 合约
        }
    )
    return df


class FuturesTrendStrategy(Strategy):
    """期货趋势策略."""

    def __init__(self) -> None:
        """初始化策略."""
        super().__init__()
        self.ma_window = 10
        self.warmup_period = 10

        # 记录上一次的信号，避免重复发单
        self.last_signal = 0

    def on_bar(self, bar: Bar) -> None:
        """收到 Bar 事件的回调."""
        symbol = bar.symbol

        # 1. 获取历史数据
        closes = self.get_history(
            count=self.ma_window + 1, symbol=symbol, field="close"
        )
        if len(closes) < self.ma_window + 1:
            return

        # 2. 计算均线 (使用截止到昨天的数据)
        ma = closes[:-1][-self.ma_window :].mean()
        current_price = bar.close

        # 3. 获取持仓
        # position > 0: 多头
        # position < 0: 空头
        # position == 0: 空仓
        pos = self.get_position(symbol)

        # 4. 交易逻辑

        # 信号：价格 > MA -> 看多 (1)
        # 信号：价格 < MA -> 看空 (-1)
        signal = 1 if current_price > ma else -1

        if signal != self.last_signal:
            self.log(f"趋势反转! 价格={current_price:.0f}, MA={ma:.0f}, 信号={signal}")

            # 如果当前有反向持仓，先平仓
            if (signal == 1 and pos < 0) or (signal == -1 and pos > 0):
                self.close_position(symbol)

            # 开新仓 (做多或做空)
            # 这里的 quantity=1 表示 1 手
            if signal == 1:
                self.log("开多单 1 手")
                self.buy(symbol, 1)
            elif signal == -1:
                self.log("开空单 1 手")
                self.short(symbol, 1)

            self.last_signal = signal


if __name__ == "__main__":
    df = generate_futures_data()

    print("开始运行第 7 章期货策略示例...")

    # 1. 定义期货合约属性 (关键步骤)
    # 螺纹钢：乘数 10，保证金 10%
    from akquant import (
        BacktestConfig,
        ChinaFuturesConfig,
        ChinaFuturesInstrumentTemplateConfig,
        ChinaFuturesValidationConfig,
        InstrumentConfig,
        StrategyConfig,
    )

    rb_config = InstrumentConfig(
        symbol="RB2310",
        asset_type="FUTURES",  # 资产类型
        multiplier=10.0,  # 合约乘数 (1手 = 10吨)
        margin_ratio=0.1,  # 保证金比率 (10%)
    )

    # 2. 运行回测
    # 使用 BacktestConfig 配置合约和资金参数
    config = BacktestConfig(
        strategy_config=StrategyConfig(initial_cash=500_000, commission_rate=0.0001),
        instruments_config=[rb_config],
        china_futures=ChinaFuturesConfig(
            enforce_sessions=False,
            instrument_templates_by_symbol_prefix=[
                ChinaFuturesInstrumentTemplateConfig(
                    symbol_prefix="RB",
                    multiplier=10.0,
                    margin_ratio=0.1,
                    tick_size=1.0,
                    lot_size=1.0,
                    commission_rate=0.0001,
                    enforce_tick_size=False,
                    enforce_lot_size=True,
                )
            ],
            validation_by_symbol_prefix=[
                ChinaFuturesValidationConfig(
                    symbol_prefix="RB",
                    enforce_tick_size=False,
                    enforce_lot_size=True,
                )
            ],
        ),
    )

    result = aq.run_backtest(
        strategy=FuturesTrendStrategy,
        data=df,
        config=config,
        # 对很多“按当根收盘价记交易”的期货策略，显式指定 fill_policy
        # 会比默认的“下一根开盘成交”更贴近人工记录口径。
        fill_policy={"price_basis": "close", "bar_offset": 0, "temporal": "same_cycle"},
        # 注意：推荐显式声明滑点类型。
        # 0.0002 = 2 bps；如果写成 0.2，表示 20% 滑点，不是 0.2 个点。
        slippage={"type": "percent", "value": 0.0002},
    )

    print("\n" + "=" * 40)
    print("期货账户资金分析")
    print("=" * 40)

    # 打印最后几天的权益变动
    # 注意：期货有 leverage，portfolio_value 可能波动较大
    equity = result.equity_curve.tail()
    print(equity)

    print("\n保证金占用情况 (示例):")
    # 假设最后一天持仓 1 手，价格 3200
    # 保证金 = 3200 * 10 * 1 * 0.1 = 3200 元
    # 杠杆倍数 = 3200 * 10 / 3200 = 10 倍
    metrics = result.metrics_df
    final_val = (
        metrics.loc["end_portfolio_value", "value"]
        if "end_portfolio_value" in metrics.index
        else 0.0
    )
    print(f"最终权益: {float(str(final_val)):.2f}")

关键逻辑解析：

这段策略的核心在于三点。在做空开仓上，优先使用 self.short(symbol, quantity)，因为它语义更清晰，也更适合向用户解释成交明细；与之对应，平空仓则优先使用 self.cover(symbol, quantity)，若当前持仓为 -1，回补 1 手后持仓归零。而在杠杆管理上，由于期货自带杠杆，策略在分配资金时需谨慎，因此建议按名义本金 (Notional Value) 而非保证金占用进行风控。

7.4.3 账户快照口径（期货保证金账户）¶

在 AKQuant 的期货保证金账户语义下，get_account() 与 get_portfolio_value() 建议按下面方式理解：

cash: 账户现金余额。开仓期货时不会像股票买入那样扣减全额名义本金，只会反映手续费、已实现盈亏等现金流。
equity: 账户权益，是期货保证金账户最重要的总资产口径；get_portfolio_value() 与它保持一致。
used_margin / margin: 当前已占用保证金。
free_margin: 可用保证金（equity - used_margin），即真正可用于新开仓的资金。下单因保证金不足被拒时，日志里的 Available 就是这个口径——不要拿 cash 去和它比较。
notional_value: 当前期货名义敞口，用于观察杠杆暴露。
unrealized_pnl: 按最新价格计算的浮动盈亏。
market_value: 主要用于现货/持仓市值语义；对期货保证金账户，不应把它理解为“名义本金”。

一个常见误区是把期货账户按股票现货账户去理解，认为“开 1 手后现金应该减少整笔合约价值”。这并不符合保证金账户语义。更合理的观察方式是：

看 equity 是否反映了浮动盈亏。
看 used_margin 是否反映了保证金占用。
看 notional_value 是否反映了期货敞口规模。

7.5 商品期限结构深入 (Deep Dive into Term Structure)¶

商品期货的定价核心在于持有成本 (Cost of Carry) 和 便利收益 (Convenience Yield)。

\[ F_t = S_t e^{(r + u - y)(T-t)} \]

公式中的两项力量方向相反。仓储成本 (\(u\)) 反映了持有现货需要仓库、保险，这会推高远期价格（Contango）；而便利收益 (\(y\)) 则源于持有现货能应对突发的需求冲击（如工厂停工），这种“期权价值”会压低远期价格（Backwardation）。

正因如此，库存与价格的关系也随之分化：当处于高库存时，便利收益低，仓储成本主导，价格趋于 Contango（远月升水）；当处于低库存时，便利收益高，现货溢价，价格趋于 Backwardation（近月升水）。

7.6 基差交易 (Basis Trading)¶

基差 (\(Basis = Spot - Futures\)) 最终会随着交割日的临近而收敛到 0（或接近交割成本）。

期现套利 (Cash-and-Carry Arbitrage)：

正向套利：当期货价格大幅高于现货（\(F >> S\)），且基差能够覆盖资金成本和仓储成本时。
- 买入现货，卖出期货。
- 持有到期交割，锁定无风险利润。
反向套利：当期货价格大幅低于现货（\(F << S\)）。
- 卖出现货（如果手中有货），买入期货。
- 到期接货，补回库存。

7.7 跨品种套利 (Cross-Variety Arbitrage)¶

利用相关品种之间的价差回归进行交易。

7.7.1 产业链套利 (Processing Spread)¶

最典型的是大豆压榨套利 (Crush Spread)：

\[ 1 \text{大豆} \approx 0.18 \text{豆油} + 0.8 \text{豆粕} \]

围绕这一压榨关系，可以构造方向相反的两类操作。提油套利是买入大豆、卖出豆油和豆粕，其逻辑在于：当压榨利润过低（甚至亏损）时，油厂会停工，减少豆油豆粕供给，从而推高产品价格。反向提油套利则是卖出大豆、买入豆油和豆粕，其逻辑相反：当压榨利润过高时，油厂开足马力，增加供给，进而压低产品价格。除大豆产业链外，黑色系（螺纹钢-铁矿石-焦炭）也是常见的产业链套利标的。

7.7.2 替代品套利 (Substitution Spread)¶

替代品套利利用的是品种之间的替代关系。例如豆油 vs 棕榈油，两者在食用油领域有替代关系，当价差过大时，可买入低价品种、卖出高价品种；玉米 vs 小麦则在饲料领域有替代关系，可循同样的思路构造价差。

7.8 交易所规则与实盘细节¶

在实盘交易中，必须严格遵守交易所规则，否则会导致废单或处罚。

夜盘交易 (Night Trading)：
- 大多数活跃品种（黄金、原油、螺纹钢）都有夜盘（21:00 - 23:00 或 02:30）。
- 策略启示：外盘（如 COMEX 黄金、LME 铜）的波动主要发生在夜间，必须在夜盘时段保持策略在线。
涨跌停板与扩板：
- 期货的涨跌停板通常比股票窄（如 4%-8%）。
- 扩板规则：当出现单边市（连续涨跌停）时，交易所会提高保证金率并扩大涨跌停幅度（D1: 4% \(\rightarrow\) D2: 7% \(\rightarrow\) D3: 9%）。
交割月限制：
- 个人户：通常不能进入交割月（如 2305 合约，个人户必须在 4 月底前平仓）。
- 持仓限额：交易所对单品种持仓有严格限制，超过限制会被强平。

在 AKQuant 中，如果你为期货合约配置了 expiry_date，并且引擎在日终实际执行了到期结算或到期移除，策略可通过 on_expiry(event) 接收通知。这个回调非常适合实现换月记录、到期后自动选取下月主力合约、或把到期结算事件推送到监控系统。最小可运行示例见：examples/49_on_expiry_demo.py。

7.9 经典 CTA 策略解析¶

7.9.1 R-Breaker¶

这是一个经典的日内反转+趋势策略，曾连续多年被评为全美前十最赚钱的策略。

逻辑：根据昨日的 \((H, L, C)\) 计算出 6 个枢轴点 (Pivot Points)。
- 观察区：\(S_{setup} < P < B_{setup}\)。
- 反转区：突破 \(S_{enter}\) 或 \(B_{enter}\) 后回调。
- 趋势区：突破 \(S_{break}\) 或 \(B_{break}\)。

7.9.2 Aberration¶

一个基于布林带的长线趋势策略。

做多：价格突破布林带上轨。
做空：价格跌破布林带下轨。
平仓：价格回归中轨。
组合：通常同时交易 8 个以上的低相关品种（如铜、棉花、大豆、股指）来分散风险。

7.10 期货高频交易 (HFT)¶

期货市场是 HFT 的主战场。

7.10.1 做市商 (Market Making)¶

做市商的业务是同时挂出买单 (Bid) 和卖单 (Ask)，赚取价差 (Spread)。但这门生意的核心风险是存货风险 (Inventory Risk)：如果单边行情剧烈，手中的存货会产生巨额亏损。为应对这一风险，做市策略的核心模型是 Avellaneda-Stoikov 模型，它会根据当前存货调整报价位置。

7.10.2 订单流策略 (Order Flow)¶

通过分析 L2 逐笔委托数据，识别大户的拆单行为 (Iceberg Orders)。

本章小结¶

必须掌握¶

期货回测中最重要的变量不是方向判断，而是杠杆、保证金与风险暴露。
合约参数、交易时段与校验规则决定了回测结果是否可信。

理解即可¶

期限结构、套保与跨品种扩展是期货策略进一步演进的研究方向。

实践提醒¶

先把合约属性和风险约束设清楚，再讨论收益率高低。

主线推进¶

贯穿全书的那条最小双均线 / 趋势策略，在前几章里一直运行在 A 股股票这类单向、全额资金占用的市场上。本章把它迁移到了期货这一全新的市场场景：同样的双均线趋势逻辑被重写为期货版本（见 7.4.2），但执行语义发生了关键变化——策略第一次显式面对保证金、杠杆、双向交易与每日无负债结算，下单接口也从只做多的 buy / sell 扩展到 short / cover，并通过 InstrumentConfig 与 china_futures 配置补齐了乘数、保证金率、tick 与手数等合约属性。至此，主线策略不再假设“一手等于一笔全额现金”，而是学会用 equity、used_margin、notional_value 去观察一个保证金账户的真实风险暴露，为后续把它推广到期权、跨品种与实盘场景做好了市场制度上的准备。

延伸阅读¶

经典著作

Hull, J. C. Options, Futures, and Other Derivatives（《期权、期货及其他衍生产品》），Pearson —— 衍生品定价与对冲的权威教材，系统讲解持有成本模型、期限结构与 Beta 对冲，可与本章 7.1（市场机制）、7.2（期限结构）、7.3（对冲与套利）、7.5（持有成本与便利收益）对照精读。
Kaufman, P. J. Trading Systems and Methods（第 6 版），John Wiley & Sons, 2020 —— 系统化交易与 CTA 策略设计的综合性参考，涵盖趋势跟随、突破系统与风险建模，对应本章 7.9（经典 CTA 策略解析）。
Avellaneda, M., & Stoikov, S. High-frequency Trading in a Limit Order Book（Quantitative Finance, 2008）—— 做市报价与存货风险管理的奠基性论文，直接对应本章 7.10.1（做市商）所述的 Avellaneda-Stoikov 模型。

官方文档与工具

AKQuant 策略指南 —— on_expiry 等到期/换月回调的触发条件与用法说明，对应本章 7.8（交易所规则与实盘细节）。
AKShare 官方文档 —— 期货行情、主力合约与持仓量数据的获取来源，支撑本章 7.2.2（主力合约与移仓换月）的连续合约构建。

本书相关

第 1 章：量化投资概述与环境搭建 —— 本章期货回测沿用第 1 章建立的回测全流程与时间心智模型。
第 5 章：策略开发实战 —— 本章 7.4.2 的 short / cover 下单与开平语义承接第 5.3.5 节的 position_effect 说明，策略层风控承接第 5.6 节。

课后练习¶

基础题¶

调整保证金率或乘数，观察权益波动如何变化。

应用题¶

增加一个简单的移仓换月规则并记录策略表现差异。

综合题¶

对同一策略分别在低杠杆与高杠杆配置下做风险收益对比。

参考答案要点（先独立思考再展开）

基础题：保证金率下降或乘数上升都会抬高杠杆，使权益波动放大——收益与回撤同比放大。

应用题：按持仓量信号在主力切换时平旧开新，用价差调整或比例调整拼接连续合约；记录换月前后的价格跳变与盈亏影响。

综合题：高杠杆放大夏普分子的同时也放大回撤，常导致卡玛比率下降甚至爆仓风险上升，说明杠杆并非越高越好。

常见错误与排查¶

盈亏异常放大：检查合约乘数和保证金参数是否配置正确。
换月跳变明显：确认主力合约切换与连续合约处理逻辑。
风控频繁触发：核对仓位规模与杠杆设置是否过高。