期货交易统计（期货交易统计记录模板）

永安期货电脑版交易统计在哪里？

永安期货电脑版交易统计在哪里？永安期货电脑版这个交易统计就在电脑里面，就可以找到了，而且是交易统计的数字也都在电脑里面，就可以查询到的

期货主力合约在变怎么做统计系统？

只要交易的思路一致，即使统计使用的历史数据并非完全是当期的主力合约，也不会影响到验证交易系统的正确性。

当然，有一点需要考虑的是，用主连数据统计行情是连续的，可实际交易的时候，因为期货合约到期要交割，散户的最后交易日还更靠前，有些单子未必能按照主连上的时间去平仓了结，这一点在统计的时候一定要考虑在内，并且在统计的时候要做好在散户最后交易日之前平仓的统计结果。

期货价格记录 ***

日期可以省略 开仓的原因(简单点，开仓的原因将在计数结束后成为你的规则) 结束理由(保持简单，结束理由将在计数结束后成为你的规则) 交易手数量(开始时1笔，然后根据自己的设置增加，如每增加5000元增加1笔交易，每增加10000元增加1笔交易等) 需要从统计收入中扣除相应的手续费，然后每笔交易估计一个滑点(我通常设置1点)，这样可以得到更真实的结果

拓展资料:

1.期货价格是指在期货市场上通过公开竞价形成的期货合同标的物的价格。 期货价格是指买卖双方约定在交易确定后某一日期交割的价格。期货交易是根据合同规定的时间、地点和数量，对特定商品进行远期交割(3个月、6个月、1年等)的一种方式。其更大的特点是交易和交付不是同步的，是在一定时期的交易后交付。 1898年芝加哥黄油和鸡蛋商会的成立标志着期货交易的诞生。当时期货交易的商品基本上都是农产品。后来，商会更名为芝加哥商品交易所。期货交易的商品越来越多，一些国家的股票、债券、外汇等金融产品也加入了期货交易的行列。当价格趋于上涨时，期货价格高于现货价格。在下降趋势中，期货价格低于现货价格。在正常情况下，由于储存、保险和利息成本较高，期货价格通常高于现货价格

2.由于期货波动很大，存在很多风险，包括以下几种: 杠杆使用风险:期货具有放大投资杠杆的功能。当杠杆被放大时，它也会放大风险和回报。 强制平仓或爆仓:期货交易当日不实行责任制度。如果账户可用资金不足，可能会强行关闭头寸，操作不当可能会导致头寸破裂的风险。交割风险:期货市场只允许之一个投资者参与交割，不允许个人散户参与交割。他们必须在规定的时间之前平仓，以便提前交货。另外，对于不愿意参与交割的机构投资者来说，如果他们持有到交割日，这意味着他们必须拿出足够的资金来交割。

统计假设检验在期货交易中的应用思考

假设检验的基本思想：

假设检验的统计思想是：概率很小的事件在一次试验中可以认为基本上是不会发生的，即小概率原理。例如，某一事件出现的概率是0.001时，那么平均在1000次重复试验中可能才出现一次。因此，概率很小的事件在一次试验中几乎是不可能发生的，于是，我们把“小概率事件在一次试验中发生了”看成是不合理的现象。

为了检验一个假设是否成立，我们就先假定这个假设是成立的，如果根据这个假定导致了一个不合理的小概率事件发生，那就表明原来的假定是不正确的，我们就拒绝这个接受这个假设。如果由此没有导出不合理的现象，则不能拒绝接受这个假设。

这个小概率到底多小才算是不合理的小概率事件，一般统计学用的最多是0.05，也有更严格的用0.01的，也有宽松的用0.1的，这个可以试个人对于风险的偏好，风险偏好高的朋友可以用0.1的标准，这样的好处就是可以比较容易拒绝原假设，代价就是发生错误的几率也增大。风险偏好低的朋友可以用0.01的标准，这样的好处就是可以不易发生原假设被错误拒绝的情况，代价就是发生拒绝原假设的难度大大增加，可能会发生原假设实际上不成立但由于拒绝假设的标准过于严格导致无法拒绝原假设的情况。

实际应用举例：

上面说的很是抽象，下面我们说个具体的例子来看一下假设检验如何应用。

问题：一枚来历不明的硬币，据说硬币的某一面可能掺加进去了某种密度不同的杂质导致硬币两面的重量不一致，现在在不使用任何检验仪器的情况下，如何判断这个消息的真伪性？

统计学解决方案：反复的随机抛这枚硬币，统计其正面朝上和朝下的次数，通过此数字来判断。

具体步骤如下：

1.假设硬币没有问题，是标准的硬币，那么硬币随机抛后每次正面朝上和朝下的概率是各50%，多次随机的抛硬币n次后，正面朝上为m次的概率是可以计算出来的。具体而言，比如连续随机抛10次硬币，那么出现正面朝上的多少次的概率如下：

0次，概率为1/1024;

1次，概率为10/1024;

2次，概率为45/1024;

3次，概率为120/1024;

4次，概率为210/1024;

5次，概率为252/1024;

6次，概率为210/1024;

7次，概率为120/1024;

8次，概率为45/1024;

9次，概率为10/1024;

10次，概率为1/1024;

从以上数据可以看出，如果硬币是标准的，那么连续随机抛十次硬币后，正面向上的次数为｛0，1，9，10｝ *** 中的某一个数字的概率均低于5%（即0.05）。如果我们选取0.05的显著性检验标准，那么如果连续抛10次硬币后硬币正面朝上的次数为｛0，1，9，10｝ *** 中的某一个数字，那么，我们可以说在0.05的显著性水平下，这枚硬币是标准硬币的假设不成立。

2.连续的抛10次此枚硬币，观察其正面向上的次数，如果其次数为｛2，3，4，5，6，7，8｝ *** 中的某个数字，则我们无法拒绝标准硬币这一假设。如果其次数为｛0，1，9，10｝ *** 中的某一个数字，那么，我们可以说在0.05的显著性水平下，这枚硬币是标准硬币的假设不成立。

以上便是假设检验的基本流程。

接着这个话题我谈谈样本数对于假设检验的影响。抛10次硬币必须得8次以上或2次以下才能拒绝标准硬币的假设，那么抛100次硬币是不是必须得80次以上或者20次以下才可以呢？不是的。有兴趣的朋友可以自己去计算或者用统计学的假设检验分布表，我用分布表计算出来的数据如下：

20次时，15次以上或者5次以下即可拒绝假设；

50次时，32次以上或者18次以下即可拒绝假设；

100次时，60次以上或者40次以下即可拒绝假设；

1000次时，531次以上或者469次以下即可拒绝假设；

从上面的数据可以看出，随机抽样的样本数越大，偏离均值的难度越高，也越容易做假设检验，比如扔一个硬币10次，即使8次朝上仍无法拒绝硬币是标准硬币这一假设，但是，扔100次，只需60次就可以拒绝了。

小结：

假设检验的基本原理：如果假设A成立，那么事件B发生的概率低于5%(当然也可以用10%或者1%等标准）。实际随机抽样检测中B发生了，我们可以在0.05的显著性下认为假设A不成立。在实际应用中我们要注意的是，之一，样本书越大，越容易验证条件A是否成立；第二，观察事件B是否发生时，一定是要随机抽样的。比如上面那个硬币的例子，如果不是随机抛硬币，而是由一个硬币抛掷高手来有认为控制硬币抛掷后的结果，那么得出来的结论对于硬币是否标准这一假设是没有参加价值的。为什么很多历史数据中表现很好的交易系统在后期的实盘时效果很差，很大一个原因就在于针对历史数据所设计的交易系统不符合抽样随机性。

交易应用示例：

写了这么多，还没有写到交易上，可能有些朋友急了。稍安勿躁，有了上面的基础，再来谈交易模型的假设检测，就很容易了。

先看一种最简单的交易模型，就是止盈和止损是同样比例的模型。比如西蒙斯曾经谈到过八十年代他们曾经靠一个很简单的模型赚过很多钱，就是跳空高开（或低开）后短时间内价格反向运动的概率很高，他们的交易策略就是高开后做空，低开后做多。现在我们来根据这个思路尝试做一个交易模型：跳空高开（或低开）x%后开盘入场做空（或做多），盈利或者亏损y%后就出场。为了便于讨论，我们先假设不存在滑点、手续费等问题，同时假设当天价格日内离开盘价的波动幅度必然会超过y%，也就说日内该笔交易一定会结束，要么是盈利y%后出场，要么是亏损y%后出场。这么简化后，大家再拿这个和抛硬币的例子对比，是不是完全一样了。

现在来运用假设检验的 *** 来验证这个模型。如果这个交易模型是无效的，那么交易盈利或者亏损y%的概率应该是各50%（如果亏损大于50%可以反向做的），和硬币的例子中两种结果的概率完全一样。现在我们拿检验硬币的思路来检验这个模型到底是不是无效的。我们拿这个交易模型去历史数据中测试，假如总共有50次交易记录，其中盈利的次数达到了32次以上或者18次以下（这样情况就把模型反着写，即高开后做多低开后做空），那么，在5%的显著性下我们可以拒绝模型无效这一假设，这个交易模型是有效的。

有的朋友可能会问了，这个模型中的x和y这两个参数到底取什么值呢？这就涉及到模型训练的问题了。x和y具体取什么值最合适，不通过数据测试，我们是无法知道的。通用的统计学 *** （通讯、搜索引擎等领域也是这个 *** ）是，选取大量的训练数据，对模型各个参数运行测试，选择表现更佳的参数。具体到交易上，就是选取足够多的历史数据，运行参数优化，综合考虑收益率、更大回撤、稳定性等因素，选择相对最合适的。不同参数之间的好坏差异的比较在统计学上也是有 *** 的，相对复杂一点，以后有机会再写一篇详谈这个。

既然是模型训练后的更佳参数，问题也就来了，这个更佳参数是非随机产生的，而是人为训练选择的，这违背了我们在做硬币检测时所强调的随机抽样。那么，如何验证这个模型的有效性呢？统计学的 *** 是拿这个模型对新的数据（与原有训练数据完全独立）做测试，如果测试的结果仍然拒绝模型无效这一假设，那么，我们可以认为模型在很大的概率上是有效的。具体到交易而言，就是把历史数据分为训练数据和盲测数据两部分，训练数据用于模型训练，如果在训练数据上训练好的拒绝无效假设的交易模型在盲测数据中仍然表现为拒绝无效假设，那么，可以认为模型在很大的概率上有效。当然，还有进一步更严格的方式是，让模型继续在未来的新的数据上测试，如果表现仍然很好，则再可以考虑分配一定比例的资金开始实际运作。

我们在做程序化交易中经常谈到模型的衰败。那么，用什么标准来判断模型的衰败呢？我的个人思路是：继续用假设检验这个 *** 来检验。就是如果你在不断的交易过程中你的后期的一系列交易数据已经无法拒绝交易模型无效这一假设了，那么，这个时候即便你的交易模型仍然还是盈利的，你也要小心了，至少应该降低仓位了。

这个高低开的日内交易模型是很简单的一种模型了，止盈止损都是一个额度，50%对半开的随机假设，这个直接套用硬币的例子就可以。还有更复杂一点的，比如趋势交易模型，这种模型由于其趋势交易追求高盈亏比的理念，这种模型的胜率是低于50%的，一般在35%左右，但是盈亏比可能高于3：1。这种模型就不同于硬币的例子了，无法直接套用硬币的计算结果，但是思路是一致的，有兴趣的朋友可以自己思考一下这种情况下应该如何计算。

注意事项：

1.不可忘记或者因为某些利益因素故意忘记抽样统计中的随机原则。概率法则有效的前提是随机抽样。如果人为影响样本的抽取过程甚至制造假的样本，则样本对于总体的预测价值是0甚至是相反的。在做模型测试时，务必至少要有训练数据和盲测数据，在训练数据上表现优异的模型必须在盲测数据上也能足够优秀到可以拒绝模型无效的假设，才可以考虑将模型运用到实战中。网上有不少卖模型的人，给出的模型在历史数据上的交易曲线几乎是一条无回撤的上涨直线，但是，一旦实盘交易，就开始大幅度回撤，很大的可能就是在于这个模型针对历史数据做了非随机性的定向优化，同时因为利益的关系模型开发者故意没有做盲测这一个过程。

2.牢记假设检验的原则，宁可错过，不可做错。任何一个模型，在没有足够的数据证明这个模型是有效前，均假设该模型为无效的。这就是量化交易的痛苦的地方，量化交易者最容易出现的情况是，花了很多时间，在训练数据上挖掘出了一系列的可以拒绝无效假设的交易模型，跑到盲测数据上一一测试，均无法在0.05的显著性水平上拒绝模型无效的检验，心拔凉拔凉的，感觉这么多时间的付出浪费了，心有不甘。再怎么心有不甘，也不能自欺欺人的把没有拒绝无效假设的模型上线，心有不甘总比亏钱好。

3.要存在风险意识。即便是在0.05的显著性水平下在训练数据、盲测数据甚至是新的实盘交易数据上全部拒绝无效假设，也不代表这个模型一定是永远有效的。一方面，这是由于这种将低概率事件近视为“不可能事件”的假设检验方式决定的。另一方面，也是很重要的一方面，就是可能随着时间的变迁，市场本质特征发生变化了，你这个模型背后所体现的那个影响市场的因素发生变化了。

说到模型背后所体现的因素，我展开多说一点。近几日和小鱼在微博上讨论了概率是否在金融市场上可以运用和市场是否可以预测的问题。否认市场可以预测的一个很有力的论据就是影响市场走势的因素千千万，交易者根本无法一一识别这些因素，更加难以识别这些因素中每个因素的权重影响，故无法预测。那么，有没有可能存在这样一种情况，就是我无法直接知道是哪些因素影响了市场，但是我可以间接的通过一种方式预测市场会以什么样的概率运动。我先说统计学上一个有趣的例子。

在美国的中西部的一个小镇上，人们发现一个很有趣的不合逻辑的现象，就是冰激淋的消费量越高，犯罪率越高。这个具体的两个变量间的线性相关程度统计学里面是有专门的公式的。总之，就是经过统计发现，犯罪率的高低与冰激淋的消费量存在强的正相关，即冰激淋销量高时犯罪率高，冰激淋销量低时犯罪率低。

现在两个问题：1.冰激淋销量是否可以预测犯罪率；2.如果人为控制改变冰激淋销量，是否可以改变犯罪率。

对于第2个问题，我想任何一个有生活常识的人都会知道，犯罪率与冰激淋销量完全无关，人为改变冰激淋销量并不能改变犯罪率。对于第1个问题，就会比较困惑了。因为常识告诉我们，冰激淋与犯罪无关，但是统计学的数据又表明二者是正相关，那么到底是什么原因呢？慢慢的，人们终于想到了天气这一共同因素。冰激淋的销量与天气紧密相关，天气越热销量越高，同时，天气越热，人越容易在室外活动，越容易开窗（导致偷盗概率增加），女性越容易穿着暴露（导致性犯罪增加），人的心情也越烦躁（导致冲动型犯罪增加）。于是，我们知道了，因为天气这一共同因素，只要没有人为的刻意影响冰激淋的消费量，冰激凌的消费量是可以预测犯罪率的。其实，只要我们没有人为的刻意影响冰激淋的消费量，即使我们不知道是因为天气这一共同因素，我们也可以用冰激淋销量来预测犯罪率。

现在说回到交易。假如，有这样一个量化模型，无论是在训练数据上还是盲测数据上还是在新的实盘交易数据上，均可以在0.05的显著下拒绝模型无效的假设，那么，我们有必要认为，在95以上的概率上，这个量化模型背后存在一种共同的影响因子能够较大的影响市场的短期走势，尽管，这个影响因子到底是什么我们不知道，但只要这个因子在，这个量化模型就仍然有效。因为我们不知道这个因子是什么，所以我们更加不可能直接的发现这个因子是否已经变化了，我们仍然只能通过这个量化模型的之后的表现来间接预测。如果量化模型一直在0.05的显著下拒绝无效的假设，那么可以认为这个因子仍然存在，如果无法拒绝了，则可以认为这个因子可能消失了或者至少没以前那么重要了

通过上段分析，可以看出时间对于模型有效性的重要性。我想这也是高频交易开始流行一个很重要的原因。因为高频交易的模型，训练和盲测所需要的时间周期很短，那么模型背后的那个影响因素仍然存在的概率很高，而低频交易，训练和盲测所需要的时间可能需要半年甚至更长时间，很可能那个影响因素已经变化了。

不知不觉，写了这么多了，回头看，尽管为了这篇文章做了几天的准备，以至于这几天梦里都是概率的事，仍然写的非常混乱，有看不明白的朋友请留言我会一一解释。我本人并不是数学专业的，对于概率也仅仅是个人的片面理解，概率如何应用到金融交易中，现在市面上的书几乎没有，我是一本都没有找到，以上所写全部为个人的一次尝试，肯定有不少错误的地方，欢迎大家猛拍。

2020年全国期货开户人数

你好，2020年全国期货开户人数在340万人左右，是近几年来期货开户人数最多的一年，并且今年的期货市场根据中国期货业协会最新统计资料表明，7月全国期货市场交易规模较上月增长，以单边计算，当月全国期货市场成交量为567，649，727手，成交额为454，225.05亿元，同比分别增长36.77%和55.70%，环比分别增长23.70%和47.21%。1-7月全国期货市场累计成交量为 3，089，377，000手，累计成交额为2，108，885.58亿元，同比分别增长43.69%和33.70%

拓展资料：一：什么是期货

期货，与现货完全不同。 现货实际上是可交易的商品（商品）。 期货不是商品，而是基于棉花、大豆、石油等大宗商品和股票、债券等金融资产的标准化可交易合约。 因此，标的物可以是商品（如黄金、原油、农产品）或金融工具。

期货的交割日期可以是一周后，一个月后，三个月后，甚至一年后。

买卖期货的合约或协议称为期货合约。 期货交易的场所称为期货市场。 投资者可以投资或投机期货。

期货市场首先在欧洲萌芽。 早在古希腊和罗马，就有中央交易场所、大宗易货交易和具有期货交易性质的交易活动。 最初的期货交易是由现货远期交易发展而来的。

之一个现代期货交易所于1848年在芝加哥成立，研究所于1865年建立标准合约模式。1990年代，中国现代期货交易所应运而生。 中国有四家期货交易所：上海期货交易所、大连商品交易所、郑州商品交易所和中国金融期货交易所。 上市期货价格变动对国内外相关行业影响深远。

二：期货的主要特点

期货合约的商品品种、交易单位、合约月份、保证金、数量、质量、等级、交割时间、交割地点等条款被建立和规范，唯一的变量是价格。 期货合约的标准通常由期货交易所设计，经国家监管部门批准上市。

期货合约是在期货交易所组织下订立的，具有法律效力，价格在交易所交易大厅公开招标产生； 国外大多采用公开招标，而中国采用电脑交易。

期货合约的履行由交易所担保，不允许私下交易。

期货合约可以通过现货结算或对冲交易来履行或解除其合同义务

证券期货市场统计管理办法

之一章　总则之一条　为了规范证券期货市场统计行为，发挥统计在反映证券期货市场基础信息和动态状况、加强证券期货市场监管中的作用，根据《中华人民共和国统计法》、《中华人民共和国证券法》、《中华人民共和国证券投资基金法》、《期货交易管理条例》、《证券公司监督管理条例》和《中华人民共和国统计法实施细则》等法律、行政法规，制定本办法。第二条　证券期货市场统计的基本任务是对证券期货市场发展情况进行统计调查、统计分析，提供证券期货市场统计资料和统计咨询意见，实行统计监督。第三条　证券期货市场统计调查对象（以下简称统计调查对象）应当如实提供证券期货统计资料，不得虚报、瞒报、拒报、迟报，不得伪造、篡改。

本办法所称的统计调查对象，包括证券公司、证券投资基金管理公司、期货公司及其分支机构，基金托管银行、基金销售机构、合格境外机构投资者托管银行，从事证券期货服务业务的投资咨询机构、财务顾问机构、资信评级机构、资产评估机构、会计师事务所、律师事务所，上市公司、非上市公众公司，证券期货交易所、证券登记结算机构、证券业协会、期货业协会、证券投资者保护基金公司、期货保证金监控中心等市场主体。第四条　中国证券监督管理委员会（以下简称中国 *** ）建立集中统一领导，分业务、分级负责的统计管理体制。

中国 *** 负责全国证券期货市场（以下简称证券期货市场）的统计工作，中国 *** 派出机构负责辖区内的证券期货统计工作。第五条　中国 *** 制定证券期货市场统计标准，发布证券期货市场统计资料或者可能影响证券期货市场稳定运行的其他统计资料。第六条　统计资料的管理、使用和公布，应当遵守国家档案管理制度、保密制度和证券期货监督管理信息公开制度、证券期货市场诚信档案管理制度，保守统计调查对象的商业秘密，维护证券期货市场公开、公平、公正的原则。第二章　统计机构和统计人员第七条　中国 *** 统计部门履行以下职责：

（一）组织证券期货市场统计调查工作，搜集、整理证券期货统计资料，管理、公布、汇编、对外提供证券期货市场统计资料；

（二）对证券期货市场运行、发展、风险等情况进行统计分析，编制证券期货市场统计报表，出具统计报告，提出有关的政策建议；

（三）建立健全证券期货统计制度，制定证券期货市场统计标准，完善证券期货统计指标体系，对统计法律、行政法规、本办法及中国 *** 制定的统计制度的执行情况进行指导和检查监督，对中国 *** 派出机构、统计调查对象的统计工作进行考核评估；

（四）建设并管理证券期货统计信息自动化系统和统计数据库体系；

（五）负责办理与会外单位之间的统计协调工作；

（六）办理中国 *** 派出机构统计调查项目和证券期货市场统计调查项目补充内容的备案；

（七）组织开展证券期货市场统计人员的业务培训。第八条　中国 *** 履行监管职责的其他部门（以下简称中国 *** 其他部门）对其职责范围内的统计调查对象进行统计调查，搜集、整理证券期货统计资料。

中国 *** 其他部门应当配合中国 *** 统计部门的工作。第九条　中国 *** 统计部门建立证券期货市场统计工作联席会议机制，其成员单位包括中国 *** 统计部门、中国 *** 其他部门、证券期货交易所、证券登记结算机构等。

除中国 *** 统计部门之外的其他成员单位按照约定的格式与内容，定期或者不定期地向中国 *** 统计部门报送本单位搜集、整理、管理的证券期货统计资料。证券期货市场统计工作联席会议机制确保成员之间实现信息互联共享，并承担以下职能：

（一）分析评价证券期货统计标准，提出补充、修改的建议；

（二）研究统计工作中遇到的新问题、新情况，加强各单位间的协调、配合；

（三）讨论其他与证券期货统计工作有关的重大事项。第十条　中国 *** 派出机构应当指定或者设立专门处室履行统计职责，其统计职责包括：

（一）配合中国 *** 统计部门完成证券期货市场统计调查任务，搜集、整理、提供辖区内证券期货统计资料；

（二）组织辖区内的证券期货统计调查工作，搜集、整理、管理、公布、对外提供证券期货统计资料；

（三）对辖区内证券期货发展情况进行统计分析，出具统计报告，提出有关政策建议；

（四）对辖区内统计调查对象执行统计法律、行政法规、本办法及中国 *** 制定统计制度的情况进行检查监督。

网站首页：期货手续费网-加1分开户（微信：527209157）

本文链接：https://52ol.cn/post/56930.html