台指期結算日會影響價格嗎?如何檢驗
交易人常提到台指期結算前後成交量變大、走勢更劇烈,但效應大小會隨時間改變。先在自己的資料中與可比較的日子對照量測,再依結算日拆分策略的交易,最後才考慮加入任何濾網。
作者 Soren Huang · 發佈 · 更新於 · 編輯原則
目錄
結算日會改變台指期的走勢嗎?
常常會,但幅度並不固定。交易人普遍提到,台指期結算日在結算時段附近成交量較高、走勢較劇烈。這個效應每年都不同。要知道對你的策略有沒有影響,唯一可靠的方法是在自己的資料中量測結算日,並與相似的一般日子比較。
台指期結算日會發生什麼事?
結算日當天,即將到期的月合約在 13:30 停止交易,最後結算價由現貨指數決定,所以下列時間就是你在資料中該標記的時點。結算日(結算日)是期貨合約的最後交易日;月台指(TX)為合約月份的第三個星期三。遇到假日時,部分結算日會順延,台指期結算日工具列出你標記時需要的實際日期。
最後結算價是用來平倉到期合約所有未平倉部位的價格。期交所以股市收盤前最後 30 分鐘的台灣加權指數(現貨)計算,因此 13:00–13:30 這段時間應該單獨量測。
一般結算日的重要時間如下:
- 08:45 – 期貨日盤開盤。
- 09:00 – 現貨股市開盤。
- 13:00–13:30 – 結算時段。此時段內的指數值取平均,作為最後結算價。
- 13:30 – 現貨市場收盤,到期合約停止交易。
- 13:45 – 其他到期月份的日盤收盤,其中現在包含新的近月合約。
交易所可能調整合約規則與交易時間。在以這些時間建立檢驗之前,請先到期交所的契約頁面確認目前的台指期規格。
交易人通常提到哪些結算日效應?
交易人最常提到的效應與成交量、轉倉以及最後 30 分鐘有關。這些是值得檢驗的理由,並非已證實的規則。下表列出各項效應及可能的原因。
| 常被提到的效應 | 可以在哪裡看到 | 可能的原因 |
|---|---|---|
| 成交量較高 | 結算前幾天的到期合約與次月合約 | 交易人進行轉倉。轉倉是指平掉到期合約,並在較後面的月份建立相同的部位。 |
| 結算時段內波動較大 | 13:00 到 13:30 之間的現貨指數與期貨 | 與以平均價結算的部位有關的大額避險或解除部位委託,可能集中在這個時段。 |
| 價格往大型選擇權履約價靠攏 | 台指選擇權(TXO)未平倉量高的履約價附近的期貨價格 | 選擇權賣方與買方會對以同一價格結算的部位進行避險。 |
| 隔天走勢較平靜或較寬 | 新近月合約的第一天 | 部位重新設定,流動性移到新合約。 |
這些效應不會在每個結算日都出現,而且市場改變時,效應的大小也會跟著改變。
如何在自己的資料中量測結算日效應?
把結算日與盡可能相似的一般日子比較,並使用能針對整體波動水準做調整的量測方式。單看原始的點數區間容易誤導:指數平靜時的 300 點,和指數劇烈震盪時的 300 點,意義並不相同。
一個實用的量測方式,是用當日區間除以近期的平均區間:
區間比 = (最高價 − 最低價) ÷ ATR
這裡的最高價與最低價是當日的最高與最低價格。ATR(平均真實波幅)是前 20 個交易日每日真實波幅的平均,其中包含隔夜跳空。比值接近 1.0 代表一般的日子;1.3 代表當天比平常寬 30%。請依下列步驟進行:
- 依官方日曆標記歷史資料中的每個結算日。因假日而順延的日子也要納入。
- 檢查你的合約序列。若連續月序列在結算日換月,可能讓當天的區間出現人為的跳動。我們的文章回測資料品質、跳空與轉倉說明如何找出這個問題。
- 選擇安慰劑日。安慰劑日是指除了事件本身之外,其他方面都與事件日相似的一般日子。以台指期來說,每次結算前一週的星期三是不錯的選擇。
- 計算區間比,分別針對結算日、安慰劑星期三與所有其他日子,然後再單獨對 13:00–13:30 這個時段做同樣的計算。
- 比較中位數,而不是平均數。中位數是中間的值,所以單一崩跌日無法大幅拉動它。
- 對歷史資料的前後兩半各重複一次,看看效應是否穩定。
假設性範例
十年的 5 分鐘台指期資料,約有 120 個結算日與約 2,300 個其他日子。結算日的區間比中位數是 1.12,安慰劑星期三是 1.05,所有其他日子是 1.00。前五年結算日的中位數是 1.18,後五年是 1.06。因此大部分的差異來自較早的時期,只有一部分是結算本身特有的。
如何檢查結算日對你的策略是有利還是不利?
依日期拆分策略的交易,並在扣除成本後比較各組。市場區間變大,並不能告訴你自己的規則會如何表現。趨勢策略可能從結算日的急遽走勢中獲利,而均值回歸策略可能因此虧損。下表列出三種檢驗,各自回答不同的問題。AlphaPrime(Valynox) 回測的手續費與滑價設定對每筆交易都一樣,結算日那組和一般日那組就是在相同成本下比較。
| 檢驗 | 做法 | 回答的問題 |
|---|---|---|
| 拆分 | 把每筆交易標為「結算日」或「其他日」,比較平均每筆損益、交易筆數與最差的一筆交易。 | 策略在這些日子的表現是否不同? |
| 排除 | 重新執行回測,結算日不進場,或在 13:00 前平倉。 | 沒有這些日子時,整體結果會是什麼樣子? |
| 單獨檢視 | 只用結算日重新執行回測。 | 這些日子裡是否有值得刻意交易的東西? |
在 AlphaPrime的績效報表中,交易明細會顯示每筆交易的日期。你可以把這些日期與結算日曆比對,完成拆分。每個版本的檢驗都應該納入手續費與滑價。結算日的價差與成交狀況可能與一般日子不同,所以在一般日子還算合理的成本假設,到了結算時段可能過於樂觀。
假設性範例
一個策略在扣除成本後有 800 筆交易,其中 40 筆落在結算日。其他日的交易平均 +6 點。結算日的交易平均 −4 點,合計 −160 點。其中一筆結算日交易虧損 120 點。扣掉它之後,其餘 39 筆平均約 −1 點。大部分的「結算日問題」其實只是一筆很差的交易。
回測時應該排除結算日嗎?
只有當這個效應通過數項獨立檢查時,才排除結算日。看過結果之後才加入濾網,等於多了一個最佳化步驟。你嘗試的每個濾網都是多一次試驗。試驗次數越多,最佳結果就越可能只是運氣,Harvey 與 Liu(2015)以及 Bailey 與 López de Prado(2014)都有說明。我們的文章策略生成中的過度最佳化討論了這個風險在實務上的情形。
只有在以下條件全部成立時,才保留結算日濾網:
- 結算日的差異大於安慰劑星期三的差異。
- 它同時出現在歷史資料的前後兩半,而不只出現在某一段期間。
- 移除最大的一兩筆交易後,它不會消失。
- 在扣除合理成本後依然成立,包括結算時段較大的滑價。
- 它能通過推進分析。推進分析是反覆在某段期間調整策略,再於接續的、未見過的期間檢查的檢驗方法。在每個視窗中,於樣本內(IS)資料(也就是用來調整的期間)選出濾網,再原封不動地用在樣本外(OOS)期間,也就是策略未曾見過的後續期間。
AlphaPrime 的策略檢驗包含推進分析與自訂門檻。你可以讓有濾網與沒有濾網的版本通過同樣的檢查,並在相同條件下比較。
為什麼結算日的結果這麼難以信任?
結算日很少,而且其周圍的市場一直在變。每月結算一次,一年約 12 天,十年的資料因此約有 120 個結算日。策略可能只在其中一小部分進行交易。只有 30 或 40 筆交易時,一次跳空或一個消息日就可能決定平均值,正如第二個範例所示。
行為也會隨時間改變。新的合約類型、市場參與者結構的變化,以及選擇權未平倉量的變化,都可能改變結算時段的表現。資料中較早年份的型態,如今可能已經消失。因此,量測步驟中依期間拆分,與整體比較同樣重要。
想誠實解讀小樣本,可以這樣做:
- 在每個平均值旁邊,標出結算日的交易筆數。
- 除了平均值,也要看結算日中最差與最好的交易。
- 優先採用從機制上說得通的濾網,例如在 13:00–13:30 時段之前平倉。避免使用只是搜尋大量變化後才找到的濾網。
- 隨著新的結算日加入資料,每年重新檢查一次這個效應。
如果你使用 AlphaPrime,意義如下:在績效報表顯示的交易日期中標記結算日,並與安慰劑日比較。之後才讓有濾網的版本,與其他每個變化版本一樣通過相同的檢驗,再決定是否信任它。
常見問題
台指期結算日是哪一天?
月台指期貨在合約月份的第三個星期三結算。如果那天不是交易日,結算會順延到下一個營業日。確切日期請查閱期交所契約頁面或結算日曆,因為假日會使部分月份的日期移動。
台指期的波動在結算日會比較高嗎?
交易人常提到,13:00–13:30 結算時段附近成交量較高、走勢較劇烈,但效應大小每年都不同。請比較結算日與相似的一般星期三的區間,並針對近期波動做調整來量測。如果兩組看起來相同,驅動這個型態的就不是結算。
台指期的最後結算價如何計算?
期交所採用結算日股市收盤前最後 30 分鐘台灣加權指數(現貨)的簡單平均。到期合約的所有未平倉部位都以該價格平倉。同一天到期的月台指選擇權使用同一個價格。
系統化策略應該避免在結算日交易嗎?
這取決於你的策略,而不是一般規則。把交易拆成結算日與其他日兩組,在扣除成本後比較。只有當差異大於安慰劑日、在歷史資料的前後兩半都成立,並通過推進分析時,才加入濾網。
參考資料
- Harvey, C. R., & Liu, Y. (2015). Backtesting. The Journal of Portfolio Management, 42(1), 13–28.
- Bailey, D. H., & López de Prado, M. (2014). The Deflated Sharpe Ratio: Correcting for Selection Bias, Backtest Overfitting and Non-Normality. The Journal of Portfolio Management, 40(5), 94–107.

