美联储公开市场委员会会议对美元的影响

“该策略在联邦公开市场委员会（FOMC）会议期间通过贸易加权指数（TWI）期货做空美元，应用10:1杠杆，在其他时间保持中性，目标是围绕关键经济公告的美元波动。”

资产类别: 差价合约、ETF、期货 | 地区: 美国 | 周期: 每日 | 市场: 外汇 | 关键词: 联邦公开市场委员会，美元

I. 策略概要

该策略涉及针对一篮子全球货币做空美元，通过做空美元贸易加权指数（TWI）期货头寸来实现。交易仅在每年八次联邦公开市场委员会（FOMC）会议日执行，一年中其余时间保持中性头寸。为了放大潜在回报，应用10:1的固定杠杆。这种有针对性的方法利用了围绕FOMC公告的预期美元波动和市场反应，同时限制了在这些关键事件之外的风险敞口。

II. 策略合理性

研究表明，联邦公开市场委员会（FOMC）公告日存在潜在风险，促使外汇投资者要求事先补偿。未来货币政策的不确定性造成了风险溢价，从而导致公告期间预期外汇回报更高。

III. 来源论文

外汇市场的政策公告 [点击查看论文]

• Philippe Mueller、Paolo Porchia 和 Andrea Vedolin。伦敦政治经济学院。企业学院。伦敦政治经济学院。

<摘要>

在联邦公开市场委员会（FOMC）预定会议日，做空美元而做多世界其他地区的策略获得了巨大的超额回报。此外，公告日和非公告日回报之间的差异在高度不确定性和糟糕经济状况时期变得更大。为了调和我们的发现，我们开发了一个国际长期风险经济模型，其中资产价格对货币政策的修订做出反应。货币政策的不确定性带来风险溢价，而这种风险溢价在经济状况较弱时更高。一个校准版本与数据中观察到的货币风险溢价的横截面模式一致。

IV. 回测表现

年化回报	7.71%
波动率	13.78%
β值	0.004
夏普比率	0.56
索提诺比率	-0.328
最大回撤	N/A
胜率	56%

V. 完整的 Python 代码

from AlgorithmImports import *
from pandas.tseries.offsets import BDay
class FederalOpenMarketCommitteeMeetingEffectUSDollar(QCAlgorithm):
    def initialize(self):
        self.set_start_date(2004, 1, 1)
        self.set_cash(100_000)
        
        # fed days
        csv_string_file: str = self.download('data.quantpedia.com/backtesting_data/economic/fed_days.csv')
        dates: List[str] = csv_string_file.split('\r\n')
        dates: List[datetime.date] = [(datetime.strptime(x, "%Y-%m-%d") - BDay(1)).date() for x in dates]
        # import futures data 
        data: Security = self.add_data(QuantpediaFutures, "ICE_DX1", Resolution.DAILY)
        data.set_fee_model(CustomFeeModel())
        self.symbol: Symbol = data.symbol
        self.close_next_day: bool = False
        self.schedule.on(self.date_rules.on(dates), self.time_rules.at(0, 0), self.day_before_fed)
        self.schedule.on(self.date_rules.every_day(self.symbol), self.time_rules.at(0, 0), self.rebalance)
    
    def day_before_fed(self) -> None:
        if self.time.date() >= QuantpediaFutures.get_last_update_date()[self.symbol.value]:
            return
        if not self.portfolio[self.symbol].is_short:
            self.set_holdings(self.symbol, -1)
            
    def rebalance(self) -> None:
        if self.close_next_day:
            self.liquidate(self.symbol)
            self.close_next_day = False
        if self.portfolio[self.symbol].is_short:
            self.close_next_day = True
# Custom fee model
class CustomFeeModel(FeeModel):
    def GetOrderFee(self, parameters):
        fee = parameters.Security.Price * parameters.Order.AbsoluteQuantity * 0.00005
        return OrderFee(CashAmount(fee, "USD"))
        
# Quantpedia data.
# NOTE: IMPORTANT: Data order must be ascending (datewise)
class QuantpediaFutures(PythonData):
    _last_update_date: Dict[str, datetime.date] = {}
    @staticmethod
    def get_last_update_date() -> Dict[str, datetime.date]:
       return QuantpediaFutures._last_update_date
    def GetSource(self, config:SubscriptionDataConfig, date:datetime, isLiveMode:bool) -> SubscriptionDataSource:
        return SubscriptionDataSource("data.quantpedia.com/backtesting_data/futures/{0}.csv".format(config.Symbol.Value), SubscriptionTransportMedium.RemoteFile, FileFormat.Csv)
    def Reader(self, config:SubscriptionDataConfig, line:str, date:datetime, isLiveMode:bool) -> BaseData:
        data = QuantpediaFutures()
        data.Symbol = config.Symbol
        
        if not line[0].isdigit(): return None
        split = line.split(';')
        
        data.Time = datetime.strptime(split[0], "%d.%m.%Y") + timedelta(days=1)
        data['back_adjusted'] = float(split[1])
        data['spliced'] = float(split[2])
        data.Value = float(split[1])
        # store last update date
        if config.Symbol.Value not in QuantpediaFutures._last_update_date:
            QuantpediaFutures._last_update_date[config.Symbol.Value] = datetime(1,1,1).date()
        if data.Time.date() > QuantpediaFutures._last_update_date[config.Symbol.Value]:
            QuantpediaFutures._last_update_date[config.Symbol.Value] = data.Time.date()
        return data