报告从基本面季节效应出发,分析库存因子同比环比及二阶增速在商品期货CTA策略中的表现,结合农历、公历方式改进因子构建,并通过不同组合方式、参数配置构建多因子策略,最终构建包含展期收益的三因子策略,实现年化收益11.3%、夏普2.1的稳健表现,且策略对参数敏感性低。研究表明季节因素对基本面因子构建及策略绩效影响显著,应成为CTA模型的重要考量要素 。
| 参数设置 | 年化收益(同比因子) | 夏普比率(同比因子) |
|---|---|---|
| 农历同比(n=2,R=1) | 10.7% | 1.13 |
| 公历同比(n=2,R=1) | 11.1% | 1.18 |
| 参数设置 | 年化收益(环比因子) | 夏普比率(环比因子) |
|---|---|---|
| 环比天数=80,R=1 | 6.2% | 0.76 |
| 参数设置 | 年化收益(二阶增速) | 夏普比率(二阶增速) |
|---|---|---|
| 平滑期=1,n=2,m=40-100 | ≈6% | ≈0.6 |
| 指标 | 年化收益 | 夏普比率 | Calmar |
|---|---|---|---|
| 三因子策略均值 | 11.3% | 2.1 | 2.1 |
| 年度 | 三因子策略 信号叠加 年化收益 |
|---|---|
| 2016 | 7.6% |
| 2017 | 17.3% |
| 2018 | 13.7% |
| 2019 | 9.0% |
| 板块 | 收益贡献 |
|---|---|
| 黑色系 | 约49% |
| 农产品 | 约32% |
| 化工品 | 约30% |
报告标题: 商品期货 CTA 专题报告(十)
作者: 吴先兴 分析师,何青青 联系人
发布机构: 天风证券研究所
发布日期: 报告发布时间未明确,内容回测截至2019年12月,属2019年末时点研究
研究主题: 商品期货基本面因子构建,重点关注库存因子的季节效应及其多维度改进,结合展期收益因子构建多因子CTA策略
核心论点与目标: 本文基于商品期货供应链及库存的季节性规律,尝试构建并改进用于CTA(Commodity Trading Advisor,商品交易顾问)横截面多因子基本面策略,重点围绕库存同比增速、环比增速及二阶增速(加速度),结合商品期限结构表现形成库存-展期收益三因子策略。报告系统化探讨了季节效应的影响,优化因子构建方法和组合策略,力图提高CTA策略的稳定性和收益表现。
评级和目标价: 本报告为策略研究,不涉及个股评级及目标价,属于量化策略性能回测分析。
本报告系系列专题报告第十篇,承接前期围绕基本面、技术面、情绪面的商品期货因子构建。重点解析库存数据的季节性特点,揭示忽略季节效应会导致基本面理解偏差。基于此,通过详尽对比农历与公历两种日历体系的同比、环比及二阶增速,构造更加逻辑严谨、表现稳定的库存因子,进一步结合展期收益因子形成多因子CTA横截面策略,力求提高策略稳定性和风险调整后收益。
报告指出既有因子易因历史数据有限和策略拥挤效应而失效,强调多角度因子挖掘和组合对策略稳定性至关重要,3].
库存因子选取首先排除仓单数据(因受注册注销政策变动影响大,时间序列不稳定)及贵金属(供需基本面分析无效,因其供给和需求受金融属性影响复杂且不可测)[见图6]。最终筛选19个品种样本覆盖黑色系、化工品、农产品、有色金属等核心商品,确保数据质量及流动性。
因子建设引入季节性影响考虑:
具体数学表达式基于农历和公历两种日历体系分别计算,筛选最佳基准年数(通常为1-2年)和平滑期(1-5天)以截取稳定信号[表2-5]。
总体可见,二阶增速因子在时间序列上对价格的预测价值较高,且对参数稳健性表现良好。
将农历与公历同比及二阶增速因子加权平均,构建二维增速复合因子策略,以捕捉更全面库存变化信号。回测以20%多头20%空头做多空开仓,等权分配:
信号叠加方式虽然收益不最高,但具有更好的稳健性,适合实际风控要求。
基于期限结构的逻辑,加入期货展期收益因子(反映期限结构是否为Backwardation)补充库存因子,构建三因子模型。展期收益因子计算和样本品种详见前期专题报告,回测多参数组合结果:
策略收益主要来源于黑色系(48%左右),农产品和化工品贡献均为20%-30%,有色金属表现次之,贵金属由于分析逻辑排除仅贡献少量。单品种贡献方面,焦炭、天然橡胶、锌、焦煤、棕榈油收益领先,铁矿石表现负面,提示细分品种特性差异明显[表18-19]。
为解决参数敏感性问题,采用多参数下库存同比、二阶增速及展期收益因子加权平均,综合信号生成最终指标。该多参数配置显著增强策略稳健性,年化收益稳定维持11%左右水平,夏普比、Calmar在2左右,体现出较好的风险收益平衡[图13,表20-21]。
对比等权重与不同窗口期(40天、100天)ATR倒数加权模式,发现:
图1展示马来西亚棕榈油产量的年度季节性波动,稳定增产期为1-10月,11月减产至翌年一季度。图2显示中国港口棕榈油库存亦呈现明显季节性波动,库存在需求旺季(10月后)明显减少。二者间的季节性节奏紧密相连,对库存因子构建影响显著,说明存量波动需结合季节因素应用。
图3按公历周数排列螺纹钢库存,春节假前为库存累积期(1-6周),最高点春节后消耗减少,呈现峰谷变化。图4按农历周数排列,同样库存曲线季节性更具连贯性。图5结合螺纹钢春节后价格展示了库存与价格的反向关系。库存峰值越高,春节后价格回落越明显,反之亦然,强化了季节性库存对价格敏感性的论证。
图6显示仓单数据波动剧烈,尤其在大商所和郑商所,受监管与规则调整影响显著,时间序列不连续,佐证报告中对仓单数使用谨慎的合理性。
图7柱状图直观展示不同环比天数参数下信号叠加、因子值叠加、因子排序叠加的年化收益,因子值叠加法收益最高,但波动较大;信号叠加法显得最稳健。图8夏普比率则证实信号叠加法夏普比率最高,风险调整表现最佳,适合实际操作。
图9显示在不同环比天数下,三因子策略略优于二维策略的平均年化收益;图10夏普比率显示三因子策略整体优于二维策略,风险调整收益表现更佳。图11 Calmar比率也表明三因子策略拥有更好的最大回撤控制能力,稳健性更强。
图12净值曲线说明三因子策略收益更加平滑且长期复合增长表现优于二维增速策略,且各年均保持正收益,显示其稳定性突出。
在多参数配置下,两因子及三因子策略净值均展现良好上升趋势,波动性降低,显示多参数配置有效缓解单参数敏感性,提升策略稳健性。
图14年化收益显示等权策略普遍高于ATR倒数加权,图15夏普比则三者均表现接近,说明权重调整虽对收益有影响但难以显著提升风险调整表现。
本报告不涉及具体公司估值,而是专注于基于基本面数据构建的商品期货多因子CTA策略的构建与性能回测。其“估值分析”实为因子有效性、策略回测表现及风险调整指标的综合衡量。
策略通过历史回测验证,参数选择包括同比基准年数、平滑期、环比天数等,均体现较强的参数稳健性。组合策略则通过因子加权(排序、值、信号叠加)三种方式进行组合,进一步优化收益风险表现。多参数及多权重配置测试有效降低了参数敏感性。
核心策略绩效支撑基于计算夏普比率和Calmar比率指标衡量风险调整后表现,三因子策略夏普2.1,Calmar2.1,表现优异,19-21]。
报告风险提示明确指出:
未见报告提供明显的风险缓解措施。但在策略构建上,采用多因子、多参数、多权重配置方式,增强模型稳健,降低了个别因子或参数失效的系统性风险,21]。
本报告通过系统的基本面库存数据季节性分析,细致对比了农历与公历日历的库存同比、环比及二阶增速因子构建方法,深入挖掘了季节效应对因子表现的影响。实证结果表明:
综上,这是基于对基本面季节效应深刻认知的商品期货多因子CTA策略研究,兼具逻辑严谨性、策略稳健性和丰富的实证支持,为进一步应用和优化提供了坚实基础。
(附部分关键图表示例展示)
图1展示了马来西亚棕榈油产量的明显年度季节性波动。
图3体现螺纹钢以公历周排列的库存季节性峰谷。
图9比较了两种策略在多参数组合下的年化收益,均表现优异且三因子略占优势。
图13显示多参数配置大幅提升策略净值表现的稳定性。
本分析基于报告全文内容逐节细致阅读和剖析,力求详尽完整地展现报告研究逻辑与结论,符合专业金融研究报告深度解析的要求。
商品期货CTA专题报告(十):基本面逻辑下的因子改进与策略组合(横截面篇).pdf