本报告基于结构化风险模型理念,首次构建适合国内商品市场的宏观风险因子模型。通过构建多因子备选库,筛选具有效性、低共线性、显著性和稳定性的宏观因子,最终确定五大类风险因子:利率、通胀、流动性、周期与汇率风险。采用时间加权滚动回归获取因子暴露,结合Bootstrap稳健回归方法提升因子显著性和稳定性,模型对商品期货收益截面解释度超过50%。同时比较了等权合成和逐步回归两种因子组合方法,发现较好的风险因子结构有助于风险管理和投资组合优化
| 类别 | 主要期货品种 | 上市时间 |
|---|---|---|
| 黑色系 | 焦炭、螺纹钢、铁矿石等 | 2009年前后 |
| 有色金属 | 铜、铝、铅、锌等 | 1995起 |
| 能源化工 | PTA、甲醇、塑料等 | 2006-2013 |
| 农产品 | 豆粕、玉米、白糖等 | 2000-2013 |
报告标题:商品市场宏观风险因子模型初探
作者与团队:李晓辉(高级分析师)、田钟泽(分析师),指导老师朱剑涛(金融工程首席分析师)
发布机构:上海东证期货有限公司东证衍生品研究院
发布时间:2017年10月19日
研究主题:聚焦于构建针对中国商品期货市场的宏观风险因子多因子模型,基于Barra结构化风险模型理念,筛选适合商品市场的有效且稳定的宏观风险因子。
核心目标:
主要结论:
,1,34]
报告开篇提出,宏观多因子模型假设资产(如股票、商品)收益与风险受共同宏观经济因子驱动。欧美已有成熟的股票市场宏观风险模型(RAM、BIRR、Barra等),但江西深度研究商品期货的宏观风险因子模型相对缺乏。因商品期货对宏观因子风险敞口明显,亟需发展专门的筛选、识别风险因子体系。
文中采用线性多因子风险模型表达形式: [ r_i = a_i + \sum_{j=1}^k b_{ij} F_j + \varepsilon_i ] 説明了因子暴露(因子负荷/β)和因子收益分离测算的两步法。基于此,提出风险因子在组合风险识别、协方差估计和业绩归因的三重核心作用,为后续具体因子筛选提供理论支撑。
通过对国外RAM、BIRR、Barra等模型的综述,强调了五大核心宏观因子类别:信心风险(信用利差)、期限风险(国债利差)、通胀风险、商业周期风险、市场择时风险。
,5,6]
因子库由多类宏观经济变量组成,包括生产(PMI、工业增加值)、消费、通胀(CPI、PPI)、货币供应(M0、M1、M2)、进出口数据、债券收益率、美元指数等,涵盖国内外典型指标。
采集数据从2005年至2016年,月度为主,带处理时滞(如CPI公布延迟)。因实际值存在趋势,伪回归风险,优先采用同比或环比数据测度边际变化。
使用MAD方法对极值进行过滤,保障回归稳健性。并对单因子进行显著性测试,p<0.1为阈值,捕获不同品种对因子的敏感性差异,如图表7-10显示,美元指数环比(USDX_d)广泛对多商品显著负相关,而宏观景气先行指数(CILI_d)显著正相关,反映市场共性趋势。
,7,8,9,10,11,12,13]
风险因子筛选四大标准:
通过铜期货与CPI同比对比,确认同比版本更有解释力(Adj-R²=6.5%,p=0.001)相比环比或无显著性。统计多层面指标(显著比例、平均Adj-R²、Adj-R²正占比)合成评分,筛选出前15个显著指标;同时与商品指数回归结果高达70%以上一致率,显示筛选稳健。
,15,16,17,18]
对于上述15个显著因子,进一步剔除多重共线性:
对五类分别等权合成,形成五个低共线性复合因子(平均VIF=1.16),相较原有指标显著降低共线性。同时采用逐步回归、岭回归、Lasso回归三种算法筛选因子,逐步回归与Lasso收敛一致,均筛选出USDx_d、PMI_d等6个稳定低相关主要风险因子(平均VIF=1.20),岭回归因噪声较大表现稍逊。
,20,21,22,23,24,25]
采用Chen-Roll-Ross两步回归法:
时间序列回归:用加权滚动回归估计每个品种对因子的因子暴露(β),使用滑动窗口(建议24个月)和指数衰减权重(半衰期约23个月,衰减系数0.0577),以兼顾数据时效和稳定性。
截面回归:针对每期各品种的收益和回归得到的因子暴露做跨品种多元回归估计因子收益率。该过程需标准化因子暴露,避免量纲差异。
统计不同窗口长度和衰减系数对因子显著时间占比和稳定性的影响,窗口越长显著度略降,衰减越大显著度越高但稳定性下降,综合选24个月窗口和半衰期衰减权重方案。两类风险因子组合均满足显著性(时间占比>30%)、稳定性(滞后一截面相关>0.88)、解释度(各品种平均Adj-R²约1-5%)等指标。
,27,28,29,30,31]
针对时间序列和横截面回归中因样本小而造成的估计不稳问题,采用Bootstrap技术(成对法与残差法)辅助估计因子暴露与收益,提升稳健性。
测试显示残差法在样本较小时偏差、方差均优于成对法,推荐采用残差法Bootstrap。Bootstrap结果表明,稳健回归虽降低了截面回归显著时间占比,但提高了因子暴露稳定性(相关性)且降低了因子收益波动,适合小样本风险因子检测,但需权衡显著性要求。
,32,33,34]
此篇报告为风险因子模型构建,不涉及企业价值估值或传统市盈率估值等内容,无估值部分。
报告中风险因子的识别聚焦于宏观经济变量,风险因子可被归纳为五大类:利率、通胀、流动性、经济周期和汇率风险。每类风险因子对商品不同细分品种的影响存在差异,对风险敞口分布的识别及控制是期货组合稳健管理的关键所在。
同时风险因子的筛选流程中,过高的共线性被视为风险,因子稳定性和显著性超过一定门槛方被确认,否则模型解释效力降低,可能存在风险误判。对于回归小样本风险,Bootstrap方法降低估计偏差但可能冲击统计显著性,研究视具体应用权衡其采用风险。
整体而言,风险因子识别流程严谨,体现对潜在统计误差的关注,保障最终风险管理实践的可靠性与有效性。
,15,19,33,34]
本报告基于Barra结构化风险模型理念,系统构建了体现国内商品期货市场特性的宏观风险因子模型,达成以下核心成果:
图表强有力支持文本结论,如因子累计收益曲线折射不同宏观风险因子的风险溢价不同,相关矩阵及VIF分析突出因子组合的合理构建,逐步回归与统计显著度直观揭示因子解释力。
总体来看,报告科学细致地构建了适合中国商品市场特征的宏观风险因子框架,为期货投资风险管理提供了坚实理论和实证基础。该体系预计能应用于未来商品期货组合的风险敞口分析、风险预算与调整,促进我国商品期货市场风险管理工具的进一步完善。
,6,14,19,21,25,26,27,28,29,31,33,34]
报告附录详细列出了文内引用的关键文献,涵盖宏观经济因素模型、商品风险溢价、风险管理模型等,对研究背景补充充分。报告还附带详细的期货走势评级体系和东证期货公司情况介绍,具备一定行业背景和应用场景含义。
该报告提供了系统、科学、实践导向的商品宏观风险因子模型建设框架,配合丰富图表与稳健的统计分析,对风险因子特性展开层层深入鉴别,是国内商品期货宏观风险管理研究的重要里程碑。
注:本分析严格依照报告页面内容,引用均注明对应页面标签,便于溯源。
金融工程专题报告:商品市场宏观风险因子模型初探.pdf