商品期货持仓的二八定律揭示关键会员掌握超六成仓位 [page::4][page::5]

• 大商所14个品种持仓数据表明前20%会员占70%-80%仓位

- 42个样本品种2010年以来前20大会员平均占比61%，除鸡蛋和苹果外均高于50%

重构关键会员多空持仓，构建持仓主力多空相对强弱因子 [page::6]

• 汇总前20大会员在所有活跃合约的持仓，提取多头和空头持仓占比计算多空相对强弱LRSR及加权版本WeightedLS

横截面多空相对强弱异常度因子策略2010-2019年表现优异 [page::8][page::9]

| 年份 | 年化收益 | 夏普比率 | 最大回撤 | Calmar比率 |
|--------|----------|----------|----------|------------|
| 全样本 | 12.4% | 2.36 | 9.9% | 1.26 |

• 加权多空相对强弱异常度因子（WeightedLSDev2）优于简单等权因子

- 策略在5日排序周期表现最好

• 农产品和化工贡献收益最高，贵金属贡献负收益

动态品种筛选剔除低效品种显著提升策略绩效 [page::12][page::13]

• 通过历史相关性滚动筛选样本品种，动态剔除相关性低或负相关品种

- 动态策略扣费后年化收益提升至8.4%，夏普1.30，Calmar0.83

多个单边持仓因子扩充模型，异常度变形大幅提升收益 [page::15][page::16]

| 因子名称 | 年化收益 | 夏普比率 | 最大回撤 | Calmar比率 | 日均换手率 |
|---------------------|----------|----------|----------|------------|------------|
| WeightedSDev2（空头持仓加权异常度） | 8.6% | 1.60 | 8.4% | 1.03 | 1.03 |
| StdLRDev2（多头持仓占比标准差异常度） | 8.3% | 1.60 | 8.6% | 0.97 | 1.08 |

• 异常度变形显著优于原始因子，换手率相对提高

- 单因子相关性分析发现部分单因子低相关性适合组合构建

持仓龙虎榜多因子复合策略表现更优，动态品种多因子策略回撤明显降低 [page::17][page::18][page::19][page::20][page::21]

• 四因子复合策略提升回撤控制，扣费后仍保持年化8.6%-10%以上收益

- 动态品种策略在大部分年份优于全品种，尤其近两年优势明显

• 多因子动态品种策略费后夏普约1.48，Calmar约1.53

持仓多因子策略对权重配置敏感性低，等权配置表现较优 [page::22][page::23]

• 采用等权、多种ATR倒数权重，策略整体表现影响有限

- 480日ATR倒数加权表现稍好，等权作为稳健简易配置方案推荐

结论总结 [page::23]

• 期货持仓遵循二八定律，少数关键会员掌控大部分持仓形成有效信息载体

- 多空相对强弱结合异常度方法构成核心因子，动态品种筛选显著提升绩效

• 多因子模型兼顾收益与风险，动态样本优化提升适应性与稳定性

- 策略扣费后实现10%以上年化收益，风险调整后表现优异

商品期货CTA专题报告（九）详尽分析报告

---

1. 元数据与报告概览

• 标题： 《商品期货CTA专题报告（九）：持仓的二八定律》

- 作者与联系方式： 吴先兴分析师（SAC执业证书编号：S1110516120001，邮箱 wuxianxing@tfzq.com，电话 18616029821）；联系人何青青（邮箱 heqingqing@tfzq.com）

• 发布机构： 天风证券研究所

- 发布时间： 2019年8月22日

• 主题聚焦： 本报告聚焦于中国三大商品期货交易所会员持仓龙虎榜数据，探索持仓的“二八定律”及其背后的集中度规律，并基于持仓主力的多空相对强弱构建多空对冲横截面策略，重点分析持仓主力的多空相对强弱异常度及复合多因子策略的表现和优化。

核心论点与结论：

• 期货品种持仓高度集中，符合“二八定律”，头部20%的会员掌握50%-80%的持仓。

- 以持仓龙虎榜中前20大会员为关键少数，构建多个持仓相关因子，尤其是多空相对强弱加权异常度因子，取得显著的横截面策略收益。

• 动态品种法（动态剔除因子有效性差的品种）相较全品种法能进一步提升收益和风险指标。

- 多因子复合策略优于单因子，扣费后仍可达10%以上年化收益，且夏普比率和Calmar比率稳健。

• 策略对权重配置敏感性低，简单等权配置具备较优的实际应用价值。

---

2. 按章节详细解读

2.1 商品期货持仓龙虎榜解读

• 关键信息： 交易所每日公布会员持仓排行榜，是了解市场中“关键少数”交易者多空仓位的重要数据来源。

- 持仓信息规则差异： 三大交易所（上期所、郑商所、大商所）公布的持仓数据略有不同，且各自规则也有所调整。

• “二八定律”应用： 持仓数据中，头部20%的会员占流通仓位近70%-80%，呈高度集中状态，说明关键信息和市场影响力高度集中。

- 数据依据： 大商所公开的14个代表品种2010年-2018年详细持仓明细整理，支撑了二八定律现象。

该结构暗示持仓龙虎榜数据有代表性和预测价值，可以挖掘关键持仓主力的仓位动态来捕捉市场信息。[page::0,3,4]

2.2 持仓主力重构与多空相对强弱刻画

• 会员持仓合约整合： 鉴于单品种会有多个活跃合约，且会员持多头和空头分布于多个合约，采用“重构方法”将同一会员在所有活跃合约上的多头与空头头寸合并，以会员为单位进行排名和筛选。

- 构造两大核心因子：

1. 持仓主力多空相对强弱因子（LRSR）：用前20大会员的多头持仓占比减去空头持仓占比，衡量关键少数多头对空头的优势；

2. 加权多空相对强弱因子（WeightedLS）：对多头和空头分别按持仓占比加权，进一步反映持仓分布集中度产生的差异。

• 因子定义公式清晰，消除了持仓绝对规模和品种特性的量纲干扰。

该方法为量化捕捉持仓多空情绪差异提供了可操作、可比较的指标。[page::6]

2.3 多空相对强弱异常度因子的定义与策略构建

• 异常度定义： 将多空相对强弱因子值通过三种方式计算异常度：

- 相对历史均值的偏离（Dev1）；
- 以历史标准差标准化（Dev2）；
- 历史分位数（Dev3）；

均在单因子基础上反映历史表现中强弱程度。

• 策略构建： 采取每日根据信号排序做多多头占优的前20%，做空空头占优的后20%，等权配置，开盘次日调仓。

- 回测发现：

- 5日观察窗口效果最优，窗口越长，收益逐渐衰减；
- 加权多空相对强弱异常度因子优于简单等权因子；
- Dev2与Dev1表现较好，且策略净值稳步增长。

• 回测指标示范（以WeightedLSDev2为例）：

- 2010年年化收益最高达27.3%，夏普高达4.94；
- 全样本期收益12.4%，夏普2.36，最大回撤9.9%，Calmar 1.26。

• 信号和收益板块贡献：

- 农产品和化工贡献占比最高，农产品整体贡献最大，黑色系单位信号收益最高；
- 贵金属贡献负面，部分品种多空强弱因子与次日收益呈负相关（苹果、铅、动力煤等），不适合策略使用。

策略体现了持仓龙虎榜数据中信息持仓权重对价格方向的实际反映，且基于异常度提升策略效果，尤其在较短窗口期收益更稳定[page::7,8,9,10,11]。

2.4 动态品种策略与样本剔除

• 动机： 不同品种因子表现差异显著，持续使用因子无效或逆相关品种降低整体策略表现。

- 方法： 利用滚动窗口计算过去因子与后续收益的相关性，动态筛选正相关品种纳入未来持仓。

• 回测结果：

- 观察期80-160日，品种使用期5日组合表现最优；
- 扣费后年化收益约8.4%，夏普1.30，Calmar 0.83，明显优于全品种策略；
- 动态剔除了表现不佳品种，减少策略噪音，提升稳定性。

• 动态样本数量波动反映策略灵活性和对品种适用性的把握。

动态策略有效剔除坏品种，提高组合总体表现和风险调整收益[page::12,13,14,15].

2.5 多个单边持仓因子构建与回测

• 新因子构造维度包括：

- 多头主力持仓占比（LR）和空头对应占比（SR）；
- 多头加权持仓（WeightedL）和空头加权持仓（WeightedS）；
- 多头持仓占比标准差（StdLR）和空头标准差（StdSR）。

• 异常度同样用Dev1、Dev2、Dev3刻画。

- 回测结论：

- 原始值策略表现整体较弱但换手率低；
- 异常度形式显著提升收益，但伴随换手率提升；
- 空头加权持仓异常度（WeightedSDev）和多头持仓占比标准差异常度（StdLRDev）表现最好；
- 单因子中存在因子之间高相关性，但部分因子如StdSR与多数因子相关性低，易于组合。

提供多角度持仓信息切入市场，丰富策略构建空间，且异常度转化有效提升信号表现[page::15,16,17].

2.6 多因子复合策略及权重配置敏感性

• 复合因子由WeightedLSDev2、WeightedSDev1、StdLRDev3和StdSR等四因子等权加总构成。

- 表现分析：

- 全品种策略年化收益约13.4%，扣费后约8.6%，夏普1.55；
- 动态品种四因子策略表现更优，扣费后年化收益达10.4%，夏普1.48，Calmar 1.53，回撤更低，更适应市场；
- 多因子策略相较单因子拥有更小回撤和更稳健收益；
- 动态品种策略显著优于全品种，且对不同权重配置（等权与基于ATR倒数权重）敏感性低，简单等权即可获得较优表现。

• 品种剔除及相关统计： 聚乙烯、豆油、PTA、螺纹钢、黄金、白银为剔除频率最高的品种，利于策略排除效能不佳标的。

综上，多因子复合增强了策略的稳健性和收益性，而动态品种样本选择提升了信号质量和抗风险能力[page::17-23].

---

3. 图表解读

图1：前20大会员的持仓占比 [page::5]

• 显示42个样本品种中前20大会员的持仓占比，绝大多数品种均高于50%，部分如油菜籽、棉纱、聚氯乙烯等超过70%。

- 体现“二八定律”，核心会员数少却持仓占比大，支持策略中关注“关键少数”会员动态逻辑。

图2：活跃合约数分布 [page::5]

• 多品种日均活跃合约数差异明显，部分如菜粕、铝等有6个合约活跃，部分品种仅1个。

- 说明重构会员持仓需跨合约累积，确保整体持仓多空估计准确。

图3：龙虎榜覆盖会员数量 [page::6]

• 图示多空头持仓龙虎榜会员数量多在20-50之间，显示数据覆盖面和活跃会员规模。

图4-6：多空相对强弱异常度因子年化收益对比 [page::8]

• 用柱状图展示不同窗口排序期下，WeightedLSDev各版本均优于简单LRSR的异常度因子。

- 凸显加权考虑持仓集中度提升策略性能。

图7：策略净值表现（$R=5$） [page::8]

• 各版本因子策略均呈上升趋势，WeightedLSDev2表现最佳，策略净值增长接近3倍。

- 验证异常度处理及加权显著提升策略历史收益。

表3：WeightedLSDev2策略分年度表现 [page::9]

• 多年高夏普，多数年份维持正收益，2018-19年表现相对回落，暗示近期策略有效性下降或市场特征变。

表4、5：收益贡献细分（板块与品种） [page::9,10]

• 农产品、化工贡献最大，黑色系单位信号收益最高；

- 部分贵金属品种贡献为负，如黄金、镍，表明需动态筛选。

图8、9：策略信号和因子收益相关性分析 [page::11]

• 展示品种信号占比和收益率相关性，负相关品种因子效果差，支持动态剔除设计。

图10：动态样本筛选示意 [page::12]

• 说明通过历史相关性检测动态筛选有效品种。

图11-14：动态品种策略绩效分布 [page::12-13]

• 展示多窗口下收益和风险指标分布，确认80-160相关期和5日持有期最佳。

图15-18：动态与全样本净值对比 [page::13-14]

• 明显优于全品种，扣费后优势依然明显。

表6：动态品种策略分年度绩效 [page::15]

• 动态策略多个年份优于全品种，特别是2010-2011和2015-2016年。

表7：单因子策略回测指标 [page::16]

• 异常度形式的单因子策略夏普多在1以上，部分高达1.6，最大回撤较低。

表8：单因子间相关性 [page::17]

• 显示高相关因子不宜合并，低相关因子适合组成多因子模型。

图19-20：四因子全品种与动态品种策略净值 [page::17-18]

• 动态品种四因子表现更优且更稳健。

图21-23：动态品种四因子策略收益和Calmar分布 [page::18-19]

• 进一步确认动态品种在不同参数下的稳健性。

表9-10：四因子策略分年度表现 [page::18-19]

• 详细体现多因子动态策略整体更优。

图24-27：不同因子与样本策略净值对比 [page::19-21]

• 多因子动态策略扣费后年化收益超10%，单因子表现次之。

图28-29：动态品种数量与剔除次数统计 [page::22]

• 说明动态样本筛选机制的执行情况及热门被剔除品种。

图30-31：不同权重配置对策略表现影响 [page::23]

• 等权配置表现实用且接近最佳，策略对权重敏感性低。

---

4. 估值分析

报告非公司财务估值类，估值分析聚焦于策略收益的统计指标及风险调整后表现：

• 主要采用年化收益率、年化波动率、夏普比率、最大回撤和Calmar比率（年化收益对最大回撤比率）衡量策略表现；

- 应用多样异常度处理、多因子复合、多品种动态筛选、权重配置优化等多维度策略组合和改进；

• 收益率高达10%以上，夏普1.4-1.5，Calmar约1.5，显示策略风险调整后收益稳健；

- 多因子模型与动态品种选择显著提升风险控制能力和策略稳定性。

---

5. 风险因素评估

• 模型基于历史数据，存在失效风险：如市场环境变化可能导致因子失效或显著降低预测能力。

- 持仓信息公布规则变化风险：三大交易所数据公布方式和规则调整可能影响数据连续性和策略适用性。

• 策略换手率及交易成本风险：单因子及多因子策略换手率普遍较高，扣费后收益明显降低，且近年策略表现有所下降。

- 部分品种因子有效性问题：部分贵金属及少品种因子与收益率反向相关，需动态剔除以避免拖累组合。

• 数据覆盖和样本剔除风险：动态筛选虽提高策略表现，但也导致部分品种被频繁剔除，可能影响策略稳定性和实际运作复杂度。

---

6. 审慎视角与批判分析

• 报告依赖交易所公布的数据，而龙虎榜数据的更新和变动（尤其大商所2018年规则调整）限制了完整性，导致对部分品种的持仓细节缺乏全面跟踪；

- 多空相对强弱及异常度因子虽有效，但策略对调仓频率较高，导致交易成本敏感，尤其2018年以来表现出现下滑，体现策略可能存在过拟合风险或对市场变化反应不足；

• 部分品种因子表现逆向，提示策略本身存一定适用范围限制，未来需持续调整动态剔除逻辑；

- 权重配置策略对结果影响较小，虽验证了等权合理性，但并未深入探讨更丰富的风险控制和资金管理手段；

• 整体报告数据驱动强、量化模型精细，实操性强，但一定程度上缺少宏观或基本面因素的融合解释。

---

7. 综合结论

本报告严谨利用商品期货龙虎榜数据，证实了中国商品期货市场持仓高度集中且核心会员的持仓动态具有显著的信息价值。通过构造加权多空相对强弱异常度因子及多个单边持仓因子，并构建横截面多空对冲交易策略，获得了风险调整后的正向收益和较强的策略稳定性。动态品种样本筛选显著改善了策略表现，尤其在剔除了因子有效性差和异常品种后，收益和风险指标出现实质性提升。多因子复合策略相比单因子，回撤更低、夏普更高，具备更强实用价值。

图表中清楚明示：

• 持仓分布符合二八定律，前20大会员掌控60%以上持仓；

- 多空相对强弱异常度指标在5日窗口表现最好，收益稳定；

• 板块及品种分析显示农产品及化工贡献最大，部分贵金属逆相关品种需规避；

- 动态品种和多因子组合策略均表现优异，扣费后年化收益仍可超过10%，夏普比率约1.5，Calmar比率达1.53，风险调整能力突出；

• 策略对权重配置不敏感，等权配置经验证为合理选择。

综上，报告提出的基于龙虎榜持仓数据的多空相对强弱及复合因子策略为商品期货CTA投资提供了有效的新视角和策略工具，具有较强的数据支撑和实证效果。然而，实操中需关注策略高换手带来的交易成本以及市场环境变化对策略有效性的影响。建议在实际应用中结合宏观基本面和多策略组合以进一步提升稳定性和收益质量。

---

参考页码

[page::0,1,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24]

报告