• 回测样本和方法：

- 研究涵盖42个流动性良好的商品期货品种，回测区间为2010年1月至2019年8月，持仓期1-8周不等。
- 多因子值品种按20%分层，建立多空等权组合，保证金比例为100%，以年化收益率和夏普比率作为策略效果衡量指标 [pidx::5][pidx::7]

• 库存类因子表现突出 [pidx::7][pidx::9][pidx::10]

- 仓单水平因子（以当前仓单量与过去110交易日均值比率构建）在持仓7周时年化收益17.8%，夏普1.23，收益稳定，最大回撤较小。

- 仓单变化率因子年化收益17%，夏普1.45，策略最优参数为窗口110日，持仓8周。

• 期限结构因子表现稳健 [pidx::11][pidx::12][pidx::14]

- 展期收益率因子（近月与次近月期货价格对数差）最优持仓6周，年化12.5%，最大回撤-12.9%。

- 基差因子（价格差经年化调整）年化14.8%，夏普1.73，最大回撤7.7%，持仓6周效果最好。

- 基差动量因子表现稍弱，年化收益7.7%，夏普0.68，波动较高，最大回撤16.6%。

• 持仓变化率因子收益表现一般，年化6.4%，夏普0.48，最优参数为窗口30日，持仓8周 [pidx::15][pidx::16]

• 量价类因子有效性分析 [pidx::16][pidx::27]

- 动量因子：以主力合约过去220日收益构建，做多表现好的品种，年化收益率20.6%，夏普1.23，回撤22%。

- 偏度因子：因子值为收益偏度，做多负偏度品种，年化5.1%，夏普0.41，波动大。

- 非流动性因子（ILLIQ指标）：做多流动性好的品种，年化6.4%，夏普0.55，回撤24.9%。

- 变异系数因子（波动率与均值比率）年化13.2%，夏普1.27，波动和回撤均适中。

- 特质波动率因子：用多因子回归残差波动率构造，年化5.5%，夏普仅0.4，收益较低。

• 宏观因子（通胀CPI Beta和人民币汇率 Beta）表现弱，未见稳定正收益，且对参数敏感，存在衰减效应 [pidx::26][pidx::27]
• 多因子相关性低，因子组合构建空间大，有利于分散风险及提升策略稳定性 [pidx::26]
• 综合结论与投资建议：

- 库存因子（仓单水平、仓单变化）和期限结构因子（基差、展期收益率）经济逻辑清晰且表现优异，推荐作为主力因子纳入策略。
- 量价类因子中动量和变异系数因子表现较好，可以作为补充量价信号。
- 宏观因子贡献有限，需慎重使用。
- 因子多样化组合有望提升整体风险调整后收益。

金融研究报告详尽分析报告——《挖掘商品期货风险溢价因子》

---

一、元数据与概览

报告标题：《挖掘商品期货风险溢价因子》

作者：证券分析师曹春晓、孙凯歌

发布机构：申万宏源证券研究所

发布日期：2019年11月12日

研究主题：本报告聚焦于商品期货市场中的风险溢价因子挖掘，重点研究中国市场的商品期货，通过构建多个因子，实证分析其风险收益表现，旨在为CTA（Commodity Trading Advisor）策略因子的选取和优化提供理论与实证基础。

核心论点及结论摘要：报告从基本面特征、统计规律及宏观因素三个角度构建了5大类共13个CTA风险溢价因子，具体包括库存因子（仓单水平和仓单变化）、期限结构因子（展期收益率、基差及基差动量）、持仓变化因子、量价因子（动量、偏度、非流动性、变异系数、特质波动率）及宏观因子（通胀和人民币汇率Beta）。通过分组多空组合回测，最终发现库存因子和期限结构因子表现最佳，量价因子中的动量与变异系数效果较好，而宏观相关因子如CPIBeta和人民币Beta未体现显著的超额收益。报告强调因子挖掘需扎根于坚实的经济逻辑，逻辑简单成熟的因子往往效果更佳，[pidx::0][pidx::27]

---

二、逐节深度解读

1. 引言与研究背景

报告介绍中国商品期货市场的发展现状，涵盖超过50种商品期货品类，强调资本市场对商品期货的配置需求日益增长，尤其公募基金对商品期货ETF的布局，增强了商品期货流动性，提供多样化投资工具。由此背景出发，报告结合国外已有研究并融合中国市场实际，构建筛选13个因子，涵盖经济基本面、价格统计规律与宏观环境三大方向，为国内商品期货CTA策略的设计提供方法论框架。[pidx::4]

---

2. 回测流程（第1章）

合约筛选（1.1节）

• 主力合约选取基于持仓量最大原则，设定持仓切换规则以减少多头拥挤和换仓风险。

- 品种筛选剔除了流动性差的前10个品种（如棉纱、晚籼稻等），最终涵盖42个品种，跨化工、黑色系、农产品等5大类。

• 由于监管与交易单位的变更，合约代码进行了统一处理，以保障历史数据的连续性和一致性。[pidx::5][pidx::6]

回测具体流程（1.2节）

• 使用2010年1月1日至2019年8月1日约9.5年的历史数据进行回测。

- 调仓期设定测试1-8周，使用分组法（按因子信号大小分5组）构建多空等权组合，保证金比例为100%。

• 多参数调优通过测试不同的信号构建窗口期R和持仓期H，选取年化收益和夏普比率最优的参数作为代表。[pidx::7]

---

3. 基本面因子分析

3.1 期货库存因子（第2章）

理论框架

• 持有成本定价理论认为期货价格受现货价格、无风险利率、存储成本及便利收益影响，其中库存水平作为便利收益的代理，对期货价格有重要影响。

- 使用交易所注册仓单数据作为库存代理，策略逻辑逆转：库存低时做多，库存高时做空。

仓单水平因子

• 定义为当日仓单对过去R日仓单平均的比率（$Signalt=I_t/I^*$）。

- 最优参数为构建窗口R=110天，持仓H=7周，年化收益率17.8%，夏普比率1.23。

• 净值曲线（图3）显示仓单水平因子具有稳健增长和较低回撤，Calmar比率1.93，表明良好的风险调整后收益。

仓单变化因子

• 定义为当前仓单与R日前仓单的比率，反映库存变化速度。

- 最优参数R=110，H=8周，年化收益率17%，夏普1.45，表现优于仓单水平因子。

• 净值曲线（图4）波动较小，最大回撤小于9%，因子长期有效。

以上库存类因子基于成熟经济理论，有数据支持，表现显著，适合构建主线CTA策略。[pidx::7][pidx::8][pidx::9][pidx::10]

---

4. 期限结构因子（第3章）

期限结构理论

• 根据期货市场展期理论，订价应反映无风险收益、存储成本等，出现异常升贴水则可套利。

展期收益率因子

• 定义为近月与次近月合约价格差的对数，说明贴水或升水状况。

- H=6周持仓时，年化收益12.5%，波动8.8%，最大回撤12.9%。

• 净值图（图5）显示大部分年份收益稳定，个别年份回撤较大。

基差因子

• 基差为价格溢价与剩余期限的日化比率，测量期限结构斜率。

- 在相同持仓期下表现比展期收益率更佳：年化收益14.8%，最大回撤7.7%，夏普1.73，风险调整后更稳健。

• 净值图（图6）表现出较为平滑的增长趋势。

基差动量因子

• 衡量近月与次近月合约累计收益差异，反映升贴水变化趋势。

- 收益率较低（最高7.7%），夏普仅0.68，波动较大，最大回撤16.6%，净值走势显示稳定性弱于前两者。

• 该因子虽有效，但不如其他期限结构因子稳健。

期限结构因子整体体现了期货市场的基本经济逻辑，尤其展期收益率与基差因子更具实用价值和稳定性。[pidx::11][pidx::12][pidx::13][pidx::14]

---

5. 持仓变化因子（第4章）

• 持仓变化率定义为各合约总持仓量当前值与R日前值的比率。

- 策略逻辑：买入持仓快速上升品种，卖出持仓下降品种，反映市场参与者情绪强弱。

• 策略对计算窗口参数R较不敏感，但对持仓期H敏感，H增长对应收益上升。

- 最优参数（R=30，H=8周）年化收益6.4%，波动率13.3%，最大回撤19.1%，夏普0.48，风险较高，收益较低，风险调整表现一般。

• 净值曲线（图8）显示部分年份回撤较大，但整体呈现稳定增长趋势。

持仓变化因子作为市场情绪指标，有一定有效性但表现逊色于库存与期限结构因子。[pidx::14][pidx::15][pidx::16]

---

6. 量价因子（第5章）

量价因子基于价格、成交量等统计特征，理论支撑相对薄弱，但在其他市场有一定实证基础。

动量因子（5.1节）

• 定义为过去R日收益率累积，买入过去涨幅高的品种，卖空涨幅低的。

- 展现短期及长期动量效应，最优参数R=220，H=2周。

• 年化收益20.6%，夏普1.23，最大回撤22%，净值图（图9）展现强劲上涨动力，波动与风险较大。

- 动量因子表现不逊于库存类，是重要的统计因子之一。

偏度因子（5.2节）

• 衡量收益分布偏斜，通常投资者偏好负偏度。

- 回测收益低（年化5.1%），夏普0.41，最大回撤26.2%，净值表现不佳，但2016年后有所改善。（图10）

• 收益主要归因于空头头寸。

非流动性因子（5.3节）

• 使用Amihud指标衡量流动性，出乎意料地流动性好的品种获得更高收益。

- 最优参数收益6.4%，夏普0.55，最大回撤24.9%，策略波动大，回撤显著。

• 净值图（图11）显示2016-2017年期间多次大幅回撤。

变异系数因子（5.4节）

• 衡量收益波动率相对于均值的比率，风险溢价及周期性暴露为主要理论支撑。

- 最优参数R=220，H=8周，年化收益13.2%，夏普1.27，最大回撤13.5%，表现优于非流动性和偏度因子。（图12）

特质波动率因子（5.5节）

• 通过回归剔除市场、动量和期限结构的共同影响，计算残差的波动率作为特质波动率。

- 策略做多残差波动较小品种，做空残差波动大品种。

• 最优参数年化收益5.5%，夏普0.4，最大回撤显著，收益较低且波动较大（图13），表现最差，效果有限。

总体来看，量价因子中动量与变异系数较为有效，其他因子波动大且收益有限，反映纯统计特征的因子在国内市场仍有较大提升空间。[pidx::16][pidx::17][pidx::18][pidx::19][pidx::20][pidx::21][pidx::22][pidx::23][pidx::24][pidx::25]

---

7. 宏观因子（第6章）

• 使用CPI同比增长率作为通胀因子，自变量回归系数作为因子值，做多通胀敏感度高品种。

- 使用人民币有效汇率指数日变化率进行回归，构建人民币Beta因子，反映人民币涨跌对期货收益的影响。

• 通胀因子有效期较长（窗口期5年），多头收益达9%以上，但预测能力衰减快，需要谨慎看待。

- 人民币因子收益率表现不稳定，多数参数组合收益为负，表现不足。

• 宏观因子整体表现不佳，未显示出明显超额收益，与市场观点不同，[pidx::25][pidx::26]

---

8. 因子相关性分析（第7章）

• 报告计算11个主要因子截面相关系数矩阵。

- 发现除展期收益率与基差因子高度相关外，其他因子相关性较低，均值相关系数均小于0.2。

• 因子间高度低相关性说明它们可以在组合构建中互补，提高整体策略表现和分散风险。[pidx::26]

---

9. 关键结论与投资建议（第8章）

• 库存和期限结构因子表现最优，经济逻辑清晰，国内外均具有良好收益记录。

- 动量和变异系数等量价因子同样有效，但其他统计型因子（如特质波动率）效果较差。

• 宏观因子未体现明显超额收益，显示宏观因素对短期商品期货价格预测有限。

- 提醒投资者在因子挖掘中应坚持经济逻辑为根本，避免陷入纯统计挖掘陷阱。

• 图14整体收益表现对比充分展示各因子优劣，动量因子领先，仓单变化与仓单水平表现也突出，指数化构建策略时应重点参考这些因子。[pidx::27]

---

三、图表深度解读

图1：商品期货日度成交量（万手）

• 展示2016年1月至2019年6月各期货品种日均成交量，螺纹钢成交最活跃，超过200万手，其次为铁矿石和焦炭。

- 部分品种成交量极低，如棉纱、晚籼稻等，三星流动性。

• 对报价品种设置活跃度筛选标准，剔除成交极少品种，保障回测公平性和实用性。

- 图像体现明显的流动性分布，符合实际市场认识。[pidx::5]

图2：商品期货日度成交额（亿元）

• 同期成交额最高的仍为螺纹钢，年成交额超600亿元，铁矿石、焦炭、原油紧随其后。

- 低活跃度品种成交额不足1亿元，进一步验证筛选策略合理。

• 反映资本在不同商品间分布不均，流动性特征明显，与合约筛选紧密相关。[pidx::6]

图3&4：仓单水平与变化因子策略净值图

• 两个因子净值均呈稳健上升趋势，较其他因子波动更小。

- 回撤（红色竖线）集中但幅度适中，整体呈现良好的风险收益特征。

• 特别是仓单变化因子表现出较高的夏普比率，显示出投资价值。

图5-7：期限结构因子净值图

• 展期收益率因子波动相对适中，净值缓慢增长。

- 基差因子净值趋势更平滑，最大回撤更低，波动率和风险调整收益指标更佳。

• 基差动量因子波动较大，净值曲线起伏明显，风险高于前两者。

图8：持仓变化率策略净值图

• 净值多年的回撤发生集中，尤其是早期和2016年二季度，风险较大。

- 之后净值波动收窄，体现出一定的市场适应性。

图9-13：量价因子策略净值图

• 动量因子净值表现突出，整体平滑上升，但2018年及2019年波动明显，风险不可忽视。

- 偏度、非流动性以及特质波动率均表现不佳，净值曲线波动明显，且回撤较深。

• 变异系数因子相对稳健，表现中规中矩。

- 图形共同反映统计因子在风险控制上仍显不足，需配合其他因子。

图14：CTA因子策略收益汇总

• 多条曲线表现了13个因子的历史累积收益（指数化基准为1）。

- 动量因子（蓝色实线）收益最高，显著领先其他因子，且回撤控制较好。

• 仓单水平（红色实线）和仓单变化（红色点虚线）表现紧随其后，基础因子收益稳健。

- 展期收益率、基差、变异系数等次一级因子显示中等表现。

• 偏度、非流动性、特质波动率等因子曲线平缓，收益有限。

- 此图表生动地总结了因子的收益能力差异，是选择投资组合因子的关键参考。

---

四、估值分析

本报告聚焦于因子有效性测试和收益分析，不直接提供资产价格估值。因此未涉及传统的DCF、市盈率等估值模型，而是依托于风险溢价因子，使用多空组合回测作为策略“估值”和有效性验证方法。多空组合利用因子信号构建多头和空头头寸，年化收益、夏普比率、最大回撤等指标作为风险调整回报的量度，反映因子投资价值。回测中进行多维参数优化，寻找最优持仓周期和信号计算窗口，体现因子收益的敏感范围与稳定区间。这种回测实战导向的估值方式符合CTA策略研究需求。[pidx::7][pidx::27]

---

五、风险因素评估

报告明确回测期内不同行情和周期对因子收益影响显著，如：

• 基本面因子对持仓期参数敏感，短期参数变化可能影响收益，存在模型参数风险。

- 量价因子波动高且回撤明显，存在策略稳定性风险。

• 宏观因子因计算窗口偏长或经济逻辑偏弱，表现不稳，风险溢价机会不明显。

- 交易市场流动性变化导致部分品种风险增加，流动性风险不能忽视。

• 期货品种合约代码及交易规则变更带来历史数据一致性风险，报告通过统一代码方式缓解风险。

- 多头多空组合策略假设市场无摩擦、实现保证金资金完全利用，实际存在滑点和交易成本风险。

报告未详细展开单独风险缓解策略，但通过多因子组合低相关性分析，暗示多因子并举可有效分散单一因子风险。

---

六、批判性视角与细微差别

• 虽然库存和期限结构因子具备坚实理论基础，但市场实际表现仍受消息、政策等非经济因素影响，报告未详细讨论可能的突发风险。

- 量价因子多基于统计学，报告已经指出过度挖掘统计特征效果有限，体现出作者对过度拟合风险的警醒，但未给出具体优化路径。

• 宏观因子因时间跨度长和内涵复杂，策略收益不稳定，报告仅持审慎态度，未进行深入模型调整。

- 报告中多因子持仓策略假设为等权配置且保证金全额，缺少交易费用、滑点等实盘约束考量，可能导致回测结果业绩高估。

• 虽有多参数调优，但部分因子对参数高度敏感，模型稳定性待进一步检验。

- 相关性分析中未提及多因子组合回测，实际组合表现和各单因子收益可能存在差异，组合构建建议相对简略。

尽管如此，报告结构清晰、覆盖全面，保持了学术严谨与市场实用性之间的平衡。

---

七、结论性综合

报告针对中国商品期货市场，系统构建并测试了五大类共13个CTA因子：

• 基本面类（库存、期限结构）因子表现最好，符合经济理论支撑，有较高的年化收益（仓单因子约17%左右），且风险调整后收益率优异（夏普比率超过1.2）。

- 持仓变化因子表现中等，收益较低，波动偏高。

• 量价类因子（动量、变异系数）同样有效，尤其动量因子表现突出，年化收益超20%，虽波动较大但夏普良好。

- 统计弱因子（偏度、非流动性、特质波动率）收益有限且波动大，实用价值有限。

• 宏观因子（通胀Beta、人民币Beta）表现不理想，样本外稳定性差，提示宏观经济因子在现有形式下难以捕捉商品期货风险溢价。

- 因子相关性显示，除极少数情况外，大部分因子独立性强，可组合降风险。

• 报告强调，因子挖掘须立足经济逻辑与市场现实，避免纯统计特征过度拟合风险。

- 图14汇总图清晰展现各因子收益线条，直观对比了因子绝对和相对表现，为投资者因子选择提供有效依据。

总体而言，这份报告为国内商品期货CTA策略的因子筛选和组合构建提供了系统、深入且具有实操价值的分析框架，是商品期货风险溢价因子研究的标杆性作品，具有明显的理论指导意义和市场参考价值。[pidx::0][pidx::27]

---

结束语

本分析基于报告内容及图表，细致解读了每个因子的构建逻辑、理论依据、参数优化及风险回报表现，同时结合图表数据深度分析，剖析了商品期货多种因子的优势与短板，为投资者和研究者深入理解商品期货风险溢价机制和CTA策略设计提供了丰富而全面的参考。

---

附录：核心图表展示（示例）

• — 图1 商品期货日度成交量

- — 图3 仓单水平因子策略净值

• — 图14 CTA因子策略收益汇总

（注：更多图表见正文对应页）

报告