不同合约流动性分析与活跃近月合约定义 [page::3][page::4][page::6]

• 不同品种期货合约流动性差异显著，如豆一期货仅部分月份合约流动性强，苹果期货多月份合约存在活跃流动性。

- 定义“活跃近月合约”为日成交额大于2000万元且距离到期日不少于30天的最早合约，优于传统主力合约选择。

• 表1显示多个品种活跃近月与主力合约一致的比例，表明活跃近月合约更贴合流动性要求。

基差动量因子构建与信号合约测试 [page::5][page::7][page::8]

| 信号合约 | R=20,H=20 | R=100,H=20 | R=220,H=20 |
|-----------------|-----------|------------|------------|
| Main-secondMain | 0.2% | 5.6% | 5.7% |
| Near-secondNear | -0.9% | 7.7% | 10.7% |

• 基差动量因子采用近月-远月合约收盘价收益率差计算，体现期限结构动量特征。

- Near-secondNear作为信号来源优于Main-secondMain，特别在排序期大于100日时表现突出。

• 交易合约为近月时，基差动量策略年化收益最高达12%，夏普比率和Calmar比率约为1.5。

现货-期货展期收益因子与策略表现 [page::10][page::11][page::12]

| 交易合约 | 平均年化收益(%) | 平均夏普比率 | 平均Calmar比率 |
|----------|-----------------|--------------|------------------|
| 主力合约 | 约8.8% | 1.4 | 1.1 |
| 活跃近月 | 约11% | 1.7 | 1.1 |

• 定义现货-期货展期收益（SFRR）因子，结合现货价格更精准反映期现价差收敛。

- 交易活跃近月合约的SFRR策略表现优于主力合约。

• Spot-Future信号下展期收益策略近年来表现更佳，净值图显示自2015年以来净值持续优于Near-Future信号策略。

二因子BM-SFRR策略及多因子策略优化 [page::16][page::18][page::19]

• 二因子信号叠加策略平均年化收益13.6%，夏普比率2.27，Calmar比率2.33，参数敏感性低，收益稳健。

- 四因子策略增设库存同比及二阶增速因子，200参数组测试下年化收益14.3%，夏普2.45，Calmar2.46，优于二因子策略。

• 多参数配置进一步提高策略表现，多因子年化收益14.7%，夏普2.5，Calmar2.6。

多因子策略收益来源与风险提示 [page::20][page::21]

| 板块名称 | 多头占比（四因子） | 空头占比（四因子） | 收益贡献（四因子） |
|----------|-------------------|--------------------|---------------------|
| 黑色系 | 31.0% | 13.5% | 53.1% |
| 农产品 | 24.0% | 40.9% | 38.6% |
| 化工 | 27.4% | 26.6% | 33.5% |

• 收益主要集中于黑色系、农产品、化工品，橡胶、焦炭、棕榈油等贡献突出。

- 风险提示：模型基于历史数据，存在失效风险；市场环境突变影响策略表现。

商品期货 CTA 专题报告（十一）详尽分析报告

---

1. 元数据与报告概览

• 报告标题：商品期货 CTA 专题报告（十一）——信号来源与交易合约选择下的横截面策略改进

- 作者：吴先兴 分析师

• 发布机构：天风证券

- 发布时间：2020年3月26日

• 研究主题：围绕国内商品期货CTA（Commodity Trading Advisor）策略，特别是信号来源选择及期货合约期限结构的优化，聚焦基差动量因子（BM）与展期收益因子（SFRR）两类因子构建，并结合库存数据构建多因子策略，验证活跃近月合约相比主力合约在策略表现中的优势。

核心论点为：
传统的基于主力合约的信号来源未必最优，因国内大部分主力合约为远月合约且价格敏感性不足，本文定义了“活跃近月合约”以兼顾流动性和价格敏感性。经实证验证，采用活跃近月合约作为信号来源和交易合约的基差动量和展期收益策略表现明显优于主力合约，且多因子叠加策略进一步提升收益及稳健性。最终多参数配置下的四因子策略达年化收益14.7%，夏普比率2.5以上，折射出改进后的策略在历史上表现优异且稳健。报告强调模型基于历史数据，随市场环境变化存在失效风险。 [page::0], [page::21]

---

2. 逐节深度解读

2.1 研究背景

• 本文延续前期系列报告构建的横截面策略，但鉴于2019年三季度展期收益等因子失效，导致CTA策略遭遇显著回撤，需从因子构建、信号来源及交易合约三个维度优化。

- 因国内多数商品期货主力合约偏远月，流动性虽好但价格的敏感性和可靠性不足，标准做法主力合约选取存在问题。国外市场更偏好近月合约，价格更敏感。

• 文章目标是挖掘除主力合约之外的合约（尤其是活跃近月合约）价值，构建基差动量和展期收益因子，比较不同信号来源和交易合约的策略表现。 [page::3]

2.2 不同到期日合约的活跃性分析

• 通过对2010年以来不同商品各到期月份合约持仓、成交量统计，发现某些品种主力合约以外的远月合约流动性极差（如豆一期货3、7、11月合约持仓、成交量不足500手），价格不可交易或可靠性低，不能作为信号来源。

- 但部分品种（如苹果期货）多个月份合约都具备较好的持仓和成交活跃度，如苹果7月合约成交量甚至超过主力合约，说明不同品种合约流动性结构差异显著，存在交易和信息利用价值的空间。

• 因此不能简单统一定义交易合约范围，需品种层面解读具体“活跃近月合约”。 [page::3-5]

图表分析

• 图1-2 豆一期货持仓及成交量: 主力合约（1、5、9月）持仓和成交一贯较高，远月（3、7、11月）极低，表明价格流动性不足。

- 图3-4 苹果期货持仓及成交量: 除主力合约外，3、7月等多个远月合约持仓成交活跃，存在有效交易和信号价值。

• 结论：品种差异显著，不能盲目用主力合约替代所有交易，需要自定义“活跃近月合约”以兼顾流动性和价格敏感性。 [page::3-5]

2.3 基差动量策略中的合约选择

2.3.1 基差动量因子定义

• 基差动量因子（BM）衡量近月合约与远月合约收益率之差，是期限结构的动量，能预测近月合约未来收益。构建公式为：

$$
B M{i,t}=\prod{s=t-R-1}^{t}(1+r{i,s}^{T{N}}) - \prod{s=t-R-1}^{t}(1+r{i,s}^{T{F}})
$$

其中近月合约和远月合约收益差，动量计算周期为R。

• 理论依据来自Boons和Prado（2019），该因子较传统基差或动量因子更强，尤其针对近月合约预测能力突出。

- 由于国内近月合约流动性不足，需定义活跃近月合约。 [page::5]

2.3.2 活跃近月合约定义及对比

• 定义活跃近月为：日成交额>2000万元，最近到期，切换规则设定合理保证连续性和流动性。

- 表1显示多品种活跃近月合约与主力合约一致比例不高，少数品种如棉纱、锰硅、锡大概率一致，其他品种平均一致比例普遍在 30%-80%之间，说明不能简单等同。

• 由此可将活跃近月与主力合约分别用作信号源和交易对象测试策略表现。 [page::6]

2.3.3 基于不同信号合约的策略表现

• 采用主力-次主力（Main-secondMain）和活跃近月-次近月（Near-secondNear）两种信号来源计算基差动量因子，对比不同排序期（R）和持仓期（H）的策略表现。

- 表2-表4：
- 在排序期>100日时，两者均表现出显著正收益。
- 近月信号来源 (Near-secondNear) 通常优于主力合约信号来源，表现更稳定。
- 持仓期对结果敏感度较低，5-20日持仓均适用。

• 说明选择活跃近月信号更具投资价值。 [page::7-8]

2.3.4 基于不同交易合约的策略表现

• 再进一步对比交易主力合约与交易活跃近月合约时基差动量策略表现。

- 表5-表7数据明确指出交易近月合约策略表现显著优于交易主力合约，特别是当信号来源也是活跃近月时，年化收益达到12%，夏普与Calmar比率约1.5左右。

• 此外，不同信号来源和交易合约组合均在排序期大于100日时效果较好，对持仓期敏感性不高。

- 由此推荐选用活跃近月合约作为主要交易和信号基准。 [page::8-10]

2.4 引入现货价格的展期收益策略

2.4.1 现货—期货主力展期收益因子（SFRR）

• 充分考虑商品现货的产销特征、交割标准与替代品要求、期现货价格收敛性及数据可得性，梳理出39个样本品种（排除现货指数欠缺品种），并对部分现货价格指标做校正处理。

- SFRR定义为：

$$
\mathrm{SFRR}{t} = \frac{P{S,t} - P{F,t}}{P{F,t}} \times \frac{365}{T{F,t}}
$$

其中$P{S,t}$为现货价格，$P{F,t}$为期货主力合约价格，$T_{F,t}$为该合约到期期限，体现年化的现货升贴水。

• 不同于传统用近月合约代替现货，真实现货定价的介入有望提升策略信号有效性。 [page::10]

2.4.2 不同交易合约下SFRR策略表现

• 20-260日排序期，5-20日持仓期测试交易主力和活跃近月策略。

- 表8-10显示：
- 交易主力时收益表现最佳在40-100日排序期，年化约8.8%，夏普1.4，Calmar 1.1；
- 交易活跃近月策略更优，收益更高且稳健，整体对参数敏感性低，140日以内排序期平均年化11%，夏普1.7，Calmar 1.1。

• 交易合约对策略表现影响巨大，活跃近月更优选择。 [page::11-12]

2.4.3 不同信号来源下展期收益策略表现

• 对比真实现货-主力合约（Spot-Future）信号与近月-远月主力合约（Near-Future）信号展期因子策略表现。

- 表11-13、表14显示：
- 两信号均显示交易活跃近月优于主力合约交易；
- 策略整体表现较为接近，排序期<140日，Spot-Future策略年化约11%，Near-Future约11.6%；Near-Future收益略高，Spot-Future回撤更低。
- 2015年后Spot-Future信号下表现优势明显（图5）。

• 现实现货价格的引入对于提升后期表现有积极作用。 [page::12-15]

2.5 基差动量与展期收益策略对比

• 期限结构动量（BM）和展期收益（SFRR）因子反映期限结构的不同特征，理论上具有相反逻辑（前者针对趋势，后者依赖收敛），但实测均表现稳健且收益显著。

- 按有效排序期分析，BM策略最优排序期在100日以上，中长期趋势显著；SFRR策略最优排序期为20-100日，中短期信息主导。

• 两策略日收益相关度低，0.27-0.37平均0.34，存在较好组合潜力。

- 表15显示不同排序期组合下相关系数稳定。 [page::15]

2.6 多因子策略表现

2.6.1 BM-SFRR二因子策略

• 选用信号叠加法组合基差动量（100-240日排序期）和现货展期收益因子（20-100日排序期），以活跃近月作为交易合约。

- 40个参数组下，5日持仓期策略年化收益13.6%，夏普2.27，Calmar 2.33，表现稳健且参数敏感性低。不同持仓期（5、10、20日）表现差异不大。

• 多路径测试（图6-7）表明策略路径依赖较小，收益和夏普保持较高。

- 显示多因子叠加组合明显优于单因子策略。 [page::16-17]

2.6.2 纳入库存因素的四因子策略

• 库存因子包括库存同比增速和库存二阶增速，数据来源及计算见系列报告十。

- 结合Near-SecondNear基差动量因子、Spot-Future展期收益因子、库存二维增速构建四因子策略。

• 一周持仓期间，200参数组下策略年化收益14.3%，夏普2.45，Calmar 2.46，参数敏感度低，稳健性出色。

- 四因子策略相比二因子策略整体收益和稳健性均有显著提升（图8、9）。

• 多参数配置下，年化收益进一步提升至14.7%，夏普最高2.5，Calmar最高2.6，分年度表现稳定优异（表18），信号来源主要来自黑色系、农产品和化工品（表19-20）。 [page::17-20]

---

3. 图表深度解读

• 图1、2（豆一期货流动性分析）：说明部分月份合约几乎无交易，确认主营合约流动性集中，剔除低流动性数据避免信号误导。

- 图3、4（苹果期货流动性分析）：显示多个月份合约均具有显著流动性，判定对多合约交易策略有现实可能。

• 表1：定量比较活跃近月合约与主力合约一致比例，展示两类合约的区别，活跃近月合约被证明与主力合约不完全重合。

- 表2-4：基差动量因子在不同信号源下的年化收益、夏普和Calmar比率，反映近月信号来源优势。

• 表5-7：交易合约选择对基差动量策略性能的影响，活跃近月交易合约验证收益与风险调整后表现优于主力合约。

- 表8-10：SFRR展期收益策略在主力和活跃近月交易合约下的对比，确认活跃近月合约优势。

• 表11-14、图5：现货-主力信号与近月-远月信号比较，细化信号来源优劣及分年度表现突显实际现货价格信号优势。

- 表15：基差动量与展期收益策略无高相关性，理论反向逻辑在实际操作中表现为策略互补，支撑多因子构建。

• 表16、图6-7：BM-SFRR二因子策略强劲表现，低参数敏感性，路径依赖问题有限。

- 表17、图8-9：叠加库存四因子策略性能进一步提升，夏普、Calmar指标高于二因子。

• 表18、19、20：多参数配置下多因子策略年化收益和风险指标优异，分年度表现稳健，黑色系、农产品和化工品贡献显著。

---

4. 估值分析

报告未涉及传统公司估值模型或财务估值，但从策略研究层面而言，策略优劣主要通过业绩表现指标衡量：

• 收益指标：年化收益率

- 风险调整后指标：夏普比率（衡量单位风险收益率）、Calmar比率（年化收益与最大回撤比率）

• 参数敏感性：多参数测试表现稳定，提示模型的鲁棒性

- 路径依赖：多路径测试表明策略表现对历史路径敏感度低，便于推广应用。

---

5. 风险因素评估

• 历史数据有限与失效风险：如报告开头强调，模型基于历史数据训练，未来市场环境突变可能导致策略失效。

- 市场环境突变：宏观政策、供需结构、资金流配置等变化可能影响因子有效性。

• 流动性风险：虽然定义了活跃近月合约，但实际交易中行情剧烈波动会影响流动性，增加冲击成本。

- 数据质量风险：现货价格及库存数据依赖于公开数据和特定替代指标，数据误差或延迟可能带来信号偏差。

• 策略杠杆风险：假设无杠杆及无现金收益，如实际操作带杠杆或资金管理不当，风险可能放大。

- 模型参数依赖：虽经多参数测试敏感性较低，但参数设定仍影响表现，参数调整需谨慎。

报告未明显提供风险缓释策略，但交易多参数覆盖及多因子组合策略实质上是降低模型单因子的系统风险的一种防控方式。 [page::0], [page::21]

---

6. 审慎视角与细微差别

• 报告中存在对“活跃近月合约”定义的主观判断，日成交额门槛及切换规则可能影响因子构建和交易的敏感性，应留意定义参数对结果的潜在影响。

- 现货价格的选取及替代品定价修正，虽基于实际业务经验，但存在一定人为调整，可能弱化因子纯粹性，影响策略稳定性。

• 信号叠加法的权重设计虽符合逻辑，但不同因子的信号强度权重可能需进一步优化，当前方法相对粗糙。

- 多参数组合带来稳定性提升，但也可能掩盖部分参数下因子潜在风险或失效风险，需监控因子表现的动态变化。

• 报告未充分讨论交易成本（如滑点、税费等）对策略表现的影响，实际执行时可能收益降低。

- 策略更多针对整体CTA策略优化，文中少涉及某类商品个性化风险，如黑色系与化工品差异较大可能需要进一步细分。

• 对策略的回测区间限定于2010至2020年，历史表现不能保证未来，尤其2019及2020年发生重大市场异常（如疫情），报告中未具体分析经济周期变动对策略影响。 [page::21]

---

7. 结论性综合

本文针对国内商品期货CTA信号及交易合约选择问题，系统构建了活跃近月合约概念，以克服传统主力合约因价格敏感性不强产生的缺陷。实证数据显示：

• 活跃近月合约涵盖更高流动性且保有价格敏感性，优于传统主力合约。

- 基差动量因子（BM）在近月信号来源与交易时，表现优于主力合约信号，排序期大于100日时年化收益超过12%，夏普和Calmar均较高，风险调整后效果出色。

• 引入现货价格构建的展期收益因子（SFRR），在近月交易合约条件下，同样显示出优异表现，并且真实现货价格信号尤其在近年表现更佳。

- 基差动量因子与展期收益因子相关性较低，策略互为补充，组合效果明显提升。

• BM-SFRR二因子组合策略在多参数测试和多路径情形下稳健性极佳，年化收益平均达13.6%，夏普超2，Calmar达2.3以上，表现卓越。

- 进一步叠加库存二维增长因子，形成的四因子策略在200个参数组中依然表现稳健，年化收益14.3%，夏普2.45，Calmar 2.46，优于二因子组合，且收益主要来源于黑色系、农产品和化工品。

• 多参数综合配置进一步提升策略收益和稳健性，年化收益提升至14.7%，夏普与Calmar比率分别高达2.5和2.6。

- 产业链和品种贡献显示黑色系/农产品/化工品是策略贡献重点板块，且策略多头空头配置合理，能够捕捉不同商品价格波动。 [page::21], [page::19-20]

总体来看，本文通过细致的合约选择和信号因子构建，突破了国内商品期货CTA策略受限于主力合约价格敏感性不足的瓶颈，提出的多因素稳定组合策略显著提升了收益和风险调整后表现，策略设计科学严谨，实证数据充分，具备极高的应用价值。

---

结语

本报告深入分析了基差动量与展期收益两个核心期限结构因子的构建与信号来源的选择，明确指出活跃近月合约在国内商品期货CTA策略优化中的关键作用。结合现货价格的展期收益因子与库存数据，多因子叠加进一步稳健策略表现，为量化CTA策略提供了有效的改进路径与实证依据。投资者和相关从业者可据此调整策略设计，加强品种合约的精准选择，提升风险控制能力。需要注意的是，因市场环境多变，策略的历史优异表现不代表未来收益保障，继续监测因子有效性和调整参数配置至关重要。

---

参考文献

• Boons, M., & Prado, M. P. (2019). Basis-momentum. The Journal of Finance.[page::21]

---

图片示例

图 1：豆一期货（A）不同到期月合约随到期日的平均持仓变化


图 5：2015年以来不同信号来源下交易近月的展期收益策略净值（R=80，H=20）


图 8：BM-SFRR策略与叠加库存的四因子策略平均年化收益对比


图 9：BM-SFRR策略与叠加库存的四因子策略平均夏普比率对比


---

以上为本报告之详尽分析。

报告