交易标的与数据区间说明 [page::4]

• 研究标的涵盖国内期货交易所流动性较优40个品种，涵盖黑色、有色、能源、化工、软商品及农产品类别。

- 回测区间为2009年12月31日至2022年3月15日，采用主力合约日内含夜盘的复权价格序列。

• 权重加权方式包括等货值和等资金两种，采用分层回测法构建多空组合。

横截面动量因子构建与回测 [page::5][page::8]

• 动量因子定义为过去J天收益率，回测考虑不同回看期J、持仓期K及滞后期L，构建从高到低20%多头组合与20%空头组合。

- 动量因子滞后3日执行策略效果最佳，年化收益最高达7.2%，夏普比率0.97，明显规避短期反转效应，体现较强多头持续性。

• 不滞后时短期呈反向指标，长期动量效应显著；滞后后整个回看期均为正向指标，提升因子有效性。

动量因子有效性检验：RankIC与RankICIR指标表现 [page::9][page::10]

| 回看期J | 1日滞后RankICavg | 3日滞后RankICavg | 1日滞后RankICIR | 3日滞后RankICIR |
|---------|--------------------|--------------------|-------------------|-------------------|
| 1 | -0.009 | -0.010 | -0.034 | -0.035 |
| 3 | -0.017 | 0.006 | -0.057 | 0.022 |
| 5 | -0.015 | 0.011 | -0.050 | 0.039 |
| 10 | -0.001 | 0.014 | -0.003 | 0.051 |
| 15 | 0.003 | 0.017 | 0.011 | 0.061 |
| 21 | 0.012 | 0.023 | 0.040 | 0.080 |

• 滞后3日的动量因子展示更强的预测能力和稳定超额收益捕获能力。

高阶中心矩类因子策略回测综述 [page::11][page::28]

• 包括波动率（二阶矩）、偏度（三阶矩）和峰度（四阶矩）因子，采用5分钟高频数据进行分层回测。

- 波动率因子表现较弱，年化收益一般低于2%，且有效性波动较大。

• 偏度因子整体表现平庸，但拆分后发现：

- 上行偏度因子具有显著负向选期能力，最佳参数时年化收益5.5%，夏普0.90。
- 下行偏度因子表现弱，且为正向指标。
- 偏度因子整体为反向指标，反映负偏收益品种可产生超额收益。

• 峰度因子表现最佳，稳定性强，年化收益最高6.0%，夏普比率0.95，为负向指标。

- 上下行高阶矩子因子同向增强整体因子效果，反向则削弱。

量化因子详细构建示例：动量及高阶矩因子步骤总结 [page::6][page::12][page::16][page::22]

• 动量因子计算公式： \( X S M o m{t}=\frac{P{t}-P{t-J}}{p{t-J}} \)

- 高阶中心矩因子计算基于5分钟收益率序列，包括标准差（波动率）、三阶中心矩（偏度）、四阶中心矩（峰度）。

• 每日计算后取回看期均值，或将所有5分钟数据直接计算，高频数据显著提升回测效果。

- 采用5组分层排序法，多空构建组合，分等货值与等资金加权。

策略回测风险提示及适用范围 [page::0][page::28]

• 回测未扣除交易成本等实际费用，结果仅供策略测试与举例，不构成投资推荐。

- 策略适用国内期货交易所高流动性品种，基于历史数据理论回测。

期货多因子系列（一）：动量及高阶矩因子在商品期货截面上的运用 ——详尽分析报告解构

---

一、元数据与概览

• 报告标题： 期货多因子系列（一）：动量及高阶矩因子在商品期货截面上的运用

- 作者与发布机构： 中信期货有限公司，金融工程研究团队（研究员张革）

• 发布时间： 报告页码显示涵盖至2022年3月15日，具体发布日期未详，但时间范围可推断为近期。

- 研究对象： 中国期货市场中40个主要商品期货品种（日度及5分钟级别数据）。

• 核心主题： 研究并回测横截面动量因子及高阶中心矩因子（波动率、偏度、峰度）在商品期货市场的表现，探讨因子构建、有效性及实证表现。

- 核心论点：
- 动量因子在期货市场表现出显著的月度动量效应与短期反转效应，通过滞后3日执行，策略表现明显改善，年化收益率最高达到7.2%，夏普比率0.97。
- 高阶矩因子中，波动率因子选期能力有限；偏度因子整体表现中等，但上行偏度因子的负向选期能力较强（年化5.5%，夏普0.90）；峰度因子表现最好，负向选期能力稳定优秀（年化6%，夏普0.95）。
- 上下行高阶矩因子间的同向或反向关系显著影响整体高阶矩因子的表现。

• 风险提示： 回测策略仅为示范，非投资建议。

---

二、逐节深度解读

1. 研究标的与数据说明

• 品种选择： 包含黑色、有色、能源、化工、软商品、农产品共40个流动性较好的期货品种，涵盖了绝大多数国内主流期货，确保代表性和广泛适用性。

- 数据区间及处理：
- 时间跨度从2009年12月31日至2022年3月15日，回测覆盖近12年完整市场周期。
- 主力合约选择标准为成交量与持仓量最大合约，数据包括日盘和夜盘，夜盘收益统一计入次日，处理方式合理确保价格序列连续。
- 价格序列为复权处理，采用向后乘数复权方法调平主力合约切换时价格跳空情况，也指出复权方法的潜在浮点误差。

• 组合加权：

- 采用分层回测法，权重两种方式：等货值（等权）与等资金（按保证金倒数加权，资金敞口平衡）。
- 这种对比有助理解权重对因子效果的影响。

2. 横截面动量因子分析

• 动量效应简介： 参考经典Jegadeesh-Titman模型，动量效应指表现好的品种持续表现好，表现差者持续表现差。该效应已广泛验证于股票及其他市场。

- 策略构建：
- 跟随经典策略设置回看期J、持有期K和滞后期L。
- 由于期货品种不如股票种类多，分为5组，取前20%做多，后20%做空。
- 采用等货值和等资金两种组合构建方法。
- 探索滞后期从0至5天，发现滞后3天效果最佳。

• 回测效果（表格2、3）：

- 不滞后时效果较弱，有短期反转；滞后3日执行显著提高表现，年化收益率最高达7.2%，夏普比率0.97。
- 不同加权方式差异不明显，略有侧重等货值表现更优。

• 动量因子有效性检验（IR与IC指标）：

- 使用RankIC和RankICIR（斯皮尔曼秩相关），克服因子值幅度差异影响。
- 不滞后时因子有效性较低且多为负向，滞后后有效性提升，且回看期越长效果越佳，印证动量效应和滞后执行规避短期反转的逻辑。

• 图表示例（图1、图2、图3、图4）：

- 图1与图2分别展示不滞后与滞后3日下的净值增长曲线，滞后3日多空组合曲线明显更平滑且收益更高。
- 图3、图4展示不同回看期RankIC累积，滞后3日组整体趋势显著走高。

3. 高阶中心矩类因子

（一）因子简介

• 波动率因子（2阶矩）： 衡量收益率波动幅度，传统视为风险指标，通常为负向指标。

- 偏度因子（3阶矩）： 衡量收益分布不对称性。正偏（右长尾）代表极端大收益可得，负偏（左长尾）代表极端大亏损。偏度因子一般表现为反向指标，投资者偏好正偏资产。

• 峰度因子（4阶矩）： 衡量分布峰尖程度，与波动率关联紧密。高峰度分布尾部肥厚，风险较大，低峰度代表收益相对集中和稳定。

（二）策略实证与数据处理

• 使用5分钟高频数据更精准捕捉市场动力。

- 两种计算方式对比，最终采用直接计算回看期内所有5分钟收益率的高阶矩指标，因其更符合实际操作且效果更佳。

• 分层排序构建多空组合，等货值和等资金加权均采用。

- 进一步拆分收益率为正（上行）与负（下行）分别计算因子，探究双向行为。

（三）波动率因子

• 回测效果（表6-8）： 年化收益率普遍偏低，夏普较小，表现最优的参数仅2.3%的年化收益且夏普0.26，整体效果不足以作为强信号。

- 因子有效性（表9，图7-9）： RankIC波动较大，周期内由反向指标转为正向指标，整体预测能力弱且不稳定。

• 上下行分布特征： 上行波动率表现趋于弱负向，下行波动率表现稍见正向选期能力但均较弱。

（四）偏度因子

• 回测结果（表10-12，图10-12）：

- 整体偏度因子表现一般，作为反向指标短期表现好，年化收益率及夏普比率中等偏上。
- 上行偏度因子表现较好，年化5.5%，夏普0.90，成为偏度因子中的主要驱动力。
- 下行偏度因子正向效果较弱。

• 有效性检验（表13，图13-15）：

- 偏度因子整体有效性较低，且为反向指标。上下行偏度因子表现差异明显，上行偏度有效性增强。
- 预测能力对回看期参数敏感性不大。

（五）峰度因子

• 回测结果（表14-16，图16-18）：

- 峰度因子表现最佳，年化收益率最高6%，夏普0.95，且短期内参数表现较稳。
- 上行峰度表现接近峰度因子整体，略逊于后者，尤其长回看期后效果不及整体峰度因子。
- 下行峰度表现较弱。

• 有效性检验（表17，图19-21）：

- 峰度因子整体为反向指标，且其预测能力和稳定性高于波动率和偏度因子。
- RankIC显示峰度因子与其上行峰度因子表现接近，下行峰度则表现分散且弱。

（六）上下行高阶矩因子间的关系

• 研究发现，若上下行高阶矩因子同向（均表现为正或负指标），整体高阶矩因子回测效果更好。反之，若上下行因子为反向指标，则整体因子效果被削弱。

- 偏度因子中，上行偏度因子为优秀反向指标，下行偏度为正向指标，两者相抵削弱整体表现。

• 峰度因子中，下行峰度因子短期为正向指标，后转为反向，随着时间增长整体表现增强，峰度因子整体在长周期取得更优效果。

---

三、图表深度解读

动量因子图表（图表1、2）

• 两图均为等货值加权下，不滞后与滞后3日的多空组合净值增长曲线。

- 不滞后执行时（图1），多空组合净值起步后即出现较长时间的下跌，显示短期反转风险较大，多空组合表现不佳。

• 滞后3日执行时（图2），净值曲线整体稳健上行，表现大幅优于不滞后执行，说明延迟交易策略有助于规避短期回撤风险，捕捉真实动量效应。

动量因子RankIC趋势（图3、4，表4、5）

• RankIC作为因子与未来收益秩相关度的累计指标，曲线明显反映因子的预测能力。

- 不滞后时（图3）RankIC 处于负区间并波动剧烈，说明因子短期内表现为反向预期，且预测力弱。

• 滞后执行（图4）后，RankIC转为正向且平稳积累，证实滞后机制加强了动量因子的预测稳定性。

高阶矩因子分布示意图（图5、6）

• 图5清晰展示正偏与负偏的定义，方便理解偏度因子的统计性质。

- 图6则直观表现尖峰与低峰的峰度特性，便于把握峰度因子风险含义。

波动率因子表现相关图表（图7-9，表6-9）

• 年化收益率与夏普均较低，回测效果不佳。

- RankIC图连续震荡，改变量显著性不足，表现波动随时间起伏，对作为选期指标意义有限。

偏度因子相关图表示例（图10-12，表10-13）

• 上行偏度因子回测表现最佳，净值增长稳定且收益超过5%。

- 相关RankIC指标表现虽不突出，但趋势较波动率因子稳定，夏普值较高，说明一定程度上具有反向选期能力。

• 下行偏度因子表现波动较大，正向选期能力有限。

峰度因子相关图表示例（图16-18，表14-17）

• 峰度因子表现稳健，回测净值表现优于前两者，夏普比率高，且在各种参数下均显示稳定性。

- 上行峰度因子表现相近但无明显优势，且长回看期效果略逊于整体峰度因子。

• 下行峰度因子效果明显较弱。

- RankIC图显示峰度因子回看期10天以上期间具备更强稳定的预测能力。

---

四、风险因素评估

• 报告明确指出所使用的回测仅为历史模拟（回溯），并未加入交易成本、冲击成本等实际应用中关键的交易费用因素，提示实际应用时可能获得的超额收益会受到大幅削弱。

- 多因子策略未进行组合优化，采用单因子分层排序，无法排除因子间相互暴露干扰，后续有风险因子共线性和多因子模型稳定性需注意。

• 数据质量及处理方式（如复权因子的浮点误差）也可能对结果产生一定偏差。

- 未讨论市场结构变化、政策风险等外部环境对因子失效的可能影响。

---

五、估值与模型分析

• 本报告主要为策略回测性质，无估值分析。

- 因子构建基于经典财务统计指标与时间序列回测，未涉及DCF、P/E等估值方法。

• 采用的金融指标（IC、IR、RankIC、RankICIR）均为因子有效性验证的统计学工具，明确计算公式与经济解释，体现出专业研究的严谨性。

---

六、批判性视角与细微差别

• 因子有效性差异

该报告发现动量因子和峰度因子表现最佳，偏度因子表现一般，波动率因子效果最弱。值得注意的是，偏度因子整体为反向指标，但拆分后上行偏度与下行偏度方向相反。这一复杂行为可能导致因子间互相抵消，需要进一步多因子联合检验。

• 滞后处理的启示

动量因子滞后执行显著提升效果，暗示短期市场噪声（新闻、投机）对超短期策略有扰动，实际操作中考虑滞后因素十分必要。

• 单因子回测限制

报告中多次强调回测为单一因子排序法，未剔除潜在因子共线，回测效果可能被其他未观察因子影响，减弱因子的纯粹性。多因子联合模型将在后续研究中探讨。

• 缺少交易成本和流动性影响考量

尽管提及未来计划考虑成本，当前报告未考虑。实际应用中，频繁交易和高换手因应带来显著交易费用，盈利能力或大幅缩水。

• 因子稳定性问题

RankIC等指标波动说明部分因子预测力不足，策略实际持有期应谨慎设计，避免因子失效阶段亏损。

---

七、估值及结论性综合总结

本报告对中国期货市场40个主流水商品品种，基于2009年至2022年间的日频与5分钟高频数据，系统回测了横截面动量因子及高阶中心矩因子，包括波动率、偏度、峰度及其上下行拆分因子。研究发现：

• 动量因子表现突出，滞后3日执行功能显著提升策略表现，有明显的月度动量效应和3-5天短期反转特征，滞后3日时，回看期23天，持仓1天时年化收益率高达7.2%，夏普比率0.97，极具实操价值。

- 高阶矩因子中峰度因子表现最佳，稳定性及选期能力突出，年化收益6.0%，夏普0.95，表现优于偏度和波动率因子。偏度因子整体效果一般，但拆分后上行偏度因子负向指标性能显著，体现了一定的反向选期潜力。

• 波动率因子效果较弱，年化收益率和夏普均不理想，且RankIC指标不稳定，不足以作为单独的选期因子。

- 上下行高阶矩因子之间的关联性对整体高阶矩因子表现影响显著，同向增强逆向削弱，显示多因子模型开发应充分考虑因子结构及相互作用。

• 本研究采用单因子分层回测法，未考虑交易成本，且因子可能存在相互暴露，回测结果提供了因子潜力而非最终投资建议。

- 风险提示明确，市场波动、成本因素及市场结构变化均可能影响策略在实际中的表现效果。

综上，本报告以严谨的数据和实证测试，揭示了中国期货市场动量及高阶矩因子有效性，为后续多因子模型构建与实盘应用提供了重要参考，尤其动量滞后策略与峰度因子显示出良好的投资价值和策略稳定性，是值得重点关注的研究方向和投资工具。[page::0,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28]

---

主要图表示例

1. 动量因子净值走势图

- 图1（不滞后，等货值）：多空组合净值自2010年至2022年稳步提升，滞后执行前表现稍弱。
- 图2（滞后3日，等货值）：多空组合净值显著优于不滞后，反映滞后规避短期反转大幅提升收益。

1. 动量因子RankIC累积走势图（不滞后和滞后）

- 滞后3日RankIC呈持续上升趋势，表明因子稳定获得超额收益能力强。

1. 偏度因子及上行偏度因子净值图

- 上行偏度因子具备较好负向选期能力，策略收益稳健。

1. 峰度因子净值图

- 峰度因子稳健增长，策略效果优于偏度和波动率因子，具备较优的超额收益。



以上均来源于中信期货研究所Wind数据的回测结果。

---

总结提示：本报告全面剖析动量及高阶矩因子在中国期货市场的表现和有效性，采用严谨多样的统计指标和高频数据，提出滞后执行与因子拆分的创新应用视角，为量化投资策略提供有力支撑与后续研究基础。实际投资应用时，应结合交易成本、市场结构及多因子整合进一步测试和优化。[page::0,4-10,11-28,29-38]

报告