CTA因子构建框架与回测流程 [page::0][page::4][page::7]

• 构建基于基本面特征（库存、期限结构、持仓）、量价统计规律和宏观经济影响的5类13个因子。

- 回测期间为2010-2019年，采用分组方法买卖因子值极端组合，调优因子计算窗口和持仓周期。

• 采用主力合约数据，剔除流动性差品种，确保数据有效性与策略可交易性。

库存因子绩效显著 — 仓单水平因子 [page::7][page::8][page::9]

| 持仓期H \ 窗口期R | 1周 | 2周 | 3周 | 4周 | 5周 | 6周 | 7周 | 8周 |
|------------------|-------|-------|-------|-------|-------|-------|-------|-------|
| 110 | 11.3% | 10.7% | 13.3% | 12.5% | 13.4% | 9.4% | 17.8% | 17.0% |

• 仓单水平因子最优参数（R=110，H=7周）下年化收益17.8%，夏普比率1.23，最大回撤-9.3%。

- 多头组合贡献盈利主力，组合降低最大回撤，表现稳健有效。

期限结构因子表现优异 — 基差与展期收益率 [page::11][page::12][page::13]

• 基差因子持仓6周时年化收益达14.8%，夏普1.73，最大回撤7.7%。

- 展期收益率因子同样表现良好，持仓6周年化收益12.5%，夏普1.43，最大回撤12.9%。

量价类因子中动量和变异系数表现较好 [page::16][page::18][page::22][page::23]

• 动量因子最优（R=220，H=2周）年化收益20.6%，夏普1.23，最大回撤22%，体现长期动量效应。

- 变异系数因子（R=220，H=8周）年化收益13.2%，夏普1.27，最大回撤13.5%，符合风险溢价逻辑。

宏观因子表现低迷，量价中的偏度、非流动性和特质波动率因子收益有限 [page::20][page::21][page::24][page::25]

• 通胀因子虽有正向预测逻辑，但窗口期极长且实证表现有限，策略收益偏低。

- 人民币汇率因子多数参数组合收益为负，未体现显著超额回报。

• 偏度、非流动性、特质波动率因子表现较弱，夏普均低于1，特别是特质波动率因子正收益较低。

因子相关性分析与组合构建建议 [page::26]

• 11个因子截面相关系数普遍较低（均值小于0.2），除展期收益率与基差高度相关外。

- 因子独立性强，组合可综合多因子贡献提升有效性。

综合结论与投资建议 [page::27]

• 库存类（仓单水平、仓单变化）和期限结构类因子逻辑明确、收益稳定，适宜重点关注。

- 量价类动量与变异系数因子为有效的统计特征因子，表现优于其他量价因子。

• 宏观相关因子及特质波动率因子表现较弱，需谨慎使用或进一步改进。

- 建议CTA策略构建坚持经济学逻辑，避免过度统计挖掘，提高策略稳健性。

1. 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： 申万宏源研究
发布日期： 2019年11月12日
研究主题： 本报告聚焦于中国商品期货市场，旨在构建并实证检验多类别（基本面特征、统计规律、宏观相关）下共5类13个CTA因子，发掘基于风险溢价的可交易因子策略。报告系统性地分析了商品期货市场的库存、期限结构、持仓变化、量价及宏观因子，运用分组回测方法验证其收益效果和风险指标，从而提炼有效的期货策略模型。

核心论点总结：
报告发现库存类因子（仓单水平、仓单变化）和期限结构因子（展期收益率、基差）表现最佳，因其有成熟经济理论支撑且在中外市场均显示良好收益。量价类因子中，动量与变异系数因子较为有效，但统计特征因子如特质波动率在国内市场效果有限。宏观因子（通胀Beta和人民币Beta）并未提供显著超额收益，提示宏观因素短期内解释力有限。整体结论强调因子挖掘需基于经济逻辑，过度挖掘统计特征所获因子表现较差。

2. 逐节深度解读

---

2.1 策略介绍与研究方法（引言部分）

报告首先介绍中国商品期货市场品种数量及流动性提升背景，强调商品期货在多样化资产配置中的重要地位。报告基于国外文献和中国市场实际情况，选择了5大类13个因子，包括库存（仓单水平、仓单变化率）、期限结构（展期收益率、基差、基差动量）、持仓变化率、量价特征（动量、偏度、非流动性、变异系数、特质波动率）及宏观相关因子（通胀Beta、人民币汇率Beta）。

回测方法采用分组回测，依据因子值分五组，构建前20%与后20%的多空组合，使用等权配置和100%保证金比例。调优参数包括因子构建的窗口期R和持仓周期H，以夏普率和年化收益为主要选优指标。本流程确保因子策略的有效性及稳定性检测。

---

2.2 合约筛选和数据处理（第1.1节）

主力合约采用持仓量最大合约确定，确立了主力合约切换规则（当其他合约持仓超过1.1倍主力合约时切换），确保数据连贯性。以成交量（图1）和成交额（图2）排除流动性差的10个品种，保证组合构建于活跃品种池。最终回测覆盖42个品种，涵盖化工、黑色、有色金属、贵金属、农产品五大类别（表2），全面代表国内期货市场。

特殊处理如交易单位和代码变更，统一采用最新代码，保障回测数据一致性。

---

2.3 期货库存类因子（第2节）

期货库存理论基础来自持有成本模型，库存量通过交易所注册仓单代理。库存水平对期货价格影响深远，因交易所仓单数据及时、准确，故采用该指标构建仓单水平因子（当前仓单与R日均值比）和仓单变化率因子（当前仓单与R日前仓单比）。策略均采用反向逻辑：仓单少（库存紧张）预示价格上升，故做多低库存品种，做空高库存。

• 仓单水平因子表现（表3、表4）： 持仓期7-8周，窗口期R=110天为最佳，年化收益率达17.8%，夏普率1.23。净值图（图3）显示因子长期稳健增值。

- 仓单变化因子表现（表6、表7）： 参数敏感性较大，但整体呈上升趋势，最优R=110，H=8周，年化收益17%，夏普1.45。净值图（图4）同样体现因子长期正效应。

• 右侧表5和表8显示，多头组合贡献收益较大，空头组合收益为负，做多低水平和低变化因子值品种更具效益。多空组合大幅降低最大回撤，提升风险调整后收益。

---

2.4 期限结构因子（第3节）

期限结构因子基于远期价格理论，涵盖展期收益率、基差和基差动量，反映近月与次近月合约的价差和累积收益率差异。

• 展期收益率因子（表9）： 持仓6周表现最佳，年化收益12.5%，夏普1.33，净值图（图5）显示波动中整体增长趋势较好。

- 基差因子（表11、表12）： 6周持仓期为佳，年化收益14.8%，夏普1.73，表现更稳健，最大跌幅7.7%远小于展期收益率因子，图6净值曲线较平稳。

• 基差动量因子（表13、表15）： 收益虽然低于基差与展期因子，但仍显著正收益，最优参数为R=50天，H=5周，年化7.7%，夏普0.68，净值图（图7）呈缓步上升，但波动与回撤偏高，表现相对不稳定。

---

2.5 持仓变化率因子（第4节）

持仓变化率反映投资者交易活跃度及情绪，因子策略为持仓变动率高品种做多，低品种做空。数据表16-17显示持仓期H选择对收益影响更大，窗口期R敏感性较低。
最优参数（R=30天，H=8周）下年化收益6.4%，夏普0.48，净值图（图8）反映策略经历2010年较大回撤后趋于稳定。整体收益较温和，风险控制一般。

---

2.6 量价因子（第5节）

量价因子涵盖动量、偏度、非流动性、变异系数和特质波动率5个指标，侧重统计特征。

动量因子（第5.1节）

通过考察主力合约过去R日收益率测量，其收益持续性被广泛验证。多参数实验表19-20揭示短期（R<=40）和长期动量（R>100）同时存在，最优组合为R=220天，H=2周，年化收益20.6%，夏普1.23，最大回撤22%，净值图（图9）显示稳健增长。动量因子为表现最佳的量价类因子。

偏度因子（第5.2节）

依据投资者偏好负偏度资产的观念，构建偏度因子反向策略。但回测结果（表22-23）显示，整体收益不高且回撤较大，最优参数（R=20，H=8周）年化收益仅5.1%，夏普0.41，净值图（图10）波动显著，表明偏度因子解释力有限且不稳定。

非流动性因子（第5.3节）

应用Amihud ILLIQ指标，衡量流动性。流动性好（指标高）者预期收益更好，策略做多表现良好品种，卖空流动性差品种。回测中最优参数（R=25天，H=3周）年化收益6.4%，夏普0.55，净值图（图11）显示收益波动，中期回撤显著，但整体保持正收益。

变异系数因子（第5.4节）

用收益波动率与收益均值比率衡量波动性，理论上波动性大提供风险溢价。实验显示较高变异系数对应更高收益，最优R=220，H=8周年化收益13.2%，夏普1.27，最大回撤13.5%，净值图（图12）均衡增长，表现优异。

特质波动率因子（第5.5节）

基于回归动量、基差和商品市场收益残差年化波动率构建，策略做多低特质波动率品种。其收益较小，正收益存在且不稳定，最优参数组（R=20天，H=1周）年化收益5.5%，夏普0.4，最大回撤18.7%，净值图（图13）波动较大，效果较弱。

---

2.7 宏观因子（第6节）

测试CPI通胀增长率和人民币汇率对期货收益影响，分别构造通胀Beta和人民币Beta因子。

• 通胀因子： 控制5年以上长窗口表现较好（R=1250天），多头组合年化收益超过9%，但计算窗口过长，说明其影响力有衰减且解释力不强，实用性有限。

- 人民币Beta因子： 整体收益表现较差，回测大多数参数下收益为负，最优参数也仅为7.6%，表明人民币汇率对商品期货短期价格影响不显著。

---

2.8 因子相关性分析（第7节）

表36中因子截面相关系数矩阵显示，除展期收益率与基差因子相关性极高（0.96）外，其他因子间相关系数普遍低于0.2，表明五类因子间具备较强互补性和独立性。该结果为多因子组合策略构建提供了理论支持，有助于提升投资组合的分散性与稳定性。

---

2.9 关键结论与投资建议（第8节）

总结回测发现：

• 表现最佳因子来自库存类（仓单水平及变化）和期限结构类（展期收益率、基差），两类因子均基于稳健的经济逻辑，且在国内外均验证有效。

- 量价类因子中，动量和变异系数显示较强有效性，亦可作为辅助信号。

• 统计特征指标（如特质波动率）收益有限。

- 宏观因子（CPI Beta、人民币Beta）未显著产生正收益，理论上的宏观影响在数据表现上尚弱。

• 多因子综合应用可增强独立性和稳定性，且因子选择应坚持经济逻辑，避免过度依赖统计关系。

图14展示了13个因子策略累计收益的趋势，动量因子领先，仓单水平及变化紧随其后，宏观因子明显偏弱。

3. 图表深度解读

• 图1及图2分别展示商品期货日度成交量与成交额分布，揭示了市场中流动性差异显著，且前十品种占据绝大部分交易活跃度。此流动性分布为合约筛选提供依据，保障回测样本的代表性和流动性匹配。[page::5,6]
• 图3 和 图4为仓单水平与仓单变化因子策略净值，清晰展示因子长期整体上涨趋势和周期性回撤。净值折线平稳上行，表明因子策略稳健，回撤条柱显示损失期间位置，为风险管理提供参考。[page::9,10]
• 图5 与 图6对应展期收益率与基差因子策略净值，显示明显增长曲线，且波动率较低（最大回撤分别为12.9%、7.7%），证实期限结构因子的稳健性和优越性。[page::11,12]
• 图7基差动量因子净值曲线较波动，回撤较大，反映此类因子风险偏高，适合偏好高风险承受者。[page::14]
• 图8持仓变化率因子净值呈波动上升趋势，早期经历较大回撤后趋于稳定，符合投资者对持仓变化预期的理解和情绪反应。[page::16]
• 图9动量因子净值呈持续上升趋势，波动虽不小但整体健康，充分体现动量效应对期货市场的适用性及策略价值。[page::18]
• 图10偏度因子净值显示波动明显，尤其2016年前后的回撤，收益稳定性较差，暗示偏度因子结果不理想。[page::19]
• 图11非流动性因子策略净值随时间波动，中期表现较弱，近年有所回暖，反映流动性强弱对收益有一定影响，但其重要性不及其他因子。[page::21]
• 图12变异系数因子净值表现良好，长期稳步上升且回撤相对可控，验证波动率作为风险溢价来源的理论。[page::23]
• 图13特质波动率因子净值波动较大且整体收益偏低，显示该因子为策略补充，效果有限。[page::24]
• 图14综合展示13个因子的累积收益走势，清楚体现因子表现差异和收益排序，建议关注动量、仓单水平、仓单变化、基差和变异系数等核心因子。[page::27]

4. 估值分析

本文无直接企业或资产估值内容，主要围绕因子投资策略的收益和风险评估，采用的核心量化指标包括：

• 年化收益率： 测量策略单位时间内的收益扩展值。

- 年化波动率： 代表收益波动性，衡量风险水平。

• 最大回撤： 策略历史最大跌幅，风险管理关键指标。

- 夏普比率： 回报与风险之比，评价风险调整后收益。

• Calmar比率： 年化收益与最大回撤比，反映收益相对最大损失的能力。

策略基于多参数优化，通过调节因子计算窗口期R与持仓期H，选定表现最佳的参数组。因子间相关性低，支持多因子模型构建以降低组合风险。

5. 风险因素评估

报告虽未专门章节评述风险，但通过最大回撤数据、夏普比率及净值曲线隐含风险因素：

• 部分因子（如特质波动率、偏度因子）表现不稳定，存在回撤较大风险；

- 宏观因子效果有限，可能因经济环境变动难以捕捉短期价格波动，适用性较差；

• 动量因子虽收益高，但最大回撤达22%，需警惕市场快速调整风险；

- 持仓变化率因子波动较大，回撤峰值高，需要细致的仓位控制和风险管理；

• 流动性问题仍是交易风险之一，报告通过剔除低流动品种和合约轮换规则减缓该风险。

未见针对上述风险的具体缓释策略描述，但多空组合和参数优化为风险控制的主要方法。

6. 审慎视角与细节

• 经济逻辑与统计特征的结合为报告一大亮点，理论扎实，策略实证可靠，兼具深度与实用性。

- 宏观因子较弱的表现反映现实经济变量可能难以短期内有效量化，提示投资者需谨慎对待宏观因子策略。

• 统计因子如特质波动率收益有限，暗示过度依赖统计性质可能导致过拟合和策略失效。

- 报告对参数敏感性进行了充分测试，增加了策略稳健性信心。

• 因子线性回归、截面相关等分析方法简单明了，解释力强，但缺少多因子联合建模的具体实证结果，后续可进一步探讨多因子集成效果。

- 风险评估侧重于收益波动和最大回撤，未过多涉及市场制度变化或极端事件冲击影响，应予以关注。

• 报告强调国内期货市场特性的同时，少量内容借鉴海外经验，需注意制度差异带来效果偏差。

7. 结论性综合

本报告全面系统地构建并实证验证了中国商品期货市场上多个风险溢价因子。通过严谨的参数调优和丰富的回测数据，报告得出以下关键结论：

• 库存类因子（仓单水平与仓单变化）表现最优，策略年化收益率接近18%，夏普率稳健且具有显著风险调整优势，仓单水平因子多空组合的最大回撤低至9.3%，显示策略稳定性突出。

- 期限结构类因子（展期收益率、基差）表现出高达14.8%的年化收益和1.73夏普率，并且回撤小于10%，表明期限结构是期货市场风险溢价的重要来源。

• 持仓变化率因子收益略低，夏普率仅0.48，显示投资者情绪与市场活跃度对收益有一定影响但相对弱势。

- 量价类因子中，动量因子表现突出，年化收益超20%，夏普率1.23，兼具显著性与可操作性；变异系数因子稳定且回撤较小（最大回撤-13.5%），是风险溢价的强有力指标。偏度、特质波动率及非流动性因子收益较弱，正向效果有限。

• 宏观因子（通胀和人民币Beta）整体表现平淡，尤其通胀因子对长窗口数据较敏感，对短期决策指导有限，人民币汇率因子多数参数表现为负收益，提示宏观因素短期套利困难。

- 因子相关性低，支持多因子联合应用以优化风险收益比。

• 综合图表（图14）直观展示了各因子累计收益曲线，突显以动量、库存及期限结构因子为核心的策略组合的投资价值。

总体而言，报告强调因子挖掘应基于坚实的经济理论和逻辑，依靠实证验证指导投资决策，避免盲目追求统计特性。报告成果为国内商品期货CTA策略开发提供了坚实数据支持和思路启发，具有较高实践应用价值。

---

参考文献

报告包含7篇核心文献，涵盖商品期货风险溢价基础理论、动量和期限结构、异质波动等研究，为本文因子构建与理论分析奠定坚实学术基础。

图片展示示例

图1：商品期货日度成交量（万手）

图3：仓单水平因子策略净值图

图14：CTA 因子策略收益汇总

---

总结

该报告通过严谨的实证方法详尽回测了以库存、期限结构、持仓、量价及宏观因素构建的13个CTA因子，有效揭示了各类因子的收益特征与风险水平。结果清晰表明：

• 基于经济理论的库存和期限结构因子具有最稳定和显著的收益优势。

- 部分统计特征因子，尤其动量和变异系数，也显示较强的有效性。

• 宏观因子表现较弱，体现短期宏观变量对期货价格影响估计难度。

- 因子间相关性低，支持多因子组合策略提高收益与风险调整后的表现。

• 因子挖掘和策略设计需坚持经济逻辑，避免过度依赖纯统计指标。

本报告为国内商品期货策略提供了丰富的数据支持和清晰的策略逻辑框架，具备较强的操作指导意义和理论创新价值。[page::0,4,7-28]

报告