• 预期外宏观因子定义为“真实值与预期值之差”，反映新信息对价格的冲击作用，是影响商品期货价格波动的关键因子之一[pidx::0,3].

- 重点筛选工业增加值同比、固定资产投资增速、PPI同比、CPI同比、新增人民币贷款五类因子，数据覆盖2010年至2018年，确保时间序列的有效对比和可操作性[pidx::4].

• 通过对南华商品指数检验，发现新增人民币贷款预期外因子的冲击影响最为持续且择时胜率高，PPI同比虽有正向冲击但持续性较低，工业增加值和其他因子冲击不显著[pidx::6].

- 分商品品类，新增人民币贷款冲击主要集中在黑色系商品（如铁矿石），工业增加值对有色金属影响明显，PPI和CPI更多作用于非黑色系，农产品影响最小，仅菜油受CPI预期外影响显著[pidx::9].

• 新增人民币贷款预期外超预期反映基建和地产资金流入增加，推动铁矿石、铜价上涨（图8、图9），逻辑严密且有实证支撑[pidx::10-11].

- 预期外新增人民币贷款择时策略回测中，铁矿石自2017年起年化收益达33%、夏普比率1.9，Calmar比率3，胜率68%；沪铜策略表现相似，说明因子选取具有显著实用价值（图10-13）[pidx::11-13].

• 策略效果对持仓期敏感，铁矿石策略5日持仓期表现最佳，持仓过长收益率下降且回撤风险增加（图12-13）[pidx::13].

- 投资者对负面消息敏感，分样本数据显示前期行情上涨时做空信号胜率更高，反映市场情绪影响（图14-15）[pidx::14].

• 进一步测试显示，以次日开盘价成交策略收益略有下降，不同数据源预期数据存在差异时，避开信号冲突交易策略表现介于单源之间（图16）[pidx::15-16].

- 综上，预期外新增人民币贷款因子为商品期货特别是黑色系、金属商品提供有效的择时信号，值得投资者重点关注与应用[pidx::16].

商品期货 CTA 专题报告（七）——预期外宏观因子对商品期货价格的冲击影响研究详尽分析报告

---

1. 元数据与报告概览

• 报告标题：商品期货 CTA 专题报告（七）——预期外宏观因子对商品期货价格的冲击影响研究

- 发布机构：天风证券研究所

• 发布日期：2019年1月27日

- 主题：研究预期外宏观经济因素（真实值与预期值的偏差）对中国商品期货价格的影响，基于实证数据探索预期外宏观因子在择时策略中的应用价值，重点关注新增人民币贷款、PPI、工业增加值等核心指标，并设计基于预期外指标的商品期货择时模型。

• 核心论点与结论：

- 预期外新增人民币贷款对商品期货价格的冲击具有长期持续性和较高的择时胜率，是较优的宏观因子。
- 预期外PPI同比对商品价格有短期冲击，但择时胜率不高。
- 预期外工业增加值同比、固投增速、CPI同比等因子对商品价格的冲击相对不显著。
- 宏观因子的冲击以黑色系商品为主，有色金属次之，农产品受影响较小。
- 基于预期外新增人民币贷款设计的择时策略，以铁矿石和沪铜为例表现优秀，策略年化收益率高、夏普比率较好，且胜率优于市场平均水平。
- 策略表现对持仓时长、成交价格类型及数据源变化存在一定敏感性。

• 风险提示：模型基于历史数据，存在失效风险；市场环境变化可能导致策略效果波动或失效。[pidx::0][pidx::16]

---

2. 逐节深度解读

2.1 引言与报告背景：为何关注预期外宏观因子（第0-3页）

报告开篇明确了研究动机，即宏观经济数据反映实体经济活动和通胀水平，预期外宏观因子（真实值与预期值之差）能够提供关于宏观经济“新信息”，这一信息影响商品价格波动，因市场已消化一致预期，价格实际响应的是预期外部分。文章指出中国宏观指标口径时常调整且数据发布时间不规则，使得与预期值的偏差分析比绝对时间序列更有优势，从而将复杂的时间序列问题横截面化处理，增强了数据处理的稳定性和应用价值。
报告引用Gorton和Rouwenhorst（2006）强调实体经济活动和通胀情绪对商品价格的双向影响路径：

• 路径一：实体经济或者通胀超预期时，投入型商品需求提升（黑色系、有色金属），价格上涨。

- 路径二：实体经济及通胀超预期时，央行可能加息，带来商品存储成本增加及资金配置向债券转移，商品价格受到压制。
此外，投资者对负面消息更敏感的市场行为进一步支撑研究预期外因子的理论基础[pidx::0][pidx::3]。

2.2 预期外宏观因子选择与数据源（第4页）

报告选取Wind数据库作为国内宏观数据预期主要来源，理由在于数据覆盖面广且获取便捷，时间起点合理。筛选出五个重点宏观因子为研究对象：工业增加值同比、固定资产投资增速、新增人民币贷款、CPI同比、PPI同比。由于GDP为季度频率，且关注度较低，未纳入研究。数据样本周期为2010-2018年，期间样本量充足。各宏观因子的预期外值定义为“真实值-分析师一致预期”，正负即超预期与不及预期。描述性统计显示超预期与不及预期数据大体均衡，新增人民币贷款偏向超预期，工业增加值及固定资产投资略多不及预期，CPI预期差最小，分布均匀[pidx::4]。

2.3 预期外宏观因子对商品价格冲击的检验（第5-9页）

2.3.1 冲击检验框架

结合Bloomberg具体数据发布时点（考虑晚于Wind宏观数据），报告设计双重检验方案：

• 当日及次日商品期货收益率与预期外因子相关性检测。

- 上述相关性持续性分析，观察接下来N日内的收益表现。

设置基于有效市场假说，考虑投资者信息传递滞后，基本面投资低频交易特征，预期外信息对价格的冲击不会瞬时完成[pidx::5]。

2.3.2 南华商品指数样本测试结果

以南华商品指数为例，发现只有预期外新增人民币贷款和PPI同比对公布日次日收益率产生显著正向冲击，其中新增人民币贷款呈现更高的择时胜率。冲击的持续性分析显示：

• 预期外新增人民币贷款的价格影响持续性强，15日内相关正向显著，5日时相关性及方向一致率达顶峰。

- 预期外PPI同比的冲击仅限于公布后2日内显著。

• 预期外工业增加值存在滞后效应，但有效性不足。

- 其他因子影响不显著。

结论强化了新增人民币贷款因子在策略构建中的核心地位[pidx::6]。

2.3.3 单品种及全样本指数检验

报告进而针对35个包含黑色系、有色金属、化工品、农产品和贵金属的单品种主力合约构造真实收益率样本，定义主力合约采用成交量较大且连续三日最大规则，同时考虑换月时点单向前展期。根据不同品类行情状况得出：

• 预期外新增人民币贷款和工业增加值对次日收益影响显著，工业增加值因样本较少暂不充分。

- 预期外PPI同比对非黑色系商品如化工品影响较明显。

• 新增人民币贷款对黑色系冲击最大，工业增加值对有色金属敏感，PPI、CPI影响主要在非黑色系。

- 农产品价格与宏观预期外冲击关联弱，仅菜油对CPI预期外敏感[pidx::8][pidx::9]。

---

2.4 基于预期外新增人民币贷款构建择时策略（第10-14页）

2.4.1 新增人民币贷款经济含义解析

新增人民币贷款结构显示，2012年起中长期居民和企业贷款占比超过50%，2015-2016年基建和地产领域贷款占比接近80%。行业分布主要集中于基建相关行业（建筑业、水利电力运输）、制造业和房地产，资金流向基建与地产实体需求。贷款超预期增加反映流入基建及地产的资金超预期流入，中游原材料需求因此超预期，推升铁矿石、铜等投入型商品价格。该逻辑支撑预期外新增贷款因子作为择时因子的有效性[pidx::10][pidx::11]。

2.4.2 策略规则及回测表现

策略设计为基于公布日新增人民币贷款预期差信号：

• 真实值超预期，持多头；反之持空头。

- 持仓周期N，默认5日。

• 委托以公布当日收盘价进场，持仓期满后当日收盘价出场。

回测样本为2010-2018年铁矿石主力合约和沪铜主力合约。回测显示：

• 铁矿石策略2014年以来整体年化收益15.3%，最大回撤15%，胜率55%，2017年以后策略业绩显著提升，年化收益33%，夏普1.9，Calmar 3，胜率68%。

- 沪铜策略亦表现优异，2017年起年化11.2%，夏普1.4，最大回撤5%，Calmar 2，胜率59%。优异表现可能因预期数据关注度提升及商品趋势不明朗带来机会[pidx::11][pidx::12]。

2.4.3 持仓周期敏感度分析

持仓周期从1日至15日变动分析显示：

• 铁矿石策略冲击效果在5日持仓周期达到最大，后续收益率下降且风险放大（夏普和Calmar下降，最大回撤增加）。

- 沪铜冲击效果较为平稳，持续性更长，但超过7日后回撤风险明显增加。

这说明适度的短期持仓更适合该因子的套利策略[pidx::13]。

2.4.4 分样本胜率分析

交易信号胜率受观察期前走势影响明显：

• 超预期信号前期价格下跌时，做多信号胜率高（铁矿石最高达60%，沪铜63%）。

- 不及预期信号前期价格上涨时，做空信号胜率高（铁矿石56%，沪铜高达79%）。

投资者对负面消息的敏感程度高于正面信息から短期价格冲击更剧烈[pidx::14]。

---

2.5 策略进一步测试对成交价与数据源敏感性分析（第15-16页）

• 使用公布后次日开盘价进行交易操作（替代当日收盘价），铁矿石策略年化收益降至13%，表明入场时间点对绩效有一定影响。

- 数据源对策略结果影响有限，Wind和Bloomberg宏观预期数据存在少量相反信号（5期），其策略年度表现不同，事后最优数据源难选。

• 当两数据源出现相反预期差时，采取不操作策略收益介于两者之间，非最优选择，提示需权衡数据一致性和操作灵活性。

- 可见策略在数据及执行价格变动下稳定性较强，但仍需关注因市场环境和数据质量波动带来的策略效果异常[pidx::15][pidx::16]。

---

3. 图表深度解读

3.1 预期外宏观因子分布图（图1，第5页）

图表展示了五宏观因子超预期和不及预期的比例，呈均衡分布。新增人民币贷款超预期比例最高约58%，固定资产投资和工业增加值不及预期略多，CPI预期差最均匀。该图支持数据描述，表明预期外因子具有双向偏差特征，适合构建择时模型。

3.2 价格冲击示意（图2，第5页）

简洁示意信息从预期确定、真实公布点，到公布日及之后N日价格收益冲击过程，突出信息滞后传递和持续效应的可能性，是随后定量检验设计的理论基础。

3.3 预期外因子与未来15日收益率相关系数分布图（图3-7，第7页）

• CPI（图3）相关系数多数为负且不显著，方向一致率多数接近50%，显示无显著冲击。

- PPI（图4）在公布日至次日相关系数明显正相关（约0.25），之后缓慢衰减，符合短期冲击规律。

• 固投增速（图5）显示正相关峰值在第6-7日，但水平不高，且波动明显，不构成有力支持。

- 工业增加值（图6）相关系数偏正且在5日后显著，存在滞后特征，但样本数有限，可靠性待考。

• 新增人民币贷款（图7）表现最佳，相关系数持续保持0.2左右正相关，方向一致率60%以上，展示长期稳定冲击力。

灰色柱代表方向一致率，红色线代表显著相关系数，橙色线为非显著相关系数，横线为正负50%基准线，数据分析支持新增人民币贷款作为强冲击因子，以PPI次之[pidx::7]。

3.4 新增人民币贷款结构与行业分布（图8和图9，第10-11页）

图8显示自2012年以来中长期贷款占新增贷款主体份额，尤其居民和企业贷款，在某些年份超过80％，明确资金在地产和基建的强关联。
图9展示贷款在不同行业的分布，突出制造业、建筑业、房地产业、金融业及基建相关行业贷款增长，进一步强化宏观资金流动至供应链上游对商品需求影响。
两图合力说明贷款预期超预期意味着产业链资金流入超预期，带动原料价格上涨的逻辑基础[pidx::10][pidx::11]。

3.5 策略表现净值曲线（图10, 11，第12页）

分别以铁矿石和沪铜为例，策略净值明显优于纯多头，特别是在2017年后开始大幅分化，表现出预期外新增人民币贷款因子的择时优势逐步显现，验证了策略的长期有效性和逻辑合理性。

3.6 持仓期敏感性曲线（图12, 13，第13页）

图12（铁矿石）显示年化收益率和夏普比率迎来峰值5日，之后递减且最大回撤增加；图13（沪铜）曲线则较平稳，且7日后风险快速上升。最大回撤即最大资金回撤量，Calmar比率为收益与最大回撤的比，表明持仓期选择对风险控制和收益表现均有显著影响，适当持仓可提高策略稳定性和盈利能力。

3.7 分样本胜率图（图14, 15，第14页）

展示不同情况下超预期做多与不及预期做空的胜率，突出前期价格走势影响显著，做空信号胜率整体高于做多，体现市场对负面信息的高度敏感，尤其是在沪铜中，做空胜率达到79%。数据表明策略在市场异动期捕捉信号有效，且胜率明显优于随机水平。

3.8 数据源与成交价对策略影响（图16，第16页）

对比使用Wind当日收盘、次日开盘及Bloomberg数据，净值曲线大体相似但细节存在差异，且策略在两数据源冲突时不操作表现介于两者之间，反映数据质量和时效性对策略构建的影响不可忽视，但整体策略稳定性较好。

---

4. 估值分析

本报告主要为策略设计与实证研究报告，未涉及传统证券估值模型如DCF或市盈率倍数分析，估值更多体现在策略年化收益、夏普比率、Calmar比率等风险调整收益指标分析，属于量化策略绩效评估范畴。关键假设包括有效市场假说、宏观数据公布时效、预期外信息市场反应机制及持仓周期对风险收益的权衡。

---

5. 风险因素评估

• 模型历史基于假设风险：策略依赖历史统计特性，若未来宏观经济、政策环境、金融市场机制或商品基本面发生结构性变化，模型有效性可能大幅降低。

- 宏观数据准确性与预期偏差风险：预期数据源间存在差异，且预期数据准确性受市场情绪影响，存在误导性信号风险。

• 操作执行风险：策略对成交价敏感，因数据公布时点及市场流动性不同可能遭遇滑点或无法顺利执行信号。

- 金融市场波动风险：突发事件、政策调整或特殊市场环境可能引发商品价格异常波动，影响策略表现。

• 样本筛选偏差与数据可得性风险：某些宏观指标更新不规律，时间序列不完整，可能导致研究结论存在样本偏差。

报告未详细给出缓解方案，但通过敏感性分析和多数据源测试展示了一定的稳健性验证措施[pidx::0][pidx::16]。

---

6. 批判性视角与细微差别

• 作者对新增人民币贷款因子的逻辑解释较为充分且实证支持坚实，但工业增加值等因子有效性的怀疑反映出指标代表性和数据质量差异问题。

- 预期外因子作为价格冲击来源的假设基于有效市场假说，但实际交易中投资者行为和信息传递非完全理性，可能导致模型滞后或噪声。

• 策略回测多集中于铁矿石和沪铜，其他品种实际表现可能有差异，且策略胜率虽高但仍存在较大潜在回撤，风险控制需强化。

- 由于策略回测基于历史数据，市场状况变化、政策调控周期等外生因素可能导致显著性能波动，后续检验必要。

• 数据源对策略效果的不同影响揭示数据选择的重要性，但报告未提及更多数据融合方法或机器学习辅助判定预期偏差的创新方向。

- 投资者对负面消息敏感的发现有助于策略微调，但具体因子权重和组合优化细节缺乏，未来研究空间较大。

---

7. 结论性综合

本报告系统研究了中国宏观预期外因子对商品期货市场价格的冲击影响，明确发现新增人民币贷款的预期外值是最有效且最具持续性影响的宏观因子，其对黑色系、有色金属和化工品价格有显著推升作用，并成功构建了基于该因子的短中期择时策略。

报告通过对南华商品指数、单品种主力合约及自编全样本指数的多层实证分析验证了主要结论，补充了宏观数据时序及质量问题的处理办法，广泛采用Wind和Bloomberg两大数据源，系统进行了持仓期、成交价、数据源敏感性测试。策略表现于2017年后显著提升，特别是在铁矿石年化收益高达33%、夏普比率1.9，且胜率68%的优异风险调整收益水平表明基于预期外新增贷款因子的策略具备较强实用性。

图表充分展示了预期外新增人民币贷款的行业资金流向与相关品种期货价格的直接联系，以及策略净值演化和风险指标表现，强化了报告结论的内在逻辑及验证成果的说服力。

此外，报告客观指出策略存在历史数据依赖风险、市场环境变化风险及数据源差异带来的选择难题，对操作细节做了合理假设，体现研究严谨性和现实适用考量。

综上，天风证券本次报告为CTA及商品期货投资者提供了基于宏观预期外信息的创新择时思路，尤其针对我国宏观经济特点和商品期货市场，剖析透彻，策略切合实际，具有较高的应用价值和推广潜力。[pidx::0][pidx::1][pidx::3][pidx::4][pidx::5][pidx::6][pidx::7][pidx::8][pidx::9][pidx::10][pidx::11][pidx::12][pidx::13][pidx::14][pidx::15][pidx::16]

---

参考部分关键图表展示

图1：预期外宏观因子值分布

图7：预期外新增人民币贷款与未来15日收益率相关系数分布

图8：新增人民币贷款主要来自于中长期贷款

图10：预期外新增人民币贷款因子在沪铜中的应用（策略净值曲线）

图12：不同持仓期下基于预期外新增人民币贷款的铁矿石择时策略表现

图16：不同数据源及交易价对择时策略的影响——铁矿石例

---

以上为天风证券《商品期货 CTA 专题报告（七）》全文细致分析解读，涵盖报告主要论点、数据解读、方法说明、策略回测以及风险与限制，确保投资者对预期外宏观因素与商品期货价格关系及其投资应用有系统深入认识。

报告