研究背景及因子分类 [page::2]

• 针对商品期货市场，基于动量类、期限结构类、量价类、持仓类、基本面类五大因子大类展开研究。

- 本报告重点回顾时序回归因子、复合动量因子、仓单因子和基差动量因子四个相对有效alpha因子。

时序回归因子构建与回测结果 [page::3][page::4][page::5]

• 使用商品价格对时间的OLS回归，含二次项过滤短期扰动，构造${\mathsf{b}}*{\mathsf{R}}^{2}$综合指标衡量趋势强度与流畅性。

- 最佳参数（回看期J=243天，持有期K=10天）下，年化收益8.90%，夏普率1.34，卡玛比率1，长期回撤低于10%。

• 净值曲线显示因子表现稳健，尤其在2021年宏观调控期间优势明显。

复合动量因子设计与表现 [page::5][page::6][page::7]

• 结合时序动量(TSMOM)和截面动量(XSMOM)，先筛选表现好坏的品种，再做多最大涨幅和做空最大跌幅品种构成多空组合。

- 优选组合在J=243、K=10下，年化收益9.61%，夏普率0.95，卡玛比率0.51。

• 净值曲线及回撤表现优于单独时序动量，策略有效规避了部分季节性崩盘风险。

仓单因子定义及回测分析 [page::7][page::8][page::9][page::10]

• 仓单因子为标准仓单同比增长率，反映库存变化及多空力量对比，增仓倾向做空，减仓倾向做多。

- 回测周期J=3天，持有期K=1天时表现最佳，年化收益10.10%，夏普率1.48，卡玛率1.35，最大回撤7.48%，表现稳健且参数空间宽容。

• 净值走势显示出长期稳定alpha能力。

基差动量因子构造与实证 [page::10][page::11][page::12]

• 基差动量为期限结构远近月合约累计收益差异，更新远月合约及近月合约定义剔除季节性影响。

- 在回看期J=243、持有期K=3的参数组下年化收益6.89%，夏普率0.81，卡玛率0.43，单调性较好。

• 净值曲线表明调整后基差动量因子具备稳定的截面选期能力。

4个因子综合结论 [page::13]

• 时序回归因子结合趋势强度与流畅性，获得动量因子中的最佳绩效。

- 复合动量因子有效融合时序与截面动量优势，规避季节性风险。

• 仓单因子收益稳定，风险控制优。

- 基差动量因子通过合理合约定义提升期限结构捕捉能力。

• 各因子均以一年左右回看期表现最佳，适合国内商品期货market neutral或多空策略构建。

《商品期货 alpha 因子拾遗》报告全面分析

---

1. 元数据与报告概览

• 标题： 商品期货 alpha 因子拾遗——期货多因子专题报告（四）

- 作者及机构： 中信期货金融工程研究团队，研究员周通

• 日期： 未明确具体发布日期，但内容涵盖数据至2022年8月

- 主题： 本报告围绕国内商品期货市场的 alpha 因子研究，重点总结并回测4个因子：时序回归因子、复合动量因子、仓单因子及基差动量因子。

• 核心论点： 这四个因子在中国商品期货市场表现稳定，有较强的alpha能力。其中，时序回归因子和仓单因子在夏普率上表现优异，均超过1.3。报告提醒，因子的回测及模型应用不构成投资推荐。

---

2. 逐节深度解读

2.1 因子回顾与分类

• 本报告是在前期《期货多因子系列（二）》的基础上，进一步总结新发现的4个有效alpha因子。

- 将全部因子归纳为5大类：动量类、期限结构类、量价类、持仓类以及基本面类；其中本报告涉及的四个因子分别为：
- 时序回归因子（动量类）
- 复合动量因子（动量类）
- 仓单因子（持仓类）
- 基差动量因子（期限结构类）

• 因子分类图（图表1）用颜色区分新增因子（粉色）和已测因子（灰色），直观展示研究进展及覆盖范围[page::2]。

2.2 回测参数与样本选择

• 样本品种： 采用历史流动性较好的40个期货品种，涵盖黑色、有色、能源、化工、软商品及农产品。例如螺纹钢、焦炭、沪铜、原油、PTA、棉花、豆粕等，体现广泛覆盖各大商品类别[page::2]。

- 样本时间区间： 2010年1月1日至2022年8月12日。

• 数据处理：

- 以复权主力合约为交易标的，剔除交易成本，默认无杠杆。
- 多空对冲基于因子排序，分别选取前20%（多头）与后20%（空头），并均等权配置。
- 术语解释：
- “第1组”代表因子值最大组合，“第5组”因子值最小组合。
- “TMB（Top Minus Bottom）”组合表示做多第1组同时做空第5组，用于捕捉因子alpha[page::3]

2.3 时序回归因子详解

• 构造方法： 利用商品价格每日收盘价对时间做三项式OLS回归（包含$t$与$t^2$项），系数$b$衡量趋势强度，$R^2$衡量趋势流畅性，以$b * R^2$综合体现趋势方向及稳定性，较传统XSMOM更关注趋势的非线性及过滤短期扰动。

- 关键参数：
- 回看期J（观察期内天数）
- 持有期K（持仓时长）

• 回测数据：

- 在243日回看期且持有期10日时表现最好，年化收益率8.90%，夏普率1.34，卡玛比率1，最大回撤低于10%（见图表2-5）。
- 选期能力随着回看期增加而显著提升，较短期受季节性影响表现不佳。
- 该因子2021年宏观政策影响下仍较为稳健，体现出较好的风险调整后收益[page::4][page::5]

2.4 复合动量因子详解

• 由来： 结合横截面动量（XSMOM）与时间序列动量（TSMOM），即先筛选正收益与负收益组，再分别选择其中表现极端品种构建多空组合。

- 参数设定： 同样设回看期J及持有期K。

• 回测结果：

- 在回看期243天和持有期10天时，年化收益率达9.61%，夏普比率0.95，卡玛比率0.51。
- 长期回看效果较好，短期波动较大。
- 因子alpha能力强于单独时序动量，且相关性较高，因此复合动量可视为对时序动量的加强版本。
- 2021年底出现较大回撤，主要因宏观监管政策导致趋势反转，动量普遍崩溃，随后市场避险情绪缓解，因子表现逐步恢复（图表6-9）[page::6][page::7]

2.5 仓单因子详解

• 定义： 仓单因子为期货品种的仓单数量的年同比增长率，衡量库存变化及市场多空力量的动态。

- 构造公式：
仓单因子$wrt = \frac{\text{近期平均仓单}(t-J+1 \sim t)}{\text{前一季度平均仓单}(t-306 \sim t-180)} - 1$，其中，分母对应前一年的同季度仓单，消除季节性影响。

• 操作原理：

- 仓单增加（同比大增）意味着期货高于现货，空头压力大，预判趋势向下，做空。
- 仓单减少则做多。

• 回测结果亮点：

- 构造的仓单因子表现极其稳健，所有参数组合均获3%以上超额收益。
- 最优参数为回看期3日，持有期1日，年化收益率10.10%，夏普比率1.48，卡玛比率1.35。
- 回撤小，最大回撤仅约7.5%，且长时间内回撤率维持在6%以内，显著提升实用性。
- 因子稳定性较其他动量类因子更优，适合短期频繁交易策略（图表10-13）[page::7][page::8][page::9][page::10]

2.6 基差动量因子（BasisMom）详解

• 理论背景： 引用Boons & Prado (2019)定义，基差动量反映期限结构的收益差异，与现有库存理论、现货溢价和对冲压力理论无法完全解释。

- 因子构造：
基差动量 = 远月合约价格与近月合约价格收益率差。更新后的合约选择方法为选取持仓量与成交量之和最大的主力合约之前的合约（C1）与之后的合约（C2），代替传统连续近主力合约构造。

• 关键假设：

回看期取243天，保证所计算合约属于相同“月份”，有效消除季节性影响。

• 回测结果：

- 最优参数为回看期243天，持有期3日，年化收益率6.89%，夏普率0.81，卡玛比率0.43。
- 其他参数多表现逊色，说明季节性调整对该因子效果至关重要。
- 净值曲线及回撤表现较稳健（图表14-17）[page::10][page::11][page::12]

---

3. 图表深度解读

图表1：商品期货因子分类

• 通过层级结构清晰展示多因子体系，将新增因子标注与色彩区分，体现研究进程和体系完善度。

图表2-4：时序回归因子表现统计

• 图表2（年化收益率表）呈现不同回看期J与持有期K组合下的收益表现，显示长回看期（243天）配合中长期持有期收益最优（8.9%），短期回看期表现负收益较多，季节性影响明显。

- 图表3（夏普率）显示回看期243天，持有期10天达1.34的高风险调节收益，充分说明因子的风险调整效益。

• 图表4（Calmar比率）反映收益对最大回撤的调整能力，最高达1（同样在长回看期与持有期配置），印证因子稳定性。

- 图表5（净值走势及回撤）显示第1组因子明显跑赢基准（中信期货商品指数）且回撤低于10%，清晰表现收益的持久性及风险控制[page::4][page::5]

图表6-9：复合动量因子统计与走势

• 收益率图表6在长回看期配合持有期10天表现最好，收益近9.6%。

- 夏普率图表7和Calmar比率图表8均显示趋势明显提升，尤其在长回看期。

• 图表9（净值走势）复合动量表现明显优于时序动量，体现增强效果。2021年大幅回撤亦在图中明显，反映宏观事件影响因素[page::6][page::7]

图表10-13：仓单因子表现数据与净值

• 回测窗口不同参数组下收益明显强于其他因子。

- 夏普率图11与Calmar图12均显示超过1.3的超高风险调整收益。

• 净值图13展现极强的复利增长能力与低波动性，最大回撤只有7.5%左右，表现出仓单因子的独特优势[page::8][page::9]

图表14-17：基差动量因子数据分析

• 收益率与风险指标均在243天回看期时表现较好，其他组合风险调整后表现平平。

- 净值曲线体现稳定的单调上涨趋势，最大回撤控制合理，进一步验证因子的稳健性[page::11][page::12]

---

4. 估值分析

本报告不涉及具体公司或资产估值，而是围绕商品期货市场的因子风险收益表现做回测与分析。估值角度体现在风险调整收益（夏普率、卡玛比率等）和最大回撤（Calmar比率）分析上，用于衡量因子组合的风险回报平衡。

---

5. 风险因素评估

• 宏观政策风险： 2021年由于“能耗双控”等政策导致动量崩溃（尤其复合动量因子明显回撤），提醒因子策略对政策风险敏感。

- 季节性因素： 季节性对因子表现影响显著，特别是时序回归因子和基差动量因子，长回看期参数设置为主要缓解手段。

• 流动性与交易成本： 回测默认无交易成本，实际应用中成本可能削弱收益，短回看期仓单因子交易频繁，更需关注实际交易影响。

- 模型假设风险： 因子构造基于历史关系，未来产品供需、市场结构变动可能引起因子表现减弱。

• 样本选择风险： 选取了40个历史流动性较好的品种，未覆盖小众品种，可能存在样本偏差。

报告中明确提示回测配置及模型仅供举例，非投资推荐，具有较强的风险提示意识[page::0][page::13]

---

6. 批判性视角与细微差别

• 数据处理假设较强： 无交易成本与无杠杆设定，有利于因子纯性能展示，但不符合真实交易环境，可能高估收益。

- 季节性调整仅靠长回看期消除，留有改进空间。 其他季节性调整方法或机器学习模型未体现。

• 因子之间相关性问题未展开讨论，因子合成风险及多因子优化分析缺失。

- 基差动量因子构造中更新合约定义方法虽合理，但可能导致捕捉信号更复杂，未采用其他期限结构模型对比验证。

• 宏观政策冲击带来的因子崩溃仅作为历史事件呈现，缺少应对策略或动态调整方案。

这些点为未来研究提供方向。

---

7. 结论性综合

本报告围绕中国商品期货市场，深入研究并回测了四大alpha因子：

• 时序回归因子利用三项式回归结合趋势强度与流畅性，在一年周期回看和10日持有期时表现最佳，实现8.9%的年化收益，夏普率达1.34，风险控制优秀，是动量类因子中的领先者。

- 复合动量因子融合截面与时间序列动量，体现出增强的alpha能力，最佳参数下年化收益9.61%，夏普0.95，但受宏观政策影响波动较大。

• 仓单因子基于仓单同比变化量度库存及多空力量，回测结果表现极为稳健，不同参数均能获得稳健收益，最优组合达10.1%年化收益，夏普高达1.48，最大回撤控制在7.5%以内，具有低风险高收益特点，表现突出。

- 基差动量因子通过创新合约定义，消除季节性影响，实现在长回看期条件下获得稳健alpha，最佳年化收益6.89%，夏普0.81，具备期限结构特有的风险收益特征。

回测期间四因子均表现出良好的alpha能力，且在多项风险调整指标中表现稳定，能够作为期货量化策略安排的有力工具。仓单因子因低回撤、广泛适用的参数空间尤其值得关注。基差动量因子的回测成果强调了构建因子时需重视季节性与结构性因素。

报告自始至终保持客观披露，不回避宏观政策和市场波动带来的风险，充分体现实务研究的严谨性。

---

附图示例

时序回归因子净值走势：



复合动量因子净值走势：



仓单因子净值走势：



基差动量因子净值走势：



---

参考文献

• Moskowitz T J , Yao H O , Pedersen L H . Time Series Momentum[J]. Journal of Financial Economics. 2012, 104:228–50

- Boons M , Prado M P . Basis-Momentum[J]. Journal of Finance, 2019, 74(1):239-279.

---

综上，《商品期货 alpha 因子拾遗》报告具有科学严谨、多角度验证、风险提示明确等优点，为国内商品期货量化策略研究提供有价值的技术支持和理论基础。通过兼顾市场结构、价格趋势、库存变化与期限结构多方面信息，构建的因子体系展现出较强的实践潜力与研究价值。报告中的多维风险指标展示与参数调优，帮助投资者明确各因子的优缺点及适用场景，推动期货市场多因子投资研究向更高层次发展。[page::0][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13]

报告