• 商品期货持仓龙虎榜数据表明，前20大会员持仓占比平均达61%，符合二八定律，关键少数会员掌握大部分仓位（图1）[pidx::5]。

- 持仓主力多空相对强弱因子分为简单占比（LRSR）和加权占比（WeightedLS），后者结合持仓分布权重，性能优于简单等权因子[pidx::6]。

• 多空相对强弱异常度因子以5日排序窗口表现最佳，基于加权多空相对强弱的异常度策略年化收益超过10%，夏普比率最高达1.53（图4-7）[pidx::8]。

- 策略信号按板块及品种贡献收益，农产品及化工品贡献明显，部分黑色系品种单位信号收益最高，部分品种如黄金等表现负收益（图8-9）[pidx::11]。

• 动态品种策略通过滚动剔除因子历史有效性较弱的品种，有效提升收益率和风险调整指标，费后年化收益约8.4%，夏普比率1.30，Calmar比率0.83（图10-16）[pidx::12][pidx::14]。

- 多因子策略结合加权多空相对强弱异常度及单边持仓因子（空头加权持仓异常度、多头持仓占比标准差异常度等），相比单因子策略显著改善收益与风险特征（图19-27）[pidx::17][pidx::21]。

• 动态品种多因子策略在多参数窗口下表现稳健，扣费后年化收益达10%以上，夏普比率1.48，Calmar比率1.53，且对权重配置敏感度低（图28-31）[pidx::22][pidx::23]。

- 结论强调持仓龙虎榜中的关键少数信息交易者的多空相对强弱具有重要投资信号价值，动态品种筛选结合多因子策略为商品期货CTA提供高效量化投资路径[pidx::23]。

商品期货CTA专题报告（九）— 持仓的二八定律

---

一、元数据与报告概览

• 标题：商品期货 CTA 专题报告（九）——持仓的二八定律，前 20 大持仓主力重构

- 发布单位：天风证券研究所

• 发布日期：2019年8月22日

- 研究主题：基于商品期货市场持仓龙虎榜数据，解析持仓集中度及持仓主力多空相对强弱因子构建横截面策略，重点研究关键少数会员头部持仓比例（即“二八定律”）及动态品种策略对提升CTA策略表现的作用。

• 核心论点：

- 商品期货持仓数据蕴含二八定律——约20%的会员掌握70%-80%的持仓。
- 以前20大会员持仓信息重构持仓主力，构建多空相对强弱因子，该因子异动异常度策略表现优异，且以动态品种筛选提升策略长期收益和风险调整后表现。
- 单因子与多因子组合策略都证明了持仓集中度与会员多空力量的显著投资价值。
- 动态品种策略较全品种策略更优且对权重配置敏感性较低。

• 策略表现摘要：

- 扣费后四因子动态品种策略年化收益超10%，夏普比率约1.48，Calmar比率1.53。
- 动态品种策略在很多年份表现优于全品种，尤其近两年优势显著。

本报告综合利用会员龙虎榜数据重点解剖持仓分布特征，探讨信息交易者多空动态，为商品期货CTA策略设计提供实证支撑和改进路径。[pidx::0][pidx::1]

---

二、章节深度解读

2.1 商品期货持仓龙虎榜与信息价值

• 期货市场多空双向特性决定持仓数据中多空双方持仓总量必然相等，单纯持仓量难以体现信息价值。

- 持仓龙虎榜作为会员持仓排名，为识别“关键少数”信息交易者提供重要视角，契合信息交易者与噪音交易者理论。

• 三大交易所（上期所、郑商所、大商所）公布的持仓信息规则存在差异，大商所在2018年后与其他所趋同，仅公布活跃合约前20大会员持仓明细，使数据分析侧重头部会员。

- 持仓龙虎榜会员被认定为信息交易者的关键少数，基于此观点研究会员持仓的多空相对强弱。

2.2 持仓的二八定律分析

• 大商所2010年至2018年3月数据分析表明，14个品种基本符合二八定律，约20%会员控制70%-80%仓位。

- 42个样本品种中，除鸡蛋和苹果外，前20大会员的持仓占比均超过50%，平均61%（图1），显示少数会员对市场持仓具有高度控制力。

• 活跃合约数量不一（图2），部分品种有多个活跃合约，会员持仓数据需合并重构以反映会员整体持仓状况。

- 持仓龙虎榜覆盖的会员数（图3）呈现多头与空头大体平衡，会员数多数在30-50左右，体现活跃度和流动性差异。

2.3 持仓主力多空相对强弱因子构建

• 多空相对强弱因子（LRSR）定义为头部持仓会员多头持仓占比减空头占比，消除交易单位和合约差异影响。

- 加权持仓的WeightedLS因子引入会员持仓占比为权重，体现更集中多头或空头持仓聚集效应。

• 横截面策略中，观察窗口期（排序期R）和异常度计算对因子表现有显著影响。

- 异常度定义通过标准化、多空强弱偏离均值及分位数描绘，考虑因子时间序列维度的动态变化。

2.4 横截面策略表现

• 基于全样本42品种构建多空等权对冲策略，做多因子值最高20%品种，做空最低20%品种，回测期跨度长达9年多（2010-2019）。

- 图4-6显示，5日排序期情况下，多空相对强弱异常度因子表现最佳，年化收益优于长排序期，并且加权因子优于简单均匀加权。

• 净值曲线（图7）进一步说明WeightedLSDev2等加权异常度因子呈现较强的增长趋势。

- 分年度表现（表3）显示因子稳定性较强，但2018年表现较弱，分板块与分品种收益不同，农产品和化工品贡献较大，贵金属表现较差，部分品种（黄金、镍、铅等）收益负贡献显著（表4、5）。

• 利用单品种因子值与次日收益相关性的时序分析（图9）发现个别品种因子有效性存在负相关或反向效应，提示存在潜在的因子失效或反转风险。

2.5 动态品种策略探索

• 为避免因子在部分品种表现不佳影响整体策略，通过滚动计算因子与次日收益率的历史相关系数进行样本品种动态筛选。

- 主要参数设计为历史相关性观察期（60-240日）及品种使用期（5-20日）。

• 策略表现（图11-16、表6）证明动态品种筛选显著提升策略稳定性和收益性，扣费后年化收益约8.4%，夏普1.30。

- 净值对比（图17、18）显示动态品种策略在绝大多数年份优于全品种，尤其近两年优势更突出，尽管换手率提高导致扣费后Calmar比率依然小于1。

2.6 单边持仓因子分析

• 除多空强弱相对因子，研究多头/空头持仓占比、加权持仓及持仓标准差等单边持仓特征构建因子，体现单边力量及仓位分布的异质性。

- 异常度转化（Dev1、Dev2、Dev3）进一步用于刻画单因子变化。

• 回测结果表明，原始值因子表现一般，异常度因子在收益性和换手率上均有提升（表7）。

- WeightedSDev（空头加权持仓异常度）和StdLRDev（多头持仓占比标准差异常度）表现突出，是多因子组合的重要补充。

• 因子间相关性分析（表8）提示部分因子高度相关，须在多因子组合时谨慎筛选。

2.7 多因子复合策略分析

• 四因子（WeightedLSDev2、WeightedSDev1、StdLRDev3、StdSR）等权加总构成复合因子，结合动态品种筛选。

- 多因子全品种策略表现优于单因子（图19、表9），但扣费后依然存在近年表现疲软问题。

• 四因子动态品种策略在参数敏感性试验中表现稳定，年化收益约14.4%（扣费后9.6%）、夏普2.06、Calmar1.53（图20-23、表10）。

- 净值对比（图24、25）表明动态品种策略优于全品种，且扣费后优势仍明显。

• 动态品种策略显著降低回撤，强化策略稳健性。

- 剔除频率分析（图28、29）发现聚乙烯、豆油、PTA等品种被剔除次数较多，表明品种因子稳定性差异显著。

• 权重配置敏感性试验（图30、31）显示不同加权法对策略结果影响有限，等权配置具备实际可行性和较高鲁棒性。

---

三、重要图表深度解读

图1：前20大会员持仓占比（第5页）

此图展示42个样本品种中，头部20大会员持仓占比，绝大多数品种占比超过50%，最高接近90%。鼠标对图中品种缩写（如RS、CY、V等）对应具体品种未详，但从整体格式看，基本说明持仓高度集中。该图在支撑二八定律论点中起核心作用，验证了关键少数会员掌握市场仓位的事实[pidx::5]。

图2：活跃合约持仓信息活跃度（日均活跃合约数，第5页）

显示不同品种具备持仓信息的合约数，部分品种如RM、TA多合约支持（5-6个），而部分少至1个合约。此图说明了持仓数据多合约分散问题，强调重构会员持仓时合约间合并必要性，为后续多空强弱因子构建的会员重构步骤奠定量化基础[pidx::5]。

图4-6：不同排序期下多空相对强弱异常度因子年化收益对比（第8页）

这3幅柱状图分别基于异常度Dev1、Dev2、Dev3，显示不同排序期R对策略年化收益的影响。核心趋势是最短排序期5日获得最高收益，随着排序期增长收益递减。加权多空相对强弱(WeightedLSDev系列)优于简单多空强弱(LRSRDev系列)明显。该结果定量说明短期异常反应及持仓集中度对策略表现的提升作用，同时验证了异常度标准化处理对收益的强化[pidx::8]。

图7：持仓主力多空相对强弱异常度策略净值（R=5）（第8页）

展示了六种因子策略净值增长轨迹，均呈现稳步上扬趋势，尤其加权异常度（WeightedLSDev1/2/3）表现最佳，累计收益显著领先传统策略，从视觉角度强化了因子有效性和极具可操作性的信号品质[pidx::8]。

图9：各品种因子值与次日收益率相关系数（第11页）

横轴为样本品种，纵轴为多空相对强弱因子与次日收益的相关性。多数品种呈正相关，但少量品种（如苹果、铅等）呈负相关，暗示存在反向收益风险。该图揭示因子对部分品种适用性不足，指示策略在品种筛选上应做动态调整，避免负贡献品种侵蚀整体效益[pidx::11]。

图11-14：不同参数窗口下动态品种策略年化收益及Calmar比率分布（第12-13页）

两组3D曲面图，以相关观察期（60-240日）和品种使用期（5-20日）为横纵轴，色彩高度代表年化收益和Calmar比率。明确显示80-160日相关观察期，5日品种使用期组合下性能优异。扣费后表现下降，但依然具备显著超额表现。反映动态品种筛选有效性，并为参数选择提供实证依据[pidx::12][pidx::13]。

图15-16：不同样本品种下策略年化收益和Calmar比率对比（第13页）

条形图对比全品种、动态品种平均及80-5动态品种策略的收益风险，动态品种尤其80-5配置优势显著，说明基于因子有效性动态筛选能够有效降低风险，提升收益稳定性[pidx::13]。

图17-18：动态品种与全品种策略净值对比（扣费前后）（第14页）

净值曲线对比动态样本和全样本策略，动态品种净值曲线整体更陡峭，回撤更小。扣费后两者表现均有所回落，但动态品种保留了更强竞争力，体现实盘交易成本环境下策略优势[pidx::14]。

表7：单边持仓因子回测结果（第16页）

实验结果表明，多数单因子原始值表现平平，而基于异常度的因子策略提升显著，换手率随之升高，说明异常度变形在发掘信号中起关键作用，其中空头加权持仓异常度和多头持仓占比标准差异常度表现尤其突出[pidx::16]。

图19：四因子全品种策略净值（第17页）

净值曲线体现多因子全品种策略扣费前及扣费后表现，长期稳健增长，中后期增长加速，证明多因子融合提高了信号质量和策略收益，但近年表现乏力提示存在进一步改进空间[pidx::17]。

图20-23：四因子动态品种策略年化收益与Calmar比率（扣费前后）（第18-19页）

拓展动态品种模型至多因子策略，3D图表现扣费前后收益及风险指标均显著好于全品种模型，证明动态样本筛选与多因子融合的协同作用。参数敏感性分析为实际策略部署提供切实参考[pidx::18][pidx::19]。

图24-25：四因子动态品种与全品种净值对比（扣费前后）（第20页）

动态品种策略持续优于全品种，扣费后依然保持明显优势，体现策略稳定性和韧性，有利于在交易成本环境下持续获得超额收益[pidx::20]。

图28-29：策略品种数量及剔除次数分析（第22页）

全样本品种数持续增长，但动态品种集中于部分表现良好的样本，剔除次数统计表明部分品种因子表现长期不佳。该结果辅助指导品种纳入与剔除策略，降低因子失效风险[pidx::22]。

图30-31：权重配置方法对策略收益及Calmar比率影响（第23页）

通过多种基于ATR的权重配置方法与等权对比，均显示策略整体表现稳定，等权作为简单且鲁棒的权重分配方式适用性好，体现策略对配置 parameter 的低敏感性，便于实际操作[pidx::23]。

---

四、估值分析

本报告无单一估值价格目标或公司估值模型，研究核心聚焦于商品期货持仓数据分析与CTA策略构建方法论，估值重点体现为量化策略的风险调整后收益率。其评价指标（年化收益率、夏普率、Calmar比率）反映期货投资策略的收益风险平衡水平，依据模型构建的因子信号表现出策略的边际有效性。

---

五、风险因素评估

报告虽未显式列出风险章节，但通过策略收益表现及单品种间因子相关性、动态筛选机制隐含的风险考虑可见：

• 因子失效风险：部分品种因子与收益负相关，存在情绪反转或非理性行为，影响整体策略表现。

- 交易成本及换手率风险：多因子及异常度因子策略换手率较高，扣费后收益有明显下降，实际操作需关注手续费冲击。

• 样本偏差及信息披露变动风险：三大交易所持仓龙虎榜公布规则变化可能影响数据完整性和背后会员真实持仓结构。

- 市场结构变化：市场参与者结构变化或监管政策变动，可能影响持仓集中度及因子信号稳定性。

• 数据延迟与滞后：因子计算和调仓基于前一交易日收盘数据，短期内快速行情变动可能削弱策略反应速度。

报告采用动态样本筛选等缓解机制，减少不良品种负面效应，但换手率及成本问题仍需关注，短期策略回撤波动及极端行情风险不可忽视。[pidx::9][pidx::11][pidx::12][pidx::14]

---

六、批判性视角与细微差别

• 假设与数据局限：策略高度依赖龙虎榜头部会员持仓数据，虽有二八定律支撑，但非头部会员操作可能包含市场信息却未纳入模型。

- 动态品种筛选前视偏差风险：尽管报告强调采用滚动回测避免未来数据泄露，但实际筛选时需谨慎防止数据泄漏导致的过度拟合。

• 换手率与交易成本：策略换手率普遍较高，尤其异常度因子，扣费影响显著，报告虽然体现扣费后表现下降，但尚未详细讨论滑点和市场冲击成本。

- 品种覆盖与适用性：贵金属等品种表现欠佳，建议用户在实盘应用中针对不同品种灵活调整或剔除。

• 多因子权重配置缺乏优化：报告测试多种权重配置均无显著差异，但并未深入探讨基于因子风险贡献的优化配置方法。

- 宏观及基本面因素缺失：报告以持仓数据构建信号，未结合宏观或基本面驱动因素，可能影响因子的长期稳定性。

• 阅读过程中信息关联性需强化：个别章节如风险与策略表现联系尚不够明确，后续或可加强对策略在不同市场环境下表现的情境分析。

总体而言，报告综合严密，但在交易成本细节、实际操作复杂度、市场结构演变及系统性风险方面讨论有限，可视为下一步研究方向[pidx::6][pidx::16][pidx::23]。

---

七、结论性综合

本报告深入研究中国商品期货市场持仓龙虎榜数据，确认头部会员持仓构成二八定律特征，即20%会员掌握超60%以上持仓。基于此，作者构建并检验了持仓主力多空相对强弱异常度因子及多个单边持仓因子，进一步开发多因子复合策略，通过横截面多空对冲方法，获得了显著的稳健收益。

短期异常度窗口（5日）及加权持仓处理提升信号质量，展现更高年化收益和更优的夏普比率。动态品种筛选机制，依据历史因子有效性剔除表现不佳品种，显著提高了策略一致性和风险调整收益，特别是在扣费后更体现优势。统计数据显示，农产品和化工品为策略收益主力，贵金属等品种则存在收益拖累现象。

多因子组合策略相较单因子策略表现更为稳健，且动态品种策略在多个年份实现超过全品种策略的回报和风险控制。策略对权重配置敏感性低，建议实际应用中采用简洁的等权分配方式。换手率为策略实施关注的风险要素之一。

综上，报告以详实数据和清晰因子设计，展示了持仓龙虎榜信息的投资价值和利用途径，对商品期货CTA策略设计具有较高参考价值。报告的策略在适当市场条件下有望提供年化超10%的收益，夏普比率超过1.4，Calmar比率达到1.5，表现优秀且稳定。

未来进一步结合交易成本、动态权重优化、宏观基本面融合，有望持续提升模型稳定性和实盘适用性。[pidx::23]

---

详细图表引用

• 图1高清地址：

- 图2高清地址：

• 图4-6高清地址：见第8页对应链接

- 图7高清地址：

• 其余图表请参考原文图片对应标注。

---

总结

本报告以实证数据为支撑，系统分析了国内商品期货持仓龙虎榜中的二八定律现象，并以此构建多空相对强弱及单边持仓因子，结合动态品种筛选，设计稳定且收益优异的CTA横截面策略。多因子动态品种策略战胜单因子及全品种策略，实现较高的风险调整回报，尤其在扣费后表现依然优异。策略对权重配置不敏感，具备较强实施可行性，为商品期货CTA研究与实战提供了重要参考和方法论支持。[pidx::0-23]

报告