1. 风险恐惧因子的定义与构建方法 [page::2][page::4][page::5]

• 利用149个代表天气、农业疾病、地缘政治和经济威胁的关键词Google搜索量的周度变动，反映投资者对商品供需风险的恐惧程度。

- 通过标准化关键词的搜索变化量并对28种商品期货收益进行回归，得到商品对应的风险恐惧暴露指标CFEAR。

• 构建多空投资组合：卖出CFEAR值最高（恐惧增加导致价格预期上升的商品），做多CFEAR值最低（反向恐惧影响商品），每周滚动调整。

2. CFEAR组合表现及统计特征 [page::6]

| 组合 | 多头(Q1) | 四分位(Q2) | Q3 | Q4 | 空头(Q5) | 多空差(Q1-Q5) |
|------------|----------|------------|-------|-------|----------|--------------|
| 年均收益率 | 4.35% | -2.10% | -1.25%| -3.91%| -14.21% | 9.28% |
| 夏普比率 | 0.25 | -0.13 | -0.07 | -0.24 | -0.75 | 0.90 |
| 最大回撤 | -40.18% | -53.81% | -61.02%| -61.40%| -88.78% | -18.81% |

• CFEAR多空组合显著正收益，表现优于单边多头组合和传统多空因子。

- 空头头寸贡献了大部分负收益，占主导作用，说明恐惧情绪推高部分商品价格形成卖空机会。

• 组合波动率和尾部风险适中，表现出较好的风险调整回报。

3. 风险补偿与因子暴露分析 [page::8]

• CFEAR收益具有对动量、基差、凸性、流动性等传统风险因子的敏感性，特别是流动性风险对收益驱动最大。

- 多因子组合回归显示，在控制传统风险因子后，CFEAR组合仍显著持有正alpha，年化在8.23%~9.47%之间，证明收益非传统风险因子解释所及。

• 说明风险恐惧情绪作为独立定价因子，在商品期货市场存在专属溢价。

4. 情绪驱动及市场环境影响 [page::9][page::10]

• 空头头寸主要由对市场情绪敏感的商品组成，这些商品流动性较低，风险较大。

- 在整体金融市场悲观（高VIX）或资金流动性紧张（高TED）时期，CFEAR组合溢价显著提高，空头表现尤为差，反映情绪影响放大。

• 行为金融学视角认为投资者恐惧使期货价格偏离基本价值，套利受限于资本约束和风险承受能力，导致错误定价难以迅速修正。

- 此现象揭示“动物精神”影响下的商品期货市场机制。

5. 策略应用与投资启示 [page::10]

• 利用互联网搜索量构建的风险恐惧因子CFEAR为期货投资提供全新视角。

- 该因子适用于多头和空头结合的多空策略，获得显著的超额收益和风险调整收益。

• 策略动态调整，能够捕捉市场恐惧情绪波动带来的价格错位，尤其适合在市场波动较大、情绪显著时应用。

风险恐惧情绪在商品期货市场中的定价作用 — 报告详尽分析

---

一、元数据与报告概览

• 报告标题：《风险恐惧情绪在商品期货市场中的定价作用》

- 主要作者：吴先兴（天风证券）

• 发布单位：天风证券股份有限公司

- 发布年份：2021年3月10日

• 报告主题：研究“风险恐惧情绪”如何在商品期货市场中对价格产生定价影响，揭示通过互联网搜索量衡量的风险恐惧信号（CFEAR）在商品市场组合收益中的作用及其定价能力。

- 核心论点：
- 利用149个关键词的Google搜索量，构建风险恐惧指标（CFEAR），反映投资者对天气变化、疾病、地缘政治、经济事件等可能影响商品供需的不确定因素的关注程度。
- CFEAR指标分组信号有效预测商品期货横截面超额收益，构建的多空投资组合实现显著年均超额收益9.28%，并呈现约0.9的夏普比率。
- 风险恐惧溢价独立于传统基本面、尾部风险、波动性、流动性风险因子，且与整体金融市场的负面情绪（如高VIX时期）密切相关。
- 该研究为商品期货定价文献提供了创新视角，强调情绪（恐惧）因素在市场定价机制中的作用，为量化投资策略设计提供理论支持和实践依据。

---

二、逐节深度解读

1. 简介

• 核心内容：

- 定义“商品风险恐惧”为对极端天气、疾病、地缘政治、经济事件等潜在威胁的恐惧，这种情绪超越传统基本面因素，对期货价格有附加影响。
- 恐惧既包含理性成分，也可能带有非理性（过度恐惧），它通过影响市场参与者套期保值行为，改变期货合约的价格结构。
- 举例说明：如霜冻引发对咖啡供应减少的恐惧，导致期货价格高于无风险恐惧时的价格，以吸引空头承担更多风险，形成“恐惧溢价”。
- 反向情形，如供应增加预期导致期货价格下降，反映风险恐惧驱动的负面溢价。
- 构建CFEAR特征：基于互联网搜索数据，回归检验139关键词与28个商品收益的关系，整体形成跨商品的风险恐惧信号。
- 该信号被用作构建多空投资组合，卖出“风险恐惧正向冲击”的商品，买入“风险恐惧负向冲击”的商品。
- 研究发现：CFEAR组合的显著正超额收益与高夏普比率，且部分解释尾部风险、基本面风险、流动性等因素，但其定价能力不完全被这些因素覆盖。
- 扩展分析揭示，CFEAR效应在金融市场整体悲观情绪高涨时尤为突出。

• 阐释：

- 本节强调恐惧情绪作为市场参与者对潜在极端事件的理性或半理性反应，能形成系统性的期货价格偏差，影响市场供求和风险溢价结构。
- 数学表达式形式化了风险恐惧导致的期货溢价，提出了理论框架支持后续实证分析。

• 关键数据：

- CFEAR多空组合年均超额收益9.28%，t值3.35，夏普比率0.90，具有显著统计和经济意义[page::1]。

---

2. 对商品的风险恐惧

2.1 Google搜索量数据

• 关键点：

- 利用Google趋势数据中的149个与商品相关的风险关键词，覆盖天气（WE）、农业疾病（DI）、地缘政治（GP）、经济风险（EC）四大类别。
- 关键词涵盖极端天气（如飓风、霜冻）、作物病害、冲突等，均代表可能影响商品供需的风险。
- 通过对每个关键词的搜索量标准化处理，消除历史最大值前视偏差，并取多日期样本平均以降低采样误差。
- 产品示例：
- 面板A（飓风搜索量vs木材价格）显示飓风高峰与木材期货价格同步或紧随。
- 面板B（埃博拉搜索量 vs 活牛价格）显示疫情关注度激增与活牛价格变化相关。
- 面板C（石油危机搜索 vs 轻质原油价格）显示相关性。
- 面板D（失业搜索 vs 天然气价格）呈负相关，反映供需预期不同。

• 数据处理：

- 每周一次抓取关键词搜索量，并计算对数变化率 $\Delta S{j,t} = \ln(s{j,t}/s{j,t-1})$ 作为风险恐惧激增信号。
- 该方法确保信息是实时可获取的，适合作为投资组合信号。

• 意义：

- 通过关键词搜索量捕捉实时市场对潜在风险事件关注，进而反映市场参与者的恐惧情绪，有效替代传统定价因子[page::2][page::3]。

2.2 CFEAR投资组合建立

• 构建步骤：

- 标准化各关键词周度变动，消除不同关键词尺度差异。
- 对每个商品收益与过去L周关键词标准化变动进行OLS回归，获得回归系数$\beta{i,j}^{CFEAR}$。
- 计算每个商品的CFEAR特征为所有关键词系数之和。
- 按CFEAR特征值排序，组合中做多底部20%（Q1），做空顶部20%（Q5）商品期货，持有一周后滚动更新。
- 采用滚动扩展窗口估计，提高估计稳定性，避免罕见事件导致的噪音。

• 逻辑：

- 投资组合试图捕获恐惧情绪对不同商品定价影响的横截面差异。
- 锁定情绪对供应减少或需求增加恐惧导致期货上涨的商品做空，反向做多。

---

3. 数据与基准

3.1 数据

• 研究涵盖28种商品期货，涵盖17种农产品、6种能源和5种金属。

- 数据时间从2004年初起，投资组合构建自2005年开始，截至2018年末。

• 各商品统计数据（均值、波动率、自相关、偏度等）详见图3，展现商品不同特征。

- 该数据基础符合现有横截面策略研究规范。

3.2 绩效评价基准

• 使用多种基准组合评估CFEAR策略表现，涵盖：

- 均等权重的全商品多头组合（AVG）。
- 经典商品风险因子组合，如基差、动量、对冲压力、凸性。
- 尾部风险因子（偏度，VaR1%、VaR99%）。
- 流动性与波动性相关因子（基差动量、非流动性）。

• 目的评估CFEAR是否为已知风险因子的代理，还是独立的新因子。

---

4. 风险恐惧情绪被定价了吗？

4.1 CFEAR投资组合表现

• 图4（五分位数分组）显示，CFEAR低值组（Q1）平均超额收益4.35%，最高组（Q5）为负14.21%，构建的多空差额组合年化收益9.28%，统计显著。

- 夏普比率0.90，优于多数同行多空策略。

• 空头（卖出恐惧最大商品）贡献绝大部分负超额收益推动组合收益，表明恐惧情绪带来的负面溢价是主要驱动。

- 商品构成动态，图5显示能源品偏重空头组，反映恐惧往往与供应减少风险相关。

• 图6净值曲线对比显示CFEAR组合胜出其他基准组合。

4.2 CFEAR是否为风险补偿？

• 利用多种风险因子（基础因子、尾部风险、流动性风险等）构建多元回归，检验CFEAR组合的alpha。

- 虽存在对多个风险因子的暴露，其中流动性风险尤为显著，说明流动性不足是CFEAR表现的重要因素。

• 即便控制所有这些风险因子，CFEAR组合仍显著产生8%-9%年化alpha，统计意义强，表明其收益不完全是风险补偿，而是定价了恐惧情绪本身。

- 这支持了恐惧情绪作为独立定价因子的假设。

4.3 CFEAR效应与整体金融市场情绪相关度

• 通过对CFEAR分组内商品特征分析（图8），发现空头组（Q5）商品流动性低，波动大，动量和未平仓量低，典型的情绪敏感资产。

- 回归分析引入VIX水平，将金融市场分为高VIX（悲观）和低VIX（乐观）两种状态。

• 结果显著显示高VIX时期CFEAR组合收益及alpha大幅提升，多空组合多头收益提高不明显，空头表现极差（高达-30.68%超额亏损），说明悲观市场强化了恐惧情绪的影响。

- 类似地，利用TED利差代理资金流动性风险，发现流动性紧缩年头空头亏损扩大，进一步验证资金约束导致的套利失败加剧恐惧溢价。

• 行为金融视角解释为，极端情绪时期套利者受资本约束，不愿或无法纠正价格偏差，恐惧情绪得以持续反映在价格中。

---

5. 结论

• 本研究创新利用互联网搜索量数据，构建反映市场风险恐惧情绪的CFEAR指标，并将在商品期货横截面定价中实现实证检验。

- 发现风险恐惧显著影响商品期货价格，驱动了可观的横截面超额收益，且不被主流风险因子完全解释。

• 恐惧情绪效应在整体金融市场悲观情绪（高VIX）下加强，表明市场“动物精神”作用明显。

- 结论表明，潜在风险的恐惧影响期货合约的定价，尤其在资本约束及市场恐慌加剧时更为明显。

• 该研究为商品期货定价理论增加了新的维度，指出情绪因素不可忽视，为风险管理和策略设计提供了重要启示。

---

三、图表深度解读

图1：搜索关键词分类

• 展示了用于构建风险恐惧指标的149个关键词，分类为天气(WE,113个)、农业疾病(DI,10个)、地缘政治(GP,14个)、经济风险(EC,12个)。

- 关键词包括极端天气现象（飓风、霜冻、干旱）、作物病害（咖啡锈病）、地缘政治冲突（中东冲突、油禁运）、经济危机（失业、衰退）等，全面覆盖可能扰动商品供需的风险事件。

• 关键词提取过程注意剔除无关词汇，确保数据相关性与代表性。

- 该分类体系是CFEAR指标构建的基石，体现不同风险维度对投资者关注度的捕捉。

图2：Google搜索与商品价格对比

• 四个面板分别展示不同风险关键词的搜索强度（GSVI）与相关商品期货价格（月度均值）关系。

- 面板A：飓风搜索激增与木材价格上涨时间点高度重叠，反映气象风险对应供应链冲击。

• 面板B：埃博拉搜索激增与活牛价格波动相关，体现疫情风险对特定商品需求影响。

- 面板C：石油危机相关搜索与轻质原油价格变动呈现逻辑联动。

• 面板D：失业关键词搜索与天然气价格呈负相关，经济衰退减少需求的负面预期体现。

- 说明关键词搜索量可作为市场对潜在风险的即时关注信号，与价格波动同步，验证其作为风险恐惧代理的合理性。

图3：单个商品期货描述性统计

• 对28个商品期货的超额收益均值、标准差、自相关、偏度、CFEAR信号均值和波动率进行详尽描述。

- 反映各商品风险及收益特征差异，供后续回归建模使用。

• 显示农产品、能源与金属中各品种的不同波动和风险属性，均衡覆盖市场全貌。

图4：CFEAR分组表现

• CFEAR因子分成五分组，低值组（Q1）表现正超额收益4.35%，高值组（Q5）负超额收益-14.21%，差异显著。

- Q1-Q5组合收益9.28%，t=3.35，有统计学与经济学显著性。

• 组合的波动率适中，夏普比率0.90，说明风险调整后表现优异。

- 尾部风险指标和正负偏度展示投资组合较低风险属性。

• 具备很强的投资吸引力。

图5：CFEAR组合的多空构成

• 展示各商品在多头（Q1）与空头（Q5）投资组合中的周度出现频率。

- 结果显示组合构成动态变化，持续覆盖不同品种。

• 能源品更多入空头组，符合其对应的恐惧（供应减少）逻辑。

图6：多空和纯多头投资组合净值

• 显示2004年-2018年间，CFEAR多空组合净值累计增长超过4倍，优于纯多头及其他传统策略。

- 视觉上表现出策略的稳健性和长期有效性。

图7：时间序列张成测试

• 结果表明CFEAR组合对多个风险因子有敏感暴露，尤其是流动性风险，调整模型解释度显著提升。

- 即使控制传统风险因子，CFEAR组合依然保持显著alpha。

• 证明风险恐惧溢价不仅仅是现有风险因子风险补偿，而是独立风格。

图8：CFEAR分组特征

• 各CFEAR分组商品的多项风险和流动性指标汇总。

- 空头组流动性远低于多头组，波动和方差大，动量弱，未平仓低，展示情绪敏感资产的典型特征。

• 支持情绪作为影响价格的重要维度。

图9：不同时间下的CFEAR效应

• 通过VIX和TED分组，展示金融市场情绪和资金流动性状况对CFEAR策略表现的影响。

- 高VIX（悲观期）下，CFEAR组合的多空收益差异最大，alpha显著更高，空头亏损严重，反映恐惧情绪显著影响价格。

• 高TED（资金紧张）期间，同样发现空头更大亏损，暗示资本约束导致套利受限。

- 进一步验证行为金融学理论，恐惧情绪对商品价格的加强作用。

---

四、估值分析

• 本报告非直接公司估值研究，而是商品期货市场风险溢价因子研究，不涉及传统现金流折现等公司估值方法。

- 所采用的分析方法为横截面资产定价与时间序列风险溢价模型，借助回归、风险因子模型、组合构建来量化风险恐惧因素对期货价格的影响。

• 通过组合超额收益和alpha估算，实现对非传统风险来源的定价解释。

- 流动性作为加强解释力的重要变量体现，对定价和估值的深度影响值得关注。

---

五、风险因素评估

• 研究控制了多数已知风险因子，如基差、动量、尾部风险指标（偏度VaR）、流动性与波动性因子，确认CFEAR溢价独立存在，非简单风险补偿。

- 风险在于互联网搜索数据本身可能受非市场参与者影响、前视性及数据噪声。

• 罕见风险事件导致估计噪声较大，需使用长时间窗口增强稳健性。

- 套利者资本约束和风险吸收能力下降带来的流动性风险是显著的CFEAR溢价放大因素。

• 恐惧情绪本身可能随外部环境急剧变化而波动，使策略表现受宏观金融状况影响较大。

- 报告未详细讨论极端事件下模型失效风险与非理性恐惧带来的价格异常，但已涵盖部分行为金融学风险视角。

---

六、批判性视角与细微差别

• 作为基于互联网搜索数据的研究，CFEAR信号可能受到数据获取时间差异与搜索行为异质性的影响，存在一定噪声和信息捕获偏差。

- 投资组合构建依赖过去回归系数，滞后反应可能限制对极端突发事件的即刻捕捉。

• 风险恐惧溢价与流动性风险的高度相关可能意味着部分溢价解释权未完全归因于“恐惧”本质，动态交互复杂。

- 报告未深入探讨不同类型风险关键词对商品的不同定价异质性，仅作为整体指标使用，未来可细分提升模型精度。

• 对恐惧情绪的理性与非理性成分区分较弱，未来研究或需结合行为模型定性分析。

- 其结果稳健性有赖于长期、中期数据累积，短期应用谨慎。

---

七、结论性综合

本文通过创新利用互联网搜索关键词的搜索量动态，成功构建了“风险恐惧情绪”指标（CFEAR），系统化地揭示了风险恐惧情绪在商品期货市场的定价作用。研究结论显示：

• CFEAR指标通过横截面多空分组，带来了年均9.28%的显著超额收益，夏普比率达到0.90，显示良好的风险调整表现。

- 该溢价与传统风险因子（如基差、动量、尾部风险、流动性）相关，但独立于它们，且控制这些因子后仍表现出显著alpha，支持风险恐惧作为独立定价因子的地位。

• 投资组合收益的主要驱动力来自空头仓位，空头主要覆盖情绪敏感且流动性较差的能源商品。

- 金融市场整体情绪的悲观（高VIX）与资金流动紧缩（高TED）状态增强了风险恐惧溢价的幅度和持久性，暗示产业链上的“动物精神”在市场中起着重要作用。

• 图表数据（图1-9）充分支持理论假设和实证策略结果，准确反映了恐惧情绪与价格之间的动态关系。

- 该研究为商品期货定价文献提供了宝贵补充，明显体现行为金融学视角在实证中的作用，提示市场奔波动态比单纯基本面因素更复杂。

总体而言，报告从理论构建、数据选取、策略设计、实证分析到风险控制均展现扎实严谨的方法论和清晰逻辑，提供了市场参与者理解和利用风险恐惧情绪因素的新途径。

[page::0,1,2,3,4,5,6,7,8,9,10]

报告