• ETF 高频折溢价信号分类为日内信号（今收VS今开、今收VS今日平均、今收正负）与日间信号（今收VS昨收、今收VS昨日平均），均显示较强的基差预测能力，相关信号胜率均超过59%，部分信号胜率达64%以上，表明高频折溢价可有效预测次日基差变化[page::0][page::6][page::7][page::8][page::9][page::10]。

• 基差本身的“均值回复”性质也可作为预测信号：当日基差大于昨日则预测次日基差减小，反之增大，回测胜率超过61%，最高达64.61%[page::10][page::11]。

• 基差“交割日效应”信号构建基于期货合约交割临近时价格收敛原理，发出基差向零收敛信号，回测显示预测胜率显著提升，上证50达84.21%，中证500达86.84%，显示该信号对基差预测具有较强指导意义[page::12][page::13]。

• 综合信号结合ETF折溢价信号、基差均值回复和交割日效应：若交割日效应无信号，则需ETF折溢价与均值回复信号完全一致，才发出预测信号；否则采用交割日效应信号，整体表现优异，胜率超过74%，信号频率约在40%-46%区间[page::13][page::14]。

• 参数敏感性检验显示综合信号稳健，在参数 m 取值1至90变化中，预测胜率均维持在较高水平，50ETF均不低于71%，300ETF大多数时间高于70%，中证500超过74%。且剔除每日收盘前后5分钟数据后的信号胜率无显著下降，部分品种略有提升，展示了信号的稳定性和适用性[page::15][page::16][page::17]。

• 报告深度分析ETF折溢价与基差内在联系：二者均为投资者情绪的代理变量，且套利机制导致双方均具均值回复特性，因而高度正相关且相互印证，提示投资者在操作时可同时关注两者信息以增强预测能力[page::11][page::12].

- 投资建议：基差交易者可借助ETF折溢价信号增强预测准确性；ETF投资者亦可参考期货基差走势辅助决策，实现两类投资者信息共享[page::12].

“ETF情绪温度计”系列研究（三）—— 高频折溢价的基差预测能力 报告详尽分析

---

1. 元数据与报告概览

• 标题： “ETF情绪温度计”系列研究（三）—— 高频折溢价的基差预测能力

- 作者： 高子剑（分析师），沈芷琦（研究助理）

• 发布机构： 东吴证券研究所

- 发布日期： 2020年2月25日

• 主题： 该报告聚焦于ETF市场高频折溢价信号对股指期货基差（期货价格与现货价格差异）的预测能力，深入探讨折溢价与基差的相互关系及其背后的经济学本质。主要标的包括上证50、沪深300、中证500ETF及其对应期货主力合约。

核心论点与目标
报告提出高频折溢价的多项信号（包括日内和日间信号）对基差的预测能力非常出色。基差具有均值回复特性，并且基差会随着期货合约交割日临近向零收敛。基于这三方面的信号，构建综合预测信号，显示胜率超过74%。报告意图指出ETF折溢价与基差本质连接，强调两者可互为参考，从而为投资者提供新的市场情绪与价格动向信号。[page::0]

---

2. 逐节深度解读

2.1 前言与背景（第3页）

ETF紧密跟踪对应指数，交易数据蕴含丰富投资者情绪信息。报告延续此前两篇系列报告，用高频折溢价信号打造了基于ETF和股指期货的择时策略，分别取得24.74%和29.57%的年化收益，日度胜率均在57%及以上，表现较为稳健（表1、图1-2）。
基差作为期货价格和现货价格的差值，同样是情绪的代理变量，报告由此出发探讨高频ETF折溢价对基差的预测潜力。其中，基差定义为“当日基差 = 当日期货收盘价格 - 当日现货收盘价格”。[page::3]

---

2.2 分钟数据日内行为分析（第4-5页）

• 交易量日内走势（图3、5、7）：三个ETF均表现出“U”型成交量曲线，上午开盘和下午收盘时段成交量峰值最大，且午间换手出现短暂涨跌幅波动，体现投资者集中活跃交易时段。

- 折溢价日内走势（图4、6、8）：相比成交量更波动，上午开盘折溢价最高后迅速回落，下午开盘折溢价迅速上升，收盘前几分钟迅速收敛。50ETF日内折溢价围绕零波动，300ETF与500ETF则表现出明显的午后逐渐上升趋势，反映不同ETF特性对价格偏离的影响。
这二者说明，在活跃交易时段，短期价格偏离和折溢价波动更大，且不同ETF由于成分股及流动性差异表现出差异化形态。[page::4,5]

---

2.3 ETF 高频折溢价信号构建及回测（第6-10页）

日内信号

1. 今收VS今开 (3.1.1，图9、表2)

以收盘附近m（参数一般取5）分钟折溢价平均值与开盘附近m分钟平均做比较：
- 收盘折溢价 > 开盘折溢价，预测次日基差减小；
- 反之，预测次日基差增大。
回测显示胜率约60%左右，信号频率95%，均对三个ETF有效。

1. 今收VS今日平均(3.1.2，图10、表3)

收盘折溢价大于日内平均折溢价时，预测次日基差减小，反之增大。表现优于今收VS今开，胜率在61-64%。

1. 今收正负信号(3.1.3，图11、表4)

收盘折溢价正负本身成为信号，正值预测次日基差减小，负值反之。胜率提升到62-66%，说明收盘折溢价正负有很强的方向指示意义。

日间信号

1. 今收VS昨收(3.2.1，图12、表5)

今日收盘折溢价和昨日收盘折溢价比较，表现出61%左右胜率。

1. 今收VS昨日平均(3.2.2，图13、表6)

用昨日平均替代昨日收盘折溢价，胜率提高到约64%，三者中证500稍弱。

整体日间信号体现跨日折溢价变化同样蕴含基差变动信息。[page::6,7,8,9,10]

---

2.4 基差本身的均值回复特性分析（第11页）

基差因套利机制限制，通常围绕中性价位波动，表现出均值回复特质。采用简单预测模型：今日基差>昨日基差预测次日基差下降，反之亦然。
回测显示均值回复信号胜率64-61%不等，表现优异。图14和表7验证了该假设的有效性。[page::10,11]

---

2.5 折溢价预测信号的经济学解释（第11-12页）

• 基差和折溢价均体现投资者情绪和交易行为。

- 两者正相关，因为均衡价受投资者相似情绪主导。

• 算法中套利机制是约束与平衡力量，导致两者均表现均值回复特性。

- 投资者情绪在同一交易时刻造成两者同步变化；套利机制导致其跨期逆向调整。

• 这些因素综合造就折溢价对基差预测的强大能力，二者互为镜像和辅助指标。

因此建议期货交易者观察折溢价，ETF投资者关注期货基差，增强信息面判断力。[page::11,12]

---

2.6 基差交割日效应（第12-13页）

基于无套利原理，期货价格将在交割日前趋近现货价格，基差会向零收敛。
构造信号：期货主力合约切换前1天，基差偏正预测次日基差下降，负向则相反。
回测表明交割日效应信号的预测胜率显著高于其他信号，达到71%-87%，虽信号出现频率较低（4.95%），但预测精度优异。
图15与表8直观展示了该信号的预测能力。[page::12,13]

---

2.7 基差预测综合信号构建与回测（第13-17页）

综合信号构建规则：

1. 无交割日信号时，综合ETF折溢价信号与均值回复信号的所有子信号均预测同一方向时，综合信号采纳该方向预测。

2. 交割日信号出现时，综合信号直接采纳交割日信号预测。

参数m取5。综合信号胜率显著提升至74%左右，信号频率约41%-46%，相较单独信号综合表现更稳健。图16-18及表9详细展示。

参数敏感性测试：

测试m从1至90范围内变化（图19）表明综合信号对参数选择稳健，胜率波动较小，始终保持在70%以上。

剔除开盘及收盘5分钟信号测试：

鉴于分钟成交量和折溢价波动在开盘及收盘阶段最剧烈，剔除前后5分钟数据后重算信号，测试信号性能。

• 上证50信号胜率从74%提升到75.8%，

- 沪深300略降至67.9%，

• 中证500稳定约74%。

表10、图20-23及图23参数敏感性分析证实综合信号仍保持较强预测能力。[page::13,14,15,16,17]

---

2.8 总结与风险提示（第18页）

报告总结：

• 通过对ETF分钟折溢价的多维度信号构建，结合基差的均值回复与交割日效应，报告构建了基差预测的综合信号，胜率稳定且表现优异。

- 折溢价与基差相互关联的本质是投资者情绪和套利机制共同作用的结果。

• 投资者可依托该信号提升对基差变化的判断能力，辅助ETF及期货产品的交易策略制定。

风险提示同在历史数据基础上构建，未来市场环境的显著变化或数据错误可能影响信号有效性。[page::18]

---

3. 图表深度解读

图0：基差预测累计看对次数

• 展示了上证50、沪深300、中证500三个主力期货合约基差预测信号累计正确次数的成长曲线，时间跨度2016年12月至2020年1月。

- 三条线均呈现稳步上升，说明预测信号具有持续的有效性且未表现出明显失效趋势。

• 上证50和沪深300信号准确度类似，中证500略微滞后。

该图表明累计正确预测次数随时间线性增长，强化后续结果的可信度。[page::0]

---

图3-8：ETF分钟成交量与折溢价日内走势

• 成交量（图3、5、7）均展现典型“U”型分布，开盘和收盘交易最活跃。

- 折溢价（图4、6、8）在开盘/收盘波动较大，下午表现分化，尤其300ETF、500ETF呈上升趋势，暗示不同ETF结构带来的定价差异。
这些日内走势反映了信息密集发布和投资者情绪变化频繁时段，为日内信号构建提供基础。[page::4,5]

---

图9-13：ETF高频折溢价各类信号累计看对次数与表格胜率

（分别涵盖今收VS今开、今收VS今日平均、今收正负、今收VS昨收、今收VS昨日平均）

• 各信号累计看对次数稳步上升，表现了信号长期有效。

- 表格显示频率均为95%左右（说明信号几乎每日频繁产出），胜率均超过59%。

• 今收VS今日平均与收盘折溢价正负信号胜率相对较高，达到60%-66%。

这些证据支持日内高频数据中，收盘阶段的折溢价信息对预测次日基差变动较重要。[page::6,7,8,9,10]

---

图14：“均值回复”信号累计看对次数与表7

• 基差本身的均值回复信号同样表现稳健，累计看对次数持续增长。

- 胜率约61%-64%之间，比单一部分折溢价信号略高，体现了均值回复作为基差自身特征的重要性。[page::11]

---

图15及表8：“交割日效应”信号累计看对次数与统计

• 虽信号出现频率较低（约5%），但胜率高达71%-87%，远超其他信号。

- 图形显示信号在时间序列中精准定位收敛动作，表现出强烈的理论支持基础。
该信号为综合模型提供了强有力的切入点。 [page::12,13]

---

图16-18及表9：基差预测综合信号累计看对次数和频率、胜率

• 综合信号的累计正确次数显著增加且走势平稳，胜率保持高位（约74%），信号频率约在40%-46%。

- 表9显示综合信号看对次数远超看错，明显优于单一信号，提高了实际应用的参考价值。
体现通过多维度信号整合，提高准确率并过滤掉部分噪声。 [page::13,14]

---

图19：综合信号参数敏感性测试

• 不同m取值对信号胜率影响不大，胜率稳定且均高于70%，表明参数选取灵活，无需过度调参。

- 50ETF和中证500表现较优，沪深300略有波动。
增强了信号应用的稳健性和泛化能力。 [page::15]

---

图20-22及表10：剔除前后5分钟后的综合信号回测

• 50ETF剔除后胜率从74.4%提升至75.9%，表现明显增强。

- 沪深300小幅下降至67.9%，中证500基本持平。

• 表10显示信号频率略降（约37%-42%），明显信号更加精选，胜率反而提升。

此操作有效过滤日内极端噪声，提高预测精度。 [page::16,17]

---

图23：剔除前后5分钟参数敏感性

• 在该场景下，信号仍表现出极佳稳健性，胜率维持70%以上。

为前述优化提供统计学支持，证明该方法有效。 [page::17]

---

4. 估值分析

本报告不涉及企业估值模型与目标价设定。其主要焦点为结构化的市场微观信号研究及预测能力验证，不含DCF、P/E、市盈率等财务估值分析。

---

5. 风险因素评估

• 历史数据偏差风险： 本报告所有结论基于2016年12月至2020年1月的历史数据，行情环境、市场微结构等未来变化可能使信号失去效力。

- 数据质量风险： 高频折溢价的计算依赖公开市场数据，可能存在延迟、错误或缺失，影响信号准确性。

• 模型过拟合风险： 尽管通过参数敏感性测试降低此风险，仍需警惕模型在其他市场或时间段中的泛化能力。

- 市场微结构变化风险： 监管政策、投资者行为改变可能引起价格形成机制变异，削弱信号参考价值。
报告对上述风险给予了明确提示，投资者应谨慎使用且结合实况判断。[page::0,18]

---

6. 批判性视角与细节

• 折溢价与基差均是投资者情绪的代理变量，但报告主要通过统计相关和信号胜率论证这一点，缺少对因果机制更深层次微观结构的理论建构或经济模型推导。

- 高频交易数据的噪声极大，虽剔除极端时段数据提高准确率，模型对市场极端事件（如黑天鹅）表现缺乏说明。

• 三个ETF品种表现出的细微差异暗示模型参数与应用需针对性调整，未做行业应用和市场条件的敏感性分析。

- 风险提示虽然充足，但对市场结构性突破或ETF产品创新的影响缺少具体场景预判。

• 报告对交割日效应信号表现依赖性较高，该信号频率低且依赖于期货主力合约转换的规则，建议在实际应用时需灵活调整。

总体报告客观严谨，但理论与实证结合仍有进一步深化空间。

---

7. 结论性综合

本报告作为“ETF情绪温度计”研究系列的第三篇，系统挖掘了ETF高频折溢价对股指期货基差的预测能力。基于对ETF分钟成交量与折溢价日内走势的细致分析，报告先后提出了多种基于折溢价的预测信号，包括“今收VS今开”，“今收VS今日平均”，“今收正负”，“今收VS昨收”及“今收VS昨日平均”，各自均表现出超过60%的胜率。此外，基差均值回复模型和交割日效应信号显著提升预测准确率，尤其交割日前基差向0收敛规律表现亮眼。
综合多个信号构成的模型在2016年底至2020年初的回测中，信号频率约41%-46%，胜率高达74%以上，且对参数选择稳健，同时剔除极端波动分钟数据后表现略有提升。
报告科学地揭示了折溢价与基差之间的双因子联系：投资者情绪的同向驱动导致两者高度正相关；套利机制产生的均值回复性质则赋予其跨期的负相关特征。此双重机制使折溢价成为强有力的基差预测标的。
图表中，折溢价信号和基差均值回复信号的累计看对次数曲线稳步上升，验证了信号效力的稳定性。多层次信号融合后的综合信号显著提升准确率，降低噪声误判，提高实际应用价值。
投资者可以基于此研究，在期货和ETF交易策略中交叉参考两者信息，增强行情波动的预判能力，从而获得潜在超额收益。风险方面，报告指出基于历史数据构建模型存在的局限，投资者需密切关注市场环境变化，警惕可能出现的信号失效。
本报告结构清晰，数据详实，图表辅助论证充分，呈现出高水平的金融量化研究范式，适合投资专业人士深入学习和借鉴。[page::0,3,4,6,10,11,12,13,18]

---

完整引用标注

[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19]

---

总体评价

本报告以高频数据挖掘为切入点，结合市场微结构与套利原理，创新性地实现ETF折溢价对期货基差的预测，提供了稳定且高胜率的交易参考信号。研究方法科学严谨，回测深入且参数稳健，充分利用图表和表格数据强化论证。报告虽缺乏对复杂因果机制的理论拓展，风险场景具体化不足，但作为工程化应用研究成果极具实用价值，值得投资决策参考。

报告