大宗商品CTA多因子模型构建及回测
由kyrie_fu创建，最终由kyrie_fu 被浏览 200 用户
摘要
中国商品期货市场近30年来取得历史性突破和跨越式发展。近年来，伴随股票市场多因子选股策略的风靡，越来越多的期货界投资人士，在尝试使用多因子框架构建商品市场的CTA策略。这类策略的核心是找到各类可以影响商品市场价格涨跌的公共因子，如资产动量、波动率、宏观基本面等，构建统一框架来评估资产价格上涨、下跌的潜力，进而构建商品市场的组合投资策略，多因子策略是近年来CTA策略的一个重要分支。本文主要尝试对多因子CTA策略构建中一些常用的因子进行测评，并试图构建一个基本的多因子CTA策略，以深入洞察该类策略的运作，供投资者参考
测试的因子包括技术面因子以及宏观基本面两类因子。技术面因子采用横截面动量、波动率、持仓量变动率以及期限结构；宏观基本面因子采用CPI、PPI、PMI、M1-M2、工业增加值、国债期限利差。通过单因子测试我们最终选取了以下几个指标：横截面动量、波动率、期限结构、PPI以及国债期限利差。接下来我们就将通过多因子打分的方法构建商品期货组合，为了多方位就检验策略效果，这里分别构建多头组合和多空组合。多头组合为每月末做多排名前n%的标的，多空组合为每月末做多排名前n%的标的并做空排名后n%的标的。（为避免策略的过度拟合，对于细分类别，n取50，对于全部商品，n取20）考虑到不同的投资需求，我们在这里将期货划分成几个大类进行回测，分别为：能源化工类、金属类（含贵金属）、农产品类，以及全部商品标的
通过上述对细分品种的多空组合与全部标的构建多空组合绩效比较可知，多空组合的多因子商品CTA策略更适用于可选标的较多的情况，这是因为多因子模型的本质是基于某个维度对样本池的相对排序，并通过多个标的资产的配置，将这种排序转为有效的策略，若标的过少，尤其是标的资产属于同一大类时，由于同一大类商品中的共性因素存在，会导致指标的区分度不大，从而导致策略的失效，因此，基于多因子构建的商品CTA多空组合策略，更适用于全部样本
最后，我们基于这一框架，对全市场的商品标的进行综合打分，截止10月底，模型建议做多的品种包括棉花、焦炭、粳稻、棕榈油、PVC以及锌，建议做空的品种包括黄金、石油沥青、玉米淀粉、铅、硅铁以及PTA
正文
/wiki/static/upload/b3/b376347f-ea9a-4bfc-8712-ef8f02e7f475.pdf
\