“海量”专题（135）——CTA因子适用性分析及品种动态筛选策略

重要提示：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，通过本微信订阅号发布的观点和信息仅供海通证券的专业投资者参考，完整的投资观点应以海通证券研究所发布的完整报告为准。若您并非海通证券客户中的专业投资者，为控制投资风险，请取消订阅、接收或使用本订阅号中的任何信息。本订阅号难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本订阅号推送内容而视相关人员为客户;市场有风险，投资需谨慎。
在FICC系列研究报告中，我们构建了动量、期限结构、基本面等不同类型的CTA因子。相对股票而言，期货品种数量较少，且板块和品种间差异较大，可能并不适用于相同的因子。在本篇报告中我们将探讨不同品种和板块在各因子下的表现，并尝试构建基于品种动态筛选的CTA多因子策略。
[h1]1回测参数设置[/h1]我们在本文中使用如下的回测参数：
1. 回测对象为国内所有商品期货，品种的筛选和主力合约、复权主力合约的构建方法请参见FICC系列报告；
2. 回测时间：2010.1.1-2019.5.17；
3. 交易成本：全品种按单边万分之三计算；
4. 使用复权主力合约发出交易信号，使用主力合约交易，在切换日收盘时平掉当前仓位，在下一个主力合约上开仓，开平仓的合约价值相同；
5. 在每个调仓时点上剔除上市不足半年或过去20个交易日日均成交不足1万手的品种。若从时间序列维度构建因子，则交易全品种；若从截面维度构建因子，则多空各包含前20%的品种；
6. 若调仓周期为H个交易日，则每[H/5]个交易日调仓一次，将较早建仓的1/min(H,5)的仓位调整为最新信号对应的持仓，避免单一路径对策略造成影响。
我们把所有品种分成黑色系、能源化工、农产品、贵金属、有色金属五个板块，如下表所示。

[h1]2不同品种和板块在各因子下的表现[/h1][h1]2.1动量因子[/h1]动量因子是应用最多的CTA因子，主要包括时间序列动量、横截面动量、收益信号动量和复合动量等形式，定义方式如图1所示。

各动量因子间相关性较强，这里我们以时间序列动量和复合动量因子为例进行分析。
[h1]2.1.1时间序列动量[/h1]时间序列动量因子共有两个参数，分别为回看期R和持有期H，二者遍历区间分别为（5、10、15、20、25、30、40、50、60）和（5、10、15、20、40）。因子在（R=40，H=5）参数组下收益率最高，各品种在该参数组下的表现如下图所示。表现最好的5个品种分别为SC、AP、PP、HC 和TA，表现最差的5个品种分别为SF、CY、CS、RM和B。各板块在该参数组下的表现如下图所示，其中黑色系和能源化工板块表现较好，而贵金属板块表现最差。

更一般地，我们考察各品种在不同参数组下的平均表现，以及当H固定为5日，仅遍历R时的平均表现，回测结果如下表所示。在活跃品种中，J、HC、TA、PP和CF表现最好，SF、SM、FG、B 和A表现最差。分板块来看，黑色系表现最好，所有参数组下的年化收益率和夏普比率均值分别为8.13%和0.56，能源化工表现次之，农产品、贵金属和有色金属板块表现较差，平均年化收益率均不超过1%。

[h1]2.1.2复合动量[/h1]复合动量因子共有两个参数，分别为回看期R和持有期H，二者遍历区间分别为（5、10、15、20、25、30、40、50、60）和（5、10、15、20、40）。因子在（R=35，H=5）参数组下收益率最高，各品种在该参数组下的表现如图2所示。表现最好的5个品种分别为AP、SC、I、J和JM，表现最差的5个品种分别为SF、SM、NI、FU和CS。各板块在该参数组下的表现如图3所示，其中黑色系表现依然最好，而贵金属和有色金属表现较差。

更一般地，我们考察各品种在不同参数组下的平均表现，以及当H固定为5日，仅遍历R时的平均表现，回测结果如下表所示。在活跃品种中，I、J、HC、JM 和 CF 表现最好，SF、SM、FG、CS 和NI表现最差。分板块来看，黑色系仍然表现最好，所有参数组下的年化收益率和夏普比率均值分别为10.81%和0.72，能源化工和农产品表现次之，贵金属和有色金属板块表现较差，平均年化收益率均未超过1%。

[h1]2.2期限结构因子[/h1]期限结构因子主要包括展期收益率和基差动量，因子定义方式请见《FICC系列之五——商品期货因子挖掘与组合构建再探究》。
[h1]2.2.1展期收益率[/h1]展期收益率因子共有两个参数，分别为期限结构类型tsType和持有期H，二者遍历区间分别为（ts1、ts2、ts3、ts4、ts5）和（5、10、15、20、40）。其中参数 tsType = ts1-ts4分别表示使用近月-次近月、近月-主力、近月-最远月、主力-次主力来计算展期收益率。ts5表示用直线拟合不同月份合约价格，做多斜率最小的20%品种，做空斜率最大的20%品种。
因子在（tsType=ts4，H=5）参数组下收益率最高，各品种在该参数组下的表现如图4所示。表现最好的5个品种分别为SC、I、B、AP和HC，表现最差的5个品种分别为MA、TA、CS、SF和BU。各板块在该参数组下的表现如图5所示，所有板块均取得正收益，其中黑色系和能源化工表现较好，而有色金属表现较差。

   更一般地，我们考察各品种在不同参数组下的平均表现，以及当H固定为5日，仅遍历R时的平均表现，回测结果如下表所示。在活跃品种中，I、 FG、JM、HC和J表现最好，MA、TA、CS、SN和BU表现最差。分板块来看，所有板块平均收益均为正。黑色系仍然表现最好，所有参数组下的年化收益率和夏普比率均值分别为11.86%和0.77，而有色金属板块表现相对较差。

[h1]2.2.2基差动量[/h1]基差动量因子共有两个参数，分别为回看期R和持有期H，二者遍历区间分别为（60、80、100、120、140、160、180、200）和（5、10、15、20、40）。
因子在（R=120，H=40）参数组下收益率最高，各品种在该参数组下的表现如图6所示。表现最好的5个品种分别为HC、AP、SC、CF和B，表现最差的5个品种分别为JM、ZC、P、PP和M。各板块在该参数组下的表现如图7所示，所有板块均取得正收益，其中农产品表现最好，而有色金属表现最差。

   更一般地，我们考察各品种在不同参数组下的平均表现，以及当H固定为5日，仅遍历R时的平均表现，回测结果如下表所示。在活跃品种中，CF、B、Y、JD和FG表现最好，JM、SM、P、ZC 和BU表现最差。分板块来看，农产品表现最好，所有参数组下的年化收益率和夏普比率均值分别为4.61%和0.64，而黑色系表现不佳，平均收益为负。

[h1]2.3基本面因子[/h1]基本面因子主要包括仓单变化率和库存变化率。指标选取及因子定义方法请见《FICC系列研究之八——CTA 因子表现回顾及组合优化探究》。
[h1]2.3.1仓单变化率[/h1]仓单变化率因子共有两个参数，分别为回看期R和持有期H，二者遍历区间分别为（20、30、40、50、60、70、80、90、100）和（5、10、15、20、40）。因子在（R=100，H=5）参数组下收益率最高，各品种在该参数组下的表现如图8所示。表现最好的5个品种分别为AP、ZN、RU、HC和OI，表现最差的5个品种分别为SC、SF、J、PP和AL。各板块在该参数组下的表现如图9所示，其中有色金属和能源化工表现较好，而贵金属和黑色系表现较差。

   更一般地，我们考察各品种在不同参数组下的平均表现，以及当H固定为5日，仅遍历R时的平均表现，回测结果如下表所示。在活跃品种中，ZN、RU、TA、HC和CU表现最好，SF、RM、J、Y 和PP表现最差。分板块来看，有色金属表现最好，所有参数组下的年化收益率和夏普比率均值分别为9.01%和0.86，而黑色系表现最差，主要原因在于黑色系品种很少注册生成标准仓单，仓单波动极大，因此不适用于该因子。

[h1]2.3.2库存变化率[/h1]库存变化率因子共有两个参数，分别为回看期R和持有期H，二者遍历区间分别为（20、30、40、50、60、70、80、90、100）和（5、10、15、20、40）。因子在（R=90，H=5）参数组下收益率最高，各品种在该参数组下的表现如图11所示。表现最好的5个品种分别为JM、SC、J、AG和MA，表现最差的5个品种分别为I、BU、PP、AL和AU。各板块在该参数组下的表现如图12所示，各板块均取得正收益，其中黑色系和有色金属表现较好，而贵金属表现较差。

   更一般地，我们考察各品种在不同参数组下的平均表现，以及当H固定为5日，仅遍历R时的平均表现，回测结果如下表所示。在活跃品种中，J、AG、TA、ZN 和JM表现最好，I、BU、PP、AU 和RB表现最差。分板块来看，各板块均取得正收益，其中有色金属表现最好，所有参数组下的年化收益率和夏普比率均值分别为6.73%和0.66，而贵金属板块受黄金拖累，表现相对较差。

[h1]3组合构建[/h1][h1]3.1基准模型[/h1]我们在《FICC系列研究之八——CTA因子表现回顾及组合优化探究》报告中使用复合动量、展期收益率、基差动量、库存变化率四个因子，构建了基于滚动优化的复合信号策略，具体如下所示：

这里我们将持有期H作为整个组合的可变参数。将H固定，各因子的另外一个参数选择样本内的最优参数。
当参数优化期为25日，参数使用期为5日时，策略表现较好，净值曲线如图14所示，策略年化收益率为13.3%，夏普比率和calmar比率分别为 2.55和4.28。参数敏感性如图15-16所示。

[h1]3.2品种筛选策略[/h1]我们可以根据板块和品种的特征，在不同因子中选择不同的品种或板块，构建以下三个策略。
策略1：板块剔除策略。根据上文的研究结果，我们从复合动量因子中剔除贵金属，从展期收益率因子中剔除有色金属，从基差动量因子中剔除黑色系，从库存变化率因子中剔除黄金。
策略2：品种动态剔除策略。我们使用过去R个交易日的数据优化得到每个因子的最优参数，再计算该参数下每个品种在过去R日的收益率，剔除收益率最低的五个品种。
策略3：“因子参数+品种”动态筛选策略。我们使用过去R个交易日的数据，计算各品种在各因子、参数下的年化收益率。对于每个品种，将每个“因子参数+品种”子策略按收益率排序并选择前50%，再剔除收益率为负的子策略。在所选的子策略集合中，将同一因子在不同参数下的信号求均值，得到各因子的信号，再求和得到总信号：

当参数优化期为25日，参数使用期为5日时，板块剔除策略年化收益率为13.62%，夏普比率和calmar比率分别为2.61和4.06。品种动态剔除策略年化收益率为13.61%，夏普比率和calmar比率分别为2.57和4.56，二者表现均好于原始策略。而“因子参数+品种”动态筛选策略表现不佳，年化收益率仅为9.62%，夏普比率和calmar比率分别为1.73和1.81。

板块剔除策略基于全样本信息，而品种动态剔除策略基于推进分析，更具参考意义。品种动态剔除策略下各板块和品种对组合的收益贡献如图18所示，其中黑色系在全区间内的正向贡献最大，而农产品板块则近期表现突出。分品种来看，正向收益贡献最大的五个品种分别为RB、J、HC、Y和CF。只有七个品种收益贡献为负，分别为OI、BB、CS、SF、SR、BU和LR。其中BB和LR目前已完全不活跃。

[h1]3.3参数敏感性分析[/h1]下面我们对品种动态剔除策略和“因子参数+品种”动态筛选策略进行参数敏感性分析，结果如图20-21所示。当参数优化期在60日以内时，在绝大多数参数组下，品种动态剔除策略表现好于原始策略，平均年化超额收益为0.22%，随着优化期的延长，表现逐渐弱于原始策略。
当参数优化期在50-120日之间时，“因子参数+品种”动态筛选策略表现好于原始策略，平均年化超额收益为0.29%。当参数优化期过短或过长时，可能大幅跑输原始策略。

[h1]4总结与展望[/h1]由于期货品种数量较少，且板块和品种间差异较大，可能并不适用于相同的因子。通过分析不同品种和板块在各因子下的表现，我们发现，黑色系适用于动量因子、展期收益率因子和库存因子，能源化工适用于动量因子、展期收益率因子和仓单因子，农产品适用于基差动量因子，有色金属适用于仓单和库存因子，贵金属适用于期限结构因子。
我们可以根据板块和品种的特征，在不同因子中选择不同的品种或板块，构建品种动态剔除和“因子参数+品种”动态筛选策略，其中前者表现较好，取得了13.61%的年化收益率，夏普比率和calmar比率分别为2.57和4.56优于原始策略。
[h1]7风险提示[/h1]因子有效性变化风险，流动性风险。

联系人：姚石，021-23219443
专题报告下载地址：
https://pan.baidu.com/s/16uVSstHyllcLB5nEiL4bGA

“海量”专题回顾
【点击标题可链接至报告原文】
【海通金工量化策略回顾】
48、“海量”专题（48）——海通金工2017年量化策略回顾
104、“海量”专题（104）——行稳致远：海通金工2018量化策略回顾

【宏观量化与资产配置】
7、“海量”专题（7）——大类资产配置之风险预算模型
20、“海量”专题（20）——长期投资者如何进行战略资产配置
23、“海量”专题（23）——中国版全天候策略
27、“海量”专题（27）——2017，全球对冲基金的新纪元？
33、“海量”专题（33）——Black-Litterman模型的直观理解
36、“海量”专题（36）——积极的风险均衡（Active Risk Parity）策略
46、“海量”专题（46）——Faber的战术资产配置策略在中国市场上的应用
56、“海量”专题（56）——从周期调整市盈率（CAPE）看中美股市当前的估值水平
59、“海量”专题（59）——宏观动量策略在全球股票市场中的应用
66、“海量”专题（66）——宏观动量策略在债券市场中的应用
67、“海量”专题（67）——宏观预期数据的选择与应用
101、“海量”专题（101）——美股的均值回归特征和收益率预测
105、“海量”专题（105）——全球股市轮动策略兼论从全球视角看A股投资价值
112、“海量”专题（112）——MOM投资框架
117、“海量”专题（117）——美国MOM数据分析
119、“海量”专题（119）——负债驱动投资（LDI）简介
124、“海量”专题（124）——主权财富基金资产配置的共性与差异

【因子投资与Smart Beta】
9、“海量”专题（9）——高相关资产配置中的因子降维与组合优化
10、“海量”专题（10）——高相关资产配置中的因子预算
14、“海量”专题（14）——大类资产中的风格因子与Smart Beta
41、“海量”专题（41）——风险加权指数
118、“海量”专题（118）——“单因子多组合”还是“多因子单组合”
122、“海量”专题（122）——反向剔除的因子组合
133、“海量”专题（133）——个股加权方式对比

【行业轮动】
16、“海量”专题（16）——动量策略及收益率高阶矩在行业轮动下的应用
49、“海量”专题（49）——行业一致预期数据的应用分析
52、“海量”专题（52）——“基本面+价格”选出好行业
65、“海量”专题（65）——龙头股效应在行业轮动上的应用
68、“海量”专题（68）——行业间动量和趋势因子的应用分析
70、“海量”专题（70）——预期情绪数据在行业轮动中的应用
72、“海量”专题（72）——宏观经济数据应用于行业轮动的探索
73、“海量”专题（73）——周期、非周期板块内的行业轮动

102、“海量”专题（102）——基于行业Alpha收益的行业轮动模型

103、“海量”专题（103）——行业微观因子的轮动效果
126、“海量”专题（126）——基于BL模型的行业配置策略

【因子择时与风格轮动】
4、“海量”专题（4）——多因子择时初探
19、“海量”专题（19）——基于条件期望的因子择时框架
47、“海量”专题（47）——探寻风格轮动的先行指标
57、“海量“专题（57）——大小盘轮动研究（创业板50 vs 上证50）
75、“海量”专题（75）——指数轮动：沪深300 VS 中证500
90、“海量”专题（90）——宏观数据在板块轮动中的应用
95、“海量”专题（95）——因子失效预警：因子拥挤

108、“海量”专题（108）——因子拥挤度的改进

109、“海量”专题（109）——因子拥挤度的扩展
134、“海量”专题（134）——基于回归树的因子择时模型

【量化多因子选股】
1、“海量”专题（1）——市值因子的非线性特征
2、“海量”专题（2）——选股因子的正交
3、“海量”专题（3）——从最大化复合因子单期IC角度看因子权重
11、“海量”专题（11）——业绩反转之绝对收益

13、“海量”专题（13）——因子视角下的事件驱动策略
15、“海量”专题（15）——因子视角下的事件驱动策略收益
17、“海量”专题（17）——高频因子之收益分布特征
21、“海量”专题（21）——分析师主要要素变动共振事件
22、“海量”专题（22）——价值投资系列之便宜是否值得买
24、“海量”专题（24）——分析师一致预期相关因子
26、“海量”专题（26）——关注盈利是短期风格还是长期趋势
29、“海量”专题（29）——历史财务信息对股票收益的预测能力
30、“海量”专题（30）——历史盈利在预测股票收益时的作用
34、“海量”专题（34）——高频因子之已实现波动率分解
35、“海量”专题（35）——因子加权、正交和择时的若干性质
37、“海量”专题（37）——分位数回归在多因子选股中的应用
38、“海量”专题（38）——因子降维1：底层因子降维方法对比
39、“海量”专题（39）——分析师荐股是否存在超额收益
40、“海量”专题（40）——一致预期数据的质量分析
43、“海量”专题（43）——学术研究中的财务异象之盈利能力
44、“海量”专题（44）——学术研究中的财务异象之盈利质量
51、“海量”专题（51）——A股因子的适用环境分析

55、“海量”专题（55）——学术研究中的财务异象之应计量的分解
58、“海量”专题（58）——业绩超预期股票收益特征分析
60、“海量”专题（60）——哪种分析师推荐报告最值得关注？
63、“海量”专题（63）——A股市场存在龙头股效应吗？
64、“海量”专题（64）——龙头股效应在一致预期数据上的应用
71、“海量”专题（71）——被机构调研的上市公司有超额收益吗？
76、“海量”专题（76）——宏观经济数据可以用来选股吗
77、“海量”专题（77）——宏观经济的不确定性在A股市场被定价了吗？
79、“海量”专题（79）——解禁、融资融券、陆股通和质押的超额收益机会分析

80、“海量”专题（80）——分析师覆盖度与股票预期收益
82、“海量”专题（82）——原油价格对行业和股票影响的量化分析
84、“海量”专题（84）——哪些宏观经济指标可以选股？

85、“海量”专题（85）——A股是否存在异质动量现象？
89、“海量”专题（89）——哪些事件驱动策略可以因子化？
91、“海量”专题（91）——如何计算盈利指标的趋势？
91、“海量”专题（92）——因子敞口上限对优化组合的影响
93、“海量”专题（93）——放松组合构建中的行业中性约束
94、“海量”专题（94）——高频量价因子在股票与期货中的表现
96、“海量”专题（96）——医药行业因子选股研究

97、“海量”专题（97）——预期因子的底层数据处理
100、“海量”专题（100）——行业、概念板块的动量溢出效应
111、“海量”专题（111）——质量因子
113、“海量”专题（113）——近期指数增强策略回撤原因分析
115、“海量”专题（115）——预期调整类因子的收益特征
1 21、“海量”专题（121）——日内分时成交中的玄机
123、“海量”专题（123）——捕捉投资者的交易意愿
125、“海量”专题（125）——探索A股的五因子模型
127、“海量”专题（127）——当下跌遇到托底
128、“海量”专题（128）——股票的“共性”与“个性”
132、“海量”专题（132）——消费板块的因子组合

【衍生品和CTA策略】
5、“海量”专题（5）——CTA策略介绍及配置价值（上）
6、“海量”专题（6）——CTA策略介绍及配置价值（下）
8、“海量”专题（8）——豆粕/白糖商品期权指南

12、“海量”专题（12）——基于动量和期限结构的商品期货策略
18、“海量"专题（18）——多品种期货策略中的权重分配
31、“海量"专题（31）——商品期货因子挖掘与组合构建再探究（上）
32、“海量"专题（32）——商品期货因子挖掘与组合构建再探究（下）
42、“海量”专题（42）——CTA多品种趋势策略中的仓位管理方法
53、“海量专题”（53）——基于海内外期货持仓报告的CTA策略
61、海量“专题（61）——原油期货指南
83、“海量”专题（83）——2年期国债期货指南
87、“海量”专题（87）——揭开“逆周期因子”的神秘面纱
110、“海量”专题（110）——2018 年期货市场及CTA策略回顾

【FOF与基金研究】
25、“海量”专题（25）——债券基金的风格归因与因子剥离初探
28、“海量”专题（28）——债券基金风格归因模型2.0之七因子剥离体系

45、“海量”专题（45）——因子剥离体系下的债券基金久期估测构想
69、“海量”专题（69）——A股市场的基金经理是否具备择时能力？
78、“海量”专题（78）——基金业绩持续性的影响因素分析
81、“海量”专题（81）——FoF投资中，如何对主动权益基金进行因子剥离
98、“海量“专题（98）——基金风格稳定性评估及功能性权益基金挖掘
106、“海量”专题（106）——利用因子暴露监控公募基金仓位和投资风格的变化
114、“海量”专题（114）——国内公募权益类基金有Alpha吗？
129、“海量”专题（129）——Alpha是来自于运气还是实力？
130、“海量”专题（130）——基金业绩归因方法论综述

【创新产品研究】
50、“海量”专题（50）——新理念、新趋势：ESG投资概述
62、“海量”专题（62）——目标日期基金的下滑轨道设计
120、“海量”专题（120）——ESG评级在因子组合构建中的应用

【高频交易策略】
131、“海量”专题（131）——基于集合竞价分时走势的A股T+0策略

【量化市场观察】
54、“海量”专题（54）——亏损这么多，我该拿你怎么办？
74、“海量”专题（74）——战略配售基金投资标的基本面及收益率分析
86、“海量”专题（86）——股市极值及收益率预测模型的周度择时研究
88、“海量”专题（88）——中国企业的税收负担及其对上市公司投资价值的影响
99、“海量”专题（99）——行业收益结构变化带来的机遇
107、“海量”专题（107）——中美股票市场指数的季节效应

法律声明：
本公众订阅号（微信号：海通量化团队）为海通证券研究所金融工程运营的唯一官方订阅号，本订阅号所载内容仅供海通证券的专业投资者参考使用，仅供在新媒体背景下的研究观点交流；普通个人投资者由于缺乏对研究观点或报告的解读能力，使用订阅号相关信息或造成投资损失，请务必取消订阅本订阅号，海通证券不会因任何接收人收到本订阅号内容而视其为客户。
本订阅号不是海通研究报告的发布平台，客户仍需以海通研究所通过研究报告发布平台正式发布的完整报告为准。
市场有风险，投资需谨慎。在任何情况下，本订阅号所载信息或所表述的意见并不构成对任何人的投资建议，对任何因直接或间接使用本订阅号刊载的信息和内容或者据此进行投资所造成的一切后果或损失，海通证券不承担任何法律责任。
本订阅号所载的资料、意见及推测有可能因发布日后的各种因素变化而不再准确或失效，海通证券不承担更新不准确或过时的资料、意见及推测的义务，在对相关信息进行更新时亦不会另行通知。
本订阅号的版权归海通证券研究所拥有，任何订阅人如预引用或转载本订阅号所载内容，务必联络海通证券研究所并获得许可，并必注明出处为海通证券研究所，且不得对内容进行有悖原意的引用和删改。
海通证券研究所金融工程对本订阅号（微信号：海通量化团队）保留一切法律权利。其它机构或个人在微信平台以海通证券研究所金融工程名义注册的、或含有“海通证券研究所金融工程团队或小组”及相关信息的其它订阅号均不是海通证券研究所金融工程官方订阅号。

“海量”专题（135）——CTA因子适用性分析及品种动态筛选策略

浏览过的版块