了解季节性——以谷物和油籽为例

论坛 › 期权论坛 › 期权

 真格量化  2019-8-23 09:06  3598  0

季节性的定义

对于时间序列分析来说，具有季节性是指特定的数据在一定时间内（通常为1年，当然也可以是预先定义的其他时间周期内）具有规律的和可预测的变化。所有一定时间范围内可预测的或能够经常重复发生的变化都可以称为季节性变化。

季节性对打算交易农产品或其他有较明显季节性规律的其他资产的投资者来说是一个重要概念。在进行交易决策时，这些市场在一年中的特定时期出现的比较固定的供需规律是做出投资决策的关键考虑因素。

对于农产品投资者来说，了解这些特性之所以重要，是因为它们影响供应以及整个典型作物年不同月份合约、或现货与期货之间的价格差异。

以下以农产品作为例子。

旧作相对于新作

首先，玉米、大豆和小麦期货的标准化交易月份反映了种植、收割和销售标的作物的季节规律。这些交易月份还代表任何特定时间的供应来源。

在种植月份期间（对于玉米和大豆为春季，对于冬小麦为秋季），可供销售或最终用户购买的谷物是来源于上一收割季节期间收割的作物——“旧作“。

另一方面，在收割月份期间（通常对于冬小麦为7月，对于玉米和大豆为11月和12月），新收割的作物在市场上出售，而供应量上升——因此为“新作”。

每种谷物商品都有一个新作期货交割月份，其他月份都为旧作月份。

部分投资者可能会直观地认为，由于诸如持有成本、储存等因素可能会导致远期月份的价格上升，较远期的谷物期货的交易价格可能会比当前或近期的期货交割月份高。然而，当我们仔细观察旧作和新作月份期间的谷物市场，我们就会明白为什么未必如此。

在旧作月份期间，供应通常较低（因为库存随着消费持续下降），谷物价格往往高于较远的新作交易月份。

当收割新作物时，供应水平再次上升。这就是为什么许多谷物市场在新作交易月份期间往往季节性价格最低。

小麦市场在春季和七月收割期之间倾向下跌，然后从收割期低点开始回升，一直到秋冬季节。

对于大豆，收割期从9月份开始，并持续到10月至11月中旬。大豆价格往往遵循在7月至8月的时间范围内开始下跌，并持续到“二月小憩”，随后在夏季达到季节性高点。豆粕和豆油与大豆有相似的季节性趋势。

对于玉米，最明显的季节性趋势是，由于新作产量不确定，价格倾向在七月份左右接近最高水平，然后从仲夏开始下跌，一直到收割季节。

总结

投资者应当注意，这里描述的季节规律和价格趋势可能受到其他基本面因素的影响，如其他谷物进口或出口国的天气、生产、贸易政策等等。但是，对任何规划谷物或油籽期货交易策略的人而言，整体了解谷物市场的季节性及谷物价格的潜在影响因素至关重要。

除农产品之外，其他一些资产价格或其波动率也有比较明显的季节性规律，投资者不妨使用真格量化去自己进行探索。

— — — — — — E N D — — — — — —

真格量化可访问：
https://quant.pobo.net.cn

真格量化微信公众号，长按关注：

遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887

往期文章：
Numpy处理tick级别数据技巧
真正赚钱的期权策略曲线是这样的
多品种历史波动率计算
如何实现全市场自动盯盘
AI是怎样看懂研报的
真格量化策略debug秘籍
真格量化对接实盘交易
常见高频交易策略简介

如何用撤单函数改进套利成交

Deque提高处理队列效率

策略编程选Python还是C++

如何用Python继承机制节约代码量

十大机器学习算法
如何调用策略附件数据

如何使用智能单

如何扫描全市场跨月价差

如何筛选策略最适合的品种

活用订单类型规避频繁撤单风险

真格量化回测撮合机制简介

如何调用外部数据

如何处理回测与实盘差别

如何利用趋势必然终结获利

常见量化策略介绍

期权交易“七宗罪”

波动率交易介绍

推高波动率的因素

波动率的预测之道

趋势交易面临挑战
如何构建知识图谱
机器学习就是现代统计学

AI技术在金融行业的应用

如何避免模型过拟合

低延迟交易介绍

架构设计中的编程范式

交易所视角下的套利指令撮合

距离概念与特征识别

气象风险与天气衍生品

设计量化策略的七个“大坑”

云计算在金融行业的应用

机器学习模型评估方法
真格量化制作期权HV-IV价差
另类数据介绍

TensorFlow中的Tensor是什么？

机器学习的经验之谈

用yfinance调用雅虎财经数据

容器技术如何改进交易系统
Python调用C++
如何选择数据库代理
统计套利揭秘

[h1]一个Call搅动市场？让我们温习一下波动率策略[/h1][h1]如何用真格量化设计持仓排名跟踪策略[/h1][h1]还不理解真格量化API设计？我们不妨参考一下CTP平台[/h1][h1]理解同步、异步、阻塞与非阻塞[/h1][h1]隐波相关系数和偏度——高维风险的守望者[/h1]Delta中性还不够？——看看如何设计Gamma中性期权策略

[h1]Python的多线程和多进程——从一个爬虫任务谈起[/h1]线程与进程的区别
 皮尔逊相关系数与历史K线匹配

Python2和Python3的兼容写法
 Python代码优化技巧

理解Python的上下文管理器

如何写出更好的Python代码？这是Python软件基金会的建议
评估程序化模型时我们容易忽视的指标

看看如何定位Python程序性能瓶颈

什么是Python的GIL

投资研究中的大数据分析趋势及应用

理解CTP中的回调函数

如何围绕隐含波动率设计期权交易策略
看看如何用Python进行英文文本的情感分析
算法交易的分类

Python编码的最佳实践总结

什么是波动率锥？如何用波动率锥设计期权策略？
期权的波动率策略与时间价值收集策略对比

期权用于套期保值和无风险套利

隐含波动率对期权策略的影响

卖出期权交易的风险管理原则和技巧
期权交易中的“大头针”风险
期权做市商策略简介

精细化您的交易——交易成本评估与交易执行策略
海外市场交易执行策略的实践
设计期权套期保值方案时应注意的问题
美式期权、欧式期权比较分析——定价与风险管理
构建您的AI时代武器库——常用的机器学习相关Python库
期权波动率“微笑曲线”之谜
运算任务愈发繁重，如何加速Python程序运行？
证券市场微观结构理论模型是什么

是瞬间成交还是漫长等待？——如何衡量市场流动性
波动率指数及其衍生品介绍

Python的异常处理技巧

Python中的阻塞、异步与协程

"香草"之外的更多选择——几种常见的路径依赖奇异期权
什么是CTP？——了解上期所CTP快速交易系统

回复

分享到 :

0 人收藏

6级职业

积分:870

帖子:180

精华:0

+ 关注私信

期权论坛

期权论坛

期权网络科技版权所有: 关于我们; 联系我们; 加入我们; 反馈问题; 免责声明; 积分充值

统一社会信用代码: 积分规则; 网站地图; 爱文库; 下属网站

官方: 新浪微博; 微信公众号
◆

下载: 表情包; App下载

期权论坛

期权论坛

QQ咨询|关于我们|Archiver|手机版|小黑屋|( 辽ICP备15012455号-4 ) Powered by 期权论坛 X3.2 © 2001-2016 期权工具网&期权论坛 Inc.