COT报告揭秘——如何解读CFTC的持仓报告

论坛 › 期权论坛 › 期权

 真格量化  2019-10-25 08:54  5442  0

在美国市场，根据商品期货交易委员会（Commodity Futures Trading Commission）于1962年设立的要求，各大期货交易者必须定时（在美国时间每周五下午3:30）向商品期货交易委员报告他们的仓位。目前，CFTC在美国东部时间每周五15：30公布当周周二的持仓数据（Commitments of Traders，COT），数据来自芝加哥、纽约、堪萨斯城和明尼安纳波利斯的期货或期权交易所。若遇上当周美国有公假，CFTC持仓报告发布时间通常会推迟一个工作日发布。

投资者可以通过该报告来推测那些利用期货获得高于指数回报的一些对冲基金是怎么交易的，或是那些利用期货、期权市场来对冲原材料价格波动风险的一些世界上最大的大宗商品企业又是如何交易的。

传统COT报告

传统的COT报告基于报告公司提供的头寸数据，这些报告公司包括期货经纪商、清算会员、外国经纪商和交易所。CFTC的工作人员不知道交易者持有头寸的具体原因，因此关于持有头寸的具体原因不能用来决定交易者的类别。这意味着，例如，在某种特定商品中“生产商/贸易商/加工商/消费商（producer/merchant/processor/user）”类别的交易者的头寸数据将包含他在该品种的全部头寸，无论该头寸是用于对冲还是投机。交易者可以根据不同品种报告不同的商业目的，因此交易商可以在COT报告中针对不同商品品种而报告不同的交易者类别。

从传统上来说，所谓的商业性头寸是指那些利用期货或者期权来进行套期保值的商业实体所持有的头寸，这些商业性实体进入期货以及期权市场是以为其商业活动服务为目的。非商业头寸则是指以投机盈利为目的而进入期货以及期权市场的相关头寸。至于所谓的不可报告头寸指的是那些由散户所持有的未达到最小报告数量的合约，这部分头寸更偏向于投机而不是套保。

COT分类报告

CFTC在2009年9月4日开始发布COT分类报告。报告的第一版包含了22个主要实物商品品种；2009年12月4日，其他剩余的实物商品品种也被包含在报告内。CFTC努力创建一个新的分类的COT报告，以进一步提高市场的透明度，这可能与应用于实体市场的传统报告分类不同。

　　分类报告中将传统报告中的“商业”交易商类别进行分解。从“商业”类别中删除掉期交易商并创建新的掉期交易商报告分类：为增加交易所交易的期货和期权的市场透明度，CFTC要求员工制定一项方案，通过在“商业“和“非商业”之外加入更多划定的交易者分类类别来改进报告质量，其中可能至少包括一个单独的类别，用于识别掉期交易商的交易。

　　根据法规，CFTC收集每日大型交易商数据，作为其市场监督计划的一部分。这些数据也支持COT传统报告，数据分为以下几类：

　生产商/贸易商/加工商/用户

　　“生产商/贸易商/加工商/用户”是主要从事实物商品的生产、加工、包装或处理并使用期货市场来管理或对冲与这些活动相关的风险的实体。

掉期交易商

　　“掉期交易商”是主要处理商品掉期交易的实体，并使用期货市场来管理或对冲与这些掉期交易相关的风险。掉期交易商的交易对手可能是投机交易者，如对冲基金或管理其实物商品交易所产生风险的传统商业客户。

　　资金管理者

　　“资金管理者”是注册商品交易顾问（CTAs）、实物基金（CPOs）或由CFTC确定的未注册基金。这些交易商代表客户从事管理和进行有组织的期货交易。

　　其他可报告类别

　　未列入其他三个类别之一的所有其他可报告交易者将被置于“其他可报告”类别中。

分类的COT报告为三类交易商——掉期商、资金管理者和其他可报告设定了多头、空头、套利持仓三个未平仓合约头寸。对于生产商/贸易商/加工商/用户这一类别，只报告多头和空头未平仓合约头寸。套利持仓是一个计算价值，它等于一位交易商多头和空头头寸相抵后的净额。套利持仓的计算价值是不同到期月期货头寸的净额或者相同/不同到期月期货和期权头寸的净额。多头或空头的净额被分别列报在表中多头或空头列中，不考虑市场间差价。

传统COT与分类COT报告的区别

当前分类报告和传统报告都会并行发布。所有的COT报告都提供了每周二期货和期权市场上20个或20个以上交易者所持有的未平仓合约数明细，这些交易者所持有的头寸等于或超过了美国CFTC规定的持仓标准。报告同时发布只含期权版本以及综合期货期权版本。数据既有短报告也有长报告。

　　在分类COT报告中，商业性头寸被划分为生产商/商业商/加工商/用户和掉期商这两个大类，掉期商的头寸被独立划分出来。非商业性头寸则被划分为资金管理、其他可报告头寸。非可报告头寸基本与旧版COT报告相同。

　　分类COT报告只是在商业性以及非商业性头寸的基础上进行了重新划分，但其数据都是一样的，所以多头和空头头寸总的数额是没有变化的。

　　分类COT报告将掉期商头寸从商业性头寸划分出来，使市场透明度有所增加。一些大型的投资机构，尤其是那些商品指数基金如果直接投资于期货市场，那么这部分头寸将被算为非商业性头寸，即投机性的头寸，但这些商品指数基金也可能通过一些掉期交易商头寸来掩盖其投资意图，从而让市场错估了其非商业头寸的数量。

COT报告的参考意义

CFTC报告是全球投资者非常关注的报告，虽然数据本身与中国市场的期货公司每日持仓排名相比，存在一些时间滞后，但根据CFTC公布出来的当周的持仓报告数据，投资者可以根据报告中的持仓数量、增减变化、各类持仓所占比例变化、交易商数量变化等，作为投资判断一些持续时间较长的趋势性行情的重要参考标准。

新版的分类报告最大的改变就是将掉期商头寸从商业性头寸划分出来，很多指数型对冲基金通过掉期商成功将投机性头寸转变成套保头寸。分类报告在信息的透明度上有所增加，这些新的信息可以帮助我们更好地分析市场和判断商品价格的走向。

　　通过对比商品期货价格与CFTC持仓，可以发现，商品的期货价格与传统报告中的非商业净持仓和分类报告的管理基金的净持仓走势较为接近，关注基金持仓的走向，对比国内外品种的持仓变动方向，对预测和跟踪商品的价格，例如对一些国内外都可交易的期货品种的价格，有颇多的指导意义。

— — — — — — 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
了解季节性——以谷物和油籽为例
是前因还是后果?——在真格量化中进行格兰杰因果检验

Python导入模块的技巧
Python程序员常犯的十个错误

搜索数据泄露天机？——舆情指数与期货行情关联性分析思路

机器学习常见算法分类汇总

如何使用Data Pipeline 自动化数据处理工作？
CTP API的委托介绍和在真格量化中的订单流控制
高频交易对市场的影响
期货行情及其组织形式——以上期所为例
理解并行与并发
郑商所和大商所套利指令及在真格量化的实现
机器学习用于金融市场预测面临的挑战
高频交易中风险控制的常用措施
查询结果偏离预期？来了解CTP的报单函数及委托状态查询
Python中的ftplib模块

理解真格量化的Python编程范式
需要处理大量市场数据？来了解一下MySQL、HBase、ES的特点和应用场景

NumPy中的ndarray与Pandas的Series和DataFrame之间的区别与转换
Python中的scikit-learn机器学习功能库
什么是程序设计中的高内聚、低耦合？
Python的内存管理与垃圾回收机制
云服务中的容器技术
什么是“面向对象”程序设计-以Python为例
波动率介绍及其在资产定价中的应用
发现策略中的孪生兄弟——期权交易中的等价或相似策略解析

如何利用期权改进指数投资表现——借鉴海外市场经验
如何用期权进行“哑铃型”资产配置——“90/10”策略介绍
国外著名商品指数编制方法比较
FPGA技术在金融行业的应用——以沪深行情加速为例
美国市场对部分高频交易行为的监管

报价驱动制度与指令驱动制度比较
理解动量投资策略和逆向投资策略——通过行为金融学视角

期权做市商面临的风险及其对做市业务的影响

商品期权在现货企业中的应用
期权进行套期保值的优势与策略分类

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.