因子投资在商品期货市场的研究
时间：2017-08-06 00:03 来源： 汇鸿汇升投资
摘要: 可以用四因子模型解释商品期货的现货溢价和期货溢价，用四因子模型作为衡量商品基金的基准，就好比是用Fama-French三因素模型作为衡量股票基金的基准
一、前言
根据资本定价模型(1965)，单个市场交易标的(如某只股票)的预期收益率是由无风险利率，市场整体收益率和该品种的系统性风险共同决定。Fama and French(1993)通过在CAPM中增加了两个独立变量，建立Fama-French模型，由此，因子投资成为了股市中的主流投资手段。
2016年，期货市场的火爆行情吸引了大量机构投资者的关注，传统的CTA策略进入人们眼帘。但CTA策略在获取高收益的同时也伴随着较大的风险，鉴于大宗商品投资的特殊性，人们需要一个不同于股票投资的因子模型，来指导商品期货的投资。
Jesse et al. (2016)发现，可以用四因子模型解释商品期货的现货溢价和期货溢价，用四因子模型作为衡量商品基金的基准，就好比是用Fama-French三因素模型作为衡量股票基金的基准。文中，作者对于四因子的定义如下：
1、市场因子(Market):所有商品期货的等权平均收益；
2、高/低期现溢价因子(Hterm/Lterm): 根据基差排序，高于/低于中位数的商品期货组合的期货溢价；
3、时间动量因子(TSMOM):过去12个月获得正收益的商品等权组合与获得负收益的商品等权组合的收益之差。
文章中，作者展示了1987年9月份以来四个因子多空组合的累计收益情况：
可以看到，TSMOM因子(最上方蓝线)持续稳定的盈利能力验证了其自身在趋势交易中的有效性和稳定性。
Andrew ANG教授关于资产和因子的关系有个生动的比喻：
“Factors are to assets whatnutrients are to food.”
正如国内A股市场中，价值投资者选低PB股，进取型投资者选小市值股，目前国内的CTA策略主要以技术分析为主导，从本质上说，大部分交易都是动量因子。因此，从某种意义上说，动量因子可以“代表”部分的商品期货资产。
二、因子投资在中国商品期货市场中的应用
在捕捉趋势的过程中，人们往往会运用各种各样的技术手段：均线跟随、区间突破、HP滤波等，手段虽然不同，但背后的理念一致，因此，CTA基金间往往呈现出高相关性，这点不利于同一资产间风险的分散。正如股票市场中性策略中，我们用相关性低的有效因子合成多因子模型，在降低收益的同时平滑波动，在期货市场中，我们同样需要通过寻找相关性低的因子来分散风险。
下面，我们验证常用因子—“横截面动量因子”与”基差因子”在中国期货市场中的有效性。
在数据验证前，统一对模型做如下假设：
1、综合考虑成交量与持仓量，我们选取20个期货品种作为回测标的；
2、数据回测区间为2010年1月4日至2016年12月30日，回测暂不考虑手续费及滑点对收益的影响（笔记君认为：此假设过于宽松，建议慎重使用）；
3、按周调仓，每周五按最新因子值排序将期货分为3组，做多第一组，做空第三组，累计收益按单利计算。
2.1动量因子部分
时间序列动量是考虑单品种自身时间序列上的动量效应(CTA)；横截面动量策略，比较多品种横截面数据上的动量效应，并依据动量效应大小判断开仓信号(中性对冲)。
我们将动量因子定义为：
其中，P为最新收盘价，MA为指定商品期货的近20日均价。我们做多因子值大的品种，做空因子值小的品种。
2.2基差因子部分
商品基差因子的定义中涉及了现货价格，考虑到商品期货临近交割前，期货价格必定收敛于现货价格，因此，我们用期货近月价格代替现货价格，并定义基差如下：
若现货F0升水期货，则表示此时市场上的需求旺盛，期货价格更倾向于上涨，因此，我们做多现货升水期货多的品种，做空现货贴水期货多的品种。
2.3混合因子部分
我们定义混合因子值为动量因子与基差因子的秩排序值等权组合，按周调仓，做多混合因子值大的品种，做空混合因子值小的品种。
根据上述过程，我们分别统计了三组多空组合的累计收益净值，并展示如下：
三组净值的常见业绩指标如下表所示：
可以看出，2013年之前，基差因子的效果优于动量因子，2016年后净值出现了较大回撤；2014年-2016年间，动量因子表现出极稳健的获利能力，之前表现效果并不佳。这验证了动量与基差作为两个常用的有效因子，虽然长期看来有良好的获利能力，但是收益的波动较大，我们如果将其进行组合，便能获得较为稳定的长期收益，这也是MIX组合所展示的效果。
来源： 汇鸿汇升投资
分享到：
