国债期货量化系列三：择时模型仓位管理优化方法探究

金融工程重要事项：本报告版权归上海东证期货有限公司所有。未获得东证期货书面授权，任何人不得对本报告进行任何形式的发布、复制。本报告的信息均来源于公开资料，我公司对这些信息的准确性和完整性不作任何保证，也不保证所包含的信息和建议不会发生任何变更。我们已力求报告内容的客观、公正，但文中的观点、结论和建议仅供参考，报告中的信息或意见并不构成交易建议，投资者据此做出的任何投资决策与本公司和作者无关。有关分析师承诺，见本报告最后部分。并请阅读报告最后一页的免责声明。深度报告——金融工程国债期货量化系列三：择时模型仓位管理优化方法探究[Table_Rank]报告日期：2022年12月18日★主要内容我们在前序系列报告中对国债期货量价因子挖掘和因子合成方法论进行了研究，初步形成因子池动态筛选与合成的方法论框架。本篇报告我们将从两个方面进行进一步细化，首先进一步丰富完善逻辑指标池；其次，我们进一步探讨仓位优化建模，将自定义损失函数用于LSTM模型。逻辑指标单因子表现方面，基于滚动回归和样本内指标筛选与样本外预测框架，指标样本外表现整体上两年期优于五年期优于十年期，利差分析、资金市场、量价指标等大类因子在不同品种上均表现较佳。指标多空收益方面，多头策略表现优于空头策略表现，按历史年份拆解后在市场下行期空头表现优异。线性回归模型我们设置多个窗口分析降维因子多元线性回归在样本外的表现。整体上，五债期货线性回归预测策略在不同窗口下策略效果综合来看最为优异和稳定，十债期货亦较佳，两债期货稍逊色。基于2022.01~2022.12作为测试集的窗口策略效果相对最优，对应十债期货夏普比率2.95，五债期货夏普比率2.88。机器学习模型策略构建我们分为不进行仓位管理与进行仓位管理的两种建模方式，仓位优化模型包括MSE损失函数、夏普损失函数和信息比率损失函数三种训练框架，仓位管理基于5%的目标波动率进行。机器学习模型因样本有限，不再设置多窗口。策略效果方面，测试集上不同品种上平均夏普最优的模型为加入仓位缩放的MSE损失函数模型，其次为夏普损失仓位优化模型；十债期货最优模型为夏普仓位优化模型（夏普率为2.75），五年期与两年期国指期货最优模型为加入仓位缩放的MSE损失函数模型（夏普率为4.16和2.73）。最后，我们构建基于国债期货的多策略多品种组合模型，取得年化收益6.6%，年化波动率2.1%，最大回撤0.7%，夏普率3.09的测试集表现。★风险提示量化模型有效性基于历史数据得出，不排除失效的可能。[Table_Analyser]王冬黎金融工程首席分析师从业资格号：F3032817投资咨询号:Z0014348Tel:15802167045Email:dongli.wang@orientfutures.com[Table_Analyser]相关报告《国债期货量化系列一：国债期货量价因子挖掘》《国债期货量化系列二：国债期货择时因子合成》 金融工程-深度报告2022-12-182期货研究报告目录1国债期货择时逻辑指标.........................................................................................................................................51.1指标介绍.........................................................................................................................................................................51.2数据处理.........................................................................................................................................................................72全部指标滚动窗口预测效果分析.........................................................................................................................82.1模型构建基本说明.........................................................................................................................................................82.2指标样本外表现.............................................................................................................................................................82.3指标多空收益情况统计.................................................................................................................................................92.4不同年份指标表现分析...............................................................................................................................................113指标筛选与降维...................................................................................................................................................124机器学习模型损失函数自定义...........................................................................................................................134.1预测目标的改进思路...................................................................................................................................................134.2建模与回测基本说明...................................................................................................................................................145策略结果...............................................................................................................................................................155.1线性模型滚动窗口预测...............................................................................................................................................155.2基于不同损失函数的机器学习模型...........................................................................................................................175.2.1基于预测收益率策略效果...................................................................................................................195.2.1通过优化仓位策略效果.......................................................................................................................195.2.2多策略多品种混合模型.......................................................................................................................216风险提示...............................................................................................................................................................227附录........................................................................................................................................................................23 金融工程-深度报告2022-12-183期货研究报告图表目录图表1：国债期货择时逻辑指标大类介绍....................................................................................................................................................5图表2：国债期货择时逻辑相关的基础因子池............................................................................................................................................5图表3：数据可得性处理方式........................................................................................................................................................................7图表4：各大类因子测试集夏普率为正的指标占比（十年期国债期货）............................................................