东证期货金工策略周报

股指期货基差与展期收益跟踪 常海晴金融工程分析师(股指期货)从业资格号：F03087441投资咨询号：Z0019497Email: haiqing.chang@orientfutures.com 主要内容 ★股指市场与基差点评： 市场风格分化，上证50、沪深300、中证500收跌而中证1000收涨。上证50、沪深300、中证500、中证1000上周分别收跌0.99%%、收跌0.70%、收跌1.28%、收涨0.72%。IH、IF、IC、IM的4月合约则分别收跌1.03%、收跌0.95%、收跌1.57%、收涨0.48%。 分行业看，食品饮料、非银贡献了上证50主要的跌幅，非银、医药生物贡献了沪深300主要的跌幅，电力设备、医药生物贡献了中证500主要的跌幅，传媒、计算机贡献了中证1000主要的涨幅。 ★股指期货分红预测： 各期限合约已经开始交易分红预期。预计上证50、沪深300、中证500、中证1000基于2023年报的分红点数分别为69.4、99.8、99.9、88。 ★股指期货基差情况跟踪： 各品种基差偏强震荡。IH、IF、IC、IM剔除分红的当季合约年化基差率周度均值分别为2.51%、1.12%、-0.57%和-4.22%，较上周分别走强0.04%、0.12%、0.28%、1.37%。由于场外衍生品大多敲入，场外期权做市商大多面临负gamma敞口，目前股指期货所有品种基差都与市场呈强正相关，预计市场总体偏震荡，基差也将呈震荡走势维持当前的期限结构。IM贴水较深建议关注多头替代机会。（注：股指期货基差=期货收盘价-现货收盘价） ★股指期货展期收益测算与持有合约推荐： 股指期货期限结构分化，预计市场和基差偏震荡格局，IH、IF维持contango结构而IC、IM维持Back结构，建议展期策略沿用顺期限结构的思路，IH、IF推荐多远空近，IC、IM推荐多近空远，赚取不同期限合约基差收敛速度差异带来的交易机会。 市场反弹，各品种基差走强 股指期货基差期限结构：品种间延续分化 •IH、IF维持contango结构；IC、IM维持Back结构 股指期货展期收益跟踪：近一周基差走强，展期取得正收益 股指期货量化策略跟踪 常海晴金融工程分析师(股指期货)从业资格号：F03087441投资咨询号：Z0019497Email: haiqing.chang@orientfutures.com 跨期套利策略——动量因子 动量因子：过去k个交易日跨期反套组合的收益率。策略构建：IH使用一年动量，IF、IC等权配置10、20、30、40、60、80、120、250个交易日的动量因子， 构建多周期动量策略。收盘价调仓，交易成本按单边万0.5考虑。 主要内容 ★跨期套利策略： 动量因子、年化基差率因子收益均明显回暖，IH、IF动量因子最新跨期信号为多远空近，IC最新跨期信号为多近空远。 ★跨品种套利策略： 线性组合：最新信号方向看空IF-IH价差，看多IC-IF和IC-IH价差，近一周线性组合涨跌不一，IF&IH组合、IC&IF组合、IC&IH组合分别取得1.2%、-0.6%、-0.4%的收益。非线性组合：近一周策略窄幅震荡。 ★日内择时策略： 近一周日内择时策略收益回暖，IH、IF、IC日内择时线性组合分别取得0.3%、0.8%、0.8%的收益。 跨期套利策略——年化基差率因子 策略构建说明：根据当日14:45各期限合约剔除分红年化基差率日度调仓，做多年化基差率最低的合约、做空年化基差率最高的合约，距离到期日小于10天的合约不在选择范围内，收盘价调仓，交易成本按单边万0.5考虑。 跨品种套利策略——线性组合 跨品种套利策略——非线性组合 日内择时策略跟踪——线性组合 日内择时策略跟踪——非线性组合 国债期货量化策略跟踪 王冬黎金融工程首席分析师（国债期货）从业资格号：F3032817投资咨询号：Z0014348Email: dongli.wang@orientfutures.com 量化模型最新策略观点（20240324） ➢（1）期货单边策略 •基于机器学习的日度多空量化择时策略净值本周震荡，最新策略信号偏多。 ➢（2）期货套利策略 •仓位调整后的跨品种策略本周净值震荡持稳，策略最新信号目前推荐持有远季合约做空TS-T久期中性组合。 ➢（3）信用债中性策略 •基于远季合约的国债期货对冲压力指数继续上行，临近调仓阈值，当前信用债久期轮动加对冲策略持有高久期3-5年指数加国债期货对冲中性组合。 ➢（4）现券久期策略 •基于现券超额收益预测的债券久期轮动策略对3月偏中性，持有低久期1-3年指数，不同久期指数持有收益预测值较上月继续下降。 策略跟踪：国债期货日度策略 ➢LSTM模型高频量价日度策略 •基于机器学习的日度多空量化择时策略净值本周震荡，最新策略信号偏多。 策略跟踪：国债期货久期中性跨品种套利 ➢久期中性跨品种套利策略 •仓位调整后的跨品种策略本周净值大幅反弹，策略最新信号目前推荐持有远季合约做空TS-T久期中性组合。 •策略2021年至今年化收益5.6%，最大回撤3.0%，夏普比率1.58。 策略跟踪：信用债久期轮动加对冲 ➢信用债轮动加对冲中性策略 •基于远季合约的国债期货对冲压力指数继续上行，临近调仓阈值，当前信用债久期轮动加对冲策略持有高久期3-5年指数加国债期货对冲中性组合。 策略跟踪：国债久期轮动 ➢债券久期轮动策略方面，截至2023年5月久期轮动策略年化超额收益1.26%，2013年月度持仓情况为1-4月持有高久期5-7年指数，5-9月持有低久期1-3年指数，10-24年2月持有高久期5-7年指数。 ➢久期轮动策略久期轮动策略对3月偏中性，持有低久期1-3年指数，不同久期指数持有收益预测值较上月继续下降。 李晓辉金融工程首席分析师从业资格号：F03120233投资咨询号：Z0019676Email: Xiaohui.li01@orientfutures.com 主要内容 ★商品因子表现： •最近一周各类因子的表现仍然具有较明显的差异，其中量价趋势类、持仓类和波动类因子迎来反弹，波动类因子平均反弹超1%。而部分期限结构、基差因子以及部分持仓类因子出现下跌。 •今年以来量价类因子的收益基本为负值，期限结构因子已经累计为正收益，总体上尽管CTA因子近期的表现差强人意，但我们认为商品市场仍存在一定的盈利空间。 ★截面因子复合组合： •以Carry、Warrant、Futurespot和Trend类因子构成的，CWFT组合（权重比为5:2:2:1）最近一周收益-0.2%，今年以来的收益0.9%。C_frontnext& Short Trend组合最近一周收益-0.5%，今年以来的收益-2.5%，Long CWFT & Short CWFT组合最近一周收益-0.3%，今年以来的收益0.1%。截面XGBoost组合最近一周收益0.1%，最近一月收益0.9%，今年以来2.5%，最近半年收益5.3%，最近一年收益14.8%。 ★时序因子复合组合： •规则型多空信号的时序策略，其中夏普加权组合的今年以来收益-1.3%，最近一周收益-0.4%。时序XGBoost组合该策略最近一周收益-0.5%，今年以来-1.4%，最近半年收益1.3%，最近一年收益-0.4%。 截面单因子策略的表现 •截面单因子策略的回测设置，区间20091231至今： 1.按周进行调仓，每周倒数第二个交易日结束后计算新一期的持仓权重，第二天（即每周最后一个交易日）进行交易；2.交易价格用期货主力合约的结算价，而期货主力合约则是我们自定义的主力（主要参考了持仓量占比*0.7+成交量占比*0.3，并连续两天确认信号）；3.暂时不考虑交易费率（但我们会计算换手率，并按照万分之三计算交易成本）；4.持仓品种仅按流动性进行筛选，剔除日均成交额不足5亿元、日均成交量不足1万手的品种；5.不加杠杆，权重由因子相对大小映射得到，假设某期截面品种数为N，将截面因子值从小到大排序得到序号R，用R-(N+1)/2为线性地分配权重的依据。 商品截面单因子的业绩表现 •最近一周各类因子的表现仍然具有较明显的差异，其中量价趋势类、持仓类和波动类因子迎来反弹，波动类因子平均反弹超1%。而部分期限结构、基差因子以及部分持仓类因子出现下跌。 •今年以来量价类因子的收益基本为负值，期限结构因子已经累计为正收益，总体上尽管CTA因子近期的表现差强人意，但我们认为商品市场仍存在一定的盈利空间。 •长期来看，期限结构类（C）、期现类（Fs）和仓单类（W）因子整体收益水平较高，夏普值均超过了1，同时也具有相对较低的换手率。 截面因子复合策略 以普通复合方式得到的组合 •以Carry、Warrant、Futurespot和Trend类因子的简单复合组合，同一大类内部的因子等权，而不同的大类之间则以一定权重再复合 CWFT组合：C\W\Fs\T四类因子内部等权相加得到大类复合因子，再以5:2:2:1的权重复合因子值 两种以另类复合方式得到的组合 •C_frontnext& Short Trend组合：在不改变长期价差因子持仓方向的前提下尽可能地对冲掉短期价格波动的负收益。C_frontnext为主因子，Short Trend（窗口参数为20日的16个趋势因子）为副因子 •Long CWFT & Short CWFT组合:同一类因子不同的窗口参数可以捕捉短期、长期的收益，而不同风格类的低相关性因子聚合在一起可以一定程度上平滑收益，故可以综合考虑不同大类、不同参数的因子。C\W\Fs\T四类因子内部等权复合后再以5:2:2:1复合，长周期的CWFT因子为主因子，短周期的CWFT因子为副因子 机器学习组合-XGBoost •基于全市场训练得到的时序因子XGB组合在未扣费、无杠杆情况下，2020年至今年化收益为11.8%，夏普为2.10，换手率43.5倍，年化交易成本约1.3% •该策略最近一周收益0.1%，最近一月收益0.9%，今年以来2.5%，最近半年收益5.3%，最近一年收益14.8%。 •该策略用20091231-20191231之间的样本数据对XGBoost模型进行训练，其中训练样本仅考虑未来10天收益率绝对值超过一定阈值的样本，即剔除日常波动过低的样本，以降低训练噪声 时序因子复合策略 规则型时序策略 •对于连续值构成的因子而言，我们需要进行相应的规则计算以获得或多或空的持仓信号。而规则本身，实际上是判断当下指标“状态”相比过去某时点或某段时间内状态的相对变化。 •基本的规则：设置一些基本的“规则”，将原始连续指标值退化成{-1,0,1}的多空值 •origin:根据原始指标值（因为原始因子也是有意义的）的正负•difference:指标值的差分（一般反映趋势或动量强弱）的正负•cross:指标值与均线，或者指标值快慢均线的相对位置关系（上穿、下穿情况）•quantile：指标值与历史最大、最小值所构成区间内的相对位置•rankpct：指标值相较历史一段区间内数据的序号分位值•boll:指标值在Boll上下轨所构成区间内的相对位置 •时间窗口参数：避免参数的“精细化”，而是将原本窗口长度参数K粗粒化成三个变量 •短期S、中期M、长期L，短期表示1个月以内的时间窗口，中期表示1个月至4个月的时间窗口，长期则表示4个月至1年的时间窗口 •指标直接剔除：剔除分布严重“有偏”的指标多数为计算逻辑不通的 •大多数指标信号在{-1,0,1}上的分布是相对均匀的 因子的筛选依据 基于同一大类（共46个，量价21个，基本面25个）的池子内做筛选，然后将筛选后的基础因子复合成新的因子 a.默认首选样本内夏普值最大的因子b.判断新的因子是否夏普值超过0.5c.若满足，则要求真实年化收益能够覆盖交易成本，即大于“年换手*万分之三+ 2%”d.若满足