股指期货量化策略跟踪
- 股指期货行情简评：春季躁动延续，大小盘分化程度减弱。银行和食品饮料贡献了上证50和沪深300指数的主要涨幅，计算机和传媒贡献了中证500和中证1000的主要涨幅。各品种成交环比下降，IH、IF剔除分红年化基差均值有所走强，IC、IM基差则有所走弱。
- 股指期货基差策略推荐：IH与IF基差温和走强，预计走势受市场情绪影响仍将震荡偏强；IC、IM基差与市场负相关性增强反而有所走弱，预计贴水格局将维持，建议关注两品种跨期正套策略的建仓机会。IC、IM、IF展期策略推荐多近空远；IH推荐多远空近。
- 股指期货套利策略跟踪：跨期套利策略方面，正套策略表现较好。动量因子继续给出正套新号，上周各品种正套策略盈利；年化基差率因子依然表现不佳，上周仅IH盈利。跨品种套利时序策略IC/IF组合盈利较好，最新信号为继续推荐做多100%IC做空100%IF。IM/IC、IF/IH组合无显著信号。
- 股指期货择时策略跟踪：日度择时策略信号近期依然表现不佳，各模型普遍给出看空信号，三模型均出现亏损。最新信号转向看多。日度择时策略样本外整体表现稳定，模型构建过程基于国债期货高频量价采用LSTM模型预测国债期货日度收益。
国债期货量化策略
- 国债期货策略关注：期债量化模型单边策略信号分化，长债偏谨慎、短债偏乐观。国债收益率期限利差大幅下行，跨品种基差套利表现亮眼，当前继续持有久期中性TS-T做平组合。期债基差窄幅波动为主正套空间继续收窄，套保策略可继续关注。
- 期货单边策略跟踪：国债期货量化多因子信号不同品种差异较大，TL中性偏谨慎、T与TF偏多，TL、T与TF多头信号强度分别位于近一年9%、94%与95%滚动百分位数；基于机器学习的日度多空量化择时策略（T、TF、TS）净值本周净值震荡，最新策略信号中性偏多。基于债券净价加基差预测的TL择时策略信号偏多。
- 期货套利策略跟踪：仓位调整后的跨品种套利策略净值大幅上行，目前继续持有做空久期中性TS-T组合。
- 信用债中性策略：基于远季合约的国债期货对冲压力指数延续高位震荡，当前信用债久期轮动加对冲策略进行降久期持有1-3年指数并进行国债期货对冲。
大类资产配置周报
- S1宏观因子配置策略：本月宏观动量预测结果分别为：增长(上行)，通胀(上行)，信用(上行)，利率(上行)；宏观因子S1策略本月配置比例为：股票(46.94%)，债券(1.46%)，商品(51.6%)；本月至今股债商策略回报为2.6%，股债策略回报为3.9%。
- S1/S2策略大类资产配置比例：S1策略中股票为中证800指数，债券为中证全债指数，商品为中证商品期货综合指数；S2策略平衡型大类资产配置比例为：沪深300(17.85%)，中证500(5.14%)，中证1000(24.44%)，利率债(5.41%)，金融债(13.69%)，信用债(1.76%)，农产品(9.74%)，金属(6.61%)，化工(7.22%)，能源(6.14%)，黄金(1.99%)。
- 本月宏观因子预测结果：增长、通胀、信用、利率均预测为上行。
- S1/S2策略大类资产配置比例：两策略互相独立，S1策略本月配置比例为：股票(46.94%)，债券(1.46%)，商品(51.6%)；S2策略平衡型本月配置比例为：沪深300(17.85%)，中证500(5.14%)，中证1000(24.44%)，利率债(5.41%)，金融债(13.69%)，信用债(1.76%)，农产品(9.74%)，金属(6.61%)，化工(7.22%)，能源(6.14%)，黄金(1.99%)。
商品CTA因子及跟踪策略表现
- 商品因子表现：商品因子上一周除了基本面因子之外，期限结构类和量价趋势类因子均迎来了超强的上涨，平均都有超过1.5%的涨幅，而长周期的价值类因子近期也表现出较大反弹。
- 跟踪策略表现：CWFT策略年化收益9.8%，夏普比率1.63，Calmar1.12，最大回撤-8.81%；C_frontnext & Short Trend策略年化收益13.1%，夏普比率1.98，Calmar1.95，最大回撤-6.72%；Long CWFT & Short CWFT策略年化收益14.0%，夏普比率1.50，Calmar1.07，最大回撤-13.07%；CS XGBoost策略年化收益8.7%，夏普比率1.48，Calmar0.86，最大回撤-10.11%；RuleBased TS Sharp-combine策略年化收益11.4%，夏普比率1.44，Calmar1.38，最大回撤-8.26%；RuleBased TS XGB-combine策略年化收益12.1%，夏普比率2.02，Calmar2.69，最大回撤-4.49%；CS strategies, EW combine策略年化收益15.1%，夏普比率2.06，Calmar2.05，最大回撤-7.38%。
商品基本面量化
- 基本面量化：板块主成分PCA策略，以各商品板块主成分的基本面量化策略，特色有基本面数据处理：东证繁微平台整合了各商品板块及宏观的指标模版库，现跟踪的策略对该数据筛选并降维，形成基本面因子集。目标收益率：每周五为信号日，分别测算各品种主力合约T+1至T+6日的VWAP，并计算收益率为训练目标。模型训练细节：以2015至2020为第一个训练集，五年滚动训练OLS、XGBoost和合成模型(权重各一半)。基于三个模型结果，分别构建市场中性和多空策略，共六个策略，回测使用T+1日的10:00～10:10的VWAP价格成交。
- 各板块基本面主成分策略跟踪：OLS模型中具备方向性的多空策略更佳；XGB模型中具备方向性的多空策略更佳；合成模型中具备方向性的多空策略更佳。
