量化模型与构建方式 1. 模型名称：价差因子 - 模型构建思路：通过分析不同商品之间的价差变化，捕捉市场的套利机会[3] - 模型具体构建过程：价差因子通过计算不同商品之间的价差，并根据价差的变化趋势进行交易信号的生成。公式如下： $\text{价差因子} = P_A - P_B$ 其中，$P_A$ 和 $P_B$ 分别代表两种商品的价格[3] - 模型评价：价差因子在捕捉市场套利机会方面表现较好，但在市场波动较大时可能存在一定风险[3] 2. 模型名称：合成因子 - 模型构建思路：通过综合多个因子的信号，生成一个综合的交易信号[3] - 模型具体构建过程：合成因子通过加权平均多个因子的信号来生成综合信号。公式如下： $\text{合成因子} = w_1 \cdot \text{因子1} + w_2 \cdot \text{因子2} + \ldots + w_n \cdot \text{因子n}$ 其中，$w_i$ 代表第$i$个因子的权重[3] - 模型评价：合成因子能够平滑单个因子的波动，提供更稳定的交易信号[3] 模型的回测效果 - 价差因子，上周收益：-0.21%，当月收益：-0.21%[3] - 合成因子，上周收益：-0.06%，当月收益：-0.27%[3] 量化因子与构建方式 1. 因子名称：供给因子 - 因子的构建思路：通过分析商品的供给变化，捕捉市场供给端的变化信号[3] - 因子具体构建过程：供给因子通过分析商品的生产、库存等数据，生成供给端的交易信号。公式如下： $\text{供给因子} = \frac{\text{当前供给量} - \text{历史平均供给量}}{\text{历史标准差}}$ 其中，当前供给量代表当前的商品供给量，历史平均供给量和历史标准差分别代表历史数据的平均值和标准差[3] - 因子评价：供给因子能够有效捕捉供给端的变化，但在供给数据不稳定时可能存在一定误差[3] 2. 因子名称：需求因子 - 因子的构建思路：通过分析商品的需求变化，捕捉市场需求端的变化信号[3] - 因子具体构建过程：需求因子通过分析商品的消费、订单等数据，生成需求端的交易信号。公式如下： $\text{需求因子} = \frac{\text{当前需求量} - \text{历史平均需求量}}{\text{历史标准差}}$ 其中，当前需求量代表当前的商品需求量，历史平均需求量和历史标准差分别代表历史数据的平均值和标准差[3] - 因子评价：需求因子能够有效捕捉需求端的变化，但在需求数据不稳定时可能存在一定误差[3] 因子的回测效果 - 供给因子，上周收益：1.92%，当月收益：2.04%[7] - 需求因子，上周收益：-1.28%，当月收益：1.14%[7] - 库存因子，上周收益：0.00%，当月收益：2.77%[7] - 价差因子，上周收益：0.00%，当月收益：1.50%[7] - 利润因子，上周收益：1.89%，当月收益：0.26%[7] - 大类累加因子，上周收益：1.33%，当月收益：2.04%[7]