量化模型与构建方式 模型名称：考夫曼价格效率系数 - 模型构建思路：基于市场移动方向与噪声量的关系，衡量市场趋势强度[30] - 模型具体构建过程： 1. 假设考夫曼效率系数在0~1之间 2. 分子为一定时期内的价格变化绝对值 3. 分母为一定时期内每天价格变化绝对值总和 4. 两者相除得到考夫曼价格效率系数 5. 使用20日移动平均进行平滑 6. 计算过去三年的历史分位数，将高于80%分位数划分为高波区间，低于20%分位数划分为低波区间，其余为正常区间[30][31] - 模型评价：考夫曼价格效率系数越高，市场趋势强度越明显；越低则市场呈现震荡走势[30] 模型名称：商品市场成交活跃度 - 模型构建思路：通过波动率与持仓量衡量市场成交活跃度[33] - 模型具体构建过程： 1. 采用南华商品指数波动率衡量市场成交活跃度 2. 计算波动率过去三年的历史分位数 3. 高于80%分位数为高波区间，低于20%分位数为低波区间，其余为正常区间[33] - 模型评价：波动率较高时，量化CTA策略表现优异；波动率较低时，策略表现不佳[33] 模型名称：商品市场流动性 - 模型构建思路：通过成交量与持仓量的比值衡量市场流动性[35] - 模型具体构建过程： 1. 计算商品主力合约每日成交量与持仓量的比值 2. 使用20日移动平均进行平滑 3. 计算近一年的历史分位数排名 4. 高于80%分位数为高区间段，低于20%分位数为低区间段，其余为正常区间段[35] - 模型评价：市场投机度较高时，量化CTA策略表现更优；投机度较低时，策略表现不佳[35] 模型名称：商品市场交易结构 - 模型构建思路：通过品种与板块的成交额衡量市场成交集中情况[36] - 模型具体构建过程： 1. 计算全市场商品每日成交前10品种占全市场交易额的占比 2. 使用20日平均进行平滑 3. 计算近一年的历史分位数排名 4. 高于80%分位数为高区间段，低于20%分位数为低区间段，其余为正常区间段[36] - 模型评价：市场成交集中度分散时，量化CTA策略收益更高且稳定性更强；成交集中时，策略收益较低[36] 模型名称：商品市场轮动速度 - 模型构建思路：通过品种日收益率排名变化衡量市场轮动速度[37] - 模型具体构建过程： 1. 计算每日涨幅排名前10与跌幅排名前10品种与上一日排名的变动比例 2. 轮动速度加快时，数值为1；品种表现稳定时，数值接近0 3. 计算近一年的历史分位数排名 4. 高于80%分位数为高区间段，低于20%分位数为低区间段，其余为正常区间段[37] - 模型评价：轮动速度较慢时，市场行情延续性较强，量化CTA策略收益更高且稳定性更强；轮动速度较快时，策略表现不佳[37] 模型名称：商品市场期限结构 - 模型构建思路：通过基差动量衡量期限结构斜率变化[39] - 模型具体构建过程： 1. 基差动量定义为近月合约过去一段时间的涨跌幅减去远月合约过去一段时间的涨跌幅 2. 计算每个品种的基差动量 3. 根据近20日平均成交额进行加权 4. 使用20日移动平均进行平滑 5. 计算近一年的历史分位数排名 6. 高于80%分位数为高区间段，低于20%分位数为低区间段，其余为正常区间段[39] - 模型评价：基差动量较高时，量化CTA策略收益表现更好；基差动量较低时，策略收益表现不佳[39] --- 模型的回测效果 考夫曼价格效率系数 - 南华贵金属指数效率系数处于较低区间段 - 有色、黑色、能化板块效率系数经历快速上升后下降 - 农产品板块效率系数有所下降[31] 商品市场成交活跃度 - 农产品板块波动率维持高位 - 其余各板块波动率快速下降，进入历史低值附近[33] 商品市场流动性 - 南华商品指数各板块流动性明显下降[35] 商品市场交易结构 - 商品市场轮动速度下降，成交集中度维持高位[37] 商品市场期限结构 - 南华能化、南华农产品板块基差动量快速上行至历史高位 - 贵金属板块基差动量有所上升 - 南华黑色板块基差动量处于历史较低区间[40]