量化模型与构建方式 1. 模型名称：豆粕择时框架 模型构建思路：基于豆粕的供给、需求、期货持仓和产业链量价四个维度构建择时信号，综合这些信号进行豆粕期货的择时操作[4] 模型具体构建过程： - 供给信号：使用全球、美国和巴西的豆粕库存量数据，计算月度差分，由于供给信号与豆粕价格负相关，信号取负，等权加总作为供给信号[69] - 需求信号：使用全球、中国和巴西的豆粕消费量数据，计算月度差分，由于需求信号与豆粕价格正相关，信号等权加总作为需求信号[86] - 期货持仓信号：使用CBOT报告头寸中的多头总持仓和空头总持仓数据，反映市场主要参与者的力量对比[89] - 产业链量价信号：结合其他农产品价格和利润的影响，挖掘有效量价信号进行周度高频择时[53] 模型评价：该模型通过多维度信号的综合，能够有效捕捉豆粕价格的波动，择时效果显著[4] 模型的回测效果 1. 豆粕择时框架，总胜率52.36%，看多胜率52.69%，看空胜率51.83%，赔率1.12，超额年化收益8.74%[4] 2. 供给信号，总胜率51.73%，看多胜率51.97%，看空胜率51.22%，赔率1.11，超额年化收益6.61%[75] 3. 需求信号，总胜率51.03%，看多胜率51.32%，看空胜率50.40%，赔率1.07，超额年化收益1.96%[87] 量化因子与构建方式 1. 因子名称：供给因子 因子构建思路：基于全球、美国和巴西的豆粕库存量数据，反映豆粕供给的变化[69] 因子具体构建过程：计算全球、美国和巴西的豆粕库存量的月度差分，由于供给信号与豆粕价格负相关，信号取负，等权加总作为供给因子[69] 因子评价：供给因子能够有效反映豆粕供给的变化，对豆粕价格有显著的择时效果[69] 2. 因子名称：需求因子 因子构建思路：基于全球、中国和巴西的豆粕消费量数据，反映豆粕需求的变化[86] 因子具体构建过程：计算全球、中国和巴西的豆粕消费量的月度差分，由于需求信号与豆粕价格正相关，信号等权加总作为需求因子[86] 因子评价：需求因子能够有效反映豆粕需求的变化，对豆粕价格有显著的择时效果[86] 3. 因子名称：期货持仓因子 因子构建思路：基于CBOT报告头寸中的多头总持仓和空头总持仓数据，反映市场主要参与者的力量对比[89] 因子具体构建过程：使用CBOT报告头寸中的多头总持仓和空头总持仓数据，计算其变化，反映市场多空力量的对比[89] 因子评价：期货持仓因子能够有效反映市场情绪，对豆粕价格有显著的择时效果[89] 因子的回测效果 1. 供给因子，总胜率50.29%，看多胜率51.23%，看空胜率49.24%，超额年化收益4.60%[70] 2. 需求因子，总胜率51.03%，看多胜率51.32%，看空胜率50.40%，赔率1.07，超额年化收益1.96%[87] 3. 期货持仓因子，总胜率51.27%，超额年化收益2.47%[4]