量化模型与构建方式 商品融合策略 1. **模型名称**：商品融合策略[25] **模型构建思路**：该策略旨在捕捉商品市场中的基本面、carry和动量等风险溢价，通过整合三个子策略来构建一个综合性的商品投资组合[25][26] **模型具体构建过程**：首先构建三个独立的子策略模拟组合，分别是商品期限结构模拟组合、商品时序动量模拟组合和商品截面仓单模拟组合，然后采用三策略等权的方式将这三个子策略组合起来，形成最终的融合策略[25][26] 商品期限结构模拟组合 2. **模型名称**：商品期限结构模拟组合[25][26] **模型构建思路**：该策略基于展期收益率因子来刻画商品的升贴水状态，旨在从商品的期限结构（carry）中获取收益[26] **模型具体构建过程**：策略动态地做多展期收益率高的品种，同时做空展期收益率低的品种，其核心因子是展期收益率，用于衡量商品期货的持有收益或成本[26] 商品时序动量模拟组合 3. **模型名称**：商品时序动量模拟组合[25][26] **模型构建思路**：该策略基于多个技术指标来刻画境内商品的中长期价格趋势，旨在从价格的动量效应中获利[26] **模型具体构建过程**：策略动态地做多处于趋势上涨状态的资产，同时做空处于趋势下跌状态的资产，其核心是动量因子[26] 商品截面仓单模拟组合 4. **模型名称**：商品截面仓单模拟组合[25][26] **模型构建思路**：该策略基于仓单因子来刻画境内商品基本面的变化情况，旨在从商品供需基本面的变化中获取收益[26] **模型具体构建过程**：策略动态地做多仓单下降的资产（通常暗示供应趋紧或需求增加），同时做空仓单增长的资产（通常暗示供应过剩或需求疲软），其核心是仓单因子[26] 模型的回测效果 1. **商品融合策略**，近两周收益0.97%，今年以来收益3.16%[25][28] 2. **商品期限结构模拟组合**，近两周收益2.31%，今年以来收益7.46%[25][28] 3. **商品时序动量模拟组合**，近两周收益-0.38%，今年以来收益-3.19%[25][28] 4. **商品截面仓单模拟组合**，近两周收益0.98%，今年以来收益5.43%[25][28] 量化因子与构建方式 展期收益率因子 1. **因子名称**：展期收益率因子[26] **因子构建思路**：该因子用于量化商品期货合约由于远近月价差（期限结构）而产生的持有收益或成本，即carry收益[26] **因子具体构建过程**：通过计算特定商品期货合约的展期收益率来构建，展期收益率反映了持有该期货合约至到期并展期到下一个合约的预期收益或成本 动量因子 2. **因子名称**：动量因子[26] **因子构建思路**：该因子用于捕捉商品价格的中长期趋势，基于技术分析指标来判断资产的涨跌趋势[26] **因子具体构建过程**：综合运用多个技术指标（如均线、MACD等）来量化商品价格的动量状态，判断其处于上涨趋势还是下跌趋势 仓单因子 3. **因子名称**：仓单因子[26] **因子构建思路**：该因子通过追踪商品仓单数量的变化来反映其基本面供需状况的变动[26] **因子具体构建过程**：基于商品注册仓单的数据进行计算，仓单的增减直接关联到可交割实物量的变化，从而指示供需平衡的潜在变动 因子的回测效果 *（注：报告中未提供各因子独立的回测绩效指标，如IC值、IR等，仅提供了基于这些因子构建的策略组合的业绩表现。）*

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **商品期限结构模拟组合** - 模型构建思路：基于展期收益率因子刻画商品升贴水状态，动态做多展期收益率高的品种，做空展期收益率低的品种[24] - 模型具体构建过程： 1. 计算各品种的展期收益率因子 2. 根据展期收益率排序，构建多空组合 3. 动态调整仓位，保持板块均衡[24] - 模型评价：近期表现较好，能有效捕捉商品期限结构带来的收益[23] 2. **商品时序动量模拟组合** - 模型构建思路：基于多个技术指标刻画商品中长期趋势，动态做多趋势上涨的资产，做空趋势下跌的资产[24] - 模型具体构建过程： 1. 计算各品种的技术指标（如均线、MACD等） 2. 根据趋势信号构建多空组合 3. 定期调整仓位[24] - 模型评价：对趋势行情的捕捉能力较强，但近期表现较弱[33] 3. **商品截面仓单模拟组合** - 模型构建思路：基于仓单因子刻画商品基本面变化情况，动态做多仓单下降的资产，做空仓单增长的资产[24] - 模型具体构建过程： 1. 跟踪各品种的仓单变化情况 2. 根据仓单变化方向构建多空组合 3. 定期调整仓位[24] - 模型评价：对基本面变化的反应较为灵敏[39] 4. **全球市场因子** - 因子构建思路：利用海外主要资产价格同比数据构建统一的全球市场因子，反映资本市场周期[14] - 因子具体构建过程： 1. 收集海外主要资产价格同比数据 2. 进行主成分分析（PCA）提取主要因子 3. 通过周期滤波方法构建全球市场因子[15] $$PCA1 = \sum_{i=1}^{n} w_i \cdot r_i$$ 其中$w_i$为权重，$r_i$为资产收益率 - 因子评价：能有效反映全球资本市场周期变化[14] 模型的回测效果 1. **商品期限结构模拟组合** - 近两周收益：1.69%[23] - 今年以来收益：3.09%[23] - 最大回撤：-7.0%[29] 2. **商品时序动量模拟组合** - 近两周收益：-1.22%[26] - 今年以来收益：-3.17%[35] - 最大回撤：-8.0%[36] 3. **商品截面仓单模拟组合** - 近两周收益：-0.56%[26] - 今年以来收益：3.42%[39] - 最大回撤：-6.0%[40] 4. **商品融合策略** - 近两周收益：-0.05%[23] - 今年以来收益：1.09%[23] - 最大回撤：-3.0%[25] 量化因子与构建方式 1. **展期收益率因子** - 因子构建思路：反映商品期货合约的升贴水状态[24] - 因子具体构建过程： 1. 计算近月合约与远月合约的价格差 2. 标准化处理得到展期收益率[24] $$RollYield = \frac{F_t - S_t}{S_t}$$ 其中$F_t$为远月合约价格，$S_t$为近月合约价格 2. **仓单因子** - 因子构建思路：反映商品基本面供需变化[24] - 因子具体构建过程： 1. 跟踪各品种的仓单变化量 2. 标准化处理得到仓单因子[24] 3. **技术指标因子** - 因子构建思路：反映商品价格趋势[24] - 因子具体构建过程： 1. 计算各品种的均线、MACD等技术指标 2. 综合多个指标构建趋势信号[24] 因子的回测效果 1. **展期收益率因子** - 近两周收益贡献：玻璃1.27%、PVC0.32%、橡胶0.31%[30] 2. **仓单因子** - 近两周收益贡献：玉米0.54%、聚丙烯0.27%、沪镍0.22%[43] 3. **技术指标因子** - 近两周收益贡献：豆油0.26%、石油气0.16%、豆粕0.07%[37]