报告行业投资评级 未提及 报告的核心观点 - 席位数据在机构主导的国债期货市场具备重要研究价值,通过精细化席位分类与信号重构,可成为国债期货交易有效因子 [2] - 席位风格分化是信息弱化根源,信号融合策略提升实战价值但持续性弱,方向性淬炼方法破解持续性难题 [70] - 席位风格识别、信号分层融合、方向能力淬炼的三阶方法论,可将席位数据转化为国债期货交易稳定 alpha 来源 [71] 根据相关目录分别进行总结 席位数据在国债期货上的运用 席位数据的常见运用方法 - 国债期货市场机构参与占比高,席位数据能带来更有益信息,常见运用方法有多空持仓比例、持仓集中度等,方向性策略上较出名的是蜘蛛网策略 [8][11] - 蜘蛛网策略通过跟踪持仓表上多头和空头持仓变动作为交易信号,在股指期货等品种曾有不错表现,但近年在国债期货上除 TL 外表现不佳,原因是市场交易群体和行为混杂以及部分机构交易受限 [11][18] 识别 - 上榜会员席位在持仓方向和成交活跃度上存在较大差异,如东方财富等多头倾向明显,兴业期货等空头倾向明显,还有紫金天风和华闻期货等日内交易性席位 [22] - 对十年期国债期货部分席位单独回测,不同会员席位表现差异显著,但跟踪优秀或反指席位长期无法战胜多头持有表现 [22][24] 融合 - 从信号触发频率角度,将席位跟踪信息以三种方式糅合,筛选样本内上榜频率大于 30%的席位,按夏普比率排序选取优秀和反指席位进行信号合成,包括优秀信号、反指信号、复合信号 [25][27] - 除 T、TL 的反指信号外,其余品种三类信号全样本期内夏普比率优于多头持有和原始蜘蛛网策略,追踪优秀席位信号表现更好,但大部分回测结果收益在样本内产生,样本外夏普和收益衰减,信号持续性不足 [44][45] 淬炼 - 考虑席位持仓方向倾向,将优秀和反指席位细分,在多头和空头方向分别得出相应优秀和反指席位,合成信号根据交易方向选取对应追踪群体 [46] - 新的席位筛选和信号合成方式除 TS 优秀信号和 TL 复合信号纯多头方向外,在全样本、样本内和样本外夏普表现更优,除 TF 外其余三个品种复合信号多头方向样本外夏普表现优于多头持有,部分信号和品种表现改进,论证了新方法的有效性和席位信息可追踪性 [69] 总结 - 席位风格分化导致整体席位信号有效性降低,信号融合策略提升实战价值但持续性弱,方向性淬炼方法破解持续性难题,如 TL 在样本外有不错表现 [70]