报告行业投资评级 未提及相关内容 报告的核心观点 - 上周国内股指期货市场持续下跌，各品种成交环比上涨、基差走强，国债期货基差窄幅波动、跨期价差回落，商品市场受中东局势影响多数上涨，商品因子总体上涨 [4][55][75] - 股指期货基差策略方面，跨期套利建议观望，空头套保建议持有近月合约；国债期货策略关注基差、跨期、择时和跨品种套利；商品CTA因子中期限结构类因子表现最好，各跟踪策略有不同表现 [4][55][75] - 基本面量化策略基于商品板块主成分构建，不同模型在市场中性和多空策略上有不同表现，多空策略在部分模型中表现更佳 [108] 根据相关目录分别进行总结 股指期货量化策略跟踪 - **行情简评**：市场持续下跌，医药生物和电力设备、有色金属贡献主要跌幅，各品种成交环比上涨、基差走强 [4] - **基差策略推荐**：基差显著走强，IC、IM分红调整后贴水收敛，跨期套利策略建议观望，空头套保建议持有近月合约 [4] - **套利策略跟踪**：跨期套利策略上周净值明显回撤，跨品种套利时序策略净值上周亏损，各组合最新信号空仓 [5][6] - **择时策略跟踪**：日度择时策略各模型上周盈利，择时模型看空信号有所加强，不同模型对各指数看法不同 [7] 国债期货量化策略 - **本周策略关注**：基差与跨期方面，期债基差窄幅波动，跨期价差回落，跨期不确定性增加；期货择时策略净值本周上行，信号偏多；期货跨品种套利策略净值上行，TS - T信号中性，T - TL信号偏空；信用债轮动加对冲策略现券降久期持有并进行国债期货对冲 [55] 商品CTA因子及跟踪策略表现 - **商品因子表现**：上周国内商品市场受中东局势影响，原油及相关能化类品种多数上涨，商品因子总体上涨，期限结构类因子表现最好，仅仓单类因子下跌 [75] - **跟踪策略表现**：各跟踪策略有不同的年化收益、夏普比率、Calmar、最大回撤等指标表现，上周Long CWFT & Short CWFT表现最好，今年以来C_frontnext & Short Trend表现最好 [76][106] 商品基本面量化 - **基本面量化 – 板块主成分PCA**：构造基于商品板块主成分的基本面量化策略，对基本面数据筛选降维形成因子集，以特定收益率为训练目标，滚动训练OLS、XGBoost和合成模型，构建市场中性和多空策略 [108] - **模型表现及信号跟踪**：不同模型在样本外的市场中性和多空策略上有不同表现，多空策略在部分模型中表现更佳，各模型有不同的最新多空信号 [119][126][134]

量化模型与构建方式 1. **模型名称：分红预测模型** - **模型构建思路**：基于上市公司分红预案、历史分红率及盈利预测，预测指数成分股分红对股指期货合约的影响[9][18][21] - **模型具体构建过程**： 1. **预估净利润**：优先采用年报、快报、预警或分析师预测数据[21][26] 2. **计算税前分红总额**： - 已公布预案的直接采用 - 未公布的按历史分红率推算（若净利润为正）[26] 3. **计算指数影响**： - 股息率 = 税后分红总额 / 最新市值 - 股息点 = 股票权重 × 股息率 - 权重调整公式： $$\mathrm{w_{it}={\frac{w_{i0}\times\mathrm{\scriptsize{\left(\mathrm{\scriptsize{\normalsize1+R\mathrm{\scriptsize{\normalsize1}}}\right)}}}{\sum_{1}^{n}w_{i0}\times\mathrm{\scriptsize{\left(\mathrm{\scriptsize{\normalsize1+R\mathrm{\scriptsize{\normalsize1}}}\right)}}}}}}$$ [23] 4. **预测合约影响值**： - 除权除息日参考历史时间差中位数[27][28] - 累加交割日前所有分红点数[28] - **模型评价**：依赖历史分红率假设，市场突变时预测可能偏差[17][29] 2. **模型名称：股指期货定价模型** - **模型构建思路**：基于无套利原理，考虑分红现值和利率影响[30][31] - **模型具体构建过程**： 1. **离散红利定价公式**： $$\mathbf{D}=\sum_{\mathrm{i=1}}^{\mathrm{m}}\mathbf{D}_{\mathrm{i}}\,/(1+\phi)$$ $$\mathrm{F_t=(S_t-D)(1+r)}$$ [30] 2. **连续红利定价公式**： $$\mathrm{F_t=S_t e^{(r-d)(T-t)}}$$ [31] --- 量化因子与构建方式 1. **因子名称：含分红价差因子** - **因子构建思路**：衡量实际价差与分红调整后价差的差异[10][11][12][13] - **因子具体构建过程**： - 实际价差 = 期货收盘价 - 现货价格 - 含分红价差 = 实际价差 + 分红点数[10] 2. **因子名称：年化对冲成本因子** - **因子构建思路**：反映持有期货至到期的成本/收益[10][14] - **因子具体构建过程**： - 年化对冲成本 = (含分红价差 / 现货价格) × (365 / 剩余天数)[10] --- 模型的回测效果 1. **分红预测模型**： - 上证50 7月合约分红点数预测：40.84点[10] - 沪深300 7月合约分红点数预测：38.26点[10] - 中证500 7月合约分红点数预测：19.23点[10] - 中证1000 7月合约分红点数预测：17.88点[10] 2. **股指期货定价模型**： - 理论定价与实际价差对比（见各合约实际价差列）[10][11][12][13] --- 因子的回测效果 1. **含分红价差因子**： - IH2507：3.92点[10] - IF2507：-3.99点[10] - IC2507：-31.88点[10] - IM2507：-46.91点[10] 2. **年化对冲成本因子**： - IH2507：-1.91%（365天）[10] - IF2507：1.35%（365天）[10] - IC2507：7.37%（365天）[10] - IM2507：10.19%（365天）[10]

基差数据 - 沪深300 IF2506合约贴水18.58 [1] - 上证50 IH2506合约贴水15.25 [1] - 中证500 IC2506合约贴水36.68 [1] - 中证1000 IM2506合约贴水52.64 [1] 月差数据 - 沪深300 IF2506-2507价差为37.4 [1] - 上证50 IH2506-2507价差为30.8 [1] - 中证500 IC2506-2507价差为70.4 [1] - 中证1000 IM2506-2507价差为94.0 [1]

股指期货套利监测数据 - 沪深300 IF2506合约贴水26.34点 [1] - 上证50 IH2506合约贴水17.22点 [1] - 中证500 IC2506合约贴水51.21点 [1] - 中证1000 IM2506合约贴水69.17点 [1] 股指期货月差数据 - 沪深300 IF2506-2507价差为39.2点 [1] - 上证50 IH2506-2507价差为30.2点 [1] - 中证500 IC2506-2507价差为68.8点 [1] - 中证1000 IM2506-2507价差为91.2点 [1]

股指期货基差情况 - 沪深300 IF2505合约贴水2.49点 [1] - 上证50 IH2505合约贴水2.86点 [1] - 中证500 IC2505合约升水7.75点 [1] - 中证1000 IM2505合约升水13.28点 [1] 股指期货月差情况 - 沪深300 IF2505-2506价差为40.6点 [1] - 上证50 IH2505-2506价差为18.6点 [1] - 中证500 IC2505-2506价差为121.8点 [1] - 中证1000 IM2505-2506价差为147.6点 [1]

基差数据 - 沪深300 IF2505合约贴水0 21 [1] - 上证50 IH2505合约升水2 22 [1] - 中证500 IC2505合约升水0 88 [1] - 中证1000 IM2505合约贴水3 77 [1] 月差数据 - 沪深300 IF2505-2506价差为35 6 [1] - 上证50 IH2505-2506价差为18 4 [1] - 中证500 IC2505-2506价差为102 2 [1] - 中证1000 IM2505-2506价差为113 6 [1]

报告核心观点 报告围绕股指期货市场与卖方策略观点展开，分析上周四大期指表现、基差、跨期价差等情况，指出当前各品种基差处于历史低位，近月合约对冲性价比高；还汇总近一周卖方策略团队观点，给出市场和行业投资共识与分歧 [3][5][11] 股指期货市场概况与主动对冲策略表现 整体表现 - 上周四大期指主力合约均上涨，沪深 300 期指涨幅最大为 2.27%，中证 500 期指跌幅最大为 1.68%；主力合约贴水均加深，IF、IC、IM 和 IH 期指均为贴水状态 [3][11] 成交量与持仓量 - 全部合约角度，四大期指当月、下月、当季和下季合约平均成交量均上升，IF 上升幅度最大为 35.46%，IM 上升幅度最小为 13.64% - 四大期指上周最后一个交易日合计持仓量有升有降，IM 上升幅度最大为 6.96%，IH 下降幅度最大为 -2.44% [3][11] 基差水平 - 截至上周最后一个交易日收盘，IF、IC、IM 和 IH 当季合约年化基差率分别为 -7.15%、-12.46%、-14.21%和 -5.19%；较上周最后交易日，IF 和 IH 期指贴水幅度收窄，IC 和 IM 期指贴水幅度加深 [3][11] 跨期价差 - 截至上周五收盘，IF、IC、IM 和 IH 当月合约与下月合约跨期价差率分别处在 2019 年以来的 94.10%、98.80%、99.20%和 88.20%分位数；当月合约与下月、当季、下季价差率均处于历史分布常态位置 [4][12] 套利空间 - 以年化收益 5%计算，剩余 5 个交易日，IF 正反套当月合约基差率需分别达到 0.33%和 -0.48%；剩余 29 个交易日，IF 正反套下月合约基差率需分别达到 0.95%和 -1.79%；按收盘价格，目前 IF 当月合约存在反套机会 [4][12] 分红预测 - 沪深 300 指数、中证 500、上证 50 指数和中证 1000 指数对主力合约点位分别为 22.15、44.10、16.55 和 36.81 [4][12] 市场预期 - 基差变化受分红及投资者交易情绪影响；本周多项金融政策发力，预计市场风险偏好抬升；上周四大期指当月合约基差波动小，当前各品种基差处于历史低位，跨期价差为正，近月合约对冲性价比较高 [4][13] 近一周卖方策略观点 ChatGPT 解析 汇总情况 - 汇总 5 月 9 日至 5 月 12 日（截至 19：00）20 多家卖方策略团队含市场或行业观点报告，用大语言模型汇总投资共识与分歧 [5][49] 市场观点 - 共识：8 家券商认为政策呵护资本市场，提振信心并降低风险溢价；5 家认为科技成长占优行情短期大概率未完，小盘成长表现突出；4 家认为流动性宽松，增量资金有望持续流入 - 分歧：市场走势上，3 家认为延续高位震荡，2 家认为短期震荡整固；市场风格上，2 家认为在大小盘和成长价值间多次切换；资金流向上，2 家认为成交缩量、观望情绪浓，市场短期震荡整固 [50][51] 行业观点 - 共识：8 家看好科技行业，特别是人工智能等硬科技领域；6 家认为新消费板块是 A 股重要结构性机会；5 家看好军工板块；5 家认为银行板块配置吸引力强 - 分歧：周期行业复苏时间上，3 家认为短期内反转，2 家认为需更长时间；消费板块回暖预期上，4 家认为需等待居民收入预期改善，3 家认为新消费领域机会已显现；科技行业具体选择上，3 家看好半导体和国产算力，5 家认为人工智能和通信板块机会大；红利资产配置上，3 家认为红利资产有绝对收益性价比，2 家认为小盘成长股更具吸引力 [50][51] 附录 股指期限套利计算 - 期现套利分正向与反向套利，正向套利是现货被低估、期货被高估时，卖出期货合约买入现货；反向套利是现货被高估、期货被低估时，买入期货合约卖出现货；给出正向和反向套利收益率公式，计算中股指期货单边交易费用取万分之零点二三，现货单边交易费用取千分之一，期货和融券保证金分别为 20%和 50%，融券利率为年化 10.6%，暂不考虑分红影响；套利风险有保证金追加、基差不收敛等 [54][55] 股利预估方法 - 指数成分股分红会造成“额外贴水”，通过历史分红规律预测分红点位；已实施或公布预案按实际计算，未公布预案用 EPS*预测派息率；EPS 取值根据预测时间和业绩公布情况而定；预测派息率方面，稳定派息三年取均值，不足三年且盈利取上一年度派息率，未盈利等无分红预告则不分红；稳定派息公司分红间隔有均值，用上年除息除权日模糊预测，可得到合约期内分红对指数点位影响 [56][60]

报告行业投资评级 未提及 报告的核心观点 - 股指期货市场呈上涨趋势，各品种成交环比上涨，不同策略表现有差异，基差走势受多种因素影响，展期和跨期策略推荐多近空远 [3][4] - 国债期货不同策略有不同信号和表现，如跨期策略建议空头套保提前移仓，多因子择时策略信号偏多等 [56] - 商品市场受宏观政策与外部事件交织影响涨跌互现，商品因子表现不一，CTA策略短期或波动，长期看好量价趋势、期现结构因子 [76] 各部分总结 股指期货量化策略跟踪 - 行情简评：市场上涨，银行和食品饮料等行业分别贡献各指数主要涨幅 [3] - 基差策略推荐：IH、IF基差走强，IC、IM维持深度贴水，展期和跨期策略均推荐多近空远 [4] - 套利策略跟踪：跨期套利策略上周各策略盈利，跨品种套利时序策略近期信号转向多小空大，截面策略上周盈利 [5][6][7] - 择时策略跟踪：日度择时策略不同模型上周盈利分化，各模型有不同看多或看空信号 [8] - 展期收益跟踪：展示了中证1000、中证500、上证50、沪深300历史展期收益数据 [12] 跨期套利策略 - 综合策略表现：介绍了年化基差率因子、正套、120日动量策略，展示近2年和2024年以来表现数据 [13][15] - 年化基差率因子：说明策略构建方法，展示2023年以来回测表现、不同时间区间表现和最新信号 [17][18][19][22] 跨品种套利 - 时序多品种组合策略：展示2024年以来回测表现和分年度收益数据 [23][25] - 横截面基差套利：介绍套利思路，展示2024年后回测结果 [29] 日度择时策略跟踪 - 多因子合成模型表现：介绍单因子等权、XGB、OLS模型，展示分年度表现和2024年以来样本外表现 [35][37][38] - OLS模型：展示2023年以来表现和分年度表现数据 [44][45] - Xgboost模型：展示2023年以来表现和分年度表现数据 [52][53] 国债期货量化策略 - 本周策略关注：包括基差与跨期、期货择时、期货跨品种套利、信用债中性策略的建议和信号 [56] - 基差与跨期价差：本周期债不同品种跨期价差走势分化，跨期策略建议空头套保提前移仓 [57] - 多因子择时策略：策略净值本周震荡，信号偏多，展示分品种净值与信号数据 [60][63] - 跨品种套利策略：本周净值持稳，TS - T信号中性，T - TL信号偏空，展示净值与信号数据 [64][67] - 信用债久期轮动中性策略：基于远季合约的对冲压力指数反弹，策略现券拉久期持有3 - 5年指数并对冲 [56] 商品CTA因子及跟踪策略表现 - 商品因子表现：上周国内商品市场涨跌互现，各类风格因子表现不一，CTA策略短期或波动，长期看好部分因子 [76][79] - 跟踪策略表现：展示多个策略的年化收益、夏普比率等数据 [77] - 商品因子表现跟踪：展示商品截面单因子业绩表现数据 [80] - 基于因子的商品策略跟踪表现 - CWFT组合：介绍策略持仓情况，上周持仓24个品种，本周持仓及换手等情况 [84][86] - C_frontnext & Short Trend组合：介绍策略持仓情况，上周持仓24个品种，本周持仓及换手等情况 [84][88] - Long CWFT & Short CWFT组合：介绍策略持仓情况，上周持仓24个品种，本周持仓及换手等情况 [84][90] - CS XGBoost组合：未提及具体内容