期货投资公式（期货多因子研究）

期货多因子研究（一）——基本理论与动量因子

第一部分 期货多因子的原理

股票多因子与期货多因子基准

股票多因子是现在最为普遍的量化策略，在Fama三因子构建的benchmark基础上，业界和学界深度挖掘股票属性，试图找到更多的alpha因子来击败基准。受到股票资产定价影响，学界又试图基于同样逻辑对于其他种类资产定价，期货就是其中之一。然而，期货市场的基础逻辑没有股票那么强，JBF文章Are there common factors in commodity futures returns?(2012)证明，无论宏观因子、股票因子、期货因子，对于期货都不能定价。要注意的是，期货定价和期货收益率预测并不完全相同，因为定价重在对各商品期货解释效力，而收益率预测与单品种期货走势可以无关，我们可以将其看做beta因子和alpha因子，beta因子的风险溢价不一定为正。Jesse et al. (2016)发现市场因子(Market)，高/低期现溢价因子(Hterm/Lterm)，时间动量因子(TSMOM)可以构建一个商品期货的基准（某公众号发布过相关文章），同时，利用过去180日动量构建商品期货指数用于资产配置，也被业界使用着。

图2 各品种时间序列流动性

图3 各品种流动性

代码

第三部分 期货动量因子结果

动量因子构造

我们对于20150401-20161231间的动量因子进行了回测，动量因子构建如下。这个方法类似于《广发证券20160601快速趋势识别下的金融期货交易策略》研报中的做法：如果价格没有趋势，假定价格与均线偏离为时间序列的残差，那么残差平方和应当在不具备显著性的区间内。

上述会用到两个参数，一是均线参数，二是换仓周期参数。为了克服起点的偏差，除了采用正常的换仓方法，即每个N天换仓外，我们还采用Jegadeesh, Titman(1993)的重叠法，构建重叠的动量组合。每期做多因子值大的（上涨趋势），做空因子值小的（下跌趋势），多空的因子划分采用（前30%，后30%）和（前50%，后50%）两种方式，保证稳健性。

方法解释

所谓固定法和重叠法是学术界业界常用的两种方法。固定法即固定每N天换仓，然后持有M天，这种方法对于起始点非常敏感，偶然性很大，造成实际结果很差但回测很好。重叠法即滚动重叠法，如果持有期为3天，那么每天会存在着3个组合，即持有了1,2,3天的三个组合，将3个固定法进行重叠。

表2 重叠法示例

0为估计期，1为持有期

固定法

重叠法

策略结果

我们发现，常被采用的20日均线，5日换仓的方法不具备普遍性，仅在这个参数集中动量较为明显（10，10JT法也有显著性），其他（5，5）组合和长期的（60，60）都是反转效应。由此，我们对（60，60）组合的反转效应进行验证，即做空因子值大的，做多因子值小的，结果如下。

第四部分 总结

总的来看，结果并不满意，趋势性稍弱，可能与我们的计算有关，之后会进行修正。对于这个项目，可以修正和研究的地方如下：

（1）数据清洗修正；

（2）构建：短期反转、中期动量、长期反转3个因子指数；

（3）分析指数收益中，多头空头收益，判断crash是来自于多头的“涨不动”还是空头的“跌不动”；

（4）加入量价背离，减弱指数的crash，既包括指数量价背离，也包括单一品种量价背离时剔除出指数；

（5）对于3个指数进行机器学习、时间序列建模或者风险评价，降低波动率和回撤；

（6）构建其他因子进行研究；

（7）基于期货因子构建期货指数，用于大类资产配置。

除此之外，我们要明白，股票多因子的研究方法不能直接拿到期货多因子来用，同时单因子如果不作为基准（像上述动量因子一样），是不应该以因子收益率为主要评价标准，而应该看该因子在过去一段时间内是否有足够的趋势性，用于区分商品表现。例如单因子3年来总收益几乎为0，但是其在于第一年直线大涨20%，第二年直线大跌50%，第三年直线大涨30%，那么我们反而认为其是一个好因子，因为它具备足够的趋势性和单一性，因此我们之后会生成一些趋势性评价体系，来构建适合商品的多因子框架。