期货多因子研究（一）——基本理论与动量因子
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。多因子逻辑股票多因子具有更多的金融含义和理论含义，例如刻画人们的非理性行为，刻画风险厌恶与溢价。但是，多因子本质上是对于期货和股票的特征刻画。人脑是一个学习的过程，通过观察股票期货的特征和过去股票期货的收益率分布，总结资产特点，然后根据接下来的特征预测未来资产收益率，这是一个分类学习的过程。因此，我们会对期货特征刻画计算大量因子，用于未来的机器学习。传统期货策略与多因子转换根据多因子原理，我们可以将传统的期货策略都转变为多因子逻辑，例如海龟交易法则，我们对每一天期货都构建因子：A-5日均线/20均线，B-昨日5日均线/20均线，C-sign(A - B)。易知，海龟交易法则按照因子C买卖。模式识别同理，也可以根据图像总结成因子1，-1买卖。进入多因子框架后，我们可以更好的调参、预测、分析。第二部分 期货品种筛选第一步，我们来筛选流动性较好的商品品种，同时也要保证农产品、能源化工、黑色、有色金属四大类产各类商品太少。我们采用成交量/持仓量作为指标，最终选出20个品种。图1 各品种缺失时间https://5b0988e595225.cdn.sohucs.com/images/20171227/6e1d972a3a404a0fa1cc4ca335084b2a.jpeg图2 各品种时间序列流动性https://5b0988e595225.cdn.sohucs.com/images/20171227/cf080914a8ec4e92948ac3714ed068c7.jpeg图3 各品种流动性https://5b0988e595225.cdn.sohucs.com/images/20171227/3ed9d250b1a84f2296cb7873e6d8568c.jpeghttps://5b0988e595225.cdn.sohucs.com/images/20171227/59b4883a2d4b48539916a045865a95ad.png代码https://5b0988e595225.cdn.sohucs.com/images/20171227/f53e633e0f9c4d7389de51a2a972e5b2.png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。https://5b0988e595225.cdn.sohucs.com/images/20171227/e6867abd75ee4974b6592cbceac32fae.png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https://5b0988e595225.cdn.sohucs.com/images/20171227/2f28a75a87574ae29949c028af8e5d15.png0为估计期，1为持有期固定法https://5b0988e595225.cdn.sohucs.com/images/20171227/4956700dc1ad4a0ba1b790dd2e432826.png重叠法https://5b0988e595225.cdn.sohucs.com/images/20171227/18acf353c4554186828dc54d0a929f3a.png策略结果https://5b0988e595225.cdn.sohucs.com/images/20171227/b4a5d0d3de584946986837d18c995f4f.jpeghttps://5b0988e595225.cdn.sohucs.com/images/20171227/c7651e160d6b48ef896d3a4960cfccfc.jpeg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。https://5b0988e595225.cdn.sohucs.com/images/20171227/031d8128011d4d9fa5c7bb0dbfb83e8b.jpeg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。
页:
[1]