期货多因子专题研究：天风三要素、价值和动量的横截面多空模型

文  |  量化组 天风期货研究所

编辑 | 小 华

审核 | 浦电路交易员

1

摘要 

天风期货研究所于2020年2月推出了天风三要素，即分析师从基差、库存和利润三个维度分别给出各品种未来1个月行情的支撑与压力预期。

我们基于天风三要素构建一种商品预期变化因子，并据此提出一种多品种横截面多空策略。

考虑到分析师预期调整通常是缓慢的，以及可能带来的主观风险，我们进一步加入一类价值因子以形成最终的三因子截面多空模型。

策略回测表现：2020年以来，三要素模型夏普比达到0.94，年化收益8.14%，最大回撤3.72%，胜率54%；三因子模型夏普比达到1.92，年化收益15.02%，最大回撤2.91%，胜率59%。

风险提示：过拟合、主观风险。

2

天风三要素

我们在本节首先介绍天风三要素。然后，我们阐述预期变化因子的构建方式，最后我们分别讨论三要素在多品种截面策略上的表现。策略的投资标的选择天风期货研究所分析师覆盖的30个商品期货（如下表），交易时间为每日收盘。

我们的天风三要素如下。

天风期货研究所于2020年2月起推出了如上所示的天风三要素，即分析师从基差、库存和利润三个维度分别给出各品种未来1个月行情的支撑与压力预期，该预期主要考虑市场的基本面供需等未来要素，基于相对客观的假设，重在展望未来。

三要素各因子值的范围为[-5, 5]，该值越大，表示对未来行情的支撑越强，反之则压力越大。三要素为周度数据。

2.1 预期变化因子 

在A股市场，分析师总是倾向于发表乐观看法，因此预期数据中难以区别分析师对不同股票推荐的力度差异（天风证券，2020）。类似的，天风期货研究所分析师通常会给出保守的预期，因此单纯比较预期难以确定不同品种之间的强弱。我们在这里基于三要素定义一种预期变化因子，即利用分析师自身预期的变化来与品种未来强弱建立联系，定义如下：

其中i表示合约i，TSFORECAST表示分析师预期，N表示预期变化窗口长度。在同一时刻比较多个品种时，我们认为，预期变化因子值越大的品种，之后胜出的概率越大，反之则越小。

2.2 策略构建

对于策略构建，我们在每一期截面，做多预期变化因子值排前R%的品种，做空预期变化因子值排后R%的品种。考虑到分析师预期调整的缓慢性，在单要素策略阶段，我们将R设置为10，而参数N我们选择2。对于本文中所有的策略投资组合，我们每日对其进行风险平衡。我们接下来给出基差、库存和利润因子在截面多空策略上的各自表现。

2.3 基差因子

三要素中，基差因子代表了分析师基于基差维度对品种未来一个月的预期。该因子在当期基差水平的基础上，叠加了未来一段时间的交割价差和可交割量因素。我们以原油为例，绘制出其基差因子走势。

可以看到，原油基差因子和油价具有正相关性。该因子值大部分在-1到1之间，预期相对保守。所以，考虑预期的变化能够带来更多的信息。

我们如下给出基差因子在多品种上截面策略的净值和表现。

可以看到，策略获得了1.2的夏普比，胜率则为51%。纯多头策略收益较好，主要原因在于2020年新冠疫情发生之后，政府的宏观调控导致了商品的单边行情，这种行情在今年有所减弱，我们也关注到该策略从今年3月份以来出现较大回撤。

2.4 库存因子

三要素中，库存因子代表了分析师基于库存维度对品种未来一个月的预期。该因子在当期平衡表的基础上，着眼于未来一个月的供需变化，给出多空客观预期。我们以原油为例，绘制出其库存因子走势。

可以看到，原油库存因子对油价具有解释力，如2021年开始，原油整体呈现去库格局，油价也随之上涨。而2020年初，新冠疫情导致了原油需求的暴跌，分析师在库存维度给出了悲观的预期。

我们如下给出库存因子在多品种上截面策略的净值和表现。

如上所示，库存因子多空策略实现了0.79的夏普比和54%的胜率。该策略收益主要集中在2020年末，因此也导致了较高的年化波动（16.05%），而在2021年，策略净值整体呈现震荡走势。

2.5 利润因子

三要素中，利润因子代表了分析师基于利润维度对品种未来一个月的预期。该因子由分析师参照数百个上下游的利润指标，着眼于品种利润分布的可能变化而提出。我们以原油为例，绘制出其利润因子走势。

利润因子相比基差因子和库存因子对油价的短期解释力要弱，比如2021年5月份之后，利润因子预期包括变化在短期内都无法反映到油价上。主要原因在于，利润端通常需要更长的传导链，所以会对应稍长一些的周期。

我们如下给出利润因子在多品种上截面策略的净值和表现。

可以看到，利润因子多空策略实现了0.23的夏普比和52%的胜率。该策略创造收益能力较弱（年化收益2.63%），2021年至今表现好于2020年。从回测结果上，相比基差因子和库存因子，利润因子表现落后。

3

三要素模型

在上一节讨论完单要素模型之后，我们进一步提出三要素模型，如下。

我们将基差因子、库存因子和利润因子叠加以形成三要素因子，基于2.1中的论述，我们构建三要素预期变化因子。我们以原油为例，首先绘制出其三要素走势。

可以看到，相比原油单要素，三要素能够更好的解释油价的走势，因为该因子综合了三个要素的预期。相应的，三要素预期变化因子在短期内也更具指示意义。因此，相对于单要素模型，我们将三要素模型多空比例R%提升至25%。我们如下给出三要素因子在多品种上的截面策略净值和表现。

可以看到，三要素因子多空策略实现了0.94的夏普比和54%的胜率，最大回撤为3.72%。我们进一步给出三要素策略收益在各板块上的归因。

可以看到，三要素截面策略在所有板块上都取得了正收益，能化和农产品表现相对弱一些，但其覆盖的品种也更多。

4

三因子模型

三要素模型相比单要素更加稳定和可靠，但是作为一个主观因子，其主观风险是不可忽视的。同时，分析师预期调整的缓慢性仍然是一个问题。在本节，我们加入一种价值因子和动量因子以形成三因子截面模型。在此之前，我们简要介绍上述两个因子。

Asness等人在2013年定义了大类资产中的价值因子和动量因子。对于商品，其使用5年前的现货价格来定义账面价值，除以当前期货价格来作为价值因子，而动量因子则使用商品12个月的涨跌幅（剔除最近1个月）。

结合Asness（2013）中的相关论述，我们对价值因子作一简单变种，如下。

定义好价值因子和动量因子后，三因子截面模型如下。

我们直接给出三因子模型在多品种截面策略上的净值和表现。

可以看到，三因子模型的夏普比达到1.92，胜率为59%，最大回撤2.91%。该模型在2021年1月至7月净值上涨5.6%，而同期三要素模型净值上涨6.3%，前者相比后者并未展现优势，我们认为主要原因在于，去年市场偏宏观+趋势，而今年重回基本面逻辑，多数趋势策略表现不及预期。而三要素模型能够穿越因子转换的周期，趋势时表现不差，重回基本面又能再创新高。

5

总结

本文构建了基于天风三要素（基差、库存和利润）下的商品截面模型，从单要素到三要素，我们论证了其在传统的截面多空策略上具有一定效果，其中三要素模型夏普比达到0.94。

在三要素模型基础之上，我们加入一类价值因子以减少主观因素等风险，形成的三因子模型夏普比达到1.92。

回测期较短会导致策略有过拟合风险，因此持续的跟踪策略更加重要。对文中完整策略感兴趣的，欢迎机构客户签约并扫描文末二维码邀约路演。