天风证券_20180105_商品期货CTA专题报告（四）：库存基本面与动量技术面共振的投资策略.pdf

金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 1 商品期货商品期货 CTA 专题报告专题报告（四）（四）证券证券研究报告研究报告 2018 年年 01 月月 05 日日 作者作者 吴先兴吴先兴 分析师 SAC 执业证书编号：S1110516120001 18616029821 相关报告相关报告 1 金融工程：商品期货 CTA 专题报告（三）策略的趋势过滤 2017-03-22 2017-03-22 2 金融工程：商品期货 CTA 专题报告（二）日间趋势策略初探 2017-03-10 2017-03-10 3 金融工程：商品期货 CTA 专题报告（一）量化 CTA 策略概述 2017-02-14 2017-02-14 库存库存基本面与基本面与动量动量技术面共振的技术面共振的投资投资策略策略 库存基本面策略收益可观但回撤较大库存基本面策略收益可观但回撤较大 库存作为商品基本面信息中最重要的指标之一，具有未来价格走势的指向性作用。根据库存理论所蕴含的策略逻辑：做多库存偏低的品种、做空库存偏高的品种，我们引入库存偏离度作为库存偏离自趋势的量化指标，在横截面上构建多空中性策略。回测结果显示，当排序期（即移动平均窗口长度）为 40-70 个交易日时，策略表现较稳健，且受持仓期敏感性低，年化收益率大多在 11%左右，夏普比率 1 左右，但 Calmar 比率均小于 1。单单纯依靠库存基本面纯依靠库存基本面信号信号的的 Stock 策略仍存在较大回撤策略仍存在较大回撤。动量技术面策略动量技术面策略波动大且参数依赖性强波动大且参数依赖性强 根据动量策略逻辑：做多高历史收益的品种、做空低历史收益的品种，我们同样在横截面上构建多空中性策略。当排序期在 50 个交易日内，持仓期为 1-3 个交易周时，策略表现相对稳定，但绝对收益和稳健性均不及库存基本面策略，仅在一个参数组（10 日排序期，两周持仓期）下年化收益率超过10%，而夏普比均小于1且回撤较大。单纯基于动量技术面单纯基于动量技术面信号信号的的Mom策略波动较大。策略波动较大。单信号单信号策略相关性低，构建组合策略有意义策略相关性低，构建组合策略有意义 单纯依靠库存基本面或动量技术面信号的策略在一定参数组下收益可观，但存在较大回撤，有必要构建组合策略。在策略构建之前我们首先从因子横截面相关性及收益率时间序列相关性两个维度分析两单因子策略之间的相关性。结果显示：横截面上，两因子 Spearman Rank 相关系数绝对值不超过 0.17；时间序列上，两策略收益率 Pearson 相关系数最小为-2%，最大为 22%。说明两策略呈弱相关，构建组合策略具有一定理论意义。两策略呈弱相关，构建组合策略具有一定理论意义。库存基本面与动量技术面共振策略优化效果明显库存基本面与动量技术面共振策略优化效果明显 在 Double-Sort（双因子分组）法下，我们分别构建了 Stock-Mom 和Mom-Stock 两种共振策略。共振策略 Calmar 比率明显提升，且在不同持仓期（1-4 周）均有效。以 40 日排序期、两周持仓期为例，Stock-Mom策略年化收益可达 12.7%，夏普比率 1.34，最大回撤仅 12%，Calmar 比率达 1 以上。相比于 Mom 策略，年化收益率提高年化收益率提高 5 个百分点，夏普比率提个百分点，夏普比率提升一倍，升一倍，Calmar 比率提升高达两倍比率提升高达两倍。进一步地，从策略稳健性角度来看，全样本多参数组回测、样本外测试及 WFA 结果均显示，Stock-Mom 策略策略相相比比于于 Mom-Stock 策略表现更优且稳定性更佳策略表现更优且稳定性更佳，在理论和，在理论和实践实践中均有重中均有重要意义要意义。风险风险提示提示：因子历史表现不代表对未来收益的保证 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 2 内容目录内容目录 研究背景研究背景.4 库存基本面策略库存基本面策略.4 库存指标体系构建及因子定义.4 库存指标体系构建.4 库存基本面策略因子定义.5 库存基本面策略设计.5 库存基本面策略表现.6 动量技术面策略动量技术面策略.7 动量技术面策略设计.8 动量技术面策略表现.8 库存库存策略与动量策略相关性挖掘策略与动量策略相关性挖掘.10 Stock_Dev 因子与 Mom 因子横截面相关性.10 Stock 策略与 Mom 策略收益率时间序列相关性.11 库存基本面与动量技术面共振策略库存基本面与动量技术面共振策略.14 Stock-Mom 中性策略.14 Mom-Stock 中性策略.17 信号共振效果评价.21 全样本分析.21 样本外测试.22 WFA 稳健性检验.23 总结与展望总结与展望.24 图表目录图表目录 图 1：不同参数组下库存基本面策略年化收益率.6 图 2：不同参数组下动量技术面策略年化收益率.9 图 3：Stock_Dev 因子与 Mom 因子横截面相关系数分布.11 图 4：Stock 策略与 Mom 策略净值走势.12 图 5：Stock 策略与 Mom 策略收益率时间序列相关系数分布.13 图 6：不同排序期下 Stock 策略与 Stock-Mom 策略夏普比率.17 图 7：不同排序期下 Stock 策略与 Stock-Mom 策略 Calmar 比率.17 图 8：不同排序期下 Mom 策略与 Mom-Stock 策略夏普比率.20 图 9：不同排序期下 Mom 策略与 Mom-Stock 策略 Calmar 比率.20 图 10：Mom-Stock 与 Stock-Mom 策略年化收益率分布.21 图 11：Mom-Stock 与 Stock-Mom 策略夏普比率分布.21 图 12：信号叠加前后策略净值走势（以 40 日排序期，2-week 持仓期为例）.22 图 13：不同路径下信号共振策略样本外净值走势.23 图 14：WFA 法示例.24 图 15：WFA 法下信号共振策略净值走势.24 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 3 表 1：样本品种库存指标说明.5 表 2：不同参数组下库存基本面策略年化收益率.6 表 3：不同参数组下库存基本面策略夏普比率.7 表 4：不同参数组下库存基本面策略 Calmar 比率.7 表 5：不同参数组下动量技术面策略年化收益率.8 表 6：不同参数组下动量技术面策略夏普比率.9 表 7：不同参数组下动量技术面策略 Calmar 比率.10 表 8：不同排序期组合下 Stock_Dev 因子与 Mom 因子横截面相关系数.11 表 9：Stock 策略与 Mom 策略分年度表现.12 表 10：不同排序期组合下 Stock 策略与 Mom 策略收益率时间序列相关系数.13 表 11：不同排序期组合下 Stock-Mom 策略年化收益率（H=2-week）.15 表 12：不同排序期组合下 Stock-Mom 策略夏普比率（H=2-week）.15 表 13：不同排序期组合下 Stock-Mom 策略 Calmar 比率（H=2-week）.16 表 14：不同排序期下 Stock 策略与 Stock-Mom 策略表现对比.16 表 15：Stock 策略与 Stock-Mom 策略分年度表现对比.17 表 16：不同排序期组合下 Mom-Stock 策略年化收益率（H=2-week）.18 表 17：不同排序期组合下 Mom-Stock 策略夏普比率（H=2-week）.19 表 18：不同排序期组合下 Mom-Stock 策略 Calmar 比率（H=2-week）.19 表 19：不同排序期下 Mom 策略与 Mom-Stock 策略表现对比.20 表 20：Mom 策略与 Mom-Stock 策略分年度表现对比.21 表 21：信号叠加前后策略表现对比.22 表 22：不同路径下信号共振策略样本外表现对比.23 表 23：WFA 法下信号共振策略表现对比.24 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 4 研究研究背景背景 在本系列报告的前两篇中，我们将商品期货 CTA 策略中常见的趋势策略应用在多个品种上分别进行了回测，发现不同品种策略表现显著依赖于其趋势性强弱，且稳定性差异较大。正如我们在系列报告三中所说，仅根据量价数据很难预测品种的趋势性。纯技术面分析可能忽视基本面信息中一些驱动价格变化的内在因素，存在偏误大、参数敏感性强的缺陷。基于此，本篇报告将试图从基本面和技术面两个角度挖掘有效的从基本面和技术面两个角度挖掘有效的 CTA 策略策略。国外大量实证研究表明，无论基于基本面信号（如库存水平）还是技术面信号（如动量），多空策略在商品期货市场的表现均显著优于纯多头策略，能取得更高的超额收益和夏普比（Kolb,1992;Pirrong,2005;Erb and Harvey,2006;Miffre and Rallis,2007;Shen et al.,2007;Gorton et al.,2012;Basu and Miffre，2013;Fernandez-Perez et al.,2015;Fuertes et al.,2015）。因此，为平抑风险以获取稳定回报，本文在横截面上引入多空中性策略在横截面上引入多空中性策略展开研究。库存基本面策略库存基本面策略 商品期货收益主要由相关的基本面信息变化驱动，而在基本面信息中库存是最重要的变量之一。根据 Kaldor（1939）、Working（1949）和 Brennan（1958）等学者提出的库存理论（The Theory of Storage），当库存增加时，商品便利收益减少，市场易呈现近月贴水(Contango)的现象。若当期库存水平偏高，则预计未来商品价格有下行趋势。即库存理论蕴含的策略逻辑为:当库存基本面信号提示库存水平偏高时，应做空该品种；反之，当库存水平偏低时，应做多该品种。此策略的关键问题在于库存指标此策略的关键问题在于库存指标体系体系的构的构建及库存基准的建及库存基准的定义。定义。库存指标库存指标体系体系构建构建及因子定义及因子定义 首先，我们对上市的各品种现有库存指标进行归类整理，发现库存指标类别主要可分为社会库存、交易所库存及期货库存三大类。其中社会库存涵盖的库存统计面最大，反映真实库存水平的能力也最强，交易所库存仅统计存放在交易所的那部分显性库存，合理性次之，而期货库存作为交易所库存中的一部分（另一部分为现货库存），合理性程度不及交易所库存，且由于存储成本和保质期差异，不同品种的期货库存反映其真实库存水平可靠性也有所不同。库存指标库存指标体系体系构建构建 具体来看，社会库存包括城市库存、港口库存、生产线库存等，交易所库存包括在上海期货交易所（SHFE）、伦敦金属交易所（LME）、纽约商业交易所（COMEX）等国内外主要交易所存放的库存，期货库存在大连商品交易所中以注册仓单形式统计，而在郑州商品交易所中则可以仓单和有效预报两个指标合计来更准确地反映。由于黑色系品种在交易所的存储成本高、农产品保质期较短，期货库存作为其真实库存代理变量的可靠性较低，因此仅考虑其社会库存和交易所库存。进一步地，从库存指标数据更新频率来看，主要有日、周、月、季、年五种，考虑到信息可得性和决策可操作性，我们仅将有日频或周频库存指标的品种纳入样本，并将数据统一为日频。此外，由于部分国际化品种在不同市场上市，为保证可比，我们以最晚上市的时间作为数据基期，且对不同单位进行统一换算。基于上述分析，本文筛选了 24 个交易活跃、库存指标可靠的期货品种作为投资标的。按指标类别分，主要包括以社会库存纳入的甲醇、玻璃、动力煤、豆油、棕榈油、螺纹钢、焦炭、焦煤、铁矿石、热轧卷板等，以交易所库存纳入的铜、铝、锌、铅、锡、镍、黄金、白银、橡胶、石油沥青等，以及以期货库存纳入的聚丙烯、塑料、PTA、PVC 等。库存指标体系构建结果如表 1 所示。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 5 表表 1：样本样本品种库存指标说明品种库存指标说明 样本品种 指标说明 数据基期 样本品种 指标说明 数据基期 SHFE 铜铜 交易所库存：SHFE+LME+COMEX 1995-04-17 DCE 焦炭焦炭 社会库存：主要港口 2011-04-15 SHFE 铝铝 交易所库存：SHFE+LME 1995-04-17 CZCE 甲醇甲醇 社会库存：主要港口 2011-10-28 SHFE 橡胶橡胶 交易所库存：SHFE 1995-05-16 SHFE 白银白银 交易所库存：SHFE+COMEX+SGE 2012-05-10 DCE 豆油豆油 社会库存：港口 2006-01-09 CZCE 玻璃玻璃 社会库存：生产线 2012-12-03 CZCE PTA 期货库存：仓单+有效预报 2006-12-18 DCE 焦煤焦煤 社会库存：主要港口 2013-03-22 SHFE 锌锌 交易所库存：SHFE+LME 2007-03-26 CZCE 动力煤动力煤 社会库存：六大发电集团+港口 2013-09-26 DCE 塑料塑料 期货库存：注册仓单 2007-07-31 SHFE 石油沥青石油沥青 交易所库存：SHFE 2013-10-09 DCE 棕榈油棕榈油 社会库存：港口 2007-10-29 DCE 铁矿石铁矿石 社会库存：港口 2013-10-18 SHFE 黄金黄金 交易所库存：SHFE+COMEX 2008-01-09 DCE 聚丙烯聚丙烯 期货库存：注册仓单 2014-02-28 SHFE 螺纹钢螺纹钢 社会库存：主要城市 2009-03-27 SHFE 热轧卷板热轧卷板 社会库存：主要城市 2014-03-21 DCE PVC 期货库存：注册仓单 2009-05-25 SHFE 镍镍 交易所库存：SHFE+LME 2015-03-27 SHFE 铅铅 交易所库存：SHFE+LME 2011-03-24 SHFE 锡锡 交易所库存：SHFE+LME 2015-03-27 资料来源：Wind,天风证券研究所 库存基本面策略因子定义库存基本面策略因子定义 库存指标体系构建完毕后，我们需要定义一个基准作为判断当前库存水平偏高或偏低的依据。该基准应满足代表性强、偏误小的特点。历史平均库存可能是一个较好的选择。因此，本文将当前库存与历史移动平均库存的比值作为库存偏离自趋势的量化指标当前库存与历史移动平均库存的比值作为库存偏离自趋势的量化指标，即定义库存偏离度 Stock_Dev=Stock0/Stock_ma 其中，Stock0 表示当前库存数，Stock_ma 表示一定移动平均窗口下的历史平均库存数。库库存偏离度大于存偏离度大于 1 表示库存偏高，小于表示库存偏高，小于 1 表示库存偏低表示库存偏低。库存库存基本面基本面策略设计策略设计 为验证库存理论所蕴含的策略逻辑，即做多库存偏低的品种、做空库存偏高的品种，我们在横截面上对 24 个样本品种进行库存基本面多空中性策略（Stock 策略）设计。此策略涉及的参数包括库存偏离度因子的移动平均窗口（排序期 R）和持仓期（H）。我们的 Stock 策略设计如下：设定回测期：max(2006 年 1 月 4 日，期货品种上市日)-2017 年 11 月 3 日；计算因子值：计算一定移动平均窗口（即排序期 R）各品种库存偏离度（Stock_Dev）；定义信号：将已上市品种的库存偏离度从低到高排序，筛选前 20%的品种赋予做多信号，后 20%的品种赋予做空信号，资金等权配置；持仓至换手：由于部分品种库存指标每周公布一次，为避免“盗用”未来数据，我们按周频调仓，即持仓期 H=n-week（n=1,2,），并在每 n 周的第一个交易日收盘前换手（假设交易价为当日收盘价），每次换手在扣除手续费后对资金进行等权再分配；设定参数：保证金比例为 100%，手续费统一为 3%。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 6 库存库存基本面基本面策略表现策略表现 如上文所述，本策略的参数包括因子排序期 R 和品种持仓期 H，在不同 R 和 H 的参数组下观察策略表现及特征以检验策略敏感性，并分析何种参数组下策略表现更优。基于库存数据更新周期和公布时间的规则，我们按交易周设定持仓期（n-week）。为防止持仓时间过长而错失一些投资机会，同时又达到策略敏感性检验的目的，我们将持仓期固定为 1-8周（即 n=1,2,8）。考虑到因子信号有效性，排序期与持仓期间隔不宜过大，因此我们将排序期最大值控制在 120 个交易日。表 2 至表 4 展示了 104 个参数组下策略的年化收益率、夏普比率、最大回撤及 Calmar比率。从年化收益率和夏普比率来看，Stock 策略策略表现在不同持仓期下均较为稳定，但受表现在不同持仓期下均较为稳定，但受排序期敏感性较大。当排排序期敏感性较大。当排序期为序期为 40-70 个交易日个交易日时，策略表现非常稳健时，策略表现非常稳健，年化收益率大多，年化收益率大多在在 11%左右，夏普比可达左右，夏普比可达 1 以上以上，而当排序期过短或过长时，策略表现不尽如人意，而当排序期过短或过长时，策略表现不尽如人意，且且波波动较大动较大。一个可能的解释是，以过短或过长的移动窗口下估计的历史平均库存作为库存基准存在较大偏误，而 40-70 个交易日的库存基准较为合理。但各参数组下的 Calmar 比率均未超过 1，说明单纯依靠库存基本面信息的 Stock 策略仍存在较大回撤。表表 2：不同参数组下库存基本面策略年化收益率不同参数组下库存基本面策略年化收益率 R H 1-week 2-week 3-week 4-week 5-week 6-week 7-week 8-week 5 1.4%2.9%8.0%4.1%6.8%7.0%7.8%4.9%10 6.7%8.4%8.5%6.8%14.0%5.0%9.9%10.5%20 8.2%7.6%7.2%8.4%12.0%5.0%9.3%10.1%30 6.9%9.3%8.8%9.6%9.4%9.7%11.3%10.1%40 11.3%11.1%11.1%11.0%10.0%9.4%9.4%11.1%50 11.4%10.4%11.6%10.2%11.3%11.0%8.5%9.2%60 10.9%9.6%11.0%8.9%11.3%9.4%9.0%9.0%70 9.8%10.7%9.7%9.9%12.1%9.3%9.0%11.8%80 9.0%9.9%8.1%9.1%10.1%9.1%10.5%10.6%90 9.9%10.8%9.5%8.3%10.6%8.0%11.8%9.5%100 10.1%9.7%8.2%6.9%9.5%6.0%9.8%7.8%110 10.1%10.1%8.3%8.2%8.6%6.0%9.9%8.5%120 10.5%10.1%7.7%8.0%7.7%5.9%10.5%7.8%资料来源：Wind,天风证券研究所 图图 1：不同参数组下库存基本面策略年化收益率不同参数组下库存基本面策略年化收益率 资料来源：Wind,天风证券研究所 0.0%2.0%4.0%6.0%8.0%10.0%12.0%14.0%16.0%51020304050607080901001101201-week2-week3-week4-week5-week6-week7-week8-week 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 7 表表 3：不同参数组下库存基本面策略夏普比率不同参数组下库存基本面策略夏普比率 R H 1-week 2-week 3-week 4-week 5-week 6-week 7-week 8-week 5 0.12 0.27 0.75 0.38 0.65 0.66 0.75 0.45 10 0.61 0.79 0.79 0.65 1.33 0.47 0.94 0.97 20 0.78 0.72 0.66 0.79 1.14 0.47 0.88 0.92 30 0.67 0.92 0.84 0.93 0.90 0.94 1.04 0.93 40 1.09 1.10 1.07 1.06 0.97 0.91 0.87 1.01 50 1.12 1.03 1.14 0.97 1.07 1.07 0.79 0.86 60 1.07 0.96 1.08 0.86 1.08 0.92 0.84 0.85 70 0.95 1.04 0.95 0.96 1.17 0.92 0.83 1.10 80 0.88 0.98 0.81 0.88 1.00 0.90 1.00 0.99 90 0.99 1.07 0.95 0.81 1.05 0.78 1.11 0.90 100 1.01 0.98 0.82 0.68 0.93 0.60 0.95 0.76 110 1.02 1.01 0.83 0.81 0.84 0.58 0.96 0.81 120 1.07 1.01 0.77 0.79 0.76 0.58 1.00 0.74 资料来源：Wind,天风证券研究所 表表 4：不同参数组下库存基本面策略不同参数组下库存基本面策略 Calmar 比率比率 R H 1-week 2-week 3-week 4-week 5-week 6-week 7-week 8-week 5 0.04 0.10 0.34 0.15 0.32 0.31 0.47 0.24 10 0.33 0.41 0.33 0.29 0.79 0.19 0.65 0.68 20 0.43 0.34 0.29 0.28 0.83 0.21 0.54 0.34 30 0.33 0.50 0.36 0.35 0.60 0.45 0.72 0.34 40 0.57 0.60 0.70 0.40 0.64 0.43 0.56 0.37 50 0.64 0.55 0.84 0.34 0.88 0.74 0.51 0.34 60 0.66 0.59 0.71 0.29 0.87 0.51 0.51 0.32 70 0.59 0.75 0.62 0.35 0.97 0.59 0.42 0.46 80 0.55 0.66 0.52 0.35 0.81 0.61 0.74 0.42 90 0.60 0.72 0.61 0.42 0.86 0.44 0.89 0.46 100 0.61 0.55 0.53 0.33 0.62 0.34 0.66 0.34 110 0.62 0.57 0.53 0.45 0.57 0.34 0.71 0.42 120 0.64 0.57 0.50 0.44 0.48 0.34 0.58 0.38 资料来源：Wind,天风证券研究所 动量技术面策略动量技术面策略 自 Jegadeehs 和 Titman（1993）将动量策略（即买入过去的赢家并卖出过去的输家）应用于美国股市并取得持续的异常收益（称为动量收益）后，动量策略研究开始广受学术界的关注并逐渐被引入商品期货市场（如 Pirrong,2005;Erb and Harvey,2006;Miffre and Rallis,2007;Shen,2007;Fuertes et al.,2010;Narayan et al.,2014）。本文借鉴此思路，从价格趋势、历史收益角度出发，试图在横截面上对 24 个样本品种构建动量技术面策略（Mom策略）。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 8 动量动量技术面技术面策略设计策略设计 我们的 Mom 策略逻辑为：做多高历史收益的品种、做空低历史收益的品种。此策略涉及的参数包括历史收益的时间窗口长度（排序期 R）和持仓期（H）。Mom 策略设计如下：设定回测期：max(2006 年 1 月 4 日，期货品种上市日)-2017 年 11 月 3 日；计算因子值：计算一定时间窗口（即排序期 R）内各品种历史收益率；定义信号：在建仓或调仓日对各品种的历史收益率从高到低排序，筛选前 20%的品种赋予做多信号，后 20%的品种赋予做空信号，资金等权配置；持仓至换手：为与 Stock 策略表现作对比，我们仍按周频换手，即持仓期 H=n-week（n=1,2,8），并在每 n 周的第一个交易日收盘前换手（假设交易价为当日收盘价），每次换手在扣除手续费后对资金进行等权再分配；设定参数：保证金比例为 100%，手续费统一为 3%。动量动量技术面技术面策略策略表现表现 本策略设定的参数与 Stock 策略一致，即排序期不超过 120 个交易日，持仓期为 1-8个交易周。表 5 至表 7 展示了 104 个参数组下策略的年化收益率、夏普比率、最大回撤及 Calmar比率。从年化收益率和夏普比率来看，不同参数组下 Mom 策略表现策略表现差异较大。当排序期差异较大。当排序期大于大于 50 个交易日时策略基本无效，部分参数组下甚至出现了负收益。而当排序期在个交易日时策略基本无效，部分参数组下甚至出现了负收益。而当排序期在 50个交易日内，持仓期为个交易日内，持仓期为 1-3 个交易周时，策略相对稳定，但绝对收益和稳健性均不及库存个交易周时，策略相对稳定，但绝对收益和稳健性均不及库存基本面策略基本面策略，仅，仅在在一个参数组（一个参数组（R=1-week,H=10）下年化收益率超过）下年化收益率超过 10%，而夏普，而夏普比率比率均小于均小于 1。表表 5：不同参数组下动量技术不同参数组下动量技术面策略年化收益率面策略年化收益率 R H 1-week 2-week 3-week 4-week 5-week 6-week 7-week 8-week 5 7.2%8.1%5.4%8.8%5.7%-0.1%6.2%5.7%10 10.9%9.2%5.6%1.9%4.0%1.2%4.9%2.7%20 5.7%3.6%6.4%5.3%4.8%6.8%7.9%4.4%30 7.0%6.4%4.9%6.4%7.5%8.5%5.5%4.8%40 9.3%7.8%8.4%6.1%5.4%5.3%4.4%2.2%50 5.7%2.9%6.4%4.2%5.5%1.4%2.7%-3.1%60 3.5%4.1%3.3%4.6%1.6%4.3%0.8%1.5%70 4.6%2.6%0.4%1.1%-0.9%0.2%2.8%2.0%80 2.6%1.5%-0.2%2.8%1.1%0.4%2.7%2.2%90 2.2%1.5%-1.8%0.7%1.6%-0.7%4.0%0.8%100 3.0%2.4%2.6%2.0%1.5%2.2%5.7%-0.2%110 1.6%1.7%-0.8%0.8%1.5%1.1%2.0%1.2%120 3.0%1.9%2.6%3.7%3.3%3.0%5.0%4.0%资料来源：Wind,天风证券研究所 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 9 图图 2：不同参数组下动量技术面策略年化收益率：不同参数组下动量技术面策略年化收益率 资料来源：Wind,天风证券研究所 表表 6：不同参数组下：不同参数组下动量技术面动量技术面策略夏普比率策略夏普比率 R H 1-week 2-week 3-week 4-week 5-week 6-week 7-week 8-week 5 0.62 0.71 0.46 0.77 0.50 -0.01 0.53 0.51 10 0.92 0.77 0.48 0.16 0.35 0.11 0.43 0.24 20 0.49 0.30 0.55 0.45 0.42 0.59 0.67 0.38 30 0.60 0.56 0.43 0.57 0.66 0.75 0.47 0.43 40 0.79 0.67 0.72 0.52 0.46 0.44 0.38 0.19 50 0.48 0.24 0.55 0.35 0.47 0.12 0.23 -0.28 60 0.29 0.35 0.28 0.39 0.14 0.37 0.07 0.13 70 0.38 0.22 0.03 0.10 -0.08 0.01 0.24 0.17 80 0.23 0.13 -0.02 0.25 0.10 0.04 0.24 0.19 90 0.19 0.12 -0.15 0.06 0.14 -0.06 0.35 0.07 100 0.26 0.21 0.22 0.18 0.13 0.19 0.50 -0.02 110 0.14 0.14 -0.07 0.07 0.13 0.10 0.18 0.10 120 0.25 0.16 0.23 0.32 0.29 0.26 0.44 0.35 资料来源：Wind,天风证券研究所 -4.0%-2.0%0.0%2.0%4.0%6.0%8.0%10.0%12.0%51020304050607080901001101201-week2-week3-week4-week5-week6-week7-week8-week 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 10 表表 7：不同参数组下不同参数组下动量技术面动量技术面策略策略 Calmar 比率比率 R H 1-week 2-week 3-week 4-week 5-week 6-week 7-week 8-week 5 0.29 0.37 0.34 0.52 0.29 0.00 0.21 0.35 10 0.43 0.54 0.27 0.07 0.14 0.03 0.16 0.09 20 0.18 0.09 0.22 0.22 0.22 0.32 0.34 0.18 30 0.25 0.23 0.15 0.28 0.31 0.45 0.22 0.16 40 0.49 0.35 0.27 0.21 0.30 0.25 0.19 0.08 50 0.29 0.10 0.39 0.15 0.25 0.05 0.11 -0.08 60 0.13 0.17 0.12 0.19 0.08 0.21 0.02 0.06 70 0.23 0.12 0.01 0.04 -0.03 0.01 0.08 0.08 80 0.11 0.06 -0.01 0.12 0.04 0.02 0.10 0.09 90 0.09 0.06 -0.05 0.02 0.06 -0.02 0.16 0.04 100 0.10 0.08 0.08 0.07 0.05 0.08 0.22 -0.01 110 0.05 0.04 -0.02 0.02 0.06 0.04 0.07 0.04 120 0.10 0.07 0.10 0.14 0.14 0.11 0.22 0.16 资料来源：Wind,天风证券研究所 库存策略与动量策略相关性挖掘库存策略与动量策略相关性挖掘 根据上文对 Stock 策略和 Mom 策略的回测结果，我们发现在一定参数组下两策略均存在可观的收益。相对于不同参数组下收益波动剧烈的 Mom 策略，基于库存基本面信号的 Stock 策略在稳健性方面具有较大优势，但 Calmar 比率仍未超过 1，最大回撤较大。由此来看，单纯依靠基本面信号或技术面信号的策略仍存在遗漏信息的缺陷，不足以预测未来价格信号。那么基本面与技术面的“双面共振”是否能产生更具指向性的信号呢？根据马科维茨投资组合理论，低相关性资产之间的组合能有效降低风险。两个单因子策略可看作两项资产，若两策略相关性过高则组合效果可能不达预期。因此，在构建组合策略之前我们首先需要分析两个策略之间的相关性。下面我们从因子横截面相关性及收益率时间序因子横截面相关性及收益率时间序列相关性列相关性两方面来进行分析。Stock_Dev 因子与因子与 Mom 因子横截面相关性因子横截面相关性 首先，我们从横截面上分析两因子的相关性，检验基于两因子排序筛选出来的多空品种是否具有较高的重叠度。具体检验步骤为：设定参数组。已知两策略受持仓期 H 敏感性相对较小，我们将参数 H 固定为 2-week，保证两策略调仓操作的次数一致。动量因子（Mom）和库存偏离度因子（Stock_Dev）的排序期 R 取值范围仍为 5-120 个交易日。计算调仓日信号因子值。根据回测期和持仓期，两策略共有 301 个调仓操作日，基于不同排序期分别计算每一个调仓日信号因子值。计算因子值排序后的相关系数(Spearman Rank 相关系数)。针对每一调仓日分别对两因子值进行横截面上的排序（从小到大），并计算其相关系数。检验相关系数显著性。在得到调仓日相关系数的基础上，我们对序列进行 T 检验。表 8 是两因子 Spearman Rank 相关系数检验结果，可以发现：不同排序期组合下，两因子横截面相关系数绝对值不超过 0.17，且基本均为负数。这一结论与两策略逻辑一致。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 11 因为从理论上来说 Mom 因子排序在前的品种做多，而 Stock_Dev 因子则是排序在后的品种做多。因此，两因子在横截面上的排序值应当呈一定负相关，而实证表明该负相关负相关关系关系较弱。较弱。表表 8：不同排序期组合下不同排序期组合下 Stock_Dev 因子与因子与 Mom 因子横截面相关系数因子横截面相关系数 R_mom R_stock 5 10 20 30 40 50 60 70 80 90 100 110 120 5-0.06-0.08-0.08-0.09-0.09-0.09-0.09-0.09-0.09-0.09-0.09-0.10-0.10 10-0.03-0.08-0.09-0.10-0.10-0.10-0.11-0.11-0.11-0.12-0.12-0.12-0.13 20 0.00-0.03-0.06-0.09-0.10-0.11-0.11-0.12-0.12-0.13-0.13-0.14-0.14 30-0.01-0.04-0.06-0.08-0.10-0.11-0.11-0.13-0.14-0.15-0.15-0.15-0.15 40-0.01-0.03-0.06-0.07-0.08-0.09-0.10-0.12-0.13-0.16-0.16-0.17-0.16 50-0.03-0.04-0.06-0.06-0.06-0.07-0.09-0.10-0.12-0.14-0.15-0.16-0.16 60-0.01-0.02-0.04-0.05-0.06-0.06-0.07-0.09-0.10-0.12-0.13-0.15-0.16 70-0.04-0.04-0.05-0.06-0.06-0.07-0.07-0.09-0.10-0.12-0.13-0.15-0.16 80-0.04-0.04-0.05-0.05-0.05-0.06-0.07-0.08-0.09-0.11-0.12-0.14-0.15 90-0.04-0.04-0.05-0.05-0.05-0.06-0.07-0.08-0.09-0.11-0.13-0.15-0.16 100-0.03-0.03-0.05-0.06-0.06-0.06-0.07-0.09-0.09-0.11-0.13-0.15-0.16 110-0.05-0.05-0.07-0.07-0.08-0.08-0.08-0.09-0.10-0.12-0.14-0.16-0.16 120-0.05-0.05-0.07-0.08-0.07-0.08-0.09-0.10-0.10-0.12-0.13-0.15-0.16 资料来源：Wind,天风证券研究所 图图 3：Stock_Dev 因子与因子