挖掘商品期货风险溢价因子

本篇报告主要内容：

    策略思路：本文从基本面特征、统计规律，宏观影响等角度，构建5 类13 个CTA 风险溢价因子。挖掘商品期货因子主要有基本面特征、统计规律与宏观影响三个方向，基于基本面特征可构建商品库存、期限结构、持仓等大类因子；基于量价统计规律，可以构建量价类因子以描述其走势形态。此外，从商品期货品种价格与宏观经济相关性角度，可以构建宏观相关因子。

    回测方法：分组回测检验CTA 因子有效性。持仓期末计算因子值，根据因子值从小到大分5 组，根据信号方向买入（卖出）因子值排序前20%（G1）的品种，卖出（买入）因子值排序后20%（G5）的品种，保证金比例为100%，等权配置，构建多空组合，根据组合风险收益指标判断因子策略有效性。

    参数调优：主要涉及两类参数，信号因子构建窗口期R，持仓周期参数H，测试不同参数组下年化收益、夏普比率等指标，选择最优参数组下的因子信号，作为后续样本外长期观测数据。

    本文结论：因子回测效果来看，基本面特征中的库存类、期限结构等大类因子表现最佳；量价类因子中动量、变异系数因子表现较好，宏观因子中的CPI_Beta 和人民币Beta 未表现出超额收益。综合比较各大类因子，我们发现CTA 因子挖掘仍需坚持从经济逻辑出发，表现较好的库存类、期限结构类均具有成熟的经济理论支撑，在国内外市场均具有良好收益；具有逻辑支撑的统计特征因子（动量、变异系数）同样有效性较强，但过度挖掘统计特征而来的因子（特质波动率等）在国内市场收益较小。