20251231-广发期货-研究通讯_国债期货跨期价差系列专题五_基于LSTM的时序预测与策略改进研究_12页_1mb

国债期货跨期价差系列专题五：基于LSTM的时序预测与策略改进研究总结

核心内容

本文基于广发期货研究所此前关于国债期货跨期价差的定价逻辑与多因子量化套利方法的研究，进一步引入长短期记忆网络（LSTM）作为时序建模工具，以提升对跨期价差走势的预测能力与交易策略的表现。研究重点在于探讨时间依赖信息在跨期价差预测中的作用，并通过概率加权回测框架，实现从方向判断到仓位配置的策略扩展。

主要观点

• 传统模型的局限性：传统机器学习模型和标准深度神经网络（DNN）在时间建模上存在局限，其假设样本在时间维度上独立，无法有效捕捉跨期价差的阶段性趋势与路径依赖特征。
• LSTM的优势：LSTM作为循环神经网络的改进形式，通过引入记忆单元与门控结构，能够显式建模时间序列信息，从而更好地刻画跨期价差的时序结构特征。
• 模型表现差异：LSTM模型在T与TF合约上的样本外表现优于DNN模型，表现出更高的年化收益率与夏普比率，同时控制回撤能力更强；但在TS合约上，DNN模型仍具有相对优势，说明该品种对静态因子的依赖更强。
• 概率加权策略：将LSTM模型输出的预测概率直接用于仓位配置，显著提升了策略的收益与风险调整后表现，尤其在T、TF与TS合约上效果显著；对于TL合约，由于样本量小，效果有限。

关键信息

一、影响因素与指标选取

• 使用了**净基差、IRR、资金利率（如R007、SHIBOR）**等基本面因子作为输入。
• 标签构造：以跨期价差的一阶差分作为监督信号，划分为上涨、下跌与中性三类，回测中仅保留上涨与下跌样本。
• 数据预处理：剔除上市初期样本与月末最后三个交易日，设置价差变动阈值过滤无明确方向的样本，使用z-score标准化与前向填充处理缺失值。

二、LSTM模型结构

• 输入形式：连续5个交易日的因子序列作为样本输入。
• 输出形式：二分类logits，用于判断跨期价差下一交易日的涨跌方向。
• 模型结构：3层LSTM，隐藏状态维度为8，Dropout比例为0.3；不引入中间全连接层，直接通过LSTM最后一时间步的输出映射至2维分类空间。
• 损失函数：使用加权交叉熵损失，缓解类别不平衡问题。
• 优化器与正则化：采用Adam优化器，结合权重衰减进行参数更新。

三、模型测试结果

LSTM与DNN对比

• T合约：LSTM年化收益率为6.83%，夏普比率为1.70，最大回撤为-1.90%；DNN年化收益率为3.65%，夏普比率为0.71，最大回撤为-4.54%。
• TF合约：LSTM年化收益率为7.63%，夏普比率为2.47，最大回撤为-2.25%；DNN年化收益率为6.87%，夏普比率为1.93，最大回撤为-1.95%。
• TS合约：LSTM年化收益率为6.59%，夏普比率为2.4，最大回撤为-3.44%；DNN年化收益率为11.12%，夏普比率为3.66，最大回撤为-1.61%。
• TL合约：LSTM年化收益率为0.67%，夏普比率为0.09，最大回撤为-7.07%；DNN年化收益率为-1.50%，夏普比率为-0.15，最大回撤为-9.13%。

概率加权回测

• T合约：概率加权年化收益率为6.83%，夏普比率为1.7，最大回撤为-1.90%；非概率加权年化收益率为4.75%，夏普比率为1.31，最大回撤为-2.80%。
• TF合约：概率加权年化收益率为7.63%，夏普比率为2.47，最大回撤为-2.25%；非概率加权年化收益率为6.75%，夏普比率为2.27，最大回撤为-2.25%。
• TS合约：概率加权年化收益率为6.59%，夏普比率为2.4，最大回撤为-3.44%；非概率加权年化收益率为2.80%，夏普比率为1.13，最大回撤为-3.26%。
• TL合约：概率加权与非概率加权的收益与风险指标提升有限，表明样本规模与预测稳定性对该方法有效性有较大影响。

四、结论

• LSTM模型在T与TF合约上表现出更强的预测能力和策略表现，尤其是在换月期等具有趋势性特征的阶段。
• 在TS合约上，DNN模型仍具有优势，说明该品种对静态因子的依赖较强，时序建模效果有限。
• TL合约因历史样本较少，模型表现整体受限。
• 概率加权策略在多数合约上提升了收益-风险特征，表明模型输出的概率信息具有较强的信号强度刻画能力。
• 未来研究可进一步拓展样本周期、增加宏观与期限结构变量，并优化换月与持仓约束设定，以提升LSTM模型在国债期货跨期套利中的适用性与稳健性。

投资咨询信息

• 机构名称：广发期货研究所
• 投资咨询资格：证监许可【2011】1292号
• 研究员：熊睿健（Z0019608）
• 联系方式：电话：020-88818020；邮箱：xiongruijian@gf.com.cn
• 研究所网址：http://www.gfqh.cn
• 地址：广州市天河区天河北路183-187号大都会广场41楼
• 邮政编码：510620

免责声明

• 本报告基于公开资料，广发期货不对信息的准确性与完整性作出保证。
• 报告内容仅反映研究人员观点，不代表公司立场。
• 报告仅供参考，不构成投资建议。
• 投资者应自行承担投资风险。