20250514-银河期货-商品量化专题（二）_基于基本面数据库的大宗商品价格预测模型_11页_792kb

报告总结：

本报告旨在构建适用于多类商品期货品种的通用价格预测模型，重点以LNG现货价格为研究对象，结合基本面数据与量价数据进行量化分析。核心目标是提升模型的预测精度与可解释性，同时应对大宗商品数据的周期性特征及不完备性问题。

数据处理方面：

1. 数据分类：LNG基本面数据被划分为库存、供需、进出口、价量四大类，共计151个指标（含26条价量数据、21条库存数据、51条供需数据、53条进出口数据）。
2. 预处理步骤：包括数据频率统一（调整为日度）、缺失值填充（采用前值法）、极值剔除（识别并清除异常值）、周期性特征提取（计算同比、环比及偏离度指标）。
3. 因子筛选：通过单因子回测评估预测力度，剔除高相关性因子，增加衍生因子（如库/销比），优化因子体系的代表性与有效性。

模型搭建与特点：

1. 模式识别机制：动态判断市场处于“基本面主导”或“量价主导”状态，极端行情下切换至量价模式以增强信号稳健性。
2. 混合模型设计：
   • 线性模型：采用OLS和LASSO回归，用于解释基本面因子对价格的边际影响。LASSO具备变量筛选功能，降低共线性风险并提升模型泛化能力。
   • 非线性模型：引入XGBoost，通过集成学习捕捉因子间的复杂交互关系，具备强拟合能力、鲁棒性及对缺失值的处理优势。
   • 周期性预测模型：使用Prophet模型独立预测库存、产量、消费等基本面因子的周期性变化，为主模型提供外生输入变量。

模型输出内容：

1. 价格趋势：预测长周期价格走势，识别拐点并计算支撑位/阻力位。例如，HenryHub LNG价格预计五月至六月持续上升，秋季回落至35美元/MMBtu，入冬后攀升至411附近。
2. 平均价格：提供不同周期（周、月、季度、年度）的均价数据，辅助投资者把握交易节奏。当前五月均值为3623，下月均值为3799，季度均值波动较小，年度均值为376。
3. 因子表现：量化各基本面因子的权重占比，反映其对价格的影响强度。库存类数据（347%）和供应端数据（465%）被识别为核心驱动因子，具体指标如Appalachia地区DUV数量及美国区域库存数据具有较高解释权重。

研究结论：
本模型通过融合线性与非线性方法，兼顾可解释性与预测精度，有效应对数据周期性及市场异常波动的挑战。未来计划在其他品种和周期级别中验证模型适用性，构建跨周期、跨品种的商品预测体系。注：报告内容仅作数据参考，不构成投资建议，版权属银河期货所有。