20231024-国泰期货-因子与指数投资揭秘系列十五_探究量化基本面因子品种和数据的选取方法_9页_1mb

期货研究量化基本面因子总结

期货报告概述了量化基本面方法在期货市场的应用，并强调了品种和数据的选择标准。报告分为几个主要部分：

• 引言说明量化基本面策略的独特性，适合工业品而非所有期货品种。
• 分析工业品如黑色商品和石油化工品的优势。
• 讨论农产品如棕榈油和菜籽油的限制因素。
• 探讨宏观敏感品种如黄金和石油的特点。
• 提出数据选取的标准以提高建模效果。

1. 引言与概述

量化基本面方法结合基本面逻辑和量化技术，适用于CTA市场。更推荐用于工业品，如黑色产业链（铁矿石、双焦、钢材）和能源化工品（如PTA），因为这些品种产业链清晰，可量化指标丰富，回测数据充足。报告避免了纯价量策略，强调了结构化数据的必要性，并指出农产品和某些商品受季节、政策等非量化因素影响较大，需谨慎使用。

2. 工业品种类优势

• 黑色商品：如铁矿石、焦煤、钢材，产业链完整，包含供需指标（库存、开工率），供需传导明确，回测统计显著。
• 石油化工品：如PTA，拥有充分流动性、长期历史数据，可量化指标多样（如加工费、裂解价差），下游覆盖多个领域，模型解释力强。

3. 农产品限制

• 棕榈油：受天气和印尼政策高度影响，数据质量差、更新滞后，限制量化分析。
• 菜籽油：进口依赖加拿大，易受国际关系和跟随其他油脂品种行情影响，数据稳定性低导致建模效果不佳。报告建议避开此类品种的基本面量化方法。

4. 宏观敏感品种

• 黄金：结合金融和货币属性，易受通胀、美元指数、汇率、政策和地缘冲突（如巴以局势）影响，情绪面因素难以量化。
• 石油：虽有商品属性，但金融属性强，受美元体系、国际关系（如中东冲突）和宏观因素驱动，直接下游产品需同样慎重。

5. 数据选取标准

• 频率更高：优先日度数据（如周度优于月度），增加样本点，提高模型预测力，避免欠拟合。
• 历史更长：使用历史长度更久的数据，确保充分建模基础。
• 代表性下游：选择代表性下游品种（如PTA的管材和型材开工率），通过整合数据提升信号。
• 区域选择：优先主流区域数据或合计数据，如铝棒出库量用综合数据。
• 质量控制：避免低质量、高延迟数据（如印尼棕榈油数据），确保数据发布稳定性和统计显著性。