CTA多因子研究系列探索--期限结构因子
由catalyst创建，最终由qxiao 被浏览 250 用户
本文内容已经过期，不再适合平台最新版本，请查看以下最新内容，作为参考资料学习。
\
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
\
引言
期限结构因子是商品中最有特色的因子之一。在经典的商品模型中，期限结构，动量，市场构成了商品的经典模型。在本文中，我们通过测试也发现了期限结构是一个有着长期溢价的因子。从原理来看，期限结构的变化往往反应的不同交易者对后市商品价格涨跌的预期。关于对期限结构的解读，市面上一种比较流行的说法是库存仓储理论。根据该理论，期限结构中往往蕴含着供需关系的信息和市场的库存水平的信息。
本文将从期限结构的原理出发，从因子构造，因子分析，超参测试，回测结果四个方面对该因子进行测试。
\
因子构建
通常来说，我们将期限结构分为两种类型：Backward和Contango.其中Backward可以简单理解为期货远期的价格比近期的价格便宜，而Contango可以理解为期货远期的价格比近期价格更贵。当出现Backward时，往往预示着供需偏紧，这时候涨的意愿会大一些（当然这也不是绝对的，和品种所处的库存周期也是有关系的），另一方面，出现Backward的品种也反映了持有远月合约可以获得一定的溢价，因子Backward的结构下也更适合去做多。当出现Contango时，预示着供需较为松散，这时候价格不涨的可能性较大（不一定意味着下跌）。
在本文中，我们尝试构建了两个因子。
因子一：
使用各合约与近月之间的价差的平均值来表征期货的期限结构是Backward还是Contango，具体构建公式如下：
其中CNt为将合约按照到期日排序的第N个合约，C1t即为近月合约；MNt 为到期日。在后文中记为ts_mean。
因子二：
使用主力合约与近月合约之间的价差来表征期限结构，在后文中记为ts2。
\
因子分析
首先需要明确的是测试环境。所有的测试时间均为2010年1月1日到2022年6月30日。测试使用的回测平台为BigQuant。仓位和杠杆方面，不使用杠杆且仓位使用为100%。使用的调仓周期均为5天。样本空间为品种的成交量大于100000的品种。
\
因子的IC统计
下图是ts_mean累计IC的表现：
从因子IC统计来看，该因子的IC均值的绝对值为0.0199。该因子自身携带有基本面的供需信息，在CTA策略中也起到了较好的作用。
下图是ts2累计IC的表现：
因子分组测试
我们对因子进行了分组测试：我们将标的根据因子值大小的分位数分为了5组。其中top0表示因子值最小的一组，top4表示因子值最大的一组。LS表示top0 - top4的表现情况。
下图是ts_mean因子分组测试结果：
下图是ts2因子分组测试结果：
\
超参测试
接着我们对动量因子进行了超参测试。分别从持仓周期和因子的回看周期这两个角度进行测试。下表中横轴为持仓周期，纵轴为回看周期。表中的值对应的是策略在不同参数下的年化收益率（%）。
下表是ts_mean的超参测试结果：
从结果来看，该因子做均值并没有取得较好的效果，在回看周期为1的时候就表现较好，且该因子对持仓周期并不是很敏感。相反，相应的延长持仓周期到一个月策略会表现较好。
下表示ts2的超参测试结果：
得到的结果和ts_mean基本一致。都是在回看周期为1的时候表现较好，且对持仓周期不是很敏感。
\
回测结果
更深一步的，我们仍然保持一周的调仓频率，选取更好的回看时长进行回测。回测采用多空对冲的方式，且多空品种数量为5，采用绝对数量的形式。并且我们会对回测结果每年的收益情况进行统计，形成了如下所示的回测曲线和统计结果。
下图是ts_mean的回测结果以及每年的收益风险统计结果：
从测试结果来看，该因子整体的收益率为142.15%，年化收益率为7.31%，最大回撤为18.44%，策略收益波动率为7.81%。整体来看，该因子有不俗的表现。
我们按照年去统计，该策略在2010年到2015年都录得了正收益且2010，2013，2014三年的夏普在3.5左右。在2016年以及以后收益开始变得不稳定，在2022年年化收益率为33.8%，夏普为2.73. 这是由多方面引起的，一方面是市场CTA策略使用期限结构因子的策略越来越多，造成了在早些时间期限结构因子有较好的表现，而最后收益变得不稳定。但是这并不能说明该因子失效，因为该因子还是能表征基本面的变化，只是市场因子可能越来越拥挤了，需要用更精确的因子或者拉长持仓时间才能换取收益。另一方面，期限结构因子与库存周期息息相关，因此期限结构因子即使在2010年至2015年这段时间，其收益率也呈现周期变化，其表现时间好的时间往往是供需紧张的时间段。
下图是ts2的回测结果以及每年的收益风险统计结果：
该回测结果和ts_mean类似，都取得了不错的效果。
\
总结
我们通过测试期限结构因子，发现该因子背后逻辑有较强的基本面逻辑支撑。我们对期限结构因子进行回测，也取得了单因子夏普0.6的较好结果。
\