量化专题报告：持仓数据应用（下）

研究院量化组 摘要 研究员 持仓数据提供了一个强大的框架来更好地理解商品市场的价格变化、风险、情绪以及交易商行为，在上篇报告中我们探讨了CFTC数据的特征以及应用，我们发现1.资管持仓与产业持仓较为重要；2.交易商数量相比持仓数量更为有效。但CFTC数据本身滞后太久发布因此实用性不强，本文延续前文的思路，重点考虑以上两点在CFTC数据中验证过的特征。 高天越0755-23887993gaotianyue@htfc.com从业资格号：F3055799投资咨询号：Z0016156 联系人 具体而言： 李光庭0755-23887993liguangting@htfc.com从业资格号：F03108562 1.我们使用国内期货交易所每个交易日披露的前20名经纪商持仓作为特征1的数据源，即“乾坤期货”作为资管持仓、“中粮期货”作为产业持仓、“东方财富期货”与“徽商期货”作为非报告持仓。 李逸资0755-23887993liyizi@htfc.com从业资格号：F03105861 2.我们使用期货日报举办的期货日报实盘大赛披露的各类别交易商总量信息作为特征2的数据源，即“总量”、以及细分的“轻量组”、“重量组”、“基金组”以及“量化组”的交易商数量。 麦锐聪0755-23887993mairuicong@htfc.com从业资格号：F03130381 黄煦然0755-23887993huangxuran@htfc.com从业资格号：F03130959 投资咨询业务资格：证监许可【2011】1289号 目录 摘要......................................................................................................................................................................................................1国内持仓数据特征..............................................................................................................................................................................3■资管持仓与产业持仓.....................................................................................................................................................3■交易商数量相比持仓数量更为有效.............................................................................................................................6■总结..................................................................................................................................................................................9 图表 图1:乾坤席位持有收益与跟踪收益丨单位：%.............................................................................................................................5图2:各商品净持仓与净交易商的持有收益丨单位：%.................................................................................................................6图3:各商品净持仓与净交易商的TOP持有收益丨单位：%........................................................................................................7图4:基于净持仓、净交易商的持有、跟踪收益丨单位：%.........................................................................................................8图5:各组净持仓持有收益丨单位：%.............................................................................................................................................8图6:各组净持仓跟踪收益丨单位：%.............................................................................................................................................8图7:各组净交易商持有收益丨单位：%.........................................................................................................................................9图8:各组净交易商跟踪收益丨单位：%.........................................................................................................................................9图9:轻量组持有、跟踪收益丨单位：%.........................................................................................................................................9图10:量化组持有、跟踪收益丨单位：%.......................................................................................................................................9 表1:资管、产业、非报告代表性席位的持有收益丨单位：%.....................................................................................................4 国内持仓数据特征 持仓数据提供了一个强大的框架来更好地理解商品市场的价格变化、风险、情绪以及交易商行为，在上篇报告CTA量化策略因子系列（二十八）持仓数据应用（上）中我们探讨了CFTC数据的特征以及应用，我们发现1.资管持仓与产业持仓较为重要；2.交易商数量相比持仓数量更为有效。但CFTC数据本身滞后太久发布因此实用性不强，本文延续前文的思路，重点考虑以上两点在CFTC数据中验证过的特征。 ■资管持仓与产业持仓 对于第一类持仓数据特征，即针对不同类型的交易商，例如资管机构与实体产业，我们认为他们在不同商品上拥有不同的行情定价权。本文使用国内期货交易所每个交易日披露的前20名经纪商持仓作为特征1的数据源，我们需要找到能代表不同类型交易商的具体席位。 在《华泰期货股指期货专题20210603：量价特征3——席位特征》与《华泰期货股指期货专题20210603：量价特征4——席位策略》中，针对股指期货的持仓结构，我们首先根据持仓方向、持仓波动、换手率、指数相关性，将不同类型的席位分成（1）日内中高频、（2）空头配置、（3）空头追涨杀跌、（4）空头高抛低吸、（5）多头配置、（6）多头追涨杀跌、（7）多头高抛低吸、（8）多空投机、（9）未分类这九种类型。其中，资金来源越单一的席位往往越能作为某类型交易者的代表。 综合经验上的主观定性以及后文的定量分析，我们挑选了“乾坤期货”作为资管持仓、“中粮期货”作为产业持仓、“东方财富期货”与“徽商期货”作为非报告持仓，与CFTC数据分析结构大体保持一致。 席位数据由于只披露前20名，且同一商品的不同合约分开披露，因此数据稳定性比CFTC弱（例如某席位排名20名以外，无法确定真实持仓量）。我们参照上篇中的CFTC数据统计方法，设计同一套逻辑的处理方法。 具体而言， 1）记录各商品主力合约2019年至今在每个交易日的多头头寸以及空头头寸。只要双边头寸有任意一边存在，则计算净头寸（若双边都存在则直接相减，若单边存在则另一边设为0，若双边都不存在则不计算）。 2）如果净头寸在前后两个交易日的方向保持不变（净多或净空），则假设该头寸在两个交易日的全部时段方向上都保持不变。请注意，我们只考虑了该头寸的净方向，因为没有办法知道该头寸的大小是否在日内发生变化，或如何发生变化。 3）如果前后两个交易日的净头寸有方向性差异，或存在缺失，则从评估中忽略这两个交易日，因为没有办法知道该头寸何时发生了变化。 4）根据各席位持仓的净方向以及各商品期货价格的变化率，计算收益率并累加。 注意到与CFTC数据不同，各席位并非参与所有商品交易。其中比较具有显著特征的如： 1.EC航运期货与P棕榈油期货，产业与非报告均大幅亏损，资管持有收益较高；2.I铁矿期货，产业与资管持仓盈利，同时非报告亏损；3.LH生猪期货，产业盈利、非报告亏损，资管未参与；4.PK花生期货，产业盈利，资管与非报告亏损。 综合来看，资管与产业在不同商品上各有优势，非报告持仓普遍亏损。在上篇中我们提到，由于CFTC数据披露为周频，且滞后两个交易日公布，因此对其持仓的实际跟踪收益显著下降。席位数据为日频，且不滞后公布，实际跟踪收益相比持有收益的下降理应比CFTC数据更少。 数据来源：天软华泰期货研究院 以乾坤期货为例，其持有收益长期显著为正，同时跟踪收益在2023年之前与持有收益相差不大，2023年之后完全跑输持有收益，尽管这段时间针对乾坤期货可跟踪的机会更多，但跟踪的效果大大下降。 ■交易商数量相比持仓数量更为有效 对于第二类持仓数据特征，即交易商数量相比持仓数量更为有效，我们认为不同类型的交易商数量指标有效性存在显著差别。本文使用期货日报举办的期货日报实盘大赛披露的各类别交易商总量信息作为特征2的数据源，即“总量”、以及细分的“轻量组”、“重量组”、“基金组”以及“量化组”的交易商数量。 在《华泰期货量化策略专题报告：天然橡胶多空之谜》与《华泰期货股指策略专题报告：量价特征5——实盘大赛数据剖析》中，我们介绍了期货日报数据及其重要特征。 我们参照上篇中的CFTC数据统计方法，设计同一套逻辑的处理方法。 具体而言， 1）记录各商品2017年至今在每个比赛日的净持仓数量、净交易商数量。 2）如果净持仓数量、净交易商数量在前后两个交易日的方向保持不变（净多或净空），则假设