您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[国泰期货]:股指策略系列三:股指期货基差因子的构建与解析 - 发现报告
当前位置:首页/其他报告/报告详情/

股指策略系列三:股指期货基差因子的构建与解析

2024-09-13宋哲君、李浩、宋子钰、张剑锴国泰期货徐***
股指策略系列三:股指期货基差因子的构建与解析

期货研究 二〇 二2024年09月13日 四年度 股指策略系列三:股指期货基差因子的构 建与解析 宋哲君投资咨询从业资格号:Z0014960songzhejun022131@gtjas.com 国 泰李浩投资咨询从业资格号:Z0020121lihao024471@gtjas.com 君宋子钰(联系人)从业资格证号:F03136034songziyu029981@gtjas.com 安 期张剑锴(联系人)从业资格证号:F03114607zhangjiankai027874@gtjas.com 货 研报告导读: 究股指期货基差,是指某一特定时点上,股指期货合约价格与其标的指数现货价格之间的差异。这一差 所异反映了市场参与者对未来市场走势的预期、资金成本、市场供需关系以及投资者情绪等多重因素的综合 影响。基差的变化是市场情绪和预期的重要指标,对于投资者进行套期保值、套利交易以及市场趋势判断具有重要的参考价值。 本报告深入探讨了利用股指期货基差因子构建日间择时策略的逻辑和方法,并针对上证50、沪深300、中证500和中证1000股指期货进行了实证检验。在基差因子的选择上,本报告从基差本身、基差动量、基差变化、高频基差情绪等多个维度构建了丰富的基差因子体系。对于高频基差数据,我们针对不同市场环境设计了全域、下行、上行等不同类型的因子。在直接利用基差因子进行择时策略构建的基础上,本报告还引入了收益条件和成交量条件,构建了条件择时策略,以期捕捉更精细化的市场信号。 具体到回测结果来看,本报告发现基差因子在上证50和中证500股指期货标的上的表现较为优秀, 同时,在加入了收益和成交量条件后,因子的择时效果出现了显著提升。对于沪深300和中证1000股指期货标的,基差因子表现相对较弱,但仍存在个别因子能够实现理想的年化收益和夏普比率。从基差因子角度观察,我们发现基差动量类、高频基差情绪类因子中的信息含量较高,能够在择时策略中有较为优秀的表现。 研究结果表明,针对不同股指期货标的,部分基差因子择时策略表现优异,能够获得较高的年化收益和夏普比率,验证了基差因子在择时策略中的有效性。 目录 1.股指期货基差3 2.日间择时策略的构建逻辑3 3.基差因子的构建4 3.1直接基差4 3.2基差动量4 3.3基差变化4 3.4全域高频基差情绪4 3.5下行高频基差情绪4 3.6上行高频基差情绪4 3.7日内升贴水频率差5 4.基差因子日间直接择时策略检验5 4.1上证50股指期货:直接择时策略检验5 4.2沪深300股指期货:直接择时策略检验9 4.3中证500股指期货:直接择时策略检验11 4.4中证1000股指期货:直接择时策略检验15 5.基差因子条件择时策略检验17 5.1基差因子条件择时策略检验:条件收益17 5.1.1上证50:收益条件择时17 5.1.2沪深300:收益条件择时19 5.1.3中证500:收益条件择时21 5.1.4中证1000:收益条件择时23 5.2基差因子条件择时策略检验:条件成交量27 5.2.1上证50:成交量条件择时27 5.2.2沪深300:成交量条件择时31 5.2.3中证500:成交量条件择时32 5.2.4中证1000:成交量条件择时34 6.结论36 (正文) 1.股指期货基差 股指期货基差,是指某一特定时点上,股指期货合约价格与其标的指数现货价格之间的差异。这一差异反映了市场参与者对未来市场走势的预期、资金成本、市场供需关系以及投资者情绪等多重因素的综合影响。基差的变化是市场情绪和预期的重要指标,对于投资者进行套期保值、套利交易以及市场趋势判断具有重要的参考价值。 2.日间择时策略的构建逻辑 在构建因子和测试因子效果的过程中,我们遵循传统股票单因子择时中的基本逻辑,并进行了一系列的设置,本报告中有关因子构建和测试的具体细节如下: (1)确认目标变量:本篇目的为构建股指的日间择时策略,因此在目标变量的选择上,所选的核心的四个标的分别为上证50,沪深300,中证500和中证1000股指期货,预测目标为其对应的收益率。在实际的交易过程中,我们希望能够使用收盘后的数据构建因子,第二天的开盘进行交易,因此使用opentoopen的收益率作为预测目标,构建日频的预测信号。 (2)因子构建:本篇报告基于股指期货当月和次月以及指数现货中的信息,分别使用不同的方法构建了6个有关基差的择时因子。 (3)回测时间区间:对于上证50、沪深300、中证500股指期货,回测的时间区间为2016年01月 04日至2024年09月06日。对于中证1000股指期货,由于该标的上市交易时间较晚,因此回测的时间 区间为2022年07月22日至2024年09月06日。 (4)调仓频率:日频调仓,若择时信号一直为多(空),则一直持有多单(空单)不平仓。 (5)保证金100%,1倍杠杆 (6)暂不考虑手续费及滑点直接择时 在计算出特定指标之后,我们考虑使用直接择时的方法利用这些指标来进行市场时机的选择。具体来说,我们可以设定一个阈值X,如果当前期的指标值超过了(或低于)这个阈值X,我们就会在下一期选择买入(或卖出)相关的期货合约。我们通常会将初始阈值设定为0,然后进一步研究调整阈值是否能够显著提升择时的效果。需要注意的是,阈值的选择可能会引入过拟合的风险,因此在选择阈值时,建议从经济意义的角度出发,而不是单纯追求样本内单因子的最佳表现。 条件(conditional)择时 依据计算出的指标值进行择时方法虽然直接,但可能存在的问题是该指标的择时方向并不一定始终如一,例如在当日收益为正时,指标是正向指标,而在当日收益为负时,指标是负向指标,或者失效,此时的择时效果可能并不稳定。因此,我们在进行了直接择时策略回测后,同样从多角度进行了有条件的择时策略回测。 3.基差因子的构建 本节中,我们将会展示不同基差因子的构建方式。 3.1直接基差 直接使用广义上的基差(股指期货-指数现货)作为因子,同时考虑了收盘基差(期货合约收盘价-对应指数收盘价)以及结算基差(期货合约结算价-对应指数收盘价)两种计算方式。 3.2基差动量 由于基差可以反映市场上的投资者情绪,同时基差的变化可以反映对冲需求的动态变化。因此,基于收盘基差和结算基差,本报告构建了基差动量因子和结算基差动量因子。 3.3基差变化 与基差动量同理,基差的变化中包含了大量市场上情绪和对冲需求的信息,因此本报告构造了基差变化因子和结算基差变化因子。 3.4全域高频基差情绪 在该因子中,对于基差,我们给出了两种定义方式:基差_1=股指期货-指数现货 基差_2=次月期货-当月期货 期货股指市场中,由于套期保值的长期存在,负基差的出现的频率较高,同时套期保值者需要付出的对冲成本便是基差的年化率。在这样的背景下,为了降低对冲成本对于投资组合的整体收益影响,部分套保者会选择进行择时对冲。在市场整体情绪偏空时,大量的择时对冲的交易者会涌入市场,随着市场下跌,股指期货的下跌速度一般会比指数现货的速度更快。基于这样的现象和过往的研究,使用日内的基差数据,构建能够使用基差来反映恐慌情绪的指标。 1)使用高频的分钟级数据,在每分钟上取得股指期货和指数的量价数据 2)计算指数现货每分钟的涨跌幅 3)计算基差每分钟的涨跌幅,此处的基差分别使用基差_1的定义方式和基差_2的定义方式进行计算 4)在全天,不设置其他条件,逐日的计算基差分钟级涨跌幅和指数现货分钟级涨跌幅的相关系数,即为全域高频基差情绪指标 5)对指标进行N日滚动平均,进行降频处理 6)最终使用基差_1得出的指标名为全域高频基差情绪_1_N,使用基差_2得出的指标名为全域高频基差情绪_2_N,N为滚动平局的参数。 3.5下行高频基差情绪 考虑到当市场陷入恐慌情绪并下行时,基差的负向扩大往往能够包含恐慌情绪的信息。因此,除了全域的相关系数,我们计算了当指数现货下跌时的数据点,基差的分钟级涨跌幅与指数分钟级涨跌幅的相关系数,即为下行高频基差情绪指标。指标的计算与命名方式与全域高频基差情绪类似。 3.6上行高频基差情绪 该指标计算方法与下行高频基差情绪相似,基差的正向扩大,往往能够代表包含恐慌情绪有所缓解的信息。因此,我们计算了当指数现货上升时的数据点,基差的分钟级涨跌幅与指数分钟级涨跌幅的相关系数,即为上行高频基差情绪指标。指标的计算与命名方式与全域高频基差情绪类似。 3.7日内升贴水频率差 升水和贴水的变化反映了市场供需关系的动态变化。当市场供需关系发生变化时,期货价格和现货价格的关系也会随之变化。通过观察升水和贴水的次数差,可以捕捉到市场供需关系的变化,从而预测未来价格的走势。因此,该指标的定义方式为,在每日,以分钟为单位,升水的次数减贴水的次数,即为日内升贴水频率差。 4.基差因子日间直接择时策略检验 在本节,本报告给出了针对四个股指期货标的,使用前文中提到的基差因子,在不同的参数和基差定义下,构建单因子直接择时策略的回测结果。对于每个股指期货标的,我们选择了在直接择时策略中,夏普比率大于0.5的结果,展示了其净值的变动情况。 4.1上证50股指期货:直接择时策略检验 在上证50股指期货标的上,本报告发现全域高频基差情绪以及上行和下行高频基差情绪的表现相对较 好,能够取得0.8左右的夏普比率。 表1:上证50优秀基差因子(直接择时) 年化收益 年化波动 夏普比率 卡玛比率 胜率 盈亏比 最大回撤 全域高频基差情绪_1_5 14.84% 16.15% 0.92 0.64 50.69% 1.20 -23.31% 下行高频基差情绪_2_10 16.48% 18.68% 0.88 0.47 52.40% 1.17 -34.78% 上行高频基差情绪_1_10 13.12% 15.13% 0.87 0.71 51.38% 1.20 -18.48% 全域高频基差情绪_2_5 13.64% 18.87% 0.72 0.42 51.99% 1.14 -32.11% 上行高频基差情绪_1_5 10.07% 17.53% 0.57 0.30 51.04% 1.11 -33.25% 结算基差动量 9.72% 18.77% 0.52 0.23 51.72% 1.10 -42.08% 全域高频基差情绪_2_10 9.58% 18.69% 0.51 0.21 51.64% 1.10 -44.64% 全域高频基差情绪_1_10 7.54% 15.03% 0.50 0.19 50.97% 1.11 -39.54% 资料来源:RQData,国泰君安期货研究 图1:全域高频基差情绪_1_5 资料来源:RQData,国泰君安期货研究 图2:下行高频基差情绪_2_10 资料来源:RQData,国泰君安期货研究 资料来源:RQData,国泰君安期货研究 图4:全域高频基差情绪_2_5 资料来源:RQData,国泰君安期货研究 资料来源:RQData,国泰君安期货研究 图6:结算基差动量 资料来源:RQData,国泰君安期货研究 图7:全域高频基差情绪_2_10 资料来源:RQData,国泰君安期货研究 图8:全域高频基差情绪_1_10 资料来源:RQData,国泰君安期货研究 4.2沪深300股指期货:直接择时策略检验 在沪深300股指期货标的上,基差因子表现一般,仅有3个因子取得了超过了0.5的夏普比率,其中基差动量因子在该标的上的表现较为优秀,能取得16.59%的年化收益和0.88的夏普比率。 表2:沪深300优秀基差因子(直接择时) 年化收益 年化波动 夏普比率 卡玛比率 胜率 盈亏比 最大回撤 基差动量 16.59% 18.83% 0.88 0.64 51.86% 1.17 -25.92% 结算基差动量 12.67% 18.84% 0.67 0.32 51.29% 1.13 -39.33% 下行高频基差情绪_1_5 10.08% 17.89% 0.5