商品基本面量化框架系列一：单品种预测体系

1.1 全品种周度策略回顾

前期构建了基于板块基本面和宏观数据的周度调仓全品种策略，使用OLS和XGBoost模型预测品种价格，但策略收益不稳定，存在优化空间。

1.2 单品种预测框架

提出单品种预测框架，将择时划分为短周期（周度）、中周期（月度）和长周期（季度），并针对商品基本面数据的特性，进行数据清洗、特征提取、有效性评价和降维预测。

1.3 基本面数据库

依托繁微数据平台，构建了覆盖60个品种、5万条指标、5千个模板的基本面数据库，数据更新频段以日度和周度为主，分类涵盖进出口、需求、持仓、供应、库存和价格六大类。

1.4 预测目标

区分价格和收益率作为预测目标，认为预测价格变化率比预测价格更关键。

2.1 指标库程序化清洗

将指标分为总量类、价格类和同比/环比类，对价格类指标进行ADF检验，并根据检验结果进行环比、STL分解和分数阶差分等特征提取。

2.2 指标库程序化筛选与入库

使用F统计量、卡方检验和互信息对指标有效性进行评价，并筛选相关性低于0.9且方差膨胀系数小于10的指标入库，最终形成95个指标库。

3.1 高维因子集的降维预测

使用Fan et al（2017）提出的充分降维体系，结合PCA降维和切片逆回归，构建高维信息集的低维表达，并使用Xgboost模型进行预测。

3.2 五个品种的择时结果

测试了基本面指标和基本面+量价指标对五个品种（螺纹钢、黄金、原油、铜、生猪）在三个周期上的择时效果，结果显示：

• 量价指标对螺纹钢和铜的短周期策略增强效果明显，对黄金的短周期策略增强效果明显，但对原油和生猪的短周期策略增强效果不明显。
• 中周期信号准确率较高，基本面和基本面+量价的准确度均在60%左右。
• 长周期信号较稳定，但持仓周期内易出现较大波动。

4. 总结与展望

单品种预测框架在样本外多周期多频段的效果提升显著，可供投资者参考。未来将考虑多周期融合和单品种风控，以完善择时体系。

5. 风险提示

指标和模型基于历史规律总结得出，不排除失效的可能。