商品基本面量化框架系列（二）：黄金择时因子及多周期合成

深度报告金融工程 商品基本面量化框架系列二：黄金择时因子及多周期合成 报告日期：2025年03月20日 为何是黄金的多周期择时？ 近期黄金价格水涨船高，与同时期的股债形成鲜明对比，引起市场的广泛关注，然而黄金的影响因素众多，与传统的商品定价以供需决定不同，其兼备了货币属性、金融属性、避险属性和商品属性，难以直接套用任何商品或股债的定价框架。前期我们在《商品基本面量化框架系列一：单品种预测体系》中提出了一个单品种时序上的预测方法，但是跟踪中我们发现该类方法依赖于品种的自身趋势性，且划分周期预测会导致多周期融合时信号相互冲突的情况，无法形成单品种多周期合成策略，因此我们认为单品种的多周期择时应聚焦于不同基本面指标的预测周期并以多信号加权的方式形成最终策略。 宏观维度、中观维度和微观维度 我们将黄金的择时拆分为三个维度分别是宏观、中观和微观，共计四个子策略，宏观维度主要讨论了通胀债券TIPS对未来黄金的定价能力、原油、美元指数和VIX与黄金间的高阶关系，以提出黄金长周期择时方法论，子策略样本外最优夏普比为081；中观维度以CFTC持仓数据构造了400多个持仓因子及不同的规则制条件，检验筛选后得到短周期择时指标，子策略样本外夏普比为103；微观维度是以黄金的量价识别当前市场环境，将品种趋势性划分为四个象限，并以合成趋势度指标调整仓位，子策略最大回撤由静态持有的2138降低至951。 多周期合成后，仅做多和多空策略稳定跑赢静态持有 以伦敦金为回测标的，仅做多和多空策略自2020年至今稳定跑赢静态持有伦敦金现货，其统计表现分别为（以仅做多、多空和静态持有为顺序）年化收益率为1472、1663和1394，年化波动率为987、1159和1518，年化夏普比为149、143和092，最大回撤为1213、1213和2138，Calmar比率为121、 137和065。在沪金合约与黄金ETF上同样有效，可供投资者参考。 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。 王冬黎金融工程首席分析师 从业资格号F3032817 投资咨询号Z0014348 Tel：8621633258883975 Email：dongliwangorientfuturescom 联系人 徐凡金融工程分析师 从业资格号F03107676 Tel：8621633258883975 Email：fanxuorientfuturescom 关联报告： 《商品基本面量化框架系列一：单品种预测体系》 扫描二维码，关注“东证繁微”小程序 金融工程 重要事项：未获得东证期货书面授权，任何人不得对本报告进行任何形式的发布、复制。本报告的信息均来源于公开资料，我公司对这些信息的准确性和完整性不作任何保证，也不保证所包含的信息和建议不会发生任何变更。我们已力求报告内容的客观、公正，但文中的观点、结论和建议仅供参考，报告中的信息或意见并不构成交易建议，投资者据此做出的任何投资决策与本公司和作者无关。 有关分析师承诺，见本报告最后部分。并请阅读报告最后一页的免责声明。 金融工程深度报告20250320 目录 1为何是黄金的多周期择时？5 2黄金择时因子6 21宏观维度：TIPS定价长周期黄金收益6 22宏观维度：黄金和原油、VIX以及美元指数间的高阶关系8 23中观维度：CFTC持仓因子增强静态多头11 24微观维度：量价评估单品种趋势性15 3多周期合成及其他讨论17 31多周期合成策略仅做多和多空均能在样本外稳定跑赢静态持有伦敦金17 32其他讨论沪金合约、黄金ETF和上金所现货与伦敦金的相关性18 4风险提示19 2期货研究报告 图表目录 图表1：《商品基本面量化单品种预测体系》框架介绍5 图表2：前期构造的黄金月度择时策略5 图表3：前期构造的黄金季度择时策略5 图表4：相较于CPI同比，黄金具备持有收益6 图表5：黄金价格与实际利率的同期序列呈负相关6 图表6：黄金价格是具备趋势项的非平稳序列7 图表7：实际利率长短均线对黄金的反应钝化7 图表8：回归后R方和Beta系数的T值（横轴为月数）7 图表9：全局视角下TIPS预测的黄金未来（一年）收益7 图表10：基于TIPS的择时策略比静态持有的回撤小，上涨行情能较好地捕捉（200401202502）8 图表11：不同策略的表现对比（200401202502）8 图表12：美元指数和黄金的相关系数不恒定9 图表13：两者的相关性随不确定性（VIX）变化9 图表14：原油和黄金同为美元计价，呈正相关9 图表15：黄金和原油是在避险资产上的博弈，呈负相关9 图表16：全局视角下的特征重要性、预测值和真实值的R方（200401202412）10 图表17：基于美元、原油和VIX的黄金择时模型（200801202502）10 图表18：不同策略的表现对比（200801202502）11 图表19：20250228日CFTC公布的黄金（期货期权）分类报告11 图表20：以机构型交易商（ManagedMoney）举例，我们分别构造了如下的CFTC持仓因子以及对应策略逻辑12 图表21：以FOMMNUMLONG为例，筛选有效因子并测算最佳参数13 图表22：在样本外，CFTC合成因子（仅做多）增强静态黄金多头，规避回撤效果明显14 图表23：以20250101前为样本内，筛选得到的CFTC子因子及相关参数14 图表24：黄金走势的四个象限15 图表25：以250日为参数，计算得到的黄金趋势度走势15 图表26：合成趋势度与未来收益率的F统计量热力图16 图表27：以2020年起始点，滚动测算的合成趋势度16 图表28：经趋势度调整仓位后的策略，能有效减少策略的最大回撤16 图表29：经趋势度指标调整仓位后的静态多头持有策略显著减小回撤17 图表30：黄金多周期合成策略的示意图17 图表31：多维度融合后，仅做多和多空均能在样本外稳定跑赢静态持有（以伦敦金）18 图表32：策略统计表现（样本外自2020年起至今）18 图表33：黄金ETF、黄金现货和沪金合约相关性高19 图表34：三者与伦敦金的MSE和年化收益率19 图表35：多维度择时信号应用于沪金合约19 图表36：多维度择时信号应用于黄金ETF19 1为何是黄金的多周期择时？ 2024年黄金价格水涨船高，与同时期的股债形成鲜明对比，引起市场的广泛关注，然而黄金的影响因素众多，与传统的商品定价以供需决定不同，其兼备了货币属性、金融属性、避险属性和商品属性，难以直接套用任何商品或股债的定价框架。前期我们在《商品基本面量化框架系列一：单品种预测体系》中提出了一个单品种时序上的预测方法，以各商品独有的基本面信息和部分量价数据对短、中和长周期的商品收益率建模，并以此构造了多品种在多周期上的择时策略。 图表1：《商品基本面量化单品种预测体系》框架介绍 资料来源：东证衍生品研究院 其中黄金在样本外的效果较为出色，自2020年至今月度仅基本面策略的夏普比为067，择时信号准确率为63，季度量价基本面的夏普比为089，择时信号准确率为75。然而跟踪中我们发现该类方法依赖于品种的自身趋势性，且划分周期预测会导致多周期融合时信号相互冲突的情况，无法形成单品种多维度策略，因此我们认为单品种的多维度择时应聚焦于不同基本面指标的预测周期并以多信号加权的方式形成最终策略。 图表2：前期构造的黄金月度择时策略图表3：前期构造的黄金季度择时策略 资料来源：Wind，东证衍生品研究院资料来源：Wind，东证衍生品研究院 2黄金择时因子 21宏观维度：TIPS定价长周期黄金收益 作为一种无息的风险资产，只有相较于美国CPI时持有黄金才能产生收益（抗通胀安全垫）；而实际利率（TIPS）作为一种付息的无风险资产，是持有黄金的机会成本。换句话来说，实际利率和黄金是对手盘关系。当实际利率上升时，持有黄金的机会成本上升，黄金价格随之下跌；当实际利率下降时，持有黄金的机会成本下降，黄金价格随之上涨，两者的同期序列呈现较强的负相关。 美元盎司 图表4：相较于CPI同比，黄金具备持有收益图表5：黄金价格与实际利率的同期序列呈负相关 美元盎司 资料来源：Wind，东证衍生品研究院资料来源：Wind，东证衍生品研究院 市面上将实际利率与黄金挂钩的主流策略有两种，我们发现两种方法均存在弊端， 1第一种是依据线性回归式以实际利率对黄金价格建模，比如以实际利率为自变量，对数黄金价格作为因变量，拟合线性回归方程式，并以日度延长窗口期进行预测，若t日的预测结果t1日的对数收盘价时做多黄金，t日预测结果t1日的对数收盘价时平仓； 2第二种是直接根据实际利率的趋势对伦敦金择时，比如以20日和144日的实际利率长短均线作为开仓信号，由于实际利率与黄金价格呈负相关，因此若实际利率的短均线下穿长均线时做多黄金，在短均线上穿长均线时平仓； 黄金价格是一个具备长期向上趋势的非平稳序列而实际利率的中枢呈现均值回复的特性，若将利率对价格回归，两者之间不可能存在稳定的线性关系。右上的散点图中我们可以看出，虽然两者的分布呈现明显负相关性，但是回归后的置信区间小（由图中的浅黑色区域表示），因此在延长窗口下预测会有更明显的误差以及异常值，所以第一种方法并不适用。以实际利率的长短均线对黄金的同期择时，面临的问题是反应的钝化，虽然两者的同步负相关明显且显著，但是择时策略是对未来黄金走势的预测。若以长短均线进行择时，那么策略更依赖于黄金品种自身的趋势行情，所以第二种方法同样存在弊端。 图表6：黄金价格是具备趋势项的非平稳序列图表7：实际利率长短均线对黄金的反应钝化 美元盎司 资料来源：Wind，东证衍生品研究院资料来源：Wind，东证衍生品研究院 本质上来说，TIPS是通货膨胀债券到期收益率，其中有两个重要点分别为抗通胀（经月度CPI调整后的债券收益）和到期收益率（YTM），因此我们认为市场应该是在未来黄金价格和TIPS间博弈，而并非前文的即期序列。对此我们遍历未来一个月至未来一年计算黄金收益，并向前平移对应天数，与即期TIPS构建线性方程式，并记录回归后的R方和回归系数的T值。 图表8：回归后R方和Beta系数的T值（横轴为月数）图表9：全局视角下TIPS预测的黄金未来（一年）收益 资料来源：Wind，东证衍生品研究院资料来源：Wind，东证衍生品研究院 不难从左上图中发现随着未来黄金期限拉长，全局视角下的回归解释更高且TIPS对其影响力更大，在定价黄金未来一年收益时模型整体的拟合度在038，TIPS的T值为5844，表明TIPS有对未来黄金收益的预测信息。右上图以黄金未来一年收益为例，在200401年至202502的时间段内拟合线性关系式，全局视角下的预测值和真实散点同步波动，能很好地捕捉黄金2009和2024年两次明显的趋势行情。 基于两者明显的线性关系，我们构造仅做多黄金长周期的择时模型，分别对黄金未来一 个月、未来一个季度、未来半年和未来一年的收益预测目标，以延长窗口的方式进行日度估计，若最新预测值大于平均真实收益时开仓买入，最新预测值小于平均真实收益时平仓，其余情况下空仓。 图表10：基于TIPS的择时策略比静态持有的回撤小，上涨行情能较好地捕捉（200401202502） 资料来源：东证衍生品研究院 四个择时策略中，以预测黄金未来一年的未来收益表现最好，其年化夏普比为081，最大回撤从静态持有的4482降低至2536，Calmar比率从23提升至3524，从策略净值图中可以看出策略抓住了08至12、24年两波长周期牛市行情，在12至20年间策略多以空仓为主。 图表11：不同策略的表现对比（200401202502） 年化收益率 年化波动率 年化夏普比 最大回撤 Calmar比率 YT1M 586 1015 058 2201 2664 YT1Q 738 1072 069 2201 3354 YT6M 704 1067 066 2201 3199 YT1Y 89