- 2025年商品市场回顾
- 上半年呈现“震荡+分化”格局，能源板块弱势，贵金属强势，金属和农产品分化。
- 下半年“反内卷”主题推高多数商品价格，贵金属创历史新高。
- 黄金受地缘政治、债务高企及央行配置驱动，白银受供需及宏观环境驱动。
- 有色金属中，铜受益于供给受限和需求提振，铝因产量削减而上涨。
- 能源化工板块受地缘事件和供需影响，原油震荡，甲醇、PTA等跟随原油震荡。
- “反内卷”主题导致工业品价格快速提升，但基本面改善弱，策略失效。
- 贵金属黄金和白银波动剧烈，黄金受美联储政策预期影响，白银受供需、宏观和情绪驱动。
- 中证能源化工产业期货系列指数发布，为产业链企业、金融衍生品开发和定价影响力提供支持。
- 商品策略指数表现回顾
- CTA策略指数中，长周期策略表现相对优异，基本面类策略受事件冲击分化显著，量价类策略好于基本面策略。
- “反内卷”主题导致部分品种快速上涨，长周期策略回撤较大，截面策略在普涨行情下不利，时序策略偏右侧。
- 部分品种持仓易引发逼仓风险，新能源品种波动加剧。
- 全年看，中长周期CTA策略仍具价值，能捕捉指数beta收益并给出超额收益。
- 单商品择时策略回顾
- 单商品量化择时多因子模型覆盖黄金、铁矿石、螺纹钢、甲醇等品种，表现分化。
- 黑色、有色及贵金属板块表现相对较好，能化品种分化较大。
- 黄金量化多因子模型包含基本面和量价因子，能均衡反映中短期趋势，实现增厚效果。
- 模型可辅助择时交易，如铁矿石案例中提示减仓。
- 近年来AI的发展在商品期货投资中的应用
- 4.1 使用LLM对投资人行为的预测：Wang等人的“模型塔”架构通过LLM和专门化生成器模拟高保真人类行为，成功复现了“青山镍事件”，在商品期货短期预测上优于传统模型，但依赖新闻信息质量。
- 4.2 机器学习算法在预测单商品期货价格中的应用：VMD-DBO-BiGRU混合模型通过信号分解、参数优化和时序建模提高预测精度；RSAE框架将高精度预测与可解释因子发现结合。
- 4.3 机器学习与CTA因子研究：基于30年41种商品数据的实证显示，时间序列动量占主导，偏度特征在短期突出，多周期集成策略优于单一周期模型。
- 4.4 AI发展对于能源需求的影响：AI产业发展急剧增加电力需求，推高能源价格和碳排放，政策制定者需平衡发展效益与社会成本。
- 2026年商品市场展望
- 预计市场呈现结构分化加剧、供需和宏观调控驱动、波动性放大。
- 宏观力量包括流动性环境、美联储降息周期、国内“反内卷”政策和“十五五”规划。
- 地缘政治、贸易保护主义推升战略资源风险溢价，强化金融定价逻辑。
- 预计贵金属（黄金、白银、铂金、钯金）中长周期震荡上行，新能源和有色金属相对乐观，黑色板块弱势，农产品和能化板块内部分化。
- 商品CTA策略中长周期策略阶段性表现较好，需警惕地缘政治、货币和利率政策干扰。
- 总体看好2026年商品市场投资机会。
