中泰期货研究所
金融工程团队
娄载亮 从业资格号:F0278872 咨询资格号:Z0010402
杨旸 从业资格号:F03096114
杜思嘉 从业资格号:F03103175
时翔宇 从业资格号:F03104321
联系方式：021-61625026
摘要
在权益类市场中，资产价格的变动是由趋势效应还是反转效应占主导一直以来都是争论的热点，其结论也可能和回测的时间段以及收益率计算间隔有密切联系。同样，在商品期货市场上，动量因子也是一个较为传统，较早被应用的因子。本报告通过对不同期限收益率的比较构建收益率期限因子，计算得到每个期货品种在不同期限上的相对回报，并总结其与下一期期货收益率的相关关系，计算IC序列均值，得到单因子的回测结果。
本报告选取近五年的数据进行回测，分别计算了原始的动量因子的表现和经过修正后的收益率期限因子的表现。研究结果表明，在回测期内原始动量因子的年化收益率为8.54%，夏普比率为0.3571，而经过修正的收益率期限因子将年化收益率和夏普比率分别提高到25.44%和1.4500。故该因子在回测期内有显著获得正收益的能力，可以考虑纳入最终的因子库。
一
商品期货收益率期限因子介绍
动量因子是因子投资中较早被提出的因子，本报告中采用的定义为当前时间点之前n个调仓周期的总收益率。动量因子可以解释下一期收益率的主要逻辑在于市场中存在趋势或反转效应。即在一定期限内收益率较高的资产会在下一阶段继续保持较高的收益率（趋势效应）或转而获得较低的收益率（反转效应）。然而，这两种效应并不是互斥的，在同一个市场中，也可能同时存在趋势和反转效应。例如，在短期内趋势效应表现较为明显，但在长期内反转效应表现更加明显。同时，回测时选取的滚动窗口长度对此类效应可能也存在显著影响。故在不同的文献中可以得到不完全相同甚至截然相反的结果。
学术界对于资本市场中存在该两种效应一个比较常见的解释来自于行为金融学。行为金融学进一步放开了传统经济学“理性人”的假设，将投资者一些非理性的行为进行了归纳和总结。行为金融学认为在投资市场上会存在两种完全相反的非理性行为，分别为“热手效应”和“赌徒谬误”。关于“热手效应”一个比较经典的例子为在一场篮球比赛中，人们普遍认为之前投篮命中率较高的球员在下一次投篮的命中率会高于之前投篮命中率较低的球员。而关于“赌徒谬误”可以通过“抛硬币”的例子来展现。当连续出现多次正面的结果后，大多参与者都会认为下一次会出现反面。所以在一个市场中当投资者普遍存在“热手效应”时，资产价格往往会展现出“趋势效应”，当投资者情绪中“赌徒谬误”占据主导时，资产价格往往会表现出“反转效应”。当然一些其他的行为金融学理论，例如“羊群效应”、“损失厌恶”等也可以部分解释市场上的价格趋势或反转的现象。
在运用单因子模型并建立多空时，如果只考虑原始的动量因子，会遇到诸多问题。首先，市场中的趋势效应和反转效应往往是会交替出现的，如果只是采用前n期总收益率来预测下一期的收益率的方向往往在某些时间段会出现较大幅度的回撤。其次，对于参数的选取，例如前n期收益率中的n，该参数是经过历史数据的回测结果以及投资者的经验进行选取，容易产生过拟合的问题，即在回测区间内的收益情况要显著优于样本外回测区间的收益情况。最后，作为比较传统的因子，市场上众多投资者对其构建方法已经非常熟悉，故存在很大的失效风险。
本报告在动量因子的基础上进行了修正，构建了收益率期限因子，部分弥补了动量因子的缺点。
二
收益率期限因子的构建
通过以上的分析可以得出，动量因子的有效性是基于市场中的趋势和反转效应。但简单通过前一阶段时期的收益率与下一期收益率的关系来构建因子难免会遇到收益不稳定的情况。本报告通过对每个期货品种短期以及长期收益情况的比较对原始动量因子进行修正，得到收益率期限因子，从而可以更有效利用市场上的非理性行为。
第一步：样本数据整理。本报告选取近五年的数据进行回测。由于考虑到构建因子需要回测起始端之前的数据，故原始数据选取2016年11月至2022年10月共6年的数据。
第二步：短期收益率计算。参照动量因子的构建方法，首先计算各个期货品种的短期收益率。
第三步：长期收益率计算。调整滚动期的窗口长度，计算各个期货品种的长期收益率。
第四步：构建收益率期限因子。对比短期收益率与长期收益率的相对强弱情况来构建收益率期限因子。
三
收益率期限因子回测表现
本报告选取近五年，即2017年11月至2022年10月作为回测区间。考虑到数据的完整性，选取35个期货品种，其中包括能源化工行业、农产品行业以及黑色产业链等。具体投资期货品种如图表1所示。
本报告通过在相同的回测区间，使用图表1中相同的期货品种分别得出原始动量因子与收益率期限因子的单因子回测结果并进行比较。
根据动量因子的定义，计算前n期的收益率作为因子数据，每周换仓一次。在每周最后一个交易日对因子得分从低到高进行分组，本报告共分五组，每组七个合约。每次换仓时，每组内的七个品种采取等权重投资的方式。在回测期内不断重复如上操作，得到分组单位净值。具体结果如图表2至图表4所示。
从图表2至图表4中可以得出，当n取值不同时，动量因子对下一期收益率的预测作用有比较明显的区别。相对来说，当n=12时，各组净值的表现差别更加明显。此时，因子值与下一期收益率有比较明显的负相关（IC = -0.0605），所以在回测区间内利用过去12周的收益率数据构造动量因子可以适当区分各个期货品种下一期的收益率。
通过本报告第二部分的描述构建收益率期限因子，在相同回测区间，相同期货品种的基础上，进行分组回测，得到如图表5至图表7的净值曲线。
从图表5至图表7中可以看到，采用改进后的收益率期限因子的分组净值之间的差异度比单纯使用原始动量因子要更加优异。图表5至图表7中因子得分最低和最高的第一组和第五组都被完美区分开来。图表6和图表7基本按顺序区分了不同因子得分组别的单位净值，说明收益率期限因子的得分对于各期货品种的未来收益率具有一定的预测作用。可以考虑进行下一步的研究构建单因子的多空组合，计算每期收益率并做相应的统计检验。
通过图表5至图表7已经可以从主观角度看出收益率期限因子可较好预测各期货品种的收益率。本报告从统计学角度进一步检验该因子的有效性。首先根据计算可以得到收益率期限因子的IC值为负数，故每一期需要根据因子得分排序分组后做多得分最低的一组，做空得分最高的一组，并计算出每一期的收益率。其次，将回测区间内的单期收益率序列做统计检验，判断是否可以在一定的显著性水平下，认为单期收益率显著大于0。最后，如果检验统计量落在拒绝域内，则可以认为单期收益率显著大于0，即认为根据该因子构建的多空组合在回测区间内可以取得正向收益。该检验的原假设和备择假设如下所示。
本报告选取显著性水平0.1，分别计算图表2至图表7一共6个多空组合的假设检验结果。具体如图表8所示。
根据图表8结果可以看出，大部分动量因子多空组合单期收益率都能拒绝原假设，而所有的收益率期限因子多空组合单期收益率均可以拒绝原假设，从而进一步可以得出收益率期限因子对期货收益率具有良好的预测作用。
最后，选取适当的参数，根据每期因子得分的排序做多和做空相对应的品种可以得到收益率期限因子多空组合的单位净值，具体结果如图表9所示。
从图表9中可以看出，该因子在回测期内的表现相对稳定，可以考虑加入到因子库中。该因子多空组合的回撤情况如图表10所示。在图表10中可以看出，除了两次比较明显的回撤外，因子多空组合发挥相对较为稳定。
选取参数相近的动量因子，在相同回测区间内构建多空组合，对两者进行比较，结果如图表11所示。
结果显示，收益率期限因子获得了更加高的夏普比率和较低的最大回撤。因此，采用收益率期限因子可以有效提升动量因子的作用，获得更加稳定以及持久的收益。
四
总结及后续研究建议
动量因子作为传统可以获得正收益的因子，一直广泛受到业界的关注。对于其改造工作也一直在进行中，本报告通过不同期限收益率的相对强弱构建收益率期限因子可以更好表现出每个品种价格在近期的强势程度。从回测结果来看，经过改进的收益率期限因子比动量因子可以获得更好的收益风险比。
同时，对于动量因子的其他改进方法也值得进行尝试。例如，对动量相关的技术指标进行适当处理后构建相关的因子等。
本报告为精简版，如需完整版请联系中泰期货。
风险提示：基于历史数据研究总结的相关规律未来可能存在失效的风险。
