商品期货私募基金的行业倾向与策略风格：一种近似法

一、商品期货私募基金的行业配置倾向

1.1. 行业板块因子构建
CTA（Commodity Trading Advisor），即商品交易顾问，也称作管理期货（Managed Futures）。美国商品交易法案定义CTA为就期货、掉期、期权等交易提供咨询服务，形式可以是出版物、著作等，或直接受托账户管理。管理期货的交易标的为带杠杆的衍生品，交易起来比股票更复杂。管理期货多采用趋势跟踪策略、“顺势而为”，即在市场上涨趋势中做多，在下跌时做空，相当于做多市场的波动率，因此在波动较大且趋势明显的市场该策略较容易获利。
管理期货类产品与权益，债券等产品相关性较低，在资产配置中占据重要地位。但面对私募基金众多的管理期货产品，我们能获取的产品信息极为有限。获取产品的信息具有重要意义，因为信息越丰富对于产品组合投资经理的帮助也越大。而私募基金的运作通常而言较为灵活，也使得这些产品的特征较为多变，不易被刻画和描述，因此这些产品对于投资者而言更像一个个“黑匣子”，有待我们去发掘其内部的秘密。在一般的投资过程中，实现投资收益的手段可归类为配置与选择。配置即对标的资产的取舍过程，这也就需要我们对产品的行业或者板块特征有一定的了解，才能决定是否配置。接下来我们试图对当前存续的管理期货产品的配置板块信息做一定梳理。
筛选的管理期货产品为当前仍在运行的产品，即产品净值至少持续至2019年2月。为了保证多元回归时间序列的长度符合要求，我们规定产品可获得的净值时间覆盖范围需超过1年（净值更新频率为周度）。通过私募排排网数据库筛选可获得符合要求的管理期货产品共206只。由于国内的管理期货产品多为商品，因此我们将研究范围锁定为商品期货。而且选取的产品净值大部分在2016年之后，因此一定程度上说明策略品种纯度较高，因为在此之前管理期货策略中有大量的资金会配置在股指期货上。具体而言商品期货的行业板块可分为黑色、有色、能化、农产品和贵金属。我们通过wind商品指数中相应的板块指数来构建行业板块因子，相应的板块因子累计收益如下所示。可以看出板块因子多为中性因子，长期来看并没有明显超额收益。

1.2. 采用行业板块因子对产品分类
计算行业板块因子间的相关性，从下表可见相关性整体而言并不高，部分板块因子间如能化和有色略高一些，但也没有超过0.7。计算行业板块因子的方差膨胀系数，最大数值只有2.39，可以认为共线性问题不严重。我们采用管理期货产品收益率对行业板块因子收益率进行多元回归的方式来统计产品对板块因子的暴露情况，回归系数绝对值越大（回归系数为负说明做空该板块），则在该板块的暴露水平越高，也就说明在该板块的配置比例较高。

其中y为基金收益率，x_i为第i个行业板块因子的收益率，回归系数β_i即为该行业板块的基金仓位，α即为行业板块因子之外的Alpha收益。从回归结果中可以看出多数产品的Adj-R2在0.3以下，说明行业板块因子对于产品的收益解释有限，而Alpha则多位于0至0.005之间。

在筛选产品的行业板块属性时我们设定一定的标准，一方面我们规定拟合优度需达到一定的数值，考虑到产品数量有限，且管理期货品种的拟合优度一般较低，因此我们设定多元回归的Adj-R2需大于0.1。另一方面，如果产品配置某板块比例高，则回归系数绝对数值越大且系数检验结果越显著，因此设定如果某一板块的- Adj-R2大于0.1，p-value数值小于其它板块并且回归系数绝对值最大，则将其归类于该板块产品。我们选取统计结果中的前30只产品进行统计，分别得到各板块产品的“平均仓位”占比，需要注意的是，这里的“平均仓位”只是一种近似概念，用来描述产品配置的倾向性，可能与实际情况有一定的偏差。如下图所示，可以看出贵金属产品中贵金属的配置的“平均仓位”占比超过58%，而其它板块品种则配比不足50%；有色产品中有色板块的“平均仓位”占比为47%；黑色产品中黑色板块的“平均仓位”占比为42%；能化产品中能化板块的“平均仓位”比例为41%；农产品中农产品板块品种的“平均仓位”比例为48%。

通过上面的计算，我们选出行业板块配置比较高的一些私募管理期货产品，并给产品贴上标签，归为相应行业板块的产品。由于黑色系波动较大，且趋势性较强，而管理期货产品多采用趋势追踪型策略，因此我们选择其中比较有代表性的黑色系产品来进行研究。另外对比周度频率的板块因子对各板块产品的拟合优度，可以发现有色金属为18.4%，贵金属为19.4%，农产品是22.0%，能化是24.2%，而板块因子对黑色产品的平均拟合优度为23.2%左右，可见其中很多的收益并没有得到解释。后续我们将构建黑色系的策略风格因子来尝试提高对黑色系产品收益的解释度，或者通过这种方式识别出黑色系管理期货产品的策略风格。

二、策略风格因子构建与回测

择时策略可以理解成挖掘择时指标蕴含的信息来获取超越基准的收益，我们假设市场上基金经理获取的信息主要来自基本面、市场和宏观这三类指标。通过三类指标来构建择时策略来获取源自三类信息的超额收益，并将其作为策略风格因子，可以辅助我们找到策略的收益来源以及产品的策略风格。下面我们将构建黑色系的策略风格因子，由于黑色系主要以螺纹钢为代表，因此我们主要构建螺纹钢的因子择时策略。主要从基本面、市场、经济运行和流动性指标等三个方面入手，并据得到的策略来构建相应的策略风格因子，以探究黑色系管理期货产品的策略风格，其余的板块类产品的策略风格识别方法类似。
2.1. 基本面指标
为了了解商品期货价格受哪些因素影响，我们首先需要研究商品期货的定价公式。在下面的公式中，F是商品期货价格，S是商品的现货价格，r表示无风险收益，s表示仓储成本，c表示商品现货的便利收益（Convenience Yield）。

商品期货定价中公式中包含仓储成本和便利收益两个部分，其中仓储成本指的是储藏商品产生的利息和损耗等各种成本，而便利收益表示当现货对期货产生风险溢价时，投资者持有现货的可能收益，反映了市场对未来商品可获得性的预期。直观上，这种预期与库存水平有关，当库存水平较低时，现货价格相对期货价格溢价的可能性增大。
Koijen（2013）等人在《Carry》一文中将资产的收益分为Expected return（预期收益）和Unexpected price shock（非预期的价格冲击）两部分。而预期收益又可以分为Carry（价差收益）和Expected price appreciation（预期价格变动）。文中通过在权益、债券和商品等资产上进行验证后指出Carry因子在横截面（跨资产多空策略）和时间序列（单一资产择时策略）上对收益都有一定的预测能力。由于本文研究单一资产，因此我们选取资产时间序列的Carry来进行择时。商品中的Carry一般指的是不同期限合约之间的价差，也可以是期货合约与现货之前的价差，这种价差其实反映的是商品定价公式中的便利收益，与商品的存货紧密相关，故将其归为基本面指标。
本文通过两种方式来计算Carry（主力合约和次主力合约之间）和Carry_Spot（主力合约和现货之间）因子，并通过这两个因子来构建择时策略。因子构建方式如下面公式所示，次主力合约统一规定为未来即将成为主力的合约，这意味着次主力合约存续时间比主力合约长，并规定择时策略买卖的合约均为主力合约，因主力合约成交较为活跃，可有效降低策略交易成本。

因子的变动趋势和绝对水平高低都可以作为择时信号产生的依据。Carry变动趋势择时策略依据Carry的变动，即当期的Carry相对于上期数值扩大则认为Carry有扩大趋势，因此做多，反之做空，但是策略的效果较为一般，因此这里不再展示策略效果。另一种则根据Carry在过去三年内的分位数水平来判断其绝对水平的高低，当分位数高于高位阈值分位时做多，低于低位阈值分位时做空，而位于高低位阈值分位区间内则延续上期信号。高位阈值和低位阈值根据回测确定，一般是60/40分位或70/30分位组合表现会好一些，而且综合考量了策略的交易次数，因为分位水平设得过高或者过低，交易次数可能较少。经过测试得到Carry因子高低阈值分位为70/30，Carry_Spot因子高低阈值分位为70/30时策略表现好一些，因此我们选取这两个组合的结果展示如下。

2.2. 市场类指标-动量趋势
动量效应普遍存在于资本市场中，Asness和Moskowitz（2013）等人在《Value and Momentum Everywhere》一文中考察了八个不同的市场与资产类别（包括股、债、商等资产），发现动量效应在这些市场中的一致性和普遍性，为动量效应的存在提供了依据。许多成熟的策略正是采用了资产的动量效应，典型的如趋势跟踪策略，而管理期货产品中多数产品都采用了趋势跟踪策略。
动量效应具体可以分为截面动量效应和时间序列动量效应。Moskowitz（2012）在《Time series momentum》一文研究发现众多资产中存在显著时间序列动量，并指出1到12个月的回报持续存在，拉长时间后则出现反转，这与情绪理论提到的初始反映不足、后续反应过度是一致的。由于本文研究的是某一类资产，因此我们主要考虑该类资产在时序上的动量效应。根据时间跨度的不同，我们可以细分出不同期限的动量效应。我们规定短期动量回看期为1个月，短中期动量回看期为2个月，中期动量回看期3个月，长期动量的回看期为6个月（本文重点是方法论框架，具体参数有待考量）。基于动量效应的择时策略构建规则为：回看期内的收益率为正则认为上涨的动量效应将持续，在下月初继续做多，持仓周期为1个月，如果是下跌则在下月做空，每个月初重复该过程。
除了动量效应，我们还考察反转效应存在的可能性。结果发现短中期（回看期2个月）、中期和长期结合在一起反而具有一定的反转效应，结果表明最近3月和6月均上涨则未来一个月下跌的概率偏高，而均下跌时下个月上涨的概率偏高，呈现出一定的反转效应。根据上述的择时规则我们构建策略进行测试，结果如下表所示。结果表明短期、短中期的动量策略表现较为一般，而中长期效果提升明显，说明螺纹钢期货中动量效应偏中长期。中长期的反转策略效果也较好，说明反转效应在一定条件下也存在。

2.3. 经济运行与流动性指标

经济运行和流动性指标隶属于宏观层面变量，宏观指标作为外生变量主要通过影响下游产业的需求来影响商品价格，并通过自上而下的传导路径来实现。钢铁产业链下游产业为基建、房地产、汽车、家电、造船、军工和核电等行业。与这些产业密切相关的宏观指标有采购经理指数PMI、工业增加值（当月同比）、房地产开发投资完成额（累计同比）、社会融资总额、CPI、PPI、中债国债到期收益率（10年）等指标，还有一些流动性指标如M1、M2和外汇方面的因素如美元指数（负向影响）也会对这些产业有一定的影响。之所以没有选固定资产投资完成额是因为固定资产投资包括房地产、基建和制造，而在经济状况不佳时，基建会成为政策逆周期调节也就是刺激经济发展的重要手段，因此与经济景气度并不同步，所以我们选择与经济运行更加相关的房地产投资完成额指标。
需要注意的是宏观指标公布时间不尽相同，且存在明显的滞后。因此在做具体的策略时我们依据月初时数据的可得性对数据进行滞后处理，除了PMI（月底公布）之外，其余指标均需滞后一个月处理。而固定资产投资完成额和房地产开发投资完成额这两组数据的统计口径均为累计同比，每年首月数据缺失，存在数据缺失现象。为使数据更完整，一般采用前向填充或后向填充对缺失值进行处理。其中前向填充用的是下一个月数据，数据上更可靠，但由于用到了未来数据，因此综合考虑下我们选择后向填充。
宏观指标在择时上的意义既可以体现为宏观指标绝对数值的分位数水平对资产价格的影响，也可以体现为宏观指标趋势对资产价格的影响，本文暂以前者做测试。对于正向指标而言，当期公布的宏观指标的分位数水平越高，基于二者同向变动规则可认为未来资产价格上涨的概率越高。具体的判定规则为计算出回看三年期内当前宏观指标的分位数水平，综合考量交易次数等因素我们规定位于60分位以上时下个月做多，位于40分位以下时做空，而位于40-60分位区间内则延续上期信号。择时策略结果如下表所示，其中有日度数据的两个指标是中债国债到期收益率（10年）和美元指数，但是二者择时的效果均不佳，因此不再展示相关指标。其中PMI、PPI、工业增加值（Industry）和房地产开发投资完成额（Estate）等四个宏观指标择时策略表现较为突出，因此我们将这四个指标作为宏观择时指标的代表。

三、加入策略风格因子
能否提升对产品业绩的解释度？

上文我们构建了行业风格和策略风格因子，并依据行业风格因子筛选出管理期货中“倾向”配置黑色系的产品，该过程中使用的是周度收益率回归，对于类属相对清晰的产品，行业板块因子对其收益的解释度普遍在20%左右，其中对黑色系产品的解释程度为23.2%。我们希望通过在回归方程中加入策略风格因子提升对产品业绩的解释度。本章节的结论显示，在同等数据频率的情况下，加入策略风格因子有助提升对产品业绩的解释度。
策略风格因子由于采用了宏观指标择时，因此将所有的因子统一为月度择时，得到策略的月频收益序列，由于收益率序列频率变化，因此我们在对比时都使用月频数据进行对比，对比得出，周频数据的解释度更高，而月频数据的解释度明显低于周频数据，这与月频数据比周度数据含有信息少而噪音多相关。择时策略因子的收益和波动特征如下所示。

用黑色系管理期货产品收益率对单个策略风格因子做回归，统计拟合优度Adj-R2 后发现，动量策略类因子对管理期货收益率的解释度是最高的，其中最高的是3个月动量策略因子，其次是6个月和1个月动量，猜测市场上黑色系管理期货产品多采用3个月左右中期趋势跟踪策略。除了动量类因子，基本面Carry因子对收益率的解释度也比较高。对于单元回归解释度较低的因子，比如宏观指标，并不能说明市场上的管理期货产品在投资决策中不对其加以考量，而有可能是我们的因子构造方法并不契合基金管理人真实的方法论。

考虑本文中所有提及的因子，包括行业板块因子和策略风格因子，观察各因子的VIF（方差膨胀系数）如下图所示，除了PPI因子的VIF（6.3）稍微高一些以外，其余均小于5，而一般认为VIF只要不超过10则因子间的共线性问题就不会很严重，因此可以进行多元线性回归。
将行业板块因子和有解释力的策略风格因子（动量因子和carry因子）联合使用，采用月度数据进行多元回归，但是月度数据相对于周度数据损失了一些信息，因此月度数据的解释度比周度数据解释度低。结果显示平均Adj-R2可以达到18.6%，解释度最高的产品Adj-R2达到35.3%，解释度最低的产品Adj-R2为-15.8%。剔除极值后（解释度偏离均值较多的数值）平均解释度上升为21.7%。而月度数据频率下，行业板块因子对于黑色系产品月度收益率的平均解释度只有3%。显然策略风格因子的加入对产品的收益来源解释大幅提升，但即便如此，解释度仍然相对偏低，这可能与管理期货类产品策略调整较为灵活相关。

四、本文方法论应用综述

私募基金产品由于管理灵活、风格多变，对于投资者而言可获取信息较少。为了发掘更多产品信息，本文提出了一种分析管理期货产品行业板块信息和策略风格的思路和方法，这种思路也可应用于研究其它类似产品的相关特征。具体的我们可以首先通过构建行业板块因子对产品进行归类，再针对具体板块产品构建特异策略因子分析其策略风格，通过这样的框架可以进一步了解产品的行业板块信息、策略风格及收益来源。
在实际应用中构建策略因子时，不同类别的期货品种有许多异同点。宏观指标对于多数期货品种而言影响比较一致，比如PMI指标对于黑色系或者有色、能化等品种影响都较大，虽然不同品种可能在不同的宏观指标择时下表现各异，但总体看宏观择时指标的通用性要高一些。而对于基本面和市场动量类指标而言，这些都与各自品种的不同合约价格走势相关，因此不同品种间差异较大。总而言之，通过构建以上的分析框架，将有助于我们了解私募基金产品更多的信息，这对于我们筛选私募基金或者构建投资组合都具有重要意义。
以上观点、结论和建议仅供参考，不构成对任何人的投资建议，建议投资者谨慎判断。投资有风险，选择需谨慎。（股市有风险，入市须谨慎）如转载，请注明来源。