期货因子都有什么牌子 期货因子都有什么牌子的
【点宽专栏】期货多因子(二)——各因子描述
一、报告简介
上期我们对于期货多因子的逻辑和用途进行了小结，我们构建期货多因子是为了刻画期货的特征，从而用于机器学习。上期我们探究了动量因子，本篇报告将把更多的因子特征呈现出来。
二、因子研究方法
上期我们对于因子溢价构建方法进行了简介，本文采用同样方法，每天换仓，构建因子多空誉戚组合。对于多空组合收益率，我们采用总收益、年化收益、年化波动、夏普比率、最大回撤、收益回撤比、Hurst指数、5,10,20,60,120日方差比率检验来庆弯陵衡量。
其中，Hurst指数（见中信建投Hurst报告）以及方差比率检验（Lo, MacKinley(1988)文章）是用于刻画因子是否具有趋势性。如果闹伏因子不是随机游走，具备短期趋势，那么我们可以根据这些特征来预测未来商品指数强弱，择时构建溢价。
因子溢价构建
function [p1,p2]= factorPremium(factorMat,retMat,order)
%%参数说明
% factorMat：因子矩阵
% retMat：收益率矩阵
% order：true/false，正序或反序
%返还30%多空和50%多空
%%
[tradeDate,~]= size(retMat);
p1= nan(tradeDate,1);
p2= nan(tradeDate,1);
for i=1:tradeDate
factor= factorMat(i,:);
ret= retMat(i,:);
d= quantile(factor,0.3);
u= quantile(factor,0.7);
short = mean(ret((factor<=d)&(~isnan(factor))));
long = mean(ret((factor>=u)&(~isnan(factor))));
if order
p1(i,1)
= long-short;
else
p1(i,1)= short-long;
end;
d= quantile(factor,0.5);
u= quantile(factor,0.5);
short = mean(ret((factor<=d)&(~isnan(factor))));
long = mean(ret((factor>=u)&(~isnan(factor))));
if order
p2(i,1)
= long-short;
else
p2(i,1)= short-long;
end
end
p1= ret2tick(p1);
p2= ret2tick(p2);
figure
plot([p1,p2])
legend('3-7','5-5')
xlim([1,tradeDate])
end
因子评价
function record= factorEvaluation(retIndex)
record= zeros(1,10);
n= length(retIndex);
retPer= tick2ret(retIndex);
record(1)= retIndex(end)-1;%总收益
record(2)= retIndex(end)^(252/n)-1;%年化收益
record(3)= std(retPer)*sqrt(252);%年化波动
record(4)= record(2)/record(3);%年化夏普
record(5)= mdd(retIndex);%最大回撤
record(6)= record(2)/record(5);%收益最大回撤比
mid= HurstCompute(retPer(2:end));% Hust指数
record(7)= mid(1);
[~,~,record(8)]= vrt_full(tick2ret(retIndex),5);%方差比率检验5日
[~,~,record(9)]= vrt_full(tick2ret(retIndex),10);%方差比率检验10日
[~,~,record(10)]= vrt_full(tick2ret(retIndex),20);%方差比率检验20日
[~,~,record(11)]= vrt_full(tick2ret(retIndex),60);%方差比率检验60日
[~,~,record(12)]= vrt_full(tick2ret(retIndex),120);%方差比率检验120日
end
三、各类因子评价
（1）动量因子
这里动量因子是衡量现在价格与均线价格偏离程度，即商品趋势性衡量，上期报告已有较为充分的描述，公式为：
图1：20日趋势动量因子
（2）时间序列动量因子
时间序列动量因子与动量因子稍有区别，为过去N日商品总收益率，其衡量的是总趋势性，而非短期偏离均线的趋势，运用也较多。当某些技术指标被广泛接受时，会产生自我实现的预期。表现较好的时间序列动量因子有60日和120日。
图2：60日时间序列动量因子
图3：120日时间序列动量因子
（ 3）偏度因子
偏度因子能够衡量商品期货的强弱程度，因为大单拉动趋势，小单反向操作时，会产生较高的偏度，因此偏度能够较好的捕捉人们交易行为，此外，偏度因子还代表着商品期货的博彩性质，偏度大的商品期货吸引更多资金前来对赌。我们采用的是过去N日收益率偏度来衡量，其中表现较好的为10日、20日、60日偏度因子。
图4：10日偏度因子
图5：20日偏度因子
图6：60日偏度因子
（4）其他因子
我们还总结了其他一些因子，包括流动性因子、资金流向因子、振幅因子、基差因子。
图7：流动性因子
图8：资金流向因子
图9：振幅因子
图10：基差因子
四、综合评价
下面是各因子溢价的表现，同时我们还用Hurst指数和方差比率检验的t值来衡量因子趋势的筛检情况。大部分因子的短期趋势都较为明显，如果小资金操作，可以考虑每5天或者10天就重新学习一下特征，构建组合，从而降低回撤。
表1：各因子表现汇总
表2：因子趋势性衰减与Hurst指数
期货策略 盈利因子怎么算
期货的交易策略有千万种。
盈利因子只是某个交易孝如策略中一个过滤组件或一个修正因子一类的东西，是一个称呼而已，是设计者很随意的一个特定称呼，而不是交易策略中必有的概念或共有的概念。
所以在不知道是哪个交易策巧含启略的情况下，所谓的盈利因子是无法得知的。
有时候，有些交易策略为了老友显示其神秘性，显示其高大上，特意搞一些特殊的概念糊弄客户。客户在使用一些来历不明，效果没有经过严格测试的交易策略的时候，一定要谨慎小心。
《期货投资学》中哪里提到转换因子的
“国债与期货的亲密关系：国债期货基差”中，提到过转换因子CF，当时转换因子仅简单将CF介绍为：根据国债期货合约规则，转换因子最终可用于交笑含割的国债较多（一篮子可交割国债），为了使交割任意一只国债对国债期货多头和空头双方都是公平的，转换因子引入了一个调整系数就是CF。
国债期货合约的设计者找了一种相对可行的方法，转换因子即假设在期货交割的时候，所有可交割国债的到期收益率都和虚拟券的票面利率一样，均为3%。根据这个假设，转换因子给每只国债计算出一个调整系数（转换因子），调整后多空双方交收任意一只国债都相对公平，因为到期收益率都是3%。转换因子就约等于可交割国债在其剩余期限内的现金流，转换因子用3%的国债期货虚拟券票面利率，贴现至最后交割日的净价，再除以100。仔细看过第一部分第2章“债券计算与市场分析”的读者可能一眼就会发现，上述过程类似于将债券的剩余现金流按到期收益率贴现计算债段升明券价格的过程。对债券价格计算不熟悉的读者可能有点儿蒙，可以再看看第2章的相关内容。这里举一个例子，比如国债160020的CF就约等于在最后交割日当天，假设160020的到期收益率是3%，算出它的净价再除以100。
“国债160020的票面利率为2.75%，低于到期收益率3%，所以计算出的CF结果小于1，这也转换因子符合我之前和你握告说过的债券价格与收益率变动规律。当到期收益率大于债券的票面利率时，债券价格低于面值。
怎么理解美国长期国债期货中的转换因子
直观上讲，转换因子实际上是一种债券价格，只不过这种债券价格是通过假定市场收益率为期货票面利率，且收益率曲线为水平时计算出来的对应可交割债券的债券价格。中国金融期货交易所规定，在计算某种可交割债券的转换因子时，首先必须确定该债券在国债期货到期日的剩余期限，然后以期货合约名义债券利率作为贴现率，将面值为1元州隐的该种债券漏迹乎在其剩余期限内的所有现金流量折算为现值，这个现值就是该债券的转换因子。
计算方法：在计算转换因子时，债券的剩余期限只取3个月的整数倍，多余的月份舍掉（二舍三入）。如果取整数后，债券的剩余期限为半年的倍数，就假定下一次付息是在6个月之后，否则就假定在3个月后付息，此时累计利返悉息应从贴现值中扣掉，以免重复计算。
