【点宽专栏】期货多因子（二）——各因子描述

2023-10-12 09:14:40

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