20191011-上海东证期货-上海东证期货衍生品量化择时专题（二）：螺纹钢指标筛选与大类因子合成研究（2019-10-11）.pdfVIP

专题报告-金融工程 风险中性定价原理（risk-neutral valuation） [Table_Title] 衍生品量化择时系列专题之二 ： 螺纹钢指标筛选与大类因子合成研究 [Table_Rank] 报告日期： 2019 年10 月11 日 王冬黎 高级分析师(金融工程) [Table_Summary] [Table_Analyser] 从业资格号： F3032817 ★数据与指标处理 基于钢铁行业五大类因子我们选取共计170 个基本面指标，分属 投资咨询号 Z0014348 于供应类、需求类、库存类、宏观经济类、现货价格价差类。我 Tel: 86213975 们基于基本面数据指标进行原值、环比变化率、较历史同期均值 Email: dongli.wang@ 比、较历史同期均值比变化率四种处理方法，以提取其相应维度 的信息。历史同期均值比指标是为了提取高频数据历史相对水平 顾萌 资深分析师(黑色产业) 维度信息，类似于低频数据同比的概念，更适用于高频数据。 从业资格号： F3018879 投资咨询号 Z0013479 ★预测回归与因子合成方法论 基于 IVX 的预测回归方法论：预测回归方法论方面我们使用 Tel: 86211596 金 Kostakis(2015)提出的IVX 方法进行样本外滚动预测，该方法无需 Email: meng.gu@ 特别区分即可处理平稳序列、协整序列、近似协整序列、近似平 融 稳序列，对于内生性较强的金融时间序列适用性广，有效避免了 工 基于传统回归时对数据进行平稳性转换时的信息丢失。 程 基于3PRF 模型的降维与因子合成方法：基于样本外滚动窗口对 螺纹五大类基本面指标分别进行动态筛选与赋权，得到供给、需 求、库存、宏观、价格价差共五大综合指标。我们使用Kelly (2015) 提出的3PRF (Three-pass Regression Filter)模型进行降维，该模型以 预测目标变量的协方差最大为降维目标更适用于预测问题。 ★螺纹量化择时效果 基于单因子筛选结果进行等权复合回测结果显示：对于周度预测 今年化收益率53% ，年化波动率18% ，最大回撤-18% ，日胜率57% ， 夏普比率2.80 ，换手率 （月）0.80 （换手率可降至0.4 ，对应夏普 率为2.63）；月度预测夏普比率1.79 ，换手率 （月）0.25 。 基于 3PRF 模型将大量基本面数据进行降维得到的螺纹基本面四 大类因子（供给A 、需求B 、库存C、宏观D）综合信号预测结 果显示：2014 年至今年化收益率40% ，年化波动率20% ，最大回 撤-22% ，日胜率55% ，夏普比率1.85 ，换手率 （月）0.98 。 ★致谢 感谢东方证券金融工程首席分析师朱剑涛老师的指导与帮助。 ★风险提示 市场逻辑切换造成回撤、模型失效。 重要事项：本报告版权归上海东证期货有限公司所有。未获得东证期货书面授权，任何人不得对本报告进行任何形式的发布、复制。本报告的信息均来源于 公开资料，我公司对这些信息的准确性和完整性不作任何保证，也不保证所包含的信息和建议不会发生任何变更。我们已力求报告内容的客观、公正，但文 中的观点、结论和建议仅供参考，报告中的信息或意见并不构成交易建议，投资者据此做出的任何投资决策与本公司和作者无关。 有关分析师承诺，见本报告最后部分。并请阅读报告最后一页的免责声明。