作者：小飞量化
题图：小飞量化微信公众号
摘要
我们本文从原理到交易展示一个“主观与量化碰撞而来”的独家估值因子，其周度、稳定的评估超过30种国内主流大宗商品的当下估值水平：高分空配，低分多配。它的一个最基本策略夏普比达到0.8。
估值原理。我们先笼统、但很重要的介绍怎么去用这个估值因子（对冲与CTA），同时讨论它背后的一些原理：估值模型是什么？有没有公式？
估值因子。我们后展示一个单到多周期，基于估值因子构建的商品CTA策略：样本内最优单周期夏普比0.8，多周期0.84。它也能跨越多个持有期，表现稳健。
风险提示：过去业绩不代表未来等。
本文三部分。第一部分是主观估值的介绍，从交易策略到估值原理，简单清晰。第二部分是用估值因子做一个基本的CTA策略，展示表现。第三部分是总结和展望，包括样本外。
主观估值
研究大宗商品估值的原因非常简单：我们需要知道某个商品当下“贵还是不贵，以及它们的程度”。学术一点说，是商品的价值因子。这个因子早已被证明能跨越多种大类资产，并且和CTA最受欢迎的动量因子长期低相关，所以值得研究。
但也确实，据我们所知，商品价值测算可能没有很标准的、很有说服力的统一做法，但机会也正在于此：我们为此找来了部门聚酯主观研究的资深同事，看能不能抽象出一种较为普适的估值模型，即使这个模型只能起概念上的作用。在此之前，我们先整理一下已有的数据。
首先，覆盖品种数目前是38。其次观察数，也就是各品种在时间序列上有多少估值数据点，这里最大为128，最小62，平均111，三者不相等的原因主要是有部分品种是刚上市不久。无论如何，我们这个估值因子能覆盖当下国内上市的主流品种，也能覆盖一些热门的新品种。下面我们紧接着介绍两种基于此数据的量化交易策略：对冲与CTA。
对冲
即风险溢价策略，在我们这里，就是做多估值低的商品期货，做空估值高的商品期货，两边数目相等。理由十分简单：估值高的商品预期回报会跑输同类平均，反之跑赢。我们这里展示5月最后一个估值截面（25）如下。
举一个例子，显然，我们可以在5月末开始做多沥青和锰硅，同时做空硅铁和PVC。这里可以看到我们的主观估值已是标准化的数值，范围是-5到+5。怎么映射的，投资者可以翻阅本节最后原理部分。
CTA
传统CTA，看下面这张图，我们以PTA为例。
明显，今年以来PTA的估值是走中性高估，再到低估，也就是说CTA策略今年伊始应该持续做空PTA，然后在5月底转多。无谓主观还是量化。这种策略也对应我们本文中第二部分展示的CTA策略，我们在那里还会考虑不同周期、不同品种等因素。
原理
最后，我们有一个s函数来把这些部分之和映射成一个分数值，就是我们文中所说的品种主观估值，取值-5至+5，越高，越高估，反之低估。
估值因子
通过上节原理，我们算是相对清晰的了解了大宗商品估值方法论，通用性在于：虽然我们是以PTA为例，但其中的生产/下游/进口利润，是大多数品种或多或少都具备的。接下来，我们进一步将交易策略具体化，展示一个基于该估值因子的常规CTA策略——趋势跟踪。
这次的测试是直接沿用了早前机构预期因子工作的配置。唯一的区别，我们测试数据更多一些了：样本内从2021年10月至2024年2月，也是周度。我们先看一个夏普统计。
首先，不同周期估值因子的表现是相当的，而短周期在持有期上更加稳定。其次，随着周期的拉长，策略的表现在变弱。最后，多周期在H=1的情况下时，拥有最高的夏普。同时，我们在所有的参数组上都有正夏普。下面是我们在H=1的时候，单周期K=1和多周期的估值因子样本内走势。
总结
本文我们介绍了一个独家估值因子，特色在于，其将主观、标准价格、回归特性等尽可能的综合、转化为量化可交易的模式。最重要的是，过去超过2年的、剔除模型选择等因素的回测结果表明，
1）我们的主观分析师对不同大宗商品的估值是合理的、有效的
2）量化对主观结果的转化，即最后的分值，也是有效的，且存在一致性
3）商品的价值因子是存在的
展望未来，我们有一个新加入的趋势因子——主观估值可以开始跟踪。它稳定的，周度发布。更好的是，它可能又是CTA动量因子的一个“对手方”。
版权声明：文章版权归原作者所有，部分文章由作者授权本平台发布，若有其他不妥之处的可与小编联系。
