1

原油基本面量化的方法：從基本面數(shù)據(jù)到預(yù)測模型

1.1、原油基本面

原油是重要的工業(yè)原料，原油加工能得到柴油、汽油、煤油、瀝青(2862, 34.00, 1.20%)等能化品，其價格走勢對整個能化產(chǎn)業(yè)鏈都有著非常重要的影響。原油價格無論對于產(chǎn)業(yè)鏈企業(yè)還是金融投資機構(gòu)都是關(guān)注的焦點問題，本文將建立基本面量化模型對原油、汽油等油類的價格進行預(yù)測。

原油產(chǎn)業(yè)鏈遍及全球，產(chǎn)業(yè)鏈數(shù)據(jù)涉及產(chǎn)油、煉油、運輸、庫存、消費多個環(huán)節(jié)，此外原油作為重要的大宗商品期貨還產(chǎn)生了大量相關(guān)的衍生數(shù)據(jù)，Brent原油期貨合約和WTI原油期貨合約是全球原油價格的重要標(biāo)桿。

原油的基本面數(shù)據(jù)，主要分為原油期貨相關(guān)數(shù)據(jù)、EIA相關(guān)數(shù)據(jù)、石油生產(chǎn)數(shù)據(jù)、石油貿(mào)易運輸數(shù)據(jù)、石油公司股價數(shù)據(jù)。由于實際細分項的基本面數(shù)據(jù)高達近千項，這里僅對部分代表性數(shù)據(jù)庫的基本面數(shù)據(jù)進行部分展示。

原油的基本面數(shù)據(jù)數(shù)量較多、質(zhì)量可靠，為基本面量化的良好結(jié)果打下了數(shù)據(jù)基礎(chǔ)。由于原油基本面數(shù)據(jù)數(shù)量眾多高達近千項，這里不一一列舉。

1.2、預(yù)測方法：高維時間序列因子模型

基本面量化的預(yù)測問題本質(zhì)是用多維的基本面數(shù)據(jù)來預(yù)測未來收益率，高維時間序列預(yù)測問題可以簡單歸結(jié)為利用高維數(shù)據(jù)來形成對某一特定時間序列的預(yù)測。

將上述高維時間序列預(yù)測問題利用金融學(xué)中常用的因子模型進行建模，這里直接引用Fan et al.（2017）中的表述。

以上表述中第一行為“預(yù)測”，第二行為“降維”。Y是需要被預(yù)測的變量，X是可以觀測到的預(yù)測變量，即基本面數(shù)據(jù)指標(biāo)。一般而言X是高維矩陣，需要降維，f是降維后得到的因子。

第一行預(yù)測最為簡單的可以考慮線性預(yù)測，比如宏觀經(jīng)濟學(xué)中多用向量自回歸（VAR），當(dāng)然也可以考慮其他非線性預(yù)測方法，重要的是依據(jù)數(shù)據(jù)特點和服務(wù)預(yù)測目的。

第二行降維常用因子模型（factor model）的結(jié)構(gòu)，通過降維將多維信息集中到少數(shù)變量中，便于預(yù)測、后續(xù)監(jiān)控。因子模型在金融中極為常見，因子f可以是直接找的某種proxy，比如Fama-French三因子模型，也可以是直接從X中估計得到的，比如PCA估計因子的latent factor model。無論是宏觀中的dynamic factor model還是金融中的common factor model，或者計量中的latent factor model，都可以歸結(jié)為該因子模型結(jié)構(gòu)。

在實際應(yīng)用中，一般把預(yù)測和降維綜合起來考慮，降維是手段，預(yù)測才是目的。

1.3、量化擇時體系

從整個大的擇時邏輯框架而言，不同的資產(chǎn)（股票、債券、商品等）在時間序列上的驅(qū)動因子存在差異，而且趨勢周期的長短（長、中、短、高頻）也存在差異?？傮w而言，長短周期的擇時信號疊加基本可以解決資產(chǎn)的擇時問題，根據(jù)我們的擇時策略研發(fā)經(jīng)驗，概括起來，擇時長周期看宏觀（經(jīng)濟增長、流動性等），中周期看基本面（如行業(yè)上下游、供需、公司經(jīng)營情況等），短周期看量價（量價趨勢性判斷指標(biāo)）。長、中、短周期的擇時信號疊加可以極大解決資產(chǎn)的擇時問題。

通過對時間序列、相關(guān)性、降維、預(yù)測等方法的研究，以及將具體方法應(yīng)用于擇時策略，我們逐漸搭建完成了完備的“量化擇時方法體系”。

我們的量化擇時體系能夠批量挖掘有效的擇時因子，并對有效的多維擇時因子進行組合優(yōu)化，該體系具體內(nèi)容如下。

一、單擇時因子挖掘：擇時因子的批量挖掘，從原始數(shù)據(jù)到生成擇時因子，數(shù)據(jù)處理、形式變換、周期變換；

1.1 形式變換：確定數(shù)據(jù)的何種形式有預(yù)測效力，如絕對值、平均值、環(huán)比、同比等

1.2 周期變換：確定擇時因子的最優(yōu)預(yù)測周期，比如有的因子時序滯后

二、單擇時因子檢驗：系統(tǒng)化檢驗單因子的擇時效果，有效的單因子進入擇時因子池；

2.1 預(yù)測法：根據(jù)預(yù)測值生成擇時信號，回測擇時表現(xiàn)

2.2 分組法：根據(jù)歷史分組生成擇時信號，回測擇時表現(xiàn)

三、多擇時因子組合優(yōu)化：從因子池挑選有效的因子，對多擇時因子降維預(yù)測形成最終的綜合多空信號；

3.1 預(yù)測綜合法：打分法，信號打分綜合

3.2 信息綜合法：降維預(yù)測方法，因子降維形成綜合預(yù)測

整個量化擇時體系是一個系統(tǒng)的框架，很多模塊的細節(jié)可以進一步優(yōu)化，通過我們對黑色（焦炭(1907,11.50, 0.61%)、鐵礦(789, 8.00, 1.02%)石、螺紋鋼(3726, 48.00, 1.31%)）、能化（原油、動力煤(557, -1.60, -0.29%)、PTA(3624, -16.00, -0.44%)、PP、L、MA）、有色（銅、鋁、鎳、鋅）、非金屬建材（玻璃(1543, 15.00, 0.98%)）、油脂油料（棕櫚(5086, 40.00, 0.79%)油、豆油、菜油）、農(nóng)產(chǎn)品（白糖(5244, 24.00, 0.46%)、豆一、玉米(2145, 31.00, 1.47%)）等期貨品種的基本面量化研究已經(jīng)證明了這套方法的可行性、可靠性、先進性。

量化策略的成功關(guān)鍵在于系統(tǒng)性，只有系統(tǒng)的成功才能保證策略的穩(wěn)定更新迭代，才能保證長期穩(wěn)定的盈利，一套成功的從數(shù)據(jù)到指標(biāo)、到信號、到優(yōu)化組合的投研系統(tǒng)就是資管機構(gòu)的“核心資產(chǎn)”。

該擇時方法體系可用于任何“價格”的擇時，應(yīng)用的策略包括CTA趨勢策略（對絕對價格進行擇時）、套利策略（對價差進行擇時）、股票橫截面因子擇時（對一個資產(chǎn)組合進行擇時）、大類資產(chǎn)配置（宏觀擇時）、基本面擇時（高頻基本面數(shù)據(jù)用于時間序列擇時）等。

基于東證期貨“繁微數(shù)據(jù)平臺”，該數(shù)據(jù)平臺聚合了來自多個數(shù)據(jù)庫（INE、Bloomberg、Baker Hughes、Thomson Reuters、EIA、CFTC）的原油基本面數(shù)據(jù)，我們構(gòu)建了原油基本面因子庫，基本面高頻數(shù)據(jù)更新頻率在日頻、周頻，基于預(yù)測模型我們可以實現(xiàn)日度頻率地每天更新預(yù)測結(jié)果，以便更好地將預(yù)測結(jié)果用于更新投資決策。

2

基本面量化擇時：原油

原油是交易量最大、交易最為活躍的大宗商品之一，不僅是很多CTA策略的主要品種，而且深受大類資產(chǎn)配置類策略的偏愛，對原油期貨未來價格的預(yù)測意義重大。

上期所的SC原油合約（SC.INE）上市時間太短歷史數(shù)據(jù)不夠，而原油價格以外盤定價為主，這里主要以倫敦國際石油交易所IPE的Brent原油期貨（B.IPE）首行合約的收盤價作為預(yù)測對象，利用基本面數(shù)據(jù)對原油期貨未來的價格走勢進行預(yù)測。

通過多周期的預(yù)測結(jié)果，可以實現(xiàn)預(yù)測原油的“遠期價格曲線”，以更好地指導(dǎo)擇時類原油交易。

2.1、中周期擇時：月度預(yù)測

中周期擇時是指預(yù)測周期在未來20個交易日，即月度周期的擇時。在對多個品種進行基本面量化后我們總結(jié)發(fā)現(xiàn)，周度數(shù)據(jù)為主的基本面數(shù)據(jù)集往往預(yù)測月度價格效果較好，對趨勢性機會把握更加精準(zhǔn)。

（1）有效的基本面指標(biāo)

首先是裂解價差這一類指標(biāo)擇時比較有效，其中包括“汽油-WTI裂解價差”、“ICE柴油-Brent裂解價差”，“LLS GULF COAST 321”、“WTI Cushing/USGC 321”為地區(qū)裂解價差。

CFTC持倉情況是原油交易員關(guān)注度較高的指標(biāo)，研究發(fā)現(xiàn)持倉情況確實有擇時效果，包括 “CFTC非商業(yè)空頭持倉量”，“CFTC非商業(yè)凈多倉占比”。

此外，原油貿(mào)易、運輸環(huán)節(jié)的數(shù)據(jù)也有擇時效果，包括“美國周度成品油凈出口量”， “中東至中國VLCC運費”。

最后，石油公司、煉廠等上市公司相關(guān)數(shù)據(jù)也能為油價未來走勢提供可參考的信息，包括“美國煉廠Marathon Petroleum公司的股價”。

從原油基本面數(shù)據(jù)中，可以挖掘出很多具有擇時效果的基本面擇時因子。這里僅做簡單的等權(quán)組合多空回測來檢驗其擇時能力。

（2）基本面指標(biāo)的樣本內(nèi)擇時效果

基本面月度預(yù)測信號與原油長周期的趨勢變動方向相一致，如2015、2020年看空原油，2017年看多原油。缺陷在于只能把握周期性趨勢，難以確定精確的開平倉點，我們在后面疊加量價信號解決了這一問題。

基本面信號多空回測年化收益率53%，夏普1.7，勝率70%，盈虧比2.21，典型的CTA趨勢策略，回撤較大主要是因為趨勢結(jié)束時未及時止盈帶來的大幅凈值回撤。

月度周期的擇時適合中長期持倉CTA策略的原油投資者，及時止盈止損可以極大提升該策略的表現(xiàn)，而且長期來看擇時策略的表現(xiàn)還是相當(dāng)優(yōu)異的。

（3）樣本外動態(tài)篩選指標(biāo)的擇時效果

進一步，由于部分指標(biāo)可能存在失效的問題，這里考慮動態(tài)篩選有效的基本面指標(biāo)來進行預(yù)測，提高預(yù)測的準(zhǔn)確性。動態(tài)篩選指標(biāo)的窗口期一般選擇3-5年，太短可能指標(biāo)擇時穩(wěn)定性不夠，太長容易在指標(biāo)失效時未及時剔除。

此前有讀者會認為篩選樣本這一步是樣本內(nèi)的，但是如果數(shù)據(jù)樣本足夠長的話完全可以樣本外每一個交易日動態(tài)篩選有效的指標(biāo)，事實上在做定期報告預(yù)測時我們也是這樣做的。此前一些品種未做動態(tài)篩選主要原因是基本面數(shù)據(jù)時間長度較短，這個動態(tài)篩選后的樣本外的數(shù)據(jù)會相對比較少，而我們本身的邏輯是追求長期有穩(wěn)定擇時效果的指標(biāo)，只要指標(biāo)的長期穩(wěn)定性好，預(yù)測結(jié)果長期來看擇時效果還是非常穩(wěn)定的。

原油是較難擇時的品種，為了進一步挖掘有效因子來提升策略擇時的表現(xiàn)，利用東證期貨“繁微數(shù)據(jù)庫”中的大量基本面數(shù)據(jù)，我們進一步擴展時間長度和基本面指標(biāo)覆蓋的廣度，時間上覆蓋了2010年1月以來的基本面數(shù)據(jù)，以下基本面數(shù)據(jù)均可以在Bloomberg數(shù)據(jù)庫找到。

基于長達10年歷史的擇時因子數(shù)據(jù)，進行樣本外動態(tài)篩選指標(biāo)，具體篩選規(guī)則是每個月（20個交易日）更新有效因子組合，在更新日回測每一個因子過去5年的表現(xiàn)，篩選標(biāo)準(zhǔn)是單因子年化夏普高于0.7、勝率高于50%、交易次數(shù)高于10次，然后根據(jù)篩選因子的多空信號等權(quán)平均確定綜合多空信號。

擇時效果穩(wěn)健，僅依靠基本面信號年化夏普就能達到2.63。即使剔除2020年大跌行情的做空獲利，2016至2019年原油擇時效果仍然非常顯著。

剔除2020年后，各項指標(biāo)相對比較正常，年化夏普2.5，勝率70%，卡爾瑪比率3，盈虧比2.7，為典型的趨勢類策略。

其中2017年上半年擇時表現(xiàn)較差，尤其是2017年3月至6月，總體大趨勢是下跌，但在下跌過程中伴隨著反復(fù)的反彈，趨勢性并不是很好，漲跌轉(zhuǎn)換頻率在半個月以內(nèi)，基本面指標(biāo)較難準(zhǔn)確預(yù)測高頻的反轉(zhuǎn)（我們模型的基準(zhǔn)預(yù)測周期是20個交易日）。

動態(tài)篩選指標(biāo)是對預(yù)測流程的一個優(yōu)化，因子的本質(zhì)是動態(tài)變化的，樣本外動態(tài)篩選指標(biāo)讓預(yù)測結(jié)果更加穩(wěn)健。

基本面信號更多是提供了交易方向，進一步結(jié)合量價信號可以更好的確定開平、倉點，來提升趨勢策略的表現(xiàn)。和《衍生品量化擇時系列專題（四）：擇時因子組合優(yōu)化：基于SF的降維預(yù)測方法》中一樣，結(jié)合量價信號SAR來綜合共振擇時，降低持倉周期提高交易頻率來降低回撤。

由于結(jié)合量價信號能夠及時止盈止損，起到降低回撤、增加收益的作用，策略表現(xiàn)進一步提升，年化收益率101.5%，最大回撤-14.9%，年化夏普3.45，勝率高達77.8%，盈虧比4.19，卡爾瑪比率6.81。

剔除2020年后的回測表現(xiàn)更接近原油基本面量化長期的表現(xiàn)，年化夏普在3.16左右，盈虧比2.18左右，但勝率很高達到76%。

除了2017年上半年這段時間表現(xiàn)不佳外，其余時間表現(xiàn)較好。結(jié)合量價信號后，最大回撤控制在-15%以內(nèi)，而實際投資中資管產(chǎn)品往往是多品種、多策略組合，組合后完全可以進一步控制組合最大回撤在-10%。實際交易中，止盈止損往往會在日內(nèi)完成，因此止盈止損會比回測中更為及時，策略的表現(xiàn)將會進一步提升。

2.2、短周期擇時：周度預(yù)測

短周期擇時是指預(yù)測周期在未來5個交易日，即周度周期的擇時。短周期的擇時更符合CTA交易的需要，信號靈敏度更高。但是越是短周期擇時難度越大，短期的價格變動接近隨機游走，對原油的短周期擇時一個難點是對原油行情數(shù)據(jù)的趨勢過濾。

由于這里是僅從基本面數(shù)據(jù)出發(fā)做的價格預(yù)測，因此很多時候入場點或者出場點的判斷并不精確，建議在CTA中結(jié)合量價信號來綜合確定開倉、平倉信號。由于周度預(yù)測的信號勝率并不是特別高，我們更建議利用月度預(yù)測信號來結(jié)合量價信號進行CTA交易，構(gòu)造勝率較高的擇時策略。

短周期擇時年化收益率57%，年化夏普1.69，勝率60%，但盈虧比高達3.1，符合趨勢策略的特點，策略表現(xiàn)較好但仍有較大的優(yōu)化空間。

由于原油期貨的價格本身趨勢性不是很好，基本面短周期擇時頻繁換倉并沒有帶來多大的收益，2015年以來最大的收益來自2019年底至今頻繁做空原油獲得的收益。由于宏觀經(jīng)濟波動帶來的需求波動，原油每5年左右都會有比較大的行情，最近的幾次是2008年、2014年、2020年。

2.3、長周期擇時：季度預(yù)測

長周期這里指預(yù)測未來60個交易日，即季度周期的擇時?；久鏇Q定了資產(chǎn)價格在中長期的走勢，可以根據(jù)基本面量化來判斷原油價格當(dāng)前處于長期的上漲還是下跌周期，可以作為長周期大類資產(chǎn)配置策略的參考。

從多空判斷的情況來看，總體與大趨勢一致，但是存在行情反轉(zhuǎn)時變化不及時的問題，很多時候當(dāng)行情轉(zhuǎn)向時，市場交易的不是當(dāng)前基本面而是對未來基本面的預(yù)期。

長周期擇時的多空策略表現(xiàn)并不是很好，一般只作為上漲、下跌周期的判斷，不作為直接的開平倉信號。

長周期擇時信號總體與長周期趨勢方向是一致的，只是后期轉(zhuǎn)向時未及時止盈止損導(dǎo)致回撤較大、凈值波動較大。長周期擇時信號不宜直接作為交易信號，只能作為長周期判斷的參考，實際交易中應(yīng)結(jié)合短周期擇時信號進一步確定開平倉點。

長周期的擇時可以輔助投資者進行短周期CTA的交易，例如起過濾作用，在上漲周期中對做空交易進行一定限制以提高勝率。

2.4、原油擇時指標(biāo)的邏輯解析：基本面量化VS基本面分析

（1）原油擇時指標(biāo)的基本面邏輯

哪些基本面指標(biāo)對原油有長期穩(wěn)定的擇時效果？基于對多種商品“基本面+量化”綜合研究，我們發(fā)現(xiàn)不同商品的擇時指標(biāo)有共性也有特性，而原油是代表性品種。

首先，中間生產(chǎn)商的利潤率是很多大宗商品基本面分析的重點關(guān)注指標(biāo)。比如在原油產(chǎn)業(yè)鏈上從上游原油到煉廠加工得到汽油、柴油這一過程，由于上、下游博弈的關(guān)系，上下游的相對地位強弱不同，針對上游商品成本的變化煉廠調(diào)價的彈性也不同，也就是上游成本的上漲主要是由煉廠承擔(dān)（煉廠利潤下降）還是由下游承擔(dān)（下游商品漲價）。原油是煉廠的成本項，原油價格低時裂解價差就高，煉廠利潤相對較好，反之反向，因此其具有較好的擇時作用，這與基本面的邏輯一致。

其次，原油的運輸貿(mào)易類指標(biāo)也具有較好的擇時作用，因為原油的生產(chǎn)、消費往往不在同一地區(qū)（美國是例外），二者距離較遠非常依賴海運，因此像“中東至中國VLCC運費”有明顯的擇時作用，在油價較低時，購買方往往會加大購買原油力度，運費也隨之水漲船高，今年4月份的情形就是如此。

另外，庫存中的浮式油輪庫存數(shù)據(jù)有較好的擇時效果。“全球浮式油輪庫存”（DZ00036705）單因子過去10年的年化夏普為1.32，“北海地區(qū)浮式油輪庫存、西非浮式油輪庫存、歐洲浮式油輪庫存”等數(shù)據(jù)也有類似的擇時效果。庫存反映了供需相對強弱的變化，浮式油輪是原油重要的“靈活庫存”，是庫存數(shù)據(jù)中變化相對較為靈敏的指標(biāo)，在行情變化較大時“累庫”“去庫”往往會邊際體現(xiàn)到浮式油輪庫存這一數(shù)據(jù)中。

最后，原油相關(guān)的金融市場指標(biāo)往往也有較好的擇時效果。比如CFTC持倉數(shù)據(jù)，多頭持倉增加或者空頭持倉減少往往預(yù)示著市場在看好原油，因此對后市看漲行情也有明顯的預(yù)示作用。很多原油交易員都表示CFTC等期貨持倉數(shù)據(jù)有一定的擇時效果，經(jīng)過我們的測算確實如此?！癛BOB非商業(yè)多頭持倉量”（DZ00036554）過去十年的年化夏普為1.13，“ULSD商業(yè)空頭持倉量”、“ARA取暖油總持倉”也有類似的擇時效果。

再比如，煉廠由于主營業(yè)務(wù)就是原油加工，所以原油裂解價差就是其加工利潤率的主要影響因素，因此油價漲跌會極大影響煉廠的凈利潤，進而影響上市煉廠的股價。Valero、Marathon Petroleum、PBF、Total等相關(guān)石油公司和煉廠的股價均有一定的擇時效果。

金融市場數(shù)據(jù)并不是第一手的基本面數(shù)據(jù)，但在有效的金融市場上，金融市場數(shù)據(jù)往往反映了市場用真金白銀對漲跌投票的觀點，對后市的預(yù)測效果明顯。

值得注意的是，宏觀決定了大宗商品在較長周期的走勢，比如原油2008年、2014年、2020年大跌，都與宏觀經(jīng)濟走弱帶來的需求下降有關(guān)。但宏觀預(yù)測的周期太長，只適合長期持有的大類資產(chǎn)配置策略，對CTA類交易沒有太直接的指導(dǎo)意義。

（2）基本面量化VS基本面分析：替代還是互補？

我們開發(fā)了基本面量化模型，方法的根本邏輯還是統(tǒng)計的邏輯，依靠長時間序列、多維時間序列的“大數(shù)定律”來提高預(yù)測的準(zhǔn)確性、穩(wěn)定性、穩(wěn)健性?；久媪炕Ｐ偷膬?yōu)勢在于高頻、多維、穩(wěn)定的預(yù)測，以此進行多空擇時。

但是，這并不意味基本面量化可以替代基本面分析，部分基本面分析較難量化，主要還是互補關(guān)系。比如原油交易員非常關(guān)注“EIA庫存數(shù)據(jù)”，庫存是大宗商品的重要基本面指標(biāo)，但庫存指標(biāo)是典型的非線性預(yù)測指標(biāo)，在庫存處于相對高位時，油價往往較低，但庫存處于正常水平區(qū)間時，其變動對價格漲跌影響不大，也就是說庫存只有在極值區(qū)間時才起作用，因此可進一步考慮非線性預(yù)測來進行優(yōu)化。利用基本面量化可以挖掘很多有擇時作用的指標(biāo)，而其背后的邏輯可能有多個隱含層，類似神經(jīng)網(wǎng)絡(luò)，因此在很多時候可以發(fā)出領(lǐng)先基本面分析的擇時信號。

在我們的擇時投研體系中，我們會參照“基本面量化擇時模型+量價擇時模型+基本面分析”三個維度的分析來綜合研判當(dāng)前市場未來的漲跌情況，其中以“基本面量化擇時模型”為主，綜合研判后擇時勝率大大提高，擇時效果更加穩(wěn)健?！敖y(tǒng)計學(xué)習(xí)”+“人工學(xué)習(xí)”能多維度更全面地解析商品基本面，基本面量化能解決一部分基本面分析中的工作量。

（3）真正的樣本外預(yù)測：基本面量化在實際投資中的預(yù)測效果如何？

基本面量化的實際預(yù)測效果，和股票多因子一樣，依賴底層的單因子擇時效果是否準(zhǔn)確、穩(wěn)定，一般而言有5-10個長期穩(wěn)定的因子，基本就可以做到預(yù)測比較有效。

我們在2020年5月8日的量化擇時月報《量化擇時月報：基建發(fā)力基本面轉(zhuǎn)好，焦炭看漲》中成功預(yù)測了焦炭的上漲行情，隨后焦炭在1720-1750價位經(jīng)歷3天震蕩行情后開啟連續(xù)上漲，并在6月1日突破1900關(guān)口。其中也有基本面的分析，我們早在2月的熱點報告中就預(yù)測黑色系將隨著經(jīng)濟刺激方案的基建加碼而出現(xiàn)一波上漲行情，4月份以來黑色系的強勢主要就是基建帶來的需求驅(qū)動，隨后山東限產(chǎn)的供給收緊進一步推動了行情。而在2019年10月我們也成功預(yù)測了焦炭的大跌行情，2020年1-4月模型以看跌信號為主，基本與行情相一致。

在2020年5月15日成功預(yù)判Brent原油的短期上漲行情，原油20至30美元眾所周知是歷史低位，但關(guān)鍵問題是會在底部震蕩多久，何時才能開啟上漲行情，5月22日的最新預(yù)測結(jié)果中眾多基本面指標(biāo)轉(zhuǎn)為看漲，原油可能已經(jīng)迎來了2019年底大跌以來的周期性拐點，基本面量化提供的基本面高頻預(yù)測信號領(lǐng)先市場窺得先機。

2

基本面量化擇時：汽油

汽油、柴油是日常消費量最大的兩種成品油，跟原油屬于上下游的關(guān)系，其價格跟原油漲跌相關(guān)性較高。

成品油的價格也是很多能化產(chǎn)業(yè)鏈企業(yè)關(guān)心的問題，原油價格的變動往往會帶來成品油現(xiàn)貨價格的波動，在此我們嘗試對汽油價格進行預(yù)測，以幫助實體企業(yè)更好地在生產(chǎn)中應(yīng)對、利用成品油的價格波動?；趯ζ偷膬r格預(yù)測，可以輕松幫助企業(yè)節(jié)約成本、創(chuàng)造利潤，有效控制成品油的價格風(fēng)險。

3.1、汽油價格預(yù)測

汽油是居民消費較多的成品油，也是貿(mào)易商、零售商等現(xiàn)貨經(jīng)營利潤較高的品種，汽油價格很多時候變動劇烈，而企業(yè)為了降低進貨成本需要對汽油現(xiàn)貨價格進行擇時。

考慮這樣一個成品油終端零售企業(yè)的案例，該企業(yè)以加油站銷售汽油、柴油給零售客戶為主業(yè)，有一定的現(xiàn)貨庫存能力，而由于油價很多時候行情漲跌變化較快，因此其需要對汽油價格未來的漲跌進行預(yù)測，以確定什么時機囤貨來降低進貨成本。該企業(yè)每天出售汽油1000噸左右，庫存周轉(zhuǎn)周期5至10天，由于每天消耗庫存1000噸，基準(zhǔn)情形下可以每天進貨1000噸來補充庫存，但如果我們能夠預(yù)測汽油價格未來的漲跌，在價格將上漲時提前進貨，在價格將下降時延后進貨，可以極大降低進貨成本，進而為企業(yè)創(chuàng)造不小的利潤。

核心仍然是預(yù)測汽油價格未來的漲跌，比如每周五預(yù)測下周的漲跌情況，如果看漲則在周五下訂單一次性訂未來7天的貨，這樣會比未來7天每天訂一次貨的平均成本更低。這里我們對汽油現(xiàn)貨價格進行漲跌預(yù)測，然后根據(jù)預(yù)測值進行多空交易回測，以檢驗多空信號的擇時效果如何，最后簡單測算一下油價預(yù)測給企業(yè)帶來的實際經(jīng)濟效益。

汽油、柴油價格與國內(nèi)Brent原油成本價漲跌相關(guān)性很高（中國原油主要依賴進口），其差值反映了煉廠的利潤?，F(xiàn)貨價格在不同地區(qū)存在一定的差異，這里選取山東地區(qū)的柴油、汽油帶票均價（山東地方煉廠的掛牌均價）作為本文需要預(yù)測的現(xiàn)貨價格，現(xiàn)貨價格數(shù)據(jù)來自隆眾資訊。

由于實體企業(yè)在價格看漲時提前囤貨來降低成本較容易實現(xiàn)，而現(xiàn)貨做空需要有一定的現(xiàn)貨庫存“底倉”，況且基本面量化模型在做空行情中表現(xiàn)很好，這里我們重點關(guān)注看漲行情的擇時效果如何。同時由于實體企業(yè)對虧損特別敏感，這里對基本面量化模型以高勝率、低回撤為目標(biāo)進行了優(yōu)化。對篩選出的單擇時因子信號進行等權(quán)組合，可以得到綜合擇時信號，以此進行歷史多空回測以檢驗其擇時效果。

和原油擇時一樣，每20個交易日動態(tài)篩選指標(biāo)進行預(yù)測，篩選標(biāo)準(zhǔn)為單因子過去5年回測年化夏普高于1.2、勝率高于50%、交易次數(shù)高于10次。

總體而言，多空交易的凈值表現(xiàn)很穩(wěn)定，回撤較小，年化收益率51%，最大回撤-7.5%，夏普比率5，勝率高達77%，盈虧比5.79，卡爾瑪比率6.91。

擇時信號歷史表現(xiàn)較好，抓住了大多數(shù)趨勢性行情，而且判斷錯誤、未給出信號的比例均較低，基本面量化模型對行情預(yù)測的準(zhǔn)確率很高。

簡單測算一下基本面量化給企業(yè)帶來的經(jīng)濟效益。按照每天出售1000噸汽油、汽油價格在大約6000元/噸的數(shù)量級，那么這里僅多頭擇時就能實現(xiàn)年化20%左右（多空年化收益51%）的收益，一年能夠?qū)崿F(xiàn)盈利840萬元左右，假設(shè)該企業(yè)每年支出40萬元用于汽油基本面量化研究相關(guān)的費用，那么每年仍有800萬的凈利潤。

3.2、基本面量化中的價格預(yù)測：現(xiàn)貨VS期貨

從價格變動的相關(guān)性來看，汽油現(xiàn)貨價格變動主要受原油價格變動的影響，而國內(nèi)原油現(xiàn)貨價格主要根據(jù)Brent期貨來定價。因此，汽油和Brent油價變動的相關(guān)性很高，但通過擇時研究我們發(fā)現(xiàn)對現(xiàn)貨價格擇時的效果要遠遠好于期貨。為什么呢？

在金融資產(chǎn)定價中，資產(chǎn)價格是指金融資產(chǎn)的價格，期貨和股票一樣也是金融資產(chǎn)，實證資產(chǎn)定價的諸多結(jié)論也同樣適用于期貨，比如短期期貨價格的隨機游走屬性很強，但這些規(guī)律并不適用于現(xiàn)貨價格。我們研究發(fā)現(xiàn)現(xiàn)貨價格更容易預(yù)測，而且現(xiàn)貨價格的趨勢性很強，“噪音”含量更低，更容易提

取有用的預(yù)測信號，其中最明顯的就是現(xiàn)貨價格的量價信號更容易挖掘、表現(xiàn)更好。

很多原油產(chǎn)業(yè)鏈客戶都需要對原油、汽油、柴油等現(xiàn)貨價格進行預(yù)測，以方便其更好地安排生產(chǎn)、囤貨、銷售等環(huán)節(jié)，我們將為有需要的客戶提供多品種、多周期的高頻預(yù)測。目前現(xiàn)貨市場對價格進行專業(yè)預(yù)測的機構(gòu)較少，利用我們的基本面量化模型對現(xiàn)貨價格預(yù)測的有效性很高，在本報告對汽油現(xiàn)貨自2016年以來的預(yù)測中，多空回測的年化夏普比率超過了4，年化收益率超過50%，最大回撤僅-7.5%左右，價格預(yù)測的效果非常好。

基于完善的產(chǎn)業(yè)鏈基本面數(shù)據(jù)庫以及開創(chuàng)性的基本面量化擇時模型，我們針對原油、汽油、柴油等能化品期貨、現(xiàn)貨價格提供多品種、多周期（長、中、短周期均可預(yù)測）的精準(zhǔn)預(yù)測，歡迎有需要的客戶與我們聯(lián)系。

4

總結(jié)

?自基本面量化專題第一篇《基本面量化擇時之單指標(biāo)篩選—以焦炭為例》中構(gòu)造單擇時因子以來，我們在系列報告中構(gòu)建、優(yōu)化、完善了基本面量化擇時的方法體系，通過對黑色、能化、有色、油脂、農(nóng)產(chǎn)品等期貨品種的基本面量化研究已經(jīng)證明了方法的可行性、可靠性、先進性。

進一步對股票（股指、行業(yè)指數(shù)、主題指數(shù)、個股）、債券（國債、信用債）、波動率（股指實際波動率、期權(quán)VIX）我們也發(fā)現(xiàn)了諸多有較好預(yù)測效果的因子，基本面量化的優(yōu)勢明顯。

基本面量化模型解決了資產(chǎn)價格日線級別的擇時問題，擇時效果穩(wěn)健，多個期貨單品種的策略年化夏普在3以上，通過多個品種配置的商品擇時組合可以實現(xiàn)年化夏普5以上，卡爾瑪比率5以上，以控制波動率15%、最大回撤-10%來控制風(fēng)險敞口，可以實現(xiàn)年化收益50%以上。基本面量化就是期貨中長期CTA策略的解決方案。

?基本面才是驅(qū)動資產(chǎn)價格的本質(zhì)規(guī)律，應(yīng)用基本面量化方法可以從基本面數(shù)據(jù)出發(fā)預(yù)測未來的價格，模型對原油期貨趨勢性方向判斷準(zhǔn)確率在90%以上。在Brent原油期貨上的擇時策略年化收益高達101.5%，夏普3.45，勝率77.8%。在汽油現(xiàn)貨的擇時表現(xiàn)上非常優(yōu)異，年化夏普比率超過4，最大回撤僅在-10%以內(nèi)。

?Brent原油期貨：月度價格預(yù)測，2016年以來樣本外多空回測年化收益率101.5%，最大回撤-14.9%，年化夏普3.45，勝率高達77.8%，盈虧比4.19，卡爾瑪比率6.81。

汽油現(xiàn)貨：2016年以來樣本外多空回測年化收益率51%，最大回撤-7.5%，年化夏普比率5，勝率高達77%，盈虧比5.79，卡爾瑪比率6.91。

?建議機構(gòu)投資者利用基本面量化的預(yù)測信號進行原油期貨擇時，輔助CTA、大類資產(chǎn)配置等策略中對原油趨勢性機會的判斷，原油擇時策略年化夏普高達3.45。

?建議實體企業(yè)利用基本面量化對汽油、柴油現(xiàn)貨價格的預(yù)測更好地安排相關(guān)生產(chǎn)活動，基本面量化模型對現(xiàn)貨價格預(yù)測的準(zhǔn)確性很高，僅根據(jù)做多信號進行囤貨就能實現(xiàn)年化20%以上的收益。

東證期貨具有完善的商品產(chǎn)業(yè)鏈基本面數(shù)據(jù)庫—“繁微數(shù)據(jù)（www.finoview.com.cn）”（涵蓋目前市面上所有主流數(shù)據(jù)庫數(shù)據(jù)，僅原油基本面數(shù)據(jù)就高達近千種），以及市場領(lǐng)先的基本面量化擇時模型（系統(tǒng)化擇時方法體系），能對多個大宗商品的期貨、現(xiàn)貨價格實現(xiàn)多周期預(yù)測，更好地滿足金融機構(gòu)資產(chǎn)價格擇時、產(chǎn)業(yè)機構(gòu)商品價格預(yù)測的需求，歡迎有價格預(yù)測需求的客戶與我們聯(lián)系。

我們對基本面量化預(yù)測的結(jié)果進行了樣本外跟蹤，以周報、月報的形式發(fā)布預(yù)測結(jié)果。從對焦炭樣本外跟蹤結(jié)果來看，多數(shù)時間精準(zhǔn)預(yù)測了趨勢性行情，包括2019年10月的大跌，以及2020年5月8日精準(zhǔn)預(yù)測焦炭等黑色系的上漲。對Brent原油的最新預(yù)測結(jié)果，2020年5月15日短期信號看漲，2020年5月22日進入多信號全面看漲，預(yù)測原油將進入上漲行情，原油可能已經(jīng)迎來了2019年底大跌以來的周期性拐點。