商品期貨重點配對價差的月度效應

2021 年 6 月 24 日
筆記
Python, 期貨, 量化策略

更多精彩內容，歡迎關注公眾號：數量技術宅，也可添加技術宅個人微信號：sljsz01，與我交流。

如何選擇配對品種

目前在商品期貨市場，上市品種活躍品種也越來越多。我們知道，商品期貨是可以做跨品種的配對交易的，理論上商品期貨的品種數量越多，我們能組合的跨品種交易對也越多。那麼，我們該如何選擇有效的配對品種，來進行策略研究和配對交易？技術宅認為，應該遵循兩項原則。

原則一，數學上的高相關性

數學上的相關性很好識別，我們只需要計算所有品種，在過去較長一段時期內，兩兩之間，收益率的相關性。上圖是商品期貨所有活躍品種的相關性矩陣（截取部分），用色階標出了相關性的強弱。大家注意圖中的右上、右下角，可以注意到OI、P這兩個品種，具有很高的相關性。而OI、P分別和A、Y之間，也有較高的相關性。

如果對商品期貨市場不太熟悉的讀者，可能不知道OI、P、A、Y這些品種代碼背後對應的品種是什麼，他們之間數據上的高相關性是偶然造成的，還是有其背後的含義，這裡就需要引入第二個原則。

原則二，經濟學意義上的高相關性

有時候，數學上的相關性僅僅是由於數據相似度帶來的，比如去年到今年工業品的一波牛市，造成所有品種的普漲，而如果我們恰好用了這樣一段時間序列的數據來進行測試銅、橡膠，也能得到比較高的相關性。但需要認識道德是，這樣的相關性，他的經濟學意義不顯著，橡膠是兼具工業品和農產品屬性的品種，而銅則隸屬於工業品中的有色金屬。

因此，我們還需要用經濟學意義上的相關性來確認。例如，這兩個品種如果是上下游、替代品（部分替代品），或者再寬鬆一些，屬於相同產業鏈，那麼他們可以認為是經濟學意義上的高相關性。比如我們上文提到的數學上高相關性的品種OI、P、A、Y之間，其中，OI、P、Y分別是菜油、棕櫚油和豆油，他們都屬於食用油，在我們日常生活中是替代品的關係，那麼OI、P、Y，他們之間的高相關性，就是有其經濟學意義的。

我們再來看A和OI、P、Y，A代表大豆，而其他三個都是食用油，食用油是由大豆壓榨出來的，所以A和OI、P、Y之間，是上下游的關係，於是，A和OI、P、Y的數學相關性，同樣有經濟學意義。

一句話總結：只有數學、經濟意義上同時滿足高相關性，我們才稱之為配對品種。

配對價差月度效應的內在邏輯

我們在此前的文章給大家分享過，商品期貨單品種的月度效應，得到的結論是某些品種存在着確定性的月度或季節效應。而對於配對品種來說，他們之間的價差，也存在着月度或季節效應，其中的原理可以從兩方面來理解。

首先，我們已經知道，單一品種由於供需的季節性變化，會產生月度、季度效應，而這些效應最終又會反映在配對價差上。單一品種的供應的季節性變化包括：農產品的播種季、收穫季，工業品季節性的高開工率、低開工率；而單一品種消費的季節性變化，包括消費的淡季旺季等。

其次，對於配對品種來說，其價差的月度效應，相比單一品種，往往是更為顯著的。這是因為配對品種是經濟意義上高度相關的品種，配對品種的價差，對沖了市場及產業的波動風險，價差的季節效應將更加趨於穩定。舉個例子，原材料、產成品的配對，在低開工率時期，對原材料的需求下降，而產成品的供應下降，將出現原材料走弱、產成品走強，價差拉大的邏輯（原材料相對於產成品的價格就將下行）；相反的，在高開工率時期，則邏輯完全反過來，原材料需求上升，產成品供應上升，出現原材料走強、產成品走弱，價差收斂的邏輯。

最典型的例子是16年開始的供給側改革，可以看到從年初到年末，螺紋鋼（產成品）供應下降，焦炭（原材料）需求下降，兩者間的比價從年初的2.92，降低到年末最低的1.32，下降了一倍有餘。