陈辰：加入商品Beta风险溢价对资本定价具有重要意义

　　12月10日，由华泰期货主办的“新格局 再启航 2021衍生品市场年会”在杭州开幕。此次活动由上海期货交易所、郑州商品交易所、大连商品交易所和华泰证券(601688,股吧)支持。和讯期货参与图文直播。

　　据了解，此次年会聚焦基于大类资产配置的以期货衍生品为特色的财富管理，以及黑色建材、贵金属有色、能源化工、农产品(000061,股吧)、金融科技共六大主题，力邀国内衍生品市场领军人物、大宗商品研究与实践专家、头部实体企业负责人等，共同展望2021年投资之道及中国衍生品市场发展之未来。

　　12月10日上午的金融科技分论坛上，华泰期货研究院量化研究员陈辰出席论坛并以“商品因子纵横开合——商品因子的构建与应用”为主题发表演讲。

　　陈辰表示，因子的研究起源于capm模型，目的是给资本定价。有了capm模型后才首次有了beta概念，表征是承担风险相应补偿的风险溢价。而最初，Beta只考虑了市场风险，也就是大盘风险。自此之后，证券收益或风险可以分为两部分，一是Beta，另外一部分没有被Beta解释的称为Alpha。而在这个模型建立之后，因子发展开始百花齐放，各种学者发现了很多比较有效的因子模型，包括波动率因子、还有宏观因子、动量因子、规模和价值因子等风险溢价来源。它们都经过创新加入了更为有效的因子。而Capm模型则主要是以时序线性回归作为基础，同时得到的结果也有较强的可交易性，所以因子的收益率可以直接通过交易来实现的，例如股票对冲策略，通常是以beta作为对冲的系数、对冲的比例。

　　而另外一种因子模型，也就是barra多因子模型，主要用的是截面因子的模型，出发点略有不同，他的目标是风险的预判，而不同因子代表的都是相对独立的风险溢价，使得能够对风险把控更加的精准。

　　她介绍到，Beta风险溢价对全市场均有效，全市场的资产都对Beta有着或多或少的暴露。伴随着越来越多有效的因子被发现，可以被因子体系所解释，认定为特异性收益Alpha越来越小，资产定价模型能精准找到大部分收益来源。

　　另外，商品与股票相关性较低，商品的Beta与股票Beta也具有较低相关性，加入了商品Beta风险溢价之后，对市场的解释力有了一个更强的解释性，同时也在资本定价的道路上往前走了一大步，具有十分重要的意义。

　　以下为文字实录：

　　感谢大家。各位领导，嘉宾，还有广大线上观众朋友大家好，欢迎大家参加我们华泰的衍生品年会，非常荣幸今天我能代表我们公司在杭州，在线上给大家分享我们华泰期货的量化商品因子体系，涵盖了我们在今年的一部分主要研究成果，推我们将推出国内期货市场的大宗商品多因子模型，包括时序基础因子（可投资的）和截面因子（不可投资的）两大类。据我们所知，这是目前国内第一个推出该类型商品多因子模型的第一家机构。

　　因子的研究是我们量化研究的基础，因子模型他具有强大的扩展能力，因为作为因子模型是一个投资的基础，我们在研究中会发现很多对我们的预判价格或者对市场做深度的研究的时候，有很多的有效的指标，我们都可以把这些指标投入到因子模型中进行一个测试，所以说因子模型具有一个强大的扩展能力。

　　他可以满足着多元化的投资研究的需求，而国内商品市场目前在这一部分是有一些缺乏的，我们十分需要一套适合的完整的因子体系。我们将从三个角度来介绍我们的商品因子体系，这样的话，我们今天主要的介绍的内容也是针对与我们的华泰的商品因子展开，我们在最后也会介绍我们的卖方研究能为广大投资者提供哪些服务。

　　首先看一下多因子模型的发展。解答一个问题，大家所说的风格因子、板块因子有多深的了解？我首先会给大家解释风格因子是怎么一回事，为什么说商品因子是十分重要的？另外因子投资这和我们直接去买板块的ATF到底有什么样的差异？这些问题我们都将给出答案。

　　因子的研究起于capm模型，目的是给资本定价，有了这个模型以后，我们才首次有了beta的概念，表征的是承担风险相应补偿的风险溢价。在最开始的时候，我们的Beta当时只考虑了市场风险，也就是大盘风险。而自此之后，我们的证券的收益或者是风险都可以分成两个部分，一个是Beta，而另外一部分没有被Beta解释的，我们就称之为Alpha。而在这个模型建立之后，整个因子的发展也就是百花齐放了，各种学者他们发现了很多比较有效的因子模型，包括波动率因子、还有宏观因子、动量因子、规模和价值因子等等风险溢价来源。还有famar三因子模型，他们都是有了一定的创新加入了更为有效的因子，这是因子方面的突破。而Capm模型他主要是以时序线性回归作为基础，那他得到的结果也有较强的可交易性，所以他因子的收益率是我们可以直接通过交易来实现的，例如常说的股票的对冲策略，通常是以beta作为对冲的系数、对冲的比例。

　　而另外一种因子模型，也就是barra多因子模型，也是我们本次制作商品因子的主要模型，主要用的是截面因子的模型，出发点略有不同，他的目标是风险的预判，而不同因子代表的都是相对独立的风险溢价，使得我们能够对风险把控更加的精准，值得说的是barra因子模型是msci主要的技术核心，他在2004年的时候收购了barra公司，从此就推出了很多的产品，在市场中有广泛的应用，也是全球资本市场效仿barra的研究的体系，包括彭博在内。Msci基于barra风险模型实现了多元化的投资服务，这个我们会在后面做详细的介绍。

　　我们对Beta有一定的了解之后，我们再来了解Beta风险溢价对全市场均有效，全市场的资产都对Beta有这或多或少的暴露，伴随着有效的因子越来越多被发现，都可以被因子体系所解释，我们认定为特异性收益Alpha越来越小，也就是说大部分都可以被Beta所解释。资产定价模型能精准找到大部分收益来源。

　　商品与股票相关性较低，商品的Beta与股票Beta也具有较低相关性，这样的话再加入了商品Beta风险溢价之后，整个我们对市场的解释力有了一个更强的解释性，同时我们也在资本定价的道路上往前走了一大步，具有十分重要的意义。

　　MSCI 是一家专门指数供应商，覆盖资产十分广泛，包括固收还有其他的资产，是全球投资组合做多采用的基准指数，也有许多ETF专门针对于他们msci的指数进行资产配置投资，而msci的他主要的产品，并是他们自己去发产品，他们的核心资产就是指数的编制方式，基金公司反而是他的买方了，他主要卖的就是指数的持仓股票以及权重是公司的核心资产，有了这些数据之后，一般的金融机构就可以利用他们去做投资效仿，或者是把他自己基准的策略去对比，这也是他主要的盈利方式，作为一个卖方的企业，能做到MSCI这个水平已经很厉害了，他们已经把自己的核心的智慧进行一个资产的变现了，而barra模型是其底层的逻辑。

　　我们来看下msci的产品，基于barra的基础，msci推出了一套成熟的风格因子的体系，一共有八个大类，而且八个大类里面又有很多细分的风格因子，每个大类中包括许多细分的风格因子，相应对应着msci的风格因子指数产品，他们的这一套因子都是可以交易的。需要强调这些指数都是可以投资的，事实上在股票市场追踪单因子策略具有相当的难度，这个我们在后面一页PPT会解释原因，他们做这个是一定有深刻的研究基础。Barra因子是不可投资的pure factor，是一套完整的股票市场截面

　　因子：

　　国家因子

　　行业板块因子

　　风格因子

　　这一系列因子有较低的相关性，并且能保证资产在因子体系中可以保持长期稳定暴露，且因子互相之间几乎没有相关性。这十分适合作为我们基金业绩、风险的归因的这么一个工具，因为我们知道，在数学的线性回归里面能够做到好的效果一定是各变量之间的相关性很低，他们基本上没有贡献性，这样我们回归得到的结果才是比较可信的。而msci根据这一套指数推出了factor box实现的就是这个功能，可以对比出策略和benchmark在不同因子暴露上的差异，从而实现业绩评价和风险预判的目的。可以看出收益来源是来自于哪些成分？也有可能不是基于风格因子，也是基于投资经理的选股和择行的能力，通过这套系统可以得出绩效的评价和风险预判的能力。我们是希望能够实现像MSCI一样的应用场景，这个我们也会在后面做出一系列的介绍。

　　而这些同样也是我们的商品因子体系的应用场景。

　　既然投资收益大部分都是来源于各种Beta风险溢价，那么我们就可以选择暴露给什么类型的风险溢价，比如说是价值的还是成长的，要做到纯粹只对单因子暴露，对其他因子没有暴露，在股票市场上是有相当难度的。因为需要有足够可供做空的投资工具，但是在商品期货市场则比较容易实现，所以当股票市场还在投资大盘类型ETF的时候，我们已经推出了可以复制的风格因子指数。动量、期限结构两套风格因子指数，是可以在wind上直接查询到，同时官网上也提供了相应的算法。

　　话说回因子投资，通过计算期货品种对风格因子的暴露值，必须要有足够的可供做空的工具，我们在商品投资的时候是这么做的，通过做多对因子正向暴露较大的品种，做空反向暴露较大的品种，这样简单的可交易策略来追踪单因子暴露。所以我们也说，商品市场在因子投资上其实是有一个天然的优势的，就是我们有商品期货这么一个非常好的灵活的做空的一个工具，其实我们这里，我们也提到了我们提出了两套因子体系，一个是时序的因子体系也就对应到第二层市场中性的因子策略，另外一个是截面的因子体系，对应的是纯因子的策略。但是各个因子直接可能会有一定的相关性，离独立风险敞口还有一段距离。

　　纯因子，pure factor，实现了这个目标，通过剔除共线性，通过截面回归，计算出了一个纯因子的收益率，barra就是这么一个模型，实现的就是pure factor这一步，但是他是不可以投资的，他更适合于做实现风险归因的应用场景，但是是不可投资的。

　　了解完基本的市场状况以及整个因子的结构以后，我们再来介绍我们华泰的商品因子体系是如何来构建的。我们也是参考了大量的文献，那么目前针对商品投资的系统性风险模型其实还是比较缺乏的，我们参考的巴克莱、奥克兰大学的综述等等文章，都对商品的风格因子进行了系统性的介绍，对整个商品因子都发表了一些很有深度的综述性的内容，我们也是大量引用了他们商品因子的构建的方法。但是截面因子体系的研究还比较少见，而我们就做到了这一点。那么我们基于发达国家积累成熟的研究成果，把股票因子制作的经验借鉴到商品中来， 严格按照barra相同的截面制作方式，实现文献中的商品因子体系，并作了大量的测试，挑选出11个风格因子。

　　因为我们要做到后续的一些应用场景，我们其实是对我们因子的一个数据频率是有很强的要求的，像可能有一些基本面的数据，包括现货和库存的这一类数据，他们通常的数据发布可能会有一定滞后，这样的话我们也是采用了跟文献中相同的方式，我们使用了市场的量价数据做替代，去刻画这一类基本面数据反映的特征。宏观数据，宏观都是大家比较关注的，宏观对市场的长周期的影响是有确定性的，宏观数据的缺陷就是他的发布频率是比较低的，美元指数还比较好，每天都有，CPI这种是以月度作为发布的频率的，我们去年其实也做了一个因子的水地森林中的应用，当时限制了我们数据的频率，我们最高只能到月度，我们的商品研究体系我们通过一定的方法已经实现了把宏观的因子实现了日度。这里面有一些风格因子大家可能会比较熟悉，他跟股票中的一些风险溢价家度是比较熟悉的。标序号的简单过一下，其他的放在后面会具体的介绍。

　　因子名称：超额收益率来源

　　Curve因子 远月合约相对近月合约价格不确定性更强所带来的风险溢价

　　期限结构因子 展期收益大品种所带来的风险溢价

　　1 动量因子 前期价格表现较强品种带来的额外收益

　　2 波动率因子 交易波动率大的品种所带来的风险溢价

　　价值因子 远月贴水品种供需紧张所带来的风险溢价

　　3 持仓因子 大量资金流入所带来的风险溢价

　　4 偏度因子 收益率偏度较小带来的风险溢价

　　5 流动性因子 交易不活跃带来的风险溢价

　　6 均价突破因子 均线向上突破的风险溢价

　　宏观Beta因子（中国CPI、美元指数） 对通货膨胀敏感，对美元指数敏感带来的风险溢价

　　我们接下来重点介绍几个重点的特异性因子构建的方式以及他们抓风险溢价的角度是什么？首先来看一下Curve因子，是形容远月合约相对近月合约价格不确定性更强，相应的风险收益补偿更大，基于这一逻辑，Curve因子，这里我们提前介绍一下，接下来我们把商品期货市场分成五个大的板块，我们在后面会有比较多的应用。接着说回来Curve因子，他实际上因子策略制作方式也是跟他的风险溢价的原理是相一致的，也就是我们选取一段时期，计算在这个时间段里面比较远月合约的累计收益率与近月合约收益率之间的差，他实际上策略就是做多远月合约，做空近月合约，相对来说，我的因子策略就是对我这个curve因子正向暴露大的这些品种去做多，反向暴露大的品种做空。所说的反向暴露的大是一个相对平均水平，我们会把所有的因子暴露做一个归一化和中性化处理，把相对均值调到0的附近，我们会把暴露较小的称之为反向暴露大。可以从原油的期现结构中看到，原左面这张图，X轴指的是合约的一个顺序，合约的X值越小距离到期的时间越近，越大则越远，Y是远月的时间，Z轴代表的是期限结构，相对来说我们可以看到，在几年之前整个原油的市场其实保持了一个稍微比较稳定的一个略微的远月深水的状态。得益于升水结构增强，Curve收益持续为正。升水结果减弱，curve是反向的收益。，Curve很能去刻画远月深水结构变化的一个效果

　　那我们再看下今年哪些板块在curve上有较大的正向暴露，这里按照前五名品种所在的板块进行统计，农产品基对Curve的因子的正向暴露是比较大的，我们统计了今年上半年，大概前9个月的状况，本占到了40%以上，而6月份黑能源化工较大暴露。相反，能curve上反向暴露相的板块主要是农产品和能源化工。

　　介绍完Curve因子之后，我们要介绍一个非常重要的因子，现结构因子，主要形容的是对展期收益大品种的风险溢价。要理解展期收益率，首先需要对期货移合约是要进行阻力切换的，主力合约临近到期事，投资者会把手上持有的主力合约切换到相对远月的合约，这个合约变成新的主力合约。那在换月约时候，有一个逻辑是换到便宜的价格，那持有的成本降低，这部分收益称之为展期收益。而本质上贴水结构是展期收益率为正值的基础。

　　另外还有一个非常重要的因子策略，风格因子，巴克莱因子，他其实也是基于铁水的结构刻画的因子跟期限结构因子有一定的相似形但是有有一定的不同，他的基本逻辑是对对铁水的品种，近月的价格更高，远月的价格更低，远月的供应会更加紧张，我其实在近期品种上升的潜力是更大因为他供应紧张，这样的话其实也是对一些深度贴水的品种在这个因子的暴露上也是比较大的，所以对于期限结构因子和价值因子主要抓住的是深度贴水的品种的价值收益。后的经济学逻辑是：贴水市场中，商品供给不足，现货便利收益高于持有成本，贴水期货合约在其它条件不变的情况下随着时间的推移向现货价格靠拢，价格升高，提供了风险暴露收益。这个因子目前我么们经有公开商品指数跟踪。

　　商品里的价值因子与期限结构有一定的联系，都是基于贴水结构—近月供应紧张—上升潜力大的逻辑来投资，深度贴水的品种对这两个因子暴露比较大。但是选择上合约选择上，不再是考虑主力合约切换，而是直接用近月合约和离到期月份在一年左右的合约之间爱斜率来刻画贴水的深度，充分考虑了季节性因素的影响。后面将看到这两个因子的收益在众多风格因子中是最突出的。

　　再加之因子暴露最大的是色建材板块在今年主要正向暴露给了价值因子，农暴露最小的是产品和能化板块反向暴露给价值因子，而对应到今年各板块的收益率表现，黑我们也可以看到右边这张图，今年其实大部分的板块就是上涨的趋势而且今年整个市场的规模是有一个较大的增长的，而今年落的最高的收益的板块恰好也是我们对价值因子暴露比较大的黑色因子板块，相应对今年的收益率唯一落的负向收益率就是能源化工板块，化板块是唯一的负收益板块，所以value板块的具有相当的因子投资潜力。

　　最后看一下宏观Beta因子，观数据表一般现是一直是长周期上的市场价格的重要影响因素，CPI、美元指数都对商品市场有较大的影响，但是cpi这类的数据通常是月度发布的，如我们非常希望能把宏观因子的频率能够有提高，那这个时候就永乐一个很巧妙的方法，通过把因子的收益率和期货的收益率去做线性回归，宏观Beta因子通过，期我们找到Beta比较大的品种，另外找到Beta比较小的品种，Beta大的品种就代表这些品种对宏观因子有较大的正象暴露，相反的话就是比较小的负向暴露了，货与因子线性回归，找到beta大的品种和最小的品种构建多空策略，从来实现对宏观Beta因子的跟踪，这样的话因为我们期货的价格频率是非常高的，我们就可以把据频率变成了日度，同时也保证了，可还提升交易性。

　　对宏观因子暴露大的品种也是比较稳定的，基在今年十个月中大部分的品种都是在大部分的月度中暴露比较大对美元指数暴露比较大的，天然橡胶、菜籽等等，对中国CPI暴露比较大的品种，包括棉花、交谈、螺纹钢、石油沥青、PTA，这样也进一步说明宏观Beta因子是相对稳定的一个因子。

　　风格因子成型之后，我们就可以开始建立因子体系，我们制作的两套因子收益，结合起来基本上可以效仿msci的因实现的一些用场景。

　　在11个风格因子中，价我们可以看到值因子、期限结构因子具有长期稳定的盈利。而同时在时序基础因子组中，动量因子和均价突破因子、期限结构因子与价值因子具有较高的相关性，在截面因子中相关性得到了基本消除，每我们更在意的是个因子表征独立的风险敞口。

　　那我们可以看到，在时序的基数因子的相关性的，还有两对因子对是有一定的比较高的相关性的，包括动量因子和均价突破因子相关性比较高，在截面因子中去除贡献性，在整个相关性的影响基本消除，每个因子保证可以相对独立的风险敞口。面我们已经深刻了解了时序基础风格因子如何投资，那接下来重点关注截面因子的对风险的解释力表现。参考barra的制作方法，截面因子组，除了包含多个风格因子之外，还包含一个国家因子和多个行业因子。他找到了一些跟前面的市场类型就是我们熟知的风险溢价不同的风险因子。以看到所有因子之间相关性都很低，

　　我们再看看对我们最关注的，市场风险的解释力，我们参照barra的风格因子算法，在股票中也实现了一套截面因子组，样这里的风格因子我们用的barra的股票因子的制作的方式，本空间选取沪深300的股票池；对比对比股票和商品市场因子组在历史的解释力，不同的是风格因子和板块的划分，他们得出的两个因子对相应的样本空间的解释里。商品市场具有更强的解释效果，不管是从Rsquare、AdjRsquare明显更大；商品市场的Rsquare在0.5左右，这个是一个非常可喜的结果，代表着商品因子对市场有较强的解释力，对我们未来做风险预判、业绩归因打下坚实的基础。同时我们也发现有趣的现象，商品在市场的结实率历史时间段的解释力有逐渐减弱的趋势，近几年出现稳定的状态，我们分析原因，可能是由于在早期的时候商品市场上市的品种是比较少的，当时的市场的结构相对比较简单，但是随着上市品种越来越多，以及市场的价格跟国际化越来越接轨，影响价格的来源也就会越来越多元化，这也可能是导致商品因子的解释力出现下行状况的原因。

　　相信大家已经对两套商品因子的构建以及他们的基础的特征有了一定的了解了，基本逻辑和收益率表现、解释力效果有了一定的认识。随着商品市场规模的逐步增大，在今年商品期货市值突破万亿规模，市场迫切去寻找结构性投资机会，而基于本次推出的商品因子体系，我们华泰期货研究院可以提供的卖方服务包括以下几个方面：

　　1.时序基础因子是可以直接投资的

　　我们已经在去年推出了可以复制的动量、期限结构两套风格因子指数，指数的历史表现是可以在wind上直接查询到，并且在上线之后，这一年中有相当可观的收益表现，策略可以复现。

　　另外我们前面所提到的所有的因子的数据，包括因子的策略、因子的暴露的这些数据，我们都可以以日度的频率进行更新，并且提供给客户，这样就可以支持到客户去做一些我们的多空策略持仓的一个基础投资的一个建议，可以去参考我们的因子暴露去做我们的投资决策。同 时我们接下来我们也将持续去进行多因子策略的研究，寻找因一些子择时的以及像一些常用的因子配置上面的易策略，的一个机会研相应的我们也会把我们的究报告发布在公司的官网上面发布，金目前我们公司官网已经可以查询到量化组发布的融科技系列、以及期保值系列报等一系列的研告，这个对于关注我们的客户都已经有所了解的，对于还没来得及关注我们的客户经可以在华泰期货的官网上下载到查看

　　2.截面因子

　　截面因子在基于在不同的因子上有着独立的风险暴露，所以他计算风险、收益来源上有天然的优势，我那们作为卖方，可以提供全市场、各个板块、还有户关心的品种主他们的一个导因素的跟踪，风以及他们险收益来源的跟踪，也这可能是客户们会比较关注的，因为我们非常想知道我们做过的一些投资决策他们到底是收益来源是哪些？风险来源是哪些？收益和风险是否匹配？以及目前市场的主导因素是什么？了解了这些因素之后可以帮助客户来实现更加行精细化的投资。

　　我在这里主要给大家介绍一下我们结合的一个逻辑，工智能算法是典型的非线性方法，他在投资领域应用的，我们做市场价格的预判的目标中，我们实际上是利用人工智能实现什么样的结果？我们其实基于人工智能他在找过去最接近市场结构，中有相当的优势学他可以习复杂的价格传导模式、还有格切换路径等，这可以找到一些过去最相似的一个时间段，然后我们再根据过去的时间段的价格传导方式，去对未来进行一个预测，因为我们认为相似的时间可能会有一个相似的价格传导的方向。

　　数据是模型成功的一个关键，因子组收益率为人工智能算法提供了独立风险敞口的因子组数据，其中包因子含的信息都具有坚实的经济学基础，我们这样高质量的数据显然可以帮助算法更快的学习到更有用的信息，从而有机会在市场预测达到更高的准确率。

　　基于前面我们的介绍，我们已经知道因子研究体系可以从多方面来支持投资者的一个投资需求，所以我们也欢迎广大的客户来跟我们进行深度的合作的交流。今天我的所有介绍的内容就到这里了，感谢大家。