商品彼此分散,跨品种策略的连接点在哪里?

  • 商品各有供需和市场结构,但物理生产链、替代关系与共同经济驱动会把它们联系起来。德意志银行据此将品种归入能源、谷物、金属三组,寻找板块内外的分散和相对价值机会。
  • 策略并非只看价格:库存、隐含波动率等基本面指标,投资者持仓与资金流,以及新闻情绪,分别捕捉不同市场驱动,作为互补信号。

为什么同一个信号在能源、金属和谷物上效果不同?

  • 在2012年5月1日至2019年12月31日的样本内,carry信号在能源、金属、谷物上的夏普率分别为0.26、0.10、0.08。它在三类商品上均为正,但单独使用时都偏弱。
  • 其他信号的板块差异更明显:PCA均值回归信号在金属上的夏普率为0.52,能源为-0.19、谷物为0.12;新闻情绪信号在能源为-0.14,在金属和谷物分别为0.37、0.42。这支持了组合多类信号、而非依赖单一指标的做法。

动态加权提升的是表现还是适应能力?

  • 动态模型根据各信号对后续收益的预测能力调整权重:预测能力改善时提高相应权重,并在能源、金属、谷物之间各分配三分之一初始资金。
  • 报告列示的逆波动率组合净夏普率为0.89,动态模型为0.8。动态模型的价值不在于更高的这一项指标,而在于跟踪信号预测力变化并调整组合;报告也指出,简单分散本身已经有效。
  • 板块结果仍不均衡:逆波动率组合的样本外夏普率,能源为-0.27、金属为0.96、谷物为0.70;动态模型对应为-0.32、0.79、0.63。能源样本外为负,说明跨品种组合并未消除单一板块的弱势。

回测指标怎样受交易成本和换手约束?

  • 样本内区间为2012年5月1日至2019年12月31日,信号在当期计算、下一期执行;报告列出的交易成本为2–4个基点。carry信号换手相对较高,主要与简单的近月—远月构造及板块内中性化有关,换手分布也有偶发高值。
  • 报告将组合指标标为“净夏普率”,同时说明绩效计算通常不扣交易成本(除非另有说明)。因此,0.89应结合这一成本口径理解;报告还提示回测和模拟结果可能与实际账户表现有较大差异。

延伸阅读

相关专题