做量化这几年后台经常有人来问同一个问题商品期货的多因子模型到底应该从哪里入手。市面上讲股票多因子的资料很多但期货这边因子怎么挖、怎么筛、怎么合成、怎么落地回测能掰开揉碎讲清楚的实在不多。这篇就沿着“因子挖掘—因子评估—因子组合—回测落地”这条主线把期货多因子策略开发入门阶段最该弄明白的环节拆开讲透。内容偏实战适合刚接触CTA、想做商品截面策略的量化研究员也适合股票量化转期货方向的朋友参考。整套流程我自己跑过很多轮里面提到的坑基本都是真金白银换来的。1. 多因子策略的整体框架与思路拆解1.1 什么是期货多因子策略它到底在解决什么问题多因子策略的本质是在同一批资产上用多个维度的信号做截面打分再根据分数排序构建多空组合。举个例子同一交易日对20个期货品种计算5个因子得分按综合分从高到低排序做多排名靠前的一组、做空排名靠后的一组。这个“多维度信号合成—排序—交易”的框架就是多因子策略的基本形态。期货市场天然适合多因子框架原因有三一是品种数量足够多截面数据存在二是可以做空排名靠后可以转化为收益三是商品之间存在产业链上下游关系隐含大量可以提取的横截面规律。但单因子有个通病——一阵灵一阵不灵。动量因子在趋势市里表现亮眼遇到震荡市就被来回打脸库存因子在供需矛盾突出时方向感很强库存平淡期几乎没什么贡献。多因子的价值恰恰在于把不相关或弱相关的子信号组合起来让它们在时间维度上互补。这个因子回撤的时候另一个因子可能正在发力组合净值整体就比单因子走得稳。所以在入门阶段要先把这句话刻在脑子里多因子策略解决的不是“找一个更准的信号”而是“降低对单一市场状态的依赖”。单一因子本质是押注某一种市场状态多因子则是把多种状态下的赚钱能力打包。1.2 开发流程的六个环节一个都不能跳期货多因子策略的完整链路我习惯分成六段数据底座日线序列、主力合约换月拼接、基差和库存等基本面数据因子库建设每个因子按经济逻辑写清楚代码模块化入库前先过逻辑审查单因子检验用IC、ICIR、分位数组合、换手率四个角度筛因子因子合成与组合优化定权重、做板块中性化、控制换手策略回测与压力测试包含手续费、滑点、涨跌停、保证金约束样本外跟踪与迭代留近期数据做样本外验证上线后持续监控。这六段看上去像流水线实际操作中千万别跳步。很多人图快从因子直接跳到回测最后收益曲线看着漂亮实盘一上线就拉胯大概率是第3步和第5步没做扎实。我见过不止一个案例回测年化收益50%实盘半年跑了不到一半拆解下来全是成本假设和成交假设的问题。另外提醒一句这套框架不管是传统CTA还是机器学习选品最后都收敛到这条线上。区别只在于第4步用等权加权还是黑盒模型。框架先跑通再追求花活。2. 因子挖掘的核心细节与实操要点2.1 期货市场最常用的四类因子以及它们背后的逻辑期货因子跟股票因子的差异很大。股票有几千只标的截面可以做得很厚商品期货常见活跃品种就几十个截面比较单薄所以因子要挑信息含量高的用。我自己常用的是四类。动量因子。本质是“趋势延续”。用过去N日涨跌幅作为信号N常见取20、60、120日。经济逻辑是信息扩散需要时间基本面变化传导到价格不是一步到位同时市场上存在大量反应不足的参与者价格会沿着原方向惯性运动。商品的时间序列动量比截面动量更常用因为不同品种的涨跌水平受板块β影响太大直接做截面比较容易被板块行情主导。期限结构因子。看近月合约和远月合约的相对高低也就是期货的升贴水结构。螺纹钢近月大幅升水说明现货紧张市场愿意支付溢价拿近月远月大幅贴水往往反映未来供给宽松的预期。期限结构因子的标准做法是把升贴水换算成年化展期收益这个值在很多商品上能持续给出方向性判断。库存因子。供需平衡表里最能直接跟踪的变量。去库阶段价格易涨难跌累库阶段价格承压。一般用库存绝对水平加库存变化率两个维度合成一个库存压力指数。库存因子跟期限结构经常互相印证因为它们都指向供需松紧这也提醒我们这两类因子在组合里的相关性可能不低后面筛因子时要留意。基差因子。现货价格与期货价格的差。基差走强代表现货紧张期货贴水修复时适合做多基差走弱代表现货供过于求适合做空。基差数据获取频率低通常是周度或月度更新所以在多因子组合里更适合当慢变量用来调节仓位方向而不是做高频触发信号。量价与资金因子。持仓量变化、成交量异常放大、盘口失衡度这些。这类因子在商品上有效但衰减快短线属性强组合里适合做辅助调节不建议作为主信号。2.2 数据预处理的五个必修课决定因子质量的底层因子质量一半取决于数据底座。期货比股票繁琐核心问题在合约换月。第一主力合约序列要处理换月缺口。建议用“收益率拼接法”新合约上市后用新合约的日收益率替换旧合约的当日收益率这样构造出来的连续序列不会有换月跳空。简单粗暴的价格差扣除法也能用但碰到换月价差很大的月份容易扭曲因子值。第二样本对齐。不同品种上市时间不同因子矩阵和收益矩阵必须对齐到同一张时间表。空值要处理不能直接往下shift否则因子和收益会错位。我习惯的做法是因子值缺失的当天该品种自动不参与截面排名。第三去极值。商品价格和库存数据偶尔有异常跳点用中位数加减5倍MAD绝对中位差去极值比均值加减三倍标准差更抗极端值。MAD方法不假设数据对称分布对商品这种尖峰厚尾的数据更友好。第四标准化。截面上对每个品种的因子值做z-score转换让不同量纲的因子可以在同一体系里比较和相加。标准化之前务必先做去极值否则一个异常大值会拉偏整个截面的z-score。第五中性化。期货没有市值概念但板块概念很重要。黑色、有色、能化、农产品按板块分别减去板块内因子均值让多空组合不在某个板块上过于集中。这一步非常关键否则合成因子排序后做多全是能化、做空全是农产品组合就被板块行情绑架了。2.3 挖掘因子的三个实操思路逻辑先行、频度匹配、可解释我在实际挖掘因子时有三个思路是反复用到的。第一从经济逻辑出发而不是纯数据挖掘。库存因子为什么有效因为去库对应供需偏紧这是机制不是统计巧合。纯统计分析挖出来的规律大多活不长因为统计规律一旦被市场发现套利资金会迅速把它抹平。机制驱动的因子即使阶段性失效也还能等逻辑回归统计挖掘的因子失效了你根本不知道是该修参数还是删掉。第二因子频度必须与持仓周期匹配。做5到10日的短中期交易月度更新的库存因子只能当背景板不能做主信号源做2到4周的波段日频量价因子的噪声太大要先平滑、降频再参与合成。频度错配是新手最常见的错误之一表现是单因子IC测出来不错放进组合却一直拖后腿。第三重视可解释性。一个因子你得能用一句话讲清楚它为什么赚钱是补偿了风险、挖掘了行为偏差、还是来自结构性摩擦。讲不清楚的因子即使回测IC高达0.06我也不敢放权重上去。因为实盘里你无法判断它什么时候失效关也关不明白。3. 因子评估与筛选实操3.1 别只盯着收益率IC和ICIR才是因子的“照妖镜”单因子评估的入口指标是IC信息系数。在期货领域我更推荐用Rank IC也就是每天计算因子值与未来5日收益率的Spearman秩相关系数得到一条IC时间序列再滚动统计。看三个基本量IC均值衡量因子整体预测力方向绝对值大于0.03在商品里就算有信号ICIRIC均值除以IC标准差衡量预测力的稳定性大于0.3可以进初筛池大于0.5算优质因子t值ICIR乘以样本期天数开根号|t|大于2说明因子不是靠运气。这里有个坑只有20个品种的截面单日的Rank IC会非常不稳定。一年的样本也就250个截面统计噪声很大。所以光看统计量不够还要结合分位数组合来判断。分位数组合的做法是按因子值从高到低把品种分成5组商品数量少分3到5组即可每组等权持有未来5日看各组平均收益的单调性。如果高分组和低分组的收益差单调且多空收益不是集中贡献在某一小段时间因子才更可信。单调性破坏的因子统计指标再好看我都不会用因为这说明它的预测力不稳定。3.2 因子筛选四步走统计关、冗余关、逻辑关、内外一致关我在本地维护一个因子池任何因子入库前必须过四关。第一关统计量检测。IC均值、ICIR、t值、多空组合夏普任何一项没过阈值直接淘汰。我常用阈值是IC均值绝对值大于0.02、ICIR大于0.3、|t|大于2、多空组合年化波动低于20%。这套阈值不是普适标准跟品种池流动性和持仓周期强相关但统计关卡的门槛思路是一致的。第二关相关性去冗余。计算因子间相关系数矩阵相关性高于0.7的两个因子保留ICIR更高、经济逻辑更独立的一个。很多新手在这个环节偷懒结果组合里全是同一类信息的不同包装看似分散实际还是单因子。第三关经济逻辑审查。因子来源是否有机制可循数据能否持续更新逻辑上站不住脚的回测再好也不入库。第四关样本内外一致性。把历史数据分成两段前半段训练调参后半段验证两段IC不能差太多再用最近一年的数据做“准样本外”测试看因子是否还在正常工作。3.3 因子冗余与失效监控像体检一样定期复查因子池不是建完就一劳永逸的。每隔两三个月我会做一次全量因子相关性扫描看老因子是不是开始抱团。近几年动量因子和期限结构因子的相关性在部分品种上明显走高说明市场参与者挖掘的信号来源逐渐趋同这时组合的分散效果就会下降需要主动降权或者换血。同时要持续监控滚动IC。如果某个因子滚动IC均值从0.04滑到0.01并且持续两个月没起来就该降权甚至剔除。我实践里的做法是维护一张“因子体检表”每周更新因子名、当前权重、IC均值、ICIR、与主因子的最大相关性、净值是否创近一年新高。任何一行异常亮红灯就启动复核流程。这套机制看起来繁琐但它能帮你早期发现因子衰减而不是等回撤已经发生才后知后觉。4. 因子组合与权重配置的取舍之道4.1 三种组合方式等权、IC加权、最优化各自适合什么阶段因子单独拿出来像乐器组合就是乐队权重配置决定最终呈现的旋律。初级做法是等权合成各因子z-score等权相加得到综合因子后再标准化。好处是稳健、实现简单不会因为某个因子权重过高导致组合失衡尤其适合因子数量少、样本期短的起步阶段。进阶用IC加权IC均值更高的因子分到更高的权重。比如因子A、B、C的历史IC均值分别为0.03、0.02、0.04权重就近似按0.33、0.22、0.44分配。这个方案逻辑简单但有一个隐患IC均值本身存在估计噪声如果样本期短IC加权反而不如等权权重误差会直接放大到组合层面。再进一步用最优化方法最大化组合因子的ICIR。记各因子IC的协方差矩阵为Σ因子权重向量为w目标函数是最大化(wμ)/sqrt(wΣw)约束w_i≥0且权重合计为1。这个优化解出来的权重会倾向于“多买互补的因子、少买抱团的因子”数学上就是组合ICIR相对于单个因子ICIR的提升。我使用的约束里额外加了一条单因子权重上限设25%到30%防止权重过于集中。4.2 为什么组合权重比单因子更稳一个直观的数学解释组合因子为什么常常比单因子表现稳举个简单例子因子A的IC均值0.03、ICIR 0.5因子B的IC均值0.02、ICIR 0.5。如果A和B完全正相关组合ICIR还是0.5没有任何提升但如果A和B的相关系数只有0.3组合ICIR大约能提升到0.7左右。这就是分散化的数学来源——组合波动率下降的速度快于均值下降的速度因此ICIR被放大。现实的问题是商品期货里提取的因子往往天然相关。动量、期限结构、库存都隐含供需信息相关性想压到0.3以下很难。所以相关性管理在期货多因子里比追求单个因子的高IC更重要。我实际做组合时每隔一段时间就会计算因子相关性矩阵一旦发现两个核心因子相关性持续高于0.7立刻考虑用其中一个的替代因子来替换或者降低二者同时出现在组合里的权重。还有一种实操细节值得说指数加权。计算历史IC时给近期数据更高权重比如用半衰期三个月的指数权重比全样本等权更能反映近期市场结构。但这也增加了过拟合风险权重半衰期参数不能反复调优我是固定下来三个月而不是每天拉一次参数。4.3 合成因子的三个落地动作排序、选品、波动率目标仓位有了合成因子之后真正的交易动作分三步。第一步每日收盘后计算所有品种的合成因子值按从高到低排序。第二步做多因子值最高的N个、做空因子值最低的N个。N怎么定主要看资金规模和品种流动性。资金规模小选5到6个资金规模大可以放宽到10到15个。账面资金不是唯一约束还要看目标品种的日均成交额保证你的单笔建仓不超过该品种日均成交额的一个较小比例。第三步用波动率倒数给每个持仓分配权重也就是“波动率目标”仓位管理。目标组合波动率设为年化15%当前组合预期波动率高了就同比例压缩仓位低了就同比例放大。这个设计是为了让策略净值波动稳定不会因为某品种行情剧烈导致整体回撤失控。最后做一次板块中性化的二次验证合成因子排序后检查多空两边的板块分布是否均衡。如果做多全是能化、做空全是农产品一旦能化板块有系统行情组合就会吃到本不该承担的板块风险。我在系统里给每个板块设置了敞口上限单一板块权重不超过组合总仓位的30%硬约束不商量。5. 回测系统搭建与成本假设一份清单吃透5.1 向量化回测起步事件驱动收尾两个阶段分工明确期货多因子策略回测建议从向量化回测起步而不是一上来就搭事件驱动框架。原因很直接多因子策略的信号大多是截面排序类一天只调仓一次向量化方式用数据框批量计算收益率、仓位和交易成本开发效率高、逻辑清晰足够完成因子研究和参数敏感性分析。事件驱动框架的优势在于精细模拟撮合、处理停板、委托队列等市场微观结构但开发成本和调试复杂度高出数倍。我的实践经验是分两个阶段向量化负责因子研究事件驱动负责最终上线的模拟撮合验证。先保证策略思想跑通再去扣微观结构细节不要反过来。5.2 回测参数配置的五个必填项少一个结果都是“假的”回测框架选得再好参数设置不合理结果一样失真。以下五个参数直接决定回测结果的真实性。第一手续费。必须按交易所标准加期货公司加收来设置。以螺纹钢为例开仓手续费按成交额万分之一点几计算平今仓费率更高不能用统一固定值否则高频调仓策略的成本会严重低估。第二滑点。商品期货按最小跳动价位来设至少要1个tick流动性差的品种设2到3个tick。我见过很多回测用0滑点曲线漂亮得不得了实盘一跑就原形毕露。滑点设置的背后是对流动性的尊重没有流动性的成交假设都是自欺欺人。第三涨跌停约束。触及涨跌停的品种不保证成交持仓照常计入浮动盈亏但当日无法平仓。这个约束不做回测里的平仓价可能在涨跌停价位置虚拟成交收益虚高。第四保证金与爆仓检查。日内保证金比例因品种而异回测要模拟每日权益低于维持保证金时的强制减仓。很多向量化框架不实现这个结果浮亏到负数还硬扛着不出局收益曲线和真实账户完全对不上。第五主力合约换月成本。每次换月都会被滑点吞掉一段回测必须对具体换月规则打时间标签不能用连续合约直接回测。连续合约价格序列已经人为处理过换月跳空直接拿来做回测会让换月成本完全消失。5.3 一份回测报告的三个解读重点回测结束不是看个总收益率和夏普比率就完事的我会先看三类东西。第一逐年收益分解。看策略赚钱是靠某一年还是分散在各年。如果某一年贡献了总收益的六成以上说明策略对特定行情依赖很强这种收益质量的策略仓位要收缩不能按平均年化去设计预期。第二回撤形态。看最大回撤发生的时间段和原因。回撤期是否对应某个板块的极端行情回撤之后能否快速修复最大回撤的深度和持续时间比夏普比率更能反映策略的真实体验。第三换手与成本结构。计算每笔交易平均承担的成本占预期收益的比重。如果成本吃掉三分之一以上的毛收益策略实际交易价值就很有限了。这种策略不如直接降低调仓频率或者干脆放弃。6. 常见问题与排查技巧实录6.1 “回测好看、实盘拉胯”的三板斧排查法这类问题十次里九次出在成本假设和成交假设上。我排查时有一套固定流程。第一斧把回测滑点从1个tick改成3个tick手续费直接乘2先看收益还剩多少。如果曲线直接塌掉说明策略的alpha本来就单薄靠吃成本假设的“便宜”活着这种策略不具备实盘价值。第二斧看调仓日的成交价。很多向量化回测默认用收盘价成交但期货收盘瞬间流动性差真实成交往往吃不到那个价格。把成交价改成次日开盘价或者当天均价再测一遍收益差异如果超过20%说明成交假设必须重设。第三斧逐笔核对主力合约切换日的交易记录。换月当天旧合约和新合约价格常有较大跳空回测如果忽略这段持仓盈亏会产生系统性偏差。很多“回测稳定、实盘偶尔暴雷”的案例问题都出在换月处理上。6.2 因子失效前的四个典型信号早发现、早处理因子失效很少是突发的前期会有几个典型信号。一是滚动IC均值中枢下移并且不是正常市场波动引起的摆动二是分位数组合的多空单调性被破坏原本中间组收益应该落在高低组之间现在完全无序三是因子与其他因子的相关性持续上升说明它隐含的信息已经被市场充分挖掘四是多空组合的实际换手率比历史平均水平明显偏高说明信号在翻转边缘反复横跳。一旦出现这些信号我的习惯是先降低该因子在组合里的权重到原来一半同时启动候选因子替换流程而不是直接删掉。因为某些因子在特定市场环境下只是阶段性失灵保留观察仓可以帮你判断是环境问题还是因子本身被定价掉了。6.3 策略容量估算的简化方法问“这个策略能做多少资金”的人很多这里提供一个简化估算框架。取因子的平均换手率、目标品种的平均日成交额、允许参与的深度比例比如不超过10%三个量估算出单次调仓的资金上限。举例说明某品种日均成交额20亿允许占用其中2亿建仓组合20个品种总容量大约40亿再乘上平均持仓周期对应资金周转次数的倒数就能得到粗略数量级的容量。这个估算还要打折因为实际流动性在不同月份合约间分布很不均匀近月合约和远月合约的深度差异非常大。6.4 数据与回测层面的老坑新手十有八九会踩最后列几个我踩过多次的老坑送给刚入门的朋友。其一主力合约规则变化。同一品种在不同年份的主力识别规则可能不一样回测时要固定规则否则历史信号会串出现“信号对不上价格”的诡异情况。其二次新品种直接进因子池会造成样本偏差。刚上市一年的品种流动性差、数据样本少建议上市满一年再纳入因子池同时做一次流动性检查。其三因子更新频率与交易频率必须对齐。库存数据月度更新但你做日频调仓必须做点式更新对齐不能把未来数据泄露进因子。数据泄露是回测里最隐蔽也最致命的错误一次未来函数调用就能让回测曲线“失真般漂亮”。其四幸存者偏差。期货品种也存在退市和停止交易的情况做历史回测时不要把已经停止交易的老品种和当前活跃品种混在一个截面里算收益否则收益率会被系统性高估。顺带说一句这里分享的所有内容都是策略研究方法期货交易杠杆高请务必用可承受风险的资金参与实盘前做好完整的测试与验证。结尾这条路我走了好几年回头复盘最想说的不是某个因子多牛、某个参数调得多准而是“把流程管住”。期货多因子策略开发入门阶段真正的壁垒不是找到一两个神奇因子而是建立起一套稳定的因子挖掘、筛选、组合、验证的流水线。今天分享的每个环节都是我在本地跑过很多次、改了很多版之后沉淀下来的做法。最后送一个实操小技巧每个因子入库之前先把它用最简单的等权组合方式塞进模型跑一个月手工盯一下输出曲线和预期是否一致。很多因子单独统计指标都过关但放进组合就变味提早发现这个问题能省掉后面无数个调试之夜。我这套流程相对保守适合资金体量中等、持仓周期在1到4周的CTA模型。交易周期不同参数和数据维度肯定要再调但框架层面的东西基本可以复用。
