波动率因子和商品期货（波动率 期货）

期货中的大宗商品的价格波动都与那些主要的因素有关？

影响大宗商品价格的主要因素有哪些方面?这是大宗商品投资和交易的人员都是非常关心的话题，同时大宗商品的价格也直接影响了我们的生活，世界经济中大宗商品无处不在，每天的吃穿住行都包含大宗商品，到底是什么影响了大宗商品的价格下面给进行具体说明：

一、供需因素是影响大宗商品价格的首要因素

供需因素是影响大宗商品的根本性因素，也是起决定性的影响因素，例如自然灾害，金融危机等会导致需求的增减。但进入信息化时代之后，供需矛盾的信息经常 *** 纵者别有用心的人为放大，而且放大的程度往往是n多倍，进而造成大宗商品价格的暴涨暴跌。

二、影响大宗商品价格因素之美元及汇率：

美元汇率与大宗商品呈现负相关关系，且美元汇率与大宗商品呈正相关关系多发生在美元升值的时候。一般而言，铜、Brent原油与美元汇率波动关系较为接近，而黄金与美元汇率负相关关系较其他大宗商品强的多。

扩展资料：

趋势：根据大宗商品数据商——生意社最新发布的《2012年2月大宗商品供需指数(BCI)数据报告》显示，在其跟踪的100种大宗商品中有55种上涨，其中，能源涨幅居前，更高为2.14%。

这反映出国际油价对我国的影响深远，但是耗能比重超70%的煤炭价格连续下跌，表明大宗商品市场虚热仍在，下游回暖仍待时日。

在生意社跟踪的100种大宗商品中，有55种在2月份出现上涨，100种商品的平均涨幅在0.35%。能源和有色成为2月份的两个亮点板块，其中能源平均涨幅更高，为2.14%，有色平均涨幅更低，为-1.87%。

环链：石油、农产品和贵金属价格在全球性的连锁反应中彼此借力不断被推高，由此人们担心，价格居高不下的大宗商品将引发长期的通货膨胀。

参考资料来源：百度百科-大宗商品

【点宽专栏】期货多因子（二）——各因子描述

一、报告简介

上期我们对于期货多因子的逻辑和用途进行了小结，我们构建期货多因子是为了刻画期货的特征，从而用于机器学习。上期我们探究了动量因子，本篇报告将把更多的因子特征呈现出来。

二、因子研究 ***

上期我们对于因子溢价构建 *** 进行了简介，本文采用同样 *** ，每天换仓，构建因子多空组合。对于多空组合收益率，我们采用总收益、年化收益、年化波动、夏普比率、更大回撤、收益回撤比、Hurst指数、5,10,20,60,120日方差比率检验来衡量。

其中，Hurst指数（见中信建投Hurst报告）以及方差比率检验（Lo, MacKinley(1988)文章）是用于刻画因子是否具有趋势性。如果因子不是随机游走，具备短期趋势，那么我们可以根据这些特征来预测未来商品指数强弱，择时构建溢价。

因子溢价构建

function [p1,p2] = factorPremium(factorMat,retMat,order)

%% 参数说明

% factorMat：因子矩阵

% retMat：收益率矩阵

% order：true/false，正序或反序

% 返还30%多空和50%多空

%%

[tradeDate,~] = size(retMat);

p1 = nan(tradeDate,1);

p2 = nan(tradeDate,1);

for i=1:tradeDate

factor = factorMat(i,:);

ret = retMat(i,:);

d = quantile(factor,0.3);

u = quantile(factor,0.7);

short = mean(ret((factor=d)(~isnan(factor))));

long = mean(ret((factor=u)(~isnan(factor))));

if order

p1(i,1) 

= long-short;

else

p1(i,1) = short-long;

end;

d = quantile(factor,0.5);

u = quantile(factor,0.5);

short = mean(ret((factor=d)(~isnan(factor))));

long = mean(ret((factor=u)(~isnan(factor))));

if order

p2(i,1) 

= long-short;

else

p2(i,1) = short-long;

end

end

p1 = ret2tick(p1);

p2 = ret2tick(p2);

figure

plot([p1,p2])

legend('3-7','5-5')

xlim([1,tradeDate])

end

因子评价

function record = factorEvaluation(retIndex)

record = zeros(1,10);

n = length(retIndex);

retPer = tick2ret(retIndex);

record(1) = retIndex(end)-1; % 总收益

record(2) = retIndex(end)^(252/n)-1; % 年化收益

record(3) = std(retPer)*sqrt(252); % 年化波动

record(4) = record(2)/record(3); % 年化夏普

record(5) = mdd(retIndex); % 更大回撤

record(6) = record(2)/record(5); % 收益更大回撤比

mid = HurstCompute(retPer(2:end)); % Hust指数

record(7) = mid(1);

[~,~,record(8)] = vrt_full(tick2ret(retIndex),5); % 方差比率检验5日

[~,~,record(9)] = vrt_full(tick2ret(retIndex),10); % 方差比率检验10日

[~,~,record(10)] = vrt_full(tick2ret(retIndex),20); % 方差比率检验20日

[~,~,record(11)] = vrt_full(tick2ret(retIndex),60); % 方差比率检验60日

[~,~,record(12)] = vrt_full(tick2ret(retIndex),120); % 方差比率检验120日

end

三、各类因子评价

（1）动量因子

这里动量因子是衡量现在价格与均线价格偏离程度，即商品趋势性衡量，上期报告已有较为充分的描述，公式为：

图1：20日趋势动量因子

（2）时间序列动量因子

时间序列动量因子与动量因子稍有区别，为过去N日商品总收益率，其衡量的是总趋势性，而非短期偏离均线的趋势，运用也较多。当某些技术指标被广泛接受时，会产生自我实现的预期。表现较好的时间序列动量因子有60日和120日。

图2：60日时间序列动量因子

图3：120日时间序列动量因子

（ 3）偏度因子

偏度因子能够衡量商品期货的强弱程度，因为大单拉动趋势，小单反向操作时，会产生较高的偏度，因此偏度能够较好的捕捉人们交易行为，此外，偏度因子还代表着商品期货的博彩性质，偏度大的商品期货吸引更多资金前来对赌。我们采用的是过去N日收益率偏度来衡量，其中表现较好的为10日、20日、60日偏度因子。

图4：10日偏度因子

图5：20日偏度因子

图6：60日偏度因子

（4）其他因子

我们还总结了其他一些因子，包括流动性因子、资金流向因子、振幅因子、基差因子。

图7：流 动性因子

图8：资金流向因子

图9：振幅因子

图10：基差因子

四、综合评价

下面是各因子溢价的表现，同时我们还用Hurst指数和方差比率检验的t值来衡量因子趋势的筛检情况。大部分因子的短期趋势都较为明显，如果小资金操作，可以考虑每5天或者10天就重新学习一下特征，构建组合，从而降低回撤。

表1：各因子表现汇总

表2：因子趋势性衰减与Hurst指数

为什么商品期货下跌期权波动率低

期权买卖是根据波动率而进行的，卖出，波动率越大越好，买入，波动率越小越好，另外期货和期权本身就是对应盘，因此商品期货跌幅越大，期权波动率越小

网站首页：期货手续费网-加1分开户（微信：527209157）

本文链接：https://52ol.cn/post/94240.html