一、引言

近年来，中国期货市场经历了显著的增长和发展，交易额与交易品种数量也逐年递增。随着这一市场的不断发展，对商品期货价格的预测也变得至关重要。使用因子构建投资组合的常见因子如动量、基差。动量是指资产延续近期价格趋势的趋势。李劭贤（2020）发现动量策略已在金融市场中得到广泛研究，并在产生超额回报方面取得了可喜成果。另一个重要的方面是基差。李聪（2013）发现基差交易是指现货价格与期货价格的差值进行买卖的交易方式，也是套期保值深化的产物。Boons（2018）提出，基差动量因子在预测商品现货和期限溢价方面有着出色的表现。李金花（2022）系统性地研究了基差动量对我国商品期货市场收益率的预测能力，然而，针对基差动量策略在中国期货市场中特定市场时期中的表现研究仍相对欠缺。在本文的研究之前，已有研究主要集中在关于商品期货定价因子和基差动量因子的研究两个方面。

关于基差动量因子的研究始于2018年，其定义为过去12个月中第一和第二近期合约的动量之间的基差，基差动量在时间序列和横截面上强烈优于基差效应，能够预测现货和期限溢价。由Boons & Prado（2018）提出，后续国外学者Kyung et al.（2021）使用美国市场农业、能源、畜牧业和金属等四个主要商品类别的期货合约，发现使用过去11个月到过去6个月的数据计算基差动量因子构建的投资组合有更好的表现。在国内有关基差动量的研究如下，李金花（2022）使用国内23种较为活跃的商品期货品种的奇数月合约作为研究对象，证实了基差动量因子在中国市场有显著的预测效果。

从已有文献看，现有研究主要集中在基差动量的收益预测方面，但据当前文献所知了解，此前还没有研究专门针对中国期货市场在不同经济时期的基差动量进行检验和验证。本文通过提供基差动量在该市场有效性的实证证据，填补了这一文献空白。

本文接下来的结构安排大致如下：第二部分，介绍数据来源以及处理方法，第三部分，介绍试验方法，包括连续合约的构建、变量的定义以及如何构建投资组合。第四部分，分析投资组合的结果。第五部分，结果与进一步讨论。

二、数据选取及处理

为了数据的合理性，选取了郑商所、上期所、大商所的25种较为活跃的商品期货日数据，包含了农产品、有色金属、黑色金属，贵金属、能源。分别是大商所的豆粕、豆一、豆油、鸡蛋、焦煤、焦炭、聚丙烯、塑料、铁矿石、玉米、玉米淀粉、棕榈油、PVC；上期所的不锈钢、沪金、沪铝、沪镍、沪铅、沪铜、沪锡、沪锌、沥青、螺纹钢、热卷、橡胶；郑商所的硅铁。

表   选取商品期货

数据来源：Wind

三、试验方法

首先介绍连续合约的构建，最初提出基差动量因子的Boons认为，基差动量需要使用连续合约进行计算，基于我国市场中缺少合适的连续合约，所以首先构建连续合约。

月份选取上、为了保证合约的可交易性，遵循Boons的方法，不考虑交割月是次月的合约，以月度数据作为连续合约的构建方法，选取除次月交割合约之外的其余合约中交易量最大的合约作为主力合约，交易量次大的合约做为次主力合约。

其次介绍变量的定义。基差动量是从期货期限结构繁衍出的特征因子，Boons认为基差动量是通过近期和远期合约的动量的基差来衡量，可以反应期货曲线的斜率与曲率变化。根据Boons的方法，定义为同品种的不同合约的动量之差。

基差动量可以理解为过去一年间做多合约，做空合约的收益率，两个连乘的项代表动量，动量的差称之为基差动量。根据计算周期2017-2019年间的基差动量计算结果最终构建出投资组合。将所有商品期货主力合约根据基差动量因子构建投资组合。将基差动量排前4的商品作为组进行买多操作，后4的商品做为进行卖空操作，剩余商品排入组不做任何操作，对选中的8种商品期货采取等仓位构建投资组合。

图  基差动量热力图

考虑到交易成本，投资组合每月更换。为了方便计算，选取对数收益率。

四、结果分析

分别考虑基差动量因子在2017年、2018年、2019年间的表现。2017年沪深300股指期货从3326持续上涨至4035，对应市场良好时期。2018年沪深300股指期货从4051持续下跌至2996，对应市场较差时期；2019年沪深300股指期货大约在3600点至4000点之间震荡，对应震荡时期，以上三年恰好对应出了市场的三种状态，本文希望通过考察不同经济时期的表现，通过投资组合对年化收益的预测，分析基差动量因子在国内市场的有效性。

结果表明，在市场行情持续上涨或是下跌时，基差动量因子在我国市场有优异的手艺表现，在经济波动时期的表现较为一般，为了验证以上结论，本文使用已实现波动率（Realized Volatility）验证这三年的市场行情波动情况。已实现波动率是Andersen et al.（1998，2001）提出的一种度量波动率的新方法，是通过加总某一频率下的日内分时数据的收益平方来得到真实波动率的一个估计，波动率的计算结果表明，2019年的波动率显著小于2017年以及2018年，表明了基差动量因子在商品期货价格波动更大的时候有更好的预测能力。

随后对比基差动量因子与动量因子、基差因子的收益：

表 收益率对比分析

在实验研究范围内，基差动量的平均年化收益率为11.7%，高于动量的2.5%以及基差的9.5%。

五、讨论与结论

本文研究了基差动量因子在中国商品期货市场中不同经济时期的有效性。我们的研究旨在检验和验证基差动量的有效性，并深入了解其在这一特定背景下的表现。为了实现研究目标，我们采用了定量方法，分析了中国期货市场的历史数据。我们研究了现货价格和期货价格之间的差异，以确定基差，并根据这些信息构建了基差动量策略。我们的实证分析为中国期货市场存在基差动量提供了有力证据。我们观察到，基于基差的多头或空头头寸可以在一段时间内产生超额收益。这一发现表明，基差动量策略可以盈利，并有助于为市场交易提供指导。此外，我们的研究还揭示了基差动量在不同经济时期的表现。我们发现，基差动量策略的有效性可能因当时的市场状况而异。这对寻求在中国期货市场优化交易策略和管理风险的市场参与者和投资者来说非常有价值。

本文的贡献主要体现在3个方面。首先，我们提供了中国商品期货市场有关基差动量因子的实证结果。这一发现丰富了有关基差动量策略的文献，拓展了我们对这一特定背景下市场动态的理解。其次，我们的研究有助于深入了解基差动量在不同市场环境时期的表现。通过研究基差动量策略在不同市场条件下的盈利能力，我们为寻求优化交易策略和适应不断变化的市场动态的投资者和交易者提供了有价值的信息。最后，我们的研究增进了我们对中国期货市场效率和动态的了解。通过探讨基差动量的存在和表现，我们深入了解了在这一特定背景下影响市场效率和动量策略盈利能力的因素。本文提供了关于中国期货市场存在的基差动量及其表现的实证证据。我们的研究结果为有关动量策略的文献做出了贡献，并加深了我们对这一特定背景下市场动态的理解。本研究获得的见解对市场参与者、投资者和政策制定者优化中国期货市场的交易策略和风险管理很有价值。未来的研究可以进一步探讨影响中国期货市场基差动量策略表现的因素。此外，研究监管变化和市场结构对基差动量的影响也能为这一策略的动态发展提供有价值的见解。

参考文献：

[1] 李劭贤.基于动量因子的黑色产业链期货品种套利策略研究[D].安徽大学,2022.DOI:10.26917/d.cnki.ganhu.2022.001556

[2] 李聪.论基差交易在贸易中的运用[D].首都经济贸易大学,2013.

[3] Boons, Martijn, and Melissa Porras Prado. "Basis‐momentum." The Journal of Finance 74.1 (2019): 239-279.

[4] 李金花.商品期货基差动量效应及其收益率的预测力研究[D].西华大学,2022.DOI:10.27411/d.cnki.gscgc.2022.000089

[5] Erb, Claude B., and Campbell R. Harvey. "The strategic and tactical value of commodity futures." Financial Analysts Journal 62.2 (2006): 69-97.

[6] Fuertes, Ana-Maria, Joëlle Miffre, and Georgios Rallis. "Tactical allocation in commodity futures markets: Combining momentum and term structure signals." Journal of Banking & Finance 34.10 (2010): 2530-2548.

[7] 王智力.商品期货市场动量策略的实证研究[J].现代物业(中旬刊),2010,9(07):5-7+20.

[8] 张悦.商品期货市场动量效应和正反馈交易的实证研究[D].云南财经大学,2013.

[9] 邵永同,甄博雅.基于波动性视角的农产品期货市场动量效应研究[J].天津商业大学学报,2022,42(06):53-59.DOI:10.15963/j.cnki.cn12-1401/f.2022.06.001

[10] 程赵宏.期货价格期限结构隐含信息及其应用研究[D].浙江工商大学,2011.

[11] 何志刚,刘迪.商品期货价格期限结构隐含交易策略信息的实证研究[J].证券市场导报,2012,(06):52-58+77.

[12]部慧.中国铜期货市场期货价格期限结构研究[J].系统工程学报,2016,31(02):192-201+226.DOI:10.13383/j.cnki.jse.2016.02.005.

作者简介：龚永罡(1973-)，男，河南洛阳人，副教授，硕导，博士，主要研究方向为内容库、物联网、自然语言处理；

王希(1996-)，男，陕西西安人，硕士，主要研究方向为机器学习。