黃金基本面多因子策略探究

本文從影響黃金價格的基本面因素入手，通過定量分析方法探討主要的基本面影響因子，并以此構建多因子擇時策略。結果表明，通過基本面邏輯并輔助以量化方法來構建多因子策略，對投資決策可以起到很大的幫助。

(資料圖片)

A 影響因素

黃金作為一種重要的金屬資產，自古以來就被看作是財富的象征，雖然現在社會早已告別“金本位”時代，但黃金依然是一種重要的儲備資產。此外，黃金在工業領域也有許多重要的用途。因此，探討黃金價格的影響因素，并嘗試給出一種有效的預測方法具有十分重要的意義。

本文從黃金的避險屬性、貨幣屬性、配置屬性、投機屬性四個維度來討論可能影響黃金價格的主要因素。

避險屬性

作為一種具有普遍共識實物資產，當國際局勢動蕩或者全球經濟出現衰退的時候，投資者出于避險需求，往往會大量買入黃金，從而推動黃金價格上漲。為了量化市場的避險需求，我們用CBOE的VIX指數和美元長短期利差來度量市場的恐慌情緒。

通過計算兩年周期的滾動相關系數，來考察VIX指數因子和美元長短期利差因子與黃金價格的相關關系（下同）。從相關系數的時序變化和分布來看，美國國債長短期利差因子與黃金價格總體上有比較顯著的負相關關系，相關系數大多分布在-0.6至0.4的區間內，平均相關系數為-0.14，這與經濟學中一般認為利率倒掛可能是金融危機前兆的觀點相符。然而，雖然VIX因子的相關性在總體上并不顯著且波動較大，但是這跟全球金融危機有一定的關系。例如，2000年美股互聯網泡沫破裂（2000年3月10日，納斯達克達到最高點5048點，之后兩年時間，跌幅超過75%，很多公司跌幅超過90%）；2008年美國金融危機發生，又名美國次貸危機，引發雷曼兄弟公司破產，也導致全球百分之五十的市值蒸發。

貨幣屬性

黃金的貨幣屬性，是指黃金作為一種美元替代物，當美元走強時黃金價格往往較弱，當美元走弱時黃金價格通常較為強勢。因此，在這個維度內，考察因子除美元指數本身外，還包括影響美元價值的其他因素，比如，美元短期和長期利率、美歐利差、美日利差、美國的實際利率和通脹預期等。

從美元相關因子與黃金價格的滾動相關系數來看，相關性相對較強的是美元實際利率因子，平均相關系數達到-0.65，包括美元指數因子、美元長期利率因子、美歐利差因子等也有較強的相關性，平均相關系數在-0.4左右，而唯一正相關的因子是通脹預期因子，平均相關系數在0.15左右。上述結果表明：第一，作為美元替代物之一的黃金，其與美元之間存在顯著的“蹺蹺板效應”，即美元越強黃金價格越弱；第二，利率走高時，黃金的持有成本也會增加，此時黃金價格趨于走弱；第三，通脹高企時，黃金作為“穩定貨幣”的保值屬性會提高，此時黃金價格趨于上漲。

配置屬性

黃金的另一種主要用途是作為大類資產配置，而同樣具有資產配置價值的還包括白銀、銅、石油等，通過計算黃金與這些商品的價格之比，可以反映黃金與其他大宗商品的相對價值。

同樣，通過配置因子與黃金價格的滾動相關系數來看，金銅比因子（倫敦現貨黃金/COMEX銅）和金油比因子（倫敦現貨黃金/IPE布油）性質比較接近，與黃金價格都表現出較為明顯的正相關性，并且在時間序列上比較穩定，平均相關系數分別為0.17和0.18。然而，金銀比因子（倫敦現貨黃金/倫敦現貨白銀）的平均相關系數為-0.16，并且波動較大。從性質上講，石油和銅都是重要的工業原料，價格主要受商品屬性的影響，石油和銅與黃金的比價主要反映了經濟周期，當金銅比和金油比走低時，表明工業需求走強，經濟形勢轉好，因而對黃金價格產生利空。然而，白銀同樣是一種貴金屬，其很大程度上與黃金屬于替代關系，所以白銀與黃金主要表現為負相關關系。

圖為配置因子與黃金價格的移動相關系數（左）和核密度估計（右）

投機屬性

作為一種交易十分活躍的商品，不管是現貨還是期貨，黃金都吸引了許多投資者以賺取價差為目的進行投機交易，這些交易行為不可避免地會對黃金短期價格產生影響。這里筆者通過黃金ETF的持有量、基金凈多持倉、COMEX的黃金庫存以及黃金股的行情等信息來考察市場的投機情緒。

從滾動相關系數來看，此類因子與黃金價格都存在著顯著的正相關關系。其中，相關系數最高的是黃金ETF持有量因子，平均相關系數在0.75左右的水平，并且多數時候相關系數分布在0.6—0.8，性質十分穩定。此外，黃金股因子和基金凈多持倉因子等的相關性也很強，平均相關系數在0.6左右的水平。由此表明，市場的投機行為對黃金短期價格有著十分重要的影響。

圖為黃金的多因子分析框架

B 數據處理

基于上述分析框架，筆者選取黃金多因子框架中的17個指標作為基礎因子，同時還考慮了這些指標的一些變化形態，例如周頻變化、一年期分位點等作為衍生因子，共同納入因子體系。在數據處理方面，為方便后面的多因子建模，需要使用z-score算法，對因子數據進行標準化處理，并將超過3倍標準差的極值調整為均值±3倍標準差。數據周期為2011—2023年，數據來源為Wind。

上述包括衍生因子在內的備選因子共有51個，若不加篩選地將全部因子都交給模型去運算，則容易產生過擬合。因此，有必要先進行一輪因子評估，剔除一部分因子效果不顯著的因子。什么樣的因子才算是好的因子呢？筆者認為，好的因子除經濟意義上的可解釋性之外，在數據上應至少滿足兩個條件：一是對資產未來收益率強弱有顯著的區分作用；二是這種區分性能夠較為穩定地維持一段時間。

圖為避險因子與黃金價格的移動相關系數（左）和核密度估計（右）

對此，筆者按照因子的數值大小將其分為強弱兩組，并使用事件研究法，考察不同組別因子在未來一段時間內的累計收益變化。如上圖所示，以美歐債券利差和VIX周頻變化兩個因子為例，分別說明不同因子的效果差別。在左端圖中，因子強弱兩組的收益率存在明顯差異，并且隨著時間推移，收益率的分化進一步增強。由此可以認為，美歐利差因子是一個較好的因子。在右端圖中，因子強弱兩組的收益率并未出現明顯分化，反而交錯在一起，表明該因子對資產的未來收益率并沒有預測作用，所以并不是一個好的因子，在建模中應當舍去。

經過上述方法的篩選之后，在剩余性質較為優良的因子中，筆者使用逐步測試法來尋找最佳的多因子組合。方法按以下步驟執行：第一步，逐一從備選因子庫中添加因子到模型中，并分別評價模型效果；第二步，保留使得模型得分提升最多的因子，其余因子返回因子庫；第三步，重復前兩個步驟，直到模型得分不再提高。

本文使用邏輯回歸模型作為測試模型，將樣本按照8∶2的經驗比例，分為訓練集（2020年12月31日之前的數據）和測試集（2021年1月1日以后的數據），基于訓練集數據得到的最佳因子組合如下圖所示：

圖為模型得到的最佳多因子組合

C 模型回測

下面筆者用回測來驗證模型的效果，取滬金期貨主力合約為交易對象。由于因子基本都來自外盤數據，考慮到時差因素，為確保回測中沒有引入未來數據，將T日因子產生的交易信號放在T+1日的日盤開盤時刻進行交易，交易費用設定為開平倉各萬分之二，不使用杠桿。多因子策略和基準策略（買入持有策略）在訓練集（樣本內）和測試集（樣本外）的表現分別如下圖和下表所示。很顯然，無論是在訓練集還是在測試集，多因子模型的表現都要明顯優于基準策略。

以上研究展現了黃金基本面量化的價值，即通過基本面邏輯并輔助以量化的方法來構建多因子策略，對投資決策是可以起到很大的幫助。模型的回測結果表明，基于黃金基本面多因子的擇時策略顯著優于單純買入持有的投資方式。

表為黃金多因子策略和基準策略的主要業績指標對比

圖為訓練集的回測效果

圖為測試集的回測效果

（作者單位：中州期貨）

（文章來源：期貨日報）

關鍵詞：