农产品季节性量化因子挖掘

📚 共计 30 章节

季节性因子概述

农产品季节性规律的定义、形成原因（气候、供需、政策）、因子挖掘的意义。

数据准备与预处理

获取农产品期货历史数据（开盘、收盘、最高、最低、成交量、持仓量）、数据清洗、缺失值处理、复权处理。

基础统计特征提取

计算日收益率、波动率、移动平均线（MA5, MA10, MA20）、相对强弱指标（RSI）。

技术指标统计

季节性模式识别

月度收益率统计、季度效应分析、节气效应（如：霜降、立秋对农产品的影响）。

周期分解法

使用STL（Seasonal-Trend decomposition using LOESS）将价格序列分解为趋势、季节、残差三部分。

季节性虚拟变量构建

基于月份、季度、节气创建0/1虚拟变量，用于回归模型。

虚拟变量回归

滚动季节性因子

计算过去N年同期的平均收益率，构建滚动季节性因子。

季节性强度指标

计算季节性成分的方差占比，衡量季节性的显著程度。

跨品种季节性对比

不同农产品（大豆、玉米、小麦、棉花）的季节性特征对比分析。

季节性因子与天气数据结合

引入温度、降雨量等气象数据，构建天气调整后的季节性因子。

季节性因子与库存数据结合

利用USDA月度供需报告中的库存数据，构建库存季节性因子。

季节性因子与持仓数据结合

利用CFTC持仓报告，分析商业持仓与季节性因子的关系。

季节性因子与基差结合

计算现货与期货的基差，分析基差的季节性规律。

季节性因子与波动率锥结合

构建波动率锥，识别季节性波动率异常。

波动率锥异常

季节性因子与日历价差结合

分析不同交割月份合约之间的价差季节性规律。

季节性因子与期权隐含波动率结合

利用期权数据，构建隐含波动率的季节性因子。

期权隐含波动

季节性因子与宏观因子结合

分析利率、汇率、CPI等宏观指标对农产品季节性的影响。

季节性因子与政策因子结合

分析收储政策、补贴政策、关税政策对季节性规律的影响。

季节性因子与资金流向结合

分析主力合约持仓量变化、资金净流入与季节性因子的关系。

资金流持仓

季节性因子与技术指标融合

将季节性因子与MACD、布林带等技术指标结合，构建复合信号。

技术融合复合信号

季节性因子与机器学习结合

使用随机森林、XGBoost等模型，预测季节性因子对未来收益的影响。

机器学习XGBoost

季节性因子回测框架搭建

构建回测系统，包括数据加载、因子计算、信号生成、绩效评估。

季节性因子绩效评估指标

计算夏普比率、最大回撤、胜率、盈亏比、IC值、Rank IC值。

季节性因子组合优化

使用均值-方差模型、风险平价模型对多个季节性因子进行组合优化。

组合风险平价

季节性因子风险控制

设置止损、仓位管理、行业集中度控制、尾部风险防范。

季节性因子实盘注意事项

滑点、手续费、流动性、交易成本对因子收益的影响。

季节性因子失效诊断

分析因子衰减、市场结构变化、过度拟合导致的因子失效。

季节性因子报告自动化

使用Python生成自动化报告，包括图表、统计表格、绩效摘要。

自动化报告

案例实战（一）：大豆

基于大豆的季节性因子挖掘与交易策略构建。

案例实战（二）：玉米跨品种套利

基于玉米的季节性因子挖掘与跨品种套利策略构建。