来源：东证衍生品研究院

报告摘要

报告日期：2022年11月18日

★ 股指行情及基差情况回顾

市场风格轮动显著，4月底以来500指数显著跑赢300指数，而11月美联储加息节奏放缓叠加疫情精准防控政策落地，市场风格出现边际切换，情绪修复下大盘价值领涨。

2022年10月13日至2022年11月11日，股指期货基差显著走强，IF升水幅度扩大，IC与IM的基差则显著收敛，IH则维持升水状态为1.1％。IF、IC、IH剔除分红当季年化基差近两年百分位分别达到了5％、2％、32％的历史高位。

★ 股指期货套保需求跟踪：空头套保力量减弱

总体来看，今年的Alpha策略与中性策略表现逊于往年，同时近一月Alpha收益季节性下滑，空头套保需求下降导致基差贴水收敛，ETF融券余额的减少也可以印证空头套保需求下降的趋势；但是私募指增Alpha收益与中性策略收益开始企稳回升，后续仍需密切关注指增与中性策略表现对基差的影响。

在指数估值较低的环境下，场外衍生品发行热度依然较高，但是Delta 对冲今年对基差的影响趋弱，我们观察到指数与基差的负相关性弱于去年，估计与雪球产品今年大量敲入有关。场外衍生品所追求的贴水红利本质上仍来源于Alpha收益，因此我们认为贴水变化趋势依然是空头套保需求主导，但是场外衍生品的多头持仓会使得贴水整体收敛，并且降低基差的波动水平。

★ 展期优化及跨期套利策略跟踪

2022年以来，IC与IF跨期套利策略分别取得了4.5％、1.5％的收益，近一月的IC跨期套利取得0.1％-0.3％的正收益，IF跨期套利策略有0.2％至0.3％的回撤。基于跨期信号优化的多头与空头展期策略显著跑赢当月展期与当季展期两个基准策略。基于机器学习模型构建的跨期信号推荐IC空头持有当季合约、多头持有下季合约；IF空头持有下季合约，多头持有当季合约。

★ 风险提示

模型基于历史数据构建，未来市场规律的变动可能使模型失效

报告全文

1 2022年10月-11月股指期货行情回顾

2022年10月13日至2022年11月11日，上证50、沪深300、中证500、中证1000分别收跌2.58％、收跌1.41％、收涨2.77％、收涨3.70％。四季度的反弹行情中，小盘上涨领先于大盘蓝筹，医药生物、电子、计算机等板块贡献了中证500与中证1000指数较多的涨幅，食品饮料板块贡献了上证50与沪深300指数较多的跌幅。今年以来大小盘轮动较为明显，4月底以来500指数显著跑赢300指数，而11月美联储加息节奏放缓叠加疫情精准防控政策落地，市场风格出现边际切换，情绪修复下大盘价值领涨。

2022年10月13日至2022年11月11日，股指期货基差显著走强，IF、IC、IM的剔除分红当季年化基差分别从0.8％、-3.7％、-9.1％走强至1.1％、-1.4％、-3.9％，IF升水幅度扩大，IC与IM的基差则显著收敛，IH则维持升水状态为1.1％。IF、IC、IH剔除分红当季年化基差近两年百分位分别达到了5％、2％、32％的历史高位。除此之外截止11月第2周，四大期指主力合约普遍升水，IF、IH、IC、IM11月合约平均升水4.96、0.48、5.04、4.76点。

截止2022年11月11日，IF、IC、IM、IH持仓量分别为21.8、32.6、12.4、12.9万手，近一月的日均成交量分别为11.5、10.8、7.2、7.9万手，成交持仓比分别为0.53、0.33、0.58、0.61。IC的成交持仓比显著低于其余品种，表明套保持仓占比较高。成交持仓金额方面，IF、IC、IM、IH持仓市值分别达到了2502亿、4015亿、1642亿、983亿，日均成交额分别达到了1273亿、1280亿、928亿、575亿。

2 股指期货套保需求跟踪

股指期货的成交持仓比常年维持在1以下，套保持仓占比较高，套保需求的变化往往影响股指期货基差的中长期走势。IF的空头套保需求主要来自公募、保险等持仓风格偏向大盘蓝筹的机构，IC、IM的空头套保需求主要来自私募中性策略，多头套保需求则主要来自场外衍生品做市商。我们从指增基金的Alpha收益表现、中性策略表现、中性策略规模、ETF融券余额、股指期货会员持仓多空净头寸数据监测股指期货的套保需求情况从而分析股指期货的基差走势。

2022年以来公募与私募指增基金均取得了显著正收益，公募沪深300、中证500、中证1000指增基金的平均Alpha收益分别为3.89％、3.55％、8.67％，但近一月则普遍亏损，Alpha收益分别为-0.48％、-1.88％、-1.01％；2022年以来私募沪深300、中证500的指增产品平均Alpha收益则分别为12.6％、11.78％，近一月的平均Alpha收益分别为2.38％、0.48％，私募Alpha收益开始企稳回升。受财报季影响指增基金的Alpha收益自10月后普遍较低，与基差的季节性可以相互印证。

2022年公募与私募中性策略表现不佳，受此影响公募中性策略规模缩量、私募新发中性产品数量下滑，导致股指期货空头套保需求缩减。同时观察到ETF融券余额有所下滑，同样印证了空头套保需求下降。2022年以来公募中性策略平均收益-2.7％、私募中性策略平均收益-0.7％，公募中性策略产品规模较上季度下滑了约45％，而私募新备案中性策略产品数量明显低于历史同期。近一月公募中性策略平均收益依然为负值，但是私募中性策略收益开始企稳回升。

2022年以来场外衍生品对冲对股指期货基差的影响趋弱，中证500指数与IC基差的负相关性弱于2021年，整体呈现微弱的正相关性，这与雪球产品在去年高点集中发行，今年指数点位普遍触及敲入线有关。但是雪球产品的发行热度较高，在当前指数点位处于历史低位的环境下，雪球相比直接做多指数是一个更具吸引力的多头配置方式，IC主要会员持仓多空净头寸今年以来持续上升，也可以与雪球的发行热度相互印证。虽然指数与基差的负相关性趋弱，但是场外衍生品做市商的多头持仓依然整体减少了Alpha收益带来的贴水红利，导致IC贴水整体收敛。

3 多头展期收益与空头对冲成本跟踪

股指期货同时存续的四个股指期货合约构成四个基准展期策略，当月展期、下月展期、当季展期、下季展期，考虑到合约的流动性问题，我们重点跟踪当月展期与当季展期两种基准策略的展期收益与对冲成本；同时我们跟踪两种优化策略：最优贴水策略与跨期信号策略。跨期套利策略的具体构建方法可以参考2022年9月30日发布的专题报告《基于机器学习的股指期货跨期套利策略构建》。具体回测参数确定如下：

2022年以来，IC与IF跨期套利策略分别取得了4.5％、1.5％的收益，基于跨期信号优化的多头与空头展期策略显著跑赢当月展期与当季展期两个基准策略。

IC当月、当季、最优贴水三个基准策略的多头展期收益分别为4.5％、6.9％和7.0％，空头对冲成本分别为-5.5％、-7.3％与-4.9％；基于RForest、Xgboost跨期信号优化的展期策略多头替代收益分别为8.0％、8.5％，空头对冲成本分别为-4.8％、-5.0％。

IF当月、当季、最优贴水三个基准策略的多头展期收益分别为2.5％、2.8％和3.3％，空头对冲成本分别为-3.0％、-3.4％与-3.0％；基于RForest、Xgboost跨期信号优化的展期策略多头替代收益分别为4.3％、4.1％，空头对冲成本分别为-2.0％、-2.5％。

近一月的IC跨期套利取得0.1％-0.3％的正收益，IF跨期套利策略有0.2％至0.3％的回撤。

3.1、空头展期优化策略跟踪

3.2、多头展期优化策略跟踪

4 跨期套利策略跟踪

5 风险提示

模型基于历史数据构建，未来市场规律的变动可能使模型失效。

本文源自行业资讯

我们都知道期货价格是未来的价格，期货一大重要功能就是价格发现，众多参与者利用市场公开竞价交易等交易制度，形成一个反映市场供求关系的市场价格，这个价格是众多买卖双方对未来现货价格的合理预期。一般而言，期货的价格走势先于现货，并且引导现货的涨跌。

　　股指期货作为期货中最重要的品种，同样有此功能。另外，股指期货可以现金交割，这一功能更加显著。下面我们举例来解读：

　　名词解释：

　　股指期货升水：现货指数价格<股指期货价格

　　股指期货贴水：现货指数价格>股指期货价格

　　股指期货平水：现货指数价格=股指期货价格

我们以中证500举例，受大环境及叠加贸易战等因素影响，2019年8月，中证500股指期货（IC）远期合约IC2003贴水中证500指数一度超过300点。此后，受降准影响，中证500指数走出一波小行情，从4550一路上升到5280，但IC2003贴水仅从300修复到200.从这里我们看出，“聪明”的资金对未来的行情并不是那么的看好。随后从9月16日开始，中证500指数开始一路震荡下跌，一直到11月12号跌到4823附近开始企稳，但此时反观IC2003的贴水并没有继续扩大，而是得到强力支撑和缓慢抬升的过程。特别是整个11月下半月，从11月12日贴水200点缩小到12月2日的120点。此期间，中证500指数无太大波澜。但到了12月2日，中证500指数走出一波400点的行情，至今尚未结束。IC2003贴水也迅速修复到30，并一度出现小幅升水。

　　从以上两次股指期货的贴水变化，股指期货IC2003两次预测到了股市的走势，特别是第二次，股指期货提前半个月修复贴水，随后指数开始启动行情。

　　下面我们来具体分析下，为什么我们能从股指期货升贴水的变化，来感知市场情绪的变化。

　　首先，也是最重要的一点，就是期货的价格发现功能。众多参与者，在一个公开、公平、高效、竞争的期货市场中，通过交易形成的期货价格。期货远期合约的价格都是通过真金白银交易出来的，没有投资者会故意亏钱。投资者的逐利性使得每个人都只能或者只会传递自己的真实想法。因此具有真实性、预期性、连续性和权威性的特点，能够比较真实地反映出未来商品价格变动的趋势。具体到股指期货，市场对未来预期乐观时，股指期货贴水会消失，甚至出现升水；当投资者对指数未来悲观时，相应股指期货会出现比理论值更高的贴水。

　　第二就是从股指自身的特点分析，股指的参与门槛较高，需要50万验资才能开通，这就对股指期货的投资者进行了一次初步筛选。另外，股指期货远月合约流动性相对较差。参与股指期货期货远月合约投机的资金较少。参与远月合约的资金多是长期投资者或者是对冲、有套期保值需求及套利的投资者，我们可以称他们为“聪明”的投资者，其整体投资水平或者素养要显著高于A股的散户水平。这群人对市场的理解更加深刻。

　　最后需要特别强调一点的是，做投资，任何指标都有局限性。股指期货升贴水的变化虽然对股市未来的走势有重要的先导作用，但绝不能迷信。市场是由千万个体的交易主体及行为构成的，很多时候都会受情绪的影响而变得非理性。例如2015年股灾，股指期货IC1603合约深度贴水，但是到了16年，市场恐慌的情绪得到平复，股市并没有想象中的那么差。

作为目前我国金融市场两种场内股票类衍生品，指数期权（ETF期权）与股指期货具有很多相似之处，对于投资者套期保值需求或投机需求也存在类似的承接程度。因此，在理论上，隐含波动率指数和升贴水的表现应存在一定关系。本文主要考察期权隐波构成的波动率指数与股指期货升贴水之间的关系。

P-C隐波差

对于指数期权或ETF期权来说，目前已上市的50ETF、沪市300ETF期权、深市300ETF期权以及沪深300指数期权，均存在不同程度上的平值看涨期权隐含波动率小于平值看跌期权隐含波动率的情况，这与IH以及IF长期处于贴水状态相同。同时，P-C隐波差常与股指期货的升贴水同时同向变动。

对此种现象，笔者认为，要从期货市场中最重要的一类参与主体，即做市商进行分析。作为为期权合约提供双边报价的流动性提供者，做市商难免会遇到持有的Delta偏离中性较远的情况。为了保持每日隔夜的Delta约为零，他们必须对头寸进行Delta管理。

不过，由于目前国内金融市场上的融券成本较高以及融券券源稀少等原因，做空标的现货降低正Delta敞口并不是一件容易的事。相较之下，股指期货由于其既可以双向交易，又能实现T+0，同时还具有保证金交易的特点，所以成为做市商对冲delta敞口的重要工具。

C+Ke-rT=P+S，我们回到期权平价公式中，由于对冲时采用的标的是股指期货而不是股票现货，所以公式中的S指的是股指期货而非股票指数。若使用股票指数作为S，则平价公式就会不成立。同时，通过期权价格倒推得出的隐含波动率也会呈现C不等于P的情况。

因隐波差和升贴水被期权平价公式所约束，所以当股指期货常常处于深度贴水的状态时，隐含波动率就会常处于C时间滞后互相关

P-C平值合约隐波差与股指期货升贴水的关系，主要由无套利原理下的期权平价公式所决定。那么由一系列行权价以及一系列到期期限的看涨、看跌期权隐波合成的隐含波动率指数与股指期货升贴水存在哪些关系呢？

图1为2015年至今IH各期限合约年化基差率

通过考察不同到期期限IH各合约年化基差率的水平发现，由于当月合约一般至到期交易日剩余天数较少，所以经过年化处理之后的数值具有很多毛刺（见图1）。本文选取了较为稳定，同时具有一定流动性的当季合约及其升贴水作为隐含波动率指数对比对象。

图2为2015年至今50ETF各期限合约年化基差率

图3为2015—2019年IH基差

这里使用的50ETF期权隐波为不同行权价、不同到期期限的Call和Put期权隐含波动率加权得到，具体方法近似于CBOT的VIX计算方法。

观察图2可以发现，隐含波动率指数与升贴水确实呈现正相关关系。进一步考察两者的时间滞后互相关可以发现，如图3中，隐含波动率指数领先57个交易日时，两者互相关系数最高达到0.51。

研究结论

通过上述研究，笔者发现：

第一，隐含波动率指数方面，国内的波动率指数与欧美等成熟市场有较大的区别。欧美等市场的波动率指数仅会在市场大幅下行时出现跳涨，而国内的波动率指数除此之外，在市场大幅上行时也会出现跳涨，这说明国内投资者害怕踏空的心理不弱于害怕下跌的心理。

第二，升贴水方面，尽管整体来看升贴水状态与标的走势呈正比，但在更高频的数据上，确实出现了指数上行但贴水仍旧扩大的情况。这也与基差定价权主要掌握在进行套期保值的机构投资者手中一致。

第三，隐含波动率指数的快速上行往往代表了投机需求的旺盛，而在投机需求随着时间逐步减弱之后，进入到标的的横盘振荡阶段。这时，对于未来的不确定性就导致了对冲需求的激增。因此，隐含波动率指数与升贴水呈现出时间滞后的正相关关系。

当然，对于隐含波动率指数与升贴水之间的关系，除了波差的结论较为确定外，其他的仅是笔者初步探讨的方向，可能与事实存在一定的偏差。本文仅希望能够给投资者带来一些启发。

本文源自期货日报

来源：国投安信期货

在股指期货套期保值的过程中，基差择时和对冲比率一直是普遍关注的核心问题。从近年情况来看，股指期货在经历了深度贴水和基差中枢回归等周期后，对于基差走势的判断更依赖于中长期的基本面视角。同时由于套保方在持仓量较大的情况下需要考虑流动性的条件，移仓周期内可以选择的展期时间点并不多，另外通过把移仓分配到多个交易日也可以相对减少短期价差波动的风险。对冲比率的研究则更关注整个投资组合的波动率和对冲成本的控制。通过对金融期货的期现时间序列进行检验，我们发现国债期货由于现货标的的特殊性，其最廉可交割券的切换和持有成本的存在，使得期现走势并不符合协整性的要求。然而即便是对于股指这样期现相对应的品种，走势仍然存在背离的情形。因此如何合理的运用套保比率和展期方法来有效对冲风险并减少成本是每个经济周期内都值得考量的问题。

套期保值的比率决定了投资组合整体风险暴露的程度，净多空仓位都会影响组合波动和收益表现。由于期现的联动反映一直是在不断变化的，静态套期保值的结果包含有偏估计，动态套期保值也逐渐成为研究的重点。理论上自回归条件异方差模型（ARCH）解决了数据异方差问题对于套期保值比率的影响，而广义自回归条件异方差模型（GARCH）又在此基础上有所改进。本文以沪深300、中证500和上证50股指期货进行实证分析，中证1000合约由于数据较少没有被纳入测算。通过OLS、VAR、ECM和GARCH模型计算出套期保值比例；根据现货市场、期货市场以及套保比例，评估净值曲线，同时选取多个指标评估净值曲线的表现，进而找到不同品种的最优模型。

从三大股指合约的套保效果来看，OLS方法在IF和IC上表现较差，与基准策略基本持平，而在IH上测试显示相对更好。其他三个统计模型均要优于基准策略，且计算的数值相对也比较接近，这与回归多项式的原理有一定关系。对于IH合约而言，VAR模型相对更优；对于IC合约，三个方法差异并不显著，GARCH方法相对更好。

此外，本文还将测试展期日对组合净值表现的影响，选取当月合约到期日前1-15天作为移仓日，观察净值变化情况，选择较优的移仓日。套期保值比率调整的周期也是动态套期保值中重要的一环，周期的调整会结合市场实际的情况进行多个周期的检验，进而寻找较为适宜的调整频率。我们先假设套保比例为1，选择股指期货合约到期前1-15天。从移仓单日最大亏损、移仓累计收益和年化收益率等进行评价，对回测区间的期指合约的移仓日期进行设置。

统计模型-套保比率

套期保值比例可以通过统计回归模型得到。常用的统计模型有OLS、VAR、ECM和M-GARCH模型。本文通过OLS、VAR、ECM和GARCH模型求出套保比例进行比较。

2.1OLS回归模型

OLS是最为基础的统计回归模型。OLS模型的前提假设条件为误差序列同方差且无相关性，即：

当上述条件不满足时，模型回归的结果是有偏的。

现货收益和期货收益的OLS回归模型如下式所示：

其中，Rs，t为t时间现货的收益，Rf，t为t时间期货的收益。

在该模型中，回归系数β即为套保比例。

2.2VAR模型

对于经济变量来说，序列往往存在自相关性。向量自回归模型的提出解决了序列自相关问题。现货收益和期货收益的VAR模型如下式所示：

其中，εs，t和εf，t分别为现货收益和期货收益回归的误差序列，各项均服从正态分布；n为自回归滞后阶数。在VAR模型中，套期保值比例为：

根据VAR模型回归结果的AIC值变化，我们设置最大滞后阶数为3。

2.3ECM模型

对于非平稳的序列来说，OLS和VAR模型不再适用。为解释存在协整关系的序列，即变量之间存在长期均衡的关系，我们在VAR模型的基础上引入误差修正项，建立ECM模型：

其中：

St-1为现货在t-1时刻的价格，Ft-1为期货在t-1时刻的价格。

该模型得到的套期保值比例为：

2.4GARCH模型

针对残差项，上述三个模型均假设残差项为同方差，但大量的实证研究表明，金融时间序列存在残差项异方差的问题，因此GARCH模型被提出。具体模型如下：

最优套期保值比例为：

我们选取2016年1月至2022年7月的历史数据作为研究对象，用合约到期前1年的交易数据（252天）来确定套保比例。在选取合约到期前10天作为股指期货移仓日，并且期货合约杠杆为1的条件下，所选取的股指期货在OLS、VAR、ECM和GARCH模型下套期保值组合的净值表现如附表所示。

接下来，我们通过以下五个指标来评估套保组合的净值表现：移仓单日最大亏损、移仓累计收益、年化收益率、最大回撤率和夏普率。对于标的沪深300、中证500和上证50股指期货，在四个模型下的套保组合的净值表现分别与基准策略，即市值对冲方法进行比较。

通过对不同套期保值方法的比较，统计模型计算的套保比率在不断上升，头寸敞口也在不断缩小，这与近年来期指市场的参与结构的完善，贴水中枢的收敛都有一定关联。从三大股指合约的套保效果来看，OLS方法在IF和IC上表现较差，与基准策略基本持平，在IH上测试显示相对更好。其他三个统计模型均要优于基准策略，且计算的数值相对也比较接近，这与回归多项式的原理有一定关系。对于IH合约而言，VAR模型相对更优；对于IC合约，三个方法差异并不显著，GARCH方法相对更好。由于套保比率原本就是在风险敞口方面的调整，对于整体投资组合收益率的改变并不显著，但是对于波动率的降低仍然有一定作用，尤其是在面临不利的移仓区间内，合理套保头寸能够降低7％的当期对冲成本。

本文源自金融界

上一篇：现货原油交易技巧(现货交易技巧教程)

下一篇：农药股分析(农药龙头股一览表)