IM合约对冲移仓成本较高，主动对冲策略表现优异【国金金工高智威团队】

1.1 股指期货市场上周概况

从整体表现来看，上周四大期指全线收跌，未表现出明显市值特征。其中中证1000期指跌幅最大，幅度为-2.84%，中证500期指跌幅最小，幅度为-2.00%。全部合约角度看，较上周前三个交易日，四大期指持仓量小幅波动，IF和IH持仓略减，IC和IM持仓略增，四大期指成交量均有所上升。
基差水平方面，截至周五收盘，IF、IC、IM和IH当季合约的年化基差率分别为-3.95%、-8.02%、-16.26%和-2.55%。较上周最后一个交易日，四大期指年化基差率均有所下行。
跨期价差方面，IF、IC、IM和IH当月合约与下月合约的跨期价差率分别处在2019年以来的49.90%、36.50%、97.30%和51.20%分位数。除IM其余期指价差分位数均处于正常分位数区间，IM合约极高的分位数表明期货对冲的移仓成本显著。基差未体现投资者明显预期变化。本周周五为2404股指期货合约交割日。
正向和反向套利空间上，以年化收益5%计算，剩余4个交易日，正反套当月合约年化基差率需要分别达到7.60%与-14.91%，按照收盘价格看IM存在反向套利空间，但因当前主力合约剩余交易日较短而使年化收益率上升，实际操作性价比不高。
分红预测方面，根据我们的估算，沪深300指数、中证500、上证50指数和中证1000指数对4月主力合约的点位影响较小，分别为0.72、0.61、0和0.36。
市场预期上，指数内结构性的交易分歧加大，强势板块调整带动指数整体下行。当前IF、IC与IM和IH对应指数PE估值分别处于过去10年以来27%、19%、10%和48%分位数，估值仍在较低区间，指数长期机会明显。期指基差变化上，后续随着分红季的到来我们估计期指总体基差贴水有所加深。

1.2 基于主动交易的对冲成本优化模型跟踪

本模型创新性地将股指期货交易策略与对冲持仓相结合，通过主动交易消除贴水带来的损失甚至贡献正收益，能够增强市场中性策略的表现。本模型中我们用多项式拟合的方法来预测价格的变动趋势，采用1分钟的价格频率来进行拟合和监控。我们着重展示交易限制较小的产品如专户类产品的对冲思路，此类产品对开多和开空没有限制，对每周换手率等限制较小。

上周，IC、IF和IH模拟被动对冲组合的收益率分别为0.15%、0.20%和0.02%；IC、IF和IH主动对冲策略表现优于被动对冲组合，收益率为1.75%、0.49%和0.14%。从历史表现来看，采用主动交易的对冲策略表现优于被动对冲策略。上周的策略信号开多、开空、均有，各期货合约策略信号方向较为一致，绝大多数平仓为信号平仓。

近期策略表现不佳，回撤时间达2019年以来最长，从策略构建的拟合原理看，当期指日内出现大幅“随机”波动，波动的数学变化反应的投资者预期变化可能会出现偏差而使策略出现回撤，随着市场对各类风险的消化，当行情中跳空与大区间上下激烈博弈的交易表现减少，策略有望继续取得更好表现。

2.1 股指期限套利计算

假设St、Ft、ST、FT分别为现货与期货在t时刻与T时刻的价格。在到期日T日，理论上，期货与现货价格因交割收敛，所以FT=ST。Mf、Ml分别为期货与融券的保证金比率。Cs、Cf分别为现货与期货交易的相关费用比率，费用包括佣金和交易税等。rf为无风险利率，rl为融券年利率。

正向套利的套利收益率公式为：

反向套利的套利收益公式为：

计算中，股指期货的单边交易费用取万分之零点二三，现货的单边交易费用取千分之一。期货和融券保证金分别为20%和50%。融券利率为年化10.6%。暂时不考虑分红的影响。

套利过程中的主要风险有：保证金追加风险、基差不收敛风险、股利风险、现货的跟踪误差风险、流动性风险等。

2.2 股利预估方法

指数成分股分红会使价格指数直接回落，分红回落会体现再股指期货的价格上造成“额外贴水”，对未来分红点位的预测可以修正基差率，实际基差率可以更好的跟踪市场真实的基差率水平。

上市公司分红计划与历史分红计划相关性极高，分红计划有一定延续性，我们通过历史分红规律来预测分红点位，具体方法如下：

根据预测时间的不同，EPS的取值有所不同，分红时间通常集中在每年的5、6、7、8四个月份。在预测的时间t，若t小于10月，上年度公司分红未结束，使用上年度数据来进行预测，EPS取年报披露EPS,当年报EPS未披露，EPS取值为上年度12月31日的EPS_TTM；若t大于10月，对于已结束分红的公司，我们需要对明年的分红进行预测，EPS取值为t时间的EPS_TTM。

预测派息率方面，对于过去三年稳定派息的公司，预测派息率取过去三年的派息率均值；对于稳定派息不足三年的公司，若公司持续盈利，预测派息率取上一年度的派息率；对于过去一年未盈利、正在资产重组、上市不足一年的的公司，若没有分红预告，我们认为其不分红。

派息时间方面，有的上市公司分红时间间隔有稳定规律，通常为每年同一月份，有的上市公司分红时间间隔没有明显规律，经过计算，对于稳定派息的公司，IF、IC、IH和IM成分股分红间隔时间的均值分别为368，366，369，369天，分红进程中，我们可以根据除息日披露及时调整预测，在这里我们使用上一年度的除息除权日来进行模糊预测。

根据以上预测，我们可以得到每个合约期内因分红对指数具体点位影响：

2.3 股指期货主动对冲策略

股指期货的负基差会使对冲策略增加额外成本，拖累组合收益。目前市场的对冲成本仍然很高。为了大幅降低该成本，我们将把股指期货日内交易与对冲仓位相结合，通过主动择时的方法来降低负基差带来的影响。由于股指期货日内价格波动存在较强的趋势性，我们首先引入多项式拟合的方法来跟踪这一趋势，从而构建交易策略。

我们可以通过研究价格与时间之间的变化关系来捕获价格趋势，从而顺势交易。变量之间的非线性关系可以通过函数拟合来研究，其中最常用的方法有多项式拟合、傅立叶展开等。在本策略中，我们主要采用多项式拟合方法来预测价格的变动趋势。为了更好的把握日内趋势，我们采用1分钟的价格频率来进行拟合和监控。具体的拟合公式如下：

其中，t为时间，n为拟合阶数，p(t)为t时刻的开盘价，f(t)为拟合的函数，an为拟合系数。在数学上，函数的一阶导数反映趋势的方向和强弱。而二阶导数进一步反映趋势变化的快慢。我们对拟合函数求一、二阶导数，通过导数值的正负可以对趋势的方向、力度以及变化趋势进行判断。

具有上升趋势的函数的一阶导数大于零，若二阶导数也大于零，则体现为上升趋势加速，即f'(t)>0，f''(t)>0，f'(t)和f''(t)分别为f(t)的一阶和二阶导数。相反，如果一阶导数小于零，则具有下降趋势，若二阶导数也小于零，则体现为下降趋势加速，即f'(t)<0，f''(t)<0。若在上升趋势中，二阶导数小于零，或者在下降趋势中，二阶导数大于零，分别表现为上升趋势和下降趋势放缓。在上述的前两种情况下，我们应该顺势建仓；当出现后两种情况时，我们应该平仓。下表展示了策略信号的定义。

策略参数方面，主要参数有拟合阶数和拟合时间长度，后者即拟合所使用的历史数据的长度。一般来说，拟合阶数越大，越能捕捉到局部的波动信号，但相应地受噪声的影响也就更大；而拟合时间越长，就越能发现长期趋势。我们使用4阶拟合下450分钟的参数组合，止盈线设置在1.10%，止损线设置在-1.30%。

1、以上结果通过历史数据统计、建模和测算完成，若历史数据产生环境发生变化，可能出现模型失效风险;

2、政策环境发生变化，资产与相关风险因子失去稳定关系的模型风险;

3、市场环境发生变化，国际政治摩擦升级等带来各大类资产同向大幅波动风险；

4、因指数成分股变化，分红点位预估可能出现偏差。

Alpha掘金系列

1. 《Alpha掘金系列之九：基于多目标、多模型的机器学习指数增强策略》

2. 《Alpha掘金系列之八：FinGPT对金融论坛数据情感的精准识别——沪深300另类舆情增强因子》

3. 《Alpha掘金系列之七：ChatGLM医药行业舆情精选策略——大模型微调指南》
   

4. 《Alpha掘金系列之六：弹性与投资者耐心——基于高频订单簿的的斜率凸性因子》
   

5. 《Alpha掘金系列之五：如何利用ChatGPT挖掘高频选股因子？》
   

6. 《Alpha掘金系列之四：基于逐笔成交数据的遗憾规避因子》

7. 《Alpha掘金系列之三：高频非线性选股因子的线性化与失效因子的动态纠正》

8. 《Alpha掘金系列之二：基于高频快照数据的量价背离因子》

9. 《Alpha掘金系列：多维度卖方分析师预测能力评价——券商金股组合增强策略》

＋

报告信息