2025年大类资产配置研究系列专题报告：商品择时及其在资产配置中的应用

1、 商品基金概览：投资价值分析与基金盘点

1.1、 商品在资产配置中的价值

大宗商品配置意义主要有三个方面：第一是商品组合长期收益为正，第二是可 以对冲通胀压力，第三是商品与股债的低相关性可以减少组合波动。 从商品组合长期收益来看，商品投资组合的核心优势在于不同商品成分间“高 波动性+低相关性”的组合属性，在商品投资组合管理中，可以通过再平衡操作提升 组合收益，从而获取正的长期收益。Chambers, D., Dimson, E., Ilmanen, A., & Rintamäki, P. (2024)发现在 1877-2020 年的长周期维度下，等权持有商品期货组合相 对现金的年化超额收益率为 4.3%，高于商品期货平均超额收益率（0.4%）；等权持 有商品期货组合的年化波动率为 22%，低于商品期货平均年化波动率（37%），这反 映了再平衡的优势，即降低波动率的同时提升收益率。

大宗商品能够对冲通胀压力，原因是大宗商品是 CPI、PPI 等价格指数的直接上 游输入项。如能源商品影响交通运输、电力生产和居民取暖成本，是 CPI 和服务业 成本的重要组成部分；工业金属对制造业成本影响加大，其价格上涨会直接推高工 业产成品的成本，最终由 PPI 向 CPI 传导；农产品直接构成 CPI 中的食品分项。此 外，大宗商品在由于贸易摩擦等因素带来的供给冲击同时导致增长疲软与价格上涨 时期实现有效多元化。 从中美两国资产相关性矩阵来看，商品与股债相关性较低，股商相关系数在 30% 左右，债商相关系数为负。

股票上涨周期和商品上涨周期在部分时段不同步，如 2015-2016 年和 2020-2025 年，原因是商品涨跌主要由自身基本面和通胀决定，而部分时段股市涨跌驱动因素 更为复杂，如由资金流驱动。

由于商品和股债相关性不高，因此加入商品可以减少组合波动。 从 FOF 对商品基金的持仓结构来看，黄金是其最核心的配置品种，持有豆粕和 有色金属的 FOF 个数也较多。根据 2025 年中报披露，FOF 持有黄金基金的市值为 28.37 亿元，持有相关基金的 FOF 数量为 492 只。豆粕的持有市值和持有豆粕的 FOF 数量分列第二，分别为 2.45 亿元和 106 只。有色金属以 1.05 亿元的市值和 47 只 FOF 持有数位居第三。这两种商品作为黄金的补充，规模相对较小，反映出 FOF 在商品 领域的投资仍较为谨慎，倾向于利用这些品种进行战术性配置或分散风险。 其他如白银、油、能源化工等商品仍是相对小众的配置方向，尚未成为 FOF 投 资商品基金的主流选择。尽管这些品种在少数 FOF 中的平均持有比例不低，但持有 它们的 FOF 数量和总市值均有限。

1.2、 商品基金盘点

商品根据中证商品指数有限责任公司分类，共分为能源化工类、有色金属类、 黑色金属类、农产品类、贵金属类等七类。

商品基金分为三种，一是以黄金 ETF 为代表的跟踪现货的产品，二是以有色 ETF 和豆粕 ETF 为代表的跟踪商品期货的产品，三是商品有关的股票基金，虽然这些产 品不是严格意义上的商品基金，但是如果走势与商品基金接近，那么将其纳入我们 考虑范畴之内，如跟踪原油股票的基金。 跟踪国内期货的商品基金共有 4 只，分别为国投白银 LOF、豆粕 ETF、有色 ETF 和能源化工 ETF。国投白银 LOF 主要持有上期所白银期货；豆粕 ETF 主要持有大商 所豆粕期货合约；有色 ETF 跟踪上期有色金属期货价格指数 IMCI，主要持有铜、铝 等有色金属期货；能源化工跟踪易盛郑商所能源化工指数 A，成分品种包含 PTA、 动力煤、玻璃和甲醇四类，2022 年以来，实际持仓以 PTA 和甲醇为主。

跟踪原油的产品数量较多，总体规模较大。跟踪原油的产品主要有 QDII 型原油 期货型基金和 QDII 型原油股票型基金。其中，原油期货型基金共有 3 只，截至 2025 年 7 月 31 日，3 只基金合计规模超过 15 亿元。原油股票型基金数量较多，且总体规 模更大，共有 8 只基金，合计规模 63.57 亿元。

期货型和股票型原油基金净值走势整体趋势一致，股票型基金波动更小。下图 中华宝标普油气 A 人民币是股票型基金，其他均为商品期货基金，华宝标普油气 A 人民币与其他基金走势基本一致。

跟踪黄金的商品基金以现货基金为主，产品数量较多，规模较大。

1.3、 商品基金收益拆解与商品配置价值分析

本节，我们拆解商品基金的收益来源，由 1.2 节可知，共有三类商品基金： 第一类，对于跟踪现货的产品，其收益与现货相近。 第二类，对于跟踪股票的 ETF，其收益等于所跟踪股票的收益与跟踪误差之和。 第三类，对于跟踪商品期货的基金产品，其收益较为复杂，包括标的指数收益、 合约展期收益、剩余资金管理收益以及其他收益。具体来看，商品期货指数采用主 力合约拼接的构建方式，当主力合约临近到期时，通过定期展仓衔接下一个主力合 约价格；合约展期收益指的是合约移仓时的价差产生的收益；对于剩余资金管理收 益，期货合约采用保证金交易，仅需约 10%的保证金，因此理论上基金管理人可以 使用剩余 90%左右资金购买债券，实际上多数 ETF 以持有现金为主；其他收益包括 期货交易摩擦和 ETF 的 IOPV 溢价率，如频繁申赎产生的交易摩擦。

商品基金配置价值主要来源于指数收益，也就是品种本身长期收益率，不同品 类资产的表现呈现出显著分化。原因是不同商品背后的供需结构、生产技术及金融 属性存在较大差异。 （1）贵金属：在 1990 年以来的统计区间内，贵金属长期收益较高，其中黄金 由于其金融属性，年化收益率达 6.3%，超越了同期美国 2.7%的 CPI 年均增速和美国 人均 GDP 3.9%的增长水平。在开源金融工程前期报告《黄金的预期收益框架与 COT择时因子》（魏建榕、张翔、何申昊，2024）中，我们发现黄金收益与美国实际利率 挂钩，如果经济持续增长，则黄金收益能够延续。 （2）有色金属：铜的长期年化收益率达到 3.9%，高于 PPI 年均增速，与美国人 均 GDP 的长期增长率相似，这受益于铜供给偏紧，优质铜矿偏少。展望未来，在铜 矿供给约束偏紧、下游需求不减的情况下，我们认为现货铜的长期收益率能够延续。 （3）原油：长期年化收益率为 3.1%，然而原油实际价格呈“高波动、无长期趋 势”特征。展望未来，原油长期收益率预计与美国 CPI 增速相近，长期需求受能源 转型挤压，供给端难以形成长期缺口，但是在短期供给冲击下能出现阶段性高收益。 （4）豆粕：豆粕长期年化收益率较低，仅为 0.4%，远低于通胀率，原因是随着 种植技术进步，如转基因技术等技术革新，单位面积的土地产出效率得以提升。

展期收益是另一个重要的损益来源，不同品类资产的展期收益差距较大。一方 面中国市场与全球市场供需结构存在差异，另一方面不同商品的储存成本不同。 （1）豆粕：豆粕展期收益较高，月均展期收益达 0.47%，在中国庞大的养殖业 需求背景下尤为明显，其季节性生产、刚性消费需求、原料大豆以进口为主的供给 格局以及不易长期储存的特性共同推高了现货的便利收益。 （2）有色金属：有色金属展期收益多数为正，尤其是需要进口的有色金属，如 铜。国内对铜、镍等工业金属的现货需求较高，带来了温和的正展期收益。部分供 给端在国内的金属展期收益较低，如铝，原因是供给丰富。 （3）原油：展期收益为负，这说明其供给大于需求。 （4）白银：展期收益为负，因此白银期货投资价值弱于现货，也弱于黄金现货。 但是在部分情况，如银金比低或者白银现货紧缺，白银具有投资价值。

从时序变化来看，豆粕展期收益虽有波动，但在多数时间段为正；白银展期收 益在多数时段为负；有色金属如铜、铝、镍的展期收益与全球经济景气度有关，在 经济上行、需求旺盛的阶段（如 2004-2008 年及 2021-2022 年），展期收益显著为正， 而在经济放缓或衰退时期则转为负值；能源化工产品的展期收益波动较大。

展期收益较高的阶段，通常出现在期货价格自高点回落的时期。在此阶段，正向的展期收益能够对冲期货价格下跌带来的部分损失，因此，通过持续展期多头头 寸，投资者仍可能获得较为可观的收益。以豆粕为例，期货价格在 2020-2021 年上涨 后，在 2022-2023 年波动剧烈，而在这段时间豆粕展期收益较高。 这种现象的根本原因在于现货市场紧张，导致期货市场呈现近高远低的结构。 尽管市场可能因预期未来供需缓和而导致整体价格水平回落，但当前的现货短缺状 况支撑了近月合约的相对强势，这正是高额展期收益的主要来源。

向的展期收益能够对冲期货价格下跌带来的部分损失，因此，通过持续展期多头头 寸，投资者仍可能获得较为可观的收益。以豆粕为例，期货价格在 2020-2021 年上涨 后，在 2022-2023 年波动剧烈，而在这段时间豆粕展期收益较高。 这种现象的根本原因在于现货市场紧张，导致期货市场呈现近高远低的结构。 尽管市场可能因预期未来供需缓和而导致整体价格水平回落，但当前的现货短缺状 况支撑了近月合约的相对强势，这正是高额展期收益的主要来源。

2、 多元化商品择时策略：基本面与季节性

商品市场的主动投资策略体系多元，目前商品策略主要从市场结构、基本面和 技术面等多个维度构建。 首先，基于市场结构与风险定价的策略包括套利和季节性风险溢价。套利策略 对于商品基金主要是展期收益；季节性风险溢价策略主要捕捉商品收益随时间周期 性变化的规律。 其次，基本面分析是核心策略之一，包括宏观经济驱动和供需基本面两个层面。 前者关注经济增长、通胀、利率等宏观变量对商品价格的整体影响，后者则通过衡 量和预测库存、产量、消费量等微观数据进行投资决策。 此外，基于价格行为的量化策略也十分普遍，如动量策略通过捕捉市场趋势获 利，而反转策略则利用均值回归原理，在市场过度反应或出现替代效应时寻找投资 机会。

2.1、 商品基本面择时策略

本节探讨商品基金的中期择时指标，我们指标一共分为两类： 第一类指标是从基本面出发，考察产业链各个环节主体的利润/景气程度。若某 环节企业利润较高，那么该环节企业往往会扩产，导致未来产业链上游的需求上升 和该环节产品的供给过剩，从而带来未来产业链上游产品的涨价和该环节产品降价， 反之亦然。商品周期性的扩产和减产是商品价格波动的驱动因素之一。 第二类指标是库存和价差数据，一方面可以验证第一类指标预示的情况是否正 在兑现，另一方面可以捕捉其他原因导致的价格上涨。具体分为两类，第一类是库 存变化，如交易所库存、港口库存等。第二类是价差结构，其一是期限结构（近月 升水还是贴水），结构变化是现货松紧最直接的体现，其二是区域/品种价差（进口盈 亏、内外盘比价）。

在期货指标处理方法上，我们采用以下方法： （1）差分（短期）：如计算当月环比变化等，并根据是否大于 0 来区分 0-1 变量， 这种处理方式能够捕捉短期变化，但是可能产生较多交易信号。 （2）阈值截断：对于利润类指标，采用阈值来区分 0-1 变量，阈值根据回测结 果确定。其优点是信号简单直观，只在突破关键水平时才产生信号，避免了频繁交 易，且贴近决策逻辑。其缺点是模型的表现依赖于阈值的设定，阈值通过回测确定， 可能导致参数对历史数据过度优化，这个阈值本身也可能是动态变化的。 （3）短均线减长均线：通过比较指标的短期移动平均线是否高于长期移动平均 线来区分 0-1 变量。如果短均线高于长均线，意味着近期数值高于长期趋势，表明 指标处于上升动能中。其优点是通用性强，能够有效地识别和跟踪指标的主要趋势， 其缺点是有一定滞后性，且不适用于震荡趋势。 （4）滚动一年均值+差分：我们将对其进行滚动 250 个交易日的处理，并将当 期滚动值减去一月前的滚动值，根据是否大于 0 来区分 0-1 变量，这种处理方式适 用于有明确季节性的指标，且更擅长捕捉长期趋势。 此外，由于本节的重心不在于商品期货 CTA 高频策略，而是通过基本面和其他 数据构建商品基金中期择时指标，因此本节认为优秀的择时指标应该具备的特征是 年均交易次数少、持仓时间短、择时超额收益高，部分交易频繁的策略不纳入本文 策略中。

2.1.1、 铜期货及基金择时策略

本节我们首先梳理了铜的产业链分布，并寻找各个主体的利润或者景气程度， 同时寻找库存和价差结构指标，然后列示指标的择时效果。

从供给端来看，精炼铜的上游主要包括矿山，中游是冶炼企业，将铜矿石冶炼 为精炼铜。就目前来看，由于优质铜的稀缺性和铜矿开采周期较长，铜产业链处于 供给偏紧的格局。 2024 年以来中游冶炼产能加速扩张，上游供应偏紧与中游冶炼产能过剩形成矛 盾。目前，中游冶炼处于去产能的阶段，《铜产业高质量发展实施方案（2025—2027 年）》明确要求新建冶炼项目需配套权益铜精矿产能等。

中游炼铜企业的利润来源是铜精矿加工费（TC/RC），TC/RC 可以衡量供给端即 矿端松紧的领先指标。TC/RC 是指冶炼厂处理铜精矿向矿山收取的费用，TC/RC 走 高，意味着矿多厂少，矿端供应充足；TC/RC 走低，意味着厂多矿少，矿端供应紧 张，同时，负加工费意味着冶炼厂每加工一吨矿石就要亏损，会导致全球冶炼厂进 行联合减产或提前检修，从而导致未来精炼铜的产出下降。目前来看，全球铜精矿 供应短缺，叠加炼铜产能提升，这些因素导致 TC/RC 跌至负值。

从需求端来看，精炼铜的下游较为分散，且主要集中在制造业。从海外市场来 看，建筑、电力、工程机械交通运输是精炼铜的主要下游行业，从中国市场来看，电力、家电、交通运输、机械电子、建筑是精炼铜的主要下游行业。

由于铜下游分散，且主要集中在制造业，可以用制造业 PMI 来表征铜下游的景 气程度。通过比对铜价走势和制造业 PMI 走势，我们发现铜周期和制造业 PMI 呈现 同步涨跌的规律。2024 年以来，制造业 PMI 在 50 左右波动，表明下游景气度一般。

以上我们总结了精炼铜产业链分布，并找出了反映产业链供求关系的关键指标。 就目前来看，2024 年以来，上游供应偏紧与冶炼产能过剩形成矛盾，整体呈现“供 应偏紧+下游需求平淡”的格局，受此影响，2024 年以来沪铜小幅上涨。 库存变化和升水情况是判断铜是否供不应求的重要依据，库存可以分为显性库 存和隐形库存。显性库存主要包括全球交易所的铜库存和社会库存。全球铜的定价 权主要集中在三大交易所： （1）伦敦金属交易所(LME)：全球铜的定价基准，反映全球供需状况。注销仓 单是先行指标，代表已经被提货但尚未出库的金属，预示着库存即将下降。 （2）上海期货交易所(SHFE)：中国是全球最大的铜消费国，中国供需对铜价影 响力较大。上期所铜库存可以反映中国国内的供需情况。

（3）纽约商品交易所(COMEX)：主要反映北美地区的供需，影响力相对前两者 较小。 铜的显性库存还包括社会库存。如果社会库存快速下降，说明实体经济需求旺 盛，同时社会库存领先于交易所库存。 隐形库存指的是港口保税仓库库存，尤其是上海洋山港。当需求增加、进口套 利出现时，这部分库存可以迅速清关进入国内市场，成为最快的供应补充。 洋山铜溢价指标指的是进口铜现货相比于 LME 期货的溢价程度，反映了国内铜 需求是否旺盛。溢价走高表明国内需求旺盛，进口窗口打开，贸易商愿意支付更高 价格获得现货。溢价走低/转为负，表明国内需求跟不上外盘涨势，或国内供应充足。

接下来，我们选取关键指标，并将这些指标映射为 0-1 变量：1 代表持有基金， 0 代表空仓。由于基金产品不允许做空，因此不设置-1（代表做空）这一变量。 对于利润类指标，我们采用阈值的方式构造因子，例如冶炼厂 TC/RC 等，当它 越过盈亏平衡点时，就会触发冶炼行为；对于库存因子，我们采用滚动一年均值差 分的方式构造因子，原因是精炼铜库存具有季节性；对于其他因子，我们采用差分 （短期）或短均线减长均线的方式构造因子。

我们认为两种因子是有效的，一种是超额收益高的因子，对应较为高频的因子， 这种因子能捕捉短期交易机会；另一种是中低频且持仓时间较短的因子，此类因子 虽然超额收益不高，但是占用资金时间短且调仓次数少，能捕捉品种趋势增长。

我们使用 SHFE 铜的复权价格来测试因子效果，测试时间视指标最早披露时间 而定。从测试结果来看，因子均有一定效果。除了两个 LME 注销仓单-差分和洋山 铜溢价-差分因子以外，其余因子较低频，年均交易次数在 2-4 次左右，持有时间占 比在 50%左右，即仅在一半的时间持有铜。LME 注销仓单-差分和洋山铜溢价-差分 因子虽然超额收益较高，但是年均交易次数较高，不适合配置型策略，因此后续不 纳入综合因子。 同时，我们发现，部分策略净值在 2021 年后走平，主要包括 PMI、LME 注销 仓单和上期所库存，我们认为这是因为国储通过抛储和收储控制市场现货供应，缓 解短期供需矛盾。抛储行为将直接推高国内社会库存，具体表现为仓库到货量的增 加。供给端矛盾因抛储得到缓解后，交易所库存重要性降低，社会库存重要性提升。

将 6 个因子合成综合指标，综合指标具有一定择时效果。基于该指标的择时策 略相较买入持有策略实现年化超额收益 3.8%，最大回撤有所减少。在交易频率方面，年均交易次数为 2.3 次，持有时间占总时间比为 45.5%。

将因子应用在有色 ETF 上，因子择时略有降低，但仍有一定择时效果。在交易 频率方面，年均交易次数为 2.8 次，持有时间占总时间比为 56.1%。

2.1.2、 豆粕期货及基金择时策略

根据总体思路，我们梳理了豆粕的产业链分布，并寻找各个主体的利润或者景 气程度，同时寻找库存和价差结构指标。 豆粕产业链主要是由大豆→豆粕和豆油→猪/鸡/水产饲料构成，产业链相对简单。 由于豆粕的投资价值主要在与展期收益，因此中国市场的供需结构较为重要。

从供给端来看，豆粕的上游是进口大豆，大豆价格影响豆粕价格。大豆主要从 巴西和北美进口，巴西比例更高。巴西豆农种植大豆意向相对固定，大豆产量主要 受天气影响，如拉尼娜现象会减少产量；美国豆农种植大豆意愿主要来自大豆玉米 比，即如果大豆/玉米比值越高，说明种植大豆的利润越高，则农民种植大豆越多。

豆粕中游是国内大豆压榨企业，国内大豆压榨企业的利润主要来源于压榨利润。 压榨利润可以用[(豆粕价*0.79+豆油价*0.19)-大豆成本]估算，也可以通过国家粮油信 息中心等渠道获取。压榨利润越高，压榨企业扩产意愿越强，豆粕供给越多。

从需求端来看，豆粕主要用于饲料蛋白，下游养殖业的景气度影响国内豆粕需 求。如果养殖亏损持续，则养殖户补栏积极性严重不足，出现产能去化，导致饲料 消费增速放缓。 从库存来看，国内豆粕周度库存是重要的验证指标，反映了国内供给（大豆到 港压榨）和需求（饲料厂提货）之间的即期不平衡。这里，我们采用了豆粕中国库 存而非全球库存，因为全球库存影响的是 CBOT 豆粕的定价，而 DCE 豆粕期货交易 的是中国本土的供需预期，国内库存的高低直接反映了本土的供需矛盾和现货压力。 接下来，我们选取关键指标，并将这些指标映射为 0-1 变量：1 代表持有基金，0 代表空仓。由于基金产品不允许做空，因此不设置 - 1（代表做空）这一变量。 对于利润类指标，我们采用阈值的方式构造因子，例如压榨利润和猪、肉鸡利 润，当它越过盈亏平衡点时，就会触发扩产行为；对于库存因子，我们采用滚动一 年均值差分的方式构造因子，原因是豆粕库存具有季节性。

我们使用 DCE 豆粕的复权价格来测试因子效果，测试时间随指标最早披露时间 而定。从测试结果来看，因子均有一定效果。养殖利润和豆粕库存因子较低频，年 均交易次数在 3 次左右，压榨利润指标偏中频。压榨利润和豆粕库存指标持有时间 占比在 50%左右，即仅在一半的时间持有豆粕，养殖利润指标持有比例时间占比为 74%。 此外，我们发现 2022 年前压榨利润择时效果更好，2022 年后养殖利润和豆粕库 存择时效果更好。原因是在 2022 年之前，豆粕由供应端主导，养殖行业扩产意愿强 烈，且大豆价格波动剧烈，因此供应端指标更为重要；而在此之后，由需求端约束。

将 3 个因子合成综合指标，综合指标具有一定择时效果。基于该指标的择时策 略相较买入持有策略实现年化超额收益 7.2%，最大回撤有所减少。在交易频率方面， 年均交易次数为 5.2 次，持有时间占总时间比为 55.3%。

2.1.3、 原油期货及基金择时策略

根据总体思路，我们梳理了原油的产业链分布，并寻找各个主体的利润或者景 气程度，同时寻找库存和价差结构指标。 从原油供给侧来看，美国占全球原油产量较高。全球原油生产可以大致分为美国、加拿大、以沙特阿拉伯为代表的 OPEC 成员国和以俄罗斯为代表的 OPEC+成员 国中+的部分，2025 年 4 月 OPEC 国家占全球日均原油产量 35.3%，OPEC+国家中+ 的国家占全球日均原油产量 19.3%，美国占全球日均原油产量 16.2%。

原油中游是炼油企业，裂解价差是炼油企业是否扩差的关键。裂解价差是原油 价格与炼油厂生产出的主要成品油（汽油和柴油/取暖油）价格之间的差额，它反映 了炼油厂的毛利润，是衡量炼油行业景气度的核心指标。如果价差收窄过大，炼油 厂将放慢生产速度，并安排维修保养，以保护利润率，这将减少对原油和石油产品 的需求。另一方面，如果价差过大，炼油厂会扩大生产，推动相对价格回到平衡。

石油库存是衡量全球石油市场供需平衡的指标。根据库存性质和产品类别的不 同，石油库存可主要划分为原油库存和成品油库存。原油库存根据其归属和位置， 可进一步细分为商业库存、战略储备和海上浮仓三类。 （1）商业原油库存：美国能源信息署（EIA）每周公布的商业库存数据较为重 要，特别是美国库欣地区的库存。作为 WTI 原油期货的实物交割地，库欣地区的库 存水平能衡量美国原油市场供需状况，直接影响 WTI 期货的升贴水。 （2）战略原油储备：指由政府控制，为应对能源供应中断等紧急情况而建立的国家储备。这部分库存通常不参与市场流通，但在特殊时期可被释放以平抑油价。 （3）海上浮仓：指利用超大型油轮在特定海域进行的短期或中期原油存储。这 部分库存构成了隐性的供给调节池，其存量变化（通常由 Vortexa、Kpler 等专业机 构通过卫星信号追踪）能够反映现货市场的过剩程度以及市场对未来供需的预期。

接下来，我们选取关键指标，并将这些指标映射为 0-1 变量：1 代表持有基金， 0 代表空仓。利润类指标包括炼油厂利润，库存包括库欣地区原油库存。

我们使用 WTI 原油指数来测试因子效果，测试时间视指标最早披露时间而定。 筛选长期有效的因子共 2 个，即炼油厂利润和库欣地区原油库存。炼油厂利润因子 偏中频，年均交易次数为 3.2 次，持有时间占比在 50%左右，即仅在一半的时间持有 原油，因子在 2020 年前表现较好。库欣地区原油库存因子较低频，年均交易次数为 1 次，持有时间占比为 63.4%，因子在 2020 年后表现较好。

将 2 个因子合成综合指标，综合指标具有一定择时效果。基于该指标的择时策 略相较买入持有策略实现年化超额收益 15.9%，最大回撤有所减少。在交易频率方面， 年均交易次数为 2.4 次，持有时间占总时间比为 75.4%。

将综合因子应用在嘉实原油 LOF 上，因子择时效果较好。在交易频率方面，年 均交易次数为 3.1 次，持有时间占总时间比为 71.2%。

2.1.4、 能源化工期货及基金择时策略

根据总体思路，以 PTA 和甲醇为例，我们梳理了能源化工期货的产业链分布， 并寻找各个主体的利润或者景气程度，同时寻找库存指标。 从 PTA 供给侧来看，PTA 是典型的成本驱动型品种，其价格与上游原料即原油 高度相关。从产业链传导路径看，PTA 成本端呈现清晰的“原油-石脑油-PX-PTA”传 导链条：上游布伦特原油价格波动通过炼化环节传导至石脑油，石脑油经芳烃装置 加工生成 PTA 的直接原料——对二甲苯（PX）。 PTA 加工费反映 PTA 自身供需格局的松紧程度，可以用[PTA 期货价格 - (0.66 × PX 期货价格)]来估计。当加工费处于高位时，PTA 生产企业盈利空间扩大，将 刺激开工率提升，进而增加市场供应；反之，当加工费降至低位甚至逼近成本线时， 企业盈利承压，可能引发主动减产或停产。

从 PTA 需求侧来看，PTA 用于生产聚酯（PET），包括涤纶长丝、短纤（用于纺 织服装）和瓶片（用于包装饮料）。因此，下游聚酯工厂的开工率和成品库存是观察 PTA 终端需求最直接的窗口。 从甲醇供给侧来看，2024 年 1 月甲醇自给率约 85%。国内以煤为核心，中国甲 醇产能中基本是煤制（或焦炉气制）。海外包括中东、北美等地的甲醇主要以天然气 为原料，成本优势明显，是中国甲醇进口的主要来源。 从甲醇需求侧来看，MTO 装置是甲醇最大的下游，其是否开工取决于其利润。 MTO 利润可以用[(聚丙烯 PP 价格 + 聚乙烯 PE 价格)- 3*甲醇]价格估计。当此利润 为正时，MTO 工厂有动力生产甚至增产；当其转为负并持续亏损时，工厂将选择减 产，导致甲醇需求下滑。 接下来，我们选取关键指标，并将这些指标映射为 0-1 变量：1 代表持有基金， 0 代表空仓。由于基金产品不允许做空，因此不设置 - 1（代表做空）这一变量。 对于利润类指标，我们采用阈值的方式构造因子，当它越过盈亏平衡点时，就 会触发增产行为；对于库存因子，我们采用滚动一年均值差分的方式构造因子，原 因是铜期货因子具有季节性；对于其他因子，我们采用差分（短期）或短均线减长均线的方式构造因子。

将以上因子合成综合指标，6 个因子合成综合指标，综合指标具有一定择时效果。 基于该指标的择时策略相较买入持有策略实现年化超额收益 3.3%。在交易频率方面， 年均交易次数为 5.7 次，持有时间占总时间比为 23.4%。

将因子应用在能源化工 ETF 上，综合指标具有一定择时效果。基于该指标的择 时策略相较买入持有策略实现年化超额收益 7.2%，最大回撤有所减少。在交易频率 方面，年均交易次数为 6.2 次，持有时间占总时间比为 35.8%。

2.1.5、 黄金择时策略

我们在前期报告《黄金的预期收益框架与 COT 择时因子》中，已经构建了黄金 择时体系，本部分挑选与实际利率相关的因子进行测试。 由于黄金挂钩美元资产，黄金的理论价值增长，应该与实体经济的增长（由 TIPS 收益率代表）保持一定的同步性。如果实体经济在高速增长，而黄金价格涨幅较小， 那么黄金相对于总财富的价值就被稀释了，从而变得便宜。 根据以上思考，构建两个因子。第一个因子直接采用 TIPS 利率作为择时指标， 当实体经济增长为负时，作为财富储存的黄金价格也下跌。 第二个因子将历史累积 TIPS 利率的倍数和金价涨跌进行比较，构建安全边际因 子。当安全边际>阈值时，意味着黄金的实际涨幅没有跟上实体经济（由 TIPS 代表） 所隐含的增长速度，因此存在低估，需要补涨。当安全边际<阈值时，意味着黄金的 涨幅超越了实体经济的增长。黄金的泡沫化程度增加了，因此存在高估。

我们使用 SGE 黄金 9999 来测试因子效果，测试时间 2003.1.1-2025.8.18。从测 试结果来看，两因子均有一定效果。TIPS 利率因子较低频，能规避 2013 年和 2021 年黄金回撤阶段。安全边际因子在黄金逼近合理价值时有交易，其余时间无交易， 整体年均交易次数为 2.3 次，2003 年以来超额年化为 2.4%。

因子合成综合指标，综合指标具有一定择时效果。基于该指标的择时策略相较 买入持有策略实现年化超额收益 3.2%，最大回撤有所减少。在交易频率方面，主要 在 2004、2012、2025 年交易较频繁，其余时段交易较少。

2.2、 商品季节性风险溢价择时

关于季节性规律，从表 25 整体来看，多数商品期货在 10-11 月平均收益较低， 在 12 月的平均收益较高；从分布图（图 55-58）来看，同样能发现 12 月的矩形位置 更高。一方面，经过 10-11 月的下跌，部分品种价格进入较低区间，吸引资金入场抄 底；另一方面为了保证春节后能立即复工复产，春节前下游企业会增加备货，推高合约溢价。 分品种来看，部分品种在其他月份存在季节效应。 （1）豆粕：豆粕期货 2-3 月、5-8 月平均收益较高，其季节性主要由南北半球 的种植、周期和国内养殖周期驱动。豆粕期货在大豆大量上市的月份收益较低，如 4 月巴西大豆成熟和 10 月-11 月北半球大豆成熟。同时，3-9 月也是传统养殖旺季，对 豆粕需求更多，使得对应月份的豆粕收益更高。 （2）有色金属（铜、铝、镍）：12-1 月、4 月、7 月收益整体较高。 （3）白银：季节性规律不明显。 （4）原油（WTI）：季节性最为清晰，1 月和 2 月对取暖油需求较高，Q2 是其 最强的季度，核心驱动是北美的夏季驾驶高峰。Q3 末至 Q4 初则是其季节性淡季。 （5）能源化工：由于能源化工的价格与原油和煤炭挂钩，因此季节性与原油等 相似，上半年收益相对较高，但也有不同，如 PTA 和甲醇在 3、5 和 10 月平均收益 较低。

在实际运用过程中，我们将第二部分基本面择时指标和季节性融合，如原油的 炼油利润指标，我们发现在 4-6 月择时效果较一般，而原油在 4-6 月出行旺季收益平 均较高，因此我们将这部分的信号设置为 1，能提升因子效果。

3、 商品基金在资产配置中的运用：主动与被动配置

3.1、 商品基金被动配置方案

传统的商品指数往往从流动性出发，根据期货成交量确定期货品种权重，因此 能化板块占据了很大的权重。历史过程中，承受这个的风险并没有获得对应的收益。 在实际投资过程中，应该在不同的板块中进行更均衡的风险分散投资，高风险的板 块应该配置较低的权重；低风险的板块配置较高的权重，如贵金属。

因此，我们采用风险平价的方式配置商品。其中各品种的协方差使用过去三年 的对应指数日度收益率计算，在 3/6/9/12 月末调仓。对于投资标的，我们选择黄金 ETF、有色 ETF、豆粕 ETF、能源化工 ETF、华宝标普油气 5 个基金进行列示。由 于不少商品基金成立时间较晚，也选用指数进行较长区间的回测，包括 AU999、SHFE 铜、SHFE 豆粕、易盛能化 A、标普石油天然气勘探及生产精选行业 5 个指数。 使用风险平价模型得到的权重，低波动的资产配置比例更高。黄金的权重较高 （32.4%），原油的权重较低（11.5%），铜和豆粕的权重较为接近，能源化工的权重 低于铜和豆粕。

分时段来看，风险平价模型有一定择时能力。黄金在 2013 年-2015 年权重相对 其他时段较低，原油在 2020 年-2022 年权重相对其他时段较低，豆粕在 2024 年-2025 年权重相对其他时段较低。

从测试结果来看，2014 年 1 月 1 日到 2025 年 8 月 18 日，风险平价组合的年化 收益为 6.9%，年化波动为 10.3%，最大回撤为 32.8%，风险平价组合收益优于等权 组合。

从基金测试结果来看，2020 年 1 月 1 日到 2025 年 8 月 18 日，ETF 组合的年化 收益为 13.1%，年化波动为 9.9%，最大回撤为 18.2%，与使用指数构建的组合收益 走势较为一致。

3.2、 商品基金主动管理方案

除了被动持有商品基金，也可以结合基本面择时信号对商品基金进行主动管理。 对于如何整合各资产信号，我们认为有两种思路，第一种是选取信号为 1 的资 产，运用风险平价模型确定权重；第二种是先用风险平价模型确定基础权重，再根 据信号，确定各资产权重是基础权重还是 0，这样可以减少换手率，尤其是降低某一 类资产频繁变动对其他资产的影响。 我们采用指数进行回测，回测区间为 2014 年 1 月 1 日至 2025 年 8 月 18 日，调 仓频率为周频。 对于第一种思路，从测试结果来看，2014 年 1 月 1 日到 2025 年 8 月 18 日，主 动择时组合的年化收益为 18.4%，年化波动为 13.6%，最大回撤为 26.2%，换手率较 高，年化换手率为 438.3%。

对于第二种思路，从测试结果来看，2014 年 1 月 1 日到 2025 年 8 月 18 日，主 动择时组合的年化收益为 11.0%，年化波动为 6.6%，最大回撤为 13.0%，换手率较 低，年化换手率为 137.1%。

从第二种思路的商品主动择时组合各品种权重来看，黄金平均权重较高，为 25.9%。除此之外，豆粕和铜平均权重也相对较高分别为 9.7%和 8.7%，能源化工和 原油的平均权重最低，两者权重之和为 9.9%，与豆粕和铜平均权重接近。

由于在商品主动择时的第二类方案中，我们采取了不满仓的方式，因此剩余仓 位可以买入其他资产，这里我们使用 A500 交易所股债 20/80 指数进行替代，构建股 债商组合。 从测试结果来看，2014 年 1 月 1 日到 2025 年 8 月 18 日，股债商组合的年化收 益为 13.7%，年化波动为 7.1%，最大回撤为 12.7%，组合收益优于纯商品组合。股 债商组合换手率为 262.7%，仍然低于第一种方案。

从分年度收益来看，2014 年以来，仅有 2015 年收益微负，其余年份收益均为正。

股债商组合的股债指数权重波动较大，且在2014-2015年、2020H2-2022年较高。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）