【华泰期货量化专题】基于多因子体系的基差预测模型

请输入标题

报告摘要

本篇报告在《华泰期货量化策略专题报告20240712：转融通暂停影响简述》基础上展开对股指期货年化基差率相关因子的量化分析。首先用Pearson相关系数以及Distance相关系数来衡量因子的线性与非线性关系，探讨因子在不同预测周期下的表现，并对因子进行筛选；其次构建了基于线性回归模型OLS+Ridge以及非线性的机器学习模型Random Forest和Xgboost的年化基差率预测模型，展示了模型在不同预测周期下的预测效果。在预测周度年化基差率时，Xgboost对目标变量的预测精度表现较好，MSE平均0.044%，涨跌准确率平均57.70%，最高达62.13%。

核心观点

1）公募指增超额和指数正负波动率类因子对年化基差率影响较大。

2）公募指增超额类因子随预测周期变长相关性下降幅度较大，管理人的超额能力对短期内的基差水平影响较大。指数相关因子则无明显下降趋势，现货市场的波动对未来基差走势影响的延续性较强。

3）预测周度年化基差率时，Xgboost对目标变量的预测精度方面表现较好。