投資策略｜大宗商品期貨量化策略：期限結構與套利交易深度研究

0 執行摘要與 5W1H 核心認知架構

期貨大宗商品交易策略的 5W1H 核心認知架構

1 引言：大宗商品市場的微觀結構與定價哲學

Keynes 理論與 Working-Kaldor 倉儲理論

[Direct Answer] 大宗商品期貨的定價底層遵循「風險轉移」與「實體持倉成本」雙重邏輯，由凱恩斯正常逆價差（Risk Premium 轉移）與 Working-Kaldor 倉儲理論（Convenience Yield 決定曲線型態）共同主導。

[Support Details] 凱恩斯正常逆價差理論主張，商品生產者（實體避險者）為規避價格下跌風險，願意以低於未來預期現貨價格的水準售出期貨。這種價格折讓實質上是一種風險溢酬（Risk Premium）的轉移，使得期貨價格在臨近交割時逐漸向現貨價格收斂，為願意承擔價格風險的投機者提供了系統性的正向回報。然而，此理論無法解釋正價差（Contango）的常態。對此，Working 與 Kaldor 提出「倉儲理論」，指出持有實體商品需支付實質持倉成本（Cost of Carry，包含倉儲、保險與融資利息），並引入「便利收益」（Convenience Yield）——即在供應偏緊時持有實體庫存防範生產中斷的隱性價值。當便利收益大於持倉成本時，市場呈現逆價差（Backwardation）；若庫存充裕且便利收益極低，則回歸正價差（Contango）。

[Reinforcement] 哲學上，期限結構 the shape of term structure 是便利收益與實體供需緊繃程度的函數。量化交易員必須摒棄單純的價格投機，將遠近月價差解構為便利收益的均值回歸概率，才能在正/逆價差更迭中捕捉結構性的展期收益（Roll Yield）。

CFTC 報告與避險壓力指標 (COT 指數)

[Direct Answer] 美國商品期貨交易委員會（CFTC）每週發布的交易者持倉報告（COT）是解構市場微觀結構與「避險壓力」（Hedging Pressure）的核心數據，透過 COT 指數進行持倉標準化，可有效衡量資金擁擠度與潛在的反轉信號。

[Support Details] COT 報告將市場參與者劃分為商業交易者（Commercials，實體避險者）、非商業交易者（Non-commercials，投機客）與非報告交易者（散戶）。實證表明，商業交易者的行為具備顯著的反趨勢特徵（Contrarian），傾向於上漲時增加空頭避險以鎖定利潤，下跌時減少空頭或買入；而大型投機客則具備強烈的趨勢追隨特徵。量化交易員據此開發了 COT 指數以衡量持倉百分比擁擠度，計算公式如下：

當商業交易者的 COT 指數接近 100% 時，代表其淨多頭持倉處於回溯期最高位，為市場觸底反彈的強烈看多訊號；接近 0% 則預示頂部反轉。然而，淨持倉的增加需區分是來自新增多單（主動看多）還是空單平倉回補（被動避險），兩者在建構預測模型時的動能含意截然不同。

[Reinforcement] COT 指數是解讀商業與投機資金博弈的放大鏡。在實戰中，單純的持倉擁擠不足以支撐交易決策，量化系統應導入「商業移動指數」與「40點COT飆升規則」，以捕捉短期資金流向對價格趨勢的劇烈突變與邊際催化。

2 管理期貨策略（CTA）與趨勢追隨的演進

危機Alpha與正偏態的收益特徵

[Direct Answer] 趨勢追隨策略的機構價值在於其具備獨特的「危機 Alpha」（Crisis Alpha）屬性，其長期收益分佈呈現顯著的正偏態（Positive Skewness）與正凸性（Positive Convexity），能在股票市場遭遇極端黑天鵝事件時提供強大的防禦保護。

[Support Details] 在無趨勢的震盪市場中，發散型（Divergent）趨勢追隨系統會因為頻繁的假突破而不斷觸發停損，承受高頻的小額虧損（即所謂的「買保險」）。然而，當市場因地緣政治、宏觀政策失衡或金融危機爆發而出現系統性單邊暴跌時，CTA 能夠通過多空部位的動態調整，無情地做空股指、做多國債與避險商品，從而釋放出規模巨大的超額回報。實證數據表明，這類策略與傳統股票資產相關性極低，甚至在股票大跌時呈高度負相關。

[Reinforcement] 機構投資人應將趨勢追隨策略視為一種「合成多頭期權」。在平時支付少許保費，在市場暴跌時獲取非線性的爆炸性賠付，此凸性特徵是平抑股債雙平衡投資組合尾部風險的物理級良藥。

迷失的十年與宏觀政經環境的更迭

[Direct Answer] 自 2008 年金融危機至 2020 年，CTA 產業經歷了回報長期低迷的「迷失十年」，這並非模型失效，而是全球主要央行量化寬鬆（QE）與零利率（ZIRP）政策人為壓抑波動率並消除了市場發散性的必然結果。

[Support Details] 這段低利率環境對 CTA 造成了結構性的雙重痛點：第一，利息收益的消失。1970-80 年代 CTA 常規保留 80% 以上未動用現金於短期國債，獲取了約 8% 的無風險「順風」回報；而在 ZIRP 時代這筆收益被降為零。第二，宏觀波動率被央行放水人為抹平。缺乏實體經濟摩擦與地緣衝突時，市場無法形成持續的發散趨勢，導致趨勢追隨系統在無數次的假突破中頻繁被停損（Whipsawed）。然而，自 2020 年疫情衝擊、供應鏈重組，尤其是 2022 年全球通膨爆發與主要央行利率決策劇烈分歧起，市場的波動與趨勢發散性重振，CTA 重新確立了其均值回歸的超額報酬優勢。

[Reinforcement] 趨勢追隨策略的生命線在於「發散性」。當全球政治與貨幣體系從「高度干預與一致性」轉向「大分裂與高利率」時，宏觀經濟體系中累積的摩擦與摩擦定價，將源源不斷地為 CTA 提供優質的趨勢機會。

波動率目標與部位規模管理（Volatility Targeting & Position Sizing）

[Direct Answer] 量化 CTA 的長期生存基礎在於以「波動率目標設定」（Volatility Targeting）為核心的自適應部位管理，而非進出場方向的預測精準度。

[Support Details] 頂尖基金通過設定全體年化目標波動（如 15%），並利用「動態波動率縮放」（Dynamic Volatility Scaling）模型來計算單一合約的部位規模，以此平抑不同市場間的價格波動差異。若原油實現波動率是國債的 3 倍，則原油部位規模僅為國債的 1/3，實現各資產每日風險貢獻相等。單一資產部位規模（

）計算公式如下：

在此模型中：

• 
  為投資組合預設的年度目標波動率。
• 
  為特定資產在策略中的分配權重。
• 
  為當前投資組合的管理資產淨值 (AUM)。
• 
  為該期貨合約利用指數加權移動平均（EWMA）預測的近期實現波動率，以便迅速捕捉波動率聚集（Volatility Clustering）特徵。
• 
  為單一期貨合約的乘數價值（Notional Value）。
• 
  為額外的風險調整因子。例如，導入分數凱利值（
  
  ）以保留容錯空間並避免肥尾破產事件。

此種反向波動率部位管理模型使系統在市場陷入恐慌、波動率飆升時，分母變大，系統自動且冷酷地縮減持倉；在市場波動率極低且趨勢明確時，則自動放大槓桿以實現預定的風險曝險。系統亦搭配 2 倍 ATR（平均真實波幅）等停損標準與板塊風險上限（Sector Risk Caps），防止單一天氣事件或政策衝擊引發多合約板塊連鎖崩潰。

[Reinforcement] 哲學上，主動波動率縮放是以「承認未來不可預測」為底層邏輯的防守藝術。將不確定性（實現波動率）作為部位口數的調整自變量，使風險曝險在任何市場極端狀態下保持恆定，這正是量化交易追求的穩健之美。

3 期限結構、展期收益與日曆價差策略

展期收益（Roll Yield）的數學機制與拖累效應

[Direct Answer] 展期收益（Roll Yield）是商品期貨與商品指數基金（如 ETF）長期回報的隱形決定因子，其正負取決於期貨期限結構（Term Structure）處於正價差（Contango）還是逆價差（Backwardation）狀態。

[Support Details] 期貨合約具備到期日，投資者若要維持長期曝險，必須在當前合約到期前平倉並買入下一期合約。展期收益的量化公式為：

期限結構會使展期收益呈現兩種截然不同的狀態：

• 正價差與展期拖累（Contango Drag）： 在庫存充裕且便利收益極低的正常時期，由於倉儲、融資與保險等持倉成本，遠月合約價格高於近月合約（即
  
  ）。此時展期收益為負，做多期貨的投資者而言，他們必須不斷地「低賣（即將到期的便宜近月合約）高買（較昂貴的遠月合約）」。這種結構性的買賣價差會隨著每次展期而不斷侵蝕本金。這正是為何許多僅做多（Long-only）的原物料 ETF（如著名的原油 ETF USO）在長期績效上往往慘敗於實體現貨價格的主因。在 2020 年 4 月，當全球原油儲存空間耗盡，近月原油期貨價格跌入史無前例的負值，而遠月合約仍維持正值時，這種「超級正價差（Supercontango）」導致了無數被動型多頭基金的毀滅性虧損。
• 逆價差與展期溢酬（Backwardation Premium）： 當市場遭遇短期供應鏈中斷或即期需求爆發時，近月合約價格將飆升超越遠月合約，形成逆價差（Backwardation）（即
  
  ）。多頭投資者在展期時是「高賣低買」，從而獲得正向的展期溢酬，市場實質上是在「付錢給你展期」。逆價差不僅為多頭策略提供了強大的收益保護墊，通常也是基本面極度看漲的強烈訊號，預示著即將展開的單邊上漲趨勢。

[Reinforcement] 展期拖累與展期溢酬是商品投資的物理約束而非市場情緒。被動買入並持有的指數多頭在 Contango 市場中註定會被展期成本耗盡利潤，量化策略必須動態監控期限結構斜率，在 Backwardation 形成時切入做多，在 Contango 中進行空頭配置或撤離，才能規避系統性下行風險。

日曆價差（Calendar Spreads）的交易邏輯

[Direct Answer] 日曆價差策略（Calendar Spreads）的核心在於透過同時買入與賣出同一商品但不同到期月份的合約，以徹底隔離商品價格的宏觀方向性風險（Directional Risk），專注於捕捉期限曲線形狀變化的結構性套利機會。

[Support Details] 當交易員預期短期氣候或突發性地緣政治將引發近月需求飆升、但長期供需依然維持平衡時，他會構建「做多近月合約、做空遠月合約」的多頭日曆價差組合。由於近月與遠月合約價格波動高度相關，此類部位在衍生品交易所（如 CME）能獲得極高的初始保證金抵減（Margin Offsets），使交易員能夠利用相對微小的資金撬動龐大的合約名目價值。此外，對於不願承擔期貨保證金無限追繳風險的參與者，CME 等交易所也提供了日曆價差選擇權（Calendar Spread Options, CSOs），允許投資者以有限的權利金成本來表達對曲線變化的觀點。

[Reinforcement] 哲學上，日曆價差是「均值回歸與時間價值」的精準度量衡。相比於單向的價格押注，日曆價差專注於遠近月價差對便利收益的邊際定價，是一種更具安全邊際、更依賴產業鏈底層實體流動性的發散捕捉技術。

4 跨商品價差與產業鏈套利機制

裂解價差（Crack Spreads）：煉油廠利潤率的宏觀晴雨表

[Direct Answer] 裂解價差（Crack Spreads）是衡量煉油廠將原油轉化為精煉產品（汽油與柴油）利潤率的物理定價指標，其核心是透過 WTI 原油、RBOB 無鉛汽油與 ULSD 超低硫柴油之定價單位轉換，來鎖定實體加工的毛利空間。

[Support Details] 最典型的基準是「3:2:1 裂解價差」，它代表每輸入 3 桶原油可產出 2 桶汽油與 1 桶柴油 the physical yield output structure of typical refineries. 由於原油報價為「美元/桶」，而汽柴油報價為「美元/加侖」，在計算時必須將汽柴油價格乘以 42（一桶等於 42 加侖）以統一計量單位。WTI 原油期貨的報價單位為「美元/桶」，而汽油與柴油的報價單位則是「美元/加侖」，合約規格與單位的對比關係如下：

3:2:1 裂解價差的計算公式如下（以「每桶理論利潤（美元）」表示）：

當裂解價差降至零或負值時，精煉產品的市場定價低於未加工的原油成本，進而迫使煉油廠減產。合約部位對沖的具體名目價值對比實例如下：

[Reinforcement] 哲學上，裂解價差是實體宏觀需求的邊際反饋迴圈。量化系統藉由做空裂解價差（賣出精煉產品、買入原油）或做多裂解價差，實質上是在表達對全球海空物流景氣度與煉油產能瓶頸的宏觀押注，這比單純預測原油漲跌更具基本面支撐力道。

壓榨價差（Crush Spreads）：農產品加工的毛利率鎖定機制

[Direct Answer] 壓榨價差（Crush Spreads）是鎖定大豆加工廠（大豆 vs. 豆粕 + 豆油）毛利率的套利模型，量化系統主要透過「10-11-9」合約配置比例來對齊實體壓榨加工的物理產出比例。

[Support Details] 在大豆物理加工中，大約 80% 的大豆重量轉化為豆粕，18.3% 轉化為豆油。為此，芝加哥商品交易所（CBOT）確立了 10-11-9 的黃金對沖比例：投入 10 口大豆（50,000 蒲式耳），產出 11 口豆粕（1,110 短噸，每蒲式耳產出 44 磅豆粕）與 9 口豆油（550,000 磅，每蒲式耳產出 11 磅豆油）。將三種不同定價單位統一轉換為「美元/蒲式耳」後，大豆壓榨價差的理論毛利潤公式如下：

在實務上，實體大豆加工商在期貨市場利潤優渥時會進行「賣出壓榨價差」（做多大豆、做空豆粕與豆油）以提前鎖定利潤；相反地，當利潤空間被過度擠壓時則會進行「買入壓榨價差」並縮減產能。而投機者則利用此價差進行均值回歸的統計套利。

[Reinforcement] 壓榨價差套利展現了「物理轉換約束」在金融市場的投射。當實體產業鏈利潤偏離常軌時，基於 10-11-9 比例的均值回歸套利便能獲得極佳的安全邊際，因為這是由飼料和油脂的剛性實體需求所共同支撐的，任何人為情緒都無法長期對抗物理加工產出的現實約束。

5 基礎金屬與貴金屬宏觀套利策略

銅金比（Copper-Gold Ratio）：全球經濟與利率的終極領先指標

[Direct Answer] 銅金比（Copper-Gold Ratio）是全球宏觀經濟健康狀況與市場風險偏好（Risk-on vs. Safe Haven）的終極領先指標，其透過將對景氣敏感的工業金屬與具備避險屬性的貨幣金屬相除，能有效中和美元匯率波動的雜音。

[Support Details] 銅（Dr. Copper）廣泛應用於電力、基建與製造業，定價對景氣循環極為敏感；而黃金（Gold）定價則主要受制於實質利率、通膨預期以及地緣政治衝突引發的避險資金流入。銅金比與美國 10 年期公債殖利率的走勢保持著長期高度一致性。當銅金比上升時，表明工業需求旺盛，暗示經濟步入擴張，通膨預期隨之增強並帶動長天期公債殖利率上揚。相反地，在面臨衰退或危機時（如 2018 年貿易戰、2020 年新冠疫情爆發、2022 年聯準會暴力升息期），銅金比則會斷崖式下跌，預示著流動性收縮與高風險資產（包含科技股與加密貨幣）的深度回撤。

[Reinforcement] 哲學上，銅金比是實體工業動能與無形金融避險情緒的物理平衡計。量化交易系統不應單純在價格迷霧中尋找方向，而應以銅金比的底部拐點作為風險資產重新加載曝險的關鍵過濾器，在流動性重新擴張時搶先布局。

金銀比（Gold-Silver Ratio）與機器學習在動態套利的應用

[Direct Answer] 金銀比（Gold-Silver Ratio）是貴金屬領域歷史最悠久的配對交易與統計套利標的，其計量假設建立在黃金與白銀的長期共整合（Cointegration）與均值回歸特徵上。

[Support Details] 傳統套利規則是在金銀比突破極端高點（如 80:1 或 90:1）時做多白銀、做空黃金以期收斂。然而，高頻算法交易與被動 ETF 資金流常導致傳統均值回歸在單邊趨勢市中失效。為解決此痛點，現代量化套利系統已揚棄靜態均值估計，轉而導入 Johansen 檢定以滾動驗證時間序列的平穩性、利用卡爾曼濾波器（Kalman Filter）遞迴估計時變最優避險比率（Dynamic Hedge Ratio），並結合梯度提升樹（Gradient Boosting）與支持向量機（SVM）等機器學習模型對市場狀態（Regime）進行分類，以精確判定比值偏離是短期套利機會還是範式轉移。

[Reinforcement] 均值回歸不是盲目的教條。在配對套利中引入卡爾曼濾波的動態對沖比率與機器學習的狀態分類，實質上是在統計學的剛性邊界中融入了市場結構的自適應變數，這才是機構級統計套利在範式轉換期存活並獲利的制勝關鍵。

6 投資組合保證金與風險管理機制 (SPAN Methodology)

[Direct Answer] 衍生品交易所普遍採用的 SPAN（Standard Portfolio Analysis of Risk）系統透過投資組合總體風險評估而非固定比例保證金，為跨期限日曆價差與跨商品產業鏈對沖部位提供了決定性的資本效率與保證金減免（Margin Offsets）。

[Support Details] 與傳統 Reg T 固定 50% 融資比例限制不同，SPAN 系統基於 16 種假設情境的風險陣列（Risk Array）評估單日最大可能虧損。對於同商品跨月日曆價差，SPAN 對其淨 Delta 對沖部位提供極高保證金抵減；對於跨商品價差套利（如裂解與壓榨價差），結算所會根據基本面連動性給予高達 90% 的保證金信用減免（Spread Credit）。然而，在宏觀黑天鵝事件或相關性崩潰時，交易所調升 SPAN 風險陣列參數會瞬間觸發連鎖保證金追繳（Margin Call）與去槓桿拋售潮。

[Reinforcement] 高槓桿是致命的毒藥，也是極致效率的催化劑。量化交易的底線是必須將部位規模的動能控管與交易所 SPAN 機制的動態調整緊密聯結，在市場相關性崩塌前主動收緊曝險，這正是防範肥尾破產的系統性防線。