当动量与反转共存：每周商品期货数据揭示的真相

当动量与反转共存：周度大宗商品期货数据揭示的规律

关于收益率可预测性的教科书观点有着清晰的分层：收益率在短期（周度至月度）区间内反转，在中期（3至12个月）区间内表现出动量效应。这一框架综合了从Lehmann（1990）到Jegadeesh and Titman（1993）数十年的股票市场研究，已成为资产定价领域的经典范式。然而，来自大宗商品期货市场的新证据表明，这种清晰的区分并不完整。

Ding, Kang, Yu, and Zhao（2026）使用一种简单但有效的分解方法，证明动量和反转在周度区间同时运作。通过将大宗商品收益率分离为投机者资金流成分和正交残差，他们发现资金流成分反转（与流动性供给一致），而残差成分表现出动量（与趋势追逐行为一致）。其实践意义在于：系统化大宗商品交易者一直将两个不同的信号混合为一个噪声较大的指标，将它们分离则能产生更优的交易信号。

分解：资金流与信息

核心洞察依赖于CFTC的交易者持仓报告（COT）数据，该数据报告了1993年至2025年间26个大宗商品期货市场中非商业投机者（机构趋势跟踪者的代理变量）的周度持仓。

作者构建了周度净交易指标Q，定义为非商业净多头持仓变化除以未平仓合约数。然后对周度大宗商品收益率对Q进行截面回归，并将残差定义为R(nonQ)，即与投机者交易压力正交的收益率成分。

这一分解在概念上十分清晰。Q捕捉了投机性需求的价格冲击，这种冲击暂时将价格推离基本面，随后发生反转。R(nonQ)捕捉了其余所有因素，包括信息扩散以及在后续周吸引趋势跟踪资本的收益率成分。

证据：周度动量带来年化6.2%的收益

论文的核心发现在规模上令人瞩目。第t周R(nonQ)每增加一个标准差，预测第t+1周收益率上升11.6个基点，折合年化收益率6.2%。这超过了大宗商品的无条件平均年化收益率4.7%。

对于实践者而言，该动量信号有几个突出特征。

首先，它适用于大宗商品的整个截面，而非仅限于具有特定特征的子集。与Medhat and Schmeling（2022）发现的股票市场短期动量集中于高换手率股票不同，大宗商品版本在金属、能源、农产品和畜产品中普遍存在。

其次，动量效应在波动率较低和趋势跟踪预期盈利较高时往往更强。这与Hong and Stein（1999）的模型一致：当市场平稳时，投机者对追逐趋势更有信心，他们的集体行为产生收益率的持续。

第三，R(nonQ)信号增强了传统的中期（3至12个月）动量。Probit分析表明，短期R(nonQ)赢家的身份显著提高了在更长期限内成为赢家的概率。将周度R(nonQ)信号汇聚到中期动量构建中，能够大幅提升表现。

重要性：一个指标中隐藏的两个信号

这项研究的实践意义超越了学术兴趣。大多数系统化大宗商品策略使用原始历史收益率作为动量和均值回归信号的输入。这篇论文表明，原始收益率混合了两种经济上截然不同的力量：反映临时价格压力的资金流驱动反转，以及反映趋势跟踪资本配置的信息驱动延续。

对于商品交易顾问（CTA）和系统化宏观基金而言，其含义在于CFTC每周更新且免费提供的COT数据包含可用于信号构建的可操作信息。分解并不复杂：对收益率与净资金流变化进行回归，提取残差作为动量信号。反转信号则直接使用Q。

制度依赖性与信号动态

论文提供了关于动量信号何时最强的详细证据。驱动R(nonQ)动量的趋势追逐行为在特定条件下往往加强。

期限结构同样重要。R(nonQ)在最多三周内（t+1至t+3）正向预测后续投机者交易流，此后趋势追逐效应消退。超过短期区间后，机制发生转变：R(nonQ)通过渐进式信息扩散而非趋势追逐来预测中期（1至12个月）的收益率。

重新定义短期反转

论文还重新定义了短期反转的真正含义。在股票文献中，短期反转策略以历史收益率为信号构建。作者表明，在大宗商品市场中，反转效应更准确地被定性为基于交易的反转，而非基于收益率的反转。

当Q（过去的投机者资金流）和过去收益率同时作为预测变量时，Q占据主导地位。在控制资金流信息后，过去收益率几乎不增加额外的预测能力。这表明，缺乏高频持仓数据的股票市场短期反转策略，可能使用的是一个噪声较大的代理变量，其本质上反映的是与订单流相关的流动性供给效应，而非与过去价格本身相关的效应。

局限性与实施约束

若干约束限制了实际中的实施。

COT数据发布存在三天滞后（周二持仓，周五下午公布）。这意味着R(nonQ)的周度动量信号最早要到下周一才能执行，产生执行滞后。论文的回测隐含假设在下一个周二执行，考虑到滞后结构，这一假设具有现实合理性。

大宗商品期货的交易成本相对股票较低，但周度再平衡频率会产生可观的换手。年化6.2%的信号是未扣除买卖价差、滑点和展期成本的总收益数字。净收益将更低，尤其是在流动性较差的农产品和畜产品合约中。

容量受到大宗商品期货市场规模的限制。样本中的26种商品在流动性方面差异巨大，从原油和黄金等深度市场到燕麦和木材等浅薄市场不等。现实的配置需要根据市场深度调整头寸规模。

样本期（1993至2025年）涵盖了长期大宗商品牛市（2000年代）和长期熊市（2014至2020年）。论文未进行超出子期间稳健性检验的正式样本外测试。

实践要点

周度区间中动量与反转的共存，对系统化大宗商品交易者具有多重分析层面的意义。

短期反转、中期动量的传统框架，似乎是由于将原始收益率作为唯一预测变量而产生的过度简化。在控制投机者资金流后，两种效应在同一频率上均可观测。

CFTC的COT数据提供了一个公开可用的周度频率数据源，可用于将大宗商品收益率分解为资金流和非资金流成分。分解方法简单明了：资金流成分（Q）用作反转信号，正交残差（R(nonQ)）用作动量信号。

R(nonQ)的动量成分历史上从一个标准差信号中产生了约6.2%的年化收益率，相对于大宗商品约4.7%的平均年化收益率，在经济意义上十分显著。该信号在低波动率环境和近期动量策略盈利的时期往往表现得更为强劲。

将周度R(nonQ)信号汇聚到中期动量构建中，历史上改善了传统3至12个月大宗商品动量策略的表现。短期和中期动量效应似乎是相互关联而非彼此独立的现象。