【2026股指套利半年报】近期股指套利策略实证研究焦点热门

来源: 市场资讯 ┆ 时间: 2026-07-01 11:26:58

客户端

来源：中信建投期货盛亦青期货交易咨询从业信息：Z0021575

摘要

今年以来，我们对股指套利策略进行了大量的实证研究，本半年报作为近期股指套利策略实证研究的整理。

(资料图片仅供参考)

跨期套利方面，由于现货市场的卖空约束和投资者的空头对冲需求，股指期货总体长期处于贴水状态。叠加风险与持有期限的非线性特征，基差往往在临近到期时加速收敛，从而多近月空远月的跨期套利策略长期来看具备盈利能力。拆分多空两腿来看，多头指增策略和空头套保策略分别使用近月合约和远月合约相对合适。基于分红调整后的年化基差率信号的跨期套利策略可能可以增厚收益，但需警惕策略失效风险，简明的做多近月做空远月可能更稳健。

跨品种套利方面，中金所现有股指期货的跨品种套利策略事实上是规模因子择时，即大小盘轮动策略。许多策略在规模因子择时上的表现优于市场择时，比如动量、波动、季节动量等策略。动量方面，2016 年后，市场整体动量效应减弱，而大小盘轮动的动量效应保持强势；波动是市场和规模因子的正向择时信号，可能原因在于风险形成后，预期收益变高，以及从历史经验来看，波动率的提升往往是上行行情的启动；季节动量方面，季节性因素主要影响流动性风险和业绩风险，对小盘股的冲击更大，可作为大小盘轮动的避险信号。

风险提示：历史规律失效风险、模型误设风险。

期货交易咨询业务资格：证监许可〔2011 〕1461 号

一、跨期套利

套利，尤其是跨期套利，是衍生品定价和交易的基础。

从理论上来说，持有现货和持有期货到期后所得的回报理应相同，否则便可通过构造跨期的多空对冲组合实现套利。对股指期货而言，持有股票现货可以获得股息，持有股指期货可以利用闲置资金获得利息，因此股指期货的理论价格等于现货指数点加上利息与股息之差。无风险利率越高，股息率越低，股指期货越倾向于升水；反之则倾向于贴水。

然而，A 股现货市场存在严厉的卖空约束，这意味着当股指期货的市场定价低于理论价格时，市场上的投资者不能够通过做空现货做多期货的形式实现套利，这是股指期货存在深度贴水时不能被套利力量及时修正的必要条件；另外，考虑到 A 股市场仍处于发展阶段，散户数量偏多，定价效率偏低，通过选股实现超额收益的可行性较高，机构投资者的市场中性策略在多头选股的基础上，对股指期货卖空套保的需求较大。以上两部分主要原因导致了股指期货总体长期处于贴水状态：后者是股指期货贴水的主要驱动力量，而前者则是股指期货维持贴水难以收敛的条件。

图 1 ：各股指期货品种的年化基差率和分红调整后的年化基差率

数据来源：RiceQuant 、Wind 、中信建投期货

表 1 ：股指期货最新基差率-20260618

品种

合约

到期天数

成交量

持仓量

指数点

收盘价

年化基差率

年化基差

率-分红调整

IH2606

25130

18677

2928.75

2941.00

38.17%

59.31%

IH2607

11680

21051

2928.75

2911.80

-7.28%

11.96%

IH2609

28121

64125

2928.75

2899.80

-3.92%

3.90%

IH2612

183

5333

18693

2928.75

2878.40

-3.43%

1.52%

IF2606

51416

35979

4941.60

4960.60

35.09%

44.80%

IF2607

28722

45105

4941.60

4917.00

-6.27%

5.26%

IF2609

61213

147088

4941.60

4862.80

-6.33%

-0.66%

IF2612

183

12592

47230

4941.60

4784.60

-6.34%

-2.63%

IC2606

58561

40211

8673.09

8682.80

10.22%

19.53%

IC2607

33996

51980

8673.09

8620.00

-7.70%

-2.37%

IC2609

88410

162104

8673.09

8517.40

-7.12%

-4.65%

IC2612

183

19307

55507

8673.09

8341.40

-7.63%

-6.03%

IM2606

78697

57977

8771.02

8766.00

-5.23%

0.59%

IM2607

40021

69030

8771.02

8679.00

-13.21%

-9.31%

IM2609

114746

204527

8771.02

8510.00

-11.81%

-10.07%

IM2612

183

26046

92936

8771.02

8270.00

-11.39%

-10.27%

数据来源：RiceQuant 、Wind 、中信建投期货

图 1 展示了各股指期货品种的年化基差率和分红调整后的年化基差率，表 1 展示了 20260618 的股指期货各品种各合约的基差情况。

在股指期货总体长期贴水的特征下，做多股指期货可以获得跑赢指数的超额收益，实现指数增强；做空股指期货实现套保则需要付出额外的套保成本。我们定义基差收益为期货收益与现货收益之差，图 2展示了各股指期货品种近月连续和远月连续合约的累计基差收益，表 2 展示了近年的基差收益。（我们使用L1 到 L4 代表距离到期由近到远的4 个连续合约，其中L1 和 L3 是流动性相对较好的合约）

图 2 ：各股指期货品种 L1 连续和 L3 连续的累计基差收益

数据来源：RiceQuant 、Wind 、中信建投期货

表 2 ：各股指期货品种L1 连续和L3 连续近年基差收益

2026

2025

2024

2023

L1 连续

2.23%

3.62%

0.84%

1.23%

L3 连续

0.67%

1.35%

0.81%

-0.70%

L1 连续

4.12%

6.88%

1.63%

0.85%

L3 连续

1.79%

3.53%

0.89%

0.23%

L1 连续

4.19%

13.64%

5.92%

2.21%

L3 连续

3.67%

9.28%

3.88%

2.25%

L1 连续

4.69%

15.76%

11.13%

3.43%

L3 连续

4.59%

11.29%

8.01%

3.81%

数据来源：RiceQuant 、Wind 、中信建投期货

长期来看，近月合约的基差收益高于远月合约的基差收益，这主要由风险关于期限的非线性特征导致。A 股市场的卖空约束导致做空现货做多期货的套利受限，市场上的投资者仅可通过单边做多股指期货实现一个具备安全垫的有风险套利，投资者所需承担的市场风险与到期时间呈现非线性特征：三周的市

场风险暴露和四周的市场风险暴露对投资者的体感差异不明显，但是投资者容易认为一天的市场风险暴露远小于一周的市场风险暴露。从而，越临近到期，就有越多的投资者愿意承担市场风险，通过单边做多股指期货来实现这个具备安全垫的有风险套利，使得股指期货的贴水在临近到期前加速收敛。

考虑到以上特征，我们可以得出一个简明策略：做多近月合约实现指增；做空远月合约实现套保。

更进一步，我们希望通过考虑合约的基差特征，实现真正意义上的跨期套利策略，而非简明的多近月空远月。我们计算了各个合约经分红调整后的年化基差率，并在 L1 和 L3 中做多贴水相对较深的合约并做空贴水相对较浅的合约，形成跨期套利策略。图 3 为跨期套利策略回测的累计收益曲线。回测设置为：t 日收盘后算得基差信号，若需调仓则按 t+1 日开盘价成交，扣费单边万一。

图 3 ：基于分红调整后的年化基差率信号的跨期套利策略

数据来源：RiceQuant 、Wind 、中信建投期货

从回测结果来看，该策略长期具备盈利能力，但近年来存在较大的失效风险，IF、IM 上保持盈利，而 IH、IC 上出现亏损。

将以上跨期套利策略拆分多空两腿，如图4，多头（深贴水合约，左图）可作为指增策略的超额曲线；空头（浅贴水合约，右图）可作为套保策略的成本曲线。

图 4 ：跨期套利策略多头（深贴水合约，左图）和空头（浅贴水合约，右图）的累计超额

数据来源：RiceQuant 、Wind 、中信建投期货

图 5 与表 3 展示了各品种各合约选择方案的累计超额收益和近年超额收益。

图 5 ：各品种各合约选择方案的累计超额收益

数据来源：RiceQuant 、Wind 、中信建投期货

表 3 ：各品种各合约选择方案的近年超额收益

2026

2025

2024

2023

L1 连续

2.23%

3.62%

0.84%

1.23%

L3 连续

0.67%

1.35%

0.81%

-0.70%

深贴水合约

0.65%

0.23%

0.52%

-1.55%

浅贴水合约

2.25%

4.77%

1.10%

2.09%

L1 连续

4.12%

6.88%

1.63%

0.85%

L3 连续

1.79%

3.53%

0.89%

0.23%

深贴水合约

4.73%

4.88%

2.74%

1.60%

浅贴水合约

1.20%

5.49%

-0.23%

-0.52%

L1 连续

4.19%

13.64%

5.92%

2.21%

L3 连续

3.67%

9.28%

3.88%

2.25%

深贴水合约

-0.09%

11.42%

0.27%

3.71%

浅贴水合约

8.06%

11.43%

9.70%

0.75%

L1 连续

4.69%

15.76%

11.13%

3.43%

L3 连续

4.59%

11.29%

8.01%

3.81%

深贴水合约

3.28%

13.94%

10.44%

5.72%

浅贴水合约

6.01%

13.03%

8.64%

1.56%

数据来源：RiceQuant 、Wind 、中信建投期货

从上述结果来看，基于分红调整后的年化基差率，选择深贴水合约做多、浅贴水合约做空的指增、套保策略近年来确实表现不佳，可能不如做多近月L1 指增、做空远月L3 套保简明且稳健。

二、跨品种套利

跨品种套利方面，中金所现有股指期货的跨品种套利策略本质上可视为规模因子择时，即大小盘风格轮动策略（市场因子定义为市场收益，规模因子定义为小盘与大盘收益之差）。许多成熟的择时方法均可应用于规模因子择时。我们的实证研究发现，动量、波动率、季节动量等策略在规模因子择时上的表现普遍优于市场因子择时，可能表明规模因子溢价具有相对更容易捕捉的时变特征。

从风险溢价的角度来看，市场风险溢价是投资者承担市场系统性风险所要求获得的风险补偿，其变化主要受到宏观经济环境影响。例如，当经济增长预期改善、下行风险下降时，投资者对市场风险补偿的要求降低，从而推动权益资产估值扩张和价格上涨；在价格上涨后，市场未来预期收益率相应下降。因此，市场风险溢价的变化更多依赖于经济增长、利率水平、通胀预期等宏观信息。

相比之下，规模因子溢价反映了投资者持有小盘股相对于大盘股所要求获得的额外补偿，其来源可能包括流动性风险、融资约束、业绩风险等相对更微观的因素。例如，在金融条件宽松时期，市场流动性改善，小盘股面临的融资约束和流动性风险下降，投资者对规模因子风险补偿的要求降低，从而推动小盘股相对于大盘股取得更高的超额收益；在经历相对收益上涨后，规模因子的未来预期收益率则相应下降。

市场风险溢价与规模因子溢价在形成机制上的差异，为市场择时策略与跨品种套利策略的研发提供了理论依据。前者更关注宏观经济和系统性风险变化，后者则更关注相对微观的金融条件、流动性环境等变化。

我们的实证结果显示，多数量化择时信号在规模因子上的表现强于市场因子。一个可能的解释是，规模因子溢价受到相对更加微观的因素影响，而这些因素往往能够较快地反映在市场交易数据之中，因此更容易被基于市场数据构建的量化信号所捕捉。相比之下，市场风险溢价更多受到宏观经济等慢变量驱动，其时变特征相对较弱，从而增加了择时难度。

本节后续将分小节展示动量、波动和季节动量策略等内容。

2.1．动量策略

我们以中证全指作为 A 股市场的代理变量，对其使用时间序列动量策略，即以过去 n 天收益率的符号为择时信号，当过去 n 天收益为正时做多，反之做空。回测设置为 t 日收盘信号，t+1 日开盘价成交，扣费单边万一。

图 6 展示了中证全指上不同参数的趋势跟踪策略的累计收益曲线，表 4 展示了收益统计特征。分时段来看，在 2016 年前，趋势跟踪策略盈利能力尚可，其中尤其是回溯天数为 20 天时表现较好，2016 年之后，趋势策略开始失效，各参数下趋势策略均有回撤，而在 2022 年之后，趋势策略才又稍有起色。

图 6 ：A 股市场趋势跟踪策略累计收益曲线

数据来源：RiceQuant 、Wind 、中信建投期货

表 4 ：A 股市场趋势跟踪策略收益统计

年化收益

年化波动

夏普比率

n=5

2.93%

25.67%

0.11

n=20

15.54%

25.53%

0.61

n=60

8.57%

25.54%

0.34

n=240

6.48%

25.87%

0.25

数据来源：RiceQuant 、Wind 、中信建投期货

以上实证结果表明了趋势跟踪策略在 A 股市场择时中的失效问题，下面我们探究其失效原因，简明8

起见，后续分析我们固定回溯期 n=20。

我们每个季度统计策略夏普和市场夏普，作散点图，如图 7，可见策略夏普和市场绝对夏普之间呈递增的线性相关关系。划分样本的统计如图 8。

所谓趋势跟踪策略，其盈利性来源于两个方面：第一、市场存在可供捕捉的趋势性行情，即横轴的大小；第二、策略将趋势性行情转化为盈利的能力，即线性关系的斜率大小。从图 8 来看，2016 年后，策略夏普和市场绝对夏普之间的线性关系的斜率降低，反映出了市场定价效率的提升，趋势策略自身的盈利能力有所降低；更严厉的是，2016 年后，散点分布集中于左侧，即市场趋势性行情减少，是趋势跟踪策略难做的主要原因，从图 9 所示的市场夏普分布可以更清晰地看出这一点。

2022 年以来，伴随不确定性加剧，市场趋势性行情又稍有增多，趋势跟踪策略仍然具备配置价值。

图 7 ：策略夏普和市场绝对夏普的线性关系

数据来源：RiceQuant 、Wind 、中信建投期货

图 8 ：策略夏普和市场绝对夏普的线性关系-划分样本

数据来源：RiceQuant 、Wind 、中信建投期货

图 9 ：市场夏普分布-划分样本

数据来源：RiceQuant 、Wind 、中信建投期货

尽管 A 股市场上趋势跟踪策略总体并不好做，但是事实上，也有相当多的实证研究和实盘投资在 A股中应用趋势跟踪策略，并获得了不错的收益，这些有效的结果往往依赖于品种的选择，即在某些指数（非中证全指）上，趋势跟踪策略可以获利。为作验证，我们使用沪深 300、中证 500、中证 1000 等宽基指数为标的，对他们应用趋势跟踪策略，不同指数上的趋势策略表现如图 10、表 5。

图 10：A 股各宽基指数趋势跟踪策略累计收益曲线

数据来源：RiceQuant 、Wind 、中信建投期货

表 5 ：A 股各宽基指数趋势跟踪策略收益统计

年化收益

年化波动

夏普比率

中证全指

15.54%

25.53%

0.61

沪深 300

13.10%

24.80%

0.53

中证 500

21.24%

28.31%

0.75

中证 1000

26.46%

29.50%

0.90

数据来源：RiceQuant 、Wind 、中信建投期货

从图 10 和表 5 的结果来看，似乎有指数规模越小，趋势越强的规律，即趋势策略的表现是中证1000>中证 500>沪深 300。

上述结果表明，动量效应的强弱与市值规模存在明显关系。这意味着我们观察到的动量收益，可能

并非主要来源于市场整体上涨或下跌趋势，而是来源于不同规模风格之间相对强弱关系的持续变化。换言之，动量效应可能更多体现为一种风格轮动现象。

为验证这一猜想，我们进一步构造规模因子，即以中证 1000 指数收益减去沪深 300 指数收益衡量大小盘相对表现，并对其进行动量检验。实证结果如图 11、表 6，结果显示，规模因子的动量效应显著强于各单独指数，说明大小盘风格之间确实存在较强的趋势延续性。

图 11：跨品种套利的趋势跟踪策略累计收益曲线

数据来源：RiceQuant 、Wind 、中信建投期货

表 6 ：跨品种套利的趋势跟踪策略收益统计

年化收益

年化波动

夏普比率

中证全指

15.54%

25.53%

0.61

沪深 300

13.10%

24.80%

0.53

中证 500

21.24%

28.31%

0.75

中证 1000

26.46%

29.50%

0.90

中证 1000-沪深 300

15.76%

16.49%

0.96

数据来源：RiceQuant 、Wind 、中信建投期货

2.2．波动策略

动量之外，我们尝试研究波动。从统计学的视角来看，动量和波动可以视为同一类信号：均使用已实现收益率的矩来预测未来预期收益，动量和波动分别对应已实现收益率的一阶矩和二阶矩。

我们在资产配置策略研究中发现了波动信号在择时中的有效性。在二次效用函数的框架下，波动，也就是风险，是投资者有意规避的对象，因此在常用的资产配置方法中，资产的波动越大，该资产被投资者持有的仓位理应越轻。通过降低持有波动，提高夏普比率。

图 12 展示的是中证全指的累计收益曲线和滚动波动率。长期来看，日波动率水平维持在 1%附近。

图 12：中证全指的累计收益曲线和滚动波动率

数据来源：RiceQuant 、Wind 、中信建投期货

但是，我们发现波动率倒加权策略对 A 股指数而言并不能提高夏普比率，如图 13 和表 7 所示。回测设置：仓位等于 t 日滚动波动率的倒数乘以 0.01，t+1 日开盘价成交，扣费单边万一（将目标波动率设置为 0.01 是因为图 12 显示股指长期波动率水平大约在 0.01 附近）。从结果来看，波动率倒加权在降低持有波动上确实起效，但夏普比率不升反降，原因在于策略在降低风险的同时还更大地损害了收益，这反映出波动率对于 A 股市场而言是一个正向的择时信号。

图 13：中证全指波动率倒加权策略累计收益曲线

数据来源：RiceQuant 、Wind 、中信建投期货

表 7 ：中证全指波动率倒加权策略收益统计

年化收益

年化波动

夏普比率

中证全指

8.61%

21.81%

0.39

5 天波动率倒加权

0.27%

22.60%

0.01

20 天波动率倒加权

4.11%

17.53%

0.23

60 天波动率倒加权

6.05%

16.69%

0.36

240 天波动率倒加权

5.94%

16.29%

0.36

数据来源：RiceQuant 、Wind 、中信建投期货

更进一步，我们对各规模指数测试波动率倒加权策略，考虑到中证全指上参数为 240 天的波动率表现较好，为方便对比，此处我们固定参数为 240 天。图 14 展示了策略的累计收益曲线，表 8 展示了收益统计特征。考虑到不同指数之间的波动率高度正相关，我们同时测试了以自身波动率倒加权和统一以中证全指波动率倒加权的策略。结果来看，各规模指数上的波动率倒加权策略表现存在规律性的差异：规模越小的指数，波动率倒加权的效果越差，反映出波动率作为正向择时信号的效果在小盘股中更为明显。

图 14：各规模指数波动率倒加权策略累计收益曲线

数据来源：RiceQuant 、Wind 、中信建投期货

表 8 ：各规模指数波动率倒加权策略收益统计

年化收益

年化波动

夏普比率

沪深 300

7.06%

20.87%

0.34

中证 500

9.75%

24.16%

0.40

中证 1000

9.79%

26.16%

0.37

沪深 300-波动率倒加权

6.66%

16.27%

0.41

中证 500-波动率倒加权

6.09%

16.35%

0.37

中证 1000-波动率倒加权

4.94%

16.23%

0.30

沪深 300-中证全指波动率倒加权

5.73%

15.81%

0.36

中证 500-中证全指波动率倒加权

6.79%

18.14%

0.37

中证 1000-中证全指波动率倒加权

5.51%

19.75%

0.28

数据来源：RiceQuant 、Wind 、中信建投期货

以上倒波动率加权的资产配置策略的回测反映出波动率是市场因子和规模因子的正向择时信号：波动率越大，市场未来预期收益越高，其中，小盘股未来预期收益更高。这一实证结果的经济学解释可能有二：第一、A 股市场存在风险越大预期收益越高的风险补偿特征；第二、A 股市场的波动率的放大可能更倾向于上行机会的启动而非下行风险的预警。

据此，我们构造波动率择时信号。我们计算中证全指滚动 n 天波动率，高于 720 天中位数时发出做多信号，低于 720 天中位数时发出做空信号，t+1 日开盘价成交，扣费单边万一。该波动率信号在中证全指上的表现如图 15 和表 9，在跨品种套利组合，即中证 1000-沪深 300，上的表现如图 16 和表 10。回测结果显示，A 股市场波动率在对以中证全指为代理变量的市场因子择时和以中证 1000-沪深 300 为代理变量的规模因子择时中均为正向择时信号，并且具备波动率的回溯参数越短，择时策略绩效越好的特征。

值得注意的是，尽管从 A 股历史经验来看，波动率放大往往对应风险偏好的提升以及市场活跃度的上升，其后续收益表现整体呈现出一定的正向特征，但是这一特征具有明显的样本依赖性，随着市场结构、投资者结构以及机构化程度的持续变化，波动率与未来收益之间的关系也可能发生改变。因此，对于波动率信号的有效性仍需进行持续跟踪和动态评估。

图 15：中证全指波动率信号择时策略累计收益曲线

数据来源：RiceQuant 、Wind 、中信建投期货

表 9 ：中证全指波动率信号择时策略收益统计

年化收益

年化波动

夏普比率

sigma5

14.77%

21.85%

0.68

sigma20

11.09%

22.02%

0.50

sigma60

8.48%

21.86%

0.39

sigma240

2.19%

21.81%

0.10

数据来源：RiceQuant 、Wind 、中信建投期货

图 16：中证全指波动率信号择时中证 1000-沪深 300 策略累计收益曲线

数据来源：RiceQuant 、Wind 、中信建投期货

表 10：中证全指波动率信号择时中证 1000-沪深 300 策略收益统计

年化收益

年化波动

夏普比率

sigma5

15.72%

16.55%

0.95

sigma20

13.11%

16.61%

0.79

sigma60

5.30%

16.74%

0.32

sigma240

-4.19%

16.63%

-0.25

数据来源：RiceQuant 、Wind 、中信建投期货

2.3．季节动量策略

季节动量策略同属动量策略范畴，传统的时间序列动量考虑资产近期累计收益作为择时信号，季节动量策略则考虑历史同期未来一段时间平均收益作为择时信号。季节动量策略的基础是日历效应，即金融市场中资产收益率在特定时间点表现出显著差异的现象，属于市场异象的一种。

图 17、18、19 分别展示了沪深 300 和中证 1000-沪深 300 的月度效应、旬度效应、星期效应。从统计结果来看，中证 1000-沪深 300 在 1 月、4 月、9 月、12 月的表现相对较差，在 2 月、3 月的表现相对较好；旬度和星期方面，中证 1000-沪深 300 的平均收益几乎呈现递减规律。这一统计规律主要可以由特定时期的流动性风险和业绩风险解释。流动性风险方面，小盘股流动性风险高，对资金流入流出冲击更敏感，临近年底（包括 1 月的农历年底）、月底、周末等小盘承压；业绩风险方面，小盘业绩风险大，在 1、4 月的年报季，集中发布财报的月底，隔夜风险大的周五等小盘承压。

图 17：沪深 300 和中证 1000-沪深 300 的月度分组日均收益

数据来源：RiceQuant 、Wind 、中信建投期货

图 18：沪深 300 和中证 1000-沪深 300 的旬度分组日均收益

数据来源：RiceQuant 、Wind 、中信建投期货

图 19：沪深 300 和中证 1000-沪深 300 的星期分组日均收益

数据来源：RiceQuant 、Wind 、中信建投期货

以上日历效应仅可作为历史规律统计，不可作为实盘交易的参考回测。而季节动量策略只使用历史可得数据形成择时信号，不存在前视偏差，回测曲线可作为实盘交易的参考。图 20 和表 11 展示了季节动量策略的累计收益曲线和收益统计特征，其中，月度、旬度和星期的季节动量策略分别回溯过去 5 年同月、同旬、同星期几的平均收益动量作为择时信号，t+1 日开盘交易，扣费万一。

从回测结果来看，仅有月度的季节动量策略具备相对较好的盈利能力，其中，以中证 1000-沪深 300为标的的月度的季节动量策略在所测策略中表现较好。尽管日历效应的研究中发现了旬度效应和星期效应的存在，但是频繁交易的特征使其在严厉的手续费扣除后难以盈利，甚至亏损。

季节动量策略的一个可能的改进方向是通过平移回溯窗口，从而实现抢跑策略。例如，假如现在是2026 年 6 月底，普通的季节动量策略信号由 2021-2025 年的 7 月的平均收益方向决定，改进后的抢跑策略的仓位信号由 2021 年-2025 年的 8 月的收益方向决定，即抢跑一个月。但是这一抢跑策略的过拟合风险较大，因为这种改进是没有边界的。市场在投资者的动态博弈中进化，日历效应提前，为捕捉前移后的新规律，策略可能进一步将参照窗口再向后移，从而陷入没有边界的无限迭代循环。在这一过程中，策略会不断追逐历史数据中偶然出现的领先滞后关系，最终构建的模型虽然可能完美拟合过去，却因缺乏稳定逻辑而极有可能在未来失效，投资者需警惕其中风险。

图 20：季节动量策略累计收益曲线

数据来源：RiceQuant 、Wind 、中信建投期货

表 11：季节动量策略收益评估

策略

标的

年化收益

年化波动

夏普比率

月度

沪深 300

6.40%

18.37%

0.3481

中证 1000-沪深 300

8.29%

14.92%

0.5554

旬度

沪深 300

3.48%

18.38%

0.1896

中证 1000-沪深 300

-2.94%

14.93%

-0.1970

星期

沪深 300

-9.82%

18.38%

-0.5343

中证 1000-沪深 300

-10.65%

14.92%

-0.7139

数据来源：RiceQuant 、Wind 、中信建投期货

三、总结和展望

本半年报是对今年以来的我们股指套利策略实证研究的一个整理。

跨品种套利方面，中金所现有股指期货的跨品种套利策略事实上是规模因子择时，即大小盘轮动策略。许多策略在规模因子择时上的表现优于市场择时，比如动量、波动、季节动量等策略。动量方面， 2016 年后，市场整体动量效应减弱，而大小盘轮动的动量效应保持强势；波动是市场和规模因子的正向择时信号，可能原因在于风险形成后，预期收益变高，以及从历史经验来看，波动率的提升往往是上行行情的启动；季节动量方面，季节性因素主要影响流动性风险和业绩风险，对小盘股的冲击更大，可作为大小盘轮动的避险信号。

未来研究可进一步从策略研究向因子择时框架拓展。本文所研究的动量、波动率、季节动量等信号，本质上均属于利用市场历史信息预测未来风险溢价变化的择时方法。未来可进一步引入 Fama-French-3因子，包括市场因子、规模因子和价值因子，构建更加统一的因子择时研究框架，探索不同风险溢价的时变规律及其经济驱动因素。

在信号构建方面，我们更倾向于使用市场数据。一方面，市场数据频率高、更新及时、由公允定价形成、易于量化，能够满足策略研究和实盘交易的需要；另一方面，市场价格本身包含了市场参与者对未来经济和风险等的预期，是各类信息的综合反映。未来可重点挖掘市场数据背后所代表的经济含义，例如市场收益率反映宏观经济预期变化，债券收益率和期限结构反映流动性与金融条件变化，不同风格和行业资产的相对表现则反映资金配置方向和市场结构变化。

在此基础上，可进一步构建具备明确经济逻辑的择时信号体系，将宏观经济、金融条件、市场风险偏好等不同层面的信息映射到因子风险溢价的变化上，从而形成兼具经济解释力和实证有效性的量化择时策略。我们认为，基于市场数据挖掘风险溢价时变规律，并将其应用于因子择时和股指套利策略，仍然是值得持续深入研究的重要方向。

重要声明

本报告观点和信息仅供符合证监会适当性管理规定的期货交易者参考，据此操作、责任自负。中信建投期货有限公司（下称“ 中信建投”）不因任何订阅或接收本报告的行为而将订阅人视为中信建投的客户。

本报告发布内容如涉及或属于系列解读，则交易者若使用所载资料，有可能会因缺乏对完整内容的了解而对其中假设依据、研究依据、结论等内容产生误解。提请交易者参阅中信建投已发布的完整系列报告，仔细阅读其所附各项声明、数据来源及风险提示，关注相关的分析、预测能够成立的关键假设条件，关注研究依据和研究结论的目标价格及时间周期，并准确理解研究逻辑。

中信建投对本报告所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。本报告中的资料、意见等仅代表报告发布之时的判断，相关研究观点可能依据中信建投后续发布的报告在不发布通知的情形下作出更改。中信建投的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见不一致的市场评论和/或观点。本报告发布内容并非交易决策服务，在任何情形下都不构成对接收本报告内容交易者的任何交易建议，交易者应充分了解各类交易风险并谨慎考虑本报告发布内容是否符合自身特定状况，自主做出交易决策并自行承担交易风险。交易者根据本报告内容做出的任何决策与中信建投或相关作者无关。

本报告发布的内容仅为中信建投所有。未经中信建投事先书面许可，任何机构和/或个人不得以任何形式对本报告进行翻版、复制和刊发，如需引用、