有色金属行业市场分析报告

有色金属行业市场分析报告

2020年8月

一、背景介绍

我国工业体系最显著的特点：具有高度完整性和相当的复杂性。据工信部数据，我国工业拥有 41 个工业大类，207 个工业中类，666 个工业小类，是目前全球经济中唯一拥有联合国产业分类中所列全部工业门类的国家。实际上，我国早在 2010 年我国制造业增加值就已经超过美国，成为世界制造业第一大国。

同时，我国期货市场的发展也是突飞猛进。截止 2020 年 7 月 28 日，我国衍生品上市数量达到 84 个，其中期货品种 66 个，期权品种 18 个。2019.01-2019.12 年度，期货市场累计成交量（3962.08 百万手），成交额（290.61 万亿元）均创出了历史新高。这其中商品期货交易占全市场份额的 98.32%，凸显了我国制造业大国的地位。

然而，在产业链企业迅猛发展的同时，其风险管控能力及利用金融市场转移风险的意识却并不成熟。客观地说，这种情况是由内外两个方面的因素造成的。从内在的角度，产业链企业存在两种较极端的认识误区。

一方面，有些企业通过接触到的现货报价等渠道，以及过往的经验，对某商品未来的价格走势形成一定的判断。于是自觉或不自觉得形成投资逻辑，然而这些投资逻辑并非都是对冲风险，有时候反而成了利用期货进行杠杆交易，更大程度暴露自身资产的风险。从而认为，期货交易最有利的方法，是利用自身信息优势获利。我们认为，这是混淆了期货工具套保和投机的功能。更全面和更准确信息的确是期货交易盈利的一个基础，但是，其交易模式（换手率、交易策略、参考量化指标等）与套期保值策略大相径庭，且完全服务于不同的目标。从量化投资的角度来说，最终需要优化的目标函数并非同一类型。

另一方面，有些企业较少接触衍生品市场，并不清楚如何利用自己行业（定价权）地位等优势，更有效借助期货市场锁定未来价格，保证自身获取更健康的现金流。从而认为套期保值只是一个“亏本买卖”，并不愿意深入了解其风险管控的功能。我们认为，这是不了解期货市场转移风险的运作机制，甚至有些是过往不成熟的交易操作造成损失而导致的固有印象。

从外在的角度来看，我国期货行业切实服务于产业链企业的能力还有待提高，特别是专业且深入到技术细节的工作并未能完全满足企业的需求。我们根据真实客户的咨询内容和反馈意见，总结出如下几个关键需求点：

1. 缺乏具有针对性的完整套保策略方案开发流程；

2. 对于套期保值标的物（绝大多数是非标品），无直接对应的场内工具实施套保策略；

3. 套期保值策略实施的现金成本，交易手续费等交易风险点识别；

4. 多品种套保中，多风险来源的联合风险管控需求。

在我们之前的一系列套期保值报告中，我们已经对需求点 1 提出了自己的一套完整方案开发流程，简而言之分成两个部分：套保可行性分析部分，和策略模拟回测进而提供套保头寸建议。对于问题 3，我们也发布了专题报告[1], 我们发现当策略的统计效果相近时，选择成本更低的方案将有更优效果。问题 4，我们会在随后的研报中给出解决方案。本文将集中针对问题 2，提供我们的研究结果。

对于非交割品套保，通常并没有对应场内期货可以直接使用。而当我们着手研究非标品套保的可行性时，又往往会发现，其价格时间序列有大量数据缺失（报价非公开、记录不完整等）。对此，我们开发了替代套保策略：使用具有较高可信度和较完整历史记录的公开现货行情数据，寻找与目标非标品价格变动最接近的现货价格时间序列，并以此为基础设计目标非标品的套期保值策略。我们将看到这两个难点实际上可以在传统最小波动率对冲的理论基础上，使用同一个模型的变形进行处理。

二、方法介绍

作为替代套保方法论的介绍，我们将选用有色金属类现货/期货作为主要的测试对象。

首先，我们在做套保可行性分析时，将通过比较现货的相似程度（经济学意义，化学意义等方面），选择最贴近于目标现货的标准交割品现货。这样，目标现货与替代现货具有较稳定的相关性，并且存在价格传导的机制，一定程度保持他们价格波动的一致性。比如，我们考虑废铜的套保方案，可以考虑最接近交割规格的铜现货替代，同时反向持有铜期货进行风险对冲。

为了进一步扩大替代套保方法的适用范围，我们将利用有色板块各品种之间的相关性。比如上面的例子中，我们尝试使用铅，锌，铝等品种的现货/期货来做替代套保计算。我们发现其中的相关性具有长期的稳定性，具备一定的套保能力。说明，我们的替代套保方法可以极大扩展现有场内期货工具的风控范围，进而对从前看起来并无对应场内期货的商品开发套保策略。

同时，非标套保商品的历史价格数据往往多有遗漏。我们将使用 Bootstrap 和蒙特卡洛的方法估算标的物与替代现货之间的相关性，并使用相关性外推的方法得到对应于无数据丢失情况下的最小波动率对冲比例。我们将基于蒙特卡洛模拟数据，给出估算均值和方差，并与真实的最小波动率结果进行比较，以验证方法的有效性。

需要强调，从我们提供套保服务的经验来看，非标品的价格缺失是一个非常普遍的现象。所以，在我们看来，替代套保策略所面对的核心问题是两个，并且互为伴生关系：

1) 寻找合理的替代套保标的物；

2) 在数据缺失的情况，合理估算套保标的物与对冲工具的相关性。

三、模型介绍

我们分析如何得到最小波动率对冲比例的模型[2]，通过公式变换，引出我们的套保策略思 路。对冲组合收益率为：

R = r - hr s f

(1)

= (

+ ? )- r hr f s ' ss ' 其中 ? ≡ r - r

s ' (2) ss ' s r

s r ?

是套保标的物的收益率， 是替代套保现货的收益率， 是套保标的物收益率减去替

ss ' s ' 代套保品收益率。我们将标的物收益率分解成了替代现货收益率部分加上残差部分。然

后，根据最小波动率模型，我们得到最小波动率对冲比例为： ( ) ( σ ) cov ? ,r f cov r ,r = s ' f + ss ' h (3)

σ 2

2 f f 容易看出来，最小波动率对冲头寸来自两个方面贡献。方程右边第一项是当我们使用替代 套保现货计算最小波动率对冲头寸的结果。为此，替代套保现货一般可选交割品或接近交 割品，同时又与目标套保品种比较接近的商品（经济学意义和/或化学意义上）。我们假设 （一般情况下都成立），替代套保现货数据完整、记录规范，并且达到日度采样频率。这 样，我们认为第一项总能给出“正确”的结果。

方程右边第二项来自于目标套保品收益率残差的贡献。我们注意到，在公式（3）中，我 们并不需要直接计算套保标的物与对冲工具之间的相关性，甚至我们也不需要计算目标标 的物与替代现货之间的相关性。而只需要集中考虑残差与期货之间的相关性，从而极大的 简化研究目标。

另一方面，因为公式（3）中的两项具有可加性，所以这两项对于对冲比例的的贡献可以 分开计算/估算。上面论述中，我们知道第一项可使用常规方法计算。第二部分则涉及到 我们提到的非标品现货价格缺失问题，所以，我们将采用估算的方式。

首先，我们将从已有现货数据中，随机提取部分数据估算残差与期货之间的相关性。在数据缺失一定比例的情况下（缺失数据 10%，20%...），得到相关性的估算值。同时，我们分析相关性估算值随数据缺失程度的变化规律，对数据建模。

然后，再利用模型公式外推到无数据缺失情况下估算的相关性。进而利用蒙特卡洛方法生成模拟数据，得到标的物收益率残差与对冲工具之间的相关性，并给出误差范围。

最后，我们比较完整数据的计算结果和估算结果，从而验证方法的有效性。为了避免时段行情的影响，我们将数据大致均分成两部分，比较早期和近期的模型表现。

四、模型测试

4.1. 相关性测试

我们将针对废铜进行套保设计：

1) 废铜 1--1#光亮铜线:上海

2) 废铜 2--1#废铜(Cu97%):北京

3) 废铜棒--再生黄铜棒（进口废铜棒）：江浙沪

替代现货为：

1) 长江有色市场:平均价:铜:1#

2) 长江有色市场:平均价:铅:1#

3) 长江有色市场:平均价:锌:0#

4) 长江有色市场:平均价:铝:A00

对冲工具均为替代用现货所对应的期货主力合约，也就是铜，铅，锌和铝在上期所挂牌的主力合约。

首先，我们使用全部历史数据（2011 年以来），计算套保标的物、主要参考现货和对应期货（主力合约），之间的两两相关性。（如图 1-3 所示）

为了印证相关性的稳定性，避免一时行情的现象级表现，我们辅助测算前期/后期的相关性矩阵。测试数据覆盖2011-03 至 2020-06；前期为 2011-03 至 2015-10；后期为 2015-11 至2020-06。我们看到，各期货品种之间在测试时间段，有比较稳定的相关性，这是由有色金属商品的工业应用范围比较接近决定的。废铜等商品与铜现货的稳定相关性则由其化学成分接近，而在一定加工条件下具有较好可替代性保证的。这也是我们强调的，替代套保成败的关键

由替代物与标的物之间的稳定相关性决定，而这种相关性需要具备较强且稳定的经济学联系或

者化学成分相似性作为支撑；并能够在数据角度，用替代套保品的替代能力（解释力），给出

定量验证。我们将看到选取的测试对象如何满足（或不完全满足）上述条件。

图1：期现相关性（2011-03 至 2020-06）图2：期现相关性（2011-03 至 2015-11）

数据来源：天软市场研究部数据来源：天软市场研究部

图3：期现相关性（2015-10 至 2020-06）图4：有色金属持仓量变动图

数据来源：天软市场研究部数据来源：Ricequant 市场研究部

我们看到，有色金属板块内的期/现货之间的相关性近几年比较稳定。而从交易层面来

看，我们也能看到不同品种虽然活跃度有所不同，但是场内资金的流动却保持了高度一致

性。这也是我们认为有色金属板块中不同品种间价格波动特征目前较为趋同的一个佐证。

4.2. 现货vs.期货

进一步，我们分析交割品与期货价格之间的相关性，并计算最小波动率套保比例。这里我

们依然使用全部数据进行测试，同时分成接近等分的前期/后期两部分，从而观察算法稳

定性（这里并非套保比例的稳定性，套保比例一般会根据市场行情变化而变化）。并且将

其作为参考组结果，与下文中有缺失数据的情况做对比。

需要说明，我们这里采用最小波动率公式计算套保比率，并非意味着该方法一定是最优

（甚至是可执行）对冲方案，而只是方便我们介绍替代套保的方法论，在后续的报告中我

们将会给出更多应用实例。

表格1：目标套保商品对冲比例

期货品种铝期货

时段废铜1 废铜2 废铜棒2011-03 至 2020-06

2011-03 至 2015-11

2015-10 至 2020-06

2011-03 至 2020-06

2011-03 至 2015-11

2015-10 至 2020-06

2011-03 至 2020-06

2011-03 至 2015-11

2015-10 至 2020-06

2011-03 至 2020-06

2011-03 至 2015-11

2015-10 至 2020-06

0.7424

0.9308

0.6538

0.5607

0.6736

0.4778

0.9076

0.8291

1.0207

0.6147

0.7038

0.5503

0.7621

0.9919

0.6546

0.5886

0.7239

0.4896

0.9469

0.8725

1.0567

0.6641

0.7551

0.5644

0.5725

0.6790

0.5238

0.4338

0.5313

0.3631

0.6847

0.5861

0.8218

0.4711

0.5422

0.4229

铅期货

铜期货

锌期货

数据来源：天软市场研究部

明显，废铜、废铜棒因为其相关性接近于铜期货，同时，我们注意到其他有色品种因为价

格走势接近，也能在一定程度上作为对冲工具使用。这样的测试结果表明，经济学和化学

性质的接近程度将是我们选择替代套保工具的重要判断依据。

这一点也可以从回归分析中看到。我们将废铜 1 价格波动对不同品种的期货做回归分析。

得到不同期货的 Rsq 分别为：{0.1887；0.1623；0.5828；0.2449}。铜和锌对废铜 1 的价格

波动具有最好的解释力,替代套保的成功率更高，能够覆盖的风险敞口更完整。

进一步，我们看到，即使是使用铜期货作为对冲工具，由于市场行情的变化（此处为若干

年的较长周期），最小波动率头寸也有了一定程度的变化。比如对于废铜 1，最小波动率

对冲比例就由前期的 0.83 上升到了近期的 1.02，提升了约 23%。废铜 2 和废铜棒的对冲比例变化趋势于此相似。是否能捕捉到这样的定量特征也是验证我们替代套保是否可行的重要依据之一。

4.3. 铜现货替代套保

现在，我们假设：废铜、废铜棒数据存在缺失，缺失比例为：{50%，60%，70%，80%，90%}。使用长江有色市场:平均价:铜:1# 为替代套保品，其历史数据记录完整。最终估算出针对原套保标的物的套保比例。

计算/估算过程根据公式（3）进行：1.公式右边第一项通过铜交割现货和铜期货直接计算，不存在数据缺失；2.公式右边第二项为估算部分，将做估算处理。估算方式如下：1) 按数据缺失比例，随机剔除目标套保商品的日度价格数据，然后计算公式（3）第二

项协方差部分的贡献值。在实际情况下，数据缺失一定比例，如此处的 50%，更多的数据缺失比例可以使用同样的随机剔除法得到。

2) 重复计算过程 1)若干次（Bootstrap[3]），得到在数据缺失一定比例时，公式（3）第二

项协方差部分的统计分布，从而得到该分布的均值和方差（分布满足高斯统计分布—均可通过 Kolmogorov-Smirnov test，统计建模只需使用均值和方差）。

3) 对缺失数据情况下的协方差均值和方差对缺失比例做线性拟合，进而外推至数据无缺

失（缺失比例 0%），情况下的协方差均值和方差估算值。

4) 使用蒙特卡洛方法，利用估算值生成模拟数据，得到无数据缺失情况下协方差部分的

估算值。

5) 结合公式（3）第一项结果，给出套保标的物对应冲比例。

上述计算过程中，有两个关键部分，我们需进一步给出明确的测试结果：Bootstrap 方法获得的分布规律和线性拟合及其外推至无数据缺失情形。我们依然以废铜 1 为例，给出测试结果。