商品期货的日内可预测性：来自中国散户主导市场的最新证据

《Journal of Banking & Finance》：Intraday predictability in commodity futures: New evidence from China’s retail-dominated market

　　

摘要

我们考察了商品期货的日内收益可预测性及其与信息扩散和交易摩擦在零售主导情境下的关系。利用2018年至2024年36个中国商品期货合约的一分钟数据，我们采用机器学习模型对滞后横截面收益进行建模，并发现了稳健且具有经济意义的可预测性。预测能力在一分钟期限上最强，随后迅速衰减，这与信息摩擦理论一致。Lasso和Elastic Net等稀疏线性方法始终优于更复杂的非线性算法，表明日内收益的预测关系可由稀疏线性规范有效表示。我们发现，收益可预测性在波动率较低、流动性较差的合约上更强，在高未平仓量、价格离散度较大以及零售投机交易更为频繁的合约上更强；但在临近合约、更严格约束下以及临近涨跌停事件时较弱。我们的发现拓展了高频资产定价研究，凸显了简单模型在提取日内信号方面的优势，并对交易策略和市场监管具有启示意义。

引言

收益可预测性是实证资产定价的核心。大量文献表明，企业特征（包括规模、价值、盈利能力和动量）可预测月度期限上的收益（Fama and French, 1992, Hou et al., 2015, Novy-Marx, 2013）。虽然这些预测因子已成为学术研究和机构投资组合管理中的标准工具，但它们通常基于财务报表等低频信息源构建。因此，它们不太适合研究日内期限的可预测性——在这一期限内，信息会在数分钟内被吸收并据此交易。这促使我们使用基于交易活动、市场微观结构和历史价格动态的高频信号。

数据可获得性和机器学习技术的近期进展为研究日内频率下的收益可预测性开辟了新途径。越来越多的文献表明，来自订单流、订单簿不平衡和历史收益的高频信号可预测短期收益（A?t-Sahalia et al., 2025, Cont et al., 2014, Hirschey, 2021）。Chinco et al. (2019) 表明，使用滞后横截面收益的稀疏线性模型可预测一分钟股票收益，这与延迟信息扩散和投资者不关注理论一致。最近，Jiang et al. (2023) 和 Murray et al. (2024) 等研究运用机器学习时间序列方法从收益率图表中提取信息，再次凸显即便在高频层面，滞后收益可能嵌入有价值的预测信号。虽然这一新兴文献几乎完全聚焦于股票，但商品期货日内收益可预测性的潜力仍基本未被探索。

商品期货市场为研究这些动态提供了一个独特的环境，而中国市场尤其适合此目的。首先，中国如今拥有全球最流动的商品衍生品市场之一。截至2023年9月，全球交易量排名前十的农产品合约中有九个，以及排名前十的金属合约中全部，都在上海期货交易所、大连商品交易所和郑州商品交易所等中国交易所上市。¹ 这一规模和多样性使中国成为理解横截面收益动态不可或缺的市场。其次，制度特征与美国的差异显著。由于资本管制，中国期货交易与全球市场相互分割，国内活动由零售投资者主导。² 与北美相比，中国中国的成交量相对于未平仓量要大得多，2018年估计中国合计成交量/未平仓量比率约为261，而北美为31。此外，每日价格限制、持仓限额和保证金要求等监管机制引入的摩擦可能影响信息如何被纳入价格。³ 第三，与股票和债券（其日内交易受到严格限制）不同，中国商品期货允许$T+0$日内交易，使其成为在高频情境下应用机器学习方法的自然场所。这些特征为考察信息扩散和市场微观结构理论提供了有用环境，同时也揭示了监管设计如何与投机行为和价格效率相互作用。

基于上述考虑，我们使用滞后横截面收益作为预测因子，研究中国商品期货的日内收益可预测性。我们的数据集涵盖2018年至2024年间36个活跃交易合约的一分钟收益。我们采用一系列预测模型，在滚动窗口框架中估计，并进行样本外评估和超参数调优，建立在机器学习在资产定价中的近期进展之上（Gu et al., 2020, Bali et al., 2023, Guo et al., 2022）。

我们得出五项核心发现。第一，日内商品期货收益可从滞后横截面收益中进行统计和经济意义上的预测，预测能力在一分钟期限上最强，随后迅速衰减，与信息摩擦一致。尽管这些信号短暂，它们经受了合理交易成本的考验并产生了具有经济意义的夏普比率。第二，Lasso和Elastic Net等稀疏线性模型始终优于非线性方法，包括随机森林、梯度提升回归树和神经网络。这一发现与Chinco et al. (2019)一致，并表明当预测信号稀疏时，额外模型复杂度更可能引起过拟合而非稳健性。第三，我们证明日内可预测性与标准合约特征相关。特别地，波动率较低、流动性较差的合约以及未平仓量较高、价格离散度较大的合约可预测性更强，这与A?t-Sahalia et al., 2025, Chordia et al., 2008, Bali et al., 2023的发现一致。第四，除这些一般特征外，我们发现中国商品期货市场表现出两项与可预测性密切相关的独特制度特征。一方面，零售主导的参与似乎通过投机交易强度与可预测性相关；投机交易更强的合约在日内期限上更可预测。另一方面，交易所监管也与可预测性相关；临近到期时更严格的保证金要求和持仓限额与较低可预测性相关。同样，涨跌停事件在当期及次日交易日均与较低收益可预测性相关。最后，一系列稳健性分析强化了我们结论。可预测性在交易日内中段最强，所选预测因子稀疏且短暂，最重要的跨合约信号集中在经济相关同业之间，特别是同行业内，与信息扩散理论一致（Moskowitz and Grinblatt, 1999, Hou, 2007）。

本文做出四项主要贡献。第一，它将收益可预测性和领先-滞后效应文献拓展到高频商品期货情境，为了解全球最大的衍生品市场之一中日内横截面信息扩散提供了新证据。第二，它通过系统比较线性和非线性方法并表明稀疏线性技术在高频商品市场中表现尤为突出，为日益增长的机器学习资产定价文献做出贡献。第三，通过将日内可预测性不仅与流动性、波动率、未平仓量和价格离散度等标准合约特征联系起来，还与中国商品期货市场的独特制度特征（特别是零售主导的投机交易和交易所施加的交易约束）联系起来，推进了市场微观结构和投资者行为研究。第四，我们的发现具有政策启示：高频可预测性的持续与衰减揭示了保证金要求、持仓限额和价格限制如何与快速变化的期货市场中投机活动、价格发现和价格效率相关联。这些贡献共同涉及资产定价的学术辩论以及机器学习在高频交易中的实际应用。

本文其余部分安排如下。第2节介绍预测和评估方法。第3节呈现实证结果。第4节探讨与收益可预测性相关的潜在经济渠道。第5节展示稳健性检验，第6节总结。

章节摘录

方法论

在本节中，我们首先介绍分析中使用的模型和估计程序。然后，我们说明用于检验统计和经济显著性的方法。

实证分析

在本节中，我们介绍数据并概述实施细节。随后我们考察纳入滞后收益是否提高了日内收益的样本外可预测性。分析首先关注统计可预测性，随后评估可预测性的经济显著性，包括在考虑合理交易成本之前和之后。

与可预测性相关的特征

在本节中，我们研究与合约收益可预测性相关的潜在经济渠道。除股票文献中常见的标准渠道外，我们特别强调在中国商品期货市场中尤为重要的制度特征，包括零售投资者主导和监管机构的积极参与。一方面，中国商品期货市场高度由个人投资者主导。这种

稳健性检验

我们以一系列稳健性检验结束分析。第一，我们考察引入交易延迟后的盈利能力。第二，我们考察加入订单簿变量后预测性能提高了多少。第三，我们检验可预测性的日内变化。最后，我们考察Lasso所选预测因子的相似性、稀疏性和持续性。

结论

本文提供了使用滞后收益横截面预测日内商品期货收益的机器学习模型综合分析。我们的结果得出了多项发现，为基于高频期货数据的日内收益可预测性文献做出贡献。

第一，可预测性强劲但短暂。表现最好的模型（尤其是Lasso和Elastic Net）在一分钟期限上提供具有统计和经济显著性的预测

CRediT作者贡献声明

郭彪：写作—审阅与编辑、写作—原稿撰写、监督指导、项目管理、方法论、调查研究、经费获取、形式化分析、概念设计。朱俊平：写作—原稿撰写、软件、方法论、形式化分析。

资助

本研究获得国家自然科学基金资助 [编号 72171225]。

利益冲突声明

作者声明他们不存在可能影响本文所报告工作的已知竞争财务利益或个人关系。

致谢

感谢中国人民大学研讨会与会者提出的宝贵意见和建议；如有疏漏，责任自负。

郭彪|朱俊平