基于库存周期的多因子商品配置策略：库存周期与估值会碰撞出怎样的火花

正文目录一、商品有“估值”吗？ 3商品不具备传统意义上的“估值” 3商品的“估值”是相对而言的 4二、商品估值的探索——铜、原油和豆粕 5如何定义市场价格中枢？ 5基本面中枢又该如何捕捉？ 6三、以库存为主，以估值与行业为辅的策略 8信号的构建 8策略回测——期货、ETF/LOF和组合策略 四、最新观点——关注铜与豆粕，轻仓原油 17五、附录 17一、商品有“估值”吗？ 商品不具备传统意义上的“估值”传统意义上的资产估值，建立在资产能够在未来向持有人支付可识别现金流这一基础之上。对债券而言，票息与本金构成相对确定的未来现金流，其价值可由相应期限的无风险利率、信用利差等折现得到；对股票而言，股利、自由现金流或剩余收益虽具有不确定性，但仍可被视为企业未来经营现金流的索取权。因此，无论采用股利折现、自由现金流折现，还是相对估值方法，其本质都是围绕未来现金流及其风险调整后的现值，估计资产的内在价值。金融资产价格可以偏离这一价值，但现金流折现提供了一个可被长期检验的估值锚。债券估值尤其直接对应于未来现金流的现值，并可按不同期限的贴现率进行无套利定价。大宗商品则不同。实物商品本身并不向持有人持续支付票息、股利或自由现金流；持有商品本身不是可直接折现的收入，而是其未来出售时的不确定价格，也就是说商品只存在资本利得空间，而无现金流量。商品价格当然受供需、库存、生产成本、替代关系和宏观环境影响，但这些变量共同决定的是某一时点的稀缺程度、边际供需与持有实物的经济价值，而非一组可明确预测并折现的现金流。因此，大宗商品不同于股票和债券，并不存在由未来现金流贴现所决定的静态内在价值，其价格也难以由单一的经典估值模型直接锚定。对于商品的“估值”，我们认为更合适的理解是：商品价格既反映市场参与者对未来供需、宏观环境与风险溢价的即时共识，也会受到现实供需条件的持续约束。库存、基差及宏观变量共同刻画商品的稀缺程度、持有价值与边际供需格局。图表1.当𝑪𝑭𝒕为0时，𝑽𝟎亦为0，因此商品不存在可计算的“内在价值”

图表2.商品价格变动呈现显著周期性，主要是受基本面与宏观条件的相互作用#𝔼[𝐶𝐹]∀𝑪𝑭$!𝑉=#! "𝒕0𝑉=0!"$%

(1+!券 WindPindyck（2001）对能源品价格长期动态的研究亦表明，商品价格序列不存在稳定的均值回归锚点，静态估值模型在实证上难以立足。Pindyck（1993）指出，实物商品的持有者能够获得一类不同于票息或股利的隐性回报，即便利收益（e。仓储和保险成本后的净收益流，类似于股票模型中的”股息”。但这也并不意味着商品存在可被机械计算的、静态的内在价值。Pindyck对铜、木材、取暖油和黄金的检验发现，取暖油价格与现值模型较为一致，而铜和木材仅部分符合，黄金则偏离更为明显；这表明商品价格会在不同程度上受到供需调整、风险溢价、市场预期及交易行为的共同影响，并可能暂时偏离由基本面所隐含的价值关系。图表3.商品价格并不总是围绕基本面定价，部分商品存在经常性偏离资料来源：招商证券、《ThePresentValueModelofRationalCommodityPricing》此外，还有另外一种常见的成本估值法，即以生产成本、运输费用与税费等全成本为锚，通过行业成本曲线识别边际供给的盈亏平衡价，将其视为中长期价格的物理支撑或下限。市价相对该成本锚的位置，可用来判断定价是否偏离基本面约束。其局限在于：短期价格常由库存、基差与宏观情绪主导，可长期偏离现金成本；成本本身随周期内生上移，且税费、运费、品位等在产区之间差异大，数据噪声较高。且成本数据本身的可获取性较低，以及区域性较强，很难得出一个有代表性的“全球”成本中枢。因此，成本更适合作动态基本面中枢的构造输入，而非静态、唯一的“内在价值”。商品的“估值”是相对而言的相对估值是我们考虑的一种商品估值方式，这一概念始终处于可比较的经济关系之中。对于缺乏稳定现金流锚的商品而言，判断其价格是否“合理”，通常不是将其与某一理论价格进行比较。相反地，我们需要考察其相对于自身历史区间、边际生产成本、跨区域价差以及期限结构所处的位置。所谓商品估值，本质上是对这些相对价格关系及其背后供需状态的判断。“考虑到基本面所对应的约束条件，当前商”的问题。当市场交易价格与基本面所反映的信息出现错位时，市场可能推动重新定价。由此形成在特定市场状态下具有更高赔率的条件性配置机会，类似于捕捉股票资产的EPS提升机会。例如，当某种商品出现较显著的供给瓶颈时，哪怕市场未进行积极交易，仍然能够大幅推升价格中枢；抑或当某种商品的下游加工利润较为丰厚时，也会大幅推动下游厂家对上游商品的需求，哪怕市场并未进行积极的投机交易。图表4.市场交易热度未必充分反映商品的供给约束 图表5.市场交易热度同样也未必充分反映商品的需求Wind Wind基于以上，本文将商品估值理解为市场定价与基本面约束之间的动态相对关系：前者反映交易者对未来的综合预期，后者反映现实供需、持有价值与风险环境所施加的约束。后文据此构建市场价格中枢与基本面中枢，并以二者之间的偏离刻画商品的相对估值状态。二、商品估值的探索——铜、原油和豆粕 如何定义市场价格中枢？𝑦!为标的期货或现货日收盘价的时间序列数据，局部水平模型将其分解为随机游走的状态𝜇!与观测噪声。图表6.铜、原油、豆粕卡尔曼滤波后的周度“共识价格”LME铜 共识中枢16,00014,00012,00010,0008,0006,0004,0002018 2019 2020 2021 2022 2023 2024 2025 2026布伦特原油 共识中枢140.00120.00100.0080.0060.0040.0020.002018 2019 2020 2021 2022 2023 2024 2025 2026DCE豆粕 共识中枢5,0004,5004,0003,5003,0002,5002,0002018 2019 2020 2021 2022 2023 2024 2025 2026资料来源：招商证券、Wind基本面中枢又该如何捕捉？本文不试图估计脱离市场定价体系的绝对“内在价格”。商品价格既受库存、产能、基差和便利收益等实体约束影响，也承载通胀、美元周期、地缘政治风险溢价、流动性及投资者预期等难以由单一基本面指标充分刻画的名义成分。若直接拟合价格水平，模型容易将这些缓慢变化的名义漂移误归因于实体基本面，进而使回归系数不稳定、跨品种可比性下降。因此，本文以卡尔曼滤波提取的市场价格中枢为名义锚，再利用基本面信息预测其所隐含的中期变化方向和幅度。我们将“基本面中枢”定义为，在当前市场名义定价基础上，按照当期实体供需和持有条件所推演出的价格应有的中枢水平。这样，我们既可以保留市场价格中合理的长期名义信息，也同时让基本面变量相对有效地解释价格与中枢的偏离。具体而言，我们首先对日频收盘价进行局部水平卡尔曼滤波，提取平滑的市场价格中枢𝑀!，再按周五（或当周最后一个交易日）重采样至周频。定义模型因变量为价格中枢的周对数收益：𝑀!=𝜇!!"#𝑦!

=Δln

=ln(𝑀!)𝑀!"#使用对数的好处有以下两点。首先，在一定程度上缓解非平稳性问题。商品价格水平通常包含长期通胀、美元周期、货币环境、风险溢价和制度变化等慢变量，回归关系容易发生漂移。相比之下，周对数收益更接近可用于滚动估计的增量序列。其次，规避了静态估值的局限。以边际成本、历史均值或固定价格区间作为“公允价值”，虽然直观，但难以反映库存周期、便利收益、期限结构、持有成本和风险偏好的时变影响，且商品价格可以经常偏离现金成本或历史均值。图表7.名义价格无法体现计价货币的贬值 图表8.静态均值回归难以反映商品的新趋势PurchasingPoweroftheConsumerDollarinU.S.CityAverage50.045.040.035.030.025.02010-01-01 2014-03-01 2018-05-01 2022-07-01资料来源：招商证券、FRED

资料来源：招商证券、Wind本文以当前价格中枢𝑀!"#作为已知的名义起点，仅使用基本面因子预测其下一期收益率。这相当于让市场价格负责提供当前名义水平，让基本面变量负责解释中枢下一步如何调整。符号约束LassoLassoL1正则化。L1惩罚会将贡献有限、信息重复或样本内不稳定的变量系数压缩至零，有助于应对商品基本面数据中常见的变量相关性高、样本长度有限和结构变化频繁的问题。在已完成符号对齐的前提下，因子恶化不能在模型中被估计为利多，因子改善也不能被估计为利空。这相当于将库存周期、边际供需和持有逻辑等经济常识嵌入模型，降低纯数据驱动回归在小样本下产生反直觉系数、进而导致样本外失效的风险。需要强调的是，符号约束并非意味着模型预先规定每个因子一定有效。它仅规定若某因子被保留，其边际方向必须符合预设的经济逻辑；Lasso仍可将其系数压缩为零。数据处理数据构造方法基本面指标品数据处理数据构造方法基本面指标品种SHFE、LME与COMEX

SHFE库存、LME104z-score

取负；库存下降为利多洋山铜溢价 计算洋山铜溢价 计算104周滚动z-score 溢价上升为利多铜 铜精矿加工费TC 计算104周滚动z-score 取负；TC下降为利多现货升水扩大为利多现货升水扩大为利多104z-scoreLME0—3贴水美元指数DXY 计算104周滚动z-score 取负；美元走弱为利多取负；实际利率下降为利多取负；实际利率下降为利多104z-score10实际利率EIA存同比变化

52周前库存，再计算104周滚动z-score

取负；库存同比下降为利多开工率同比上升为利多开工率同比上升为利多52周前开工率，再计算104周滚动z-score美国炼厂开工率同比变化美国原油活跃钻机数原 量现货升水扩大为利多Brent现货升水扩大为利多BrentBrent连续期货价格，再计算104周滚动z-scoreBrent现货—差

计算104周滚动z-score 取负；钻机数量下降为利多美国10年期TIPS实际利率计算104周滚动z-score取负；实际利率下降为利多进口大豆库存计算104周滚动z-score美国10年期TIPS实际利率计算104周滚动z-score取负；实际利率下降为利多进口大豆库存计算104周滚动z-score取负；库存下降为利多国内大豆压榨利润计算104周滚动z-score压榨利润上升为利多国内豆粕库存计算104周滚动z-score取负；库存下降为利多国内生猪养殖利润计算104周滚动z-score养殖利润上升为利多DCE豆粕基差主连计算104周滚动z-score现货升水扩大为利多美元指数DXY计算104周滚动z-score取负；美元走弱为利多豆粕美国10年期TIPS实际利率资料来源：Wind，招商证券

计算104周滚动z-score 取负；实际利率下降为利多Walk-forward估计为避免前视偏差，Lasso回归系数不采用全样本一次性估计，而采用扩展窗walk-forward156周，此后每26周重估一次。我们将基本面中枢与当期价格中枢比较，定义对数估值缺口：𝑃$%& 𝑃$%&𝑔𝑎𝑝!=ln-! / ⟺ ! =𝑒'($$!𝑔𝑎𝑝!>0表示𝑃$%&>𝑀!，基本面隐含路径高于市场共识，视为低估；!𝑔𝑎𝑝!<0则相反，视为高估。后文高估、低估阈值均针对𝑔𝑎𝑝!。三、以库存为主，以估值与行业为辅的策略 信号的构建在完成市场价格中枢与基本面隐含中枢的构建后，估值缺口为比较市场定价与基本面条件提供了统一尺度。然而，商品价格偏离后能否收敛及其节奏，仍取决于基本面数据是否支持，以及市场交易的拥挤状态。基于此，我们将以库存状态为底层，结合估值信号、行业景气度与拥挤度，构建策略框架。首先我们按照库存状态来判断商品所处的库存周期，并据此确定基础仓位，𝑑_𝑖𝑛𝑣与价格𝑑_𝑝𝑟𝑖𝑐𝑒均取四周差分。价格使用该商品当周收盘价，并非此前提到的价格104z-score，再取其四周变化。库存同样取四周变化。被动去库存状态我们默认为满仓，此状态下若干行业指标调头下行且估值缺口信号触发高估，仓位则下修至第二档；主动去库状态下默认仓位，若行业景气度转多或估值缺口信号触发低估，则仓位上修至0.7。对于主动补库和估值指标进行调仓。图表10.库存与价格四象限的基础仓位状态库存变化价格变化经济含义基础仓位被动去库d_inv≤0d_price≥0供不应求，价格上涨且库存下降1.0主动补库d_inv>0d_price≥0价格上行与库存累积并存0.7主动去库d_inv≤0d_price<0供大于求，价格走弱促使供给收缩0.4被动补库d_inv>0d_price<0需求弱、库存累积0.1资料来源：Wind，招商证券为何我们在补库阶段不进行额外调仓？首先，主动补库的70%和被动补库的10%仓位设置，本身就是对该情形下的风险先验折价，若再加入其他信号，容易导致同一风险被两次计入。此外，我们认为估值缺口本身不能单独判定当前的市场状态。我们的估值缺口回答“现在买算不算太贵”的问题，但是无法决定中枢本身是将会上行还是下行。紧随其后，但是我们的基本面中枢由基本面驱动，而基本面数据相较日度价格数据，属于慢变量，因此物理估值中枢跌得慢。估值缺口很容易在这种象限里提示低估，从而进行加仓交易。但库存还在被动累积中，说明需求恶化仍未缓解，商品估值虽然偏低，但是在此阶段估值仍然可以更往下走（戴维斯双杀，便宜或低估本身并不足以构成买入理由。主动补库则是库存升、价格升的阶段。这个阶段往往是商品资产价格涨幅最大的阶段，对应美林时钟的“过热”阶段。价格涨得快时，由于物理估值中枢变化较慢，容易提示高估。如果因高估而进一步压仓，容易导致提早离场，但是该阶段下上涨行情可以持续一段时间。反过来，如果此阶段中因为估值缺口显示低估就加到满仓，又等于无视库存累积和供给改善的周期信息，事实上在主动补库阶段，大幅下跌风险已经在累积。鉴于本身我们已经对该阶段的风险暴露进行了主动控制，因此无需进行额外的调仓信号。图表11.三品种的底层指标品种d_inv（4周变化）d_price（4周变化）行业景气度铜SHFE+LME+COMEX总库存z-score铜价z-score-TCz-score的4周变化原油EIA商业库存绝对量Brent价格z-score 炼厂开工率z-score的4周变化豆粕国内豆粕库存绝对量DCE豆粕价格z-score 养殖利润z-score的4周变化资料来源：Wind，招商证券度的指标。行业景气度指标取的是各品种产业链上、能单独说明需求或原料松紧的变量。铜我们选取了精矿加工费TC。矿端偏紧、冶炼争抢原料时，矿山给冶炼厂的加工费会被压低，TC回落意味着铜精矿供应偏紧、冶炼需求强，表征供不应求；TC走高则是矿端宽松、冶炼产能相对过剩。原油则是观测炼厂开工率。炼厂提高开工，说明下游在增加原油加工、成品油需求对原油形成实际需求。豆粕则是关注自繁自养生猪养殖利润。利润改善时，养殖户更愿意补栏、提高存栏和饲料投放，豆粕作为蛋白饲料的需求随之跟上；利润恶化则压制饲料消耗。三者都是从本品种的下游或原料环节的景气度，用来判断当前价库组合背后有没有产业需求在支撑。图表12.炼油厂产能利用率表征原油中游采购需求 图表13.生猪养殖利润与豆粕价格走势时常趋同Wind Windz-score4周变化作为信号主要基于几点：首先，四周大致对应一个月，能够在信号稳定和速度之间取得一定平衡。此外，库存变化、价格变化4周变化，可以保证三个变量处于相近的时间尺度，避免用短期价格信号解释中期库存变化，或用长期产业指标修正短期价格波动。4度价格z-score变化的核心作用，是以较低的参数复杂度提取一个及时、可解释且与产业数据时间尺度一致的价格方向信号。此外，我们还根据市场交易指标，构建了市场拥挤度因子。该因子仅作为风控因子，发挥一票否决的作用。我们结合了方向性持仓和品种自身波动率两个156周（52周开始）滚动窗口中的历史分位数，并将多空净持仓比例定义为（多头-空头）/（多头+空头。方向性拥挤度U1-P（波动率）构建，P156周的百分位数。品种 方向性拥挤度品种 方向性拥挤度D 波动率项U 因子值铜 0.625×P（LME投资基金净多头比例） 1-P（4周波动率）+0.375×P（SHFE成交量/持仓量）

2×（0.75D+0.25U）-12×2×（0.75D+0.25U）-11-P（OVX）0.625×P（IPE管理基金净多头比例）+0.375×P（INE原油成交量/持仓量）原油豆粕 0.625×P（DCE净多头比例）+0.375×P（DCE 1-P（4周波动率）成交量/持仓量）

2×（0.75D+0.25U）-1资料来源：招商证券、Wind波动率项取𝑼=𝟏−𝑷@波动率A，是为了使拥挤度否决与已经发生的价格冲击错开。方向性拥挤𝐷刻画持仓是否出现明显偏度，而波动率刻画近周价格波动是否已经显著抬升。取补数后，波动越低，越能与高𝐷共同推高拥挤度；波动已经处于历史高位时，𝑈下降，即使持仓仍然偏多，不会在当周再度砍仓。以原油为例，20261031%，波动率百分位接近100%𝑈、128%10%，导致错过这两周涨幅。该项是为了在持仓偏向看多，但波动尚未放大时才允许否决，避免在大幅波动已经出现后保持低仓位而错过持续的大涨。DU01，使得拥挤度因子值的取值区间为-11。拥挤度达到0.7或更高时，触发拥挤度强制砍仓，即无论当前其他的信号如何，仓位10%0.5以下才解除。因此，我们整个策略的仓位H{10%,40%,70%,100%}。是最终仓位0.1拥挤度过高？0.7是最终仓位0.1拥挤度过高？0.7触发回落到0.5以下才解除否库存变化×价格变化被动去库去库+底仓1.0主动补库补库+底仓0.7主动去库去库+底仓0.4被动补库补库+底仓0.1高估超过2%或行业转弱？低估超过2%或行业转强？否是是 否最终仓位1.0最终仓位0.7最终仓位0.7最终仓位0.7最终仓位0.4最终仓位0.1资料来源：招商证券19%0.7920%0.87；再加行业20%0.89；我们的最终策略则是。多层信号叠加后，收益略增、夏普稳步提高，说明了多层因子的有效性。图表16.多层指标叠加后，整体策略效果也逐步提升仅库存 库存+估值+行业 完整策略 库存+估值5.905.404.904.403.903.402.902.401.901.400.90品种 品种 口径 年化收益 年化波动 夏普 最大回撤仅库存 19.24% 24.27% 0.793 -34.18%库存库存+估值 19.89% 22.93% 0.867 -33.07%原油 库存+估值+业

20.44% 23.02% 0.888 -34.52%完整策略 完整策略 22.28% 22.69% 0.982 -34.52%资料来源：招商证券、Wind策略回测——期货、ETF/LOF和组合策略期货策略SHFE铜、布伦特原油、DCE5个交易日进行移仓换月，因此升贴水损益也是纳入其中的。对照基准包括全仓买入持有和每周再平衡的恒定半仓。所有信号均在周五收盘后生成，于下一周执行，并计入单边万分之五的交易成本。结果显示，铜策略年化收益为8.4%，夏普比率达到0.99，22.3%0.98，0.18，最大回撤也收窄至-34.5%0.78，也显（注：以下所有策略截止日、YTD2026515日）图表17.期货择时策略净值与关键指标铜策略 半仓 全仓2.101.901.701.501.301.100.900.702018-04-06 2020-04-06 2022-04-06 2024-04-06 2026-04原油策略 展期半仓 展期全仓6.005.004.003.002.001.000.002018-04-06 2020-04-06 2022-04-06 2024-04-06 2026-04豆粕策略 展期半仓 展期全仓2.502.302.101.901.701.501.301.100.900.702018-04-132020-04-132022-04-132024-04-132026-04品种口径年化收益年化波动最大回撤夏普胜率卡尔玛索提诺策略8.43%8.94%-15.81%0.94253.50%0.5331.412铜基准8.72%15.90%-30.90%0.54853.30%0.2820.761半仓5.13%7.95%-15.77%0.64553.50%0.3250.895策略22.28%22.69%-34.52%0.98255.20%0.6451.362原油基准13.10%39.07%-73.47%0.33555.40%0.1780.471半仓8.95%19.53%-45.28%0.45855.70%0.1980.644策略9.19%12.19%-11.81%0.75453.40%0.7781.115豆粕基准6.77%20.81%-39.29%0.32552.20%0.1720.499半仓4.41%10.40%-21.13%0.42452.90%0.2090.65资料来源：招商证券、WindETF/LOF策略一周执行，并计入单边万分之五的交易成本。有色金属ETF（2019-12-27至2026-05-15）9.5%9.6%、最大回撤-14.1%、夏普比率0.99LOF（2018-04-06至2026-05-15）18.1%0.96，最大回撤收窄至-33.8%；豆ETF（2019-12-062026-05-15）9.8%，夏普、卡尔玛、索提诺比率均优于基准，但绝对收益与稳定性改善相对有限。图表18.ETF/LOF择时策略净值与关键指标有色ETF策略 半仓 全仓基准2.302.101.901.701.501.301.100.900.702019-12-27 2020-12-27 2021-12-27 2022-12-27 2023-12-27 2024-12-27 2025-12-27原油LOF策略 半仓 全仓基准4.504.003.503.002.502.001.501.000.502018-04-06 2020-04-06 2022-04-06 2024-04-06 2026-04豆粕ETF策略 半仓 全仓基准2.502.302.101.901.701.501.301.100.902019-12-062020-12-062021-12-062022-12-062023-12-062024-12-062025-12-06品种口径年化收益年化波动最大回撤夏普胜率卡尔玛索提诺策略9.52%9.60%-14.12%0.99159.0%0.6741.365铜基准12.50%16.91%-30.29%0.73957.5%0.4131.039半仓6.98%8.46%-16.11%0.82659.0%0.4341.161策略18.11%18.86%-33.85%0.96052.8%0.5351.518原油基准8.83%30.17%-64.28%0.29352.3%0.1370.448半仓5.99%15.08%-38.34%0.39753.3%0.1560.608策略9.83%11.06%-14.63%0.88956.7%0.6721.273豆粕基准12.59%18.80%-23.99%0.67056.1%0.5251.002半仓7.12%9.40%-11.93%0.75757.3%0.5961.132资料来源：招商证券、Wind三只可交易产品与策略信号所锚定的期货底层并非一一对应，这会在收益路径上形成系统性偏差。占一部分，铝、锌等品种的供需与价格波动会稀释铜价本身的弹性。因此信号对LOF（501018）QDII产品，投资标的为境外原油期货相关资产，净值还受汇率、份额折溢价、额度与跟踪误差影响。其价格路径波动显著高于一般商品ETF，且样本期内出现过接近腰斩的极端左尾。对以库存周期与宏观需求为主轴、默认中间仓位约七成、危机时可降至一成的防御型框架而言，这种高波动、深回撤的产品结构，放大了“ETF（159985）与大连豆粕期货相关性最高，产品层图表19.折溢价率对策略表现存在一定影响 图表20.底层不同资产的价差驱动基金与商品走势分化有色ETF大成 豆粕ETF华夏(右轴) B-WSpread2.001.501.000.500.00-0.50-1.00-1.50-2.00-2.50-3.002024-07-17 2025-02-17 2025-09-17

12.0010.008.006.004.002.000.00-2.00

151050-5-102015-07-01 2018-07-01 2021-07-01 2024-07-01Wind Wind图表21.豆粕ETF底层以现金为主现金 返售证券 期货02026-07-212025-01-222023-07-202022-01-212020-07-20资料来源：招商证券、Wind图表22.ETF/LOF择时策略净值分年度表现，大部分时间仓位较低标的年份 买入持有策略均仓满仓周占比0.1仓周占比2020 16.40%13.90%35.30%5.90%60.80%2021 26.10%9.30%47.40%0.00%26.40%2022 7.10%13.40%50.20%2.00%32.00%有色ETF2023 -3.80%-2.10%51.40%14.00%36.00%2024 6.60%9.40%51.20%2.00%31.40%2025 21.70%12.00%63.70%7.70%13.50%2026YTD 6.90%4.60%55.80%10.50%26.30%2018 -13.00%9.80%50.30%10.50%34.20%2019 30.30%31.00%56.50%3.90%21.60%2020 -51.50%-26.20%59.40%7.80%19.60%2021 56.20%56.90%63.80%13.20%13.20%原油LOF2022 35.80%23.30%49.60%0.00%32.00%2023 -4.40%7.50%32.80%4.00%62.00%2024 4.70%0.50%61.20%9.80%19.60%2025 -8.50%2.40%51.00%13.50%38.50%2026YTD 83.90%66.30%62.10%10.50%15.80%2019 -0.80%-0.60%40.00%0.00%50.00%2020 23.60%8.90%46.50%0.00%33.30%2021 1.20%-0.50%49.10%3.80%30.20%2022 64.60%40.20%58.00%4.00%20.00%豆粕ETF2023 8.60%4.70%51.40%2.00%30.00%2024 -17.20%4.60%47.60%9.80%35.30%2025 9.20%7.40%60.20%13.50%23.10%2026YTD 5.80%2.10%63.70%5.30%5.30%资料来源：招商证券、Wind组合配置策略ETF/LOFETFLOF与豆ETF进一步合成三品种配置组合。ETFLOF与ETF),!EWMA估计，半衰26周。单品种满仓时的目标波动我们设置为15%，先按各品种自身波动确定100%时按比例压回，不做杠杆（算法参见附录。2021120265月，组合策略在年化收益、年化波动、最大回撤、夏普比、卡尔玛比、胜率等指标均优于同期南华商品指数。此外，我们还构建了仅包含有色、能化和农产品的南华指数作为参考。从南华商品综合指数的官方成份权重出发，只保留当期综合指数权重大于零的有色、能化、农产品61日调权后的权重，并按照ETFLOFETF用于与组合策略及完整南华综合指数对照。我们的组合策略依然较此基准表现出色。图表23.组合配置策略净值与关键指标南华综合指数 组合策略 南华指数增强3.402.902.401.901.400.902021-01-082022-01-082023-01-082024-01-082025-01-082026-01-08口径年化收益年化波动最大回撤胜率夏普卡尔玛索提诺组合策略22.78%14.24%-15.10%58.21%1.601.512.85南华综合指数12.27%15.66%-22.72%55.36%0.780.541.18有色/能化/农产品南华指数增强20.33%18.10%-17.30%55.00%1.121.181.90年份组合策略有色/能化/农产品南华增强南华商品指数202129.54%33.73%20.94%202244.71%36.88%19.66%20235.25%-0.27%6.21%20245.71%0.21%-2.08%202510.53%3.48%7.05%2026YTD30.99%43.11%15.77%资料来源：招商证券、Wind组合相对南华的超额，多数年份来自两类情形：一是高波动或单边品种大跌。唯一明显跑输的3年，则对应商品弱修复、策略偏防守，以及黑色在当年表现超过其他商品板块，导致策略收益弹性不及南华商品指数。综上所述，本策略的优势主要体现在保证收益可观的前提下，大幅改善回撤控制的表现，本策略更适合追求高风险收益比的商品资产配置。信号在库存周期清晰、尤其是去库阶段表现更好。被动去库下的高仓位能够承接供需偏紧的上行，主动去库下的低仓位与有限加仓则有助于在价格走弱时控制回撤；原油、铜等基本面与价格联动更稳定的品种上，估值缺口与行业景气度的叠加对夏普改善更明显。组合层面，超额多出现在1）高波动或单边大跌年份（如2022、）主升品种与配如。不足在于，我们的信号在补库阶段相对容易失真。被动补库中估值常提示“低估”但需求仍在恶化，主动补库中又易因“高估”过早压仓。此外，对突发供给冲击、价格快于库存与利润周度确认的品种，状态识别存在滞后，容易停留在中低仓位而错过初始急涨阶段。落地到场内产品时，受产品的标的差异、汇率与折溢价扰动，也会削弱信号对底层期货路径的映射。组合在商品弱修复、策略偏防守、且黑色等未覆盖板块领涨的年份（如2023）则可能跑输南华商品指数。四、最新观点——关注铜与豆粕，轻仓原油 当前，铜矿加工费仍在深度负值，表明供应紧张仍然未解决，刚果限制铜精矿出口又加了一层供给担忧；LME可用库存偏低，近月升水走阔。美国关税预期把货抽向COMEX，传统消费地反而更紧。但本月铜价已经小幅上涨，不宜再满仓去EIA1740万桶，库存状态随之切到被动补库。即便相对趋势仍显示低估，但上方空间已经相对有限104万吨，榨利长期为负，因此现货供给并不紧张，主要是驱动进口成本抬升。本质上我们关注的是主动补库期内的价格韧性。截至8月16日，我们建议关注铜和豆粕，原油明显降仓，三者信号分别为铜0.7、豆粕0.7、原油0.1，对应组合策略中的铜ETF57%、豆粕ETF41%、原油LOF2%。铜价格中枢已经显著高于基本面中枢，所以仓位控制到0.7。豆0.71.0，本周状态切到被动补库，只能给到最低档；叠加近月波动大，整体受到压制。图表24.铜矿供应依然偏向紧张 图表25.进口成本是当前豆粕价格的支撑主因Wind Wind图表26.组合配置策略配置建议铜ETF原油LOF豆粕ETF现金观点0.70.10.7—目标仓位57.10%2.10%40.80%0.00%资料来源：招商证券、Wind风险提示：本策略的估值信号与状态机规则均基于历史数据的统计规律估计，若极端宏观冲击导致历史关系发生结构性变化，模型存在失效风险；交易标的为场内ETF/LOF，其价格相对跟踪指数存在跟踪误差，极端行情下亦可能面临流动性不足的风险；回测业绩基于历史数据模拟，不代表策略的未来表现。五、附录 卡尔曼滤波观测方程观测方程与状态方程分别为：=𝜇!+