扑克投资家

（113713）个赞

（478）篇文章

展示账户

账号净值余额

暂无

基本面量化复兴之路：当我们在聊基本面量化时，我们在聊什么

作者： 扑克投资家 | 07-10

超10年基本面量化实盘经验大咖手把手从零开始，教你搭建可实盘的量化交易策略人人都可以成为基本面量化投资者

本文来源扑克财经APP直播《CTA基本面量化，屠龙少年的故事》，欢迎收看→直播回放。各位直播间的朋友们，大家下午好！我是冬冬老师。首先，感谢扑克财经的邀请，给我这次机会能够与大家分享和交流。其次，也特别感谢大家的关注，能够在百忙之中抽时间来直播间收听这次分享。

先自我介绍一下，我最早是研究员出身，主要从事大宗商品产业链上下游相关的研究工作。对化工、有色、黑色系的商品有一些研究的经验和积累；机缘巧合之下，2019年之后，开始转型做交易。目前，正在从事大宗商品基本面量化交易方面的工作。

欢迎关注冬冬老师的新圈子【基本面量化知识分享圈】，陆续分享CTA策略解析、基本面分析技巧、量化分析工具、实战案例分享等内容。

我相信来直播间的朋友们对“CTA、基本面研究、量化交易”应该都不陌生。大家可能也听过不少关于CTA、关于量化交易的分享，包括我自己也听过很多；但是，总感觉市场上的很多分享内容都比较固化、千篇一律，似乎量化开始变得很神秘。而大宗商品本身产业链垂直深度很深，细分领域众多。两者相结合后，似乎基本面量化比神秘还“神秘”。

其实，不然。

回到今天的这次分享，我想尝试一些新的思路，可能不再介绍那些大家已经“耳熟能详”的基础概念和策略逻辑。而是把镜头拉回到一个普通人的视角，从我个人的亲身经历出发，谈谈我是如何一步步走过来的，以及我个人目前对CTA基本面量化的理解和一些实践经验。当然，上述内容可能不一定正确，也欢迎大家批评指正。

你是否有也过这样的困惑？

可能有些朋友正在从事研究相关的工作，考虑如何提升研究实力或正考虑如何转型交易；也可能，有些朋友正在做着交易相关的工作，希望从量化思路上有所借鉴；当然，也可能有些朋友是想了解和学习基本面量化的方法和技巧。

无论大家的目的是什么，只要在商品期货这个市场上“摸爬滚打”过，都可能有过这样的困惑。比如，作为一名研究员或交易员，您是否曾经这样思考过：

当某个商品的基本面处于“高库存、弱基差”时，是否意味着当前是个做空的好机会？如果我按照这个逻辑去交易，(过去和未来)能否赚钱？（过去和未来）胜率高不高？

或者，经过多年的摸索，我已经形成了一套适合自己的交易方法，但想借助量化来辅助判断，应该如何实现?

另外，我们也经常听到别人说，交易的路很难走，很多大佬都是经过多年摸索，甚至爆仓后起死回生。那么，是否有可能不经历爆仓就成为大佬？

又或者，经过多年的市场摸爬滚打，感觉自己的交易体系已经成熟，想将其量化实现自动化交易。

此外，作为企业中高层管理人员：

企业是否面临过研究员、交易员人才流失的问题。新人培养的代价高、周期长、稳定性差。那么，公司如何沉淀与迭代研究体系、交易体系以及人才体系？如何提升公司效率？

又或者，公司作为产业链龙头企业，如何将数据资产打造为核心竞争力，又该如何利用企业沉淀的产业信息（暗默知识）来指导决策？

以上的这些问题也好、困惑也罢，都指向一个根本的问题，即“如果说研究是交易的底气，那么当前时代下，研究和交易该如何协同？研究如何转化为生产力？”

策略的演进：本质是对研究与交易认知的变迁

接下来，我会从我的心路历程开始讲起，即我个人和团队从研究到交易转型的故事，这个故事也许很平凡，也许不那么经精彩，但足够真实。回过头来看，背后的本质，其实是我和我们团队对研究和交易认知的一种变迁。

我将其划分为五个阶段，主要讲前四个阶段。

在第一阶段，即故事的最开始，我们是做着以基本面中长期趋势判断为核心的产业研究。一方面，为公司内部下至基层员工（主要是业务口径的同事）上至中高层领导提供决策建议；另一方面，也服务于公司外部产业链上下游的合作伙伴，比如提供一些相对基础的资讯信息服务。

回到研究这件事本身来说，我个人认为最重要的是：研究首先要做到诚实，能够讲清楚事实就已经很好。很多研究员甚至无法清晰的阐述基本面事实，比如，你可以量化的讲出需求好坏的证据吗？利润压缩带来的供给减缩有多少，有多少是直接相关的？等等。更进一步，好的研究员要敢于打破市场共识，提出富有争议性的观点，并做出真正有悖于市场共识但又被不断验证的研究成果。

但是，假使这些标准我们都能够达到。在这个过程中，我们仍旧发现一个致命的问题：虽然我们做了很多工作，但实际得到的反馈却很少。比如，时常报告发送之后就如石沉大海一般；再比如，可能我们花了半个月时间勤勤恳恳地做了一次深度基本面调研，而领导只关心你是看涨还是看跌。似乎大家对我们的工作认可度不高，似乎研究能提供的价值有限，似乎在这样的环境下，我们的研究很难转化为生产力。

在我看来，当前市场面临的研究困境，或许可以总结为“卖方研究的买方化”。这好比原本是马拉松长跑运动员，突然被要求参加百米赛跑，从比耐力变为拼速度，这对各行业的研究岗位而言是严重的挑战和转型。具体来说，就是要求研究员给出点位、方向和时间，这有一定难度。此外，当前市场的研究能力或许也可能已经已过剩，至少我个人每天能够接收到的报告已经看不过来了。

看似无解的问题，如果我们能够学会运用产品经理的“用户思维”来思考，问题的答案似乎迎刃而解：即作为报告的生产者，或者说是研究内容的供给侧，我们一定要搞明白一个问题：到底谁是我的用户，他的痛点是什么。不仅是面对外部用户时我们该这样思考，在企业内部，或许任何人都应该有这样的思维。如果我们无法确定目标用户群体，就无法建立反馈闭环，更别提为客户创造价值，因为你连你的用户是谁都不知道。

作为研究员，我们写了很多报告但没有反馈，感觉只是写报告的机器。你是否问过自己，你的报告是给谁看的？他们更关心什么内容？假使你找到了你的用户真实的核心诉求；那么，50页的报告并不见得比5页的报告更全面，关键是你能否提供他们需要的内容。

为什么要这么说？因为对于不同的用户群体，价值的多少是相对的，更具体的说，不同维度的交易对研究能力的诉求差别可能很大。首先，不同交易对象的研究诉求不同。例如，如果是为公司中长期战略规划服务的研究，研究就应该专注于行业趋势和变迁，视角应该相对宏观；而如果是服务于投资交易，研究的对象应该是商品价格，落脚点则应该是品种的基本面，视角应该相对微观。其次，不同属性公司的研究定位也不尽相同。如券商系、期货系研究员主要目的是树立公司品牌形象，为的是赚取佣金；而时下大多数产业链中游贸易型企业的研究员主要是服务于基差交易，等等。

在这一阶段，我们大约做了5到6年的商品研究工作。那么，我们今天的讨论主要聚焦于“研究如何服务于微观的交易、研投如何一体化、如何搭建研究到交易的决策闭环”。

在2019年之后，我开始转型做交易，最初就是从主观交易开始做起。整体感觉是，一下子从研究转型交易，尤其是主观交易时，迷茫，非常的迷茫。一方面，情绪上的波动难以承受，无论是盈利还是亏损的时候，可能盈利的时候比亏损更难受。这或许是因为，曾经作为研究员，需要心思缜密、面面俱到；但在交易层面，大家通俗地说是做减法，抓住要矛盾，这里就会产生一些思维习惯上的矛盾。另一方面，开始做交易时，面对各种消息，尤其是做多时看到利空消息会非常恐慌，常常自我怀疑。似乎，研究了并不能做好交易，有时不管基本面反而能赚钱。在一段时间难以赚钱后，甚至尝试过短线重仓交易，结果可想而知。但幸运的是，经过领导和业内前辈的点拨后，很快认识到这种方式无法获得自我交易能力的提升，对自身成长也较为不利。总体而言，是比较折寿的。

经过一段时间交易的摸索后，我们开始思考交易中是否存在确定性，如果存在，这个确定性对我个人而言是什么？我的思考逻辑是这样的：首先，对我们交易的商品期货市场而言，我是希望这个市场确定性高还是低？如果市场的确定性很高，想必大家很难赚到钱，因为风险收益比不高。所以，结论应该是我希望这个市场具有高度的不确定性。那么，面对一个高度不确定性的市场，我如何通过押注不确定性来获利？如何避免由于消息影响而频繁改变交易方向？是否有办法使交易决策保持一致性？

我的回答是：第一，关于押注不确定性。我们的落脚点应该是商品的基本面，因为期货的锚就是现货。均值回归的力量来自哪里？市场价格发现的力量来自哪里？答案应该是基本面，过去是，现在是，未来更应该是。第二，关于决策的一致性。我们缺的可能不是研究员或者研究能力，而是缺少适配的交易系统，唯有适配的交易体系才能更好的发挥研究的价值。因此，我们需要的是建立一个长期具有正期望收益的交易系统，来充分验证、转化、迭代我的研究能力。第三，关于基本面研究和交易。我们所理解的交易，是基于基本面和市场面二者的研究，基本面研究更关注“应然性”，是一种先验视角，即根据实际基本面供需状态，市场应该是一种怎么样的状态（强、弱）；而市场面研究更关注“实然性”，是一种后验视角，即市场是怎么交易的，至少在价格层面，市场是怎么对当前以及未来的基本面做定价的。而交易机会就隐藏在二者的错配当中。

经过一段时间的摸索，在第三阶段我们开始转向量化交易。在量化交易的最开始，我们的模型雏形，采用的是一个相对粗犷的量价策略，策略的构建是基于均线趋势型，从多个品种中选出有趋势的品种进行交易。好处是，从这一阶段开始，我的交易变得更有计划性；但是，趋势策略的弊端也同样带给我困扰，趋势策略主要是赚取价格波动的收益，逻辑相对单调，抗风险能力较弱，在市场没有趋势行情的时候会长期陷入净值磨损。但是，无论如何，这一阶段量化交易的尝试，在某种程度上帮助我们规避了主观交易上的很多问题，如资金管理、策略的一致性和情绪波动，等等。

近年来，市场变得更为复杂，量价策略竞争激烈，加之2023年后商品市场波动率下降，进一步增加了趋势交易的难度。在这种情况下，我开始反思，在交易上，我的能力和优势是什么？如何运用和提升这些能力？除此之外，在交易上，我还缺少什么能力？通过与朋友的交流碰撞后，我逐渐认识到，在交易上我的核心竞争力在于对商品基本面的深入理解，这是我在第四阶段转向基本面量化策略的根本原因。

目前，我们团队的基本面量化策略是基于基本面逻辑构建的，是将团队自身多年的研究经验转化为可量化的策略，并通过回测和实盘验证后不断优化。这样，一方面，研究员的研究逻辑可以被有效验证，研究有了反馈闭环；另外，通过量化的手段，一个策略可能几个研究员，甚至是几代研究员总结沉淀下来的，我们的研究体系也得以沉淀和完善。具体到策略上来看，我们是从单品种规则型时序策略开始，逐渐发展到基本面多因子的截面策略，并形成一个相对稳定的框架。最为重要的是，我们始终将风控放在首位，策略在风控和收益之间寻找平衡。

然而，在这一阶段，我们仍旧遇到了一些问题和挑战。比如，模型的回测和实盘存在差距，这可能主要是由于过拟合现象。那么，我们该如何降低过拟合？我们的方法是，策略需要根植于基本面，通过加强策略的逻辑性来降低过拟合。此外，不要过多的依赖参数寻优，如果一片参数群效果类似可能就是局部最优解。此外，对于市场在不同风格和周期中的切换，我们需要构建一个具有立体感的交易体系，以确保策略能够穿越周期，实现持续稳定的盈利。

研究如何转化为生产力：基本面量化

从研究到主观交易，再到基本面量化的转变过程中，我们始终面临的问题和挑战是：如何将研究转化为生产力。回过头来看，问题可能不在于研究这件事本身，而在于我们是否拥有适配的交易能力和体系来发挥研究的价值。就好比有了高精尖的子弹，但没有合适的枪械和射击能力，子弹是无法发挥作用的。

我们最终的选择是，基本面量化。关于它，我有三个思考：

首先，基本面量化可以作为验证策略有效性的“研究工具”，帮助我们快速验证策略在过去的有效性，从而更加快速地迭代策略。此时，你是一名比别人更“稳准狠”的研究员。其次，基本面量化也可以作为辅助决策的信号系统，为主观交易提供看市场的“第二只眼”，帮助建立更可靠的决策流程。最后，基本面量化更应该是一种逻辑自洽的投资方式，它从基本面规律出发，借助量化分析的手段制定更加科学的决策，从而最大化研究的价值，是一种可量化、可验证、可迭代的交易系统。

接下来，我稍微谈一谈我对主观和量化区别的看法。这个讨论市场上已经有很多，我希望从更底层的视角来谈一谈我的观点，如果用一句话来总结：主观与量化之间最主要的区别是，基本面到价格映射关系建立方式的不同。可能粗一听会比较抽象或者拗口，如何理解？

从宏观视角来看，市场的上所有的交易都可以被概括为“交易主体”和“交易对象”之间的活动。首先，关于交易主体，狭义上的交易主体是指不同教育背景、不同生活经历、不同性别、不同年龄甚至不同性格的人；而广义的交易主体，是泛指所有狭义交易主体他们的内心世界。其次，所有的交易主体在宏观上都要处理与两个交易对象的关系，一个是“客观世界”，泛指交易标的的基本面情况，不同的交易主体对客观世界的认知不尽相同；一个是“符号世界”，即交易软件显示的价格等信息，又或者通俗的说，是叫“盘面”的东西。所有交易主体对客观世界的认知，都被投射在符号世界形成我们最终看到的价格跳动。

因此，我们其实可以得出两个结论：

所谓的交易，其实就是不同交易主体基于客观世界的认知，在符号世界的投影或者映射。

所有的策略的本质，上升到思想层面来看，都是主观。

这种基本面到价格映射关系的建立方式，是主观和量化交易最大的区别。主观交易是基于盘感、经验，以及交易员长期交易训练之后来建立这种映射关系的，也叫交易方法。优点是比较灵活，缺点是难以移植和泛化。比如，我们常常听说明星交易员、基金经理，却很少听说明星交易团队。而基本面量化则与之相反，它是基于朴素的基本面逻辑以及大量历史数据的回测，优点是基于概率且可验证、量化，可以移植泛化与迭代，缺点是在模型完成后的一段时间内比较固化，但由于市场投资主线可能发生变化，过去的规律不再适用，因而需要人工对模型逻辑、因子做定时修正更新。

这里，我们对机器学习建模的可行性做一点分析。机器学习的算法大部分虽然是黑箱，少有具备可解释性的算法。但机器学习的本质，是对数据的深度挖掘，来寻找数据特征和标签的相关性。所谓数据特征，可以简单理解为基本面的维度、要素，比如我们可以找到100条基本面数据，包含供需库价格，这些都叫特征，而标签对应就是价格的绝对值。对人工而言，我们能够处理的是相对低维的数据，比如基于供需逻辑对价格做判断，但是当我们增加更多的可能具备潜在价值的数据时，比如公司的总销售、总采购、资金松紧、客户单位采购量等，此时我们无法直观的产生它们对价格的映射关系或相关性，此时机器学习可以对这些不同维度的数据做挖掘。

再深入一点，我们到底在靠什么赚钱？

我们交易的最终目的，是赚钱或实现财富自由。在特定情况下，大家的行为背后通常存在某些底层规律，特别是普遍性的规律。对于基本面量化策略而言，我认为它的收益来源主要是基于基本面运转的规律。这种规律在较长时间内相对稳定，且可以被研究。

之前与团队小伙伴交流时，我们曾对不同交易方法和流派做过比喻。相信这个比喻能帮助大家更好的理解什么是基本面量化策略。假设，我们现在要玩一个“扔石头”的游戏，目标是砸中在对面大楼五楼上班的一个人。简单的量价策略就好比我看到那个人已经下电梯了，可能马上要出办公楼了，我在门口蹲点砸中的概率很高。只不过，这时候可能已经有很多人在门口蹲点了，你找不到好的位置和角度了。另外，简单的基本面规则型策略好比我在他们公司大门口定时定点扔石头，他上下班总能砸到，只不过比较被动。再说截面策略，好比我在各个场景派人蹲着，比如卫生间、车库、茶水间等，同时扔石头。无论那个人上不上班，你都会扔石头。主观交易就区别很大，直接冲到办公室躲在桌子后面，只不过被保安拦下来的概率比较大。

假设我们都是在同一个地方扔石头，但是有的人找的角度特别好，可能已经踩点很多次，知道哪里位置好，所以几乎把把中，有的人感觉着急加入，简单搞了个装备，随便找了个位置，但前面有个柱子挡住了视线，收入抵不上机会成本。要想提升游戏的胜率，有人在不同的地方都放了投石器，在猎物最少的时候还能活下来。

CTA基本面量化，其实并不难实现

诚然，我们一路走来，遇到了很多当时看起来难以逾越的困难，可当我们回顾自己走过的来路时，会发现这些困难并不难以克服。之前有朋友和我说，这个听起来好难，我对编程很害怕学不进去。诸如此类的困惑很多。

但是，我觉得我们应该换一种角度来看待这些问题。第一，毕业后，我们面对的是主动解决问题而非被动接受知识的成长方式。我们所学的一切知识都应该是围绕我们的目的而构建的，尽管听起来有些功利，但却更加实用和高效。我们不应害怕困难，因为每一次问题的解决，都是我们成长和进步的必要条件。每一次问题的解决对我们自身而言都是一次有效反馈，我们正是在这种正反馈中不断前行的。第二，量价策略已然内卷，这可能已经是一个人潮鼎沸的赛道选择，难度虽然只有60分，但性价比很低；而基本面量化的赛道可能现在人数不多，虽然难度高于量价，但性价比很高。

请问，如果是你，会选择哪一条赛道？

关于策略的信仰

关于策略的信仰。为什么这么重要？这么说吧，即使你学会了基本面量化策略或拥有完善的交易策略，但如果你对策略的信仰不够，无法坚持执行，那么最终可能还是无法赚到钱。

这一切的底层在于对交易的理解，我认为最重要的三点是：市场、策略和交易员的纪律性。

关于市场，我的信仰是拥抱不确定性，承认自己对市场的认识并不全面。怎么理解？简单来说，就是承认市场不可预测。一个反面例子是，我们经常听到有人说：哎呀，因为宏观出问题了，所以我们要加强对宏观的研究。说句难听的，你可能压根就没看懂过市场。交易者为了逃避微观的不确定性，有时会陷入宏观不确定性的泥沼。比如，原本是做期现基差套利的人，却过度关注宏观因素，这可能并不十分必要。诚然，宏观因素在某些时候会产生影响，比如当整个商品市场上涨时，期货升水持续加大产生流动性陷阱。但是，大多数情况下，对期现套利的交易者而言，过分关注宏观或将其纳入交易系统可能并不合适。此外，在叠加交易方法的过程中，不是简单地将所有方法的优势相加就能获得更好的效果。因为当你叠加所有方法优势的同时，也在叠加它们的劣势。

关于策略，我认为最重要的是理解“盈亏同源”这一概念。首先，只要做交易就一定会产生亏损，承认亏损是交易的一部分，无论你是否愿意面对。大多数新手交易员不愿面对亏损，很少在交易之初就计划好亏损，更少将亏损作为交易策略的一部分。其实，交易中的风控设计很重要，主动、有计划、有步骤的亏损比被动亏损更为可取。例如，动量或趋势策略可能在一段时间内没有盈利，但在趋势明确时会有较大收益。其次，当你能够了解哪种行情必然导致亏损时，也就能找到必然获利的行情，这就是盈亏同源的道理。因为，策略不可能适应所有市场风格，需要搭建不同策略来适应变化，而不是试图通过一种策略赚取市场所有的钱。此外，衡量获利速度的三个指标是正确率（胜率）、盈亏比和交易周期。胜率和盈亏比往往相互制约，提高胜率可能会降低盈亏比。高频交易胜率高但每笔盈利少，而基本量化策略的胜率较低但盈亏比较高。

最后，关于交易员的纪律性，我认为“计划你的交易，交易你的计划”是关键。在交易中，我们期望市场具有不确定性，因为市场的不确定性越高，可能获得的风险收益比也就越高。在这种不确定性中，确定性在于你要有一套交易系统。比如，我们现在在使用的基本面量化交易系统（策略），计划交易并执行计划可能是我们能够选择的最优方法。在持续的交易计划过程中，通过反复按计划操作来不断叠加概率，最终向系统拥有的长期正期望收益逼近，进而产生真实的、稳定的钞票。这就是我对策略的信仰和坚持，坚持一个策略即是最优解。

当前的CTA市场环境

接下来，我们可能会稍微讨论一些实战内容，即当前CTA市场的环境和我们的一些策略逻辑。左边这张图是我们统计的市场上不同类型管理人的产品净值样本池。根据不同产品打上标签，如基本面、量化截面、多空商品套利等，并计算它们的净值。一个直接的观察是，从2020年下半年到今年上半年，这些样本的净值曲线增长缓慢或有所下降，包括基本面量化指数也不例外。

第二个观察是，在虚线的左边，从2020年到2022年，除了商品套利指数（黄色线）外，其他几条线的涨跌趋势一致性很强，这从侧面也表明大家的策略相对较为相似或内卷。

右边这张图展示的是市场的波动性。深红色线是南华商品总指数从2021年6月到现在的变化，整体呈现震荡上涨的走势。但观察其他线条，即每年指数的波动性情况，虚线表示当年的平均波动性均值。你会发现2022年的波动性稍高，2023年波动率均值较2022年有明显的下滑，今年（2024年）与2023年基本持平，最近一个季度稍有改善。这表明整个商品指数的波动性在下降，当波动性降低时，大家赚钱的机会相对会变得更难，市场环境不是特别好。

案例

时间有限，简单介绍一下我们的一些策略构建逻辑和基本思路。

这里展示的两个策略中，左边是PTA的基本面单因子策略，其净值曲线是红色线，而金黄色的线是PTA期货主力价格。由于杠杆比较低，从16年至今，最高涨幅约1.5倍。

这个策略的逻辑基于基本面，主要计算PX和PTA开工率的差值。当PX开工率相对PTA更高，且美金PX价格走弱时，我们视为做空信号。这是因为PX供给高且价格转弱，预期会传导至PTA。另外，当TA的加工费走强且社会库存同比走弱时，我们视为做多信号。这个策略是基于以上两个逻辑的判断。右边的图是PE的基本面策略，当PE基差走强且上游库存低于30天滚动均值时，我们选择做多。

以上就是几个简单的规则型的基本面量化策略，当然，还有很多基于基本面因子的截面策略，因为时间关系，我们在这里不做进一步展示。

回到最根本的，基本面分析首先要对基本面要素做拆解，业内公认的要素（因子）包含“供应、需求、库存、比价”。再往下细分，如供应要素，可以拆分为国产量、进口量、出口量等指标。

我们认为，对一个资产或者商品来说，估值可以分为“绝对估值”和“相对估值”两种状态。

所谓绝对估值，是指从该商品自身基本面要素入手，对商品估值状态做判断，举个例子，如低库存、强基差、低排产同时发生时，我们基于基本面逻辑判断此时该商品处于绝对低估值，可以做多，等等。我们可能听说过基本面的“快变量、慢变量”，这是从时间尺度上对基本面要素做划分；也可能听说过安全边际这个概念，这是从空间尺度对基本面做判断。上述两种角度的理解是站在研究角度的独立观察，独立的看是合理、正确的。但是在交易层面，我们需要将二者结合，或许才会比较全面。举个例子，比如进口利润这个指标，它是供应要素下的一个因子，如果进口利润为正，暗示进口套利活动可能会频繁，未来进口量可能会增加，此时应该是一个基本面高估值的信号；但是，若此时海外价格涨幅快于国内价格，进口利润打开并且持续扩大，此时从时间角度来看它却是一个低估值的信号。换言之，单一的基本面要素往往在一个维度上是正确的，但是如果加上其他维度（如时间和空间），对判断未来价格趋势则会完全不同。核心是要找到有效的基本面因子，而这种有效性，是建立在挖掘出因子对基本面相对稳定的映射关系上的。简单来说，至少在历史数据统计层面，其对未来价格判断的胜率要高于50%，当然越高因子越有价值。这就是基本面量化中规则型策略构建的基本逻辑。

另外，所谓相对估值，是指某一商品对同类型商品相对价值的高低，如甲醇属于能化板块中的一个商品，它相对于乙二醇、PTA、塑料等产品的高低可以成为相对估值。此时，这种相对估值的程度可以从不同产品间的基差率、平衡表累库程度等维度来进行评估。举个例子，当一轮工业企业补库周期到来，套利交易者，尤其是大型私募基金，在能化板块中，更倾向于买相对低估（期货贴水）的商品，同时做空相对高估（期货升水）的商品来对冲交易。此时，如果从甲醇本身供需来看基本面可能偏弱，但由于大量上述对冲交易的存在，甲醇价格本身走势可能不跌反涨，如果不能较好的理解相对估值，则会错失交易机会，或因暴露较大的风险头寸而产生亏损。这就是基本面量化中截面对冲策略构建的基本逻辑。

更多案例介绍，可扫码下图观看完整直播。

回到初心

回到我们的一个初心，我想和大家分享一个故事。

从前有一个年轻人，他在一个古老的村庄里长大。村庄外有一片神秘的森林，森林里充满了未知的危险和奇妙的宝藏。年轻人怀揣着勇气，决定探索这片森林。他独自一人进入森林，面对各种妖怪和艰险，最终战胜了所有的困难，获得了许多宝贵的智慧和经验。

多年后，年轻人回到了村庄。他发现有许多村民也渴望进入那片森林，去寻找自己的宝藏和挑战。他看着这些怀有梦想的人们，想起了自己当年的经历。他知道这条路的艰辛和收获，于是他决定把自己的经验和智慧传授给他们，帮助他们更好地面对森林中的挑战。

这就是我们过去、现在和未来想做的一些事情。

直播分享也好，未来我们的量化学习营的课程也好，我们可能无法每个阶段都提供必胜策略，但我们是最真诚的；同样，我们可能不是量化或者基本面量化探索的先行者，但我们是敢于分享来破除信息差的；最后，我们可能无法回答大家的所有的问题，但我们是最有体系和最实战的；当然，我们可能无法确保立刻成功，但我们能确保你走在一个正确的路上。

最后一句话就结束我今天的分享了，我觉得无论市场如何变化，或者说环境有多么恶劣、多么好，每个人都不应该放弃对自己所从事的事业的热爱，尽管道路很曲折，每个人都不应该放弃成为更好的自己的一次机会；相信只要一直游，一直游，一定会游到海水变蓝的，这句话送给大家。今天我的分享就到此结束了，谢谢大家。