扫描或点击关注中金在线客服
下次自动登录
其它账号登录：
>>&&>> &正文
热点题材基金榜
国寿安保基金管理有限公司关于旗下国寿安保中证养老产业指数分级基金新增基金经理的公告
来源:中国证券报
关注中金在线：
扫描二维码
中金在线微信
在线咨询：
扫描或点击关注中金在线客服
　　1公告基本信息
　　2新任基金经理的相关信息
　　国寿安保基金管理有限公司
网友评论文明上网，理性发言工银高铁A(150325)
今　开：--
最　高：--
振　幅：--
昨　收：--
最　低：--
成交量：--
成交额：--
该基金近1月涨幅超过同类平均104.94%，近3月跌幅低于同类平均61.75%，
0.57%0.10%0.46%-3.92%-2.62%0.01%
工银瑞信基金管理有限公司
刘伟琳女士，博士。2010年加入工银瑞信，历任风险...
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
src="http://y1.ifengimg.com/fundhq//jjjlyjdb.jpg" onMouseOver="toolTip('')" onMouseOut="toolTip()" width="34px" height="28"/>
分析师答疑
已回答问题列表
曾令华邓时锋
累积回答了个问题
累积回答了个问题
累积回答了个问题
提问对象：
曾令华邓时锋
请在此输入您的问题
数据加载中...具有颠覆性的遗传算法：让交易员从这个时代消失3 years ago7收藏分享举报文章被以下专栏收录扑克财经旗下品牌，实体产业和金融领域第一新媒体平台{&debug&:false,&apiRoot&:&&,&paySDK&:&https:\u002F\u002Fpay.zhihu.com\u002Fapi\u002Fjs&,&wechatConfigAPI&:&\u002Fapi\u002Fwechat\u002Fjssdkconfig&,&name&:&production&,&instance&:&column&,&tokens&:{&X-XSRF-TOKEN&:null,&X-UDID&:null,&Authorization&:&oauth c3cef7c66aa9e6a1e3160e20&}}{&database&:{&Post&:{&&:{&isPending&:false,&contributes&:[{&sourceColumn&:{&lastUpdated&:,&description&:&扑克财经旗下品牌，实体产业和金融领域第一新媒体平台。专注于挖掘行业、公司、人物等深层次内容，同时关注金融领域、企业相关的业务实操，服务于实体产业和金融人群，专为变革者打造。欢迎移步微信公众平台：puoketrader&,&permission&:&COLUMN_PUBLIC&,&memberId&:1399,&contributePermission&:&COLUMN_PUBLIC&,&translatedCommentPermission&:&all&,&canManage&:true,&intro&:&扑克财经旗下品牌，实体产业和金融领域第一新媒体平台&,&urlToken&:&puoketrader&,&id&:4430,&imagePath&:&v2-7b4d540a7eb28e9e7e4f158b.jpg&,&slug&:&puoketrader&,&applyReason&:&&,&name&:&扑克投资家&,&title&:&扑克投资家&,&url&:&https:\u002F\u002Fzhuanlan.zhihu.com\u002Fpuoketrader&,&commentPermission&:&COLUMN_ALL_CAN_COMMENT&,&canPost&:true,&created&:,&state&:&COLUMN_NORMAL&,&followers&:19742,&avatar&:{&id&:&v2-7b4d540a7eb28e9e7e4f158b&,&template&:&https:\u002F\u002Fpic4.zhimg.com\u002F{id}_{size}.jpg&},&activateAuthorRequested&:false,&following&:false,&imageUrl&:&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-7b4d540a7eb28e9e7e4f158b_l.jpg&,&articlesCount&:1671},&state&:&accepted&,&targetPost&:{&titleImage&:&https:\u002F\u002Fpic2.zhimg.com\u002F429895efd34a1f117cb53a8aec9588a8_r.jpg&,&lastUpdated&:,&imagePath&:&429895efd34a1f117cb53a8aec9588a8&,&permission&:&ARTICLE_PUBLIC&,&topics&:[],&summary&:&\u003Cb\u003E扑克财经旗下品牌：最值得信任的大宗商品产业和金融服务业智库。跨界、深度、专注——汇聚业内最值得分享、最有信息浓度的知识。欢迎移步微信公众平台：puoketrader\u003C\u002Fb\u003E\u003Cb\u003E原文链接：\u003Ca href=\&http:\u002F\u002Fwww.puoke.com\u002FnewsContent.php?id=1226\& data-title=\&具有颠覆性的遗传算法：让交易员从这个时代消失\& class=\&\& data-editable=\&true\&\u003E具有颠覆性的遗传算法：让交易员从这个时代消失\u003C\u002Fa\u003E\u003C\u002Fb\u003E\u003Cstrong\u003E作者 安宁宁 来自广发证券\u003C\u002Fstrong\u003E\u003Cstrong\u003E系统交…\u003C\u002Fstrong\u003E&,&copyPermission&:&ARTICLE_COPYABLE&,&translatedCommentPermission&:&all&,&likes&:0,&origAuthorId&:1399,&publishedTime&:&T10:57:08+08:00&,&sourceUrl&:&&,&urlToken&:,&id&:235364,&withContent&:false,&slug&:,&bigTitleImage&:false,&title&:&具有颠覆性的遗传算法：让交易员从这个时代消失&,&url&:&\u002Fp\u002F&,&commentPermission&:&ARTICLE_ALL_CAN_COMMENT&,&snapshotUrl&:&&,&created&:,&comments&:0,&columnId&:4430,&content&:&&,&parentId&:0,&state&:&ARTICLE_PUBLISHED&,&imageUrl&:&https:\u002F\u002Fpic2.zhimg.com\u002F429895efd34a1f117cb53a8aec9588a8_r.jpg&,&author&:{&bio&:&招金融分析师，财经编辑&,&isFollowing&:false,&hash&:&f4d6e1fcfaa56340&,&uid&:96,&isOrg&:false,&slug&:&linhui&,&isFollowed&:false,&description&:&扑克财经创始人，中国最新锐的大宗商品·金融衍生品研究智库平台&,&name&:&扑克投资家-林辉&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Flinhui&,&avatar&:{&id&:&c0a7a7db7&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&memberId&:1399,&excerptTitle&:&&,&voteType&:&ARTICLE_VOTE_CLEAR&},&id&:280092}],&title&:&具有颠覆性的遗传算法：让交易员从这个时代消失&,&author&:&linhui&,&content&:&\u003Cp\u003E\u003Cb\u003E扑克财经旗下品牌：最值得信任的大宗商品产业和金融服务业智库。跨界、深度、专注——汇聚业内最值得分享、最有信息浓度的知识。欢迎移步微信公众平台：puoketrader\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cb\u003E原文链接：\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=http%3A\u002F\u002Fwww.puoke.com\u002FnewsContent.php%3Fid%3D1226\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E具有颠覆性的遗传算法：让交易员从这个时代消失\u003C\u002Fa\u003E\u003C\u002Fb\u003E\u003Cp\u003E\u003Cstrong\u003E作者 安宁宁 来自广发证券\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E系统交易策略已成全球对冲基金首选策略\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E根据Barclay Hedge数据,全球对冲基金管理规模在2007年达到2.13万亿美元的巅峰之后略有小幅萎缩,截止2012 年1季度总规模在1.76万亿,而其中采用CTA策略的管理规模从1980年以来均呈逐年递增态势,截止目前为止总规 模达到了3280亿美元,占全球对冲基金总规模的18.6%,已成为对冲基金首先策略之一。 CTA策略又包含两大类,一类是利用程序化进行系统交易,一类是非系统交易(比如人为定性分析交易),就结构 来看,系统化交易策略已经占到了80%的比例,具有绝对主导地位。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E系统交易策略新动向:遗传规划智能方法\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E业内程序化交易策略开发基本上都是从研究经典交易策略开始的,在前人的基础之上,结合自身的交易特点、风 格以及心得或融合各家之长,或对若干进行改进而最终形成自己的交易策略,而当策略逐渐失效之后,再回头检 查问题,挖掘失效原因,寻找新的市场特点对原有策略进行改进升级为新一代策略,如此反复。 而这一过程与达尔文之物种进化颇有相似之处,物种适者生存及进化繁衍的过程与系统交易策略强者为王及策略 改进升级的过程如出一辙,人工智能领域的遗传规划因此可以用来进行系统交易策略研发。\u003C\u002Fp\u003E\u003Cp\u003E事实上,BIG BLUE 及 R-MESA 的创始人已经成功的将遗传规划运用于系统交易策略开发,并在 Futures Truth Magazine 跟踪的 TOP10 策略排行榜中占据六席。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E智能交易策略生成\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E首先我们构建了自己的遗传规划算法框架,在设定了群体规模为 500,个体适应度为收益回撤比的情况下,以股 指期货 5 分钟为交易周期,进行日内程序化交易策略的进化迭代生成,算法在迭代至 54 次之后收敛,累计测试 了 27000 个策略。\u003C\u002Fp\u003E\u003Cp\u003E最优策略的实证结果如下,全样本来看,年化收益率为 116%,胜率为 42.68%,赔率为 1.91 倍,历史最大回撤为 -8.2%,分年度来看,、2012 年化收益率分别为 118%、67%、34%,胜率分别为 39%、42%、45%,赔率 分别为 2.36、1.80、1.54,最大回撤分别为-6.18%、-7.48%、-8.09%,交易次数方面,每年交易在 400 次左右, 平均每天 1.6 次。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E未来研究方向\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E遗传规划博大精深,我们未来的研究将围绕我们构建的整体算法框架,在输入终端集、函数算子、交易规则以及 树形结构方面进行更深的讨论,敬请关注。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E一、CTA市场及策略介绍\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E(一)CTA市场概况\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003ECTA全称是Commodity Trading Advisors,即\&商品交易顾问\&,又是管理期货 (Managed Futures)基金的代名词,泛指利用各种期货工具,通过交易盈利而进行资 产管理的业务。\u003C\u002Fp\u003E\u003Cp\u003ECTA市场自二十世纪80年代开始,管理资产规模从3.1亿美元增长到截止2012年1季 度的3283亿美元,特别是近十年,CTA市场规模爆发式增长,管理规模平均每年增长200 亿美元以上。\u003C\u002Fp\u003E\u003Cp\u003E根据Barclay Hedge的统计,全球对冲基金管理规模在2007年达到峰值2.13万亿之 后有了小幅度的萎缩,截止到2012年1季度的数据显示,总规模在1.76万亿,其中利用 CTA策略进行管理的资产占比却呈逐年提升态势,从年的10%占比到目前18.6% 的比例,CTA策略已经成为全球对冲基金使用最多的一类策略。\u003C\u002Fp\u003E\u003Cp\u003E从CTA策略结构性来看,系统程序化交易策略占了绝大部分,而人为主观性交易方 式只有很少一部分,从下面的数据可以看到,CTA策略管理规模中有80%左右的是利用系 统化方法进行管理的。\u003C\u002Fp\u003E\u003Cp\u003E至此我们可以看到,全球对冲基金中使用最多的一类策略是CTA策略,而CTA策略中 又以系统化交易占绝对的主导地位,因此我们有必要对这一类策略进行系统化深入的研究。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E(二)经典CTA策略回顾\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003ECTA 策略一般进行系统化实施,采用程序化交易方式,交易模型自然是对敌制胜 的关键所在,虽然我们不可能完全窥探成功者的秘诀,但是一些思想性的、方向性的 探讨还是可以进行的,下图 4 是根据 Futures Truth 跟踪的历年交易系统 TOP10 排行 榜,下面我们对其中部分较为著名的系统进行简单的介绍。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E1、Aberration\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003EAberration 系统由 Keith Fitschen 在 1993 年 12 月开发,该系统可用于多种交 易标的,自发布以来连续多年进入 TOP10 排行榜,其实 Aberration 为一个趋势突破模 型,通过布林通道来定义趋势通道,当价格穿越通道上或下边界时进场跟随趋势,当 价格趋势停止进而触及中线时平仓获利。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E2、R-Bearker、STC S&P DayTrade、Big Blue、Dual Thrust\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E这一类交易系统都是日内交易策略,基本原理非常类似,根据昨日的最高价、最 低价、收盘价或者近期历史价格时间序列计算若干点位,并结合当日市场波动与这些 点位的关系来定义日内突破模式、日内反转模式等等,并辅以信号过滤条件,比如波 动特征过滤、日历过滤等等,从策略效果上来看,收益和回撤特征相差无几。\u003C\u002Fp\u003E\u003Cp\u003E其中 R-Bearker 由 Rick Saidenberg 在 1993 年 7 月开发,STC S&P DayTrade 由 Staffordtrading 在 1997 年 3 月开发,Big Blue 是由 Mike Barna 根据 Mr. Vilar Kelly 的思想创立的,同时需要指出的是 Mike Barna 也是 R-mesa 的创始人之一。\u003C\u002Fp\u003E\u003Cp\u003E虽然经典交易策略取得了非常大的成功,得到了应有的光环,那么是否后来者也 应该跟随前辈的脚步,通过不断编写程序测试不同交易思想、或者改进现有策略来形 成自己的交易系统呢?是否我们也需要过没日没夜的编写代码检验策略的生活呢?未 来系统化交易策略的发展方向又可能是什么呢?我想这些问题是 CTA 从业者们应该深 深思考的,而或许\&遗传规划\&便是通向成功彼岸的一条康庄大道。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E(三)系统化交易策略新动向: 遗传规划\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E下面图6、7分别是Futures Truth Magazine跟踪的S&P标的下交易系统的表现,以及 不限交易标的下的策略自发布以来的年化收益率排行榜,也许不用我多说什么,我们可 以清楚的看到有一类以\&TSL\&字样为首的交易策略系统,TSL是Trading System Lab的 简写,是一家CTA策略服务商,由大名鼎鼎的R-mesa的创始人Mike Barna所创。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003EMike Barna利用遗传规划方法,针对不同交易标的智能生成各种交易策略,从 Futures Truth Magazine的跟踪结果我们已经可以看到了遗传规划在交易策略研发中的成功的一面。\u003C\u002Fp\u003E\u003Cp\u003E一般地,一个交易策略研发者都从研究经典成功交易系统开始,再结合目标交易标 的市场的特点,以及自己的交易心得从不同方面进行策略的改进,或者是吸取不同成功 策略的优点结合自己的交易风格形成适合自己的交易系统,因此,新的成功交易系统可 以泛化的认为是从经典系统中遗传了优良的基因进化而来,这个进化的过程可以通过遗传规划来完成。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E二、遗传规划算法\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E(一)遗传规划介绍\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E遗传规划(Genetic Programming)由达尔文的进化论演变而来,是一种智能进化 计算(Evolutionary Computation)技术,遗传规划是遗传算法的推广和更一般地形式。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E(1)遗传规划要解决问题\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E一般地在线性回归中,我们面临的问题是如何求解最优的系数,不管是利用线性回 归技术,或者是遗传算法技术,我们都必需假设已知问题的函数表达式是一个二阶多项 式。但是在遗传规划中,我们不需要知道函数的表达式,我们不仅仅要求得函数系数, 而且要找出函数的表达式：y=a+ bx+ cx^2\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E(2)遗传规划算法流程图\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E遗传规划首先生成程序函数体群体,其中每一个个体是一个解决问题的方案,对于上述符号回归问题则为一个随机生成的函数表达式,得到初始群体后进入循环迭代过程, 先计算个体的适应度值,并判断迭代终止条件,若符合则迭代终止,否则按适应度值比 例的选择概率在上一代群体中随机选择个体,利用遗传算子生成新个体,进而得到新群 体,然后再进行计算适应度值及判定迭代终止条件的步骤。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E(3)函数体的表现形式\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E遗传规划算法中,我们通常需要将函数表达式表示成一种树的形式,例如可以将函 数表达式 max ( x + x, x + 3 × y ) 转换成如下的树的形式,如下图,其中圆圈部分代表内部节点(max、+、*)称为函数(functions),叶节点上的自变量以及常数称为终端 (terminals)。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E遗传规划算法中需要我们事先给定函数集(functions set)和终端集(terminals set)。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E(4)适应度(fitness)\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E给定一个个体之后,类似于进化论,需要知道该个体对环境的适应度值,适应度高 的则有更高的可能存活下来,或者作为父代进行交叉变异形成新个体,从而将优良基因遗传给下一代。\u003C\u002Fp\u003E\u003Cp\u003E一般的对于拟合问题,则可以以拟合均方误差为适应度;对于交易策略问题,则可以令收益率(或者回撤、收益除以回撤等)作为适应度。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E(5)遗传算子:精英算子(elite)\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E上一代群体中适应度最高的若干个个体或者一定比例的个体直接作为新个体放入下一代群体,这一部分个体数量占群体大小的比例为 pe 。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E(6)遗传算子:复制算子(reproduction)\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E按照等比例于适应度的选择概率在上一代群体中选择个体放入下一代群体,如此产 生的个体数量占群体大小的比例为 pr 。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E(7)遗传算子:交叉算子(crossover)\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E按照等比例于适应度的选择概率在上一代群体中选择两个个体作为父代,并随机选 取其树结构之节点,交换以该节点为根节点的两个子树,从而生成两个新的个体,如此产生的个体数量占群体大小的比例为 pc 。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E(8)遗传算子:变异算子(mutation)\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E按照等比例于适应度的选择概率在上一代群体中选择一个个体作为父代,并随机选 取其树结构之节点,令随机生成的另一个树结构函数体替换以该节点为根节点的子树,\u003C\u002Fp\u003E\u003Cp\u003E从而生成一个新的个体,如此产生的个体数量占群体大小的比例为 pm 。 且有 pe + pr + pc + pm =1。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E(二)遗传规划案例一\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E假设有一种样本,自变量与因变量之间的函数关系表达式为\u003C\u002Fp\u003E\u003Cp\u003Ey = 1 －0.5＊x＋1.2＊x^2\u003C\u002Fp\u003E\u003Cp\u003E利用该函数表达式生成一段长度为2000的样本,利用其中部分样本借助遗传规划算法来寻找自变量与因变量之间的函数关系。训练样本取中间者的1000个,如下图所示。\u003C\u002Fp\u003E\u003Cp\u003E在遗传规划算法上,我们进行了如下设置,分别有函数集、终端集、群体规模、迭代次数、遗传算子相关的参数,如下表。 图13是算法迭代过程,可以看到随着迭代的推进,最有个体的均方误差在不断减小,\u003C\u002Fp\u003E\u003Cp\u003E图14是最优个体样本内外拟合情况,图15是最优个体函数表达式的树形结构图。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E三、遗传规划智能策略\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E（一）算法框架流程\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E利用遗传规划进行智能交易策略生成的整体框架流程类似于上述的符号回归案例, 但是在具体细节上有很大差异,比如在终端集、函数集、以及适应度计算上差异很大,我 们首先介绍我们设计的整体算法框架。\u003C\u002Fp\u003E\u003Cp\u003E(1)交易标的选择 选定交易标的,比如商品期货、股指期货、外汇等等,获取其分笔交易明细数据之后\u003C\u002Fp\u003E\u003Cp\u003E将数据切片,提取其各个周期上的K线数据,包括1分钟、2分钟、5分钟、10分钟、15分钟、 30分钟、60分钟、日、周等等。\u003C\u002Fp\u003E\u003Cp\u003E(2)终端集的设定 原则上来讲,只需要输入价量相关的K线数据即可,由程序自动进行演算找到更好判\u003C\u002Fp\u003E\u003Cp\u003E断买卖点的数据,但是一方面这个范围太宽泛了,理论上无穷多的函数组合形式使得计算 量大大增加,往往结果也并不是十分理想。那么合理的做法是根据各个周期的基础数据(开 盘价、最高价、最低价、收盘价、成交量、成交金额)计算衍生数据指标,从不同角度反 映数据特征,然后作为输入变量输入模型。\u003C\u002Fp\u003E\u003Cp\u003E(3)函数集\u003C\u002Fp\u003E\u003Cp\u003E函数集方面一般包括多种算子,算术运算、关系运算、逻辑运算、条件运算等等,函 数运算方面,包括正弦、余弦、反正弦、反余弦、对数、指数、幂、最大、最小、开方等 等。\u003C\u002Fp\u003E\u003Cp\u003E(4)适应度计算\u003C\u002Fp\u003E\u003Cp\u003E与普通符号回归的不同之处在于适应度计算方式,符号回归上,我们希望拟合均方误差越小越好,因此拟合误差越小的个体其适应度应该越高。而在交易策略生成中,我们希\u003C\u002Fp\u003E\u003Cp\u003E望策略累计收益率越大越好,收益率越高的,其适应度越高,再者我们的优化目标也可以是收益\u002F回撤倍数,该倍数越高的个体适应度越高。 在进行策略评价时,我们假定策略个体输出的结果为买卖信号,并且我们人为的设定止损或者强制平仓的条件,这些交易规则结合买卖信号从而可以形成具体的买卖行为,再计算该买卖行为下的累计收益率或者收益\u002F回撤倍数。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E（二）实证分析\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E(1)数据选取,本实证选取股指期货当月合约自日至的 5分钟K线。\u003C\u002Fp\u003E\u003Cp\u003E(2）策略评价方法\u003C\u002Fp\u003E\u003Cp\u003E策略评价指标我们选取如下表,这里需要说明的是,经验来看,趋势投机策略在严 格止损的机制下胜率一般很难超过40%,但赔率一般要大,靠亏小赚大盈利。\u003C\u002Fp\u003E\u003Cp\u003E(3)模拟交易情景\u003C\u002Fp\u003E\u003Cp\u003E记 F1 为开仓成交价,F2 为平仓成交价,c 为单边手续费率,I 为单边冲击成本,M 为杠杆倍数,则单次交易收益率为\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E(4)输入变量\u003C\u002Fp\u003E\u003Cp\u003E输入变量上我们仅将5分钟K线数据输入,分别是最高价、最低价、收盘价、成交手数、日内累计K线数五个变量,其中\&日内累计K线数\&为当日开盘至当前时刻的5分钟 BAR的数量,当日第1个分钟K线时该变量为1,最后一个5分钟K线时该变量为54,该变量 主要用来刻画数据的日内时间属性,为时间数据。\u003C\u002Fp\u003E\u003Cp\u003E(5)交易规则\u003C\u002Fp\u003E\u003Cp\u003E交易规则以及信号结合生产最终的交易明细,再计算累计收益率或收益\u002F回撤倍数 作为个体适应度值,其中交易信号即为个体函数表达式的值,而交易规则上,从交易日 09:30开始,当交易信号值大于0时,开仓做多,反之小于0时开仓做空,并设置固定止损幅度为0.5%,当价格触及止损线时,平仓止损,之后再观察交易信号值与零的大小关 系,若当日未发生止损,则收盘15:00强制平仓。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E(6)实证结果\u003C\u002Fp\u003E\u003Cp\u003E首先将数据分为两段,其中至为样本内,用以生成交易策略, 而后日至今皆为样本外。\u003C\u002Fp\u003E\u003Cp\u003E利用遗传规划算法进行策略优化生成,群体规模为500,也就是说每一代有500个策 略,下图22是遗传算法生成的各代策略的收益回撤比的最大值和中值变化曲线,我们可 以看到,随着策略的进化更替,群体最佳收益回撤比大幅增加,收益回撤比中值也在同 步增加,整个进化过程共计经过了54次,总计测试策略数量达到了27000个,至进化结 束时,最佳个体收益回撤比达到了32.5倍。\u003C\u002Fp\u003E\u003Cp\u003E我们接下来看一下最佳策略的具体表现情况,下图 23 是该策略的累计收益率表现,全样本来看,年化收益率为 116%,胜率为 42.68%,赔率为 1.91 倍,历史最大回撤为 -8.2%,分年度来看,、2012 年化收益率分别为 118%、67%、34%,胜率分 别为 39%、42%、45%,赔率分别为 2.36、1.80、1.54,最大回撤分别为-6.18%、-7.48%、 -8.09%,交易次数方面,每年交易在 400 次左右,平均每天 1.6 次。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E下图24是信号的函数表达式之树形结构图,我们将其转换成普通函数表达式如下\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E图25为该信号计算函数在全样本内的具体图形,由于数据量过大,为了更明显展 示该指标走势,我们取100个数据点为间隔的抽样绘制形成。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E四、总结\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E(1)系统交易策略已成全球对冲基金之首选策略。根据Barclay Hedge数据,全球 对冲基金在2007年达到2.13万亿美元的规模巅峰之后略有小幅萎缩,截止2012年1季度 总规模在1.76万亿,而其中采用CTA策略的管理规模从1980年以来均呈逐年递增态势, 截止目前为止总规模达到了3280亿美元,占全球对冲基金总规模的18.6%,已成为对冲 基金首先策略之一。CTA策略又包含两大类,一类是利用程序化进行系统交易,一类是 非系统交易(比如人为定性分析交易),就结构来看,系统化交易策略已经占到了80%的 比例,具有绝对主导地位。\u003C\u002Fp\u003E\u003Cp\u003E(2)系统交易策略新动向:遗传规划智能方法。业内程序化交易策略开发基本上 都是从研究经典交易策略开始的,在前人的基础之上,结合自身的交易特点、风格以及 心得或融合各家之长,或对若干进行改进而最终形成自己的交易策略,而当策略逐渐失 效之后,再回头检查问题,挖掘失效原因,寻找新的市场特点对原有策略进行改进升级 为新一代策略,如此反复。\u003C\u002Fp\u003E\u003Cp\u003E而这一过程与达尔文之物种进化颇有相似之处,物种适者生存及进化繁衍的过程与 系统交易策略强者为王及策略改进升级的过程如出一辙,人工智能领域的遗传规划因此 可以用来进行系统交易策略研发。\u003C\u002Fp\u003E\u003Cp\u003E事实上,BIG BLUE及R-MESA的创始人已经成功的将遗传规划运用于系统交易策略开 发,并在Futures Truth Magazine跟踪的TOP10策略排行榜中占据六席。\u003C\u002Fp\u003E\u003Cp\u003E(3)智能交易策略生成。首先我们构建了自己的遗传规划算法框架,在设定了群 体规模为500,个体适应度为收益回撤比的情况下,以股指期货5分钟为交易周期,进行 日内程序化交易策略的进化迭代生成,算法在迭代至54次之后收敛,累计测试了27000 个策略。\u003C\u002Fp\u003E\u003Cp\u003E最优策略的实证结果如下,全样本来看,年化收益率为116%,胜率为42.68%,赔率 为1.91倍,历史最大回撤为-8.2%,分年度来看,、2012年化收益率分别为 118%、67%、34%,胜率分别为39%、42%、45%,赔率分别为2.36、1.80、1.54,最大回 撤分别为-6.18%、-7.48%、-8.09%,交易次数方面,每年交易在400次左右,平均每天 1.6次。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E(4)未来研究方向。遗传规划博大精深,我们未来的研究将围绕我们构建的整体 算法框架,在输入终端集、函数算子、交易规则以及树形结构方面进行更深的讨论,敬请关注。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E版权声明：部分文章推送时未能与原作者取得联系。若涉及版权问题，敬请原作者联系我们。\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E扑克财经旗下品牌：最值得信任的大宗商品产业和金融服务业智库。跨界、深度、专注——汇聚业内最值得分享、最有信息浓度的知识。欢迎移步微信公众平台：puoketrader\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic1.zhimg.com\u002Fbcaefb5de6ddeb4f147d29ea59957da5_b.jpg\& data-rawwidth=\&258\& data-rawheight=\&258\& class=\&content_image\& width=\&258\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='258'%20height='258'&&\u002Fsvg&\& data-rawwidth=\&258\& data-rawheight=\&258\& class=\&content_image lazy\& width=\&258\& data-actualsrc=\&https:\u002F\u002Fpic1.zhimg.com\u002Fbcaefb5de6ddeb4f147d29ea59957da5_b.jpg\&\u003E\u003C\u002Ffigure\u003E&,&updated&:new Date(&T02:57:08.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:2,&collapsedCount&:0,&likeCount&:7,&state&:&published&,&isLiked&:false,&slug&:&&,&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&https:\u002F\u002Fpic2.zhimg.com\u002F429895efd34a1f117cb53a8aec9588a8_r.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&reviewers&:[],&topics&:[],&adminClosedComment&:false,&titleImageSize&:{&width&:1024,&height&:576},&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&column&:{&slug&:&puoketrader&,&name&:&扑克投资家&},&tipjarState&:&closed&,&annotationAction&:[],&sourceUrl&:&&,&pageCommentsCount&:2,&hasPublishingDraft&:false,&snapshotUrl&:&&,&publishedTime&:&T10:57:08+08:00&,&url&:&\u002Fp\u002F&,&lastestLikers&:[{&bio&:&&,&isFollowing&:false,&hash&:&9473fac8f326c37e5788b4&,&uid&:80,&isOrg&:false,&slug&:&zk-xu-69&,&isFollowed&:false,&description&:&&,&name&:&zk XU&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fzk-xu-69&,&avatar&:{&id&:&da8e974dc&,&template&:&https:\u002F\u002Fpic4.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&never say never&,&isFollowing&:false,&hash&:&5ceb05a7e4a9ae&,&uid&:08,&isOrg&:false,&slug&:&superjeffrey&,&isFollowed&:false,&description&:&&,&name&:&Jeffrey&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fsuperjeffrey&,&avatar&:{&id&:&af1b6bad9e&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&INTP的田村卡夫卡 二小姐控&,&isFollowing&:false,&hash&:&49bac2e89bcf51baef1d0&,&uid&:96,&isOrg&:false,&slug&:&KitaharaKazusa&,&isFollowed&:false,&description&:&&,&name&:&风君&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002FKitaharaKazusa&,&avatar&:{&id&:&76a9418cae9e196d234fda5&,&template&:&https:\u002F\u002Fpic2.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&&,&isFollowing&:false,&hash&:&5ed68fde2deb66ed86d6&,&uid&:72,&isOrg&:false,&slug&:&qian-xiao-hua-35&,&isFollowed&:false,&description&:&&,&name&:&钱晓华&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fqian-xiao-hua-35&,&avatar&:{&id&:&6d6e490edb67fb3ad223&,&template&:&https:\u002F\u002Fpic1.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:null,&isFollowing&:false,&hash&:&74c5ddbc8deb88bd783b565eccb701ba&,&uid&:64,&isOrg&:false,&slug&:&chen-lin-15-78&,&isFollowed&:false,&description&:&&,&name&:&陈林&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fchen-lin-15-78&,&avatar&:{&id&:&da8e974dc&,&template&:&https:\u002F\u002Fpic4.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&summary&:&\u003Cimg src=\&http:\u002F\u002Fpic2.zhimg.com\u002Fbcaefb5de6ddeb4f147d29ea5x112.jpg\& data-rawwidth=\&258\& data-rawheight=\&258\& class=\&origin_image inline-img zh-lightbox-thumb\& data-original=\&http:\u002F\u002Fpic2.zhimg.com\u002Fbcaefb5de6ddeb4f147d29ea59957da5_r.jpg\&\u003E\u003Cb\u003E扑克财经旗下品牌：最值得信任的大宗商品产业和金融服务业智库。跨界、深度、专注——汇聚业内最值得分享、最有信息浓度的知识。欢迎移步微信公众平台：puoketrader\u003C\u002Fb\u003E\u003Cb\u003E原文链接：\u003Ca href=\&http:\u002F\u002Fwww.puoke.com\u002FnewsContent.php?id=1226\& data-title=\&具有颠覆性的遗传算法：让交易员从这个时代消失\& class=\&\& data-editable=\&true\&\u003E具有颠覆性的遗传算法：让交易员从这个时代消失\u003C\u002Fa\u003E\u003C\u002Fb\u003E\u003Cstrong\u003E作者 安宁宁 来自广发证券\u003C\u002Fstrong\u003E\u003Cstrong\u003E系统交…\u003C\u002Fstrong\u003E&,&reviewingCommentsCount&:0,&meta&:{&previous&:{&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&https:\u002F\u002Fpic2.zhimg.com\u002F50\u002F5b55c159a9a9c65f5aef233a_xl.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&topics&:[],&adminClosedComment&:false,&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&author&:{&bio&:&招金融分析师，财经编辑&,&isFollowing&:false,&hash&:&f4d6e1fcfaa56340&,&uid&:96,&isOrg&:false,&slug&:&linhui&,&isFollowed&:false,&description&:&扑克财经创始人，中国最新锐的大宗商品·金融衍生品研究智库平台&,&name&:&扑克投资家-林辉&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Flinhui&,&avatar&:{&id&:&c0a7a7db7&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&column&:{&slug&:&puoketrader&,&name&:&扑克投资家&},&content&:&\u003Cp\u003E\u003Cb\u003E扑克财经旗下品牌：最值得信任的大宗商品产业和金融服务业智库。跨界、深度、专注——汇聚业内最值得分享、最有信息浓度的知识。欢迎移步微信公众平台：puoketrader\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cb\u003E原文链接：\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=http%3A\u002F\u002Fwww.puoke.com\u002FnewsContent.php%3Fid%3D1224\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E最全能源数据：29个维度看中国能源2015（必须收藏）\u003C\u002Fa\u003E\u003C\u002Fb\u003E\u003Cp\u003E\u003Cb\u003E作者 庞名立，曾在中国计量科学院（北京）和中石油（四川）工作。著有多本石油和天然气书籍。\u003Cbr\u003E\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E导读：\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003E能源行业可能细分领域中最复杂的一个行业，作为一个基础性行业，它除了本身体量大之外，跟整个国民经济的发展也息息相关，它的改革与发展牵一发而动全身，因此，如何衡量国内能源行业的现状，简单的产业经济理论已完全不能满足。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E为此，本文作者、无所不能专栏作家庞名立老师重建了能源新的评价体系，\u003Cstrong\u003E将评价指标细分到多达29个维度，从宏观上的人口、GDP、城市化、国际经济环境，到中观上的能源供给与消费，再到微观上和各细分能源行业的表现进行多角度研究。\u003C\u002Fstrong\u003E从方法上，我们从最新最权威的数据入手，让数据说话，以追求评价指标的可靠性与准确性。\u003Cstrong\u003E（温馨提示：点击划动图片可查看大图）\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Ch2\u003E\u003Cstrong\u003E一、人口数量
\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E人口增长不但对能源需求的规模和组成存在直接影响，而且也会通过它对经济增长和发展产生间接作用，因此人口多少和经济状况对能源使用影响很大，人口情报是能源研究关注的重点。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E根据美国中央情报局估计， 2014年世界总人口数量为7 243 784 000人，他们列出了人口前20位的国家，\u003Cstrong\u003E中国依然是人口最多的国家，达到13.56亿人，占总数的18.7%。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Ch2\u003E\u003Cstrong\u003E二、城市化
\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E城市化是指人口向城市聚集、城市规模扩大以及由此引起一系列经济社会变化的过程，其实质是经济结构、社会结构和空间结构的变迁。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E从能源角度来看，城市能源利用最多，一般可以占到能源消费的80%左右，特别是天然气消费量。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E根据联合国2014年的统计，只选择了东亚、北美洲和欧洲的城市化的数据，可以看出北美洲城市化程度最高，东亚较次。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E三、国内生产总值(GDP)
\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cp\u003E每年国际货币基金组织（IMF）、世界银行（WB）、联合国（UN）和美国中央情报局《世界各国纪实年鉴》等4个统计机构对世界各国的国内生产总值（GDP）进行了统计，分别以国际汇率和购买力评价的数据评价。\u003C\u002Fp\u003E\u003Cp\u003E由于篇幅太大，本表只采用了2014年国际货币基金组织和世界银行的数据。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E中国GDP早已超过德国。2010年中国GDP又超过日本，到了2014年，中国的GDP是日本的两倍。高盛银行估计，中国GDP将在年超过美国。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E四、人均国内生产总值
\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E现将上表的“国内生产总值（GDP）”数据除以人口数，就可以得出人均GDP。中国人均GDP远低于世界平均水平，排行在80位以后。但跟往年比较，已经有很大的进步了。\u003Cstrong\u003E2011年国际货币基金组织和世界银行分别把中国列为92位和94位，2014年进为79位和84位。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E五、人类发展指数\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E人类发展指数是联合国开发计划署（UNDP）从1990年开始发布的衡量联合国各成员国经济社会发展水平的指标。测量一个国家在人类发展的三个基本方面的平均成就：\u003C\u002Fp\u003E\u003Cp\u003E1\u003C\u002Fp\u003E\u003Cp\u003E健康长寿的生活，用出生时预期寿命表示\u003C\u002Fp\u003E\u003Cp\u003E2\u003C\u002Fp\u003E\u003Cp\u003E 知识，用成人识字率以及小学、中学和大学综合入学率表示\u003C\u002Fp\u003E\u003Cp\u003E3\u003C\u002Fp\u003E\u003Cp\u003E体面的生活水平，用人均GDP表示。\u003C\u002Fp\u003E\u003Cp\u003E人类发展指数分为4类（以下数据为2014年人类发展指数的排序）：\u003C\u002Fp\u003E\u003Cp\u003E1\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E最高等人类发展指数（1-49个国家）:\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E挪威（1）、美国（5）、日本（17）、韩国（15）等；\u003C\u002Fp\u003E\u003Cp\u003E2\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E高等人类发展指数（50-102个国家）:\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E俄罗斯（57）、马来西亚（62）、泰国（89）、中国（91）；\u003C\u002Fp\u003E\u003Cp\u003E3\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E中等人类发展指数（103-144个国家）:\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E土库曼斯坦（103）、菲律宾（117）、印度（135）；\u003C\u002Fp\u003E\u003Cp\u003E4\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E低等人类发展指数（145-187个国家）:\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E安哥拉（149）、苏丹（166）。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E在人类发展指数中，中国居第91位。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Ch2\u003E\u003Cstrong\u003E六、全球繁荣指数\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E由英国智库列格坦研究所（Legatum Institute）推出的一项年度世界“繁荣指数”排名。繁荣指数通常称为“全球繁荣指数”，英语写为“Legatum Prosperity Index（列格坦繁荣指数）”，包括财富、经济增长、个人福利以及生活质素，比较142个国家和地区的各种因素而作出的年度排名。\u003Cstrong\u003E中国内地排名第54位。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E七、国际贸易
\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E根据世界贸易组织（WTO）和美国中央情报局《世界各国记实年鉴》的统计，\u003Cstrong\u003E中国的国际货物贸易量居世界之首。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E八、二氧化碳排放量\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E由欧洲联盟委员会（European Commission）和荷兰环境评估署（Netherlands Environmental Assessment Agency）组成的EDGAR公布了主要国家的二氧化碳排放估计，表内数据分为二氧化碳排放总量和人均二氧化碳排放量。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E2013年中国的二氧化碳排放量占全球总量的29%，但人均排放量远低于欧美国家。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E九、水路\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E水路是指通航的河流、运河和内陆水域的长度。根据美国中央情报局《世界各国纪实年鉴》的统计，\u003Cstrong\u003E中国可航运的水路居世界第一，达11万公里。\u003C\u002Fstrong\u003E水路数据随时间的推移变化不大。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E十、一次能源消费结构
\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E根据BP公司《世界能源统计评论》，\u003Cstrong\u003E中国的原油和原煤在一次能源消费中逐年降低，而天然气、水力发电和再生能源增加较快。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Ch2\u003E\u003Cstrong\u003E十一、原煤\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E根据BP公司《世界能源统计评论》，中国原煤的生产量和消费量居世界之首，但剩余可采储量次于美国和俄罗斯，居世界第三位，但储采比仅为30年，远低于俄罗斯、美国、澳大利亚和印度。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E从2011年起，中国煤炭进口量已经超过日本，成为世界上最大的煤炭进口国，\u003C\u002Fstrong\u003E从表中可以看出，消费量与生产量之差很高。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E十二、中东原油进口\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E\u003Cstrong\u003E中国原油进口主要在中东，主要是沙特阿拉伯，其次是伊拉克、伊朗、阿曼、科威特、阿拉伯联合酋长国和卡塔尔。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E根据BP公司《世界能源统计评论》可以看出，中东向中国的出口量逐年增高，2014年已经达到中国原油总进口量的46%。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E十三、天然气来源\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cp\u003E基于我国的资源情况，发展天然气工业必须利用国内外两种资源，我国天然气已经从单一的国内生产，逐渐走向国外多渠道供应，即天然气来自陆上管道输送和海运液化天然气运输进入我国。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E根据BP公司《世界能源统计评论》，得出中国天然气来源，中国天然气自给率逐年降低。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E计算：
自给率=（生产总量\u002F消费总量）×100\u003C\u002Fp\u003E\u003Ch2\u003E\u003Cstrong\u003E十四、国产天然气\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E中国天然气生产仍然保持上升势头。常规气数据来自于各油田产量总计，页岩气及煤层气数据来自国土资源部公布数据。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E十五、LNG运输船的建造\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E根据美国《造船记录》2015年5月报道，LNG及其运输船风起欧美国家，在20世纪70年代生产小型LNG运输船，随后发展到生产标准型LNG运输船，但数量很少，后来全盘转移到东亚国家，随后LNG运输船建造速度很快，2012年服役的LNG运输船有361艘，2015年跃居415艘，增幅为15%。\u003Cstrong\u003E中国跃居第三位。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E十六、中亚-中国输气管线\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E中亚—中国管线（Central Asia-China gas pipeline），也称土库曼斯坦-中国输气管线（Turkmenistan-China gas pipeline）由中国石油（PetroChina）与土库曼斯坦天然气公司（Türkmengaz）、哈萨克斯坦国家石油天然气公司（KazMunayGas）及乌兹别克斯坦天然气公司（Uzbekneftegaz）联合组建。\u003C\u002Fp\u003E\u003Cp\u003E中亚输往中国的有四条支线——A、B、C、D。起点都在土库曼斯坦，经过乌兹别克斯坦和哈萨克斯坦抵达中国边境霍尔果斯（huoergusi），或者经过乌兹别克斯坦、塔吉克斯坦和吉尔吉斯斯坦抵达中国边境乌恰（Wuqia）。\u003Cstrong\u003E2016年后涌往这条丝绸之路的天然气最高可达年输850亿立方米。如果计算从土库曼斯坦到上海，管线长达6000公里以上，可称世界最长的管线。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E土库曼斯坦是中国最大的供气国。土库曼斯坦天然气剩余可采储量居世界第四，土库曼斯坦出口量比卡塔尔多，而且从土库曼斯坦进口的天然气价格比卡塔尔低。\u003C\u002Fp\u003E\u003Ch2\u003E\u003Cstrong\u003E十七、天然气汽车
\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cp\u003E根据“天然气汽车”杂志2015年2月的统计，\u003Cstrong\u003E天然气汽车最多的国家是伊朗，中国居第二位。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E十八、油气管道的长度
\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E根据美国中央情报局《世界各国纪实年鉴》的统计，2013年美国油气管道最多，占全球的62.5%。\u003Cstrong\u003E中国油气管道居世界第四位，仅占全球总量的2.5%。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E根据中国国家统计局《中国统计年鉴》，2014年管道长为10.63公里。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E十九、发电量\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E根据BP公司《2015年世界能源统计评论》可以看出，\u003Cstrong\u003E中国是全球最大的电力生产国，其份额占全球产量的24%，其次是美国、印度和日本。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E单位换算： 1 TWh=10亿千瓦小时\u003C\u002Fp\u003E\u003Ch2\u003E\u003Cstrong\u003E二十、电力生产结构\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E根据中国国家统计局《中国统计年鉴》的统计数据，\u003Cstrong\u003E中国电力主要是火力发电，一般占75～80%，其中煤发电占主导地位。\u003C\u002Fstrong\u003E从2013年起，风电场产能已经超过核能发电。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E二十一、核能发电\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cp\u003E根据世界核协会（WNA）日的报告，\u003Cstrong\u003E2014年核能发电占发电总量的11.5%，但中国只占2.4%。2015年6月世界上运行的反应堆有437座，中国占26座，\u003C\u002Fstrong\u003E次于法国、美国、日本和俄罗斯等4个国家，但是中国在建、拟建和提议的反应堆数量比任何国家都多。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E备注： **
世界总计包括中国台湾6座反应堆，其生产能力为4927 MWe，2014年生产40.8TWh(估计占台湾电力生产的 18.9%) 。台湾还有两座反应堆在建造中，其生产能力为2700 MWe。估计2015年需要972吨铀。\u003C\u002Fp\u003E\u003Ch2\u003E\u003Cstrong\u003E二十二、可再生能源发电\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E根据REN21（21世纪可再生能源政策网络）2015年的报告，截止2014年全球再生能源发电占电力总量的22.8%，其中水力发电最高，占16.6%。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E根据日维基百科统计，\u003Cstrong\u003E中国再生能源发电居世界之首，但在电力生产结构中并不高，中国再生能源发电约占20%。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E二十三、水力发电\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E根据REN21（21世纪可再生能源政策网络）2015年的报告，2014年水力发电全球产能达到1 055GW（1 GW=1兆千瓦），其中\u003Cstrong\u003E中国最多，占27%。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E2014年全球水力发电最多的国家所占份额\u003C\u002Fp\u003E\u003Cp\u003E根据根据BP公司《世界能源统计评论》，\u003Cstrong\u003E尽管中国水力发电量居世界第一，但仅占中国一次能源消费的8.1%，\u003C\u002Fstrong\u003E而许多国家都比中国高，如挪威（66.2%）、瑞士（29.6%）、瑞典（28.3%）、巴西（28.2%）、新西兰（26.4%）、哥伦比亚（26.0%）、加拿大（25.6%）。\u003C\u002Fp\u003E\u003Ch2\u003E\u003Cstrong\u003E二十四、太阳能热水器\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cp\u003E根据REN21（21世纪可再生能源政策网络）2015年的报告，2014年太阳能热水器产能为406千兆瓦热（Gigawatts-thermal，缩写GWth），中国约占70%，即284.2GWth。\u003C\u002Fp\u003E\u003Cblockquote\u003E\u003Cp\u003E∵1×106m2装设面积=0.7 GWth
； 1 GWth=1.43×106m2\u003C\u002Fp\u003E\u003Cp\u003E∴中国太阳能热水器装设面积为
284.2×1.43×106m2=403.6×106m2 =4亿平方米\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E二十五、生物燃料\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cp\u003E根据BP公司《2015年世界能源统计评论》，\u003Cstrong\u003E中国在的生物燃料发展速度较慢，全球居第七位。\u003C\u002Fstrong\u003E后来者如阿根廷、印度尼西亚发展得很快。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E二十六、太阳能发电量\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cp\u003E根据BP公司《2015年世界能源统计评论》，\u003Cstrong\u003E中国利用太阳能发电居世界第二位，\u003C\u002Fstrong\u003E占全球总量的15.7%，仅次于德国。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E
单位换算： 1 TWh=10亿千瓦小时\u003C\u002Fp\u003E\u003Ch2\u003E\u003Cstrong\u003E二十七、光伏发电装机容量\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E根据BP公司《2015年世界能源统计评论》，\u003Cstrong\u003E中国光伏发电装机容量居世界第二位，\u003C\u002Fstrong\u003E占全球总量的15.6%，仅次于德国。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cstrong\u003E二十八、风电场发电量\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cp\u003E根据BP公司《2015年世界能源统计评论》，\u003Cstrong\u003E中国风电场发电居世界第二位，\u003C\u002Fstrong\u003E占总量的22.4%，仅次于美国。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E单位换算： 1 TWh=10亿千瓦小时\u003C\u002Fp\u003E\u003Ch2\u003E\u003Cstrong\u003E二十九、风电场装机容量\u003C\u002Fstrong\u003E\u003C\u002Fh2\u003E\u003Cp\u003E根据BP公司《2015年世界能源统计评论》，\u003Cstrong\u003E中国风电场装机容量居世界第一，\u003C\u002Fstrong\u003E占总量的30.7%。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E版权声明：部分文章推送时未能与原作者取得联系。若涉及版权问题，敬请原作者联系我们。\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E扑克财经旗下品牌：最值得信任的大宗商品产业和金融服务业智库。跨界、深度、专注——汇聚业内最值得分享、最有信息浓度的知识。欢迎移步微信公众平台：puoketrader\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic1.zhimg.com\u002Fbcaefb5de6ddeb4f147d29ea59957da5_b.jpg\& data-rawwidth=\&258\& data-rawheight=\&258\& class=\&content_image\& width=\&258\&\u003E\u003C\u002Ffigure\u003E&,&state&:&published&,&sourceUrl&:&&,&pageCommentsCount&:0,&canComment&:false,&snapshotUrl&:&&,&slug&:,&publishedTime&:&T10:55:15+08:00&,&url&:&\u002Fp\u002F&,&title&:&最全能源数据：29个维度看中国能源2015（必须收藏）&,&summary&:&\u003Cb\u003E扑克财经旗下品牌：最值得信任的大宗商品产业和金融服务业智库。跨界、深度、专注——汇聚业内最值得分享、最有信息浓度的知识。欢迎移步微信公众平台：puoketrader\u003C\u002Fb\u003E\u003Cb\u003E原文链接：\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=http%3A\u002F\u002Fwww.puoke.com\u002FnewsContent.php%3Fid%3D1224\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E最全能源数据：29个维度看中国能源2015（必须收藏）\u003C\u002Fa\u003E\u003C\u002Fb\u003E\u003Cb\u003E作者 庞名立，曾在中国计量科…\u003C\u002Fb\u003E&,&reviewingCommentsCount&:0,&meta&:{&previous&:null,&next&:null},&commentPermission&:&anyone&,&commentsCount&:0,&likesCount&:0},&next&:{&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&https:\u002F\u002Fpic1.zhimg.com\u002F50\u002Fcc725dcd96_xl.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&topics&:[],&adminClosedComment&:false,&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&author&:{&bio&:&招金融分析师，财经编辑&,&isFollowing&:false,&hash&:&f4d6e1fcfaa56340&,&uid&:96,&isOrg&:false,&slug&:&linhui&,&isFollowed&:false,&description&:&扑克财经创始人，中国最新锐的大宗商品·金融衍生品研究智库平台&,&name&:&扑克投资家-林辉&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Flinhui&,&avatar&:{&id&:&c0a7a7db7&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&column&:{&slug&:&puoketrader&,&name&:&扑克投资家&},&content&:&\u003Cp\u003E\u003Cb\u003E扑克财经旗下品牌：最值得信任的大宗商品产业和金融服务业智库。跨界、深度、专注——汇聚业内最值得分享、最有信息浓度的知识。欢迎移步微信公众平台：puoketrader\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cb\u003E原文链接：\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=http%3A\u002F\u002Fwww.puoke.com\u002FnewsContent.php%3Fid%3D1227\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E做有色金属必看：关于铜长期与短期的价格分析框架\u003C\u002Fa\u003E\u003C\u002Fb\u003E\u003Cp\u003E\u003Cstrong\u003E作者 左俊义 来自方正证券\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E内容摘要:\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E铜的下游需求大致可归类为房屋建筑、电气电子产品、机械设备、交运设备、消费和一般产品等。从美国的铜下游需求结构看,房屋建筑需求是铜最大的下游需求。2010年美国的铜需求结构中,来自房屋建筑的需求占总需求的44%,其次是电气电子产品,占比为21%。中国因素已成为驱动铜价波动的主要力量,中国的地产分析框架和对全球大宗商品价格的影响,会在后续报告中涉及。\u003C\u002Fp\u003E\u003Cp\u003E从需求驱动因素看,房屋建筑需求与私人住宅开工密切相关;电气电子产品类铜需求与电气设备及家电产量增速走势一致;交运设备类铜需求与汽车卡车产量增速一致。\u003C\u002Fp\u003E\u003Cp\u003E自上而下把握铜需求,一般使用实际GDP(或工业生产指数)和消费者信心指数等表征整体经济(或工业)运行状况和消费者状况的指标进行把握,这是因为铜的下游需求比较分散。另外,铜的消费量对价格并不敏感,这意味着在自上而下的需求模型中不用加入铜价这个变量。\u003C\u002Fp\u003E\u003Cp\u003E由于铜需求与房屋开工密切相关,有必要对房屋开工的分析框架进行介绍。房地产需求的主要推动因素是新增家庭数,房屋开工数量可以表示为:房屋开工=新增家庭数+空置房屋变化+拆除房屋。\u003C\u002Fp\u003E\u003Cp\u003E家庭数由三个因素决定:人口结构;各年龄段的户主率变化趋势;经济的周期表现。老龄化会导致经济中家庭数量增加;各年龄段的户主率变化对家庭数影响更大,并且具有时间趋势;户主率还受经济周期影响,经济较差时,户主率就比时间趋势要低。\u003C\u002Fp\u003E\u003Cp\u003E对铜供给,不同于石油这类不可再生资源,废铜是铜供给的重要来源,因为铜是可再生的。铜的长期价格仍由成本决定,只是不同品种的存量需求稳定性不同,石油的存量需求比铜更加稳定。\u003C\u002Fp\u003E\u003Cp\u003E短期铜价走势取决于铜的库存波动。最常用的库存指标就是交易所的库存,一般使用LME、Comex和上期所的库存加总表示。从长期走势来看,铜价和交易所库存走势基本反向。\u003C\u002Fp\u003E\u003Cp\u003E近几年交易所库存还受我国融资铜交易的影响。如果考虑保税区的融资铜库存,那么整体铜库存与价格同向波动,这是因为保税区铜库存相当于增加了铜进口需求。2012年6月外管局对融资铜交易进行了监管,导致中国保税区铜库存向交易所铜库存转移。\u003C\u002Fp\u003E\u003Cp\u003E这是资产配置系列报告的第三篇,系列报告主要从自上而下的角度研究大类资产配置,最初的报告研究各主要交易品种的分析框架和投资逻辑。第一、二篇报告分别研究了黄金和石油的长期和短期分析框架,本篇报告研究金属。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E1、铜需求的驱动因素与跟踪模型\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E1.1铜需求主要来自房屋建筑\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E金属包括铜、铝、镍、锌、小金属等,由于不可能在一篇报告中总结多个金属品种的研究框架,因此我们以铜作为金属的代表。\u003C\u002Fp\u003E\u003Cp\u003E铜的下游需求相比石油更加分散。铜的下游需求大致可归类为房屋建筑、电气电子产品、机械设备、交运设备、消费和一般产品等。其中房屋建筑包括建筑电线、管道和暖气、空调和商业制冷、建筑五金等;电气电子产品包括电力设备、电信、商务电子、照明及配线等;机械设备包括在厂设备、工业阀门及配件、非电子仪器、热换器等;交运设备包括汽车、卡车和客车、铁路、飞机等;消费和一般产品包括家电、电线组件、军事和商业兵器、消费类电子产品、硬币、餐具等。\u003C\u002Fp\u003E\u003Cp\u003E从美国的铜下游需求结构看,房屋建筑需求是铜最大的下游需求。2010年美国的铜需求结构中,来自房屋建筑的需求占总需求的44%,其次是电气电子产品,占比为21%。\u003C\u002Fp\u003E\u003Cp\u003E从历史来看,美国铜下游需求结构较为稳定。1992年来自房屋建筑和电气电子产品的需求占比分别为41%和25%,相比2010年没有太大的变化。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E由于数据原因,报告里对铜需求和驱动因素--地产的分析,都以美国为主,因为中国各下游行业对铜消费量的数据缺失。但需要提醒的是,中国因素已成为驱动铜价波动的主要力量,中国的地产分析框架和对全球大宗商品价格的影响,会在后续报告中涉及。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E1.2铜需求的驱动因素\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E首先看房屋建筑需求。\u003C\u002Fp\u003E\u003Cp\u003E房屋建筑需求与私人住宅开工密切相关。房屋建筑需求主要是电线和空调需求,这些需求均与房屋建设密切相关,从美国数据来看,房屋建筑类铜需求增速与私人住宅开工\u002F完工增速历史走势比较一致。由于房地产是铜最重要的需求,后面会对房地产进行专门分析。\u003C\u002Fp\u003E\u003Cp\u003E其次,电气电子产品类铜需求与电气设备及家电产量增速走势一致。\u003C\u002Fp\u003E\u003Cp\u003E最后,交运设备类铜需求与汽车卡车产量增速一致。在石油的报告中,已经分析了影响汽车保有量的因素:18-65岁人口增速、可支配收入增速、汽车价格等,这里不再赘述。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E1.3自上而下把握铜需求\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E在石油报告中,使用实际GDP、房价同比、国债期限溢价、HDD、石油价格对石油的需求进行自上而下的把握。但对铜需求来说,其下游需求更加的分散,因此,一般使用实际GDP(或工业生产指数)和消费者信心指数等表征整体经济(或工业)运行状况和消费者状况的指标进行把握。\u003C\u002Fp\u003E\u003Cp\u003E另外,由于铜的使用在部分电气、家电、电子产品等中用量较少、成本占比较低,因此铜的消费量对价格并不敏感,这意味着在自上而下的需求模型中不用加入铜价这个变量。这一点也与石油有所区别。\u003C\u002Fp\u003E\u003Cp\u003E自上而下的模型为,被解释变量是精炼铜消费增速,解释变量为实际GDP增速和消费者信心指数,时间跨度从1993年至2002年,其中精炼铜消费量数据来自世界铜协会(CopperAlliance)。回归模型的拟合优度为60%,拟合结果见图表8。具体拟合方程不再列示。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E2、房地产的分析框架\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E2.1房地产开工由家庭数和空置率决定\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E由于铜的消费与地产开工及完工密切相关,另外在石油消费模型中房地产价格是一个重要的解释变量,因此有必要对房地产的分析框架进行简单的介绍,主要分析房地产开工和房地产价格的影响因素。\u003C\u002Fp\u003E\u003Cp\u003E房地产需求的主要推动因素是新增家庭数(household)。当一个新的家庭组建后,无疑会产生对房屋居住的需求。房地产供给主要包括新建房屋和当前市场的存量供给,新建房屋可由房屋开工代表,当前市场的存量供给可由空置房屋(存量房屋*空置率)代表。另外,经济中还有部分老化房屋被拆除,需要重建,这也会增加房屋开工需求。因此,房屋开工大体可以表示为:\u003C\u002Fp\u003E\u003Cp\u003E房屋开工=新增家庭数+空置房屋变化+拆除房屋\u003C\u002Fp\u003E\u003Cp\u003E首先分析新增家庭数。家庭数可以表示成人口乘以户主率(headshiprate,家庭数除以人口),由于不同年龄段的户主率其走势差异较大,因此有必要按年龄段对户主率进行拆解。这样,家庭数就由三个因素决定:人口结构;各年龄段的户主率变化趋势;经济的周期表现。\u003C\u002Fp\u003E\u003Cp\u003E对不同年龄段的人口来说,年龄越大,这一年龄段的户主率就越高。一般在25岁至35岁和65岁至75岁这两个年龄段户主率会出现比较快速的提升。图表9显示了美国不同年龄段在2003年的户主率。由于人口的老龄化,单纯人口结构变化引发的户主率随着时间的推移而上升,如图表10所示。人口结构因素引发的户主率变化这样计算,即假设各年龄段户主率维持在2003年水平上不发生变化,这样得出的户主率纯粹由人口的变动引发。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E其次是户主率随时间推移而发生的变化。以18-24岁人口的户主率为例,2003年以后,这一年龄段的户主率随着时间推移不断下降,可能的原因在于更多的年轻人选择跟父母一起居住。这可能代表了社会行为模式的变化,因此在一定时期内具有可持续性。如图11所示,线性时间模型大概可以解释最近这10年间18至24岁户主率下降幅度的88%。\u003C\u002Fp\u003E\u003Cp\u003E最后是经济的周期表现。还是以18至24岁人口的户主率为例,上面提到行为模式引发的户主率变化可由线性(或二次)时间模型进行捕捉,而剩余项(模型的残差)主要由经济的周期表现决定。图12显示了线性时间模型的剩余项和经济的失业率的关系,两者的走势明显反向,说明经济的周期性变化也会影响人们的选择,当经济表现疲弱、失业率较高时,更多的年轻人选择跟父母居住,因此户主率也比时间趋势所显示的要低。\u003C\u002Fp\u003E\u003Cp\u003E综合上面的分析,美国的户主率总体呈现下降趋势,导致家庭净形成数量也逐步下降,虽然在2012年有所反弹。数据显示,2003年至2006年每年新增家庭数量在135万个左右;2007年至2011年下降到每年55万个;2012年则超过了100万个。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E对于供给面,重要的指标是空置率,这个指标是说空置房屋所占的比率(一般使用统计局的房屋空置调查HVS的季度数据)。房屋开工超过新增家庭数时,房地产市场形成过剩的供给,这种过剩的状况可由空置率来表示。因此,历史上房屋开工的趋势性上升一般会带来过剩房屋的增加。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E2.2长期房价由收入和人口决定\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E房价是经济中十分重要的资产价格,房产的升值会提高消费者的消费倾向,因此在石油的分析报告中,房价作为影响石油消费的因素进入宏观模型。有必要对影响房价的长期和短期因素进行总结。\u003C\u002Fp\u003E\u003Cp\u003E首先看长期房价,长期房价主要由收入和人口两个因素决定。收入可以这样理解,即可支配收入决定了居民按揭贷款的月供的上限,因此收入与购房能力和房产价格密切相关。\u003C\u002Fp\u003E\u003Cp\u003E另外,15-64岁人口占比也与一国房价走势密切相关。上面的分析提到,户主率在25-35和65-75两个年龄段会出现迅速的上升,因此15-64岁人口既可以理解成经济中房屋购买的刚需因素,也可理解为65岁以上人口数量代表着房屋的潜在供给。\u003C\u002Fp\u003E\u003Cp\u003E从一国角度看,人口因素与房地产价格密切相关。但从城市的角度考虑,人口之所以影响房价还与土地的供给弹性有关,在土地供给弹性非常大的城市,即便人口增长迅速,供给也不太可能成为瓶颈。不论美国还是中国,沿海城市一般都是土地供给弹性较低的地区,因此,这些城市的房价受人口的影响较大。\u003C\u002Fp\u003E\u003Cp\u003E图15和图16显示了美国房价增速与人均可支配收入增速和15-64岁人口增速的关系。其中,由于数据可得性原因,房价增速使用Core-Logic房价指数计算,而没有使用Case-Shiller房价指数;15-64岁人口增速使用15-64岁人口数量年增速的5年移动平均。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E2.3短期房价由利率和空置率决定\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E下面分析影响房价的短期因素。影响房价短期走势的因素主要包括按揭贷款利率、空置率和经济的周期性波动。按揭贷款利率对房价的影响是直接的,按揭贷款利率的走低降低了居民的月供,因此会刺激房屋的购买。空置率可以表征当前经济中房屋供给的过剩程度,空置率越高,房价的下跌压力越大。经济的周期波动也会影响房价走势,经济增长率越高、人们对未来收入和按揭可承担能力的预期就越乐观,户主率和新增家庭数也会提升,这意味着房价的上涨压力就越大。\u003C\u002Fp\u003E\u003Cp\u003E另外,房价短期波动还有动量和均值回复特征。动量是指房价的上涨或者下跌具有惯性;均值回复是指房价不可能持续偏离长期水平,短周期的房价上涨蕴含着未来下跌的风险。\u003C\u002Fp\u003E\u003Cp\u003E上面已经分析了影响房价中长期走势的两个因素--收入和人口,使用两个因素对房价的拟合值作为长期房价的均衡水平,实际房价对均衡水平的偏离表示房价的短期波动。图17和图18显示了30年期按揭贷款利率和失业率与房价短期波动的关系,可以看出按揭利率和失业率与房价短期波动负相关,空置率的走势不再列示。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E3、铜的长期和短期价格分析框架\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E3.1铜的长期价格由成本决定\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E在分析铜的价格水平前,有必要简单的对铜的供给进行分析。\u003C\u002Fp\u003E\u003Cp\u003E废铜是铜供给的重要来源。不同于石油这类不可再生资源,铜是完全可回收的,因此在铜供给中,废铜是重要的一环。废铜既可以直接加工成铜板铜条等铜材,也可以替代铜矿冶炼精铜。废铜的使用无疑受到铜价的影响,铜价越高、废铜价差越大,生产商使用废铜的动力越强。\u003C\u002Fp\u003E\u003Cp\u003E2012年美国消费的废铜合计843吨,而精铜消费量为1936吨,占比约为44%。2012年我国总进口铜矿石783万吨,同时进口废铜486万吨,废铜进口是我国铜进口的重要组成部分,2011年以来,我国每月进口的废铜数量比较稳定,月均值稳定在39万吨附近。\u003C\u002Fp\u003E\u003Cp\u003E从全球供给来看,全球铜矿产量主要集中于智利、中国、美国、澳大利亚和俄罗斯。2012年这五国铜矿产量占全球总产量的57%,其中智利一国占比为31%。\u003C\u002Fp\u003E\u003Cp\u003E实际利率影响全球铜矿石产量。在黄金和石油的报告中已经指出,长期看黄金和石油产量增速受实际利率影响,实际利率越高,未来相同产量折线到当前的数值越低,生产商就有动力加大当期开采力度,导致产量上升,因此实际利率和产量增速同向波动。对全球铜矿产量来说,这一规律仍然有效。\u003C\u002Fp\u003E\u003Cp\u003E铜的长期价格由成本决定。在石油报告中,分析了石油的产能投放,认为石油的长期价格由成本决定。这一框架无疑适合所有的大宗商品,铜也不例外。区别在于:不同产品的存量需求稳定程度不同,铜更受房地产周期的影响、而石油作为工业之母存量需求更加稳定。比如2009年我国的基建和房地产双轮驱动使得精铜消费量出现了明显的跃升,但总体看石油消费量更显平稳。长期价格水平一般可以看长期期货的价格水平(比如5年期期货价格),作为市场对长期价格水平的一致预期;另外,可以自下而上把各主要铜矿的产量按成本从小到大进行累积,根据对存量需求的判断来决定长期内均衡的价格水平。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E3.2铜的短期价格由库存决定\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E短期铜价走势取决于铜的库存波动。但不同于石油具有可跟踪的行业库存数据,铜的库存数据严重缺失,这是因为铜的下游需求较为分散。最常用的库存指标就是交易所的库存。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E图表23显示了交易所铜库存与LME3个月期铜价格走势之间的关系,从长期走势来看,两者走势基本反向。交易所库存一般使用LME、Comex和上期所三个库存的之和表示。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E近几年交易所库存还受我国融资铜交易的影响。融资铜大概逻辑是,利用保税区的铜仓单进行中外利差套利,其成本是外币贷款利率,收益是国内短期理财产品收益率。如果考虑保税区的融资铜库存,那么整体铜库存与价格同向波动,这是因为保税区铜库存相当于增加了铜进口需求,类似于经销商持续对铜进行补库。但保税区铜库存没有公开的连续数据,因此无法进行展示。2012年6月外管局对融资铜交易进行了监管,导致中国保税区铜库存向交易所铜库存转移,交易所铜库存大幅上升,同时库存与价格的关系再次变为负相关。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E版权声明：部分文章推送时未能与原作者取得联系。若涉及版权问题，敬请原作者联系我们。\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E扑克财经旗下品牌：最值得信任的大宗商品产业和金融服务业智库。跨界、深度、专注——汇聚业内最值得分享、最有信息浓度的知识。欢迎移步微信公众平台：puoketrader\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic1.zhimg.com\u002Fbcaefb5de6ddeb4f147d29ea59957da5_b.jpg\& data-rawwidth=\&258\& data-rawheight=\&258\& class=\&content_image\& width=\&258\&\u003E\u003C\u002Ffigure\u003E&,&state&:&published&,&sourceUrl&:&&,&pageCommentsCount&:0,&canComment&:false,&snapshotUrl&:&&,&slug&:,&publishedTime&:&T11:00:26+08:00&,&url&:&\u002Fp\u002F&,&title&:&做有色金属必看：关于铜长期与短期的价格分析框架&,&summary&:&\u003Cb\u003E扑克财经旗下品牌：最值得信任的大宗商品产业和金融服务业智库。跨界、深度、专注——汇聚业内最值得分享、最有信息浓度的知识。欢迎移步微信公众平台：puoketrader\u003C\u002Fb\u003E\u003Cb\u003E原文链接：\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=http%3A\u002F\u002Fwww.puoke.com\u002FnewsContent.php%3Fid%3D1227\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E做有色金属必看：关于铜长期与短期的价格分析框架\u003C\u002Fa\u003E\u003C\u002Fb\u003E\u003Cstrong\u003E作者 左俊义 来自方正证券\u003C\u002Fstrong\u003E\u003Cstrong\u003E内容…\u003C\u002Fstrong\u003E&,&reviewingCommentsCount&:0,&meta&:{&previous&:null,&next&:null},&commentPermission&:&anyone&,&commentsCount&:0,&likesCount&:4}},&annotationDetail&:null,&commentsCount&:2,&likesCount&:7,&FULLINFO&:true}},&User&:{&linhui&:{&isFollowed&:false,&name&:&扑克投资家-林辉&,&headline&:&扑克财经创始人，中国最新锐的大宗商品·金融衍生品研究智库平台&,&avatarUrl&:&https:\u002F\u002Fpic3.zhimg.com\u002Fc0a7a7db7_s.jpg&,&isFollowing&:false,&type&:&people&,&slug&:&linhui&,&bio&:&招金融分析师，财经编辑&,&hash&:&f4d6e1fcfaa56340&,&uid&:96,&isOrg&:false,&description&:&扑克财经创始人，中国最新锐的大宗商品·金融衍生品研究智库平台&,&badge&:{&identity&:null,&bestAnswerer&:null},&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Flinhui&,&avatar&:{&id&:&c0a7a7db7&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}},&Comment&:{},&favlists&:{}},&me&:{},&global&:{&experimentFeatures&:{&ge3&:&ge3_9&,&ge2&:&ge2_1&,&growthSearch&:&s2&,&sEI&:&c&,&nwebQAGrowth&:&experiment&,&qawebRelatedReadingsContentControl&:&close&,&liveStore&:&ls_a2_b2_c1_f2&,&qawebThumbnailAbtest&:&new&,&nwebSearch&:&nweb_search_heifetz&,&rt&:&y&,&showVideoUploadAttention&:&true&,&isOffice&:&false&,&enableTtsPlay&:&post&,&newQuestionDiversion&:&https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F&,&newLiveFeedMediacard&:&new&,&newMobileAppHeader&:&true&,&androidPassThroughPush&:&all&,&hybridZhmoreVideo&:&yes&,&nwebGrowthPeople&:&default&,&nwebSearchSuggest&:&default&,&qrcodeLogin&:&qrcode&,&enableVoteDownReasonMenu&:&enable&,&isf8&:&1&,&isShowUnicomFreeEntry&:&unicom_free_entry_off&,&newMobileColumnAppheader&:&new_header&,&androidDbRecommendAction&:&open&,&zcmLighting&:&zcm&,&androidDbFeedHashTagStyle&:&button&,&appStoreRateDialog&:&close&,&default&:&None&,&isNewNotiPanel&:&no&,&wechatShareModal&:&wechat_share_modal_show&,&growthBanner&:&default&,&androidProfilePanel&:&panel_b&}},&columns&:{&next&:{},&puoketrader&:{&following&:false,&canManage&:false,&href&:&\u002Fapi\u002Fcolumns\u002Fpuoketrader&,&name&:&扑克投资家&,&creator&:{&slug&:&linhui&},&url&:&\u002Fpuoketrader&,&slug&:&puoketrader&,&avatar&:{&id&:&v2-7b4d540a7eb28e9e7e4f158b&,&template&:&https:\u002F\u002Fpic4.zhimg.com\u002F{id}_{size}.jpg&}}},&columnPosts&:{},&columnSettings&:{&colomnAuthor&:[],&uploadAvatarDetails&:&&,&contributeRequests&:[],&contributeRequestsTotalCount&:0,&inviteAuthor&:&&},&postComments&:{},&postReviewComments&:{&comments&:[],&newComments&:[],&hasMore&:true},&favlistsByUser&:{},&favlistRelations&:{},&promotions&:{},&switches&:{&couldSetPoster&:false},&draft&:{&titleImage&:&&,&titleImageSize&:{},&isTitleImageFullScreen&:false,&canTitleImageFullScreen&:false,&title&:&&,&titleImageUploading&:false,&error&:&&,&content&:&&,&draftLoading&:false,&globalLoading&:false,&pendingVideo&:{&resource&:null,&error&:null}},&drafts&:{&draftsList&:[],&next&:{}},&config&:{&userNotBindPhoneTipString&:{}},&recommendPosts&:{&articleRecommendations&:[],&columnRecommendations&:[]},&env&:{&edition&:{&baidu&:false,&yidianzixun&:false,&qqnews&:false},&isAppView&:false,&appViewConfig&:{&content_padding_top&:128,&content_padding_bottom&:56,&content_padding_left&:16,&content_padding_right&:16,&title_font_size&:22,&body_font_size&:16,&is_dark_theme&:false,&can_auto_load_image&:true,&app_info&:&OS=iOS&},&isApp&:false,&userAgent&:{&ua&:&Mozilla\u002F5.0 (compatible, MSIE 11, Windows NT 6.3; Trident\u002F7.0; rv:11.0) like Gecko&,&browser&:{&name&:&IE&,&version&:&11&,&major&:&11&},&engine&:{&version&:&7.0&,&name&:&Trident&},&os&:{&name&:&Windows&,&version&:&8.1&},&device&:{},&cpu&:{}