+
目录
1. 股指期货市场概况
2. 近一周卖方策略观点ChatGPT解析
3. 风险提示
摘要
■ 投资逻辑
股指期货市场概况
从整体表现来看，上周四大期指全线收跌，中证1000期指跌幅最大，幅度达-4.37%，沪深300期指跌幅相对最小，幅度为-3.33%。上周IF和IH主力合约的升水幅度缩小，IC和IM主力合约的贴水幅度收窄。IF和IH期指为升水状态，IC和IM期指为贴水状态。四大股指期货2411合约已于2024年11月15日完成交割。
全部合约角度看，较上周而言，IF、IH、IM期指当月、下月、当季和下季合约的平均成交量下降，其中IF下降幅度最大，为-6.79%，IC期指当月、下月、当季和下季合约的平均成交量上升，为1.09%。四大期指上周五的合计持仓量均下降，其中IH下降幅度最大，为-11.33%，IC下降幅度最小，为-4.83%。
基差水平方面，截至上周五收盘，IF、IC、IM和IH当季合约的年化基差率分别为0.93%、-3.64%、-6.09%和1.38%，较上周最后一个交易日，IF和IH期指升水幅度均有所缩小，IC期指贴水幅度有所收窄，IM期指贴水幅度有所加深。
跨期价差方面，截至上周五收盘，IF、IC、IM和IH新的当月合约与下月合约的跨期价差率分别处在2019年以来的96.60%、94.60%、90.50%和98.90%分位数。四大期指新的当月合约与下月、当季、下季的价差率均不再集中于历史分布左尾，恢复常态。跨期价差分位数处于高位区间表明合约对冲移仓成本较高。
正向和反向套利空间上，以年化收益5%计算，剩余25个交易日，IF正反套新的当月合约基差率需要分别达到0.84%和-1.57%。以年化收益5%计算，剩余44个交易日，IF正反套新的下月合约基差率需要分别达到1.33%和-2.61%。按照收盘价格看目前不存在套利机会。
分红预测方面，因分红的主要时间结束，分红对四大期指主力合约影响微小，根据我们的估算，沪深300指数、中证500指数、上证50指数和中证1000指数未来一年对指数点位的影响分别为91.52、82.71、71.78和59.84。
市场预期方面，在分红影响趋弱和期指交易规则无变化的情况下，基差变化与投资者交易情绪的相关度较高。上周市场有所回调，期指主力合约的成交量处于较低区间，缩量明显。基差表现上，IF和IH下月、当季和下季合约维持升水，而IC与IM持续贴水，大盘期指与小盘期指的基差分化反映出投资者的交易分歧。IH各类合约价格出现倒挂持续五周以上，使用远月合约对冲性价比较高。
近一周卖方策略观点ChatGPT解析
在本次周报上，我们也汇总了11月11日至11月18日(截至19：00)发布的20多家卖方策略团队含市场观点或者行业观点的报告。并且让大语言模型辅助我们汇总出卖方策略团队这个群体对于市场和行业方面的投资共识和分歧，给投资者提供参考。四家券商认为市场中期或长期有回暖趋势和震荡上行空间。三家券商认为外部风险和政策不确定性增加市场谨慎情绪。行业方面,对于锂电池、地产链、新材料和电子等行业有一致性的看好。
风险提示
以上结果通过历史数据统计、建模和测算完成，若历史数据产生环境发生变化，可能出现模型失效风险;因指数成分股变化，分红点位预估可能出现偏差；本文所提炼的观点，基于一定的提示词产生，大语言模型输出的结果可能随着提示词的变化而发生变化。
正文
股指期货市场概况与主动对冲策略表现
从整体表现来看，上周四大期指全线收跌，中证1000期指跌幅最大，幅度达-4.37%，沪深300期指跌幅相对最小，幅度为-3.33%。上周IF和IH主力合约的升水幅度缩小，IC和IM主力合约的贴水幅度收窄。IF和IH期指为升水状态，IC和IM期指为贴水状态。四大股指期货2411合约已于2024年11月15日完成交割。
全部合约角度看，较上周而言，IF、IH、IM期指当月、下月、当季和下季合约的平均成交量下降，其中IF下降幅度最大，为-6.79%，IC期指当月、下月、当季和下季合约的平均成交量上升，为1.09%。四大期指上周五的合计持仓量均下降，其中IH下降幅度最大，为-11.33%，IC下降幅度最小，为-4.83%。
基差水平方面，截至上周五收盘，IF、IC、IM和IH当季合约的年化基差率分别为0.93%、-3.64%、-6.09%和1.38%，较上周最后一个交易日，IF和IH期指升水幅度均有所缩小，IC期指贴水幅度有所收窄，IM期指贴水幅度有所加深。
跨期价差方面，截至上周五收盘，IF、IC、IM和IH新的当月合约与下月合约的跨期价差率分别处在2019年以来的96.60%、94.60%、90.50%和98.90%分位数。四大期指新的当月合约与下月、当季、下季的价差率均不再集中于历史分布左尾，恢复常态。跨期价差分位数处于高位区间表明合约对冲移仓成本较高。
正向和反向套利空间上，以年化收益5%计算，剩余25个交易日，IF正反套新的当月合约基差率需要分别达到0.84%和-1.57%。以年化收益5%计算，剩余44个交易日，IF正反套新的下月合约基差率需要分别达到1.33%和-2.61%。按照收盘价格看目前不存在套利机会。
分红预测方面，因分红的主要时间结束，分红对四大期指主力合约影响微小，根据我们的估算，沪深300指数、中证500指数、上证50指数和中证1000指数未来一年对指数点位的影响分别为91.52、82.71、71.78和59.84。
市场预期方面，在分红影响趋弱和期指交易规则无变化的情况下，基差变化与投资者交易情绪的相关度较高。上周市场有所回调，期指主力合约的成交量处于较低区间，缩量明显。基差表现上，IF和IH下月、当季和下季合约维持升水，而IC与IM持续贴水，大盘期指与小盘期指的基差分化反映出投资者的交易分歧。IH各类合约价格出现倒挂持续五周以上，使用远月合约对冲性价比较高。
近一周卖方策略观点ChatGPT解析
在本次周报上，我们也汇总了11月11日至11月18日(截至19：00)发布的20多家卖方策略团队含市场观点或者行业观点的报告。并且让大语言模型辅助我们汇总出卖方策略团队这个群体对于市场和行业方面的投资共识和分歧，给投资者提供参考。四家券商认为市场中期或长期有回暖趋势和震荡上行空间。三家券商认为外部风险和政策不确定性增加市场谨慎情绪。行业方面,对于锂电池、地产链、新材料和电子等行业有一致性的看好。
在汇总方法上，我们通过构建多套提示词的方式，让大模型帮助我们实现从含观点研报筛选，市场观点和行业观点原文信息提取，到观点汇总全流程都有大语言模型来完成。具体的工作流程图如下。
附录
3.1 股指期限套利计算
当股指期货的市场价格在一定程度上偏离了其理论价格时，就可以在期货市场上和现货市场上通过低买高卖并持有至基差收敛而获得收益，即期现套利。期现套利的前提是，在交割日，股指期货价格和标的指数会收敛。期现套利主要分为正向套利与反向套利。当现货被低估，而相应的期货被高估时，就可以卖出期货合约，买入现货，这种套利策略为正向套利策略。当现货被高估，期货被低估，通过买入期货合约，卖出现货获利的策略为反向套利策略。考虑交易成本后，通过计算套利交易的现金流，我们可以预估当前两个方向的套利收益，如果套利收益大于零，便会产生套利机会。
假设St、Ft、ST、FT分别为现货与期货在t时刻与T时刻的价格。在到期日T日，理论上，期货与现货价格因交割收敛，所以FT=ST。Mf、Ml分别为期货与融券的保证金比率。Cs、Cf分别为现货与期货交易的相关费用比率，费用包括佣金和交易税等。rf为无风险利率，rl为融券年利率。
正向套利的套利收益率公式为：
反向套利的套利收益公式为：
计算中，股指期货的单边交易费用取万分之零点二三，现货的单边交易费用取千分之一。期货和融券保证金分别为20%和50%。融券利率为年化10.6%。暂时不考虑分红的影响。
套利过程中的主要风险有：保证金追加风险、基差不收敛风险、股利风险、现货的跟踪误差风险、流动性风险等。
3.2 股利预估方法
指数成分股分红会使价格指数直接回落，分红回落会体现再股指期货的价格上造成“额外贴水”，对未来分红点位的预测可以修正基差率，实际基差率可以更好的跟踪市场真实的基差率水平。
上市公司分红计划与历史分红计划相关性极高，分红计划有一定延续性，我们通过历史分红规律来预测分红点位，具体方法如下：
根据预测时间的不同，EPS的取值有所不同，分红时间通常集中在每年的5、6、7、8四个月份。在预测的时间t，若t小于10月，上年度公司分红未结束，使用上年度数据来进行预测，EPS取年报披露EPS,当年报EPS未披露，EPS取值为上年度12月31日的EPS_TTM；若t大于10月，对于已结束分红的公司，我们需要对明年的分红进行预测，EPS取值为t时间的EPS_TTM。
预测派息率方面，对于过去三年稳定派息的公司，预测派息率取过去三年的派息率均值；对于稳定派息不足三年的公司，若公司持续盈利，预测派息率取上一年度的派息率；对于过去一年未盈利、正在资产重组、上市不足一年的的公司，若没有分红预告，我们认为其不分红。
派息时间方面，有的上市公司分红时间间隔有稳定规律，通常为每年同一月份，有的上市公司分红时间间隔没有明显规律，经过计算，对于稳定派息的公司，IF、IC、IH和IM成分股分红间隔时间的均值分别为368，366，369，369天，分红进程中，我们可以根据除息日披露及时调整预测，在这里我们使用上一年度的除息除权日来进行模糊预测。
根据以上预测，我们可以得到每个合约期内因分红对指数具体点位影响：
风险提示
1、以上结果通过历史数据统计、建模和测算完成，若历史数据产生环境发生变化，可能出现模型失效风险;
2、政策环境发生变化，资产与相关风险因子失去稳定关系的模型风险;
3、因指数成分股变化，分红点位预估可能出现偏差。
4、大模型输出的内容存在一定的随机性和准确性风险；本文所提炼的观点，基于一定的提示词产生，大语言模型输出的结果可能随着提示词的变化而发生变化。
往期报告
主动量化系列
Alpha掘金系列
Beta猎手系列
1.《Beta猎手系列之八：基于偏股型转债的择时与择券构建固收+策略》
2.《Beta猎手系列之七：追上投资热点——基于LLM的产业链图谱智能化生成》
3.《Beta猎手系列之六：基于宏观量价信号叠加的微盘股茅指数择时轮动策略》
4.《Beta猎手系列之五：基于机构调研热度和广度视角的行业配置策略》
5.《Beta猎手系列之四：如何利用ChatGPT解析卖方策略观点并构建行业轮动策略？》
6.《Beta猎手系列之三：行业超预期的全方位识别与轮动策略》
7.《Beta猎手系列之二：熵池模型：如何将纯主动观点纳入量化配置模型》
8.《Beta猎手系列：基于动态宏观事件因子的股债轮动策略》
智能化选基系列
量化漫谈系列
量化掘基系列
CTA金点子系列
年度投资策略
＋
报告信息
证券研究报告：《“数”看期货：近一周卖方策略一致观点》
对外发布时间：2024年11月19日
报告发布机构：国金证券股份有限公司
证券分析师：高智威
SAC执业编号：S1130522110003
邮箱：gaozhiw＠gjzq.com.cn
证券分析师：许坤圣
SAC执业编号：S1130524110001
邮箱：xukunsheng＠gjzq.com.cn
联系人：聂博洋
邮箱：nieboyang＠gjzq.com.cn
点击下方阅读原文，获取更多最新资讯
