【华泰期货】基于多因子体系的基差预测模型（二）：股指基差何去何从-260309（17页）.pdf

1、请仔细阅读本报告最后一页的免责声明摘要近期股指期货基差格局发生了一定变化，市场对期指贴水走势的关注度再度提升。基于这样的市场背景，本篇报告在前序报告基于多因子体系的基差预测模型的基础上对基差预测模型进行了以下几点的延申与完善：1.加入新因子并调整因子的入选标准，探究不同因子对基差的预测能力；2.固定因子改为滚动筛选因子，提升模型在不同市场环境下的适应性；3.单合约拓展至全合约预测，提升模型的适用性与覆盖度；4.加入时间序列模型并构建多模型融合的预测体系，充分整合各模型的优势。经过优化后基差方向准确性有所提升，IC 各合约周度方向准确率平均达 61%，其中最高可达 66%。核心观点1）同品种不同

2、合约基差的有效因子有显著区别，印证了各合约上交易群体、交易偏好的不同。2）不同时间段下的有效因子、相同因子的相关性均有差异，展示出不同市场环境下影响基差的因素有所不同。3）截面因子模型与时间序列模型相结合对预测效果有一定提升。期货研究报告|量化专题报告 2026-03-09股指基差何去何从基于多因子体系的基差预测模型（二）研究院研究院 量化组量化组研究员研究员高天越高天越 0755-23887993 从业资格号：F3055799投资咨询号：Z0016156联系人联系人李光庭李光庭 0755-23887993 从业资格号：F03108562李逸资李逸资 0755-23887993 从业资格号：F

3、03105861黄煦然黄煦然 0755-23887993 从业资格号：F03130959麦锐聪麦锐聪 0755-23887993 从业资格号：F03130381投资投资咨询业务资格：咨询业务资格：证监许可【证监许可【20112011】12891289 号号量化专题报告丨 2026/3/9请仔细阅读本报告最后一页的免责声明目录摘要.1核心观点.1基于多因子体系的基差预测模型.4 基差预测模型的延申与优化.4 因子增添与筛选.4 滚动筛选因子.5 全合约预测.7 多模型融合.9 总结.16 风险提示.16量化专题报告丨 2026/3/9请仔细阅读本报告最后一页的免责声明图表图 1:OLS 年化基差

4、周度方向预测准确率|单位：%.9图 2:RANDOMFOREST年化基差周度方向预测准确率|单位：%.9图 3:XGBOOST年化基差周度方向预测准确率|单位：%.9图 4:各模型年化基差周度方向预测准确率|单位：%.9图 5:IC00 年化基差周度预测与实际变化|单位：无.11图 6:IC00 年化基差周度预测值与实际值|单位：%.11图 7:IC02 年化基差周度预测与实际变化|单位：无.11图 8:IC02 年化基差周度预测值与实际值|单位：无.11图 9:IH00 年化基差周度预测与实际变化|单位：无.15图 10:IH02 年化基差周度预测与实际变化|单位：无.15图 11:IF00

5、 年化基差周度预测与实际变化|单位：无.15图 12:IF02 年化基差周度预测与实际变化|单位：无.15图 13:IM00 年化基差周度预测与实际变化|单位：无.15图 14:IM02 年化基差周度预测与实际变化|单位：无.15表 1:IC02 年化基差率与 ETF 因子相关性|单位：无.4表 2:IC02 年化基差率与 CFTI 因子相关性|单位：无.5表 3:不同时间段 IC02 年化基差率与各因子相关性|单位：无.6表 4:不同时间段机器学习模型因子打分|单位：无.7表 5:不同合约年化基差率与因子相关性|单位：无.8表 6:各模型 IC 年化基差周度预测效果|单位：无.10表 7:4

6、 模型 IC 年化基差周度预测效果|单位：无.11表 8:各模型 IH 年化基差周度预测效果|单位：无.12表 9:各模型 IF 年化基差周度预测效果|单位：无.13表 10:各模型 IM 年化基差周度预测效果|单位：无.14量化专题报告丨 2026/3/9请仔细阅读本报告最后一页的免责声明股指基差何去何从基于多因子体系的基差预测模型（二）基差预测模型的延申与优化在前序研究报告基于多因子体系的基差预测模型中，我们对基差相关因子、模型搭建、以及预测效果进行了展示。在此基础上，我们对预测的各个环节进行了一定的拓展和完善：1.加入新因子并调整因子的入选标准；2.固定因子改为滚动筛选因子；3.单合约拓