劉 健，侯文靜

（北京物資學院經(jīng)濟學院，北京 101149）

自1990年鄭州糧食批發(fā)市場成立以來，中國期貨市場已經(jīng)走過了近30年的歷程，取得了長足而深遠的發(fā)展。目前，中國期貨市場的品種越來越豐富，2019年期貨上市品種接近75個，初步形成商品期貨、金融期貨、商品期權(quán)和金融期權(quán)全覆蓋的市場格局。期貨市場的功能越來越齊全，證監(jiān)會、期貨協(xié)會以及各期貨交易所持續(xù)完善交易機制，降低交易成本，提高市場流動性，增強套保效率。期貨市場的規(guī)模越來越擴大，截至2020年底，伴隨著商品價格的大幅波動，中國期貨市場成交量、成交額雙雙創(chuàng)下歷史新高，同比分別增加55.29%和50.56%，成交量增速歷史第一，成交額增速歷史第三。隨著中國期貨市場的不斷發(fā)展，如何提升套保效率，如何在控制風險的前提下獲得持久且穩(wěn)定的收益，成為廣大期貨市場參與主體關(guān)注的重要問題，也是期貨研究者所關(guān)注的熱點問題。

本文利用CiteSpace5.5.R2知識圖譜可視化軟件和知網(wǎng)計量可視化分析，對有關(guān)期貨市場交易策略方面的高水平研究文獻進行計量分析，梳理有關(guān)期貨交易策略的重點與熱點研究主題，探尋期貨交易策略研究的演進路徑，分析期貨交易策略研究的熱點與方向，進而通過重點研讀國內(nèi)外高水平高引用的核心研究文獻成果，系統(tǒng)評述研究文獻及成果的理論貢獻與相關(guān)局限，并提出中國期貨市場交易策略研究的下一步趨勢與展望，期待能為今后有關(guān)期貨市場交易策略的理論研究提供線索與思路，并為中國期貨市場交易效率與套保效率的提升提供借鑒與參考。

一、數(shù)據(jù)來源與研究方法

（一）數(shù)據(jù)來源

本文從國內(nèi)、國外兩個方面對近年來有關(guān)期貨市場交易策略的研究文獻進行收集和分析。國內(nèi)文獻方面，為確保研究質(zhì)量，文獻搜集僅限于核心期刊級別以上的學術(shù)論文以及優(yōu)秀碩博士學位論文。本文以中國知網(wǎng)中國學術(shù)期刊全文數(shù)據(jù)庫中的SCI來源期刊、EI來源期刊、CSSCI來源期刊、CSCD來源期刊、核心期刊數(shù)據(jù)庫以及優(yōu)秀碩士論文數(shù)據(jù)庫、博士論文數(shù)據(jù)庫為檢索范圍，選擇“篇名檢索”策略進行文獻檢索，以“期貨、期權(quán)、套利、投機和套期保值”為關(guān)鍵詞進行檢索。國外文獻方面，以Ebsco、Elsevier和Jstor三大外文數(shù)據(jù)庫為檢索范圍，以“futures、options、arbitrage、speculate、strategy和hedging”為關(guān)鍵詞進行檢索。為確保研究的時效性和針對性，上述文獻檢索的時間范圍限定在2017年7月至2019年11月之間（包含2016年中文獻1篇、2020年英文文獻2篇）。通過上述檢索過程，共獲得中文文獻99篇、外文文獻52篇。

通過對初步搜集的文獻，進行文章題目、摘要和關(guān)鍵詞分析，篩除期刊征文啟事、主題介紹以及與研究主題關(guān)聯(lián)性不大的文章后，最終得到有效中文文獻65篇，有效外文文獻32篇。

（二）研究方法

本研究采用文獻統(tǒng)計分析法和內(nèi)容研究法，從定量和定性兩個層面探討期貨市場交易策略的研究現(xiàn)狀、熱點與趨勢。

對文獻的定量統(tǒng)計研究從文獻的分布性統(tǒng)計和主題性統(tǒng)計兩個層面進行分析，文獻分布性統(tǒng)計采用中國知網(wǎng)的計量可視化工具進行分析，考慮到分布性統(tǒng)計主要針對文獻的外在特性與分布特征，因此分析對象選定為初步搜集到的所有99篇中文文獻，而主題性統(tǒng)計涉及文獻的演進路徑、關(guān)鍵詞聚類等內(nèi)在屬性特征的分析，因此分析對象選定為經(jīng)過進一步篩選之后的65篇中文文獻，分析工具采用CiteSpace5.5.R2知識圖譜可視化軟件。①受文獻索引導出數(shù)據(jù)的可獲得性的限制，以及CiteSpace軟件使用的限制，本文的知網(wǎng)計量可視化分析以及Citespace可視化分析僅針對中文文獻展開，后文中的內(nèi)容研究部分將兼顧中英文文獻。

文獻的定量統(tǒng)計更多的是對文獻分布特征與文獻主題屬性的抽象描述，缺乏對重點文獻、重點內(nèi)容的內(nèi)在梳理與解讀。故本文采用內(nèi)容研究法，選取高頻次被引的高水平文獻，進行重點研讀、分析與歸納，對中國期貨市場交易策略研究的主要成果進行綜述與評價，實現(xiàn)對期貨市場交易策略研究發(fā)展脈絡(luò)的梳理，并對研究領(lǐng)域的趨勢與展望進行研判。內(nèi)容研究的文獻包含經(jīng)篩選后的有效中文文獻65篇及有效英文文獻32篇。

二、研究文獻分布性統(tǒng)計分析

（一）文獻時間分布分析

如圖1和表1所示，99篇文獻中，2016年發(fā)表1篇，2017年發(fā)表8篇，2018年文獻發(fā)表數(shù)量則快速增長至66篇，2019年下滑至24篇。2017年至2018年文獻發(fā)表數(shù)量增長7倍之多，說明自2017年以來國家在大力發(fā)展期貨市場、強調(diào)期貨服務實體經(jīng)濟功能的同時，理論界和實務界對期貨市場交易策略的研究日益重視。雖然2018年至2019年發(fā)文數(shù)量有所下降，但依然有25篇之多，且從引證文獻來看，2019年引證文獻數(shù)量遠遠超過了2018年，是2017年引證文獻的10倍之多，由此可見，2019年有關(guān)期貨市場交易策略的研究文獻受關(guān)注度大幅提升，文獻質(zhì)量大幅提高。

圖1 文獻的時間分布

表1 文獻時間分布

（二）核心作者統(tǒng)計分析

作者分布方面，如圖2所示，曹玉珊、余星、劉勇軍都以三篇占所選文獻的2.7%，陳標金以兩篇占所選文獻的1.8%，其他作者在所選文獻里各有一篇，共占比80.0%。②從以上數(shù)據(jù)，我們可以看出，作者分布較為分散，缺少期貨交易策略研究的標志性作者，我國的期貨市場交易策略研究仍有待深入，未來仍有很大的研究空間。

圖2 文獻的作者分析

（三）發(fā)文機構(gòu)分布分析

在機構(gòu)分布方面，如圖3所示，文獻出自北京交通大學的有5篇，占比最高，為4.7%；江西財經(jīng)大學、西安交通大學、華南理工大學以及安徽大學的發(fā)文量均為4篇，占比均為3.7%；除此之外，其它69篇文獻均由不同機構(gòu)發(fā)表，占比64.5%。③

圖3 文獻的機構(gòu)分析

數(shù)據(jù)表明，近年來關(guān)于期貨交易策略研究文獻的發(fā)表，期貨作為傳統(tǒng)優(yōu)勢專業(yè)的普通高校，如中國農(nóng)業(yè)大學、北京工商大學、北京物資學院等占比并不突出，而上海交通大學、江西財經(jīng)大學、西安交通大學、華南理工大學、安徽大學占比較多。由此可見，期貨已成為各個高校關(guān)注的重點，期貨專業(yè)傳統(tǒng)優(yōu)勢高校如果不注重創(chuàng)新性研究很容易被其他高校追趕甚至被超越。

（四）文獻類型分布分析

如圖4所示，有關(guān)期貨市場交易策略研究文獻的最主要來源是碩士論文，共有53篇，占比53.5%；期刊文獻為44篇，占比44.4%；博士文獻僅為2篇，占比2%。碩士論文和學術(shù)期刊占所發(fā)表文獻來源的98%，博士論文非常少。由此可見，對于期貨策略的研究不夠深入，未引起理論界的高度關(guān)注和重視。

圖4 文獻的資源類型分析

（五）文獻學科領(lǐng)域分布

在學科領(lǐng)域方面，如圖5所示，歸屬于為經(jīng)濟與管理科學的發(fā)文文獻最多，共97篇，占所選文獻的80.2%；基礎(chǔ)科學13篇，占所選文獻的10.7%；信息科技5篇，占所選文獻的4.1%；工程科技Ⅰ輯，共3篇，占比2.5%；社會科學Ⅱ輯，共2篇，占比1.7%；農(nóng)業(yè)科技1篇，占比0.8%。被描述統(tǒng)計文獻共計123篇，超出所選的99篇文獻，說明存在24篇文獻是多學科交叉研究成果，占文獻發(fā)表總量的25%。

圖5 文獻的學科領(lǐng)域分析

從上述數(shù)據(jù)來看，對中國期貨市場交易策略的研究主要還是歸屬于傳統(tǒng)的經(jīng)濟與管理科學，如近期期貨市場業(yè)務創(chuàng)新的熱點主題“期貨+保險”模式，理應在經(jīng)濟管理科學與農(nóng)業(yè)科學之間交叉研究，但歸屬于農(nóng)業(yè)科技的發(fā)文文獻僅為1篇，說明中國的期貨市場交易策略研究還缺乏跨學科的系統(tǒng)性研究，如與計算機、量化、程序化的結(jié)合等，與其他學科的聯(lián)系與交叉，有助于更全面、更具體地研究期貨交易策略，應該成為未來研究的一個趨勢與重點。

三、研究文獻主題性統(tǒng)計分析

（一）文獻研究演進路徑分析

圖6是利用Citespace 5.5.R2軟件對所選文獻進行的時間線分析，在2017年至2019年間，時間線共分成了五個部分。

圖6 期貨交易策略的演進路徑分析

首先是量化交易，它經(jīng)歷了農(nóng)產(chǎn)品期貨→跨品種套利→統(tǒng)計套利→程序化交易→套利的發(fā)展歷程，可見，對于量化交易而言，其對象正由農(nóng)產(chǎn)品期貨向多品種期貨發(fā)展，而且套利方式多樣。

其次是套保效率，它的發(fā)展歷程為股指期貨→跨期套利→國債期貨→套期保值→利率風險、金融衍生品、套保效率，可以看出，對于套保效率而言，由關(guān)注期限的影響發(fā)展到對利率及品種的關(guān)注，期貨策略的研究考慮更加全面。

再次是協(xié)整，經(jīng)歷了從協(xié)整配對交易→商品期貨→協(xié)整的發(fā)展歷程，協(xié)整的進行不再僅僅依賴于配對交易而關(guān)注商品期貨的組合是期貨交易策略較為明顯的發(fā)展趨勢。

然后是套期保值比率，經(jīng)歷了從套期保值比率到滬深300指數(shù)期貨的發(fā)展，說明套期保值不僅可以在商品期貨中展開，指數(shù)期貨也可以很好的進行套期保值。

最后是期貨，經(jīng)歷了期貨→高頻數(shù)據(jù)→最優(yōu)套期保值比率，說明對于期貨的研究，學術(shù)界不再僅僅局限于規(guī)避風險，而是要在規(guī)避風險的基礎(chǔ)上實現(xiàn)增值，這為期貨的交易策略研究提供了發(fā)展方向。

（二）關(guān)鍵詞聚類分析

圖7是根據(jù)Citespace5.5.R2軟件進行的關(guān)鍵詞聚類分析，每個聚類是多個緊密相關(guān)的詞組成的，聚類順序從0到4，數(shù)字越小，表明聚類中包含的關(guān)鍵詞越多。分析結(jié)果顯示，對期貨市場交易策略的研究根據(jù)關(guān)鍵詞出現(xiàn)的頻率和頻次，一共積聚成了5類，分別是量化交易、套保效率、協(xié)整、套期保值比率和期貨。本文將在下一節(jié)對上述幾個方面的重點文獻進行研讀并分析和歸納相關(guān)的重要研究成果。

圖7 關(guān)鍵詞聚類分析

（三）高影響力文獻統(tǒng)計

文獻被引率是評價文獻水平的重要指標之一，反映了該文獻在學術(shù)影響力上的高低程度。表2列出了2017至2019年在期貨交易策略研究上影響力較高的文獻，其中張嬈的《監(jiān)管層自利、外部監(jiān)督與盈利預測偏差》被引頻次最高，由此可以看出期貨監(jiān)管是學者們在期貨交易策略研究上關(guān)注的重點。其余9篇涉及套期保值策略和套保模型等，是期貨交易策略的傳統(tǒng)的研究熱點與主題。

表2 期貨交易策略研究高影響力文獻列表

四、中國期貨市場交易策略研究綜述

為更好地梳理和分析中國期貨市場交易策略的研究重點，在上文對文獻進行統(tǒng)計分析的基礎(chǔ)上，特別是結(jié)合文獻研究演進路徑與關(guān)鍵詞聚類分析結(jié)果，本文進一步采用內(nèi)容研究法，對近年來高影響力、高水平的部分文獻進行重點研讀，對近年來有關(guān)期貨市場交易策略的研究成果從研究對象與研究方法兩個層面進行歸納和綜述。

（一）研究對象主題研究成果

1.套保比率與套保效率主題研究成果

在優(yōu)化套保比率以提升套保效率方面，Jin Suk Park通過建立一個馬爾可夫制度轉(zhuǎn)換（MRS）模型考察套期保值和投機壓力對金屬和能源市場現(xiàn)貨與期貨關(guān)系轉(zhuǎn)變的影響。研究發(fā)現(xiàn)，在銅、原油和天然氣市場上，套期保值壓力增加了轉(zhuǎn)換的可能性，而投機壓力則降低了這種可能性，但在白銀和采暖油市場上，這一效應相對較弱。作者通過檢驗最小方差套期保值比率的套期保值效果，提升套期保值比率[1]。Yudong Wang在不同的最小風險框架下對套期保值績效進行了評價，并試圖找到最優(yōu)的套期保值模型。他共使用了十個流行的計量經(jīng)濟指標，結(jié)果表明，常數(shù)套期保值比模型在min-V框架下的表現(xiàn)要好于動態(tài)對沖比率模型，而在min-R框架下，DCC-garch的情況則表現(xiàn)最好。[2]Shu-Mei Chiang提出了一種包括時變連續(xù)狀態(tài)GARCH和離散跳變分量的模型，以分析三個農(nóng)業(yè)期貨的波動特征。結(jié)果表明，美元指數(shù)和油價確實影響了玉米、大豆和小麥期貨的價格。自回歸跳躍強度（ARJI）趨勢模型比GARCH模型更好地擬合，在預測性能方面優(yōu)于GARCH模型，可以有效提升套保效率。[3]尹力博通過利用最優(yōu)動態(tài)套期保值模型，構(gòu)造了兩個適合于投資者進行長期投資的最優(yōu)資產(chǎn)組合，其一是雙贏策略，另一個是最優(yōu)動態(tài)套期保值模型。最優(yōu)動態(tài)套期保值模型在考慮了規(guī)避風險的基礎(chǔ)上也實現(xiàn)了投資者盈利的需求。套保需求由短期純套保需求和跨期套保者套利需求兩部分構(gòu)成，更進一步地研究了套期保值比率的意義，也更符合企業(yè)長期套保的利益訴求。[4]王杰結(jié)合HAR模型和DCC-GARCH模型，為了得出混頻套期保值比率，便利用了經(jīng)過高頻數(shù)據(jù)估計下的相關(guān)系數(shù)和低頻數(shù)據(jù)估計期貨與現(xiàn)貨的方差。[5]牛耘選取了最便宜可交割券150005.IB以及從2015年4月15日到2016年12月 30日的3～5年、5～7年、7～10年、10年以上國債指數(shù)的日收盤價序列作為現(xiàn)貨序列，并選取了相同期間的十年期國債期貨的日收盤價序列作為期貨序列，運用ECM、OLS、GARCH和Copula-GARCH四種方法估算期貨序列對各現(xiàn)貨序列的套期保值比率，然后根據(jù)單位風險補償最大化和風險最小化方法來評估出的套保比率的套保績效，最后認為，四種方法所估計的同一現(xiàn)貨的套期保值比率差異不大，按套保比率大小進行排序有GARCH＞ECM＞OLS＞Copula-GARCH，Copula-GARCH模型所估算出的套保比率最小，因此套保成本也最小，故而套保效率最好。陳昕利用靜態(tài)套期保值模型、誤差修正模型（ECM）、普通最小二乘法（OLS）、廣義自回歸條件異方差（GARCH）、動態(tài)套期保值模型、指數(shù)廣義自回歸條件異方差（EGARCH）來估計最優(yōu)套期保值比率，發(fā)現(xiàn)這幾種模型所估算得到的套期保值比率基本一致。[6]蔡清亮為了測算出動態(tài)套期保值比率，采取了修正的ECM-GARCH模型，消除了由殘差序列的條件異方差導致的額估計模型結(jié)果的誤差，也消除了期現(xiàn)價格之間長期的均衡關(guān)系。[7]裴元選取2013年到2018年3月中國、新加坡鐵礦石市場的現(xiàn)貨和期貨日收益率序列，并構(gòu)建 Copula-GARCH模型以確定最優(yōu)套期保值比率。結(jié)果表明該模型的套期保值比率最小，且相比其他方法，套期保值效率最高。[8]王瑋在分析AAA不同期限最小二乘法（OSL）套期保值效果的基礎(chǔ)上，得出國債期貨可以進行管理信用債風險，且為防范信用債風險提供了發(fā)展方向，即：將國債期貨和滬深300股指期貨相結(jié)合，進行組合套保，可以提高套期保值效率。[9]

2.量化交易主題研究成果

在量化交易方面，賴添指出，在對我國商品期貨市場進行量化投資的背景下，根據(jù)隨機森林的波動性分類過濾策略的入場條件，會很大程度上改善交易策略結(jié)果。[10]鄧斌通過分析中國期貨市場滬深 300股指期貨，研究中國期貨市場上量化投資的應用和發(fā)展，編寫策略時利用TB量化軟件，更進一步地，依據(jù)滬深300股指期貨的歷史數(shù)據(jù)，運用擇時規(guī)則與策略打造成盈利加倉交易模型，進行盈利加倉模型的實證分析，測試的最終結(jié)果顯示量化投資并不是摒棄了傳統(tǒng)意義上的技術(shù)面分析和基本面分析的投資方式，而是在此基礎(chǔ)上利用計算機技術(shù)，提升信息整合能力，促使投資者作出更為有效的投資策略。[11]李易桐為提出了一個很好的投資者優(yōu)化MACD參數(shù)的方法，認為投資者可以把MACD參數(shù)應用在不同市場以進行優(yōu)化，還能利用其他技術(shù)指標，比如布林線等指標進行參數(shù)優(yōu)化，提升技術(shù)分析的正確性，降低投資者投資的風險。[12]章旗凱在研究投資策略的可行性時，篩選了關(guān)于期貨市場信號源頭的指標，結(jié)合信號組合建立了FOF基金的量化投資策略。這種投資策略不僅在樣本區(qū)間內(nèi)取得了穩(wěn)健而優(yōu)秀的成績，還在樣本區(qū)間外表現(xiàn)出了該投資策略在控制風險、獲取收益等方面的平穩(wěn)表現(xiàn)，擁有推廣的實踐性和設(shè)計的科學性。[13]盧國豪在建立動態(tài)權(quán)重資金流向模型的基礎(chǔ)上，使該模型可以有效顯示市場資金流向及其規(guī)律，并在新公式的基礎(chǔ)上構(gòu)建量化交易策略，包含了商品期貨市場價格變動和資金流向之間的關(guān)系，進而使避免直接套用股市資金流向公式所產(chǎn)生一系列錯誤成為可能。[14]費佳峰利用實務界中兩種不同類別的交易策略并略微修改，構(gòu)建了相對應的量化擇時交易系統(tǒng)和統(tǒng)計交易系統(tǒng)，得到單一策略無法使全品種獲利，擇時交易系統(tǒng)和市場波動率的變化方向基本一致，交易策略經(jīng)波動率擇時后的效果比簡單疊加的結(jié)果更優(yōu)的結(jié)論。[15]張玉希在股指期貨市場上應用現(xiàn)代技術(shù)的時間序列分析，在改進預測波動率的GARCH模型的基礎(chǔ)上，構(gòu)建了AR(4)-EGARCH（1,1）模型，利用標準化殘差序列的特點確定交易閾值，可以有效描述數(shù)據(jù)的相關(guān)性，在將交易成本納入考慮范圍的情況下，投資的風險低且成功幾率大，所以該模型在一定的范圍內(nèi)具有實踐性和參考價值，并提醒投資者在進行套利交易時，既要關(guān)注交易手續(xù)費率的變化，也要關(guān)注高頻數(shù)據(jù)以便利用更多套利機會。[16]

3.協(xié)整應用主題研究成果

較多的學者采用協(xié)整的方法應用于交易策略分析與檢驗。王建華研究了時變系數(shù)協(xié)整回歸模型，以解決經(jīng)典協(xié)整回歸模型在實際應用中所存在的不足，然后對金融時間序列的變點時刻進行了測算，并在股指期貨統(tǒng)計套利策略中引入合適的變結(jié)構(gòu)點，能夠更加精確地認定股指期貨的買點和賣點，以更好地利用套利交易機會，獲得更為優(yōu)異的套利成績。[17]陳治多通過運用門限協(xié)整理論構(gòu)建模型，即構(gòu)建了TVECM模型和TAR模型，對門限協(xié)整的作用進行了驗證，門限協(xié)整也可應用到跨品種套利的研究中，可以有效提升策略的效果。[18]王思云利用協(xié)整模型均值回復的原理，構(gòu)建了面向整個商品期貨市場的組合交易策略。但是該策略在組合比例中存在無法消除的正常誤差。[19]吳靜雯通過利用菜籽油、棕櫚油和豆油三者之間的變化構(gòu)建Li index指標，通過觀察均線和指標之間存在的某種關(guān)系進行套利研究。并在比較不同策略不同組合的年化收益率、夏普比率、累計收益率、最大回撤等指標的基礎(chǔ)上，認為基于協(xié)整的兩兩跨品種統(tǒng)計套利策略可以做到回撤率更小的基礎(chǔ)上的年化收益率最大化，因此優(yōu)于基于 Li index的三個品種組合跨品種套利策略。[20]

4.期貨品種主題研究成果

Yue Zhang在研究電力期貨時，在分析反向神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，利用需求側(cè)定價機制（DSP）和機會成本定價機制（OCP），得出的結(jié)論如下：期貨價格的表現(xiàn)與批發(fā)市場的定價機制密切相關(guān)：在DSP下，期貨價格為較高，波動較大；在OCP下，期貨價格較低范圍但更穩(wěn)定。[21]Panit Arunanondchai通過分析ETF的樣本外套期保值效果，并與期貨交易所進行比較，探討ETF在應對原油、汽油、采暖油和天然氣市場尾部風險方面的作用。應用經(jīng)驗分布法和kernel copula法估計了多空套期保值者的風險最小值(Var)和最小期望缺口(ES)套期保值比率。結(jié)果表明，期貨合約是較好的原油和采暖市場尾部風險的對沖工具，而ETF在汽油和天然氣市場提供了更好的下行風險保護。[22]何其祥通過對國內(nèi)商品期貨進行研究，并根據(jù)相關(guān)的交易數(shù)據(jù)和不同的交易策略，對風險溢價進行了分類，并且根據(jù)分類分別研究了其與市場經(jīng)濟變量之間的關(guān)系。[23]林杰在研究棕櫚油期貨的基礎(chǔ)上，得出程序化交易可以優(yōu)化交易策略的結(jié)論。[24]尹力博基于對原油期貨組合的分析，認為從長期投資者立場出發(fā)的最優(yōu)動態(tài)套期保值模型是一種雙贏策略，并且穩(wěn)健易行。[4]張蕾對農(nóng)產(chǎn)品期貨市場進行了研究，認為可以通過交叉套期保值來降低農(nóng)產(chǎn)品市場風險。[25]王良基于ETF基金組合，構(gòu)建了高頻數(shù)據(jù)條件下的股指期貨套利模型，他認為，在中國股指期貨市場上，與反向套利機會相比，正向套利機會較多。[26]張璐在對中國金融期貨交易所交易的滬深300股指期貨歷史交易數(shù)據(jù)進行研究的基礎(chǔ)上，認為套期保值交易行為應得到鼓勵，以推動我國股指期貨市場的穩(wěn)健運行。[27]徐鵬利用了歷史分解工具和SVAR模型對原油價格波動進行了分析，發(fā)現(xiàn)原油價格驅(qū)動因素主要是由于美元流動性和需求側(cè)沖擊，在此基礎(chǔ)上提出了推動經(jīng)濟高質(zhì)量發(fā)展、改善原油使用效率和提升人民幣在原油期貨定價中的定價權(quán)的建議。[28]王旭寧通過對50ETF期權(quán)和IH期貨套利的分析，認為50ETF和IH期貨間存在一個較為穩(wěn)定的差價。[29]葛天倫研究分析了國債期貨，認為不同類型的投資者適合不同的策略方法，有些投資者會綜合考慮風險和收益之間的關(guān)系，就適合基點價值法，而有些投資者更注重風險規(guī)避，就適合OLS、B-VAR、ECM、GARCH模型。[30]

（二）研究方法主題研究成果

Bin Gao考慮到期貨市場套利的局限性，提出了一種多期交易的感性定價模型，討論了期貨均衡價格在長期和短期受情緒影響的投資者，包括理性套利者都在市場中存在和相互作用時如何變化的問題。作者認為，該定價模型優(yōu)于其他模型，可以更好地預測期貨價格。[31]Shu Mei Chiang采用自回歸跳躍強度（ARJI）和分量模型相結(jié)合的ARJI趨勢模型來分析美國的影響、美元指數(shù)和油價對生物燃料相關(guān)商品期貨動態(tài)特性的影響。結(jié)果表明，ARJI趨勢模型不僅能更好地擬合玉米、大豆和小麥期貨波動動態(tài)數(shù)據(jù)，而且在樣本外預測方面也表現(xiàn)得更好。[3]Bouchra Benzennou通過研究危機時期影響股票期貨和期權(quán)流動性的共同因素，研究指出，在衍生品市場同時低流動性的時期，市場參與者需要謹慎地構(gòu)建其對沖、投機和套利策略。[32]Masato Ubukata利用現(xiàn)貨和期貨收益的時間序列模型，提出了一種條件最小下行風險套期保值方法，并實現(xiàn)了協(xié)方差測度。[33]Hui Qu研究了基于高頻數(shù)據(jù)的實現(xiàn)最小方差套期保值率（RMVHR）方法的動態(tài)套期保值性能。結(jié)果表明，在樣本外預測周期內(nèi)，基于RMVHR方法的動態(tài)套期保值性能在套期保值有效性和跟蹤誤差波動率方面均明顯優(yōu)于傳統(tǒng)方法。此外，基于RMVHR的方法在不同的市場結(jié)構(gòu)和不同的波動機制（包括2015年中國異常的市場波動和2008年的美國金融危機）中具有強大的優(yōu)勢。[34]賴添通過對我國的期貨市場進行量化投資，極大地改善投資交易結(jié)果。[10]鄧斌在傳統(tǒng)的基本面分析和技術(shù)面分析的基礎(chǔ)上，結(jié)合了信息技術(shù)，利用TB量化軟件編寫交易策略，使投資開展得更加迅速且穩(wěn)定。[11]王杰通過利用低頻數(shù)據(jù)與高頻數(shù)據(jù)的不同作用，確定了混頻套期保值比率，得出混頻套期保值所得出的績效會優(yōu)于單一頻率所確定的套期保值績效。[5]王力文基于對泛化套利交易系統(tǒng)的分析，認為可以將復雜的操作和運算交由程序處理，而不必耗費大量人力，使套利交易解決方案的用戶操作得到簡化。[35]周亮通過對機器學習方法的研究論證，得出機器學習方法不但在非線性時間序列中預測較準，而且為低風險套利提供了新的方向。[36]林杰將交易策略模型進行程序化，構(gòu)建了商品通道指標（CCI）和相對強弱指標（RSI），得出程序化交易可以優(yōu)化模型參數(shù)，從而獲取更大收益。[24]黃橙利用Logistic模型，對比分析了多元化經(jīng)營和衍生金融工具對沖兩種風險控制手段，發(fā)現(xiàn)相對于縱向多元化的企業(yè)，橫向產(chǎn)品多元化的企業(yè)更傾向于參與期貨市場。[37]王建華為測算金融時間序列中的結(jié)構(gòu)突變點，利用時變系數(shù)協(xié)整回歸模型，并利用測算出的變點構(gòu)建了變結(jié)構(gòu)協(xié)整模型，研究出的結(jié)果表明相對于普通協(xié)整模型下的套利效果，在時變系數(shù)協(xié)整模型的基礎(chǔ)上檢測的兩個變點套利效果更好。[17]李巖通過進行計量模型分析，得出發(fā)展成熟的期貨產(chǎn)品其期、現(xiàn)價格在基本保持同步變動的基礎(chǔ)上存在著短暫的相互領(lǐng)先關(guān)系。[38]傅強利用時變狀態(tài)空間模型研究期貨市場有效性是如何演變的，并創(chuàng)新性地研究了市場深度，認為市場深度可以略微提高期貨市場的有效性，并減緩市場有效性的波動。[39]陳標金進行了量價關(guān)系實證分析，并利用了Wilcoxon秩分析，最終發(fā)現(xiàn)，保證金比率和交易費用的臨時提高對調(diào)控期貨價格波動和趨勢無效，提高比率幅度較大時才能對期貨市場的過度投機行為起到抑制作用，但會加劇短期價格的波動。他認為期貨交易所應利用“大戶報告制度”和“持倉限額制度”防范期貨市場的價格操縱和過度投機。[40]錢煜昊運用ARM模型，認為由于存在理性預期，期貨市場的投機誘導與金融化對商品期貨的長期價格影響并不顯著，而實際供求關(guān)系對商品期貨的長期價格起著主導作用。[41]張瑞穩(wěn)通過對比傳統(tǒng)的套期保值模型，構(gòu)建了GARCH-CVaR優(yōu)化動態(tài)套期保值模型，認為GARCH-CVa模型比GARCH-VaR模型更具有實用價值，其套保比率更高。[42]邸浩利用LSTM-Adaboost模型對非平穩(wěn)、非線性的商品價格序列進行建模和估算，得出基于LSTMAdaboost模型的商品期貨交易策略投資效果更優(yōu)。[43]龍奧明對比研究了LSTM神經(jīng)網(wǎng)絡(luò)算法、卷積神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)，得出基于LSTM神經(jīng)網(wǎng)絡(luò)的套利效果更好。[44]

五、結(jié)論與展望

（一）結(jié)論

綜上所述，本文通過可視化分析，發(fā)現(xiàn)對中國期貨市場交易策略的研究主要集中在套保效率、量化交易、協(xié)整應用、套保比率、期貨品種以及研究方法等主題上，研究熱點眾多。在眾多套保模型中，基于GARCH模型所做的套保效率最高；量化投資也可以通過GARCH模型進行研究，并且量化投資是期貨交易策略的研究重點；協(xié)整模型并不能滿足實際研究的需要，學者們于是在協(xié)整模型的基礎(chǔ)上發(fā)展了時變系數(shù)協(xié)整回歸模型、TVECM模型和TAR模型等模型，有效地提升了套保效率；許多學者都曾對套保比率進行對比，最終認為Copula-GARCH模型的套期保值比率最小，且相比其他方法，套期保值效率最高；學者們還通過構(gòu)建模型、對比探討、實證分析等研究方法對期貨交易策略進行研究，研究方法隨著研究品種、期限等的不同而不同；研究對象覆蓋了電力期貨、棕櫚油期貨、農(nóng)產(chǎn)品期貨、國債期貨、50ETF期權(quán)和IH期貨、滬深300股指期貨等多品種，研究品種較為齊全。

（二）展望

基于上述研究過程與研究結(jié)論，結(jié)合期貨交易策略的理論脈絡(luò)與現(xiàn)實情境，本文認為，下一步有關(guān)中國期貨市場交易策略的研究，首先應優(yōu)化和提升期貨交易策略的研究方法，關(guān)注何種研究方法在交易策略理論研究與交易實踐中更可靠和有說服力，同時更多地關(guān)注交易策略研究模型的可應用性。其次注重套期保值的策略和程序的開發(fā)與應用，以更好地實現(xiàn)套期保值的目的。最后，對量化交易策略進行實際應用，因為量化投資依據(jù)克服了人性弱點的計算機技術(shù)進行資產(chǎn)配置，可以有效降低風險，提高決策的科學性。

注釋：

① CiteSpace是由華裔學者陳超美教授創(chuàng)制的一個文獻計量學工具，可用于觀察某個研究領(lǐng)域的研究趨勢或動向，并以可視化的方式加以呈現(xiàn)。

② 總篇數(shù)為102篇，超出所選文獻總數(shù)，不排除有些作者在所選文獻中出現(xiàn)不止一次的情況。

③ 共計90篇，較所選的99文獻少9篇，不排除機構(gòu)聯(lián)合發(fā)表的情況。