数量技术宅团队在CSDN学院推出了量化投资系列课程
欢迎有兴趣系统学习量化投资的同学，点击下方链接报名：
月度效应展示
往期的分享，我们都是按照先逻辑、后代码、最后进行可视效果展示的顺序。在本期的分享，我们先来一段效果的展示，来带着大家进入我们本期分享的内容：商品期货月度效应的统计。
为何统计商品期货的月度效应
为什么选择统计商品期货，而非股票，或是数字货币的月度效应？这是因为，相比较其他金融资产，商品期货背后所对应的是实物资产，比如农产品、工业品，而这些实物资产，都存在着一些明确的随季节变化的供需规律。
对于工业品，由于需求端的变化会产生季节性及对应的月度效应。以螺纹钢为例，螺纹钢下游主要是房地产、基建，需求有明显的淡季旺季之分，每年的9、10月份是旺季（对应地产的金九银十），而每年的春节、7、8月份是淡季（对应春节放假、夏季工地停工），而商品的现货价格也将对淡季、旺季的需求有上下波动的反应。
我们再来看农产品，农产破的供应端播种收获呈现显著季节性的特征，而需求端也会因为节假日呈现明显的节日效应。以鸡蛋为例，每年的中秋、春节，是鸡蛋消费的旺季，特别是中秋，鸡蛋是月饼的主要原料，往往是年内价格的最高以及次高点。而非节日，消费则相对平稳，价格也相应有所回落。
由于商品期货背后的季节性、月度效应是有其逻辑支持的，我们可以统计各个品种历史上的月度平均收益率，从数据来检验，季节性的逻辑是否成立。
商品、板块月度统计的Python实现
我们利用Python来实现商品期货月度效应的统计，并将统计的结果以用户友好的方式，呈现出来。
第一步，使用Wind API获取商品各个品种指数的数据（我们以南华指数为例）。之所以使用指数数据，是为了避免换月影响，综合计算各到期月合约的加权收益率，能更好的反应期货品种实际的涨跌幅。
第二步，按商品品种循环，对获取到的数据进行时间日期格式的标准化，并按照所得到的月份，分组计算均值。
第三步，对统计结果进行可视化，按照红绿柱，划分月度的涨跌，也就是我们在文章开头看到的可视化效果。我们抽取了此前提到的螺纹钢、鸡蛋，来为大家展示效果。
可以看到，螺纹钢有显著的淡旺季，比如每年的2、3月，春节附近、天气寒冷，需求减弱，价格降低；而每年的8、9月，天气炎热，价格同样处于低谷。
而对于鸡蛋来说，我们在图中可以看到一个显著的旺季，就是10月，10月对应着中秋国庆，前文的逻辑分析，也在此处的数据中得到了验证。
月度效应的时变性
虽然我们统计得到了全历史的月度效应特征，但是，随着期货市场的成熟、市场效率提高，传统淡旺季的预期，将会提前反应在不同到期月合约的价格中，最终造成旺季不旺、淡季不淡的现象。我们统计得到的螺纹钢、鸡蛋的月度效应，也有一些收益数据，是与逻辑相违背的。
因此，我们再按照年度分段统计，以5年为一个周期，统计按5年计算的月度平均收益率。我们按照年度切分原始数据，再按月计算每个品种月涨跌幅的均值，并绘图。
有一些品种的季节性，基本上不随时间变化，表现出较为稳定的规律，比如白糖，按照以5年为间隔切分历史数据，计算得到的月度效应，基本都呈现出1、2、10月左右旺季，而3至7月淡季的月度规律。
再比如螺纹钢，我们就可以看到，随着时间的推移、市场的成熟，与早期明显的淡旺季相比，近几年开始呈现出旺季不旺、淡季不淡的特征。
月度效应对交易的指导
我们统计月度效应，最终的目的必然是要落实到交易。月度效应可以作为交易的主信号，或是辅助信号。而不同品种用于月度效应规律的交易，需要确认的最重要的条件是，首先要警惕月度效应不稳定的品种。因为月度效应不稳定的品种，它的市场结构、成熟度往往还在发生着较为显著的变化，此时所得到的规律，极有可能在未来再次发生改变。
而对于月度效应较为稳定的品种，比如我们前文举例的白糖，我们有两种使用月度效应统计结果的方式：
-
作为交易主信号，即根据月度效应方向进行交易
-
作为辅助信号，比如结合商品趋势策略的信号，当月度效应方向与趋势策略主信号方向相反时，减小交易头寸或过滤交易信号，而当月度效应方向与趋势策略主信号方向相同时，增加交易头寸或开启交易信号，此类辅助信号是否有效，我们可以在挑选主信号后，比较容易地测试出结果。
想要获取本次分享的完整代码，或是任何关于数据分析、量化投资的问题，欢迎添加技术宅微信：sljsz01，与我交流
本期代码同步放送在数量技术宅知识星球：量化学院
欢迎加入数量技术宅知识星球：量化学院，知识星球每日更新，内有更多量化干货，等着你来学习。星球学院=公众号全策略+星球独家量化干货+答疑+日更。欢迎订阅量化学院，用一年的时间，做一件让自己感动的事。（下图为部分量化学院更新内容）
欲加入量化学院的同学，请添加技术宅微信sljsz01领取星球优惠券，限最后3位优惠名额，谢谢。
往期干货分享推荐阅读
Omega System Trading and Development Club内部分享策略Easylanguage源码
量化交易如何选择云服务器，如何在本地远程开发与调试云服务器程序
【数量技术宅|量化投资策略系列分享】基于指数移动平均的股指期货交易策略
AMA指标原作者Perry Kaufman 100+套交易策略源码分享
【数量技术宅|金融数据分析系列分享】套利策略的价差序列计算，恐怕没有你想的那么简单
【数量技术宅|量化投资策略系列分享】成熟交易者期货持仓跟随策略
【数量技术宅|金融数据分析系列分享】为什么中证500（IC）是最适合长期做多的指数
大宗商品现货数据不好拿？商品季节性难跟踪？技术宅带你Python爬虫一键解决没烦恼
【数量技术宅|金融数据分析系列分享】如何正确抄底商品期货、大宗商品
397
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
