来源：市场资讯

（来源：MathInvestment）

一、研究背景与动机

投资者信念在资产定价中扮演核心角色。近十年来，行为金融学的一个重要分支提出：投资者并非完全理性地形成对未来收益的预期，而是倾向于将过去的价格走势"外推"到未来。也就是说，当某资产近期表现好时，投资者会期待它继续上涨；反之则继续下跌。这种被称为"外推性信念"（extrapolative beliefs）的行为偏差，已在股票市场和宏观预期数据中得到广泛验证。

但既有文献几乎全部集中在权益市场，其他大类资产的外推效应证据相当稀缺。商品期货市场恰好是检验外推理论外部有效性的理想场所，原因有三：

第一，商品期货市场长期被三套经典理论解释——基于套保需求的正常贴水理论（Keynes、Hicks）、基于库存与便利收益的存储理论（Kaldor），以及基于投机者风险承担的流动性溢价理论。但近期研究越来越强调投机交易在定价中的作用。

第二，外推性交易（如趋势跟随、动量策略）在商品期货市场极其盛行，CTA（Commodity Trading Advisor）几乎是该市场的主导参与者之一。

第三，商品期货市场的参与者结构相对清晰——商业交易商主要套保，非商业交易商主要投机——这为识别不同信念主体提供了天然的实验设计。

本文要解决的核心问题是：商品期货市场中是否存在外推性信念？如果存在，它能否预测横截面收益？背后的经济机制是什么？

二、识别策略：用持仓数据揭示信念

2.1 为什么用持仓代理信念

外推信念本身是不可观察的隐变量。股票市场研究通常使用调查数据（如美国个人投资者协会 AAII 情绪调查），但商品期货市场缺乏长样本、高覆盖度的预期调查数据。

本文提出一个新思路：用CFTC（美国商品期货交易委员会）的持仓报告来代理投资者的信念。理由有二：

其一，持仓选择直接反映信念。在以机构主导的商品期货市场中，非商业交易者的持仓主要源于其对未来价格的判断，行为偏差比零售主导的股市更加干净。

其二，CFTC数据覆盖了26个主要商品合约、长达近40年（自1986年起），每周更新，并细分了交易者类型——这是任何调查数据无法企及的颗粒度。

作者首先用一个验证测试说明持仓确实包含信念信息：把标普500股指期货中非可报告交易商（基本就是个体投机者）的净多头持仓，与AAII的散户情绪指数做对比，相关系数为0.24（1%显著）。这意味着，散户的持仓与他们的预期高度同步。

图：散户投资者预期（AAII 情绪指数）与标普 500 股指期货中非可报告/非商业交易商净多头持仓的同步变化，验证持仓可作为信念的代理变量。

2.2 谁在外推？线性模型检验

下一步是检验各类交易者的持仓是否真的对过去收益有外推性反应。设定如下线性回归：

其中是月末持仓（按品种标准化），为过去12个月的滞后收益，控制品种和月份固定效应。

实证结果非常清晰：

非商业交易者（投机者）的多头持仓与近期收益显著正相关（），空头持仓与近期收益显著负相关（）。也就是说，近期价格上涨时，他们加多头、减空头；近期下跌时反向操作。

更关键的是，近期收益的权重（ on net position）远大于较远期收益（）。这正是外推性信念的典型形态：越近的信号权重越高。

商业交易者则呈现镜像——他们的持仓与近期收益负相关，因为他们站在投机者的对面提供套保。

2.3 指数衰减模型

为了更精确地刻画权重的衰减结构，作者借用 Cassella & Gulen (2018) 的指数衰减模型：

其中捕捉过去收益对持仓的总体影响（水平效应），捕捉权重的衰减速度（斜率效应）。越接近0，越说明投资者高度依赖最近的收益（外推程度高）；越接近1，权重越平均。

估计结果显示，非商业交易者净多头持仓的，而股票市场的相应估计约为0.6-0.7。也就是说，商品期货的外推半衰期比股市更长，需要更长的形成窗口才能完整刻画。

2.4 构造DOX指标

基于上述验证，作者借鉴 Liao et al. (2022) 的思路，构造个体商品层面的外推程度指标 DOX（Degree of Extrapolation）：

直观理解：分子是过去12个月每个月的"非商业净多头 × 当月收益"之和，分母是总持仓之和做归一化。当某品种在收益上涨时被非商业交易者堆积多头、在下跌时被堆积空头，DOX就高，说明外推程度强。

注意一个细节：分母用12期总持仓的和，相当于做了一种规模归一化，让不同流动性的合约可比。

三、横截面预测能力

3.1 投资组合排序

样本期为1987年1月至2024年12月，包含14个农产品、3个畜产品、6个金属、3个能源等共26个商品合约。每月月末，将所有合约按DOX由低到高分为5组，等权配置，下月再平衡。多空组合（Q5-Q1）的表现成为核心检验对象。

主要结果：

• 高减低组合月均收益**1.03%**（），年化约13.11%

• 年化夏普比率约0.65，超过传统动量策略

• 单调性明显：DOX越高，下月收益越高

图： DOX 多空组合在样本期内的累积收益曲线，多头与空头组合的分化清晰可见，且策略在 NBER 衰退期表现较弱。

3.2 证伪检验：DOX 不是动量的换皮

一个直接的疑虑是：DOX是否只是动量的伪装？毕竟分子里乘了过去收益。作者设计了一个非常巧妙的证伪测试：把月末持仓与更远期的滞后收益做匹配，构造反事实DOX：

XM交易官网

如果DOX真的捕捉外推信念，那么当持仓与更远期收益错配时，预测力应该快速衰减——因为外推主要依赖最近收益。如果DOX只是动量，则错配几个月不会有太大影响（动量信号在3-12个月都有效）。

实证结果完美符合外推假说：时月均收益0.89%（显著），时降至0.59%（显著），之后基本失效。这与动量在3-12月稳定盈利的形态形成鲜明对比。

3.3 风险因子调整后的alpha

作者用时序回归（spanning regression）检验DOX的alpha能否被既有因子模型消化。考虑的对比模型包括：

XM交易官网

• Yang (2013) 两因子（市场 + 期限结构）

• Bakshi et al. (2019) 三因子（市场 + 期限结构 + 动量）

• Boons & Prado (2019) 加入 basis-momentum 的四因子

• 加入套保压力、价值、多周期动量等额外因子

回归结果：DOX 因子的 alpha 在 0.71%-0.93%/月 之间，t值均超过3，1%显著。即使把市场、期限结构、多期动量、basis momentum、价值、套保压力都加进去，DOX的alpha仍稳健显著。

横截面上，Fama-MacBeth回归的DOX系数在控制了所有上述特征后，年化溢价仍达8.22%-11.09%。

3.4 期限结构也被外推

商品期货独特之处在于有期限结构。作者进一步问：非商业交易者是否也外推basis（即近月和次近月之间的价差变动）？

把回归方程分解为对次近月收益和对basis收益的双外推：

估计出 ，说明投资者也外推basis信号。基于此构造 Basis-DOX 指标，多空组合月均收益**1.10%**（），年化夏普 0.78，是所有策略中最高的，甚至超过 basis-momentum。

四、持续性：与股市外推的关键差异

这里出现了一个理论上有意思的张力。

经典股市外推模型（Barberis et al. 2018）预测的是"先反应过度、后反转"——外推者把价格推到基本面之上，最终一定要回归。然而商品市场的图像完全不同：

图： DOX 多空组合与长期动量多空组合在持有期 1-36 个月的累积收益对比。DOX 策略的盈利持续约 12 个月后才缓慢消散，且不出现反转；而动量在第 3 个月达到峰值后迅速衰减并在长期反转。

DOX组合的超额收益持续长达12个月才慢慢消散，且不出现明显反转。这意味着商品市场需要一个不同的经济机制来解释。

五、经济机制：流动性提供与未平仓的渐进出清

5.1 理论框架

作者将 Barberis et al. (2018) 的模型改造到商品期货市场，引入两类交易者：套保的生产商和外推性投机者。市场需要清零（净持仓总和为零），均衡价格变为：

其中：

• 第一项是现货价值

• 第二项是流动性补偿与套保溢价（生产商承担的存量风险）

• 第三项是外推驱动项，是过去价格变动的指数加权和

模型仿真显示：当生产商占比足够高（接近商业交易者在样本中的占比约70%）且外推参数适中时，价格不会显著超调，而是缓慢上升并伴随持仓的渐进出清。这种"无显著反转"的模式与商品数据的形态高度吻合。

5.2 DOX分解：外延 vs 内涵的投机压力

为了识别哪一部分驱动了预测力，作者将DOX拆解为三个部分：

其中 是当月新增多头变动（外延性正压力）， 是新增空头变动（外延性负压力）， 是已经存在的存量持仓（内涵性压力）。

回归结果显示：只有 （新建多头方向的投机压力）显著正向预测下月收益。这与流动性提供假说一致——新建仓时挤进来的投机者，未来需要支付补偿才能脱身。

5.3 持仓出清的动态

作者进一步用Fama-MacBeth方法检验DOX对未来净持仓变动的预测：

预测期

非商业交易者

商业交易者

1月

-0.13 (t=-8.12)

+0.05 (t=6.77)

6月

-0.06 (t=-3.74)

+0.02 (t=2.51)

12月

-0.04 (t=-2.63)

+0.01 (t=1.78)

高DOX的合约，未来1-12个月内非商业交易者持续减仓，商业交易者持续接盘。这就是渐进出清的直接证据——投机者出场需要时间，而对手方（生产商套保者）的风险承担能力有限，因此索取流动性溢价。

5.4 事件研究：2021年CFTC持仓限制改革

为了寻找更接近因果的证据，作者利用2021年3月CFTC正式实施的实物商品衍生品投机持仓限制规则——这构成了对大型投机者建仓与平仓能力的一次外生冲击。

逻辑链是：如果高DOX代表的是拥挤的投机仓位，持仓限制收紧使其平仓更加困难、成本更高，那么受限的高DOX合约应该需要更高的事后收益来补偿这种流动性风险。

DID设定如下：

图： 2021 年 3 月 CFTC 持仓限制改革前后高 DOX 受规则约束品种的事件时间收益动态。事前无显著趋势（平行趋势成立），事件后 至 月收益显著为正，验证了流动性补偿渠道。

结果：政策实施后高DOX组的月度异常收益显著为正，且在事件之前没有显著差异（平行趋势成立）。安慰剂检验（随机抽取治疗时间或治疗组）也无显著效应。

5.5 套利限制

如果DOX反映的是流动性补偿，那么在套利受限或资金紧张时，这一补偿应该更高。作者用以下代理变量检验：

状态变量

高状态下DOX系数变化

Baker-Wurgler情绪指数

+1.46 (弱显著)

TED利差

+2.07 (5%显著)

三月CD-Tbill利差

+1.91 (5%显著)

VIX

+1.17 (不显著)

FSI金融压力

-0.34 (不显著)

一级交易商资本比率（低）

+1.29 (不显著)

资金流动性紧张时（TED高、CDTB高），DOX的预测力大约翻倍。但金融中介风险承担能力的代理变量不显著——说明商品市场流动性主要由商业套保者提供，而非传统金融中介，这一点与Nagel (2012)、Kang et al. (2020)的发现一致。

5.6 排除竞争性解释

作者系统排除了若干替代假说：

库存渠道：存储理论认为低库存（=低basis，高过去收益）对应高溢价。但在期限结构和basis-momentum控制后，DOX依然显著；更重要的是，在没有存储成本的外汇期货市场DOX也有效（虽然只对非可报告交易者）。

外推性市场参与：Pan et al. (2021) 提出高过去收益吸引新参与者，制造短期动量后反转。但在商品市场，高DOX形成后非商业交易者是离场而非入场，且不出现反转。

处置效应、注意力、投机拥挤、价格凸性：控制 CGO、MAX、Skew、speculative crowding、price-path convexity 后，DOX 系数依然在1%水平显著为正。

六、对动量与价值异象的重新解释

外推不仅是一个新的预测因子，还能反过来解释既有异象。

直觉是：当外推性投机者持续推高某品种价格时，动量得以自我强化；而对于价值低估（即过去涨幅大、估值贵）的品种，外推会进一步推高价格，削弱长期均值回归的价值策略。

可检验假说：

• 高DOX组中动量更强

• 低DOX组中价值更强

双重排序结果：

组合

动量多空收益

价值多空收益

低DOX

0.28% (t=0.79)

0.80% (t=2.35)

高DOX

0.98% (t=2.62)

-0.28% (t=-0.79)

差异

0.70% (t=1.86)

-1.08% (t=-2.19)

完全符合预测：动量利润几乎只出现在高DOX品种，价值利润几乎只出现在低DOX品种。

七、外推增强的因子模型

最后，作者把DOX和Basis-DOX作为系统性因子加入定价模型，与既有模型对比。检验资产包括HML组合、五分位组合、个体商品。

图：不同因子模型在 HML 组合、五分位组合、个体商品三类检验资产上的 spanning test 表现（平均 |α|、显著 alpha 比例、GRS 统计量）。基于外推的三因子模型在五分位组合上具有最低的 GRS 统计量。

简要结论：

• 市场 + DOX 双因子模型已经在五分位组合上跑赢经典三因子（市场+期限+动量）

• 加入Basis-DOX的三因子模型在所有维度上都表现稳健，平均alpha最小、显著alpha比例最低、GRS统计量最低

这暗示外推因子可能扮演类似Stambaugh & Yuan (2017)、Daniel et al. (2020) 在股市中的"系统性错误定价因子"角色。

八、稳健性与延展

主要稳健性检验涵盖：

样本分割：策略在NBER衰退期表现差（与动量崩盘相似），在金融化前后均有效但金融化后略有衰减（套利者增加导致）；农产品中效应更强（流动性更差）。

交易成本：扣除 4.4bp 半价差和剔除最不流动品种后，月均收益仍在 0.98%-1.01%。

替代构造：用次近月合约、不同分母（净持仓绝对值、未平仓量）、周频DOX等构造方式，预测力基本稳定。

合约衔接：使用调整价格（无论15天或30天前展期）结果稳健；使用未调整价格（含跳点）则无效——这反向佐证DOX确实捕捉的是真实收益形成的外推过程。

DCOT细分数据：在2006年后的细分类别中，只有 Managed Money（CTA为主）的DOX有显著预测力，与其趋势跟随特性一致。

外汇市场：在七大主要货币上，非可报告交易者的DOX有显著预测力（月均0.28%, t=2.14），考虑到G10货币动量异象普遍较弱，这是相当强的延展性证据。

九、对量化研究的启示

把这篇论文的发现翻译成量化语言，有几点值得思考：

第一，持仓数据的alpha价值被低估。CFTC COT/DCOT报告是公开的、低频但长样本的，许多商品CTA已经使用各种版本的"投机净持仓"作为信号。本文证明持仓 × 收益的交互结构比纯持仓信号包含更多信息，且与传统动量正交性强。

第二，外推 ≠ 动量。表面上DOX的构造确实把过去收益和持仓相乘，但证伪检验明确显示：DOX的预测力随着收益滞后期增加迅速衰减，而动量信号则在3-12月窗口都有效。两者的相关性虽然存在（约0.4级别的因子相关），但DOX在控制多周期动量后仍有显著alpha。

第三，持续性的来源是结构性的。DOX多空收益持续12个月不反转，这不是典型的mispricing-correction模式，而是"投机者拥挤建仓 → 渐进式平仓 → 流动性补偿"的结构性回报。这意味着DOX的容量可能不像短周期动量那么受限。

第四，basis同样可以被外推。Basis-DOX的夏普比率甚至更高（0.78 vs 0.65），且在控制basis-momentum后依然显著。对于做curve trading的策略而言，这提供了一个新的纯粹基于行为信号的alpha来源。

第五，与套利限制的交互效应可以增强策略。当TED利差走阔或资金面紧张时，DOX的预测力翻倍。这意味着在风险溢价高的市场状态下加大暴露，可能进一步提升夏普。

十、结论

本文的核心贡献可以概括为三点：

第一，在商品期货市场首次系统刻画了非商业交易者的外推性信念，并提出一个基于持仓的简洁度量DOX。它不依赖调查数据，可以在长样本、宽截面上构造，对量化实务友好。

第二，DOX在横截面上具有显著且稳健的预测力，无法被基础、动量、basis-momentum、套保压力、价值等既有因子解释。Basis-DOX进一步把这一思想扩展到期限结构维度。

第三，与股市外推的均值回归预测不同，商品市场的DOX效应表现为持续性的流动性补偿，并通过事件研究、套利限制、持仓动态等多个角度得到验证。

XM交易官网

更宏观地看，这篇论文提示：研究资产价格不能只看价格数据本身，把持仓和价格交互起来，才能解锁更多关于异质性投资者信念的信息。这一思路在所有有持仓披露的市场（股指期货、国债期货、外汇期货、原油期货等）都有进一步开发的空间。

参考文献

Wang, Z., Xu, Q., & Ye, Y. (2026). Extrapolative Commodity Returns. Working Paper, Zhejiang University and Shanghai Advanced Institute of Finance.