10.4　季节性的过滤模式

季节性的过滤模式是指基于一个清晰的季节性模式来判断，于相关年份当中的某一时间周期之内，我们到底应该持有多头仓位还是持有空头仓位。而相应的计算周期的选择方式则应该以非趋势性的数据和中值点位所相关的测试结果为基准。然而我们已经看到，大多数发现季节性模式的方法所相关的测试结果都是类似的，比如某种方法所得到的结果可能是9月的玉米价格较低，而另一种方法所得到的结果可能是10月的价格较低。但是，无论如何，9月和10月的价格都是最低的。同时，季节性和风险性的运行模式也可以通过创建一个季节性的波动图表来确认，在表10-7中，其使用了月度价格变化的百分比，如此则可发现所有取暖油的相应价值，其中5～9月以及12月和1月的中值点要低于均值，这种状况表明在很多的月份当中，相关的极端价格会扭曲相应的均值效应。

图10-17　1984~2011年取暖油的月度价格上升百分比的变化值与平均月度变化值的比较模式

表10-7底部区间的各类指标也可以在图10-17中被发现，在这两个图表之中，它们都刻画了月度上升的百分比值、平均的月度变化值，而如果只使用这些数字，那么，最基本的季节性交易规则就是：

·2月底~3月底、5月底~8月底以及10月底~12月底，以多头的形式持仓；

·3月底~5月底以及8月底~10月底，以空头的形式持仓。

表10-7　1984~2011年取暖油月度价格相较于前一个月价格的百分比的变化值

因为上述这些图表所基于的是月度平均的现货价格，那么，实际上，2月底的仓位会被该月的整体数量所平均，例如每周所平摊的仓位头寸为25%。因此，相对于交易者而言，应用每月最后一天的价格而不是平均价格的方式会使相应的测试结果更趋近于实盘状态。

在三个多头情境中，5~8月的多头代表了库存积累，而于10~12月，北半球正处于严寒的冬季，用户会囤积一些石油以平衡冬天的价格，而相关交易似乎都处于情理之中。这里首先要说明的是：从统计学的角度出发，2月和3月的情境可能是正确的，但是，其仍然非常危险，因为冬季末的寒流将推动相关价格大幅上涨——1981年3月~1982年4月，价格上涨了40%，且于1983年同期上涨了20%。另外，我们还必须考虑到海湾战争，其从1990年8月开始推动油价持续地上涨，其间也偶尔地符合季节性模式；但在现实当中，战争可以发生在当年中的任何时刻。一些交易者可能只根据数字进行交易，然而，基本面的相关知识可以鼓励他们进行深入的分析，从而找到一个更好的方法，评估收益/风险之间的比率。

大豆也存在着类似的问题，其典型的季节性交易期间是4月1日~6月1日（种植和发育生长期），此时应持有多方头寸；9月1日~11月1日（收获期）这段时间内，则应持有空方头寸。某个大宗商品公司显示了大豆价格于5月和6月所达至的高点以及10月所达至的低点，而其相应的评估结论是：季节性价格的运行模式为收获之后，行情会反弹至新的一年的价格；然后，其会与生产、销售、税收以及巴西农作物的成熟期等因素息息相关，直至进入2月的农闲期。此外，春季的行情反弹是从3月1日开始的，其常常会持续到5月、6月的种植期；收获之后，相关价格开始反弹，持续至11月中旬。总之，该公司的这个建议与标准的季节性模式并不冲突。

10.4.1　具有类似特征的相关年份

通过对季节性的研究，我们发现其所生成的结果与期望值常常不那么契合；并且，由于其中明显地缺乏一致性，从而容易导致相应的测试结果可能会被拒绝。前述这种情况通常是由特殊事件而导致的，其会使几年之间的市场行情与季节性模式发生冲突。如图10-18所示，如果以月底的价格为基础，将1990～2010年的月度价格进行平均，那么，所得到的模式并没有像预期的那样，因为它不只是在10月的收割季节才出现低点，于6月底和9月底的期间内还有两个价格低点。同时，8月出现一个小的反弹行情，其反映了相关年份的生长季节具有不确定性。然而，在大多数的年份之中，相关的主要模式是在收获的季节当中，价格会走低，然后反弹至冬季，而此种情境则反映出存储新的农作物需要支付运费和仓储费等。同时，相关农产品还要应付一些出口的需求。

图10-18　1990～2010年现货玉米相关的月底平均收益率

如果按各年份的相似性将数据划分开来，那么我们就可以更加直观地发现相应的季节模式，例如，作物的生产方式主要由天气决定，恶劣天气将导致相关价格于基础作物的生长季节就会出现大幅的反弹行情，而与之相对应的是，好的天气会导致行情的升势延迟，从而呈现横盘调整的状态。实际上，我们对坏天气的反应是比较迟缓的——干旱并不是由于天热而引起的，其主要是由长时间的阳光照射以及缺雨的环境所造成的。同样，由于地湿而导致的延迟种植或者晚冬现象都会导致不理想的收成。如此，交易者则可以通过观察天气的特点，选择于行情反弹之前植入多单。

行情上涨与下跌所相关的年份之间还存在另一个重要的区别。我们现在应用1970～2010年的玉米现货价格，其中有很多方式可以将升降的两个模式进行分离，但是对于相关的范例而言，牛市年份是指期间内的7～12月的平均价格大于1～6月的平均价格。在范例当中的41年内，有16年属于牛市、25年属于熊市。图10-19显示了每个月的平均价格，其中熊市年份有一个“正常”的季节性模式；反之，牛市年份之中的每个月的价格都在不断升高，而发生这种情况的一部分原因是最近这些年份的价格行情也处于不断的上升过程之中。

图10-19　依据玉米的月度平均价格，将相应周期划分为牛市年份和熊市年份

我们也可以按照其他的方式来划分牛市年份和熊市年份，其中最简单的方法是：日历年的终止时刻的价格高于当年年初的价格，或者农事年份末期的价格高于初始时刻的价格。如果我们认为正常的季节性因素会使价格于种植之前走低，而更高的价格会出现在农作物的生长季节，在收割期，价格可能会更低，对此，我们可以测试当年与前一年的价格水平，从而确定当期属于哪些模式。同时，今年的价格可以与以往3年或5年的循环平均价格比较，进而确定其相对的价值水平。最后一种方法将在下一节被阐述。

10.4.2　季节性和非季节性的市场行情模式

遵循正常季节性模式的农产品价格所相关的各个年份的属性也存在着很大的不同，比如牛市年份和熊市年份。如果某种交易策略的获利模式依赖于价格在农作物的生长期反弹或在收割期下降，那么，相对于当期年份是否符合预计的正常模式所做出的判断则是非常重要的。其实，有许多事件会生成非季节性模式，如大型的出口承诺（需求的增加）或之前不良的收割状况（供应量在下降），甚至是本国货币的价值变化等。如果前一年的收成不好，那将导致新的农作物会在一个较高的价格水平之上交易，其相应的预期则是供应量会持续地短缺，而此种情境会延展至新的作物长成之时，然后才能被重新地评估。

我们以玉米为例，由于它是代表美国最大的且最具季节性的农作物，所以，我们可以为其构造一个简单的模型，用以预测相关的季节性或非季节性的运行模式且从中获利。我们可以将当前的现货价格与过去五年内的最高点和最低点进行比较，其中具有非季节属性的年份将于1月出现价格的异常高点，而具有季节性的年份一般在4月出现较低的价格点位，在7月出现较高的价格点位。如此，我们因之而制定的交易规则如下。

相对于具有季节属性的年份而言：

·如果当期年份4月底的价格低于过去5年高点-低点波幅的50%，那么，则可预期该年具有季节属性，如此我们可以于4月的最后一天做多，在7月的最后一天平仓离场；

·如果当期年份7月底的价格居于过去5年高点-低点波幅的35%以上，那么我们则可于7月的最后一天做空，且于10月的最后一天离场。

相对于具有非季节属性的年份而言：

·如果当前年份的价格于1月底时位于过去5年高点-低点波幅的35%以上，那么我们则可于1月的最后一天做空，且于10月的最后一天离场。

表10-8显示了英航同业网站中TSM软件内玉米现货价格相关的牛市和熊市季节模式的Corn bull and bear years，seasonal patterns程序所生成的相应电子表格的部分内容，而完整的电子表格则包括了1974～2010年的月底价格。为了依据相关的季节性进行交易，我们需要创建一系列如表10-8所示的季节性计算模式，其第一个板块所标识的是每个月的末期价格；第二个板块是5年的高点，由于相应数据始于1974年，所以呈现高值的5年的第一节点是1978年；第三个板块是5年低点价位；最后一个板块体现了当期年份的价格相较于前5年高点-低点波幅而言所处的位置，相应计算公式则类似于原始的随机模型，即

一旦确认了当前价格所处的位置，那么我们即可遵循季节性相关的规则进行交易。

表10-8　季节性与非季节性计算模式相关的电子表格

表10-9显示了非季节性（熊市）交易模式以及第一次季节性（牛市）交易模式。2005年，4月底的价格处于8.1%的水平（源自100%），其接近5年以来的低位区间。因此，于该月的最后一天，我们应根据其价格192.50点植入相应的季节性多单，而4月所进行的季节性交易总是在7月底平仓，而且在2005年，相关平仓价格为215.50点，相关收益为23美分，同时要刨去相关的成本。由于7月的价格居于前5年之波幅的下半区间即44.7%，所以，我们没有植入空单；如果7月底的价格居于相关波幅的50%以上，那我们就要做空。尽管9月和10月出现一个季节性的价格低点，但是，相对于7月的低价点而言，第二笔交易如果单纯依赖季节性模式，那相关的风险就会变得过大。

表10-9　季节性交易模式相关的头寸、进场点、离场点以及相应的损益

季节性的交易模式在2007年显示出相反的情形——相关价格全年都居于5年的高点附近，因此，该年没有出现季节性相关的多单云集的现象。然而，相关行情于7月底达到了100%的波幅水平，进而使投资者在7月的最后一天植入了季节性相关的空单，相应价格为294点。不幸的是，价格仍然持续走高，所以，于2007年，季节性的交易模式则造成了很大的损失。也许，价格波幅的100%的水平代表了一种过大的风险。

从非季节性交易模式的角度观察：一般情况下，年初的价格较高，然后逐步地降低，而且此种降势会延续至10月，即新作物的收割期。同时，任何于之前年份内出现的供给短缺或需求强劲的情境都会导致相关价格走高，然后在新的收割期对其进行修正。在表10-10中，第一个非季节性相关的空头交易出现在2007年，当时的价格处于5年以来的高位。虽然2007年的价格很高，但是，其从1月的380点下降到了10月（收割期）的369点，这种修正幅度不是很大，但其体现的是一种净利润的情境，而如果我们等待更长的时间，这些小额的收益将会完全消失。

表10-10　非季节性交易模式相关的头寸、入场点、离场点以及相应的损益情境

图10-20将第一笔和第二笔的季节性交易模式（先做多，后做空）与非季节性交易模式（做空）分离开来，然后将测试结果进行组合，从而显示了相应交易系统的37年的性能与效应。其间，图中所示的水平线说明个别的几年是没有交易的，但系统的性能则是良好的。这里我们要记住的是：这个简单的例子表明，在理论上，谷物价格的行情运行会遵循一个合理的、可预见的模式，同时也需要自然环境的帮助。

1.季节性相关的交易模式的复杂性

如果要实现上述的利润，我们就需要购买、出售现货的玉米。也就是说，当你做多玉米，那么，每一份合约的规模是5000蒲式耳，如此，你会收到同等数量的仓库收据，而于1月或7月做空玉米的行为则意味着你已承诺在未来的某个日期供应玉米，相对于大多数的交易者而言，这是不切实际且不可能的。而针对前述的这个问题来说，这里唯一的选择就是期货交易，但是，期货价格和现货价格是不一样的，其是对未来预期的价格进行贴现。相对于4月和7月之间所发生的状况而言，如果每人对其都有一个相同的见解，那么，4月的最后一天以及12月的玉米（新的作物）价格会远远高于当期的现货价格，如此则反映出在农作物的生长期间，相关价格存在不确定性。或者，如果我们预期会有一个好的收成，那么12月的期货价格将尽可能地走低，从而反映出收获的数量较大。

图10-20　应用玉米现货价格测试的季节性交易系统的性能与效应

如果我们使用12月的期货合约，那就可以找到第一个新作物收割月份所相关的更现实的场景。每年，新的农作物价格均自12月1日开始起算，并以此作为交易的基础，行情会持续至第二年11月的最后一天。显示季节性的相应图表可以像之前一样，其可以通过月底的价格差值而被构建，但不能使用11月和12月的价差，因为此差值反映了不同的合约内容。同时，附带数据的电子表格和季节性图表都可以在英航同业网站或本章所涉及的其他季节性图表系统中找到。

图10-21　1999～2010年的12月玉米期货合约相关的月度均值的变化情境

图10-21显示了完全不同于现货模式的月底均值的变化情境，其中相关低点出现在6月和9月，于通常情况下，这表明交易者对农作物的预期是丰收的，而相关价格于夏季之前是不确定的，至少要提前到6月，如此，最终的价格就需要被贴现。由于其只被用于12月的期货交易，所以我们可以应用这种模式进行交易。而如果采用前述两大明显的行情趋势进行交易，那么，下列季节性交易模式将被孤立，即

（1）于2月底卖出12月的期货合约，然后在7月底平仓。

（2）在7月底买入12月的玉米期货，然后在10月底平仓。

在上述两个交易模式中，无论哪个都涉及了11月和12月，如此则意味着相关合约会循环至下一年的新作物的收割季节。如果只使用这两个季节性的交易模式，那么，相应测试结果的计算过程是比较简单的，并且其已在图10-22中被显示出来，同时，在英航同业网站中TSM软件上的Dec Corn Strategy程序内也可发现。这里令人惊讶的是：在第一个季节性的交易过程当中，预期的价格会从2月开始下降，且持续至7月，如此则表现出连续的盈利模式。然而，总是围绕着种植期的不良天气（太多的雨水）以及生长季节的缺水情境（没有足够的雨）而构建的交易模式似乎并不重要。虽然有几年存在着小损失，但是，基于策略1的交易系统的整体性能还是不错的；但是，策略2的情况并非如此，即使农作物收获后会面临存储的成本（运送费用）以及出口的压力，而且预期价格上涨的模式也完全合乎逻辑，但是，此种策略的结果却是在行情波动的情境之下，其收支模式充其量也就是达到一个平衡的状态。

图10-22　应用12月玉米期货所测试的两种季节性交易策略相关的系统性能

2.货币效应（以阿根廷为例）

曾经在一段时间内，美国是世界最大的粮食出口国，那时的货币汇率波动并不大。但是，当时的许多货币是由黄金支撑的，且不可以被自由交易。现在，阿根廷是南美最大的生产商，并且已经出现生产过剩的情况，因此则导致阿根廷于世界相关市场之上直接成为美国的竞争对手。我们假设英国想进口小麦，为了简便起见，相应的情境是英镑兑美元的汇率价值将保持不变，那么，英国会从哪个国家购买呢？是美国还是阿根廷？

在图10-23中我们看到，阿根廷比索价值发生了120%的变化，在2009年5月～2010年5月的一年时间里，比索的价值从5比索/1美元变为11比索/1美元。在汇率处于低点时，阿根廷比索相对于美元而言则处于升值状态，那么，其小麦的价格就会走高，因此美国的小麦则更具吸引力；当1美元等于11比索时，比索会显得比较便宜，那么，阿根廷的小麦则具有吸引力。其实，多年以来，货币价值的变化要大于产品的价值变化，而在所有的情况之下，只有把价格波动和汇率波动结合起来，我们才能把握整体的行情变化模式。

图10-23　过去3年比索/美元的汇率波动显示出一个大的波段行情

3.连续期货的应用模式

由于只有期货（或期货市场的期权）可以被交易，因此，我们可以于12月（即玉米收割之后的第一个交易月）看到每年唯一一份与季节性模式相关的期货合约。大多数分析师认为连续的、回调的价格是最现成的且最易使用的数据，同时，他们还结合了每个交割月中最具流动性的那部分价值。相对于利率市场、外汇市场、金属交易市场以及股指期货市场而言，回调的数据显然更适用于大多数的交易策略，同时，其也适用于分析任何市场行情之中的趋势，因此，具有回调功能的数据则是非常好的。然而，也有一些诸如套利和季节性的交易策略需要确切的价格。还有，相对于应用价格所计算的百分比值而言，一个回调的价格会生成错误的测试结果。

图10-24　相对于大多数的循环日期而言，回调的玉米价格都会遭遇向上的缺口模式，从而使其历史性的价格变得非常高

图10-24显示了始于1949年年初且用于期货的、具有回调功能的玉米价格系列，最右边的数据是2011年的价格，其与同期的交易结果相同。同时，每个早期合约都会根据循环日期时所对应的两个合约的价格缺口而被上下调整。在过去的一段时间当中，价格变得比较高，这是调整上行缺口的结果，也就是说，目前所执行的合约价格比过去的合约价格要高，而这对于所有的玉米合约来说，都是一种正常的情况，因为除了新旧作物交替之时（通常是12月）而外，其是一个分期付款的市场（处于溢价状态）。然后，期货合约从3月循环至12月，从5月循环至第二年的3月，再从9月循环至第二年的7月，如此则通常需要给旧的合约添加一个调整因子，进而提高相关价格，且使其与新的数据水平一致。另外，以12月为基准的新作物的交易价格应该低于9月旧的农作物交易合约的价格，所以，其经常需要向下调整。而鉴于玉米价格相关的截然不同的历史性图表，相应数据在季节性的交易模式当中还能够被使用吗？

和之前一样，一个季节性图表可以使用经过调整的期货数据进行勾画，但是，其只是从当前月份的价格减去前一个月的价格，这与现货数据不同，我们在期货价格的变化中找不到相应的百分比差值，而对于近期的数据而言，如果使用价格差值，那会明显地增加相关的倾向性，与过去的数据相比，其会显得更加不稳定。图10-25显示了从1990年开始的21年间月度价格变化的均值以及前11年和后10年周期内的相应价格均值。该模式类似于只使用12月期货数据的图10-21。在季节性模式中，其显示了收割期的低价格，但是，相应峰值并没出现在6月或7月，而且，近10年来的波动率要远远大于之前11年的波动率，如此则减少了以往数据的重要性。另外，很多分析人士更喜欢给最近期的数据配以更大的权重。实际上，只要你理解了数据的倾向性，那么，它就可以为你所用了。

图10-25　使用期货市场的回调数据所显示的玉米月度平均的价格变化情境

我们基于期货的季节性模式确定了两个明确的交易策略：第一个策略与只使用12月期货数据的模式是一样的；但是，第二个策略则是应用了之前策略当中所没有的12月的时间优势，且依据的是不同的农事年份，即

·在2月底卖出，且在7月底平仓；

·在7月底买入，且在12月底平仓。

上述策略的测试结果被图10-26所展示出来，即如果这两种方法得以实施，那么事后看来，相关的收益状况是完美的，其中策略1可以保持连续的盈利，因为它只使用了12月的期货数据，而当将12月应用于交易时，策略2则显得略好一些。

图10-26　基于回调的玉米期货价格所显示的两种季节性交易策略的性能绩效

如果我们有可能知道新作物的种植面积，那么，于7月底买入的策略2就是合理的，而于12月底平仓的方式则可以捕获收割期后的行情反弹。然而，即使图10-25中的季节性模式似乎很清晰，但相应的测试结果表明：实时的交易并不具有可持续性。

于1月底卖出且在7月底平仓的策略1似乎与季节性完全相反，但是，其与非季节性的理念相符合。也就是说，其相关的价格运行模式是：始于高点而结束于收割时的低点。我们使用现货价格预计7月会出现高点，这与21年当中12个获利年份的测试结果是一致的，但是，相关利润却远远大于损失金额，如此看来，此种策略似乎是一种合理的方法，而令人困惑的是为什么7月会出现季节性的低点呢？

图10-27　基于3月、6月、9月、12月的期货合约所显示的不断增加的玉米价格的波动率，其一直处于增长的态势之中，但在过去三年中，它一直处于极值状态

我们对过去20年中不断增加的、月度价格变化的波动率进行了分析，进而寻找相应的答案，如图10-27所示，虽然波动率一直以有序的幅度处于增长的态势之中，但是其在过去的几年里却一直处于极值的状态。如果我们使用回调的期货数据，那就意味着我们不能用期货价格来对每月的价格变化进行划分，因此，最近几年的变化将覆盖以前的旧数据。这里有一种解决方案，即用未经调整的期货价格来对每月的价格变化进行划分，但是，这需要构造一个连续的、未经调整的数据系列，此种模式可以通过使用像CSI股票选择指标一类的数据服务系统而实现。

10.4.3　季节性模式在股票当中的应用

我们将相同的分析模式导入至股票的市场行情当中，据此则可以发现：许多公司股票的价格变化可能具有季节性。这些公司不是多元化的控股公司，其主要收入就是从单一的、具有季节属性的产品中获得，比如说许多航空公司、旅游公司以及休闲产业。目前尚不清楚的是，像埃克森美孚这样的主要石油公司的股价与石油的价格变化是否存在直接的相关性；或者，是不是可以说炼油的利润率以及被垂直整合的零售加油站（配合小型的商场）使得相关企业的盈利模式较少地依赖于石油成本的变化。

我们使用1998年9月～2011年4月美国航空公司母公司AMR的股价作为范例构建了表10-11，从而显示其近似的月度收益。表格底部是月度平均值以及一组选定的均值，而被选择的数据组删除了2001年9月和10月以及2008年9月～2009年3月的时间周期，第一部分相关月份删除了“9·11”恐怖袭击，因为此时的美国航空公司扮演了一个不光彩的角色；第二次删除则是将最严重的次贷危机的一部分月份屏蔽了，此时的业务基本上是停滞的。而当我们删除了这些离群值之后，相对于20世纪90年代的数据而言，其有可能会出现相同的操作误差，从而导致长期资本管理模式的终结——购者自慎，而两个月度数据模式则如图10-28所示。

图10-28　AMR公司股价相关的季节性模式，其包含了所有月份以及剔除极端情境的被选择月份的数据

表10-11　AMR公司股价相关的，基于月度价格均值和被移除月份的价格均值所计算的月际收益率

这里令人惊讶的是，在对过去的超过13年的数据的观测过程中，我们所能看到的是即使在这样的相对于季节性判断而言比较小的周期之内，如果删除关键月的数据，相应模式的变化也不是很大。这里似乎存在一个明确的模式，即在4月、11月～12月的高价之间夹杂着一个9月的低价。我们可以猜测：年终的假期所面临的是强劲的消费，但是，我们不知道游客购买机票的时间以及其实际飞行的时间，而且我们也不知道是否有其他的模式映射这个周期。我们的预期是：航空公司的夏天是比较繁忙的，然而，相关的机票可能在4月的时候就已经完成购买了。

10.4.4　季节性的交易模式

在分析市场行情的季节性模式之前，你必须理解这个行情是否具有被分析的资格。鉴于计算机和电子表格所提供的便利形式，我们可以对所有的股票和期货行情进行评估，进而寻找相应的运行模式。实际上，发现一个月度的行情模式并不意味着其具有季节的属性。几年前，当计算机只具有计算持仓头寸的功能之时，有的学者发现：在过去的18年中，每当南美洲的咖啡作物丰收时，紧接着，欧洲的小麦也会获得丰收。对此，相关学者进行了深入的研究，他们发现：墨西哥湾的洋流是温水，其会经过南美洲的东海岸，向北一路流向欧洲。瞧！这就是连续18年所预期成功的奥秘，相关概率是可信的。同时，结合一些基本理论，相关学者建议：在咖啡丰收之后的一年中，交易者可以做空小麦。当然，这个理论第一年就失败了，事实证明，该学者测试了数以百计的因果效应所相关的组合，且通过一个地方的收成情况来判断之后某个区域的收成状况，其目的是要寻找连续18年成功的预期模式。现在，我们理解了他的所作所为属于一种过度拟合的早期范例。然而，我们从中所得到的教训是：相关分析当中必须有一个明确的基本理由，其能够使我们相信季节性模式确实存在。而计算机常常被用来验证某个理念而不是创建一个理论。

关于上述的问题，我们举例说明，在粮食价格高涨期间，畜牧业的发展当中存在一个有趣的模式，即大多数时候，那些饲养牛的农民宁愿把牛拿到市场去卖，也不愿意再养牛了，因为他们认为饲料的价格比较高。所以，当人们准备把牛拿到市场中卖掉的时候，其行情就面临着一种收益的不确定性，而这种想把牛早点卖出去的想法在短期内会立刻给生牛的价格带来压力。但是，3～9个月后，其会导致更高的价格，因为届时牛的供应会发生短缺。而随着粮食价格的走高，我们可以卖空近期的生牛期货，再购买一个延期，如此，则会生成一个获利的交易策略。

虽然金属产品的供应不受季节性因素的影响，但是，铜以及大多数在伦敦金属交易所（LME）交易的有色金属应该都存在一个显著的季节性需求元素，它们主要是用于住房的管道、金属板或不锈钢的生产之中。最近，一般大宗商品的行情出现了前所未有的反弹，这主要是由于人们对通货膨胀的担忧以及来自中国不断壮大的中产阶级的需求，而之后随之而来的需求应该是印度。其实，季节性必须隐藏在相应的价格之中，然而，更大的宏观经济因素则会压倒此种趋势，进而使其变得微不足道。在玉米现货价格和期货价格的比较过程中，我们有必要确定使用哪种模式是现实的。接下来，我们所要涉及的系统和方法均基于季节性模式，其可以单独使用，也可以成为其他策略的过滤指标。

10.4.5　季节性研究和关键日期

大多数农产品在一年之中的单个或多个周期内都会展示其传统且可靠的价格运行模式。相对于生长在北半球的谷物而言，当干旱天气对产量的影响非常大的时候，其行情于春天和初夏末期反弹至高点的可能性较大。同时，如果价格走势于收割期显示正常的低点，随后小幅上升，然后在整个冬天呈现横盘模式，那么，在下一年生长季节的早期可能会出现反弹行情。当新的农作物获得丰收且价格处于较低水平时，那么多头所面临的风险是很小的，而一旦价格走高，则很少会出现卖空玉米、大豆、棉花或糖的季节性交易模式，因为在收获开始之前的两个月内，此类交易很难获利。

关于季节性的研究旨在提供信息，从而推测何时会发生较大的行情波动。以下是格鲁什考和史密斯（Grushcow and Smith，1980）、康迪商品（Gonti Commodity，1983）以及伯恩斯坦（1986）所做的研究，其可以针对一些活跃的大宗商品，从历史的角度进行季节性的比较，且相应研究结果的汇总情境则被显示在表10-12中。相对于季节性模式而言，每个研究者都提供了不同的视角：格鲁什考和史密斯依据一个相当长期的数据分析现货行情以及各个期货市场的行情走势，然后为投资者呈现出一个完整的统计数据；康迪商品主要是应用过去10年的数据（止于1981年），但是，其包含一个独特的波动率分析模式；伯恩斯坦在最近发表的研究报告之中，为其计算模型提供了最完整的背景情境，其中包含了对牛市年份和熊市年份的独立研究，同时也分析了现货市场所相关的过长的时间周期问题。

表10-12　季节性模式的研究结果

①格鲁什考和史密斯（价格变化）所应用的数据，且截至1978年。

②康恩商品（季节性因子变化的百分比值）提供，且其所应用的数据截至1981年。

③伯恩斯坦（季节性因子变化的百分比值）提供，且相关数据截至1985年。

④近似值；

注：％指月度季节性模式的可靠性。

在确定正常的模式时，应用于季节性分析的年份数量是一个至关重要的因素。如表10-12所示，如果康恩商品所得到的测试结果只是基于10年的数据，那么，与其他的两个研究相比，彼此之间往往是完全不同的。为了交易的安全，我们最好选择那些多年以来被证明是可靠的模式。然而，对于是否能够获利这一问题来说，应用最近10年的数据所获取的模式可能是最重要的；同时，交易者必须具有识别非季节性、牛市以及熊市模式的能力。

于表10-12中，其相关的所有研究的结论似乎存在着一致性，即

·相对于玉米和大豆而言，9月和10月的收获季节所对应的价格会承受压力；

·相对于生牛而言，其价格会在年底清盘和深冬季节出现反弹行情；

·相对于咖啡和果汁而言，在上述三个研究模式当中，其价格的行情走势各有不同。

有些商品会比其他商品更具有季节的一致性，比如对咖啡和橙汁这两种商品的市场行情的预期模式是它们会受到冰冻天气的影响，从而导致相关价格的上升，然而，这些模式并没有显现出来。因为我们知道冻结问题必须要呈现于价格之中，所以，我们可以推断：在冰冻期过后，相关商品行情的正常的季节属性会被非连续性的、剧烈的周期波动所扭曲。不过，咖啡和橙汁之类的市场行情则可以作为牛市年份和熊市年份研究的备选项，在相关年份当中，你可以比较它们所具有的共性因子。

上述三个研究以及其他大多数的研究模式均包含了基于关键日期所推荐的交易情境，其被映射于表10-12的构建过程中。我们通过所有的交易选择出它们的共同点，进而找到那些比较可靠的因素。通过伯恩斯坦的总结，并按照月份将商品进行了整理分类，如此则可使得相关数据更具有可靠性，从中，我们可以发现农业产品更具有明显的季节属性。同时，唯一的一个非农产品——铜的市场行情显示了季节性的特点。尽管相对于白银、货币和金融市场上的需求压力而言会有一些争论，但是，它们之间不存在一致性。所以，对于季节性交易模式来说，它们并不具有候补的资格。

1.季节性的交易日历

在相当长的时期当中，由于伯恩斯坦所做的工作涵盖了现货市场，因此，其必须考虑这个最基本的季节性模式来源的可靠性。表10-13显示了每周季节性交易日历的一部分内容，它出现于《期货交易中的季节性概念》（Seasonal Concepts in Futures）一书之中。表中的数字显示了那些具有历史一致性的行情运行模式所相关的星期，其中64%以上所对应的周数代表的是升势期间，36%以下所对应的周数显示的是降势期间。如果将前述这个交易日历与一些简单的交易逻辑相结合，那就会特别有用，如此，在进场交易之前，我们可以问自己一个问题，即这个市场行情的运行模式是否具有季节性。这里还应该指出的问题是：在期货市场的交易模式当中，一个简单的合约或者回调的数据与现货市场之间是否存在差异？其实，如果你交易的是期货，那么，你就需要适应期货的模式。

表10-13　季节性的交易日历

2.季节性交易模式所相关的书籍

相对于季节性所相关的问题而言，我们不可能将所有的著作都做一个总结，然而，当前有许多著作可以作为参考书籍，我们可以学习、应用。比较著名的书籍有：

Seasonal Stock Market Trends：The Definitive Guide to Calendar-Based Stock Market Trading by Jay Kaeppel(Hoboken，NJ：John Wiley & Sons，2009).

The Almanac Investor：Profit from Market History and Seasonal Trends by Jeffrey A.Hirsch and J.Taylor Brown(Stock Traders Almanac，2005).

Seasonality：Systems，Strategies，and Signals by Jake Bernstein(New York：John Wiley & Sons，1998).

Trading Spreads and Seasonals by Joe Ross(Ross Trading，1995).

Seasonal Concepts in Futures Trading by Jacob Bernstein(New York：John Wiley & Sons，1986).

此外，还有许多研究价格运行模式的收敛情境和交易策略的一般性著作，其中也包括了季节性的部分内容。