随着CTA市场的逐步回暖，量化基本面方法作为其中重要的子策略，也受到不少投资者和管理人的关注和青睐。不同于纯量价的CTA策略，以及主观基本面策略的研究方法，量化基本面研究既需要遵循品种的基本面逻辑，同时对于基本面数据的选择，量化建模和因子回测上有较高的要求。
　　我们认为，以黑色和能源化工产业链为主的较为成熟的工业品，更适合做量化基本面研究。首先，它们上下游逻辑清楚，可量化的基本面数据和指标较多。其次，供需的逻辑可以沿着产业链上下游进行传导。最后，许多工业品上市时间较早，具有较长的回测数据，统计意义更显著。
　　相比较而言，使用基本面量化的方法研究农产品期货，需要更加慎重。许多农产品期货更易受非量化指标的影响，对量化指标相对不敏感。此外，量化数据频率相对较低，且更新或有一定的滞后性。我们重点分析了棕榈油和菜籽油的基本面，阐述了其量化方法的制约性：印尼棕榈油数据质量不高且易受政策影响；菜籽油绝大部分进口来自加拿大，容易受国际关系影响，且在一些时段跟随其他两大油走势，难以走出独立行情。
　　黄金和石油，其不仅具有商品属性，且具有金融属性，甚至金融属性要强于商品属性。除了基本面本身，通货膨胀、美元指数、利率、汇率、政策和国际关系等宏观因素对它们也会有较大影响。近期巴以冲突加剧，中东地区局势复杂，对于黄金和石油本身价格也有一定影响。
　　选择合适的结构化数据，是我们进行量化基本面建模的基础。我们认为，量化基本面的数据，不仅应该符合相关品种的基本面特征，还应该在量化层面上，具有较强的统计显著性。例如选择频率更高，时间更长的数据，增加样本内样本点的个数，防止模型的欠拟合。对于具有较多下游品种的化工品，可以选择其最具代表性的几种下游制成品和对应的基本面数据。对于不同地区的数据，我们应选择主流地区，或者几大主流地区加总的数据。基于这些标准的数据，在逻辑上较为合理，且具有较强的统计意义和模型解释力。