核心观点
　　择时框架是否可以应用于商品？前期我们针对债券收益率及权益指数建立了相应的择时模型，那么是否可以对于商品期货建立类似的择时模型？我们对市场关注度最高的黄金和原油进行建模。需要注意的是，期货交易较为高频，多空机制相对完善，同时部分期货结算及收盘价计算规则存在差异，我们的模型更偏向于中期波段，因此可能并不适用于日内的高频交易。
　　黄金择时模型2019年3月至今的样本外区间，模型共形成61个正确区间，17个错误区间，区间胜率78.21%。
　　因子方面，纳入了黄金ETF持仓、ETF波动率、库存、空头及多头持仓量、成交量、全球广义流动性、其他有色金属相关指标、金铜比、金油比以及COMEX黄金期货技术指标等因子。对于部分供给侧和需求侧指标，由于其更新频率过低，因此没有纳入我们的原始因子集。分布方面，原始因子196个，经差分等边际处理后共计338个因子，其中242个日频因子，38个周频因子，58个月频因子，经筛选后保留138个日频因子，27个周频因子，25个月频因子。
　　原油择时模型2019年3月至今样本外共形成52个正确区间，11个错误区间，区间胜率82.54%。
　　因子方面，除和黄金共有的金油比、全球流动性等指标，还包括不同种类原油、不同交易所原油、运输指数、中美的库存、中国进口、美国及OPEC国家产量、原油ETF、炼厂开工率、期货持仓、技术指标及锌锭价格等与原油走势较为相关的因子，同样的，部分因子如炼厂利润等指标由于更新频率的问题没有纳入原始因子集。分布方面，原始因子281个，经差分等边际处理后共计394个因子，其中269个日频因子，55个周频因子，70个月频因子，经筛选后保留133个日频因子，22个周频因子，45个月频因子。
　　风险提示：模型失效风险；因子失效风险；数据质量风险