如果你发现咖啡每到某几个月常常涨价，很自然会想到：提前买入，不就能赚钱吗？问题在于，看见日历上的重复图案，和把它变成扣除成本后仍稳定赚钱的交易，是两回事。季节会重复，天气、库存和市场状态却不会原样重演。
Ralph Kosch 与 Robin Forsberg 的论文把这个朴素问题做成了一场较严格的比赛：让三类季节性模型使用完全相同的数据、持仓规则和交易成本，再看它们能否在未见过的市场中击败一个简单基准。结果偏冷静：个别历史回测很亮眼，但没有一种模型显示出稳健、可统计确认的样本外优势。以下数字与结论均来自该论文，尚无独立复现。
三种办法，猜下个月谁更强
研究覆盖15种流动性较高的商品期货，包括原油、黄金、铜、天然气、可可、咖啡、玉米、大豆和活牛等。作者使用“规避交割”的月度收益：选择距离到期至少两个日历月、且月底后仍有价格记录的最近合约，避免把不适合持有的临近交割合约塞进回测。
模型每个月只看此前120个月，也就是十年数据，然后预测下一月。窗口随时间向前滚动。第一次预测发生在2016年1月，评估一直做到2024年12月，共108个月。这就是样本外检验——考试题不能提前进入复习资料，是防止模型背答案的关键。
参赛者有三类：
- DVR（dummy-variable regression，虚拟变量回归）：分别估计某个月相对其他十一个月是否经常表现更好或更差。它像一本按月份整理的历史账簿，规则最直观。信号还要通过10%的显著性筛选；没有合格品种时，策略持有现金。
- SSA（Singular Spectrum Analysis，奇异谱分析）：把收益序列拆成趋势、周期和噪声，不先规定季节一定是固定的年度形状。它试图从数据里找出季度、半年或年度等交叠节奏。
- RLSSA（robust low-rank SSA，稳健低秩奇异谱分析）：在SSA基础上降低极端观测对分解的影响。商品市场常有跳跃和急剧反转，但“更抗异常值”并不自动等于“更会赚钱”。
作者还为每种模型制作了波动率标准化版本。原因很实际：同样强度的季节规律，放在波动更大的合约上，会产生数值更大的原始预测，排名时容易天然占优。标准化相当于先把不同音量调到接近水平，再比较旋律。
信号怎样变成交易
每个月，策略给15个品种打分。做多组合只买分数最高的一个，做空组合只卖空分数最低的一个。SSA和RLSSA只要预测值有限，就必须持仓；即使所有预测都为负，做多策略仍会挑“最不负”的那个。反过来也一样。
这条Top-1规则容易理解，却很集中，也可能在信号很弱时强迫交易。论文把它定位为透明的研究基线，并未声称这是最优投资组合。
交易成本按每次单边8.6个基点计算，月度进出各收一次。策略统一与“15个可用品种等权做多”的基准比较。这里尤其要注意：做空策略面对的仍是做多基准，因此比较结果同时混合了方向差异和选品能力，不能解释为纯粹的做空选品水平。
历史回测有赢家，统计检验没有
在真实的2016—2024年路径上，DVR做多看起来最好。经典版本累计收益为29.66%，Sharpe ratio（夏普比率，用收益相对波动衡量风险调整后表现）为0.245，最大回撤为-0.308；等权做多基准分别为14.30%、0.183和-0.415。经典RLSSA做空的夏普比率也达到0.184，几乎等于基准，但累计收益约为零，最大回撤深至-0.825。其余SSA和RLSSA版本的累计收益均为负。
只看这一条历史路径，很容易得出“简单月份回归有效”的结论。作者因此又做了500次Maximum Entropy Bootstrap（MEB，最大熵自助法）评估。它在保留每个合约时间秩次顺序的同时扰动收益幅度，用来观察策略是否过度依赖某一组涨跌大小。
在这500条路径上，等权做多基准的平均全期表现最强：累计收益16.81%，夏普比率0.191，最大回撤-0.414。三项都是路径分布的描述性平均值，不是某条实盘轨迹。
季节模型中，经典SSA的平均结果最好，平均累计收益12.96%，平均夏普比率0.131。但它的累计收益中位数是-11.30%，平均最大回撤为-0.682。换句话说，少数顺风路径把平均数抬了起来，典型路径却仍亏钱。这正是“平均上看着不错”和“可以稳定交易”之间的距离。
波动率标准化也没有成为通用补丁。它减少了DVR做空策略的平均损失，却总体削弱了SSA类组合。RLSSA同样没有在固定参数设计下持续胜过经典SSA。
真正重要的是“没能证明”
作者对夏普比率做了18项近似配对检验，并用Holm调整控制同一组内的多重比较问题——测试越多，偶然撞上“显著结果”的机会越大，Holm方法会相应提高过关难度。调整后，没有一项检验拒绝原假设。
这不等于证明所有策略完全相同。统计上的“不拒绝”只能说证据不足。论文既没有证明等权做多基准拥有稳健优势，也没有证明DVR、SSA或RLSSA能够产生稳健的样本外交易利润。模型收益还明显集中在特定子时期，说明市场阶段一变，结论也会跟着变。
这项工作的价值因此不在于交出一张交易配方，而在于把“检测到周期”与“赚到可重复的超额收益”分开。商品价格确实受农时、天气、库存和消费周期影响；但信号还要通过滚动估计、流动性筛选、真实持仓、交易成本、回撤和基准比较。走完这段路，老规律留下的优势已经很薄。
局限与未知
- MEB保留了每个合约原有的时间秩次，因此评估的是既定历史时点下的幅度敏感性，并没有随机打乱季节时点。它不能充分排除策略利用了样本中特定时间安排的可能，也不是一个“摧毁季节性后再检验”的强零假设。
- 各合约分别生成MEB路径，没有明确保留同一时点的跨商品相关性，组合层面的波动范围需要谨慎解释。
- 回测未计入抵押品收益、保证金、融资和合约特定的市场冲击；DVR空仓月份也按零收益处理。Top-1集中持仓与固定SSA参数则限制了结论能推广到哪些实际策略。
所以，标题问题的答案不是“季节性已经消失”，而是更克制的一句：在这15种商品、这套统一规则和2016—2024年的样本外检验中，老规律偶尔能赢，却还没有证明自己能稳定赚钱。