找回密码
立即注册
搜索
热搜: Java Python Linux Go
发回帖 发新帖

1421

积分

0

好友

183

主题
发表于 昨天 17:39 | 查看: 4| 回复: 0

趋势跟踪作为一种经典的系统化策略,其核心优势在于与传统资产的历史低相关性,以及在市场危机期间提供正回报的凸性表现。然而,在实践构建投资组合时,一个至关重要却常被忽视的问题是:应该在哪些市场中执行趋势跟踪策略?如何在这些市场之间分配权重?

Man AHL于2026年1月发布的深度报告《A Trend Following Deep Dive: The Optimal Market Mix for a Trend Follower》,正是围绕这一核心问题展开研究。该报告通过历史数据和模拟分析,系统性地比较了传统市场、另类市场及更前沿的市场组合,为投资者提供了一个清晰的权衡框架与实用建议。

引言:传统多元化的隐形陷阱

多元化是提升夏普比率的核心工具。大多数机构投资组合都会包含股票、债券、信贷、私募股权、房地产和大宗商品等资产。但问题在于,许多资产的底层驱动因素高度相似——都依赖于经济增长。当经济衰退或系统性危机来临时,这些资产往往会同步下跌,导致多元化在最需要的时候失效。

趋势跟踪策略则不同。它不依赖经济增长,而是纯粹捕捉价格自身的趋势。历史数据表明,它具备两大关键特征:与传统资产的低相关性,以及在股票市场大幅下跌时的突出表现(即正凸性)。

例如,根据一项分析(模拟图1),在MSCI世界指数季度回报最差的五分之一区间(第一分位数),趋势跟踪策略表现出了最强的正向季度平均回报(约6%)。相比之下,全球债券和多策略组合在这一分位数的回报并不突出。这种在股市表现最糟糕的时期获取正收益的能力,清晰地展现了趋势跟踪策略的正凸性和作为“危机阿尔法”的潜力。

核心结论:并非所有的趋势跟踪组合都是相同的。不同的市场选择会带来完全不同的夏普比率表现和危机防御能力。

传统趋势跟踪市场:危机防御的核心

传统市场是大多数CTA策略的交易核心,主要包括:

  • 股票指数:如S&P 500、Euro Stoxx 50
  • 政府债券:如美国10年期国债、德国国债
  • 主要外汇:如美元/日元、澳元/美元
  • 核心大宗商品:如原油、黄金、铜

这些市场具备高流动性、长历史数据、深容量的特点,总数约150个。它们能有效捕捉全球四大宏观风险因子:

  • 风险偏好:通过S&P 500、铜、原油等市场反映。
  • 通胀:通过美国国债、黄金、玉米等市场反映。
  • 货币政策:通过短期利率期货、美元/日元等市场反映。
  • 全球贸易:通过铜、大豆、澳元等市场反映。

当宏观环境发生剧烈变动时(例如股市崩盘),这些传统市场的价格往往会同向剧烈运动,为趋势跟踪系统提供强大的信号,从而实现其“危机阿尔法”的功能。

通过因子分解分析可以观察到,在传统市场组合中,宏观因子的回报贡献占比较高。例如,自2005年至2025年的数据显示,其总回报中相当一部分可以由宏观因子解释,而特质性回报的贡献相对平稳。这种对宏观因子的高暴露,正是其带来更强危机防御能力(更高的危机夏普比率)的底层逻辑。

扩展到另类市场:挖掘特质性机会

尽管传统市场在宏观因子主导时期表现出色,但在因子影响力减弱、由个股或单个市场特质性因素主导的时期,其机会相对有限。

另类市场正是解决这一问题的关键。它涵盖了更广泛的资产类别,包括:

  • 场外交易市场、信用指数(如美国高收益信用指数CDS)
  • 新兴市场利率、外汇(如波兰5年期利率互换)
  • 电力、农产品细分品种(如葵花籽)
  • 中国市场独有的液态大宗商品(如甲醇、鸡蛋、PVC)
  • 合成市场(权益风格因子),例如基于现金股票构建的价值、质量、规模、低贝塔等因子组合
  • 前沿市场,如印尼信贷、西班牙电力、超灵便型散货船运价
  • 加密货币,如比特币、以太坊、Solana

另类市场的优势在于:

  • 更高的特质性回报。分解数据显示,其回报中由宏观因子解释的比例较低,更多的收益来源于独立的市场特定因素。
  • 更多独立的风险驱动因子。主成分分析表明,解释另类市场95%价格方差所需的主成分数量,显著多于传统市场,说明其风险来源更加多样化。
  • 更高的多元化效益。将市场集从传统市场扩展到另类市场,再到前沿、中国、合成及加密货币市场,能够持续提升策略的分散化效益。

研究通过一张展示流动性(横轴)与复杂性(纵轴)平衡关系的散点图(图5)形象地说明了不同市场的定位。传统市场(如S&P期货、美国现金股票)聚集在高流动性、低复杂性的区域;而另类及前沿市场(如南非现金股票、印度单一股票期货、主权CDS、实物加密货币等)则分布在流动性较低、复杂性更高的区域。

将这三类市场——传统市场、另类市场、以及另类小众市场——的多元化收益进行量化对比,结果显示:仅使用传统市场的组合,其多元化收益约为3.5;加入另类市场后,收益提升至约4.2;进一步纳入前沿、中国、合成及加密等另类小众市场,多元化收益可以达到约4.8。

核心权衡由此产生:追求最大的长期夏普比率潜力,需要重点配置另类市场;而追求最强的危机防御能力,则需要偏重传统市场。

实证分析:何为最优市场组合?

报告将可用于趋势跟踪的市场系统地分为六大非重叠类别,总计约900个市场:

市场类别 描述 约数 典型基金流动性 示例
传统市场 最具流动性的期货与远期合约上的核心趋势跟踪 150 每日/每周 S&P 500, 原油, 黄金, 美元/英镑, 美国10年期国债
替代市场 场外交易及其他更难交易的市场,包括新兴市场 400 每月 美国高收益信用指数,波兰5年期利率互换,德国电力
前沿替代市场 流动性更低、更复杂的市场 200 每季度 印尼信贷,西班牙电力,葵花籽,超灵便型散货船运价
中国替代市场 主要是中国的液态大宗商品市场 80 每月 沥青,精对苯二甲酸,甲醇,鸡蛋,PVC
权益风格市场 使用现金股票创建的合成因子 60 每月 价值、质量、规模、低贝塔、成长因子
加密货币市场 实物加密货币 10 每月 比特币,以太坊,Solana,Cardano,Polygon

研究使用移动平均线交叉和突破动量信号,通过最大分散化方法进行配置。结果显示,所有市场子集均展现出正的夏普比率,并保持与传统资产的低相关性。

基于2001年至2025年的模拟数据,报告给出了两个关键的“最优”组合建议:

1. 最大夏普比率组合

  • 配置思路:重配另类市场(包括中国、前沿、权益风格和加密),传统市场权重较低。
  • 目标:最大化长期风险调整后收益。
  • 配置比例示例:传统资产30%,替代资产20%,替代小众资产15%,中国市场15%,权益风格5%,加密货币15%。
  • 适合场景:将趋势跟踪主要作为多元化收益来源的投资者。

2. 最大危机夏普比率组合

  • 配置思路:大幅重配传统市场(占比约50%),另类市场作为补充。
  • 目标:在权益市场承压时期提供最强的保护。
  • 配置比例示例:传统资产50%,替代资产12.5%,替代小众资产12.5%,中国市场10%,权益风格10%,加密货币5%。
  • 适合场景:需要危机对冲或尾部风险管理的机构投资者。

两个组合的账户曲线(以2005年为基准100)均呈现长期上升趋势,最大夏普组合在后期表现更为突出。从绩效指标对比来看,两者都实现了与全球股票的负相关性。

绩效指标 最大夏普组合 最大危机夏普组合
起始日期 2001年2月1日 2001年2月1日
总回报 5233% 3775%
年化回报 17% 16%
年化波动率 14% 17%
夏普比率 1.07 0.83
最大回撤 21% 26%
与全球股票相关性 -0.18 -0.18
与全球债券相关性 0.13 0.13

此外,对于追求资本效率的投资者,可以构建一个目标波动率为25%的现金高效组合。该组合为了实现高波动率,传统市场的占比可高达70%。其优势在于保证金占用极低(期货/远期合约天然现金高效)、在相同资本下能实现更大的风险暴露、流动性最佳(日度/周度),并且在流动性危机(如2022年英国LDI危机)中更容易调动资金。该组合的特征与最大危机夏普组合高度接近。

总结与启示

构建趋势跟踪的市场组合,本质是在长期夏普比率危机防御能力(以及现金效率)之间进行优化权衡,而非简单的妥协。

三类实用组合建议:

  1. 最大夏普组合:侧重另类市场,追求长期收益与分散化效益,适合对冲基金配置。
  2. 最大危机夏普组合:侧重传统市场,追求最强的尾部风险防御,适合机构的尾部风险管理。
  3. 现金高效组合:侧重传统市场并设定高目标波动率,追求资本效率与流动性,适合希望用较少资本获取较大风险暴露的投资者。

核心观点:

  • 不存在“放之四海而皆准”的万能组合,必须根据具体的投资目标进行定制。
  • 所有优化后的组合均能保持与传统资产的低相关性,并在危机中提供正向表现。
  • 随着资产管理规模的扩大,传统市场的高容量优势将变得更加重要。

趋势跟踪策略的魅力在于其灵活性——通过明智地选择交易市场,投资者可以在收益潜力、危机防御和资金效率之间,找到最适合自身需求的平衡点。这份来自Man AHL的研究,为系统化地理解与执行这一过程提供了宝贵的框架。对于希望深入探索策略细节和更多数据处理的投资者,可以进一步研究相关的www.man.com/insights/trend-following-optimal-market-mix,同时,将量化投资与人工智能技术结合进行策略优化,也正成为前沿探索的方向。

参考资料

[1] 趋势跟踪深度解析:如何构建“最优”市场组合?(Man AHL), 微信公众号:mp.weixin.qq.com/s/OqMP6WOElF7J1SMX3OvYMA

版权声明:本文由 云栈社区 整理发布,版权归原作者所有。




上一篇:OpenClaw生态盘点:GitHub上7个值得关注的开源项目与工具
下一篇:OpenClaw 故障排查指南:从网关状态到消息静默的诊断与修复
您需要登录后才可以回帖 登录 | 立即注册

手机版|小黑屋|网站地图|云栈社区 ( 苏ICP备2022046150号-2 )

GMT+8, 2026-2-25 07:36 , Processed in 0.487077 second(s), 42 queries , Gzip On.

Powered by Discuz! X3.5

© 2025-2026 云栈社区.

快速回复 返回顶部 返回列表