作者：新全球资产配置
题图：新全球资产配置微信公众号
最近A股市场上的极端行情将投资者的神经按在地上摩擦，在经历了惨绝人寰的2018后，A股在2019年出现了一波井喷式上涨行情，让投资者瞬间欢欣鼓舞。
那么，市场上是否存在“黑天鹅捕手“，能帮助投资者在过山车行情中稳坐钓鱼台呢？学术界其实已经有研究显示：在流动性最好的全球期货市场中，选取多样化的资产组合，再根据某种系统性的方式，比如时间序列动量信号(以下简称TSMOM)构建而成的策略，能在极端市场环境下，帮助投资人对冲风险。
Time Series Momentum “Smile.”
Source：《Demystifying Managed Futures》
上图横坐标为标普500的收益率，纵坐标为策略的假设收益率，时间跨度为1985年到2012年。我们可以看到，在标普500出现极端情况时，多元时间序列动量策略（以下简称多元TSMOM）的收益明显上扬。学术界对此有一个形象的名字，叫“波动率微笑”。换句话解释是，在股市极端上涨或下跌时，管理型期货策略往往表现得最为优异。
学术界的小讨论
TSMOM的信号非常简单，即根据某资产在过去n个周期内的无风险利率以上的回报决定做多还是做空该资产。Tobias J. Moskowitz, Yao Hua Ooi, Lasse Heje Pedersen(以下简称MOP)写过一篇论文《Time Series Momentum》，文中提出TSMOM不仅能产生较大且显著的alpha，而且与各大基准资产的回报相关性低，在股票市场出现危机时能产生Crisis Alpha。
随后，《Time Series Momentum》的作者Yao Hua Ooi和Lasse Heje Pedersen又与Brain Hurst合作，写了《Demystifying Managed Futures》一文，从时间序列动量产生额外收益的经济学直觉、额外收益是否稳定、来源何处以及能否解释管理型期货与CTA策略的回报这几个角度，对《Time Series Momentum》做了补充。我们的文章主要针对《Demystifying Managed Futures》一文，总结文章提出的5个问题与解答。
一、 TSMOM的回报来源如何通过经济学直觉解释？
二、 多元TSMOM策略的投资组合如何构建？
三、 多元TSMOM策略在跨资产间和跨回溯周期上的表现？
四、 多元TMSOM策略的收益源自哪里？
五、 多元TSMOM 策略与CTA策略有何关系？
问题与解答
01
TSMOM的回报来源
如何通过经济学直觉解释？
其实绝大多数管理型期货策略都属于趋势跟踪或动量投资策略：买入正在上涨的资产，并卖出正在下跌的资产，俗称追涨杀跌。在趋势形成到延伸的过程中，抓住投资者由于行为上的偏差，和风控限制导致的迟滞与过度反应，从而在价格波动中获利。因此这样的策略通常被应用于具有较高流动性的商品、股指、货币、国债等在交易所交易的标准期货合约。
一个趋势产生的大部分的价格波动来源于两个时期：
（1）在趋势发生的早期，由于投资者的心理锚定效应(Anchor-and-insufficient-adjustment)和处置效应(Disposition Effect)的作用，会使价格对新信息反应过慢。“锚定效应”通俗解释就是人们在做决定或下判断前，容易受到之前信息的影响，它们犹如一个沉重的锚让思维固化，而这样产生的判断就会造成决策的偏误与迟缓。
比如说，一个价值1元的股票以10元的价格交易，买入后跌至5元，持有还是卖出？如果和10元的买入价格锚定，你很可能就会继续持有，这就是投资者普遍存在的心理定式。“处置效应”则指投资人在处置股票时，倾向卖出赚钱的股票、继续持有赔钱的股票，也就是所谓的'出赢保亏'。
（2）当趋势延续时，由于羊群效应(Herding and feedback trading)、确认偏误与选择性偏差(Confirmation bias and representativeness)和机构的资金流与风控系统的作用，会导致价格对新信息产生的趋势产生迟滞与过度的反应。
Source： 《Demystifying Managed Futures 》
【羊群效应】最早是股票投资中的一个术语，形容投资者会盲目效仿，从而导致他们在某段时期内买卖相同的股票，比如最近A股中投资者前仆后继的情况。而确认偏误和选择性偏差则指人们会倾向于寻找支持自己观点的证据，并很难改变自己的观点，并且会过分强调典型类别的重要性，比如大多数投资者坚信“有名的公司”就是“好股票”、看到这几天股票大涨觉得以后还会涨、股票大跌就赶紧卖，这些都会导致趋势延续。另外，机构的大量资金加入追高与风控系统的止损卖出，都会造成价格对信息的过度反应。
所以趋势的产生如果用行为经济学理论来解释的话，其实是来自于各种投资人的行为谬误，使价格在趋势形成的过程中偏离公允价值。但这种偏离不可能无限持续下去，所有的趋势最终都会终结。同样地，现实中极端牛熊市的情况也不是一夜之间突然发生的，都是经济状况持续恶化或改善下渐变的结果，也不会在短时间内结束。所以在熊市中，管理型期货策略会随着行情下跌而做空，并且会随着进一步的下跌而盈利；在牛市中，管理型期货策略会在行情上涨时买入，并且凭借后续的上涨而盈利。
在资本市场上，这些现象很少单独出现，而是紧密地联系交织在一起的，因而对它们研究的也成为证券投资中重要的一部分。
02
多元TSMOM策略的投资组合如何构建？
(1)时间序列动量
我们先说下时间序列动量这个“绝对动量”的信号是怎么用的：具体操作中，就是在一篮子多元的期货资产中(包括大宗商品、全球股指、全球债券和全球货币)，做多在回溯期内，扣除无风险回报后为正的资产；做空在回溯期内，扣除无风险回报后为负的资产。这里的回溯期可以是过去两周、1个月、3个月、12个月不等，也可以是多周期组合。
(2)多元TSMOM具体是怎样操作的
《Demystifying Managed Futures的》作者在回测中，同时用了1月、3月、12月三个回溯期，在24种大宗商品期货、13种全球国债期货、9种全球股指期货以及12种全球货币配对远期合约中使用了TSMOM信号。
大牛的折腾肯定没有止步于此，前方高能：作者在构建资产组合的过程中使用了风险平价和再平衡的策略。具体来说，作者对整个组合设置了10%的预期年化波动率(Ex-ante Volatility)，用风险平价的策略来配置每个资产权重。也就是给投资组合中，给不同资产类别分配相同的风险权重，确保不同波动率的品种带给投资组合的风险大致相同(这里可以看桥水的【风险平价】与【全天候策略】探究)。
在回测中，大宗商品和股票这种波动率大的资产类别获得更小的权重，而波动率小的国债和外汇产品则获得更大的权重。为了让资产组合中的配比不要因为各个资产的涨跌产生太多的偏离，平滑市场带来的波动，作者用投资组合再平衡的方法，每周进行一次仓位调整，在每个周五根据周四的收盘价进行再平衡。
(3)测试数据
作者使用的测试数据是58个高流动性期货：24种商品期货、9种股指期货、13种债券期货和12种货币期货。
数据时间段：1985年1月-2012年6月
03
多元TSMOM策略在不同资产间
和不同回溯期上的表现？
作者将多元TSMOM策略的回报进行了分解，把不同资产类别的TSMOM组合的表现、对三个不同回溯期的TSMOM组合的表现，分别与MSCI全球股票指数、GSCI大宗商品指数和巴克莱美国国债指数的回报做回归分析。结果显示：获得的超额收益(Excess Return)在统计上都是显著的。
A：从资产类别的角度看，TSMOM策略的表现情况
B：TSMOM策略在不同回溯期内的表现情况
具体我们从资产类别和不同动量时长(1-MOM,3-MOM,12-MOM)的这两个维度看(将图表A和图表B结合看)组合中每个单类别的期货资产获得的超额收益看起来已经很可观，有意思的是股票的表现最差，债券的表现最佳。组合年化超额收益率则可高达19.4%。从波动率看，策略实现的波动率从9.5%-11.9%不等，与10%的预设目标非常接近。更重要的是，TSMOM策略的夏普比率都很不错，反映了相对于风险而言高于无风险利率的高平均超额收益率。
另外，对比不同趋势区间内的策略，测试结果显示12个月的回溯期策略表现最好，3个月的策略表现次之，1个月的策略表现相对最差。可见回溯期越长，获得的超额收益越显著。
04
多元TMSOM策略的收益源自哪里？
《Time Series Momentum》一文提出TSMOM能产生较大且显著的alpha，约为每月1.58%，不但能为投资者带来超过传统买入持有策略的回报，而且与各大基准资产的回报相关性低，在市场出现危机中收益很高。那么这些收益源自于哪里？
第一个来源：分散化带来的收益
作者在论文中对多元TSMOM策略内部以及策略与各大资产类别之间有什么关系这个问题，做了一个相关性分析，可以用来解释这个问题。
A：不同资产策略间的相关性
B：不同回溯周期间的相关性
在策略内部，这些单资产策略中在每个趋势范围内不同回溯周期的TSMOM组合的相关性在0.4-0.6之间，不同资产类别的TSMOM组合的相关性则低至-0.1-0.2之间，平均成对相关性小于0.1，这意味着TSMOM信号这些策略在不同市场上和不同回溯期中的表现相当独立，因此当信号在一个资产中亏损时，也很可能会在别的资产中获利。也就是TSMOM策略中的收益有一部分是来自于这种低相关性。
此外非常关键一点是：文中提到TSMOM策略与传统资产类别的相关性非常低。与标准普尔500指数的相关性为-0.02，与以巴克莱美国综合指数的相关性为0.23，与S&P 标普GSC大宗I大宗商品指数的相关性为0.05。
通过回测1985-2012年的数据，TSMOM策略与S&P 标普500指数的季度收益走势的对比图显示：TSMOM策略在熊市和疯牛市期间表现尤其出色，在股市出现横盘的时候则表现比较差。TSMOM策略给投资组合内部提供低相关性，能够市场出现危机时可以带来Crisis Alpha。
第二个来源：风险平价再平衡带来的收益
在风险平价策略调整头寸后，理论上，每种资产都具有相同的预期波动性。这意味着，一种资产的波动性越高，它在投资组合中的头寸就越小，从而创建一个较为稳定的投资组合。
这一点很重要，因为资产之间的波动范围很广。例如，5年期美国国债期货的波动率通常在每年5%左右，而天然气期货的波动率通常在每年50%左右。如果一个投资组合中的所有的资产权重相等， 那么该投资组合的风险和回报将由波动最大的资产主导， 显著降低了多样化的带来的收益，但是也降低了波动性。
05
多元TSMOM 策略与CTA策略有何关系
原文作者将各个资产的TSMOM表现与各个时长的TSMOM的表现与巴克莱BTop50指数、瑞信管理型期货指数和5个管理型期货策略基金的表现做了相关性回归分析。
A：回归分析后的不同回溯周期的暴露值和解释力度
B：回归分析后的不同资产类别的暴露值和解释力度
回归分析的R-square在0.36-0.64，各大管理型期货策略的回报可以被TSMOM解释。作者用TSMOM策略模拟的Diversified TSM指数与其他管理型期货/CTA策略的回报相关性在0.66-0.78之间。也就是说上述TSMOM策略对于商品期货的历史收益具有较强的解释力。
一个有趣的发现是：更多管理型期货策略基金经理倾向于以三个月为回溯周期使用TSMOM（3-MOM）、其次是TSMOM（12-MOM）策略，同时在债券资产中配置了更高的权重。以瑞信管理型期货指数为例，大多数管理者更看重中长期趋势，较少关注短期趋势。在资产类别方面，大多数基金经理更看重固定收益，这或许是因为这些市场的流动性及过去几十年固定收益趋势的强劲表现。
06
在实践中的意义
TSMOM策略最大的意义在于其投资组合内部高度分散，与持有其他大类资产的收益相关性低，且投资标的都是流动性最好的全球期货产品，在市场出现危机时可以带来Crisis Alpha。
对于大多数投资者来讲，是很难自己通过跟踪趋势来获利的，一是这需要非常专业的知识；二是需要大量的资金，比如文中这个策略需要同时操作58种期货；三是有很高的风险。如果大众投资者想投资这样的策略或者纳入投资组合来使用，也可以考虑投资相关的ETF——有更低的费率、更小的风险、更多的机会。下图我们列出了四种采用趋势追踪策略的主动型ETF：
数据截止时间：2019.2.27，Bloomberg
上面四只ETF，成立最长的时间差不多为8年，最短的不到两年。由于这种类型的ETF普遍成立时间不长，所以目前在大牛市、大熊市中的表现尚待检验。不过因其策略的特殊性，仍不失为一种值得我们思考和运用的投资方式。
写在最后
原文对管理型期货TSMOM策略表现在不同资产类别和不同动量时长中作了分解。该策略通过在趋势从形成到延伸的阶段中，抓住投资者由于行为金融学上的偏差与风控限制导致的迟滞与过度的反应获利，这从经济学直觉来看是合理的，在回测的统计结果来看其超额回报也是显著的。但我们认为投资人不能神化这种策略的作用。
MOP的《Time Series Momentum》一文提出，TSMOM能产生较大且显著的alpha，约为每月1.58%，不但能为投资者带来超过传统买入持有策略的回报，而且与各大基准资产的回报相关性低，在市场出现危机时收益很高。
KTW的《Time Series Momentum and Volatility Scaling》一文提出，TSMOM产生的alpha主要来源于其风险平价处理方式。《Time Series Momentum》一文将每个资产的预期年化波动率按比例提高至40%(与美国个股的平均预期年化波动率相仿)，而实际上MOP的投资组合内所有期货资产的年化波动率只有12%。这里可以看看我们之前的文章：如何在股灾中赚取超额收益。
这种风险平价处理方法相当于给整个投资组合上了杠杆。去掉这道杠杆后，TSMOM策略的回报与买入持有所有期货的回报在统计上并没有不同，而如果对没有采用TSMOM的策略使用同样的风险平价处理方式，其表现也会上升至与TSMOM策略相仿。
今天讨论的这篇文章的风险平价处理方法与MOP一文类似，不同的是其将整个投资组合的预期年化波动率设置为10%去做风险平价处理权重，与使用TSMOM策略下各个资产的实际年化波动率(9.5%-11.9%)相仿。这种风险平价处理方式实际上并没有给TSMOM策略加杠杆。在周度再平衡的基础上，将单个资产TSMOM策略的平均夏普比率从0.29、0.36、0.38(1-MOM,3-MOM,12-MOM)提升至1.26, 1.43, 1.52(1-MOM, 3-MOM, 12-MOM)。
Demystify这篇文章里的多元TSMOM策略并没有考虑实践中的成本：
- 由于原文采用周度再平衡周期，更高的风险平价权重再平衡频率会增强风险平价处理的效果，但作者并没有计算这种更频繁的再平衡会产生的交易成本和市场冲击。
- 原文并没有提到期货换约问题，即完全没有考虑在期货换约的过程中产生的额外成本。
此外，这种策略其实并不总是奏效。比如在市场无明显趋势且总是处于区间振荡的情况下，此类策略往往表现糟糕，在趋势突然反转时，策略也容易遭受损失。管理型期货策略经常会产生很高的换手率，从而导致较高的交易成本，而且管理型期货基金通常会收取高昂的费用，这都大大降低了投资者的净回报。实盘使用时还需要进一步的优化。
参考文献：
1.《Demystifying Managed Futures》,By Brain Hurst, Yao Hua Ooi, and Lasse Heje Pedersen.
2.《Time Series Momentum》,By Tobias J. Moskowitz, Yao Hua Ooi, Lasse Heje Pedersen.
3.《Time Series Momentum and Volatility Scaling》,By Abby Y. Kim , Yiuman Tse , John K. Wald.
版权声明：文章版权归原作者所有，部分文章由作者授权本平台发布，若有其他不妥之处的可与小编联系。
