网络链接：https://mp.weixin.qq.com/s/Yj2lTSVPbZ3OzK8XQtw29
本文是AQR Capital于2014年秋天发表的一篇研究文章，旨在说明过去一个世纪以来趋势追踪带来的强劲正回报的证据，通过不同历史时期的数据证明，趋势追踪策略的优点，情报员们也在接下来的时间里，把更多投资策略分享给大家。文章研究了自1880年以来全球市场趋势跟踪投资的表现，将现有证据延长了100多年。发现一个多世纪以来，趋势跟踪带来了强劲的正回报，并实现了与传统资产类别的低相关性。通过不同的经济环境分析趋势跟踪收益，并强调该策略在股票熊市中提供的多样化收益。最后，在这些长期结果的背景下评估了该战略最近的环境。趋势跟随作为一种投资风格，已经存在了很长时间。大约200年前，古典经济学家大卫·李嘉图(David Ricardo)提出了“减少损失”、“让利润继续增长”的迫切要求，这表明人们对趋势的关注。一个世纪后，传奇交易员杰西 利弗莫尔(Jesse Livermore)明确表示，“大笔资金不存在个人波动，而是存在于……评估整个市场及其趋势。”最基本的趋势跟踪策略是时间序列动量——做多近期回报为正的市场，做空近期回报为负的市场。自1985年以来，几乎所有股指期货、固定收益期货、大宗商品期货和外汇远期合约的时间序列动量平均都是盈利的。这一策略解释了上世纪80年代末以来托管期货基金的强劲表现。本文试图确定趋势跟踪的强劲表现是过去几十年统计上的偶然现象，还是在广泛的经济条件下存在的更为强劲的现象。利用来自多个来源的历史数据，构建了一个时间序列动量策略，一直追溯到1880年，并发现该策略在过去135年一直保持盈利。研究了该策略十年又十年的表现，它与主要资产类别的相关性，以及它在历史牛市和熊市中的表现。丰富的数据还为评估该战略的最新环境提供了上下文。考虑了自2008年全球金融危机以来，该战略中资产增加的影响，以及各市场之间相关性的增强。还回顾了一些对未来战略可能有利的发展，如较低的交易成本、较低的费用和越来越多的可交易市场。趋势跟踪投资包括做多上涨的市场和做空下跌的市场，押注这些趋势将继续下去。创建了一个简单的时间序列动量策略，没有许多复杂模型的任意选择。具体来说，为67个市场构建了1个月、3个月和12个月时间序列动量策略的平均加权组合，涵盖4个主要资产类别——29种大宗商品、11种股票指数、15个债券市场和12种货币对——从1880年1月至2013年12月。由于并非所有市场都有1880年以来的回报率数据，因此使用在每个时间点都存在回报率数据的资产集来构建策略。利用期货收益。在获得期货数据之前，依赖于每个国家以当地短期利率融资的现金指数回报。对于这三种时间序列动量策略中的每一种，在每个市场采取的立场都是通过评估该市场过去在相关回望视野中的回报来决定的。过去的正回报被认为是一种“上升”趋势，并导致多头头寸；负的过去回报被认为是一个“下降”趋势，并导致空头头寸。因此，每种策略在每个市场上总是持有多头或空头头寸。每种头寸的规模目标都是相同的波动性，既是为了提供多样化，也是为了限制来自任何一个市场的投资组合风险。这三种策略的头寸每月都进行汇总，并按比例调整，这样组合后的投资组合的年化事前波动目标为10%。波动率缩放过程确保组合策略在一段时间内针对一致的风险量，而不管在每个时间点交易的市场数量。
最后，减去交易成本和费用。交易成本估算是基于对四种资产类别中每一种的平均交易成本的当前估算，以及基于Jones(2002)的对历史上与现在相比交易成本上升了多少的估算。为了模拟费用，我们采用2%的管理费和20%的绩效费，并以高水位为基准，这是典型的期货管理费用。方法遵循莫斯科维茨、Ooi和Pedersen(2012)以及Hurst、Ooi和Pedersen(2012)的方法。这些作者发现，时间序列动量很好地反映了过去几十年管理期货指数和基金经理回报率(包括规模最大的基金)的表现，当时存在此类基金的数据。
表1显示了自1880年以来，时间序列动量策略在整个样本上的表现，以及在这段时间内每十年的表现。报告了扣除模拟交易成本后的结果，并考虑了费用前后的回报。在大萧条(Great Depression)、多次衰退和扩张、多次战争、滞胀、全球金融危机以及利率起起落落的时期，这种表现在很长一段时间内都非常一致。一些持怀疑态度的人辩称，有管理的期货主要受益于长期利率下降。尽管该策略在过去30年的表现确实不错，但其表现最好的10年是上世纪70年代，当时美国10年期国债收益率从7.8%升至11.1%，其间波动剧烈。
长期样本外证据表明，这种价格趋势不太可能是统计随机性或数据挖掘的产物。事实上，与文献相比，前10年的数据是样本外的证据，并且在这段时间内表现依然强劲。从长期来看，趋势似乎是投机金融市场的普遍特征。趋势跟踪策略只有在价格经常出现趋势时才会表现良好。大量研究表明，价格趋势存在的部分原因是投资者长期存在的行为偏差，如锚定和羊群效应，以及央行和企业对冲计划等非营利性参与者的交易活动。例如，当中央银行进行干预以减少货币和利率的波动时，它们会降低将信息纳入价格的速度，从而形成趋势。趋势跟踪策略在历史上表现良好的事实表明，这些行为偏差和非营利性市场参与者可能已经存在了很长一段时间。在整个时间段内，以及在大多数子周期内，回归策略与股票和债券的相关性都很低，如表1所示。更令人印象深刻的是，该策略在大型股票牛市和熊市中表现最佳。表2显示了该策略的年度假设回报率，与1880年至2013年美国股市的回报率对比。“微笑”表明，趋势跟踪在股市极端上涨或下跌的年份表现得尤为出色。在过去一个世纪里，熊市的这种强劲表现延续了自上世纪80年代以来的证据，最近的例子是全球金融危机期间趋势跟踪的强劲表现。
作为另一种评估极端事件期间趋势跟踪的多样化特性的方法，考虑了典型的60/40投资组合在从高峰到低谷的下跌期间的表现。表3显示了时间序列动量策略在过去135年传统60/40投资组合经历的10次最大下跌期间的表现。看到时间序列动量策略在10个压力周期中有8个经历了正回报，并在其中一些事件中实现了显著的正回报。在2007年至2009年全球金融危机期间，跟踪趋势的策略带来了宝贵的对冲收益，当你考虑到这种策略在其它深度股市熊市中的表现时，你会发现，这种策略的价值并不罕见。表3：美国60/40股票/债券投资组合的总回报率，以及1880年至2013年间60/40最大跌幅中的时间序列动量为什么趋势跟踪策略在熊市中往往表现良好?人们的直觉是，从历史上看，大多数熊市都是在几个月的时间里逐渐发生的，而不是几天内突然发生的，这让趋势跟踪者有机会在最初的市场下跌之后做空自己，并从市场的持续下跌中获利。事实上，1880年至2014年间，10个最大的60/40跌幅的平均时间约为15个月。鉴于时间序列动量策略具有诱人的回报和多样化的特点，在过去135年里，投资于一个时间序列动量策略将显著改善传统投资组合的表现。具体来说，表4显示了从60/40投资组合中分配20%的资本到时间序列动量策略的模拟效果。这样的配置将有助于降低投资组合的最大降幅，降低投资组合的波动性，并提高投资组合的回报。尽管趋势跟踪策略在过去135年和2008年全球金融危机期间表现良好，但自2008年以来的回报率参差不齐，这对该策略的未来前景提出了几个问题。首先，过去20年，这些战略管理的资产增长迅速，竞争可能会降低未来的回报。其次，在过去几年里，缺乏明确的趋势——甚至出现了一些急剧逆转——这引发了一个问题:当前的经济环境是否仅仅对该战略不利。文章试图依次评估这些问题。评估增加资产战略的影响,考虑Barclay Hedge的估计,资产管理系统的趋势追随者已从220亿年的1999美元到2800亿美元在2014年，而这种增长是实质性的，潜在市场的规模也在过去的十年中增长。估计趋势跟踪者持有的头寸总量在他们投资的市场中只占一小部分。如果假设所有的趋势跟踪经理采用描述过的相同的简单策略，持有的平均头寸大约相当于基础股票市场规模的0.2%、基础债券市场规模的2%、基础大宗商品市场规模的6%和基础货币市场规模的0.4%。即使管理下的资产显著增长，趋势跟踪者在他们投资的市场中似乎仍只占很小的一部分。继2008年强劲表现后，趋势跟踪策略自2008年以来经历了几次下跌。这一近期表现是否意味着，对于追随趋势的投资而言，如今的环境明显恶化了？表5显示了自1880年以来该战略经历的10次最大的历史减幅，包括该战略实现和从每次减幅中恢复所需的时间。计算了自该策略达到其有史以来最高累积回报率(其高点)以来的损失百分比。在这种长期背景下进行评估时，过去几年经历的回撤幅度看上去并不是很大。虽然最近的战略表现令人失望，但没有发现任何证据表明，相对于历史，最近的环境对策略来说异常糟糕。
表5：在1880-2013年间时间序列动能的10次最大回撤
虽然趋势跟踪投资在过去几年的表现似乎没有超出正常范围，但考虑当前经济环境对该策略可能产生的潜在影响也是有用的。在全球金融危机爆发后的几年里，“风险开/风险关”的宏观经济环境导致了资产类别内部和跨资产类别之间更高的相关性。表6显示了在策略中使用的所有市场的平均成对相关性，显示了自2007年危机开始以来，各市场之间的相关性是如何显著增加的。随着市场关联性的增强，该策略可从中获利的独立趋势越来越少，这可能会降低其经风险调整后的回报率，许多投资策略都是如此。
然而，有一些积极的发展可能有利于今后的策略。首先，尽管最近相关性一直很高，但它们似乎正在回归更为正常的水平。事实上，对相关性的更多高频估计表明相关性已经回到正常范围(这些估计没有显示出来)。其次，即使主要市场之间的关联度仍高于过去，但现在可供分散投资的市场比历史上大部分时期都要多得多，这应该有利于趋势跟踪。例如，趋势追随者现在可以投资于新兴股市和新兴货币市场，这些市场的流动性比过去强得多。第三，股票市场上做市商之间的竞争加剧，大大降低了交易成本。在货币和期货市场，做市商的竞争也在加剧。这将继续帮助那些愿意并有能力投资于适当交易基础设施的经理们降低未来的交易成本。此外，投资者现在可以以低于策略回报中假设的2和20费率结构的费用获得这些策略。
第四，尽管忽视了积极的发展，并假设未来的夏普比率将低于历史上所观察到的水平，但该策略具有吸引人的多样化特征，继续使其成为传统投资组合的潜在有价值的补充。例如，假设该策略只实现了扣除费用和交易成本后的夏普比率(Sharpe ratio)为0.4，那么该策略的回报率只有以往观察到的一半。即使按照这个保守的假设，将60/40投资组合的20%投资于趋势跟踪仍将是有益的。在1880年至2013年期间，这样的配置会保持投资组合的回报不变，将投资组合的波动性从11%降低到9%，将整体投资组合的夏普比率从0.38提高到0.46，并将相对于60/40投资组合的最大跌幅从62%降低到51%。
最后,虽然上面的示例假定60/40的投资组合将执行以及它在历史上，鉴于目前较低的实际收益率债券和股票的高估值，有强有力的理由认为，60/40的投资组合也将不执行，这进一步使分配一个投资组合的趋势的一部分。
一个多世纪以来，趋势跟踪投资一直表现稳定，早在我们能够获得几个市场的可靠回报数据时就已如此。分析提供了大量的样本外证据，超出了文献中已有的实质性证据(Moskowitz, Ooi和Pedersen, 2012)。这一长期一致的证据表明，趋势是全球市场的普遍特征。最有可能解释市场趋势的候选者往往包括投资者的行为偏差、市场摩擦、对冲需求以及央行和政府的市场干预。这样的市场干预和对冲计划仍然普遍存在，投资者可能会继续遭受过去一个世纪影响价格行为的行为偏差的困扰，为未来的趋势跟踪投资奠定基础。
尽管一个多世纪以来，跟随趋势的投资表现非常强劲，而且偏见和干预的持续存在，但该策略未来的预期回报可能受到以下几个因素的影响：该策略管理的资产增加、高昂的费用以及市场之间更高的相关性。然而，如果资产管理公司能够提供更低的费用，投资于交易基础设施和降低交易成本的战略实施，并通过扩大可交易期货和远期合约的种类，获得更广泛的多样化，那么投资于该战略的回报率就可以提高。该策略的分散化效益依然强劲，这为投资者在投资组合中进行适度配置提供了一个令人信服的理由。Asness, Cliff, 1994, “Variables that Explain Stock Returns,” Ph.D. Dissertation, University of Chicago.Asness, Cliff, John Liew and Ross L. Stevens, 1997, “Parallels between the cross-sectional predictability of stock and country returns,” The Journal of Portfolio Management 23(3), 79–87.Asness, Cliff, Tobias Moskowitz and Lasse H. Pedersen, 2013, “Value and Momentum Everywhere,” The Journal of Finance 68(3), 929–985.Chabot, Benjamin, Eric Ghysels and Ravi Jagannathan, 2009, “Momentum Cycles and Limits to Arbitrage: Evidence from Victorian England and Post-Depression U.S. Stock Markets,” working paper, Yale University.Cutler, David M., James M. Poterba and Lawrence H. Summers, 1991, “Speculative dynamics,” The Review of Economic Studies 58(3), 529–546.Erb, Claude B., and Campbell R. Harvey, 2006, “The tactical and strategic value of commodity futures,”Financial Analysts Journal 62(2), 69–97. Fung, William, and David A. Hsieh, 2001, “The Risk in Hedge Fund Strategies: Theory and Evidence From Trend Followers,” Review of Financial Studies 14(2), 313–341.Goetzmann, William, Roger G. Ibbotson and Liang Peng, 2000, “A New Historical Database for the NYSE 1815 to 1925: Performance and Predictability,” unpublished working paper, Yale ICF.Gorton, Gary B., Funio Hayashi and K. Geert Rouwenhorst, 2008, “The Fundamentals of Commodity Futures Returns,” unpublished working paper, Yale ICF.Grant, James, 1838, The Great Metropolis, vol. II (Philadelphia: E.L. Carey & A. Hart).Hurst, Brian, Yao Hua Ooi and Lasse H. Pedersen, 2012, “Demystifying Managed Futures,” working paper, AQR Capital Management and New York University.Jegadeesh, Narasimhan, and Sheridan Titman, 1993, “Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency,” The Journal of Finance 48(1), 65–91.Jones, Charles M., 2002, “A Century of Stock Market Liquidity and Trading Costs,” working paper, Columbia Business School.Moskowitz, Tobias, Yao Hua Ooi and Lasse H. Pedersen, 2012, “Time Series Momentum,” Journal of Financial Economics, 104(2), 228–250.Rouwenhorst, K. Geert, 1998, “International Momentum Strategies,” The Journal of Finance 53(1), 267–284.Shleifer, Andrei, and Lawrence H. Summers, 1990, “The Noise Trader Approach to Finance,” Journal of Economic Perspectives 4(2), 19–33.
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
