FOF投资的核心是多资产、多策略配置，传统仅基于股票、债券资产的配置，并不能很好满足FOF投资的需要。于是，有越来越多的资金方开始转向私募基金的挖掘，主要原因正在于私募基金构建策略的多元化，除了传统股票多头、债券多头策略，市场中性、CTA等绝对收益导向的另类投资策略，在私募基金市场占据相对份额。这类策略相对于传统的资产有较低的相关性，能够很好起到降低组合波动的作用。尽管市场中性策略和CTA策略都为绝对收益类策略，但市场中性策略本身还是依托于权益市场，在权益市场表现整体不佳的情况下，市场中性策略本身也很难做出好的业绩，而CTA策略作为投资于期货市场的策略，本身就和股票、债券有很低的相关性，并且随着近几年商品市场的交投活跃，引起了市场的较高关注。实践中，CTA策略是一类庞大的策略体系，本身又可以细分为趋势/套利、低频/高频、基本面/技术面等多个维度，而不同策略逻辑主导下的CTA产品走势，又不尽相同，存在轮动特征。从自上而下的视角看，一个优异的CTA策略产品，除了管理人本身的能力优异，具有alpha收益之外，很大程度还来源于策略本身的周期beta属性，因此，CTA投资，不仅需要的是优质管理人的挖掘，更需要对适配行情的优质CTA策略的挖掘，先beta，后alpha，这是我们一贯坚持的FOF研究思路。
　　本文借鉴股票市场的多因子研究思路，我们把CTA策略的影响因素，拆分为各个独立的因子，并对因子的轮动规律进行研究。这样以来，我们一方面可以通过因子分析的方法，对CTA策略进行更加详细、细致的分类，另一方面也可以基于对因子的动态监测与方向研判，找到大概率未来会表现好的CTA子策略，进而在这类策略中再挖掘优质管理人——到鱼多的地方去打渔。具体而言，我们站在中观的维度构建了几类CTA因子，并从宏观、市场以及因子微观维度对各类CTA因子研究了其适用情形，从而可以得到在不同环境下各类CTA因子的排序打分，并选取得分排名靠前的因子构建轮动模型，从长期来看获得了不错的收益。后续我们将结合中观维度对因子的选择映射到微观标的的遴选，从而实现自上而下对CTA基金的遴选。
　　风险提示：本报告主要采用数量化研究方法，可能存在模型设定偏差。
　　

研究报告全文：tablepage金融工程专题报告tablesubject撰写日期2023年3月15日证券研究报告--金融工程专题报告如何构建CTA策略的影响因子及监测模型金融工程专题报告分析师余景辉tablemain华宝财经评论类模板投资要点执业证书编号S0890519120001电话021-20321145FOF投资的核心是多资产多策略配置传统仅基于股票债券资邮箱yujinghuicnhbstockcom产的配置并不能很好满足FOF投资的需要于是有越来越多的资金方开始转向私募基金的挖掘主要原因正在于私募基金构建策略的多元化除销售服务电话了传统股票多头债券多头策略市场中性CTA等绝对收益导向的另类投资策略在私募基金市场占据相对份额这类策略相对于传统的资产有较021-20515355低的相关性能够很好起到降低组合波动的作用尽管市场中性策略和CTA相关研究报告策略都为绝对收益类策略但市场中性策略本身还是依托于权益市场在权益市场表现整体不佳的情况下市场中性策略本身也很难做出好的业绩而tableproduct1金融工程大宗商品CTA多因子模型构建及回测金融工程专题报告CTA策略作为投资于期货市场的策略本身就和股票债券有很低的相关2020-11-12性并且随着近几年商品市场的交投活跃引起了市场的较高关注实践中2金融工程买方投顾模式下的绝对收益CTA策略是一类庞大的策略体系本身又可以细分为趋势套利低频高频型策略构建基金组合投资策略研究基本面技术面等多个维度而不同策略逻辑主导下的CTA产品走势又不一金融工程专题报告2019-11-20尽相同存在轮动特征从自上而下的视角看一个优异的CTA策略产品3金融工程因子轮动与因子投资估值除了管理人本身的能力优异具有alpha收益之外很大程度还来源于策略偏离度行业PB-ROE及当下投资建议本身的周期beta属性因此CTA投资不仅需要的是优质管理人的挖掘金融工程专题报告2019-08-13更需要对适配行情的优质CTA策略的挖掘先beta后alpha这是我们4金融工程因子轮动与因子投资Smart一贯坚持的研究思路Beta投资方法探讨金融工程专题报告FOF2019-03-05本文借鉴股票市场的多因子研究思路我们把CTA策略的影响因素拆分为各个独立的因子并对因子的轮动规律进行研究这样以来我们一方面可以通过因子分析的方法对CTA策略进行更加详细细致的分类另一方面也可以基于对因子的动态监测与方向研判找到大概率未来会表现好的CTA子策略进而在这类策略中再挖掘优质管理人到鱼多的地方去打渔具体而言我们站在中观的维度构建了几类CTA因子并从宏观市场以及因子微观维度对各类CTA因子研究了其适用情形从而可以得到在不同环境下各类CTA因子的排序打分并选取得分排名靠前的因子构建轮动模型从长期来看获得了不错的收益后续我们将结合中观维度对因子的选择映射到微观标的的遴选从而实现自上而下对CTA基金的遴选风险提示本报告主要采用数量化研究方法可能存在模型设定偏差敬请参阅报告结尾处免责声明华宝证券119tablepage金融工程专题报告内容目录1CTA因子构建411时间序列动量512截面动量613展期收益率714基差动量815持仓量变化率916量价因子102CTA影响因子分析1121宏观维度1222市场维度1523因子维度163多维度因子轮动模型174总结18图表目录图1时间序列动量5图2截面动量6图3展期收益率7图4基差动量8图5持仓量变化率9图6量价因子11图7宏观维度轮动模型回测净值曲线14图8市场维度轮动模型回测净值曲线15图9因子动量维度轮动模型回测净值曲线16图10多维度轮动模型回测净值曲线17表1时间序列动量因子绩效统计5表2截面动量因子绩效统计6表3展期收益率因子绩效统计7表4基差动量因子绩效统计8表5持仓量变化率因子绩效统计10表6量价因子绩效统计11表7宏观指标12表8宏观指标区间统计以CPI-PPI为例13表9各宏观因子构建轮动模型回测统计13表10宏观维度轮动模型回测统计14表11各市场因子构建轮动模型回测统计15表12市场维度轮动模型回测统计16表13因子动量维度因子轮动模型回测统计17表14多维度轮动模型回测统计18敬请参阅报告结尾处免责声明华宝证券219tablepage金融工程专题报告敬请参阅报告结尾处免责声明华宝证券319tablepage金融工程专题报告FOF投资的核心是多资产多策略配置传统仅基于股票债券资产的配置并不能很好满足FOF投资的需要于是有越来越多的资金方开始转向私募基金的挖掘主要原因正在于私募基金构建策略的多元化除了传统股票多头债券多头策略市场中性CTA等绝对收益导向的另类投资策略在私募基金市场占据相对份额这类策略相对于传统的资产有较低的相关性能够很好起到降低组合波动的作用尽管市场中性策略和CTA策略都为绝对收益类策略但市场中性策略本身还是依托于权益市场在权益市场表现整体不佳的情况下市场中性策略本身也很难做出好的业绩而CTA策略作为投资于期货市场的策略本身就和股票债券有很低的相关性并且随着近几年商品市场的交投活跃引起了市场的较高关注实践中CTA策略是一类庞大的策略体系本身又可以细分为趋势套利低频高频基本面技术面等多个维度而不同策略逻辑主导下的CTA产品走势又不尽相同存在轮动特征从自上而下的视角看一个优异的CTA策略产品除了管理人本身的能力优异具有alpha收益之外很大程度还来源于策略本身的周期beta属性因此CTA投资不仅需要的是优质管理人的挖掘更需要对适配行情的优质CTA策略的挖掘先beta后alpha这是我们一贯坚持的FOF研究思路本文借鉴股票市场的多因子研究思路我们把CTA策略的影响因素拆分为各个独立的因子并对因子的轮动规律进行研究这样以来我们一方面可以通过因子分析的方法对CTA策略进行更加详细细致的分类另一方面也可以基于对因子的动态监测与方向研判找到大概率未来会表现好的CTA子策略进而在这类策略中再挖掘优质管理人到鱼多的地方去打渔1CTA因子构建CTA策略从大类上来看主要分为趋势类策略和套利类策略但即便是同类别的CTA基金其业绩往往也会有显著的差异为了更好的拆解CTA基金的收益贡献我们借鉴股票多因子的思路构建商品期货因子主要从动量期限结构持仓量价等维度构建因子不同于权益市场的标的有数千只商品市场当前共有60余只标的其涵盖农产品金属能源化工等品种我们将以这些标的构建各类因子由于商品期货合约会涉及到换月故我们需合成连续合约这其中应用最多的是主力连续合约在这里我们采用持仓量最大的合约为主力合约并且只有在持仓量最大合约发生切换后连续2天仍为同一合约才确立主力合约切换并根据新的主力合约的收益率进行拼接以此形成主力连续合约在构建权益市场的风格因子时由于全市场股票数量较多因此我们不对股票的流动性进行限制然而对于商品期货而言由于品种较少同时也不存在停牌等问题因此品种合约的流动性问题就成为了在构建因子前数据处理中不可或缺的一个步骤因为基本没有资金介入的品种其收益波动本身也没有参考价值有一种方法是选择当前市场上成交活跃的品种但这会导致历史上曾经活跃的品种被剔除在外与此同时有些品种当前较为活跃但是历史上某个片段基本没有流动性因此我们在后续构建因子的过程中会站在事前对期货品种进行剔除将过去一段时间成交量较低的品种剔除然后再构建多空组合得到各个因子这样做也避免使用到未来数据的问题最后说明一下构建因子的方法我们统一使用多空组合的方式构建因子对于截面因子都采用因子值排名前20的品种作为多头组合排名后20的品种作为空头组合每个因子的构建都涉及到回看周期和持有周期以截面动量为例当回看周期较小时其目的是在于观察短期动量因子未来一段时间的表现而回看周期较长时则是为了考察长期动量因子未来一段时间的表现而持有期则是观察未来多长时间的表现情况考量到CTA基金一般交易频率较高对市场的变化也较为敏感因此我们固定持有期为1天即滚动每日观察各个因敬请参阅报告结尾处免责声明华宝证券419tablepage金融工程专题报告子的表现情况也能即时反映各CTA基金收益贡献的变化11时间序列动量时间序列动量因子的构建方法为做多前期上涨的品种做空前期下跌的品种回看周期我们分别取52060个交易日以分别表征短期时间序列动量中期时间序列动量以及长期时间序列动量持有期为1个交易日即滚动每日生成因子收益率并将以上三个不同周期的因子等权合成综合时间序列动量因子各品种均使用其主力连续合约进行计算多空组合中的标的均等权配置以下为各个因子表现情况图1时间序列动量252151050时间序列动量5时间序列动量20时间序列动量60时间序列动量南华商品指数资料来源Wind华宝证券研究创新部表1时间序列动量因子绩效统计时间序列时间序列时间序列时间序列南华商品动量5动量20动量60动量指数累计收益率98325129852181747235最大回撤-2516-3392-2635-1993-4311年化收益率706421633613557年化波动率1098116111778941507滚动1年平均最大回撤-728-1363-1093-977-1367滚动1年平均波动率1077113411498751436Calmar比率097031058063041滚动1年平均收益率617663752672842滚动1年最大收益率24723810410929997172滚动1年最小收益率-2234-1929-2340-1318-2069滚动1年胜率79205983708469206252夏普比率051023041052027资料来源Wind华宝证券研究创新部敬请参阅报告结尾处免责声明华宝证券519tablepage金融工程专题报告12截面动量截面动量因子的构建方法为做多前期涨幅较高的品种做空前期涨幅较低的品种在这里以前期收益排名前20的品种作为多头组合以前期收益排名后20的品种作为空头组合回看周期我们同样分别取52060个交易日以分别表征短期截面动量中期截面动量以及长期截面动量持有期为1个交易日即滚动每日生成因子收益率并将以上三个不同周期的因子等权合成综合截面动量因子各品种均使用其主力连续合约进行计算多空组合中的标的均等权配置以下为各个因子表现情况图2截面动量6543210截面动量5截面动量20截面动量60截面动量南华商品指数资料来源Wind华宝证券研究创新部表2截面动量因子绩效统计截面动量截面动量截面动量南华商品截面动量52060指数累计收益率132862503016034196197235最大回撤-4294-4237-4409-2827-4311年化收益率878133010001142557年化波动率18432051210716351507滚动1年平均最大回撤-1320-1901-2125-1348-1367滚动1年平均波动率18182014206416051436Calmar比率067070047085041滚动1年平均收益率1037182011771340842滚动1年最大收益率58058489715859397172滚动1年最小收益率-3971-3830-3893-2649-2069滚动1年胜率76288501725382826252夏普比率040058040061027资料来源Wind华宝证券研究创新部敬请参阅报告结尾处免责声明华宝证券619tablepage金融工程专题报告13展期收益率以上时间序列动量和截面动量更多的是用于刻画商品期货的动量效应并以此衍生除了各趋势类策略因此是很好的反映趋势类策略的因子而在期货市场上套利类策略更能体现商品市场具有套期保值这一重要作用其中不乏有跨期套利跨品种套利等在这里我们重点考察期限结构带来的套利机会如果期货价格高于现货价格则期限结构向上期货升水反之期限结构向下期货贴水因为期货的交割机制决定了贴水的品种未来更易于向上收敛靠近现货价格而升水的品种则易于向下收敛因此我们更倾向于做多贴水品种做空升水品种为了度量各个品种的升贴水情况可以使用展期收益率来计算由于商品现货价格比较难以获取因此我们可以用近月合约代替现货365展期收益率ln近月ln远月近月远月以上公式中近月和远月分别为近月合约和远月合约在t时刻的价格近月和远月分别为近月合约和远月合约在t时刻距离交割日的天数展期收益率因子的构建方法即为做多展期收益率排名前20的品种做空展期收益率排名后20的品种该因子不涉及到回看周期持有期为1个交易日即滚动每日生成因子收益率对于近月合约和远月合约的选择方面我们认为流动性最好的合约更能反映潜在的套利机会因此我们使用主力合约和次主力合约分别作为近月合约和远月合约并代入以上公式进行计算多空组合中的标的均等权配置以下为该因子表现情况图3展期收益率353252151050展期收益率南华商品指数资料来源Wind华宝证券研究创新部表3展期收益率因子绩效统计展期收益率南华商品指数累计收益率135727235最大回撤-4155-4311年化收益率891557敬请参阅报告结尾处免责声明华宝证券719tablepage金融工程专题报告年化波动率15391507滚动1年平均最大回撤-1447-1367滚动1年平均波动率14661436Calmar比率062041滚动1年平均收益率899842滚动1年最大收益率49437172滚动1年最小收益率-3697-2069滚动1年胜率79576252夏普比率048027资料来源Wind华宝证券研究创新部14基差动量基差动量是在以上展期收益率的基础上衍生出的指标展期收益率描述的是期限结构的斜率基差动量所展现的就是期限结构斜率的变化其定义是近月合约过去一段时间的涨跌幅减去远月合约过去一段时间的涨跌幅基差动量11近月11远月基差动量因子的构建方法为做多基差动量高的品种做空基差动量低的品种在这里以基差动量排名前20的品种作为多头组合以基差动量排名后20的品种作为空头组合回看周期我们同样分别取52060个交易日以分别表征短期基差动量中期基差动量以及长期基差动量持有期为1个交易日即滚动每日生成因子收益率并将以上三个不同周期的因子等权合成综合基差动量因子同样我们用主力合约和次主力合约分别作为近月合约和远月合约多空组合中的标的均等权配置以下为该因子表现情况图4基差动量76543210基差动量5基差动量20基差动量60基差动量南华商品指数资料来源Wind华宝证券研究创新部表4基差动量因子绩效统计基差动量基差动量基差动量南华商品基差动量52060指数敬请参阅报告结尾处免责声明华宝证券819tablepage金融工程专题报告累计收益率32159824827382225967235最大回撤-4218-4147-4117-3575-4311年化收益率154161714031249557年化波动率14961643166812841507滚动1年平均最大回撤-1189-1728-1409-1124-1367滚动1年平均波动率14691615165012621436Calmar比率130036100111041滚动1年平均收益率188488713721350842滚动1年最大收益率103745618569955997172滚动1年最小收益率-2756-3793-3130-2892-2069滚动1年胜率74186531746377656252夏普比率093028075086027资料来源Wind华宝证券研究创新部15持仓量变化率在期货市场上持仓量的变化反映了投资者对于某个品种未来的预期和情绪因此若持仓量出现明显的上升则表明该品种当前受到较大的关注一定程度上也影响了未来价格的变化持仓变化率因子的构建方法为做多持仓量变化大的品种做空持仓量变化小的品种在这里以持仓量变化率排名前20的品种作为多头组合以持仓量变化率排名后20的品种作为空头组合回看周期我们选取20个交易日持有期为1个交易日即滚动每日生成因子收益率各品种均使用其主力连续合约进行计算多空组合中的标的均等权配置以下为各个因子表现情况图5持仓量变化率2181614121080604020持仓量变化率20南华商品指数资料来源Wind华宝证券研究创新部敬请参阅报告结尾处免责声明华宝证券919tablepage金融工程专题报告表5持仓量变化率因子绩效统计持仓量变化率20南华商品指数累计收益率-17707235最大回撤-5023-4311年化收益率-192557年化波动率13121507滚动1年平均最大回撤-1638-1367滚动1年平均波动率13001436Calmar比率-012041滚动1年平均收益率-210842滚动1年最大收益率43997172滚动1年最小收益率-2293-2069滚动1年胜率41546252夏普比率-026027资料来源Wind华宝证券研究创新部16量价因子以上我们分别构建了动量维度期限结构维度以及持仓维度相关的因子而在CTA策略中通过挖掘量价数据中的统计规率也能够获取一定的收益在这里我们主要构建以下几个因子波动率因子流动性因子偏度因子以及峰度因子波动率因子的构建方法为做多波动率较高的品种做空波动率较低的品种在这里以波动率排名前20的品种作为多头组合以波动率排名后20的品种作为空头组合回看周期我们选取20个交易日持有期为1个交易日即滚动每日生成因子收益率流动性因子的构建方法为做多流动性较低的品种做空流动性较高的品种在这里以流动性排名后20的品种作为多头组合以流动性排名前20的品种作为空头组合回看周期我们选取20个交易日持有期为1个交易日即滚动每日生成因子收益率流动性因子的计1算方法如下流动性1其构建思路是单位成交额所带来的涨跌幅的变动该指标越大表明流动性越差偏度因子的构建方法为做多偏度小的品种做空偏度大的品种在这里以偏度排名后20的品种作为多头组合以偏度排名前20的品种作为空头组合回看周期我们选取250个交易日持有期为1个交易日即滚动每日生成因子收益率偏度因子的计算方法如下偏度其构建思路是负偏意味着绝大多数数值位于均值右侧而正偏意味着绝大多数数值位于均值左侧因此负偏相比正偏有更大的期望收益峰度因子的构建方法为做多峰度小的品种做空峰度大的品种在这里以峰度排名后20的品种作为多头组合以峰度排名前20的品种作为空头组合回看周期我们选取250个交易日持有期为1个交易日即滚动每日生成因子收益率峰度因子的计算方法如下峰度其构建思路是峰度越低表明绝大多数数值位于均值附近而峰度越高表明绝大多数数值位于尾部因此收益率峰度较低的品种更为稳定各品种均使用其主力连续合约进行计算多空组合中的标的均等权配置以下为各个因子表现情况敬请参阅报告结尾处免责声明华宝证券1019tablepage金融工程专题报告图6量价因子454353252151050波动率20流动性20偏度250峰度250南华商品指数资料来源Wind华宝证券研究创新部表6量价因子绩效统计波动率流动性南华商品偏度250峰度2502020指数累计收益率11283-12856024274377235最大回撤-4168-6067-3818-3878-4311年化收益率781-1364811405557年化波动率22411271143914811507滚动1年平均最大回撤-2428-1806-1583-1456-1367滚动1年平均波动率21631268136214461436Calmar比率032-008030096041滚动1年平均收益率1123-0098561945842滚动1年最大收益率76024840810690997172滚动1年最小收益率-3765-3590-2926-3685-2069滚动1年胜率73905101578678706252夏普比率028-022023085027资料来源Wind华宝证券研究创新部2CTA影响因子分析以上我们从多因子的角度分别从动量期限结构持仓量价的维度构建了商品期货因子构建这些因子的目的是为了从因子的角度拆解CTA基金的收益来源同时类似于权益资产投资于CTA基金实际上就是投资于各类不同的因子不同因子在不同市场环境下表现出不同的收益风险特征因此在怎样的环境下优先配置哪些因子本质上就是因子轮动的问题这方面的研究我们曾经在权益类资产中进行过尝试也获得了比较好的效果我们将从宏观维度市场维度以及因子微观视角这三个维度构建因子轮动模型敬请参阅报告结尾处免责声明华宝证券1119tablepage金融工程专题报告21宏观维度宏观维度指标我们重点关注的是分别在指标上行期和下行期更有利于哪些CTA因子由于宏观维度的指标其上行和下行周期的切换频率并不会特别高因此一定程度上能够保证以该方法对CTA因子的排序遴选的换手率得以控制在实际中的配置也更为便利对于宏观维度指标的测试方面我们主要从经济增长通胀以及流动性这三大维度展开测试指标如下所示表7宏观指标宏观指标指标类型CPI当月同比通胀CPI环比通胀PPI全部工业品当月同比通胀PPI全部工业品环比通胀CPI-PPI通胀PPIRM当月同比通胀PMI经济增长PMI新订单经济增长PMI生产经济增长工业增加值当月同比经济增长工业企业主营业务收入累计同比经济增长工业企业利润总额累计同比经济增长工业企业营业收入累计同比经济增长产量发电量当月同比经济增长固定资产投资完成额累计同比经济增长固定资产投资完成额制造业累计同比经济增长固定资产投资完成额基础设施建设投资累计同比经济增长房地产开发投资完成额累计同比经济增长房屋新开工面积累计同比经济增长房屋施工面积累计同比经济增长商品房销售面积累计同比经济增长国房景气指数经济增长社会消费品零售总额累计同比经济增长出口金额累计同比经济增长进口金额累计同比经济增长公共财政收入累计同比经济增长M0同比流动性M1同比流动性M2同比流动性M1同比-M2同比流动性中债国债到期收益率10年流动性中债国债到期收益率1年流动性中债国债到期收益率10年-中债国债到期收益率1年流动性信用利差中位数产业债AA-信用利差中位数产业债AA流动性社会融资规模累计值同比增速流动性社会融资规模存量同比流动性剩余流动性M2-社融流动性敬请参阅报告结尾处免责声明华宝证券1219tablepage金融工程专题报告资料来源Wind华宝证券研究创新部测试方法为首先我们对各个宏观指标进行波段的划分宏观指标均为月频并根据实际公布日期进行滞后性处理在这里我们基于事前视角采用新高新低模型划分以上宏观指标的上行和下行波段然后统计各宏观指标分别在上行期和下行期下各CTA因子的收益情况和收益大于0的胜率以CPI-PPI的统计结果为例表8宏观指标区间统计以CPI-PPI为例上涨波段收益下跌波段收益上涨波段胜率下跌波段胜率中位数中位数时间序列动量1000011674444-119截面动量888929345556371基差动量6667158866671672展期收益率100008147778771波动率20666749588892638流动性204444-39366672022偏度250555605066671441峰度2505556111577781423持仓量变化率204444-6846667620资料来源Wind华宝证券研究创新部从以上统计结果我们可以得到分别在CPI-PPI上行期和下行期下各CTA因子的收益率排序并以该排序值划分成三档构建组合以此检验根据宏观指标进行波段的划分是否可以筛选出较好的CTA因子从而做到因子的轮动我们用以下价格指标表征策略的回测绩效avgIcIC均值因子暴露度与下期收益的相关系数构成IC值历史各期IC均值衡量因子预测效力positiveIcRatioIC为正的比例用于表明预测收益与实际收益是否方向一致当这一比例较高时说明因子长期运行方向为正IRIC均值IC标准差衡量因子预测水平与稳定性factorCumReturn第一档组合的累计收益率于是我们按照以上方法对前述宏观因子进行整体回测并选取回测效果比较好的宏观因子所选因子和测试结果如下表9各宏观因子构建轮动模型回测统计avgIpositiveIIRtStatifactorAnnuaexcessAnnualReturn指标ccRatiosticlReturnwinAndLoss类型PPI全部工业品环比012630303033113931248通胀CPI-PPI009605002224112691374通胀PMI新订单016630303942414831267经济增长工业企业利润总额累计同比008571402122714091475经济增长固定资产投资完成额累计同比012563003336018381890经济增长出口金额累计同比011605002931415281255经济增长M0同比011655503336218681795流动性中债国债到期收益率10年009537802627817541735流动性敬请参阅报告结尾处免责声明华宝证券1319tablepage金融工程专题报告中债国债到期收益率10年-中债国011638703033117941871流动债到期收益率1年性社会融资规模累计值同比增速010563002830814291355流动性资料来源Wind华宝证券研究创新部以上所选指标共计10个包括2个通胀维度的指标4个经济增长维度的指标和4个流动性维度的指标赋予各个指标分别10的权重并以此构建宏观维度的因子轮动模型回测结果如下图7宏观维度轮动模型回测净值曲线9876543210轮动组合等权组合资料来源Wind华宝证券研究创新部表10宏观维度轮动模型回测统计轮动组合等权组合累计收益率5928012013最大回撤-1601-1242年化收益率2144824年化波动率1130716滚动1年平均最大回撤-735-496滚动1年平均波动率1106664Calmar比率292166滚动1年平均收益率2433912滚动1年最大收益率81313751滚动1年最小收益率-1222-909滚动1年胜率99229461夏普比率176094资料来源Wind华宝证券研究创新部从以上回测结果可以看到根据宏观指标进行波段划分的CTA因子轮动组合相较等权组合在收益方面有显著的提升回撤方面也有所扩大这主要就是因为宏观指标本身的波段周期的划分较长难以应对因子在短期发生回撤的情形为了弥补这一缺陷我们后续还要构建基于市场维度和因子本身维度的轮动模型敬请参阅报告结尾处免责声明华宝证券1419tablepage金融工程专题报告22市场维度在我们前期CTA策略该如何配置基于因子的视角的报告中我们发现动量和波动率这两个指标对于CTA策略的择时具有比较好的效果于是我们借鉴这一思路将其用于CTA因子的轮动首先是动量因子我们采用唐奇安通道的方法即指数创n日新高则认为当前该指数处于看多状态指数创n日新低则认为当前该指数处于看空状态对于动量因子我们想要考察在市场处于上行期和下行期分别有利于哪些CTA因子然后是波动率因子我们考虑采用波动率分位数的方法我们先滚动计算指数过去n日的波动率然后计算该波动率过去m年的分位数当分位数上穿06时则认为市场处于高波状态当分位数下穿04时则认为市场处于低波状态其他时候延续上一期的状态对于波动率因子我们想要考察在市场处于高波和低波下分别有利于哪些CTA因子构建以上两个指标所用指数均为南华商品指数由于市场数据不同于宏观指标一个月才公布一次因此我们可以提高数据的利用效率将以上两个指标的信号均调整为周频测试的方法同宏观维度一致在宏观维度的测试中我们认为宏观维度的指标对于同一类别的CTA因子应该起到相同的作用因此在测试的过程中我们对于时间序列动量截面动量以及基差动量这三个CTA因子都使用了其多周期综合因子而并没有分别对短中长期的细分因子进行剥离测试但是在进入到市场维度和后续的因子本身维度我们认为即便是同一类别的CTA因子也应该对其不同周期的因子进行测试因为不同的市场环境对于短中长期构建的因子势必有不同的影响所以在对市场维度和后续因子本身维度方面我们对所有的CTA因子进行测试表11各市场因子构建轮动模型回测统计avgIcpositiveIcRatioIRtStatisticfactorAnnualReturnexcessAnnualReturnwinAndLossmom20006559602046716771237std203006575001841918151659资料来源Wind华宝证券研究创新部以上为动量和波动率因子的测试结果并赋予这两个因子各50的权重以此构建轮动模型图8市场维度轮动模型回测净值曲线876543210轮动组合等权组合资料来源Wind华宝证券研究创新部敬请参阅报告结尾处免责声明华宝证券1519tablepage金融工程专题报告表12市场维度轮动模型回测统计轮动组合等权组合累计收益率6109714259最大回撤-1589-1484年化收益率2176930年化波动率1218797滚动1年平均最大回撤-840-691滚动1年平均波动率1173769Calmar比率259135滚动1年平均收益率21561008滚动1年最大收益率56803849滚动1年最小收益率-892-1339滚动1年胜率96369235夏普比率166098资料来源Wind华宝证券研究创新部从以上回测可以看到通过动量和波动率两个维度构建的轮动组合收益相较等权组合同样有大幅提升回撤相较宏观维度的组合略有减小整体来看组合在2022年的表现显著优于宏观维度的组合这也表明尽管两个维度的组合长期收益接近但在不同阶段还是表现出了一定的差异性这就表明了构建多维度轮动模型的必要性23因子维度以上我们分别站在宏观和市场的维度对CTA因子进行了轮动均获得了不错的效果除了考虑外部诸多因素外我们还会从微观的角度出发进行因子轮动在这里我们重点从因子动量这个维度进行尝试其背后的理念就是在实际投资中当我们运用某种策略或方法进行投资并获得了不错的收益时我们更倾向于继续坚持这一方法直到该方法失效或有更好的策略进行替代这里本质上就是因子动量的思想因子动量的构建方法为计算各CTA因子过去n日的涨跌幅选取涨幅排名靠前的因子构建组合通过测试发现取过去20日的涨跌幅进行计算构建的组合表现较好以下为以该方法构建组合的历史表现图9因子动量维度轮动模型回测净值曲线5454353252151050轮动组合等权组合敬请参阅报告结尾处免责声明华宝证券1619tablepage金融工程专题报告资料来源Wind华宝证券研究创新部表13因子动量维度因子轮动模型回测统计轮动组合等权组合累计收益率2713114259最大回撤-2306-1484年化收益率1409930年化波动率1383797滚动1年平均最大回撤-1258-691滚动1年平均波动率1347769Calmar比率112135滚动1年平均收益率16231008滚动1年最大收益率51103849滚动1年最小收益率-1911-1339滚动1年胜率85469235夏普比率091098资料来源Wind华宝证券研究创新部从以上可以看到基于因子动量的维度其收益表现相比宏观维度和市场维度的略有差距收益尽管高于等权组合但是回撤也扩大了许多因此我们将给与这个维度的权重不好太高3多维度因子轮动模型以上我们分别从宏观市场以及因子微观视角这三个维度分别构建了CTA因子轮动模型从模型可以看到不同维度的模型均有其适用环境因此我们将根据以上不同维度模型的回测结果进行加权将宏观维度市场维度因子动量这三个维度的权重设置为541以下为多维度因子轮动模型的回测表现图10多维度轮动模型回测净值曲线109876543210等权组合宏观维度市场维度因子动量维度多维度轮动模型资料来源Wind华宝证券研究创新部敬请参阅报告结尾处免责声明华宝证券1719tablepage金融工程专题报告表14多维度轮动模型回测统计因子动量多维度轮等权组合宏观维度市场维度维度动模型累计收益率1201359280610972735682041最大回撤-1242-1601-1589-2306-1685年化收益率8242144217614142496年化波动率7161130121813821325滚动1年平均最大回撤-496-735-840-1258-1121滚动1年平均波动率6641106117313481295Calmar比率166292259112223滚动1年平均收益率9122433215616232676滚动1年最大收益率37518131568051106902滚动1年最小收益率-909-1222-892-1911412滚动1年胜率946199229636854810000夏普比率094176166091177资料来源Wind华宝证券研究创新部从上述多维度因子轮动模型的回测结果可以看到综合轮动的收益表现优于任意单一维度的轮动模型由于我们的模型是周度模型并且每期选取排名前3的因子构建组合回测期间年均换手率为9倍多这样的换手也充分说明了因子轮动的重要性从各期配置的因子来看主要集中于截面动量基差动量展期收益率波动率以及峰度因子这也说明对于CTA基金的选择无论是趋势类策略还是套利类策略都有其适用的环境因子轮动的意义就在于将其映射到各CTA基金然后配置当期所选因子暴露度高的策略基金关于这部分我们将在后续的研究中进行尝试4总结本文我们站在中观的维度构建了几类CTA因子并从宏观市场以及因子微观维度对各类CTA因子研究了其适用情形从而可以得到在不同环境下各类CTA因子的排序打分并选取得分排名靠前的因子构建轮动模型从长期来看获得了不错的收益后续我们将结合中观维度对因子的选择映射到微观标的的遴选从而实现自上而下对CTA基金的遴选敬请参阅报告结尾处免责声明华宝证券1819tablepage金融工程专题报告风险提示及免责声明华宝证券股份有限公司具有证券投资咨询业务资格市场有风险投资须谨慎本报告所载的信息均来源于已公开信息但本公司对这些信息的准确性及完整性不作任何保证本报告所载的任何建议意见及推测仅反映本公司于本报告发布当日的独立判断本公司不保证本报告所载的信息于本报告发布后不会发生任何更新也不保证本公司做出的任何建议意见及推测不会发生变化在任何情况下本报告所载的信息或所做出的任何建议意见及推测并不构成所述证券买卖的出价或询价也不构成对所述金融产品产品发行或管理人作出任何形式的保证在任何情况下本公司不就本报告中的任何内容对任何投资做出任何形式的承诺或担保投资者应自行决策自担投资风险本公司秉承公平原则对待投资者但不排除本报告被他人非法转载不当宣传片面解读的可能请投资者审慎识别谨防上当受骗本报告版权归本公司所有未经本公司事先书面授权任何组织或个人不得对本报告进行任何形式的发布转载复制如合法引用刊发须注明本公司出处且不得对本报告进行有悖原意的删节和修改本报告对基金产品的研究分析不应被视为对所述基金产品的评价结果本报告对所述基金产品的客观数据展示不应被视为对其排名打分的依据任何个人或机构不得将我方基金产品研究成果作为基金产品评价结果予以公开宣传或不当引用适当性申明根据证券投资者适当性管理有关法规该研究报告仅适合专业机构投资者及与我司签订咨询服务协议的普通投资者若您为非专业投资者及未与我司签订咨询服务协议的投资者请勿阅读转载本报告敬请参阅报告结尾处免责声明华宝证券1919