1、文獻來源文獻來源：NPB Bollen，MC Hutchinson，J OBrien. When It Pays to Follow theCrowd: Strategy Conformity and CTA Performance Journal of Futures Markets.文獻亮點：在權(quán)益基金的研究中，投資者發(fā)現(xiàn)持倉組合的特異性越高，隨后變現(xiàn)越強，這表明權(quán)益投資的與眾不同往往反映著投資人卓越的投資能力。但當我們研究 CTA 基金業(yè)績表現(xiàn)時，我們發(fā)現(xiàn)基金凈值表現(xiàn)與同行相關(guān)程度更大，則業(yè)績表現(xiàn)更好。這些結(jié)果表明，CTA 策略本質(zhì)上均是獲取動量因子的風險溢價，策略獨特性很難體現(xiàn)，整體上

2、均是給投資者投資動量因子的一種工具；更”從眾”的 CTA 策略，未來具有更強的業(yè)績表現(xiàn)。引言CTA 策略是理想的絕對收益型策略。Moskowitz 等人（2012）發(fā)現(xiàn)，期貨市場具有很強的序列相關(guān)性，而且多元化的 CTA 交易策略所產(chǎn)生的夏普比是股票市場的兩倍以上。但市場上已有的 CTA 產(chǎn)品業(yè)績差異較大，如果只看其業(yè)績中位數(shù)水平，近年來表現(xiàn)不佳。那么是否有合適的方式能夠幫助投資人挑選好的 CTA策略或產(chǎn)品?我們借鑒了對沖基金業(yè)績預測的文獻，來構(gòu)建篩選 CTA 策略的方式。對于一些對沖基金經(jīng)理的成功，一個被廣泛接受的解釋是他們有顯著區(qū)別市場的獨特能力。Titman 和 Tiu（2010）以及

3、Sun 等人（2012）提出兩個方法衡量對沖基金的獨特性，用于預測其未來業(yè)績。文獻表明，當一個基金與它的風格屬性的相關(guān)性較低時，它的策略獨特性指數(shù)（以下簡稱 SDI）就越高。統(tǒng)計意義上，SDI 最高的基金的表現(xiàn)比 SDI 最低的基金要好 3.5%。類似的結(jié)果也出現(xiàn)在研究公募基金的文獻中。Titman 和 Tiu（2010）以及 Sun 等人（2012）表明，具有差異化交易策略的對沖基金表現(xiàn)出色。策略擁擠度越高，模仿者越多，策略的潛在收益就越低。但我們猜想，對于 CTA 來說情況可能正好相反。首先，正如 Goetzmann 等人（2003）所描述的，考慮到典型的對沖基金業(yè)績對賭合同，普通經(jīng)理人可

4、能會主動承擔更多特質(zhì)風險，以希望獲得較高的業(yè)績和報酬。與這一概念相符，Bollen（2013）表明，具有高特質(zhì)性風險的對沖基金（以因子模型的 R2 衡量）的失敗率更高。因此，技術(shù)高超的經(jīng)理人不會嘗試糾正市場上的錯誤定價，而是從其持續(xù)中獲利。Brunnermeier 和 Nagel(2004)提供了一個突出的例子：許多對沖基金經(jīng)理在互聯(lián)網(wǎng)泡沫膨脹時大量投資科技股，但卻能在崩盤前減少風險。而由于商品具有強大的時間序列動量，CTA 經(jīng)理必須決定是跟隨趨勢還是追求獨特的交易策略更有利可圖。在本文中，我們通過測量 SDI 和后續(xù) CTA 表現(xiàn)之間的關(guān)系來研究這個問題。我們發(fā)現(xiàn)，與對沖基金形成鮮明對比的是

5、，擁有更多差異化策略的 CTA 表現(xiàn)不如那些順應趨勢的“從眾”CTA。我們使用 1994 年 1 月至 2015 年 7 月的 CTA樣本的回報數(shù)據(jù)，以 24 個月的滾動窗口計算每個 CTA 的 SDI，并與其風格對比。我們按照 Sun 等人（2012）的做法，用聚類的方法定義 CTA 投資風格。有關(guān)共同基金和對沖基金的文獻表明，在描述橫截面的過去和未來業(yè)績方面，聚類通常優(yōu)于自我分類的風格。我們的實證分析包括三個部分。首先，我們用 CTA 復制了 Sun 等人（2012）的主要測試。最重要的結(jié)果是關(guān)于策略獨特性的差異和未來 CTA 業(yè)績差異之間的關(guān)系。我們根據(jù) CTA 的 SDI 水平形成投資

6、組合，然后考察投資組合的后續(xù)表現(xiàn)。我們發(fā)現(xiàn)，較高的策略特異性與未來業(yè)績顯著負相關(guān)，這與 Sun 等人（2012）對對沖基金的發(fā)現(xiàn)完全相反。當我們根據(jù) SDI 將基金 5 組分檔時，低 SDI 五分位的 CTA 產(chǎn)生的平均年回報比高 SDI 的 CTA 高出 5%，具有較少特色策略的基金表現(xiàn)顯著更好。第二，我們嘗試找出 CTA 策略中位數(shù)水平本質(zhì)是在交易什么。我們使用基于動量一個簡單趨勢策略，作為代理變量。我們首先將 CTA 策略的收益與我們假設的動量策略的收益進行回歸。低 SDI 組的平均回歸系數(shù)為 0.67，在 68%的情況下是顯著的，而高 SDI 組的平均系數(shù)為-0.01。因此很明顯，“從

7、眾”的 CTA 是在共同追尋動量，而與眾不同的 CTA 則不是。我們還發(fā)現(xiàn)，SDI 和后續(xù) CTA表現(xiàn)之間的關(guān)系取決于簡單動量的盈利能力。當動量的回報率為正時，SDI 和 CTA 表現(xiàn)之間存在反向關(guān)系，也就是說，從眾的 CTA 表現(xiàn)較好。當動量的回報為負數(shù)時，比如牛市下跌或是熊市拉升時，SDI 和CTA 表現(xiàn)之間存在正向關(guān)系。這結(jié)果表明，投資者可以使用 CTA 作為投資于動量的工具。第三，我們評估投資者是否可以使用 SDI 作為指標來選擇一個 CTA 策略組合以獲取超額收益。按 Bollen 等人（2019）的做法，我們在整個樣本期間每年從每個 SDI 分組中隨機抽取五個 CTA，并持有一年。

8、我們重復 1,000 次來獲得產(chǎn)生結(jié)果的分布。從低 SDI 分組中選出的投資組合產(chǎn)生了 6.30%的平均年回報，而從高 SDI 分組中選出的投資組合只有 0.66%。從最高和最低五分位數(shù)中選出的投資組合的風險調(diào)整后業(yè)績差異也是非常顯著的。這一結(jié)果表明，SDI 傳遞的信息足夠精確，使得投資者在選擇 CTA 時可以獲得顯著的超額業(yè)績。本文主要有兩個貢獻。首先，我們有助于解決最近關(guān)于 CTA 表現(xiàn)的矛盾證據(jù)。如前所述，Bhardwaj 等人（2014）報告說，CTA 在 1994-2012 年期間產(chǎn)生的平均回報基本上等于無風險利率。這一結(jié)果與包括巴菲特在內(nèi)的許多從業(yè)者的觀點一致，即投資者應避免將商品

9、作為一種資產(chǎn)類別。然而，Moskowitz 等人（2012 年）發(fā)現(xiàn)商品中的動量交易利潤很高。我們在各種分析中表明，堅持以動量為基礎策略的 CTA 的表現(xiàn)顯著地超過了那些不這樣做的 CTA。因此，即使整體上 CTA 表現(xiàn)不佳，利用動量策略的 CTA 通常表現(xiàn)會較好。第二，更廣泛地說，我們對策略特異性和主動管理投資組合表現(xiàn)的關(guān)系做出了更深的研究。一方面，策略特質(zhì)化程度高可能因為經(jīng)理有獨特投研能力；另一方面，經(jīng)理人的激勵不充分也會帶來大量的代理成本問題，基金經(jīng)理會傾向于冒險和博弈來獲取更高回報。在 CTA 中，成功的 CTA 經(jīng)理人可能一般都是依靠動量盈利。在這種情況下，從眾而不是求異的投資策略可

10、能是最佳策略。文獻回顧有一些研究專門關(guān)注 CTA，F(xiàn)ung 和 Hsieh(1997)使用主成分分析，表明 CTA有一種主導的投資風格，他們認為這是趨勢跟蹤。Fung 和 Hsieh（2001，2004）使用期權(quán)策略的回報來模仿成功的趨勢跟蹤策略的回報。在我們的研究中，我們關(guān)注的是標準動量策略形式的趨勢跟蹤。當趨勢發(fā)生突然轉(zhuǎn)變時，趨勢跟蹤就會失敗，就像美國聯(lián)邦儲備局在 2008-2009 年金融危機，其導致動量交易者產(chǎn)生了巨大的損失。雖然 Fung 和 Hsieh 的因子后來被廣泛用于模擬對沖基金的回報，但它們最初是被指定用于模擬趨勢跟蹤 CTA 回報。當然，F(xiàn)ung 和 Hsieh（2001

11、，2004）研究的趨勢跟蹤策略在市場具有強勁勢頭時可能表現(xiàn)良好。趨勢跟蹤完全依賴過去的價格走勢來產(chǎn)生預期的期貨價格：它不涉及基本面的分析，所有的交易決策都基于資產(chǎn)價格的趨勢，這與資產(chǎn)價格的序列相關(guān)性有關(guān)（Fung 和 Hsieh（2001）。與這一觀點一致，F(xiàn)ung 和 Hsieh（1997）表明，在股票市場最好和最差的月份，趨勢跟蹤的回報最大。最近， Moskowitz 等人（2012）通過在過去 12 個月收益為正的資產(chǎn)中建立多頭頭寸，并做空過去 12 個月收益為負的資產(chǎn)，形成時間序列動量組合，以捕捉期貨市場的序列相關(guān)性。Moskowitz 等人發(fā)現(xiàn)該組合具有較高的盈利表現(xiàn)。有證據(jù)表明，C

12、TA 的收益與時間序列動量高度相關(guān)，這可以被認為是一種趨勢跟蹤（Baltas 和 Kosowski（2013）。我們的論文為這一研究思路做出了貢獻，我們確定了交易方式最為相似的 CTA 子集，并將其共性與期貨市場的動量聯(lián)系起來。我們既使用了 Moskowitz 等人（2012）論文中基于 12 個月回溯期和 1個月持有期的單一動量因子，也使用了 Baltas 和 Kosowski（2013）的三因子模型，包括以天、周和月為單位的時期，來評估 CTA 采用的具體動量策略。研究方法SDI本研究的一個核心目的是檢驗 Sun 等人（2012）所記錄的策略獨特性與后續(xù)基 金業(yè)績之間的關(guān)系是否也適用于 C

13、TA。Sun 等人（2012）的策略獨特性指標（SDI）定義為：, = 1 (, )(1)其中,是基金 i 在時間 t 的策略獨特性指標，是基金 i 的回報率， 是基金 i 所屬群組的回報率。時間 t 的相關(guān)性是根據(jù)前 24 個月的數(shù)據(jù)計算的，其中至少 要有 12 個月的數(shù)據(jù)樣本。在這個窗口中，所有可用的基金都被劃分為不同群組，使一個群組內(nèi)的所有基金都具有最高的群組相關(guān)性。目的是以客觀的方式定義 風格類別，而不依賴于基金自我報告的風格。具有高 SDI 的基金，其回報與同 行的相關(guān)性較低，可能是因為經(jīng)理在追求獨特的交易機會，因此 Sun 等人（2012）將其解釋為對于對沖基金經(jīng)理水平的一種衡量方

14、式。聚類：定義風格和識別同行衡量 SDI 需要將每個基金歸入一個風格類別。關(guān)于共同基金和對沖基金的文獻表明，在預測橫截面的過去和未來業(yè)績方面，統(tǒng)計聚類通常優(yōu)于自我分類（Brown and Goetzmann（1997）和 Brown and Goetzmann（2003）。即使是高度監(jiān)管的共同基金在使用自我報告的風格時也容易出現(xiàn)錯誤分類（Brown和 Goetzmann（1997），Chen 等人（2019）。我們按照 Brown 和 Goetzmann（2003）的做法，使用一個迭代過程來生成我們的聚類。聚類的目的是找到一個優(yōu)化的基金分組，使所有基金到它們所屬的類距離最小。我們把群組的成員基

15、金的平均收益時間序列作為這個群組的收益。每個季度，我們用前 24 個月中至少 12 個月的回報率來計算每個基金與每個集群之間的距離。我們指定了八個群組，以配合 BarclayHedge 中主要風格的數(shù)量。下圖顯示了我們樣本中基于聚類的 CTA 的 SDI 直方圖，以及基于 BarclayHedge 的自我報告風格分類的 SDI 直方圖?；诰垲愶L格的 SDI 的平均值為 0.47，而基于 BarclayHedge 風格的 SDI 的平均值為 0.58，這表明，基于聚類劃分風格的 CTA之間的關(guān)聯(lián)度更高。對 SDI 的兩個累積分布進行 Kolmogorov-Smirnoff 檢驗，得到的檢驗統(tǒng)計

16、量在 1%的顯著性水平下比臨界值大 10 倍，因此拒絕兩個分布是等價的假設。比較兩者的另一個方法是衡量 SDI 大于 1 的 CTA 的百分比，大約有 10%的基金的 BarclayHedge 風格SDI 大于 1，而使用聚類時，只有 2.5%。這些結(jié)果說明了聚類方法能夠更有效地將CTA 分配到采用類似策略的同行群體中。圖 1：SDI 直方圖資料來源: Journal of Futures Markets,整理業(yè)績指標我們測試了 SDI 與四種業(yè)績指標之間的關(guān)系：超額收益、評估比率、夏普比率和防操縱業(yè)績指標。超額收益（alpha）是超出風險因子暴露的預期收益之外的收益。我們使用 Fung和 H

17、sieh（2004）的七因素風險模型來衡量 CTA 的風險暴露和。評估比率（AR）是由 Treynor 和 Black（1973）開發(fā)的，定義為基金的估計超額回報率除以其標準誤。夏普比率為 CTA 超過無風險利率的平均回報除以其回報的標準差。Goetzmann 等人（2007）發(fā)現(xiàn)經(jīng)理人可以通過一系列方式來調(diào)整他們的標準業(yè)績指標使其看起來水平高超。他們對此的解決方案是使用防操縱業(yè)績指標（MPPM）： =1ln (1 (1 + )/(1 + )1)(2)(1) =1其中 T 是觀察值的數(shù)量，t 是觀察值之間的時間間隔，和分別是 CTA 收益率和無風險利率，是風險厭惡參數(shù)。MPPM 可以被解釋為風

18、險厭惡的投資者使用 CTA 組合等風險投資，換取無風險資產(chǎn)所能接受的最小增量回報。換句話說，它是無風險回報和風險投資中確定性回報之間的差異。Goetzmann 等人（2007）認為該指標通常在 2 到 4 之間變化。我們采取 Sun 等人（2012）的做法，使用 3 作為數(shù)值。防操縱業(yè)績指標的統(tǒng)計能力是用 bootstrap 法來估計的。我們以此確定 p 值，從而確定投資組合之間 MPPM 值差異的統(tǒng)計意義。數(shù)據(jù)我們論文主要使用了兩個數(shù)據(jù)集：期貨市場數(shù)據(jù)集來構(gòu)建動量因子以及 CTA 數(shù)據(jù)集來分析策略獨特性和基金表現(xiàn)。期貨數(shù)據(jù)下表列出了研究中所使用的期貨合約：19 種商品期貨，12 種股指期貨，

19、8 種 10 年期債券期貨和 9 種外匯期貨。我們用從 1993 年 1 月開始的數(shù)據(jù)來構(gòu)建動量組合。圖 2：期貨數(shù)據(jù)資料來源: Journal of Futures Markets,整理我們使用期貨合約中頭寸的連續(xù)累積超額收益來構(gòu)建動量因子。我們有兩種方法來生成這些期貨合約的回報序列。第一種方法是取交易所交易的單個期貨合約的價格序列，將其合并以產(chǎn)生連續(xù)的超額收益序列。第二種方法通過結(jié)合相關(guān)的現(xiàn)貨價格、收益率和無風險利率來創(chuàng)建一個合成回報的序列。所有的期貨和遠期合約數(shù)據(jù)都來自 Thomson Reuters。我們用期貨的月度價格序列來構(gòu)建連續(xù)收益率序列。對于每個月，我們選取在整個月內(nèi)交易且最接

20、近交割的合約，以其收益率作為該月的收益率。也就是說我們在交割月前一個月的最后一天滾動合約。如果采取合成的方法，超額收益就定義為現(xiàn)貨價格、收益率和無風險利率的函數(shù)。遠期合約 i 的多頭頭寸在 t 月份的超額回報為：( 1 ) = (1 + ) (1+) 12 1(3)1+其中 是資產(chǎn) i 在 t 月份的現(xiàn)貨價格回報，是一個月的無風險利率，是標的資產(chǎn) i 在月份 t 的年化收益率。如上表所列，絕大多數(shù)期貨合約月度回報序列有正的序列相關(guān)性，在很多情況下其相關(guān)系數(shù)顯著不為零。CTA 數(shù)據(jù)我們使用 BarclayHedge CTA 數(shù)據(jù)庫來獲取我們的回報數(shù)據(jù)。原始數(shù)據(jù)包括1994-2015 年間的 51

21、99 個基金。我們采用了一系列的篩選措施，首先刪除了母基金和指數(shù)基金，剩下 4,971 個基金；接下來，我們刪除了所有非美元計價的基金，沒有月度報告的基金，以及只報告費用總額的基金。之后我們識別并刪除重復的基金，按照 Jorion 和 Schwarz（2014）的做法，我們基于回報率來篩選重復的基金。如果同一管理公司的兩個基金的回報率的相關(guān)系數(shù)達到 0.99及以上，我們就把開始日期較晚的那個刪除。CTA 的回報是公司自愿報告給 BarclayHedge 數(shù)據(jù)庫的，因此會受到偏差的影響。我們主要解決了三個問題，首先，BarclayHedge 數(shù)據(jù)庫記錄了存續(xù)基金和已終止基金，其中還包含不再提供報

22、告的基金的回報數(shù)據(jù)，可以解決生存偏差問題。第二，如 Aiken 等人（2013）所研究的，由于業(yè)績不佳而停止報告的基金往往仍持續(xù)運作，因此數(shù)據(jù)庫存在審查偏差。我們效仿 Liang 等人（2010）的做法，當基金在停止報告前的 6 個月平均回報率為負值，且 AUM 的 12 個月變化為負值時，就認定 CTA 失敗。在那些未提供報告的基金分析中，我們在失敗基金的歷史回報中附加一個 50%的臨時性額外損失，以此來改善查閱偏見。這些結(jié)果表現(xiàn)更好，低 SDI 和高 SDI 基金之間的業(yè)績差異更大。第三，我們解決了回填偏差。自 2002 年以來，BarclayHedge 為每只基金增加了一個添加日期的變量

23、，表明該基金是何時被添加到數(shù)據(jù)庫的。對于 2002 年以前的數(shù)據(jù)，BarclayHedge 向我們提供了 BarclayHedge CTA 指數(shù)的成分股，我們只在基金已經(jīng)或曾經(jīng)是 BarclayHedge CTA 指數(shù)的成分股的情況下，將基金的回報納入我們的樣本。剔除沒有報告資產(chǎn)管理數(shù)據(jù)的基金后，我們有 3,419只基金。進行聚類和估計策略獨特性需要至少 12 個月的回報，剔除少于 12 個月的基金后，又有 950 只基金被剔除。最后，我們剔除管理資產(chǎn)（AUM）少于500 萬美元的基金，最后得出 966 個獨特 CTA 的樣本。下圖顯示了整個樣本期間每年 CTA 的數(shù)量和管理的總資產(chǎn)。從 20

24、02 年開始，當 BarclayHedge 引入添加日期字段時，基金數(shù)量有了明顯的增加。圖 3：CTA 樣本容量資料來源: Journal of Futures Markets,整理下表展示了樣本中 CTA 的收益統(tǒng)計。除了 SDI 之外，所有的統(tǒng)計數(shù)據(jù)都是對每個 CTA 在其生命周期內(nèi)測量一次。表中列出了這些數(shù)據(jù)的橫截面平均值以及三個相關(guān)的百分位數(shù)。A 組顯示了全部樣本的結(jié)果。平均年回報率為 3.14%，超過 3 個月 T-bill 的超額回報率為 1.33%。然而，第 20 和第 80 百分位數(shù)的平均回報率分別為-1.78%和 7.78%。平均因子模型的2為 16%，表明對于許多基金來說，

25、Fung 和 Hsieh（2004）的七因子模型并不能捕捉到收益率的時間序列變化。然而第 80 個百分位數(shù)是 32%，因此對于一部分基金來說，F(xiàn)ung 和 Hsieh（2004）所描述的趨勢跟蹤因子發(fā)揮了作用。圖 4：統(tǒng)計匯總資料來源: Journal of Futures Markets,整理我們論文的重點是最后一列的 SDI。我們使用 24 個月的滾動窗口每月測量每個CTA 的 SDI，并報告 SDI 觀測值的平均值和三個百分位數(shù)。全部 CTA 樣本的平均SDI 為 0.42，反映了 CTA 回報的相當程度的共同性。最低 20%的 SDI 為 0.17或更低，這意味著對于這些 CTA 來說

26、，他們的回報與同行的相關(guān)性超過 80%，而最高 20%的 SDI 至少為 0.66。我們的目的是研究這種巨大橫向變化的含義。B 組和 C 組分別展示了存續(xù)樣本和已終止樣本的結(jié)果。顯然的，存續(xù) CTA 產(chǎn)生的回報遠遠高于已終止的 CTA，兩組的平均超額收益分別為 4.91%和-0.10%。風險調(diào)整后收益的差異也很明顯，存續(xù) CTA 的平均夏普比率為 0.49，而已終止的 CTA 為-0.21。存續(xù) CTA 平均規(guī)模更大，為 7.95 億美元，而已終止的 CTA為 1.58 億美元，因為表現(xiàn)更好的基金吸引了更多的資金。重要的是，存續(xù) CTA的 SDI 比已終止的 CTA 低，0.12 的差異具有統(tǒng)

27、計學意義。這初步表明在 CTA領(lǐng)域，SDI 和業(yè)績之間存在反向關(guān)系。下表展示了 SDI 和 CTA 表現(xiàn)之間存在反比關(guān)系更為直接的證據(jù)。CTAs 根據(jù)其觀察歷史最后一個月計算的 SDI 被分為五等分組。我們在其生命周期內(nèi)計算回報，然后對每組的 CTA 進行平均。各組的平均 SDI 差異很大，低 SDI 組（Q1）的平均 SDI 為 0.12，而高 SDI 組（Q5）為 0.89。低 SDI 基金的存在時間平均比高 SDI 基金長 1.57 年。這一結(jié)果表明，較為獨特的 CTA 更有可能失敗，這與 Bollen（2013）在對沖基金的發(fā)現(xiàn)一致。更重要的是，SDI 和業(yè)績之間的反比關(guān)系很強。例如，

28、低 SDI 組的平均年度回報率為 5.08%，而高 SDI 組只有 1.40%。風險調(diào)整后的業(yè)績差異也很大：低 SDI 組的值為每年 3.23%，而高 SDI 組為 0.00%。鑒于低 SDI 的 CTAs 的年波動率大約是高 SDI 的 CTAs 的兩倍，風險調(diào)整后的業(yè)績差異是顯著的。這一結(jié)果表明，低 SDI 的 CTAs 的常見交易策略本身就有很大的風險。圖 5：SDI 分五組的統(tǒng)計匯總資料來源:Journal of Futures Markets,整理低 SDI 組的 CTA 在 Fung 和 Hsieh（2004）的因子模型中具有最高的2，表明低 SDI 組的 CTA 的收益相似性至少

29、部分歸因于對動量因子的共同暴露。我們將在第五章深入探討這一點。動量和 SDI 指標Fung 和 Hsieh（2001）認為，CTA 的主要交易策略是趨勢跟蹤。我們將探索SDI 指標和 CTA 未來表現(xiàn)之間的關(guān)系中動量因子所起的作用。CTA 業(yè)績表現(xiàn)中動量的作用時序動量組合構(gòu)建方式是：做多過去表現(xiàn)好的期貨合約，做空過去表現(xiàn)不佳的期貨合約。當資產(chǎn)回報具有持續(xù)的序列相關(guān)性時，遵循時間序列動量策略的回報就很高。本文使用 12 個月的回顧窗口和一個月的持有期，為每個期貨合約形成一個時間序列動量投資組合。然后，我們使用等波動率加權(quán)形成一個時序動量截面組合。時間序列動量投資組合 TSMOM 的月均回報率為正

30、，年率夏普比率為 0.71。圖 6 顯示了 CTAs 按 SDI 劃分為五分之一的 TSMOM 的平均系數(shù)，以及在每個五分之一內(nèi)的百分比，其回歸系數(shù)在 10%水平上具有統(tǒng)計學意義。低 SDI 五分之一的 cta 的平均系數(shù)為 0.67，而高 SDI 五分之一的平均系數(shù)為-0.01。圖 6：SDI 分組的動量因子暴露資料來源: Journal of Futures Markets,整理我們預計，當動量因子收益更高時，低 SDI 基金相對于高SDI 基金將表現(xiàn)更好，因為低 SDI 基金很可能獲取了更高的動量因子暴露。為了支持這一猜想，我們對 TSMOM 因子回歸。圖 6 顯示了 CTA 策略按 S

31、DI 劃分為五等份的 TSMOM的平均回歸系數(shù)。低 SDI 組的 CTA 平均系數(shù)為 0.67，而高 SDI 組的平均系數(shù)為-0.01。此外，在低 SDI 五分位組中，68%的 CTA 策略對 TSMOM 因子的回歸系數(shù)顯著，而在高 SDI 五分位組中僅為 13%。動量因子對所以 CTA 業(yè)績的解釋能力為 0.25，對高 SDICTA 的收益解釋能力為 0.01。在所有情況下，兩個極端五分之一組的回歸結(jié)果之間的差異都是非常顯著的。這些結(jié)果表明，低 SDI的 CTA 在動量因子上有更高的暴露；我們可以合理地預期，CTA 的收益很大程度上靠動量因子的暴露累積。我們還在圖 6 中報告了各個分組中隨后

32、 12 個月內(nèi)表現(xiàn)不佳的 CTA 策略的百分比。其中獨特性較低的基金中表現(xiàn)不佳的概率每年為 2%，而較獨特的基金中表現(xiàn)不佳的概率每年為 8%。我們已經(jīng)證明，CTA 業(yè)績中位數(shù)水平本質(zhì)是上動量策略，但是那些具有高特異度的 CTA 策略本質(zhì)上是什么呢？Bollen（2013)表明，具有高特異風險的對沖基金表現(xiàn)顯著低于其他基金；然而，高 SDI 的 CTA 策略可能是一種未被識別的投資能力。為了評估不同 SDI 分組中的 CTA 剔除動量因子中的未被揭示部分，我們進行了主成分分析(PCA)來提取每個分組的第一個主成分。然后，對于每個分組中，我們估計由第一個主成分解釋的方差，以及該分量與 TSMOM

33、因子回歸之間的相關(guān)性。圖 7 報告的分析結(jié)果顯示，對于低 SDI 基金，第一個主成分解釋了 69%至 73%的總方差；相比之下，對于高 SDI 基金，第一個主成分只能解釋 26%到 32%的方差。值得注意的是，低 SDI 基金的第一主成分與 TSMOM 高度相關(guān)（系數(shù)為 0.770.86），而高 SDI 基金的第一主成分與TSMOM 的相關(guān)性較弱。TSMOM與低 SDI 主成分的相關(guān)性大于 0.61。圖 7：SDI 分組的主成分分析資料來源: Journal of Futures Markets,整理我們進一步比較了按照 SDI 分組 CTA 的前后表現(xiàn)對比，但這里根據(jù) TSMOM交易策略的收

34、益，將樣本分為兩個子集。結(jié)果如圖 8 所示，在 TSMOM 正收益月份（超過樣本期的 68%），SDI 分組單調(diào)遞減。相比之下，在 TSMOM 負收益月份，SDI 和業(yè)績表現(xiàn)之間的關(guān)系會轉(zhuǎn)變。我們還在圖 8 中繪制了低 SDI 投資組合的累積回報，表明 TSMOM 回報率顯著高于其中位數(shù)水平。圖 8：動量與 SDI 分組表現(xiàn)關(guān)系資料來源:Journal of Futures Markets,整理其它的動量組合Baltas 和 Kososks（2013）通過改變窗口長度和持有周期，構(gòu)建了許多種時間序列動量因子。Baltas 和 Kososks（2013）表明，不同參數(shù)下的動量組合的相關(guān)性相對較低

35、。為了更好地評估我們研究中 SDI 分組的效果，我們形成了 9 個 TSMOM 投資組合。為了驗證這些投資組合與 CTA 表現(xiàn)與我們最初的 TSMOM因子相似，我們對每個 CTA 業(yè)績表現(xiàn)對每個動量因子進行了回歸。研究結(jié)果均與圖 6 中報告的結(jié)果一致。低 SDI 的 CTA 策略對動量因子的暴露遠高于高 SDI的 CTA。Baltas 和 Kososs（2013）還表明，回看期 15 天、8 周和 12 個月以及持有期 1天、1 周和 1 個月的投資組合是解釋 CTA 回報的最佳組合。為了測試我們的結(jié)果對這三個因子組合的穩(wěn)健性，我們使用這三個因子 A 組合數(shù)據(jù)來重復表 8 中的分析。與我們早期

36、的研究結(jié)果一致，低 SDI 組的平均回歸系數(shù)最高，且單調(diào)下降，表明最“從眾”的 CTA 比其他 CTA 在動量維度上暴露更大。我們還在圖 9 中報告了具有顯著動量暴露的 CTA 的百分占比，以及由這三個因子組合各自能解釋得方差占比。對于低 SDI 組，前兩個因子(有更長的回看和持有時間)大約一半的時間顯著，而第三個只有大約四分之一的時間顯著。更重要的是，這三個因子都對模型的解釋能力有了重要的貢獻，表低 SDI 分組 CTA 同時在多個層面上積極暴露動量。圖 9：CTA 策略與三因子動量資料來源: Journal of Futures Markets,整理研究結(jié)論以往的研究表明，策略特異性是對沖

37、基金表現(xiàn)差異的關(guān)鍵決定因素。擁有更獨特策略的基金受益于較低的策略擁擠度往往能夠跑贏大盤。但 CTA 策略投資標的明確；傳統(tǒng)的投資能力拆解為精選能力與擇時能力，在 CTA 領(lǐng)域中截面精選能力基本無法體現(xiàn)，所以 CTA 領(lǐng)域核心考察的是擇時能力。期貨領(lǐng)域的價格動量非常顯著，這也是 CTA 策略生存的根本。如果 CTA 策略均是使用動量策略，那么策略的獨特性就很難體現(xiàn)，更“從眾”的策略表現(xiàn)或許更強。我們用 SDI 指標來刻畫 CTA 策略的離散程度。我們測算 CTA 收益與同業(yè)之間的相關(guān)性程度，該指標越高意味著 CTA 的 SDI 越低。我們發(fā)現(xiàn) SDI 指標的持續(xù)性很強，這表明基金的策略的離散程度

38、對于個體而言是比較穩(wěn)定的風格特征。我們的主要結(jié)論是：SDI 指標與 CTA 策略的未來表現(xiàn)顯著負相關(guān)，那些相對”不從眾”的 CTA 基金的未來表現(xiàn)將會顯著跑輸。根據(jù) Fung 和 Hsieh（1997）的研究，我們發(fā)現(xiàn) CTA 策略的中位數(shù)表現(xiàn)接近于一個簡單的趨勢跟蹤策略，因此我們研究了 CTA 表現(xiàn)與時間序列動量策略 TSMOM 表現(xiàn)之間的關(guān)系。我們發(fā)現(xiàn)，CTA 策略中位數(shù)回報與 TSMOM 高度相關(guān)。此外，我們將樣本分成 TSMOM 月度匯報為正和為負的樣本。我們的證據(jù)表明，SDI 指標僅在 TSMOM 正回報時能夠有效預測 CTA 表現(xiàn)差異。因此，我們判斷表現(xiàn)最好的 cta 能夠在動量因子上有更好的暴露，并投資者提供了更高的動量因子的風險敞口暴露。我們的研究結(jié)果揭示了對信息披露較少的基金產(chǎn)品的投資者所面臨的權(quán)衡。一方面在 Glode 和 Green（2011）的模型中，優(yōu)秀的基金經(jīng)理能夠通