金融工程专题报告 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 执业证书编号:S0890519120001电话:021-20321145 邮箱:yujinghui@cnhbstock.com 销售服务电话: 相关研究报告 021-20515355 1《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》2020-11-12 2《金融工程:买方投顾模式下的绝对收益型策略构建——基金组合投资策略研究 (一)——金融工程专题报告》2019-11-20 3《金融工程:因子轮动与因子投资:估值偏离度、行业PB-ROE及当下投资建议——金融工程专题报告》2019-08-13 4《金融工程:因子轮动与因子投资:SmartBeta投资方法探讨——金融工程专题报告》2019-03-05 ◎投资要点: 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。 内容目录 1.CTA因子构建4 1.1.时间序列动量5 1.2.截面动量6 1.3.展期收益率7 1.4.基差动量8 1.5.持仓量变化率9 1.6.量价因子10 2.CTA影响因子分析11 2.1.宏观维度12 2.2.市场维度15 2.3.因子维度16 3.多维度因子轮动模型17 4.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 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。 1.CTA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 子的表现情况,也能即时反映各CTA基金收益贡献的变化。 1.1.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5、20、60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2.5 2 1.5 1 0.5 0 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 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 累计收益率 98.32% 51.29% 85.21% 81.74% 72.35% 最大回撤 -25.16% -33.92% -26.35% -19.93% -43.11% 年化收益率 7.06% 4.21% 6.33% 6.13% 5.57% 年化波动率 10.98% 11.61% 11.77% 8.94% 15.07% 滚动1年平均最大回撤 -7.28% -13.63% -10.93% -9.77% -13.67% 滚动1年平均波动率 10.77% 11.34% 11.49% 8.75% 14.36% Calmar比率 0.97 0.31 0.58 0.63 0.41 滚动1年平均收益率 6.17% 6.63% 7.52% 6.72% 8.42% 滚动1年最大收益率 24.72% 38.10% 41.09% 29.99% 71.72% 滚动1年最小收益率 -22.34% -19.29% -23.40% -13.18% -20.69% 滚动1年胜率 79.20% 59.83% 70.84% 69.20% 62.52% 夏普比率 0.51 0.23 0.41 0.52 0.27 资料来源:Wind,华宝证券研究创新部 1.2.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5、20、60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 6 5 4 3 2 1 0 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 _5 _20 _60 指数 累计收益率 132.86% 250.30% 160.34% 196.19% 72.35% 最大回撤 -42.94% -42.37% -44.09% -28.27% -43.11% 年化收益率 8.78% 13.30% 10.00% 11.42% 5.57% 年化波动率 18.43% 20.51% 21.07% 16.35% 15.07% 滚动1年平均最大回撤 -13.20% -19.01% -21.25% -13.48% -13.67% 滚动1年平均波动率 18.18% 20.14% 20.64% 16.05