1. CTA收益风险比常用评价指标及多策略重要性分析 [page::4]

• 夏普比率、信息比率、卡玛比率是评估CTA策略的常用指标。

- 低相关性的多策略组合显著提升收益风险比，同频且相关高的趋势跟踪策略组合提升有限。

• 三个中长期趋势跟踪策略（LLT、H浪、CFR）相关系数均高达0.8以上，等权组合收益风险指标提升有限。

| | LLT | H浪 | CFR | 等权 |
|---------|--------|--------|--------|---------|
| 年化收益率 | 13.2% | 8.3% | 7.8% | 10.2% |
| 年化波动率 | 25.8% | 25.8% | 21.9% | 22.8% |
| 最大回撤率 | -44.9% | -32.5% | -31.6% | -29.5% |
| 夏普比率 | 0.41 | 0.22 | 0.24 | 0.34 |
| 信息比率 | 0.51 | 0.32 | 0.35 | 0.45 |
| 卡玛比率 | 0.29 | 0.25 | 0.25 | 0.34 |

2. 不同交易频率差异化策略组合显著提升收益 [page::8][page::10]

• 采用风格套利、模式预测(SLM)、经验模态分解日内趋势策略(EMDT)的组合，策略两两相关系数近0。

- 等权组合降低波动率，提高最大回撤和夏普比率，收益风险比明显提升。

| | SLM | 风格套利 | EMDT | 等权 |
|---------|--------|---------|--------|---------|
| 年化收益率 | 16.7% | 5.9% | 13.2% | 12.7% |
| 年化波动率 | 20.0% | 13.5% | 12.5% | 9.1% |
| 最大回撤率 | -24.3% | -19.2% | -21.3% | -10.6% |
| 夏普比率 | 0.71 | 0.25 | 0.85 | 1.13 |
| 信息比率 | 0.84 | 0.44 | 1.05 | 1.40 |
| 卡玛比率 | 0.69 | 0.31 | 0.62 | 1.21 |

3. 多周期策略应用提升资金容量与收益风险比 [page::12][page::13]

• 同频时间切片的 SMT 策略切成3个子策略，组合夏普比率从1.04-1.86提升到1.88，最大回撤显著减少。

| | SMT1 | SMT2 | SMT3 | 等权 |
|-----------|--------|--------|--------|---------|
| 年化收益率 | 19.4% | 13.8% | 14.7% | 16.3% |
| 年化波动率 | 9.1% | 10.0% | 11.7% | 7.3% |
| 最大回撤率 | -6.7% | -17.8% | -15.4% | -8.4% |
| 夏普比率 | 1.86 | 1.13 | 1.04 | 1.88 |
| 信息比率 | 2.13 | 1.38 | 1.26 | 2.22 |
| 卡玛比率 | 2.91 | 0.78 | 0.95 | 1.92 |

• 异频策略应用示例：均线间距策略在日线、30分钟、1小时组合，组合夏普比率显著从单个周期最高0.51提升至0.66。

| | 30分钟 | 1小时 | 日线 | 等权 |
|-----------|--------|---------|---------|----------|
| 年化收益率 | 10.0% | 14.7% | 5.7% | 12.1% |
| 年化波动率 | 24.1% | 24.2% | 25.8% | 14.5% |
| 最大回撤率 | -32.4% | -26.3% | -42.3% | -16.6% |
| 夏普比率 | 0.31 | 0.51 | 0.12 | 0.66 |
| 信息比率 | 0.41 | 0.61 | 0.22 | 0.83 |
| 卡玛比率 | 0.31 | 0.56 | 0.13 | 0.73 |

4. 多品种筛选指标与策略对比分析 [page::15][page::16][page::20]

• 波动率、趋势强度和上期策略表现是有效的品种筛选指标，涨跌幅绝对值和峰度无效。

- 波动率筛选组合年化收益18.1%，夏普比0.76显著优于所有品种等权组合（8.4%，0.59）。

• 上期策略表现筛选收益最高，年化收益达20.3%，夏普比1.07。

| 指标 | 年化收益率 | 夏普比率 |
|----------------|-------------|-----------|
| 最大波动率组合 | 18.1% | 0.76 |
| 最强趋势组合 | 15.7% | 0.78 |
| 历史表现最佳组合 | 20.3% | 1.07 |
| 所有品种等权 | 8.4% | 0.59 |

5. 资金分配优化模型与MD算法实证应用 [page::22][page::25]

• 报告详细介绍了均值方差、风险平价、最小方差、条件VaR约束最大化收益及最大化分散度(MD)等资金分配模型。

- MD算法最大化组合分散度，实现夏普最高点配臵，具有理论和实证支持。

• 基于MD模型季度再平衡的多策略多品种CTA组合实现年化收益10.6%、夏普比1.31，最大回撤-6.4%。

| | MD算法再平衡CTA组合 |
|------------|----------------------|
| 年化收益率 | 10.6% |
| 年化波动率 | 6.2% |
| 最大回撤率 | -6.4% |
| 夏普比率 | 1.31 |
| 信息比率 | 1.71 |
| 卡玛比率 | 1.66 |

6. CTA FOF产品多元化有助提升组合收益风险比 [page::27][page::30][page::31]

• 国内CTA私募产品自2014年起快速增长，受市场政策影响波动。

- CTA产品地域分布集中于上海、北京、深圳、杭州。

• CTA产品收益表现分布广泛，近两年夏普比低，最大回撤较大。

- FOF产品中包含5至10个互相关性较低的CTA数量较为理想，数量增加收益风险指标改善边际递减。

• 两种FOF配置方案：基于上期收益和基于上期夏普比筛选各10只产品组合，收益风险特征对比如下。

| | 上期收益最高组合 | 上期夏普比最高组合 |
|------------|-----------------|--------------------|
| 年化收益率 | 41.1% | 20.2% |
| 年化波动率 | 34.5% | 12.9% |
| 最大回撤率 | -13.5% | -4.4% |
| 夏普比率 | 1.12 | 1.37 |
| 信息比率 | 1.19 | 1.56 |
| 卡玛比率 | 3.05 | 4.61 |

• 选择策略及配臵方式应根据FOF收益风险目标灵活调整。

7. 总结与风险提示 [page::32]

• 低相关性多策略、多周期、多品种及合理资金分配是提升CTA收益风险比的关键路径。

- 投机主导品种具备较好趋势性，策略多元化显著改善组合表现。

• FOF产品多样化降低个体风险，提升组合稳健性。

- 投资风险提示：管理资金风险为成功的关键，需关注产品及策略的风险分级与控制。

关于提升CTA收益风险比的一些探索——深入解读与全面分析

---

一、元数据与报告概览

• 报告标题：关于提升 CTA 收益风险比的一些探索——写在交易策略之外

- 作者：张超，广发证券发展研究中心

• 发布时间：2018年末至2019年初期间（根据报告引用时间推断）

- 研究主题：系统性探讨CTA（Commodity Trading Advisor，商品交易顾问）策略收益风险比的提升路径，涵盖多策略、多周期、多品种组合，资金分配模型到FOF（基金中的基金）构建，兼具策略实践与资产配置视角。

核心信息与主旨：
报告强调，单一策略无法有效提升CTA收益风险比，提高组合投资表现的根本途径是通过多样化。从策略层面到品种选择再到资金分配，构筑低相关且多元的投资组合，是实现风险分散与收益稳健提升的关键，尤其在CTA领域需注重收益风险比而非仅追求收益本身。报告详细解析多策略、多周期、多品种组合的构建方法及效果，同时介绍资产配置模型（如最大分散度MD模型）在策略资金分配中的应用，配合FOF产品设计，推动CTA产品风险分散和业绩优化。[page::0,1]

---

二、逐节深度解读

1. CTA收益风险比评价指标

• 核心观点：纯收益和单一波动率指标不足以评判CTA，因为期货杠杆特性导致收益风险结构复杂。

- 评价指标：
- 夏普比率（Sharpe Ratio） — 衡量单位风险下的超额收益（扣除无风险利率），适合传统资产组合；但市场无风险利率长期不稳，限制其长期评价的准确性。
- 信息比率（Information Ratio） — 去除无风险率影响，直接衡量绝对收益策略的收益风险比，更契合追求绝对收益的CTA策略特点。
- 卡玛比率（Calmar Ratio） — 年化收益率与最大回撤率之比，强调组合风险控制；但因最大回撤随运行时间非线性变化，跨时期产品比较有限。

• 逻辑与假设：强调收益风险比高于单纯收益率的重要性，强调针对CTA这种绝对收益策略，信息比率和卡玛比率更能反映实际的风险收益表现。[page::4]

2. 多策略是基础和必要的

• 论点：

- 单策略通常能贡献正收益，但真正提高组合表现的核心是通过风险分散。
- 风险分散可从多策略、多周期、多品种三个维度构建多元化组合。
- 同一类内高相关策略难以分散风险，需要选择低相关策略组合。

• 实例分析：

- 选取股指期货的三种中长期趋势跟踪策略（LLT、H浪、CFR），其策略相关系数均高达80%左右（表1），说明单一频率的同类型策略相关性高。
- 三策略等权组合后，收益波动率与单独策略差别不大，收益风险指标（夏普比率等）提升有限（表2，图4），体现组合内策略相关性过高的局限。

• 扩展多样化思路：

- 引入不同类型与频率的策略组合（SLM的模式预测、风格套利、EMDT日内趋势），三者相关系数接近零（表3）。
- 等权组合表现出显著收益风险比提升（表4,图8），岀色的夏普比率1.13较单个策略（0.22~0.85）高出明显，证明低相关多策略组合的优势。

• 结论：达到类似达里奥提倡的15-20个低相关回报流的理念，强调不同投资理念和频率策略组合是提高收益风险比的有效路径。[page::4-10]

3. 多周期的两类方法

• 同频交易：

- 通过在不同时间切片或“小时间窗口”上部署同一策略变体，如SMT策略在13:00、13:30、14:00开仓的不同滑动时间窗口切片策略。
- 相关性虽然减少，但不至于很低（表5最大相关系数达0.33），组合收益风险比小幅提升（表6,图9），有助于资金容量扩张。

• 异频交易：

- 同一策略应用于不同时间尺度上（如均线间距策略应用于日线、30分钟线、1小时线），因不同频率波动特征不同，组合表现显著提升（图10，表7）。
- 多周期部署可以提高CTA策略资金容量和整体收益风险比。

• 驱动因素与假设：强调价格波动特征和止损止盈设置需适应不同周期，预期收益与风险非线性调整，需谨慎参数设定。[page::11-13]

4. 多品种：品种选择与组合构建

• 行业大类间低相关性：股指期货品类相关性极高（三大股指相关性0.68-0.92），不利风险分散。

- 跨类组合优势：股指、国债、商品期货相关性较低（表9），多品种组合有助于资金容量提升和风险分散。

• 商品品种筛选指标研究：基于LLT策略，尝试了5类指标：波动率、涨跌幅绝对值、峰度、趋势强度、以及上期策略表现。

- 具体指标效能解读：
- 波动率指标：波动高的品种更可能有趋势，但不是充分条件。筛选高波动率前5品种后的组合明显优于所有品种（图12，表10），收益提升但风险波动提高，风险调整指标（夏普等）均改善。
- 涨跌幅绝对值指标：相较波动率更严苛。筛选涨跌幅最高5品种后，结果反而不佳（图13），不适合趋势选品。
- 峰度指标：用于测量厚尾特征，理论上厚尾行情对应极端趋势，但筛选峰度最高5品种的结果表现极差（图15）。
- 趋势强度：用LLT趋势线最后斜率绝对值作为趋势强度量化指标。趋势强度最大组合表现明显优于基准（图16，表11），体现趋势强度确实有助于判断趋势机会。
- 上期策略表现：月初选出上月策略收益最高的5品种组合，表现最好，收益风险比明显提升（图17，表12）。

• 综合结论：波动率、趋势强度和上期策略表现为有效的品种筛选指标，涨跌幅绝对值和峰度指标失效（图18）。

- 其他筛选思路：
- 以“成交量/持仓量”比率判断投机成分，区分产业链主导和投机主导品种。
- 投机主导品种组合收益大幅好于产业链主导组合（图19，表14），说明投机成分更有助于形成趋势性行情。[page::14-22]

5. 资金分配方案：资产配置理论借鉴

• 理论基础：借鉴传统资产配置均值-方差框架，结合CTA策略净值历史，定量优化资金分配以提升组合收益风险比。

- 介绍的模型：
- 马科维茨均值-方差模型：优点是构架清晰，缺点是预期收益波动率敏感且权重集中。
- 风险平价（Risk Parity）：均衡风险贡献，忽略收益率，适合控制组合风险分布。
- 最小化方差（Minimum Variance）：极端的风险最小化，不考虑收益。
- 给定风险约束最大收益模型：在风险限制条件下优化收益。
- 以条件在险价值（CVaR）约束最大收益模型：关注极端损失，解决标准差度量的缺陷。
- 最大化分散度（MD, Maximum Diversification）模型：最大化加权平均波动率与组合波动率比率，与最大夏普点重合，简便高效。

• MD模型核心思想及数学形式详解，包括权重计算，线性约束及其解析解。

- 实证应用：针对包括股指、国债、商品的多策略CTA组合，季度调整资金分配，实现年化收益10.6%，波动率6.2%，夏普比1.31的优异表现（图20，表16）。

• 逻辑推断：通过多策略、多周期、多品种构成策略库，再利用MD等模型合理资金分配，实现组合收益风险的最优化。

- 假设说明：MD模型假设预期收益风险线性关联，实际中存在不确定，但依旧为实用工具。[page::22-26]

6. CTA的FOF投资构建

• 行业背景：国内CTA产品多为近十年兴起，2014-16为发行高峰，随后监管趋严影响发行（图21，表17,18）。

- 产品分布：上海为产品集聚地，占比约33%，深圳、北京、杭州等地次之（图22）。

• 产品表现分布：396只私募CTA产品近2年平均收益不高，平均夏普率约0.16，显示整体收益稳定性不足（图23，表18,19）。

- FOF构建策略：
- 分析157只数据连续CTA产品，测算不同数量组合的波动率与收益风险比（图24）。
- 产品数目5-10范围内组合风险收益提升较大，超过10个继续提升有限。

• 两种产品筛选方法及组合表现：

- 按过去一年收益排名前10，构建等权组合（图25，表20）。
- 按过去一年夏普比排名前10，构建等权组合（图26，表21）。

• 观察与结论：两种筛选方案产品重合率低，体现管理人的交易风格多样；收益最高法组合收益率较高但波动大，夏普比最高方案波动小更稳健，选择依赖FOF的风险收益目标（表22）。[page::27-32]

---

三、图表深度解读

1. 图表页0 - CTA多品种多策略组合净值曲线及收益风险摘要

- 描述：展示2010年至2018年CTA组合及五个子策略（股指H浪、风格套利、EMDT、SMT，商品LLT，国债CFR）的累计收益走势。
- 解读：CTA组合（红色曲线）走势稳健，年化收益约10.6%，波动率6.2%，夏普比1.31，信息比率1.71。各子策略波动与收益差异大，如股指SMT波动与收益明显更高，国债CFR波动率极低但收益也低。组合展现较好分散效果。体现组合多元化提升了整体收益风险表现。[page::0]

1. 图表页5-7 - LLT、H浪、CFR策略净值曲线与同频多策略相关性

- 描述：三种趋势跟踪策略在股指IF主力合约上的累计收益走势（图1-3），及三策略相关系数矩阵（表1），等权组合表现（图4）和收益风险详细数据（表2）。
- 解读：三策略历史表现各异，均呈明显上涨趋势，相关系数均高达0.77-0.82，说明同频率中长期趋势策略关联紧密，组合收益风险比提升有限，收益滑动幅度靠近其中一策略主导，风险分散受限。[page::5-7]

1. 图表页8-10 - 三种差异化策略净值曲线，相关矩阵与组合表现

- 描述：SLM、风格套利、EMDT三策略净值曲线（图5-7），相关矩阵（表3），等权组合表现（图8），组合收益风险指标（表4）。
- 解读：三策略相关性接近于零，组合收益、夏普明显超单一策略，展示低相关组合显著降低风险与提升收益比的优势，收益进一步平稳，夏普由0.22~0.85提升至1.13。[page::8-10]

1. 图表页12-13 - SMT不同时间切片组合曲线及资金容量提升

- 描述：SMT在不同起始时间点切片策略收益曲线叠加及等权组合表现（图9），相关矩阵（表5），及收益风险指标（表6）。
- 解读：不同时间切片相关系数平均降低至0.28，组合夏普比最高达1.88，明显优于任一子策略，可见增加时间切片有助于从同频率单一策略提取增量收益，同时提升资金容量。[page::12]

1. 图表页13 - 均线间距策略多个周期组合效果

- 描述：30分钟、1小时、日线三个不同周期均线间距策略收益曲线及等权组合表现（图10），收益风险指标表7。
- 解读：3周期组合夏普由0.12-0.51提升至0.66，波动率从约24%降低至14.5%，最大回撤下降明显，凸显了周期多样化对风险控制及收益优化的贡献。[page::13]

1. 图表页14-15 - 多品种相关性矩阵及分散作用

- 描述：股指期货品种相关系数矩阵高达0.68-0.92（表8）限制多品种风险分散；股指、国债、商品三类相关性较低（表9）、商品品种相关矩阵示意（图11）。
- 解读：提示单纯股指期货多品种收益风险分散效率低，跨品类组合更有优势，商品品种间相关不高，为多样化提供空间。[page::14-15]

1. 图表页16-20 - 商品品种筛选指标回测对比

- 描述：分别通过波动率（图12，表10），涨跌幅绝对值（图13），峰度（图15），趋势强度（图16，表11），历史表现（图17，表12）筛选品种后组合表现。
- 解读：波动率、趋势强度、历史表现三个指标构建品种组合后均显著优于基准，最高年化收益达20.3%，夏普率超1；涨跌幅绝对值和峰度筛选效果反而低于基准。三有效筛选方法累计表现（图18）完美体现主张，逻辑上也符合行情特征认知。[page::16-20]

1. 图表页21-22 - 客户导向对品种趋势影响及收益差异

- 描述：根据成交量与持仓量比率划分“投机客户主导”和“产业链客户主导”商品组合，收益曲线（图19）与收益风险指标（表14）比较。
- 解读：投机主导品种收益率和夏普比均显著优于产业链主导品种，理论上显示投机活动可能强化趋势形成，适合趋势型CTA交易。

• [page::21-22]

1. 图表页23-26 - 国内CTA产品分布及FoF组合分析

- 描述：产品发行年代（图21）、区域（图22）、收益分布（图23）、不同数量FOF组合收益率波动率（图24）、两种FOF策略组合表现（图25-26，表22）。
- 解读：近年来CTA产品新发行因监管减少，上海主导发行区域。多数CTA产品波动较大，近两年夏普不足0.2。FOF产品5-10只样本数时风险分散明显，收益风险比最优。通过夏普比或收益筛选产品，收益风险取舍明显，决策需结合FOF风险容忍度。[page::27-32]

---

四、估值分析

此报告为策略及组合研究报告，未涉及传统意义的公司估值，但资金分配方案体现了资产配置中的风险收益优化方法。

资金分配方法重点包括：

• 均值-方差优化：经典投资组合理论，求解组合的期望收益-风险均衡，存在参数敏感度。

- 风险平价：均衡各策略风险贡献，不考虑收益，适合风险控制优先场景。

• 最小方差：极端风险厌恶下的策略权重配置。

- CVaR约束优化：引入极端风险度量，更适合期货类高波动品种。

• 最大化分散度（MD）法：简洁高效，最大化组合分散度同时隐含最大化夏普比假设，解析解提升实用性。

报告重点以最大化分散度模型为例进行量化资金分配并回测，获得年化10.6%、波动6.2%、夏普1.31的优异表现，证明该方法在CTA中实用性和有效性。[page::22-26]

---

五、风险因素评估

• 资金管理风险：CTA产品风险主要由投资管理人通过资金管理控制，层面分明，风险等级因策略类型和管理能力差异而异。

- 策略实施风险：CTA策略面临市场风险、流动性风险、模型失效和执行风险。

• 监管政策风险：国内股指期货及CTA产品交易限制、保证金调整等政策对市场经营环境影响显著，2017年起监管有所收紧影响产品发行活跃度。

- 市场相关性风险：资产相关性的时间变动可能影响组合多元化效果。

• 模型假设风险：如MD模型假设收益风险线性相关，实际可能不完全成立，可能影响优化效果。

报告强调长期风险控制是决定CTA策略成功的主要因素之一。整体风险管理依赖于策略质量、资金管理及动态调整。[page::0,4,27,32]

---

六、审慎视角与细微差别

• 假设局限：

- 多处使用回溯数据和历史策略表现预测未来，存在历史收益不代表未来的假设风险。
- MD模型的收益风险线性假设较强，实际可能影响策略组合的灵活性和适应性。

• 数据覆盖与样本选择：部分数据来源于wind私募数据库，筛选条件和数据一致性会影响分析结果。

- 指标解释：峰度指标未发挥预期效果，提示统计学指标在金融时间序列中实际应用需谨慎，市场结构可能复杂影响指标表现。

• FOF组合筛选差异：收益和夏普排名组合重合度低，反映管理人风格差异，对投资者决策提出挑战，未详述如何结合其它非量化因素作进一步筛选。

- 潜在偏见：报告多基于广发证券内部策略库与数据，或存在特定策略方法背景影响，可能对外部策略表现泛化需谨慎。

• 内部逻辑连贯性较好，数据严谨，图表丰富，论据充分，体现了作者客观的实践经验总结。

---

七、结论性综合

本报告系统地阐述并实证验证了通过多策略、多周期、多品种组合构建，以及合理资金分配方法，显著提升CTA产品整体收益风险比的科学路径。

• 通过多策略组合，尤其是低相关、不同频率和不同类型策略组合，能够显著降低策略间相关性，实现风险分散。

- 多周期思路（同频时序切片与异频不同周期）有效提高策略多样性和资金容量，同时提升风险调整后的收益表现。

• 多品种尤其是跨资产类别组合能最大程度地分散风险，商品品种筛选指标中波动率、趋势强度、上期策略表现证明其筛选有效性。投机成分强的品种趋势表现更好。

- 资金分配中，最大化分散度MD模型提供了一种简单高效资金管理思路，结合多维度策略组合，显著提升组合夏普率同时控制风险。

• FOF组合通过不同投资经理的多样策略产品聚合，进一步提升收益风险比，实证显示5至10只CTA产品组合是理想区间，且产品选择策略须依照收益风险偏好平衡。

- 报告所提供的模型、数据和实证示范为CTA产品设计、管理和组合构建提供了系统而实用的理论和方法支持。

在图表数据方面，报告通过大量净值曲线、相关性矩阵、收益风险指标表格直观呈现了多元组合的效果和优势。特别是图0（整体CTA组合表现），图4、8（多策略组合净值），图12-20（品种筛选效果对比），图24（FOF组合数量效应），图26（FOF组合历史收益）等图直观展示了组合多样化和科学资金管理对收益风险的积极影响。

最终，作者观点明确：CTA的核心竞争力不仅是高质量的交易策略，更是策略之外的组合多元化与科学资金管理。风险控制作为成败关键，需贯穿策略设计、品种选择到资金分配各环节。多元化和收益风险比提升是CTA产品持续稳定获益的坚实基础。[page::0-32]

---

附：关键图表示范（部分）

• 

-

• 

-

• 

-

以上为基于报告全面细致拆解分析，涵盖理论框架、方法论、实证数据、关键图表及潜在风险，帮助读者深入理解CTA策略组合优化路径及其重要性。[page::0-33]

报告