• 2017年上半年国内CTA策略表现不佳，策略新发行规模大幅减少，1月和5月为亏损严重月份，工业品、金属及能化等大类商品价格反转是主因。

• Wind商品指数月波动率呈季节性变化，2016年10月至11月波动率快速提升后逐步回落，反映市场风险阶段性变化。

• 波动率周期被划分为正波动率周期（价格上涨伴随波动率上升）和负波动率周期（价格下跌伴随波动率上升），两者对应不同市场情绪和风险状态。

• 波动率策略主要分为纯波动率策略（跨期或跨品种多空组合）和整体波动率策略（类似期权的买卖跨式组合）。

• 动量策略作为CTA经典趋势追踪策略，表现出与沪深300收益的凸性关系，波动率越高，动量策略潜在收益越大，但其与沪深300波动率变化的相关性较低，表明动量策略收益来源更复杂。

• 动量策略在正波动率周期高波动区间表现亏损（年化-10.60%），在负波动率周期高波动区间实现正收益（年化3.90%），大部分收益发生在非高波动率区间，提示高波动率未必是策略盈利关键。

• 进一步分析高波动率区间进入前后收益，发现进入高波动率区间前表现较好，进入后收益下降，符合波动率周期理论中对价格趋势和投资者行为的解释。

• 通过基于波动率周期的择时优化动量策略，设定三类条件过滤信号，样本外测试期间（2010-2017年）策略净值更加平滑且盈利稳定，实现收益风险比提升。

| 指标 | 优化前 | 优化后 |
|--------------|--------|--------|
| 年化收益 | 7.88% | 5.38% |
| 最大回撤 | 9.43% | 3.58% |
| 年化标准差 | 6.54% | 3.92% |
| 收益风险比 | 1.19 | 1.37 |

• 总结：波动率因子的周期识别和择时应用优化了CTA动量策略的风险控制和收益稳定性，在非杠杆条件下实现了较大幅度的最大回撤压缩与风险调整后收益提升 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7]

CTA 量化策略因子系列（一）：波动率因子—详尽深度分析报告

---

一、元数据与报告概览

• 报告标题：《CTA 量化策略因子系列（一）：波动率因子》

- 作者：罗剑，华泰期货研究所量化组组长

• 发布日期：报告中无具体发布日期，数据分析时间覆盖2010年至2017年中

- 发布机构：华泰期货研究所

• 主题：以波动率因子为核心，针对CTA（Commodity Trading Advisor）管理期货策略中的动量策略进行深入分析与优化，尝试通过波动率周期及区间的划分方法，提高CTA策略在不同市场环境下的收益风险比。

报告核心论点与目标

报告指出，2016年商品牛市带动CTA策略收益攀升，但2017年受商品市场调整影响，CTA策略表现显著下降。为应对市场波动率的季节性及周期性变化，本文以波动率因子为风险度量核心，对CTA经典策略——动量策略进行深入解析，并通过基于波动率周期的择时优化，改善策略的收益波动和回撤表现。优化后的动量策略在样本外测试中年化收益略有下降，但风险指标显著改善，收益风险比得到提升，潜力明显。

这一分析紧扣CTA策略在牛熊转换市场环境的风险控制问题，力图通过波动率信号捕捉市场情绪和价格趋势，提供了量化因子层面的创新视角以增强CTA策略稳健性。[page::0]

---

二、逐节深度解读

1. 2017年上半年CTA策略表现不佳

• 关键内容：2016年商品牛市背景下CTA策略普遍收益颇丰，2017年商品市场调整态势显著，整体波动率下降导致市场热情骤减，直接使得CTA策略尤其是管理期货策略表现处于各类策略末端。同期数据显示，2017年国内CTA策略私募基金的新发行数量大幅下降，反映市场信心受挫。
• 逻辑与数据：

- 图1显示，2017年上半年CTA策略私募基金发行数量大幅较2016年同期降低，累计发行数量增长速度放缓。
- 图2比较多类策略平均收益，管理期货策略（代表CTA）在负收益区间，-0.62%为2017年上半年表现最差策略之一。
- 图3进一步按月份细分，1月和5月为亏损较重的月份，1月平均亏损高达-2.09%。
- 图4追溯至商品指数走势，工业品、金属及能化类商品2017年未延续2016牛市趋势，行情反转致使1月CTA策略亏损显著。
- 对月度波动率进行季节性分析，2016年10月后波动率快速上升，11月起波动率回落且维持至2017年6月，符合历史规律。[page::1]

• 结论：CTA策略2017年上半年疲软绩效与商品市场波动率下降及价格反转紧密相关，市场情绪和波动率动态成为策略表现的重要驱动因素。

2. 波动率的定义与周期

• 关键内容：波动率是资产价格变动程度的度量，既可通过历史收益率的标准差统计得到，也可由期权隐含波动率估算。波动率反映市场风险，不同阶段波动率的变化对应市场投资者情绪和风险态度的不同。
• 重要定义：

- 波动率周期分为正波动率周期（价格上涨引起波动率上升）和负波动率周期（价格下跌引起波动率上升）。
- 图6中Wind商品指数趋势与30、60、90日历史波动率显示，波动率上升总伴随价格大幅变动，无论上涨还是下跌。
- 图7直观呈现正负波动率周期间的循环机制，行情膨胀、市场反转、平静期及市场不确定性的交替演进。
- 根据Kathryn M. Kaminski (2011) 研究，正向波动率周期中投资者表现过度自信，价格上涨加剧波动率，最终泡沫破裂伴随负向波动率周期。负波动率周期中，投资者恐慌羊群行为导致波动率飙升，市场进入高不确定性状态。[page::2]

• 推断：准确理解和识别波动率周期至关重要，关系到CTA策略适时调整仓位和风控。波动率不同周期对应的投资者行为差异是量化策略优化的重要理论基础。

3. CTA策略中的波动率使用

• 内容摘要：

- 纯波动率策略：基于不同资产横截面波动率差异，组合做多高波动或做空低波动品种形成对冲。
- 整体波动率策略：类似期权跨式买入/卖出策略（图8买入跨式盈亏示意，图9卖出跨式盈亏示意），通过对波动率波动预期进行交易获取收益。

• CTA策略收益偏好：

- CTA管理期货策略作为低相关性对冲资产，主要表现为做多波动率的策略。
- 使用沪深300指数与动量策略收益数据（2007-2011），发现动量策略收益分布呈凸性，显示在市场波动率较高区域表现更好，相似于期权买入跨式结构（图10）。
- 然而，图11显示动量策略与沪深300波动率变动相关性较低，动量策略收益未严格跟随波动率增长，表明市场对“做多波动率”这一定义存在偏差或局限。[page::3][page::4]

• 逻辑分析：CTA策略作为“做多波动率”工具的表述需要细化，将波动率按正负周期分类，有助于更准确地捕捉动态的收益表现。

4. 不同波动率周期对CTA策略的影响分析

• 波动率区间划分：

- 正波动率周期高波动期：90日历史波动率高于均值加一倍标准差，且波动率上升伴随价格上涨
- 负波动率周期高波动期：同上，但波动率上升伴随价格下跌
- 其他区间为非高波动状态

• 数据结果：

- 图12显示，动量策略在正波动率高波区间表现亏损严重，年化亏损-10.60%；在负波动率高波段表现正收益但不高，仅3.90%；而非高波动波段贡献了21.26%的累计收益。
- 进一步细化高波动率区间前后表现（图13），发现进入高波动率区之前动量策略表现明显优于进入后，正负波动区间均呈现类似规律。

• 解释：

- 正波动率区间中价格上涨伴随过度投资者自信，但高波动带来价格急剧反转，破坏趋势，动量策略因此表现差。
- 负波动率区间突发事件驱动价格快速下跌，表明市场风险暴露，动量策略能够捕获风险溢价但随后进入调整，收益相对减弱。
- 非高波动率区间表现较稳定，是动量策略正收益主要来源。

• 推断：动量策略收益极大依赖波动率周期及其当前阶段，策略应结合波动率动态调整仓位和择时。[page::5]

5. 利用波动率因子优化CTA动量策略

• 择时信号依据：

- 定义三类波动率周期状态的选取逻辑（基于90日历史波动率均值、标准差及价格90日前后均值对比）：
1. 正波动周期市场情绪上升期：波动率下降，价格上涨，HV90 < HV均值 - std，价格当前 > 90日前，当前波动率高于HV90
2. 正波动周期市场情绪膨胀期末：波动率开始下降，价格反转，上述指标逆转
3. 负波动周期过度反应期：波动率升高，价格下降

• 优化方案及结果：

- 依据上述择时方案调整动量策略仓位，达到利用不同波动率周期提高策略风险收益表现的目的。
- 图14为原始动量策略净值走势，年化收益7.88%，最大回撤9.43%，年化波动6.54%，收益风险比1.19。
- 图15为优化后动量策略净值，年化收益下降至5.38%，但最大回撤降低至3.58%，年化波动大幅减小至3.92%，风险控制明显加强，收益风险比提升至1.37。
- 优化策略中存在空仓期，报告建议可辅以固定收益类资产进行增强收益，进一步提升整体绩效。[page::6]

• 逻辑与推断：

- 波动率因子的动态应用显著平滑了策略收益波动和最大回撤，验证了波动率因子在CTA量化策略优化中的有效性。
- 通过对波动率周期的精准判断，策略规避了高波动率下的价格反转风险，实现了更为稳健的收益动态。

6. 总结与展望

报告最终总结，波动率因子对于CTA动量策略的优化具备实证意义，样本外测试结果表明，通过动态识别波动率周期，动量策略的收益风险比得到有效提升，风险控制能力增强，特别是在牛熊转换阶段的回撤显著降低。报告亦对操作层面提出补充方案，提升实操可行性与收益稳定性。

此系列后续预计会继续深入其他策略因子的分析和优化，逐步建立系统化、风险可控的CTA量化框架。[page::7]

---

三、图表深度解读

图1：2017国内CTA策略私募基金规模

• 描述：红色条形显示每个月新发行数量（左轴），蓝线显示累计发行总数（右轴）。

- 解读：2016年后期新发行数量高峰明显，2017年行情调整后新发行数量大幅减少至极低水平，反映策略资金流入放缓。

• 支撑文本论断：市场热情下降，CTA策略发行规模萎缩，直观体现市场环境的低迷。[page::1]

图2：2017年上半年各类策略平均收益率

• 描述：横轴各策略分类，纵轴平均收益率，股指策略最高2.8%，管理期货为负收益-0.62%。

- 解读：CTA管理期货策略表现最差，盈利能力弱于股票、组合基金、债券等。

• 结合文本：证实2017年上半年CTA策略在市场调整中受挫严重。[page::1]

图3：2017年上半年CTA策略月度平均收益率

• 描述：1月亏损2.09%，5月亦出现亏损，其他月份为正收益。

- 解读：策略表现不连续，波动较大。1月较大亏损拉低整体表现。

• 说明：策略收益易受市场短期波动影响，反映波动率驱动的收益特征。[page::1]

图4：近一年国内各大类商品指数走势

• 描述：展示工业品、农产品、金属、能化、贵金属指数相对变动。

- 解读：11月前行情上涨推动波动率升高，11月至次年6月多类品种价格下跌或震荡。

• 连贯文本：价格转跌对应波动率周期转换，市场情绪波动的基础经济条件。[page::1]

图5：Wind商品指数波动率季节分布

• 描述：红色线2017年波动率，蓝线2016年波动率，灰色为波动率范围区间及黑线均值。

- 解读：2016年10月份起波动率快速上涨，后期回落，符合历史季节性波动。

• 作用：支持以波动率为核心因子分析CTA策略的合理性。[page::2]

图6：Wind商品指数与历史波动率走势图

• 描述：红线价格走势，蓝、灰、黑线分别为30、60、90日历史波动率。

- 解读：价格快速上涨或下跌阶段伴随波动率快速走高，证实波动率与价格趋势紧密关联。

• 说明：波动率周期划分数据基础。[page::2]

图7：波动率周期循环示意图

• 描述：正波动率周期（价格上涨引起的波动率变化）与负波动率周期（价格下跌引起的波动率变化）循环过程图。

- 解读：从情绪繁荣至焦虑恐慌产生循环，揭示投资者行为对波动率阶段性影响。

• 作用：为策略择时提供行为金融学理论支持。[page::2]

图8及图9：买入与卖出跨式组合盈亏图

• 描述：买入跨式策略（图8）在标的价格大幅波动时盈利最大，卖出跨式策略（图9）损益相反。

- 解读：动量策略与买入跨式策略收益特征接近，市场波动率提升时动量策略收益应增加。

• 结合图10，说明策略收益的期权性质特征。[page::3]

图10：动量策略与沪深300平均日收益分档

• 描述：动量策略收益在最低20%分档表现最高24.61%，表现凸性收益特征，与沪深300收益呈正线性。

- 解读：市场极端情况下，动量策略收益极端表现明显，支撑做多波动率特性假设。

• 说明：动量策略收益具有非对称风险收益结构。[page::4]

图11：动量策略与沪深指数波动率变化相关性

• 描述：动量策略与沪深300月波动率变化相关性为负约-0.03，沪深300本身波动率相关性为正约0.04。

- 解读：动量策略并非完全随波动率同步变化，表现复杂。

• 指示：动量策略“做多波动率”称谓需谨慎，细化波动率周期分析。[page::4]

图12：动量策略不同波动率区间年化收益

• 描述：正波动率高波段亏损-10.60%，负波动率高波段正收益3.90%，非高波动区间贡献21.26%收益。

- 解读：不同波动率背景下动量策略表现迥异，正波动率高波阶段表现最差。

• 体现策略风险错配及择时优化潜力。[page::5]

图13：动量策略进入高波动率区间前后表现

• 描述：进入高波动率之前的表现优于进入后，差异明显。

- 解释：波动率高波动区间内部，策略捕捉趋势能力减弱。

• 为动态择时逻辑提供依据。[page::5]

图14及图15：动量策略优化前后净值对比

• 描述：原动量策略净值稳步上升但波动较大；优化后净值增长较缓但更稳定，存在空仓期。

- 指标比较：
- 年化收益下降（7.88% -> 5.38%）
- 最大回撤明显缩减（9.43% -> 3.58%）
- 年化标准差接近减半（6.54% -> 3.92%）
- 收益风险比提升（1.19 -> 1.37）

• 说明优化策略更注重风险控制，提高夏普比率，适合波动率周期切换市场。[page::6]

---

四、估值分析

本报告核心为CTA动量策略的风险收益优化，并未涉及传统的企业或资产价值估值。报告中主要采用历史回测指标和风险控制参数作为“估值”层面的考量：

• 采用年化收益、最大回撤、年化标准差和收益风险比（收益/风险）四项指标监测策略绩效。

- 通过波动率因子及周期分类，实现对动量策略的择时及仓位调整，从而提升收益风险比。

• 优化无杠杆假设保证了策略稳健性和风险控制。

因此，本报告核心估值视角为策略绩效指标与风险动态管理，不涉及传统DCF或多因素估值模型。

---

五、风险因素评估

• 波动率趋势判断风险：波动率的周期与趋势变换复杂，周期划分或度量误差可能导致择时信号失效，影响策略表现。

- 市场非理性行为风险：行为金融学解释为投资者羊群效应和过度自信，但突发事件和政策变化等外部冲击难以完全预测，可能影响策略稳定性。

• 模型参数设定风险：如波动率均值、阈值标准差选择等参数灵敏度对策略结果影响显著，需谨慎校准。

- 流动性及交易成本风险：报告未详细说明交易成本假设，实操中频繁择时调仓可能导致资金消耗和滑点。

• 样本外适用风险：由于数据样本主要覆盖2010-2017年，未来市场环境变化可能使模型失效。

报告未明确披露详细缓解方案，建议在实操中结合多因子模型和风险控制措施，同时配置低相关性资产分散风险。[page::6][page::7]

---

六、批判性视角与细微差别

• 报告清晰地将传统“做多波动率”策略细化为正负波动率周期，但样本和方法局限（如基于沪深300替代CTA全市场）可能削弱部分结论普适性。

- 报告对动量策略的优化牺牲部分年化收益来换取更好的风险控制和收益稳定，这在实际投资中是合理权衡，但未详细探讨收益下滑对投资人接受度的影响。

• 波动率因子择时策略依赖历史波动模式，面对黑天鹅事件时策略适用性存疑。

- 报告中空仓时的“固定收益增强操作”未细化，实际操作复杂度及风险敞口未充分披露。

• 某些数学符号出现乱码（第6页部分波动率择时定义公式），不影响理解但显示编排不够严谨。

总体，报告较为扎实，但在参数敏感性分析、交易成本评估及风险缓释细节方面尚有提升空间。

---

七、结论性综合

本报告通过详尽分析2016-2017年商品市场及CTA策略表现，提出将波动率作为核心风险因子，依据波动率周期（正负波动率周期）的划分，揭示了CTA策略收益与波动率变化间复杂的非线性关系。实证数据显示，单纯“做多波动率”的CTA动量策略未必总能获取超额收益，尤其在正波动率高波阶段表现糟糕。

基于此，报告设计了基于波动率因子的择时优化模型，区分不同波动率周期阶段调整策略仓位，实现风险回撤明显下降（最大回撤由9.43%降至3.58%），年化波动率大幅减少，尽管年化收益有所下滑（7.88%降至5.38%），但收益风险比明显提升（1.19至1.37），实际净值曲线更趋稳定且具备空仓以作固定收益增强的灵活性。

所有图表均有效支撑了文本论点：发行规模缩减（图1）、策略表现差（图2、3）、商品价格走势及波动率季节性体现（图4、5、6）、波动率周期理论（图7）、跨式盈亏结构类比（图8、9）、动量策略收益分档及与市场波动率关系揭示（图10、11）、不同波动率区间内动量策略表现差异（图12、13）、以及优化前后策略净值与指标对比（图14、15）。

总体来看，报告立场稳健，认为波动率因子周期性分析是CTA量化策略优化的重要突破口，分阶段择时策略能有效提升稳健性和收益风险比。然而，报告提示实际操作中仍需注意择时信号正确性、交易成本和市场风险。

该研究成果对于CTA管理期货策略构建及量化策略风险管理具有较大参考价值，尤其在当前市场波动加剧及多变环境中，对于提高CTA策略抗风险能力和收益质量具备重要实用意义。[page::0,1,2,3,4,5,6,7]

---

免责声明

报告中明确本材料不构成投资建议，仅供参考，使用者应独立判断，风险自担。华泰期货有限公司及其关联公司不对使用本报告造成的损失承担责任，且版权所有，未经授权不得传播。

---

此份分析详尽解构了报告的理论框架、关键数据与图表支撑、策略设计及优化结果，并结合风险分析与批判性视角，为读者提供全面且深入的洞察。

报告