CTA策略核心特征及因子拆解 [page::2]

• CTA策略低相关性、跨市场、多策略，依赖期货和算法交易以实现市场中性和风险管理。

- 拆分为动量（趋势跟踪）、carry（展期收益及基差变化）和流动性因子三大类。

动量因子构建与表现 [page::3]

| 因子名称 | 累计回报率 | 年化收益率 | 最大回撤 | 年化波动率 | calmar比率 |
|---------------|------------|------------|----------|------------|------------|
| tsmom201 | 69.41% | 7.16% | 11.46% | 9.65% | 62.46% |
| csmom201 | 143.98% | 12.40% | 40.35% | 19.68% | 30.74% |
| 动量复合因子 | 106.79% | 9.99% | 26.82% | 12.97% | 37.26% |

Carry因子构建及表现 [page::5]

| 因子 | 累计回报率 | 年化收益率 | 最大回撤 | 年化波动率 | calmar比率 |
|--------------|------------|------------|----------|------------|------------|
| 展期收益率 | 68.67% | 7.09% | 13.21% | 7.80% | 0.54 |
| 基差变化率 | 73.36% | 7.48% | 8.93% | 6.27% | 0.84 |
| 复合因子 | 67.11% | 6.96% | 8.25% | 5.42% | 0.84 |

流动性因子构建与收益表现 [page::6][page::7][page::8]

| 因子 | 累计回报率 | 年化收益率 | 最大回撤 | 年化波动率 | calmar比率 |
|----------------|------------|------------|----------|------------|------------|
| 持仓因子 | 31.08% | 3.61% | 6.63% | 5.17% | 0.54 |
| 成交量因子 | 40.65% | 4.57% | 8.54% | 6.24% | 0.54 |
| 复合因子 | 41.48% | 4.65% | 4.85% | 4.18% | 0.96 |

三类因子相关性与有效性检验 [page::8][page::9]

• 动量因子同质性较强，流动性和carry组相关性弱，收益来源相对独立。

- 三因子模型对CTA策略指数解释效果年均约30%，动量因子对趋势策略解释力最强。

• 套利类策略对套利carry因子依赖较大，仍需探索更多解释因子。

基于宏观经济周期的因子表现分析与择时框架构建 [page::10][page::12][page::13]

• 经济不同库存周期阶段，三大类因子表现差异明显。

- 动量因子在主动补库存阶段表现优异，在政策主导和预期波动剧烈时出现大幅回撤。

• 设计动量因子和交易信号择时规则，规避高位因子暴露时的回撤风险。

交易层面因子择时信号及收益提升 [page::14][page::15]

• 动量因子达到90%分位时预示可能回撤，择时降低风险。

- carry和流动性因子波动较小，暂不进行择时调整。

• 择时+轮动组合年化收益9.68%，最大回撤5.94%，calmar比率1.63。

| 组合类型 | 年化收益 | 波动率 | 最大回撤 | calmar比率 |
|----------------|----------|--------|----------|------------|
| 基准组合 | 7.20% | 5.44% | 9.11% | 0.79 |
| 交易信号择时 | 8.81% | 5.33% | 4.63% | 1.90 |
| 轮动+择时组合 | 9.68% | 6.13% | 5.94% | 1.63 |

未来展望及投资建议 [page::17]

• 当前宏观周期受地产周期影响，政策变量已充分定价，商品价格定价核心回归供需关系。

- 美联储加息带来贵金属等金融属性品种扰动，建议规避相关品种动量交易。

• 动量因子有效性有望提升，对CTA策略配置价值逐渐显现，适合构建分散化低回撤绝对收益组合。

金融研究报告详尽分析报告

——《构建CTA策略配置框架》解析

---

1. 元数据与报告概览

• 报告标题：《构建CTA策略配置框架》——绝对收益策略系列之二

- 作者及团队：张晗（分析师）、梁誉耀（研究助理）及金融工程团队（廖静池、卢开庆等）

• 发布机构：国泰君安证券研究所

- 发布时间：2023年（具体年份未详见页码）

• 研究对象：CTA（Commodity Trading Advisor，大宗商品交易顾问）策略，尤其是构建CTA策略的因子拆解与配置框架

- 核心论点与结论摘要：
报告认为CTA策略与传统股债资产相关性低，具有“危机alpha”属性，在系统性风险阶段表现优异，是绝对收益组合中重要的分散化资产。通过将CTA拆解为动量、carry与流动性三类低相关因子，在因子层面搭建择时及配置框架，可有效提升CTA组合的收益风险表现。报告指出当前商品定价逐步由政策变量转向供需基本面，动量因子有效性或将提升，建议关注CTA策略配置价值。基于因子配置的模拟组合年化收益率近10%，Calmar比率达1.6，表现稳健且具分散优势。[page::0,2,16,17]

---

2. 逐节深度解读

2.1 分散化投资的重要资产——CTA策略介绍

报告详细阐释CTA策略特征：（1）市场中性，通过衍生品如期货和期权进行杠杆操作；（2）依赖趋势跟踪与算法交易捕捉价格动量；（3）跨多个市场（商品、股票、债券等）操作实现资产分散；（4）强调风险管理与快速反应；（5）与传统资产相关性低，因而为分散投资提供有效工具；（6）运作复杂有高风险。报告指出对CTA风险收益特征的理解不足阻碍其配置，报告意在简化CTA为因子层面提升理解与操作可能。[page::2]

2.2 CTA策略因子拆解

报告将CTA拆分为三大因子类别：

2.2.1 动量类因子

动量因基于价格趋势延续性，即过去涨的资产将继续涨，过去跌的将继续跌。动量因子构造涉及时序动量（单一资产价格趋势）、截面动量（横截面资产间相对动量）、EMA均线动量（指数加权移动平均）。报告通过多个动量组合的净值走势与统计指标展示其盈利能力，2016年至今，动量复合因子累计回报超106%，年化近10%，最大回撤约27%，波动率13%左右，Calmar比率良好显示较强风险调整回报，说明动量在CTA策略中是主要的收益来源之一。报告强调动量效应对市场效率假说的挑战，动量策略通过历史价格数据的技术分析获利。[page::3]

2.2.2 Carry因子

Carry因子刻画期货展期收益和基差变化，反映期货价格曲线结构变化对收益贡献。报告详细定义了展期收益率和基差变化率的计算方法，强调其与动量因子的独立性。其图示呈现展期收益率和基差变化率因子多空净值稳步增长，复合因子累计收益逾67%，年化约7%，最大回撤低于10%，波动率5.42%，Calmar比率为0.84，表现稳健。该类因子在国内市场效果较好，因期货贴水普遍存在生成正收益，是CTA策略的重要稳健收益来源。[page::4,5]

2.2.3 流动性因子

流动性因子以持仓量变化率、成交量变化率及单位成交额涨幅构建，反映市场活跃度对因子有效性的影响。报告展示了各项流动性因子及复合因子净值走势，成交量与持仓因子表现优于单位成交额因子，后者表现较差被剔除。统计数据显示流动性复合因子年化收益约4.65%，最大回撤仅4.85%，波动率4.18%，Calmar比率约0.96，表现稳健。流动性因子多在成交和持仓活跃市场中有效，与价格动量相比为CTA策略提供多样化收益来源及风险制衡。[page::6,7,8]

2.3 因子有效性与相关性检验

报告通过相关系数矩阵显示：动量因子内部同质性强，但动量、carry与流动性大类因子之间相关性较低（低至零甚至负相关），证明三类因子代表相对独立收益来源。以私募策略指数（朝阳永续等）代表CTA资产表现，观察2022年以来趋势策略因动量失效导致整体CTA回撤，套利策略稳健。

采用多因子（动量、流动性、carry）回归模型对CTA宽基指数及细分趋势、套利策略进行解释，年度$R^2$平均约30%，趋势策略中动量因子解释作用显著，套利策略因子解释相对较弱，特别在跨品种套利中供需景气度尚未充分体现其中。残差（非因子解释收益）反映策略alpha及未捕捉风格。

总结，三类因子对CTA整体收益解释有效，但套利策略相关因子挖掘仍需加强。[page::8,9,10]

2.4 从景气度与交易双重维度构建配置框架

报告指出商品价格受估值端（美元流动性等宏观因素）与盈利端驱动，后者包括房地产销售、制造业需求、库存与产能等。近期中国地产周期处于拐点，导致商品需求分化。图示说明地产销售增速与南华商品指数正相关，库存去化速度影响价格。股市涨跌拐点领先商品价格，供需缺口决定价格主升浪时机。

进一步通过库存周期划分为主动去库存、被动补库存等不同阶段，统计CTA三因子及策略指数年化收益。结果表明主动补库存阶段因子表现较差，动量因子择时尤为关键，套利策略相对稳健。动量因子回撤多发生在政策预期主导商品价格、实际需求与预期背离阶段，例如2016年信用扩张但经济基础薄弱，2021年宏观预期震荡，2022年黑天鹅事件影响下等。此阶段价格趋势不明导致动量因子失效。

基于此，报告建议以因子值极端与回归为信号，对动量因子进行择时，规避高位拥挤信号带来的风险。实证验证显示择时组合净值及收益指标优于简单多空策略，而carry和流动性因子因回撤较小，暂不构建择时信号以避免损失收益。[page::10,11,12,13,14,15]

2.5 基于因子构建绝对收益组合

报告模拟的CTA组合以三大类因子等权构建，择时策略规避高风险动量暴露，推动组合整体收益及风险控制显著提升。

• 基准组合年化收益7.2%，最大回撤9.11%，Calmar比率0.79

- 择时组合年化收益8.81%，最大回撤4.63%，Calmar比率1.90

• 轮动+择时组合年化收益9.68%，最大回撤5.94%，Calmar比率1.63

且模拟组合与沪深300及中证全债相关系数不到0.1，表明良好分散性。此配置框架为构建低波动、稳定绝对收益的CTA策略提供有效路径。[page::15,16]

2.6 CTA策略配置展望

报告指出当前经济复苏受地产周期影响，政策传导至经济过程缓慢且商品价格核心回归供需。美联储加息政策仍影响贵金属等金融属性强的品种，但节奏不确定性高。现阶段交易层面三因子无极端信号，动量因子在长周期回撤后预计有效性提升，建议重点规避贵金属领域。Carry因子表现稳定，综合考虑，CTA趋势及套利策略配置价值逐渐显现。风险方面，报告警示模型基于历史数据，不排除尾部市场风险及政策超预期变化的可能。[page::17]

---

3. 图表深度解读

图1 CTA动量因子构建（第3页）

• 左图展示了三类动量因子时序净值表现，红色（截面动量csmom201）涨幅明显优于蓝色（时序动量tsmom201）和绿色（EMA均线动量csmom20ema1），均体现长期增长趋势。

- 右图复合动量因子与南华商品指数对比，动量因子整体表现平稳且长期上涨，后期略呈盘整。

• 该图表直观说明动量因子在沪深商品市场具备良好的收益性，支持报告动量因子为CTA策略主要收益构成的论断。

- 图表结合表1具体数值，动量复合因子年化近10%，最大回撤26.8%，较好风险收益表现。[page::3]

表1 动量因子收益表现（第3页）

该表详细列举不同参数动量因子和复合因子的累计收益、年化收益、最大回撤、年化波动率及Calmar比率，具体数据反映趋势：较长周期动量因子年化收益率较高，风险控制尚可，复合因子综合优势明显。

---

图2 Carry因子构建与净值走势（第5页）

• 左右两图分别展示展期收益率和基差变化率因子的多空净值走势，整体呈现稳健上涨趋势，少量震荡。

- 图表说明carry因子作为与动量独立的另一路径，也提供持续正收益。

• 表2显示carry因子累计回报30-70%不等，年化收益7%左右，最大回撤控制良好，波动率明显低于动量因子，风险调整后表现稳定。[page::5]

---

图3-7 流动性因子及相关统计（第6-9页）

• 图3-5分别展示持仓变化、成交量及流动性因子不同参数的净值走势，反映成交和持仓活动度影响因子有效性。

- 图6合成多因子净值，表现进一步稳健。

• 表3、8提供详细量化指标，复合因子年化收益约4.65%，最大回撤仅4.85%，表明流动性因子对回撤控制贡献突出。

- 相关矩阵（表4）展现三大类因子低相关性，有助于多因子配置分散化。

• CTA宽基指数与各因子回归模型表明因子整体解释力度合理，但套利策略因子挖掘仍有提升空间。[page::6-9]

---

图7 CTA策略指数表现（第9页）

• 显示2015-2023年CTA策略及细分趋势和套利策略收益走势及回撤，趋势策略回撤更大，套利策略相对稳健，支持报告趋向择时交易风险加以规避。

- 回归模型统计揭示动量因子在趋势策略中的主导地位及解释效果。[page::9]

---

图8-12 大宗商品价格驱动因素及周期划分（第11-13页）

• 图8和9显示房地产销售、库存去化与商品价格明显相关，2021年以来价格分化严重。

- 图10描述部分商品价格对股市的滞后，股市为领先指标。

• 图11展示库存周期划分及经济利润变化，细致划分不同库存阶段，为深入择时提供依据。

- 表6统计不同库存阶段内三因子及CTA策略年化收益差异，验证动量因子择时重要性，套利策略较稳健。

• 图12凸显动量因子三大重要回撤阶段，结合政策和实际经济形势分析价格走势分化原因。[page::11-13]

---

图13-15 因子择时信号与配置组合表现提升（第14-16页）

• 图13体现因子值分位数达到高位（90%）常伴随回撤风险，动量因子尤为显著。

- 对择时信号规避期内因子暴露，有效降低短期回撤，图14显示择时动量因子组合净值较无择时组合更优。

• 图15显示通过择时+轮动的多因子组合超越简单等权组合，提升收益同时降低最大回撤，展示因子层面配置策略的有效性。[page::14-16]

---

4. 估值分析

报告未涉及传统估值指标（如DCF、P/E等），而重点在CTA策略的因子回归解释模型及多因子组合的风险收益统计。模型基于历史回报数据计算因子回报及策略alpha，提供以统计学为基础的因子定价框架。主要输入为因子收益序列、无风险利率与策略指数数据。通过回归$Ri = Rf + \beta{momentum}(Rm - Rf) + \beta{liq}(Rl - Rf) + \beta{carry}(Rc - R_f) + \varepsilon$，估算因子暴露与解释效果，量化因子贡献。[page::9]

组合估值层面，报告通过历史回报模拟不同因子配置的组合表现，并用Calmar比率、最大回撤和年化收益率衡量风险调整后表现。因子择时与轮动组合表现最佳，接近年化10%收益，最大回撤低于6%，展示极佳的风险收益关系。[page::15,16]

---

5. 风险因素评估

报告明确风险提示：

• 模型基于历史数据，市场可能发生尾部风险，历史表现非未来保证。

- 海内外经济政策超预期调整可能打破当前因子有效性。

• 2021-2023年间动量因子的多次失效表明政策预期对商品价格的扰动，使得部分因子收益波动较大，策略需动态调整。

- 美联储加息节奏及相关宏观经济变化对CTA金融属性较强品种（如贵金属）产生不确定影响。
报告无详细缓解措施，建议投资者关注因子信号择时规避高风险暴露。整体策略通过因子组合分散和择时努力控制风险。[page::0,17]

---

6. 批判性视角与细微差别

• 因子稳定性假设的局限性：尽管报告证明动量、carry与流动性因子历史有效，但2022年以来的回撤事件显示，因子收益存在阶段性违背假设的风险（尤其动量因子在极端市场环境下失效），提醒模型对外部环境高度敏感。

- 套利策略因子解释不足：报告指出套利策略的因子挖掘尚有不足，可能存在重要风格未被捕获，限制了整体因子模型的泛化能力。

• 交易信号择时策略对收益的潜在负面影响：报告明确指出对carry及流动性因子进行择时可能损失收益，显示择时策略不一定适用于所有因子，表示需要平衡追求稳定回撤和收益的权衡。

- 政策变量对商品价格影响复杂：报告多次强调政策因素导致的价格反转与动量因子回撤，显示在政策驱动而非需求驱动的市场，传统趋势策略可能失效，二者间的相互作用复杂，未来模型的调整需充分考虑政策面影响。

• 外部冲击影响难以量化：像俄乌冲突等黑天鹅事件对策略影响重大，但难以计入模型系统内，提示投资者策略仍有不可控风险。

- 报告未示范具体实盘交易成本及滑点考量：缺少对策略实施层面成本的分析，量化模型实际落地仍需关注交易执行风险。

• 缺少对模型超参数（如时间窗口长度等）敏感性分析：未说明不同参数选择对因子表现的影响，可能影响模型稳定性。

综合来看，报告科学严谨但对模型假设边界和实际市场冲击的敏感性需保持谨慎态度。

---

7. 结论性综合

本报告系统拆解CTA策略核心收益来源，通过动量、carry和流动性三大因子框架，结合宏观政策、需求景气和交易信号，建立了有效的CTA策略配置与择时框架。

• 三大类因子相关性低，提供多元独立收益路径，尤其动量因子贡献最大；

- 回归模型显示因子对CTA整体策略指数解释力度显著，趋势类策略更依赖动量因子，套利策略稳健但因子尚需细化；

• 商品价格受政策预期和实际需求驱动，策略表现阶段性受政策影响扰动，尤其2022年动量因子明显失效；

- 通过因子值分位数择时动量因子，有效规避拥挤风险，提高了组合风险调整后的收益表现；

• 模拟组合年化收益近10%，最大回撤控制在6%以内，Calmar比率达1.6，且与传统股债资产相关度极低，具备良好分散化和绝对收益特征；

- 当前宏观环境下，政策变量的影响减弱和供需因素回归将提升动量因子有效性，建议重点关注CTA配置价值，但需警惕市场尾部风险和政策超预期变动。

图表所示数据与模型分析紧密联动，明晰展示了各类因子在不同市场环境下的表现差异和整体策略优势。报告以详实数据支持CTA因子拆解的科学性与实用性，构建了业内较为前沿的因子层面CTA配置研究框架。
综上，报告客观清晰，数据充分，为投资者进一步理解及实践CTA绝对收益策略提供了重要指导和借鉴。[page::0-17]

---

本分析报告由国泰君安证券研究所《构建CTA策略配置框架》报告内容严密构建，所有引用内容均遵守报告原文索引规定。

报告