• CTA策略的价值与发展趋势 [page::2]

- CTA作为另类资产，具备丰富的策略手段与较优的收益风险比。
- 2014年以来，CTA产品数量快速增长，2020年发行数量接近2016年高峰。
- 低相关性使CTA在多资产配置中优化组合有效边界，提升收益或降低风险。

• CTA策略与传统资产相关性分析 [page::3]

| 时间周期 | 主动股基相关系数 | 普通债基相关系数 |
|------------|----------------|----------------|
| 过去半年 | 0.54 | -0.34 |
| 过去一年 | 0.37 | -0.23 |
| 过去三年 | 0.25 | -0.13 |
| 过去五年 | 0.24 | -0.05 |

- CTA与股票、债券策略相关性低，适合作为资产配置的分散化工具。
- CTA策略信号可指导现货市场生产经营，源于期货市场的价格发现功能。

• CTA择时因子构建及测试 [page::3][page::4][page::5]

- 技术面因子：动量（唐奇安通道60日新高/新低信号）、波动率（60日滚动波动率分位）
- 宏观基本面因子：工业增加值同比、M1-M2差值等流动性指标
- 测试结果显示技术面动量与波动率因子看多状态下区间年化收益率分别为11.72%和26.67%，远高于看空状态。

| 状态 | 动量因子收益率 | 波动率因子收益率 |
|---------|---------------|-----------------|
| 看空状态 | 8.15% | 8.94% |
| 看多状态 | 11.72% | 26.67% |

- 宏观因子中工业增加值和M1-M2表现符合CTA逻辑，经济上行和流动性宽松阶段CTA表现较好。

| 因子 | 下行期收益率 | 上行期收益率 |
|------------------|------------|------------|
| 工业增加值:当月同比 | 9.16% | 13.51% |
| M1:同比-M2:同比 | 17.84% | 19.80% |

• 多因子综合择时模型与风险控制 [page::6][page::7]

- 综合采用动量、波动率、工业增加值、M1-M2四因子形成技术面和基本面双维度信号。
- 技术面或基本面任一维度发出看多信号时即视为看多CTA，双维度看多则信号强。
- 看多区间年化收益率中位数达16.63%，明显高于看空区间的10.73%，显示择时有效。
- 风险控制信号机制下，多空全看空时CTA表现下降甚至负收益，验证信号可预警风险。

• CTA基金微观因子与风格归因 [page::7][page::8][page::9]

- 构建四个CTA风格因子：时间序列动量因子、市场因子、高期限溢价因子、低期限溢价因子。
- 因子相关性低，适合作为风险因子用于风格归因。

| 因子 | 动量因子 | 市场因子 | 高期限溢价 | 低期限溢价 |
|------------|---------|---------|------------|------------|
| 动量因子 | 1.00 | 0.09 | -0.13 | -0.05 |
| 市场因子 | 0.09 | 1.00 | -0.06 | 0.06 |
| 高期限溢价 | -0.13 | -0.06 | 1.00 | 0.40 |
| 低期限溢价 | -0.05 | 0.06 | 0.40 | 1.00 |

| 项目 | 回归系数均值 |
|------------|--------------|
| alpha | 0.0126 |
| 动量因子 | 0.1649 |
| 市场因子 | 0.0605 |
| 高期限溢价 | -0.0462 |
| 低期限溢价 | 0.2391 |

- 动量因子和低期限溢价因子暴露度较高，反映主流CTA多趋势和期限套利策略。

• 基于alpha的CTA基金遴选策略与回测 [page::9][page::10]

| 指标 | 组合 | 管理期货策略指数|
|------------------|------------|-----------------|
| 累计收益率 | 94.11% | 53.88% |
| 最大回撤 | -7.06% | -2.81% |
| 年化收益率 | 18.04% | 11.38% |
| 年化波动率 | 7.03% | 4.27% |
| 滚动1年平均最大回撤| -2.47% | -1.60% |
| Calmar比率 | 7.31 | 7.10 |
| 夏普比率 | 2.35 | 2.31 |

- 按季度回归剔除因子后alpha，选出top20%基金组成组合。
- 回测期间alpha组合表现显著优于等权管理期货指数组合，证明基于alpha的筛选有效[page::10]。

金融工程专题报告：《CTA策略，该如何配置？——基于因子的视角》详尽解析

---

1. 元数据与报告概览

• 标题：CTA策略，该如何配置？——基于因子的视角

- 报告类型：金融工程专题报告

• 分析师：张青（执业证书编号：S0890516100001），余景辉（执业证书编号：S0890519120001）

- 发布机构：华宝证券研究创新部

• 联系电话及邮箱：张青021-20321154，zhangqing@cnhbstock.com，余景辉021-20321145，yujinghui@cnhbstock.com

- 发布时间：未明确标注具体日期（但参考相关研究报告时间跨度大致为2020年及之前）

• 研究主题：CTA策略的配置策略，基于多因子视角对CTA策略与产品择时及产品遴选进行系统研究

核心论点及目标

报告基于多资产配置的视角解读CTA（Commodity Trading Advisor）策略，强调CTA作为另类资产的重要性和独特价值；同时，报告提出两大关键研究方向：

• CTA策略择时：构建基于技术面和宏观基本面的多因子择时体系，并通过历史回测验证其可行性，强调择时机制对于提升CTA策略风险控制与收益的重要性。

- CTA产品遴选：以类似股票市场因子模型的思路，拆解CTA产品因子表现，重点剥离alpha因子（基金经理能力的体现）用于筛选优质基金，经实证回测，证明基于alpha的筛选策略有效优于传统绩效指标筛选。

最终，报告综合多因子由技术面、基本面指标构建的择时模型与基于alpha的遴选模型，提出了科学化、系统化的CTA策略投资配置方法。

---

2. 逐节深度解读

2.1 CTA策略配置的意义

报告指出，CTA作为非股票、非债券的另类资产，在净值化时代被机构和高净值客户广泛关注，具有产品多样、历史优异净值表现、良好回撤控制及高收益风险比的特点。

• 从发行数量维度，2010-2013年增长缓慢，2014年后迅速扩张，2016年达到2232只顶峰（图1所示），2018年资管新规实施对发行数量冲击明显，2020年伴随期货市场活跃度提升，发行数量强势回升至1648只。

- 低相关性优势：CTA与股票、债券资产相关性偏低（表1显示与股票相关系数仅0.24，与债券甚至呈负相关-0.05），有利于资产组合分散风险，提升组合的有效边界（最大收益与最小波动间的优化空间），有效降低整体波动率。

• 逻辑清晰的解释了分散化投资如何通过非完全相关资产实现风险对冲，如某资产价格下跌时，其他资产价格可能上升，从而降低整体投资组合波动性。

- 期货的价格发现功能也使得CTA策略的研究结果能应用于现货市场的投资或经营决策。

2.2 CTA策略的择时因子构建及测评

因子构成（2.1节）

• 采用技术面与宏观基本面因子分类体系进行验算：

- 技术面因子：动量和波动率。动量使用唐奇安通道线法（指数60日新高看多，60日新低看空），以南华工业品、农产品、金属、能化指数为样本，强调趋势性强的多头市场更利于CTA策略表现。
- 波动率因子：基于滚动计算过去60日波动率的分位数，设定0.6以上为高波动（看多），0.4以下视为低波动（看空）。高波动利于提升日内交易策略的收益空间。

• 宏观基本面因素：理性选择经济增长（PMI、工业增加值）、通胀（CPI、PPI）、流动性（M1-M2、国债期限利差）等指标。通过趋势划分，实证测试其对CTA收益区间的影响，最终选用了工业增加值同比和M1-M2变化作为有效基本面因子。

因子测试（2.2节）

• 使用融智管理期货策略指数代表整体CTA表现（图2显示指数自2013年以来长期稳健上涨，符合CTA持续增长预期）。

- 技术面因子测试结果（表2）：动量看多区间收益中位数11.72% > 看空8.15%，波动率看多26.67% > 看空8.94%，表明两项技术因子在看多状态下确实提升绩效。

• 基本面测试结果（表3）：工业增加值处于上行期时CTA策略年化收益较高（13.51% vs 9.16%），M1-M2流动性扩张时期年化收益更佳（19.80% vs 17.84%）。CPI等指标表现与经济逻辑不符的剔除体现了研究的严谨性。

因子合成与择时模型（2.3节）

• 将四个因子技术面（动量、波动率）和基本面（工业增加值、M1-M2）分开合成：

- 技术面维度只需一因子看多即判定技术面看多，基本面维度类似。
- 两维度均看多方视为对CTA多头信号，否则看空。

• 测试结果（表4图3）显示多头信号区间的年化收益中位数16.63%优于空头区间10.73%，验证该多因子择时模型的有效性，并且信号成功区分高低收益期。

- 在风险管理层面，针对“均看空”信号（两维度所有因子均看空且另一维度至少一因子看空），后续CTA收益普遍负增长（表5），表明该系统对CTA策略系统性风险预警具有监测能力。

2.3 基于因子视角的CTA基金遴选策略

商品期货数据处理（3.1节）

• 依据文献《Benchmarking Commodity Investments》，期货即期价格定义为至交割月不小于2个月的最早到期合约价格，2月合约12月至少4个月以此类推，主力合约为持仓量最大合约，保证因子数据可交易和易处理。

微观因子构建（3.2节）

• 参考股票多因子模型构建准则，选取以下四个因子：

- 时间序列动量因子（TSMOM）：过去12月正收益品种超额收益与负收益品种差值；
- 市场因子（MKT）：所有商品期货等权组合收益；
- 期限结构因子：
- 高期限溢价（HTERM）：高期限溢价组合的平均未来表现（结合2、4、6月合约收益）；
- 低期限溢价（LTERM）：低期限溢价组合的平均未来表现。

• 图4展示四因子历史表现曲线，动量因子表现出大幅提升趋势，市场因子下行趋势明显，期限溢价因子较为平稳。

- 表6因子相关性统计显示四因子相关度低，具备较好区分性和说明力。

风格归因（3.3节）

• 对CTA基金进行3年回溯期季度滚动多因子回归，获取基金对四因子的暴露度，反映策略风格。

- 表7回归系数均值显示动量因子(0.1649)和低期限溢价(0.2391)暴露度最高，表明趋势策略和期限套利是主流CTA风格。市场因子低暴露（0.0605），高期限溢价为负暴露（-0.0462），反映市场多样性。

• 不同时期风格显著变化，动量因子暴露度波动说明基金策略灵活调整。

基于Alpha的基金筛选（3.4节）

• 利用回归模型剔除公共因子后基金剩余收益alpha反映基金经理能力。

- 按季度从所有CTA基金中选取alpha排名前20%的样本构建组合，对比整体等权组合及管理期货策略指数。

• 图5回测曲线表明通过alpha筛选组合在2016-2020年期间表现优于整体指数。

- 表8统计数据显示精挑细选组合年化收益18.04%，超过指数11.38%；最大回撤7.06%虽较指数2.81%高，但Calmar比率和夏普比率均略优，年化波动率适中，表明alpha筛选提升了收益，风险控制尚需关注。

• 该做法为传统绩效指标筛选提供了有效补充，重视基金经理的管理能力和策略独特性。

2.4 结论综述

• 报告建立了CTA策略的多因子择时体系，结合技术面与宏观基本面指标，实现择时的有效区分，具有实证支持和风险预警功能。

- 基于因子视角开发的CTA基金风格因子模型有效剥离基金共性风险，识别alpha能力，实测优选出的基金投资组合具有明显超额收益能力。

• 全面方法论助力CTA策略在多资产配置中的价值最大化，同时降低投资风险，提升收益风险比。使用因子视角来决策CTA资产配置和基金选择具有较强的科学性和实用价值。

- 风险提示也明确指出采用数量化模型可能存在模型设定偏差，需谨慎使用。

---

3. 关键图表深度解读

图1：CTA历年发行数量统计（第2页）

• 描述：统计2009-2020年CTA基金产品发行数量，从不足10只（2009年）激增至2016年2232只峰值，随后受政策冲击回落至2018年低谷967只，2020年回升至1648只。

- 解析：显示了中国CTA策略市场从起步、爆发到政策调整后的恢复过程，凸显策略热度及市场竞争加剧。支持报告对CTA资产增长趋势和配置意义的论断。

• 局限性：未显示发行规模和净值增长，仅代表产品数量。

表1：CTA指数与主动股基、普通债基的相关系数（第3页）

• 描述：统计过去半年至五年内CTA与股票、债券基金的相关系数。股票相关系数介于0.24-0.54，债券相关系数呈负相关（-0.05至-0.34）。

- 解读：CTA策略低相关性突出，有利于组合分散风险和波动率控制，降低组合整体风险。

• 逻辑支持了为何CTA是多资产配置重要补充。

图2：融智管理期货策略指数走势（第5页）

• 展示2013年以来融智管理期货指数长期向上，净值稳步增长但波动可见，确认CTA策略整体趋势性强。

- 说明长期持有该策略的合理性，但波段择时仍有运行空间。

表2 & 表3：技术面与基本面因子收益率测试（第5页）

• 技术面：看多状态下收益显著高于看空，波动率因子看多达26.67%，高额潜在收益空间，确认因子有效性。

- 基本面：工业增加值和M1-M2在上升期均显现更高收益，体现宏观基本面对CTA的实质驱动作用。

表4 & 图3：综合信号多空区间收益率（第6页）

• 综合信号合成的择时模型使得看多期收益中位数16.63%，显著优于看空期10.73%，体现模型择时的有效性。

- 图3多空区间收益条形图形象展示择时信号与实际收益的匹配度。

表5：各信号均看空区间测试（第7页）

• 显示在技术面与基本面均看空且至少一方因子双空的情况下，CTA策略收益普遍下滑甚至为负，验证该择时信号在风险控制中的预警作用。

图4：CTA风格因子历史表现（第8页）

• 动量因子表现明显提升，市场因子下降，期限溢价因子平稳，说明趋势策略增长迅速且重要性攀升，市场整体影响减弱。

表6：CTA风格因子相关性（第8页）

• 相关性数据显示四因子互不高度相关，可以分别代表不同风格因子，利于风格明晰和风险分散。

表7：2020年底前推3年回归系数均值（第9页）

• 动量和低期限溢价因子暴露占优，揭示趋势和期限套利为主流CTA投资策略。

图5 & 表8：Alpha筛选策略回测（第9-10页）

• 回测曲线显示Alpha筛选组合收益显著跑赢管理期货策略指数，累计收益94.11% vs 53.88%，年化收益18.04% vs 11.38%。

- 尽管最大回撤扩大，但风险调整指标（夏普比率、Calmar比率）持平甚至略优，体现选人选策略的重要收益溢价能力。

---

4. 估值分析

报告主要基于量化模型和多因子分析，不涉及传统估值模型（如DCF或市盈率等），侧重策略表现及管理能力的量化拆解与回测，估值在传统意义上不适用。其“估值”更多体现为多因子模型对策略表现的预测能力和风险调整后的绩效优化。

---

5. 风险因素评估

• 模型设定偏差风险：报告风险提示中明确指出，由于依赖数量化模型，存在模型设定偏差风险，可能导致择时和筛选信号失准。

- 市场环境变化：CTA策略表现受宏观经济、商品市场波动及流动性环境影响显著，因子表现随市场变化波动大。

• 策略适用性风险：虽报告选择合适因子验证有效，但因子本身可能失效，且市场极端波动或政策调整可能导致风险扩散。

- 投资者适当性风险：明确指出报告只适合专业投资者及签订咨询合同的投资者，非专业投资者需谨慎。

报告未提供详细缓解策略，但通过多因子组合和风险警告机制在一定程度提升风险识别能力。

---

6. 批判性视角与细微差别

• 数据与模型局限：因子选取主要基于部分宏观指标和技术指标，未全面覆盖所有可能因子，存在遗漏风险。

- 动态调整不足：报告中因子阈值固定，市场动态变化对因子有效性影响不够充分讨论。

• 最大回撤风险：Alpha筛选组合虽然收益高，但最大回撤较大，说明收益波动风险需密切监控，且该方法风险管理体系尚未完全完善。

- 择时模型偏多：择时模型天然偏向看多，可能高估CTA长期向上趋势的有效性，忽视可能的结构性调整和熊市阶段表现不足。

• 投资建议局限：报告主要基于历史数据回测，未充分讨论未来市场环境变化对多因子模型的适应性。

- 策略普适性与复制性：微观因子的选取和算法实现依赖专门知识和数据支持，受限于实际操作复杂性。

---

7. 结论性综合

本报告以中国CTA策略及基金市场为研究对象，通过系统化的多因子分析，提出并验证了CTA策略的科学配置方法：

1. CTA策略多因子择时体系：利用技术面因子（动量、波动率）及宏观基本面因子（工业增加值、流动性指标M1-M2）构建择时信号，历史回测展示多空区间年化收益差异显著，可用于提升策略配置的时效性和风险防控能力。

2. CTA基金微观风格因子分析与alpha筛选：构建动量、市场、期限结构等四个核心风格因子，剥离公共风险后以alpha评估基金经理管理能力，筛选出优质基金组合，回测表现明显优于整体策略指数，具有较强的超额收益创造能力。

1. 多样化配置意义与低相关收益优势：CTA策略与传统资产相关性低，有效拓宽资产配置边界，提升组合整体收益风险比。

4. 风险提示与模型局限：报告强调模型偏差与投资者适当性，建议专业投资者谨慎使用。

综上，作者通过深入量化分析和实证回测，提出了基于因子的CTA策略择时与产品遴选两大解决方案，为CTA策略在大类资产配置体系中提供切实可行的配置、择时和基金筛选方法，具有较强的实操指导价值和学术意义。

---

参考溯源

• [page::0-2] 报告元信息、研究综述与CTA策略配置意义

- [page::3-7] 因子构建、测试与择时模型构建及实证结果

• [page::7-9] CTA微观因子构建、风格归因及alpha遴选策略

- [page::9-10] 筛选组合回测表现及总结结论
- [page::11] 风险提示及免责声明

报告