• 趋势追踪策略的收益构成包括趋势信息捕捉收益与基础资产Beta贡献，Beta对策略收益的影响显著[page::0][page::1][page::3]

- 策略期望收益$\mu_z$与基础资产收益$\mu$、趋势强度$\phi$和收益波动$\sigma$相关，公式和推导见附录[page::1][page::8]

• 基础资产收益波动比越高，趋势策略做多概率越大，且趋势强度越强，做多概率更高；趋势强度$\phi=0$时策略仍偏多[page::2]

• 趋势追踪策略的收益波动比随基础资产收益波动比及趋势强度上升，波动率接近或高于基础资产波动率[page::3]

• 趋势策略收益的波动比中约75%可由基础资产Beta解释，具体比例随趋势强度和波动比不同而变化[page::3]

• 策略Beta随资产收益波动比和趋势强度增加，且即使趋势强度为0，Beta也大于0；趋势强度较高时，Beta可超过1[page::4]

• 策略Alpha由资产收益的序列相关决定，随着趋势强度增加Alpha提高，但其相对比例随资产收益波动比增强而下降，收益波动比高时Alpha甚至为负[page::5]

• 策略中Alpha贡献占比与资产收益波动比呈反比例关系，资产收益波动比高时，Alpha对收益的贡献甚微，Beta贡献占主导[page::5]

• 趋势跟踪策略业绩中的Beta部分造成投资者支付部分管理费用是对基础资产Beta的回报，投资者应关注资产选择以提升管理费用的性价比[page::5]

- 趋势策略收益表现为凸函数，做多波动率（Gamma）是核心特征；Alpha可视为做多长期波动并做空短期波动的结果[page::6]

• 趋势策略组合配置需考虑基础资产Beta贡献，跟踪误差可用于权重控制，防止Beta暴露过高导致跟踪误差升高[page::6]

- 多资产、多维度特性使得趋势策略中的结构性偏差更复杂，文献的解析框架对识别策略中Beta结构性成分提供理论基础[page::6][page::7]

• 附录详细推导了趋势策略统计特征，包括预期收益、方差、Beta和Alpha的解析表达式，支持理论分析[page::8][page::9]

招商定量·琢璞系列 | 《趋势真的是你的朋友吗？》报告详尽分析

---

1. 元数据与报告概览

标题: 招商定量·琢璞系列 | 趋势真的是你的朋友吗？

作者: 招商定量任瞳团队

发布日期: 2021年11月06日

发布机构: 招商证券研究所，招商定量任瞳团队

研究对象: 趋势追踪策略，特别是在多资产投资组合中的表现特征与收益归因

核心论点

该报告基于Wai Lee (2021)发表于《Journal of Systematic Investing》上的文献进行深入分解，重点围绕趋势追踪策略的表现机制及其收益结构。报告指出趋势策略的收益不仅来自于捕捉趋势本身的Alpha，还嵌入了基础资产的Beta这一重要成分。策略构建中采用跟踪误差等指标可以为权重配置提供指导。投资者若想搭建具有弹性、有效防护下跌风险同时有正常市场上升动力的趋势组合，必须关注并剖析基础资产Beta以及策略的结构性偏差。本文并提醒趋势策略在实际操作中的风险，包括模型失效与组合自由落体的高度问题。

整体来看，该报告试图深化对趋势追踪策略风险与收益来源的理解，对基础资产收益波动率、趋势强度的统计性质给予理论定量分析，具备重要的理论和实操参考价值。[page::0,1]

---

2. 逐节深度解读

2.1 引言与研究背景

• 关键观点: 传统用看跌期权对冲下跌风险成本过高，趋势追踪策略被市场逐渐认可作为替代保护手段。趋势策略分为截面趋势（基于资产间相对强弱）和时序趋势（基于资产自身价格走势方向）两大类。

- 作者强调: 趋势策略收益来自双重来源：资产配置结构性偏差和趋势捕捉Alpha。Moskowitz等（2012）强调资产序列相关性是策略表现关键，Kim等（2016）认为趋势策略表现也包含资产风险溢价成分。

• 理论挑战: 由于资产收益的时序变化，要准确将收益归因趋势本身与风险溢价非常困难，报告引入事前分析框架避免基于事后回测的偏差。[page::0]

2.2 数据选取及模型构建

• 数据: 采用HFRX全球对冲基金指数中多资产，从2005年1月至2019年12月的月度收益数据。

- 趋势追踪模型: 以Moskowitz(2012)定义为基础，使用资产当期超额收益率符号作为下期持仓信号$st = sign(rt)$。收益率序列假设满足一阶自回归模型AR(1)，参数包括趋势强度$\phi$和均值项$c\geq0$，有效解析资产的长期预期收益$\mu$和波动率$\sigma$。

• 推导: 公式详尽计算基于AR(1)的趋势策略收益$zt=s{t-1}rt$的期望和方差，体现策略统计特征。附录提供完整数学推导。

- 理论贡献: 该模型为趋势策略提供了数学基础，说明资产序列相关性$\phi$及收益波动比$\mu/\sigma$是策略表现的核心驱动力。[page::1]

2.3 主要研究发现

(1) 做多基础资产概率与收益波动比关系（图1）

• 结论: 随资产收益波动比和趋势强度$\phi$增加，做多基础资产概率$\Pr[st>0]$显著提高。

- 意义: 即便当$\phi=0$无趋势强度，资产若具备正期望收益，策略也倾向做多资产，表明趋势追踪存在天然向多头偏好。

• 图表分析: 图1显示三条$\phi$不同曲线均随$x$轴波动比递增，$\phi=0.5$曲线最高，表示趋势强度越大做多概率越高。[page::2]

(2) 策略收益波动比与基础资产波动比的关系（图2）

• 结论: 策略收益波动比$Rp$随基础资产收益波动比$Ra$和趋势强度$\phi$递增；在无趋势强度时，收益波动仍存在且正。

- 含义: 趋势追踪带来的波动风险与基础资产波动紧密相连，且序列相关性增强显著提高策略风险调整后收益能力。

• 图表分析: 图2中$\phi=0.5$曲线远高于其他两条，收益波动比可达基础资产的两倍以上，体现强趋势带来的杠杆放大效应。基础资产波动率固定设为10%。

(3) 策略收益波动比中Beta贡献比例（图3）

• 结论: 当收益波动比处于合理区间时，高达75%的策略风险调整收益由资产Beta解释，趋势强度对比例曲线形态有影响。

- 分析: 说明策略收益不仅仅是Alpha，很大比例来自基础资产的Beta敞口，Beta体现的被动暴露甚至可能主导整体表现。

• 图表分析: 图3显示$\phi=0.25$随波动比递增Beta贡献渐增，而$\phi=0.5$呈峰值后下降，揭示趋势强度影响Beta贡献模式。

(4) 策略Beta与基础资产收益波动比关系（图4）

• 公式: $\betaz = \left(2\Phi\left(\frac{\mu}{\sigma}\right)-1\right) + 2\phi(1-\phi)\frac{\mu}{\sigma}\varphi\left(\frac{\mu}{\sigma}\right)$

- 发现: Beta值即策略对基础资产敏感度随收益波动比提升且正收益趋势存在时增大。

• 细节: 即使无序列相关，Beta仍大于0；有趋势存在，Beta可超过1，反映趋势追踪策略远非净Alpha策略。

- 图表分析: 图4各趋势强度趋势曲线均递增至1左右或以上，表现策略beta高且随基础资产波动比上升。

(5) 策略Alpha与资产收益波动比及趋势强度

• 公式:

$\alphaz = \muz - \betaz \mu = 2\frac{\phi}{\sigma}\varphi\left(\frac{\mu}{\sigma}\right)\left(1-(1-\phi)\frac{\mu^2}{\sigma^2}\right)$
Alpha为正条件为$\phi > 1 - \frac{1}{(\frac{\mu}{\sigma})^2}$

• 趋势: Alpha随着$\phi$增加而增加；资产收益波动比越高，Alpha递减，甚至负值出现 （波动率过大降低有效Alpha）。

- 含义: 高波动资产需更强趋势才能产生正Alpha，否则Beta成分更大，策略有效性受限。

• 图表分析: 图5显示多个$\phi$曲线随波动比上升均逐渐回落靠近0或转负，与理论相符。

(6) 策略Alpha占总收益比率（图6）

• 结论: Alpha贡献占比随波动比升高急剧下降，从接近100%跌至0甚至负值。

- 解释: 说明在高波动资产中，策略收益更多被Beta驱动，Alpha贡献失去主导地位。

• 图表分析: 曲线反映趋势强度不同下Alpha占比随波动比递减趋势，强调策略本质中Beta的重要性。

2.4 文献实际意义及应用

• 管理费用归因:

趋势追踪基金多收固定管理费+绩效费，但绩效费中大部分来源是资产Beta导致的收益，非经理“Alpha”能力释放。投资者需意识Beta贡献含量，选择趋势强度高且低波动的资产有助降低对Beta的重复付费。绩效费用中20%-70%归因于Beta。

• 配置策略:

趋势策略收益与波动率呈凸函数关系，因长短期波动率结构所致Alpha表现为做多长期波动率、做空短期波动率。配置时宜考虑策略跟踪误差，Beta高策略跟踪误差也高，应设合理限制避免过度敞口。

• 寻找Beta方面的挑战:

多资产、多维度策略存在不同趋势强度和资产间相关性，容易掩盖Beta暴露。资产负收益伴随高波动性、长期看多态度均导致经典回归法难以准确量化Beta。理论推导提供了可参考的基础框架。

2.5 结论与团队思考

• 趋势策略收益包含两个重要部分：趋势Alpha及资产Beta。

- 只关注趋势客观表现不足，需剖析策略结构、Beta暴露和跟踪误差，有助优化组合绩效和风险管理。

• 现有部分趋势追踪实操策略不能有效防下跌只增加风险（自由落体现象），组合设计应更审慎。

- 后续研究将尝试将此框架应用于A股市场展开验证。

报告强调趋势不是孤立因素，投资者应全面考察市场及资产基础属性，理性使用趋势信号，以期获得稳定超额回报。[page::5,6,7]

---

3. 图表详细解读总结

• 图1（做多资产概率）揭示趋势强度和资产风险回报比提升时，趋势策略更倾向于做多基础资产，体现做多偏好嵌入。

- 图2（策略与资产波动比）表明策略风险随基础资产风险和趋势增强而显著增长，反应趋势信号对风险放大的作用。

• 图3（策略收益比归因于Beta）揭示策略风险调整收益多由Beta贡献，Alpha占比相对有限，Beta敞口衡量不可忽视。

- 图4（策略Beta）展示实现策略Beta超过1的可能，表明策略可放大基础资产风险敞口。

• 图5（策略Alpha）显示Alpha依赖于趋势强度和资产波动，波动过大抑制Alpha产生，实现正Alpha具有较强门槛。

- 图6（Alpha占比）强调在高波动资产中Alpha贡献质量降低，策略表现更依赖于Beta。

这些图表连贯支撑了报告论点，使投资者对趋势追踪策略风险与收益结构有更加清晰的定量认识。

---

4. 附录关键公式与推导

附录详细推导了趋势追踪策略基于AR(1)结构的统计性质，包括策略期望收益、方差、Beta和Alpha的解析表达式。使用正态分布函数$\varphi$和累积函数$\Phi$的数学性质，通过概率积分公式完成，使核心公式可直接应用或推广分析。这些理论推导为文中结论提供坚实数学基础，避免对应经验模型的因果模糊。

---

5. 风险提示

报告提醒模型基于海外历史数据，环境变化可能导致模型失效，策略效果存在不确定性。当前很多趋势策略存在结构性偏差，可能导致错误方向投资且不易察觉，引发组合风险爆发，需要密切监控。[page::0,10,11]

---

6. 批判性视角与细微差别

• 模型假设局限: AR(1)结构简化了收益序列，大多数实际资产可能具有更复杂动态，模型适用性有限。

- Beta分解的含糊性: 文中强调理论清晰，但实际中Alpha和Beta分离取决于投资组合透明度及数据完整性，复杂多资产和动态调整鸡兔难分。

• 波动率的双刃剑性质: 波动率提升虽增加Beta贡献，但过高波动压制Alpha，投资者需权衡。

- 策略响应速率: 文中提及策略校准的重要性，但缺乏对不同市场环境下“最优反应速度”的深入讨论，未来研究空间大。

• 实证应用局限: 虽提出A股市场验证计划，但当前结论主要来自国际市场样本，直接套用本土市场风险需谨慎。

总体来看，报告立场较为审慎，突出理论框架构建，未过度夸大趋势策略效果，具较强学术和实务价值。

---

7. 结论性综合

本报告依托Wai Lee（2021）文献，客观系统揭示了趋势追踪策略收益的双重来源——趋势Alpha及基础资产Beta。通过AR(1)模型，报告对趋势强度$\phi$、资产收益波动比$\mu/\sigma$与策略的收益、波动、Beta和Alpha的关系进行了量化刻画。

报告关键见解:

• 趋势策略对基础资产天然做多偏好且包含高比例Beta敞口，这部分Beta对于策略总体业绩贡献显著，可能达75%。

- 高趋势强度及合理波动率环境有利于策略Alpha产生，但波动过大可能导致Alpha为负，策略表现更多由Beta驱动。

• 理解和剖析Beta贡献对管理费用归因、组合配置和风险控制至关重要。对组合结构性偏差的忽视将增加严重风险。

- 有效配置趋势策略应结合跟踪误差限制及Beta监控，避免策略自由落体。

图表呈现的重要洞察:

• 图1-6完整展现了策略从做多概率、收益波动、Beta贡献到Alpha变化，数据与理论高度吻合。

- 附录数学推导确保结论科学严格。

投资者实施趋势策略需注重组合细节，特别是多资产配置中的Beta暴露及策略响应速度的合理校准。未来趋势策略研究需结合实证检验及风险动态调整。

整体而言，趋势“真的是你的朋友吗？”答案是“趋势策略是投资者重要工具，但仅把趋势视为朋友明显过于简单，必须深刻理解并管理潜在的Beta风险才能实现策略价值最大化”[page::0–9]。

---

参考截图示例:

• 

-

• 

-

• 

-

---

总结:

本报告对趋势追踪策略进行了从理论到实操的全面解析，强调在多资产投资中深入理解Beta和Alpha关系的重要性，提供了富有洞察的研究成果和策略设计建议，为投资者管理趋势策略的潜在风险及提升组合稳健性提供了坚实基础。

报告