研报&论文

商品期货的特质动量

由crisvalentine创建,最终由crisvalentine 被浏览 90 用户

文献来源:Shpak I, Human B, Nardon A. Idiosyncratic momentum in commodity futures[J]. Social Science Electronic Publishing, 2017.

推荐原因:本文介绍了关于商品期货特质动量的新发现。研究表明,基于商品特质收益的动量策略相比于总收益动量策略具有更可观和稳健的投资收益,且特质收益动量比总收益动量更持久。因为在引入了一系列商品特有因子和股票市场因子后,我们发现特质收益动量策略在更长的视角下(包括排序期长达24个月)提供了统计上显著的正回报。值得注意的是,研究结果证实了对冲压力和期限结构是商品期货风险溢价的来源。本文揭示了商品期货的动量效应与股票市场的动量效应有着本质区别。具体来说,商品期货的动量完全归因于多头组合的动量效应,而空头组合策略不能提供显著正收益。最后,本文发现,两种基于多头组合的动量策略均显著优于对标普GSCI等大盘指数的被动投资。

简介

动量效应是资产定价文献中最令人费解的异象,它是指近期赢家股票持续上涨,而输家股票继续下跌的趋势。动量策略最早由Jegadeesh和Titman(1993)在美国股票市场上正式提出,通过买入过去的赢家和卖出过去的输家来实现,是一种利用过去收益来预测未来横截面收益的赌注。Fama和French(1996)认为他们的三因素模型(包括市场风险、规模和价值溢价)不能解释动量收益,并称之为“首要异象”。文献中对动量效应的成因给出了两种解释——基于行为和基于风险。然而,到目前为止,对于证券价格动量效应的驱动力因素尚未达成共识。自首次提出以来,对动量策略的研究呈指数级增长,且主要是来自股票市场的实证。近年来,随着跨资产投资显著增长,对股票市场以外更普遍的动量风格和要素投资的研究,对于学者和从业者来说变得越来越重要。大宗商品期货为动量研究提供了一个有趣的视角。首先,经验证据表明,与股票不同,大宗商品期货的收益并不遵循随机游走(Stevenson和Bear,1970)。这意味着基于过去收益表现的投资策略可能会带来有利可图的结果。其次,相对于股票市场,大宗商品期货的动量具有更强的投资优势。股票动量策略组合换手率高,因此交易成本较高。与股票市场相比,商品期货的交易成本非常低。此外,商品期货的卖空行为没有限制。

本文在商品期货动量风格、系统性因素和主动投资等方面的研究做出了重要贡献。首先,我们提供了关于商品期货中特质动量效应的新发现。正如Jegadeesh和Titman(1993)开创性著作中指出的,传统的动量策略是根据排序期的总收益来选择证券。对应地,特质动量策略是根据股票在一段时间内的特质收益来选择股票。特质动量背后的理论基础来自于大量的经验证据,这些证据表明,时变动量暴露于系统性风险之下(Grundy和Martin 2001),且传统动量策略偶尔会遭遇明显动量崩溃(Daniel和Moskowitz 2016)。具体来说,当系统性因子在排序期表现良好时,传统动量对该因子的载荷为正,而在排序期表现不佳时载荷为负。因此,如果一定排序期和持有期下的动量策略对因子收益的暴露方向发生变化,那么传统的动量就会受到影响。Blitz et al.(2011)和Chaves(2016)记录了美国和23个国际股票市场特质动量的稳健表现。据我们所知,本文是首篇对商品期货特质动量的实证研究。我们发现,基于一定排序期内商品期货特质收益的动量策略是一个更加稳健的策略,不管从绝对收益还是风险调整收益的角度都比总收益动量更具优势。

其次,我们的分析表明,大宗商品期货动量与股票市场动量截然不同。尽管对动量的研究已有20多年,但目前已有文献的主要部分都集中在股票市场的横截面总收益动量上,而对其他资产动量的研究还不成熟。值得注意的是,商品期货已经和其他类别一起被纳入动量研究(Moskowitz et al. 2012, Georgopoulou A. 和J. Wang. 2016)。然而,与股票市场相比,商品期货有着明显的特性。具体来说,大宗商品收益的驱动因子与股票和债券差异较大。此外,商品期货和现货股票在市场微观结构和交易方面也存在实质性差异。我们假设商品期货的动量效应可能与股票市场的动量效有不同的表现形式。我们的实证分析证实了这一猜想。具体地,商品期货动量完全归因于多头组合。这与股票市场形成了鲜明的对比,在股票市场上,实证研究表明,空头投资组合对该策略盈利能力有很强或主要的贡献。进一步来说,在商品期货中,不管基于总收益还是特质收益,多头动量均是一种盈利且稳健的策略,并且在一系列测试中,没有一种空头投资组合能够带来正回报或统计上显著的回报。多头投资组合的平均年化收益率始终保持在10%。相反,空头投资组合持续贬值。值得注意的是,做空输家的投资组合的回报始终为负,从统计学意义上讲,这表明短期呈现反转模式。结果显示,在144组测试中,只有4组多空动量策略的总收益具有显著的统计学意义,在所有具有显著统计学意义的策略中,平均年化收益率为7%。与传统的总收益动量相比,特质动量在多空组合策略中表现更优。该策略在144组测试中有21组具有统计学意义,在所有具有统计学意义的策略中平均年化收益率为12.3%。此外,特质动量多空组合策略的夏普比率为0.65,而总收益动量多空组合策略的夏普比率为0.36。

我们发现只做多头的动量策略表现在总收益和特质收益动量上是一致的。虽然144种多空策略中只有4种策略的年平均收益率为7%,但多头策略的年平均收益率为10%,144种多头策略中有51种策略的年平均收益率显著。值得注意的是,只做多头的特质收益动量策略产生了10%的年平均回报,并且在144种策略中126种具有统计学意义。此外,特质收益动量持久性强,它同时适用于包括24个月排序期在内的长期视角。总体而言,我们的研究结果表明,商品期货投资者将受益于只做多头的动量策略,尤其是基于特质收益的多头动量策略,它是一种收益可观且非常稳健的策略。在绝对收益和经风险调整收益视角下,这两种只做多头的动量策略均显著优于被动投资标普GSCI商品指数。

我们对因子模拟投资组合的分析为商品期货的系统性因子提供了重要的实证证据。股票市场有普遍的证据证明其存在若干种风险溢价,与此相反,对商品期货的系统性因子尚未达成共识。在对系统性因子的分析中,我们转向了商品期货的主要理论,即反向市场理论、库存理论和对冲压力假说理论以及股票市场的市场、规模和价值等系统风险溢价。我们发现强有力的证据可表明,期限结构和对冲压力是商品期货风险溢价的来源。

此外,我们关于动量和因子模拟投资组合的发现对商品期货投资者和研究学者均具有重要的实际意义。2003年至2014年大宗商品市场价格的大幅上涨,引发了许多机构投资者的兴趣。随着油价暴跌和随后的熊市,只做多大宗商品的被动投资在机构投资者中失去了吸引力。尽管只做多的被动投资经风险调整后表现不佳,但有证据支持对商品期货的主动管理。本文的实证结果证实了主动投资策略(如动量)的合理性。

本文的其余部分组织如下,第2节给出了商品期货中特质动量和系统性因子的理论框架,第3节和第4节给出了方法和数据描述,第5节是实证结果,第6节是总结。

理论框架

股票市场的特质收益动量

本文受最近Chaves(2016)和Blitz等人(2011)对股票市场特质动量现象发现的启发。作者提出了Grundy和Martin(2001)的开创性工作,证明动量与Fama和French(1993)提出的因子有着动态的关系。Grundy和Martin(2001)提出了一种动量策略假设,来动态对冲系统性因子的风险敞口。虽然这一策略事后收益显著改善,但动量策略中的动态因素对冲很难事前实施。Gutierrez和Prinsky(2007)通过区分Jegadeesh和Titman最初提出的传统横截面总收益动量和特质收益动量,推进了动量研究的发展。Gutierrez和Prinsky(2007)的文献表明,这两种动量投资组合在组合形成的第一年表现相似;然而,一年之后就有了显著差异。具体来说,股票市场传统动量投资组合收益在2-5年内出现反转,这表明投资者对相对收益反应过度。相反地,基于意外收益、股息变动、股票回购、股票分割等事件的特质收益会持续数年而没有反转。作者将这两种动量的表现差异归因于系统性因子收益的反转。

Blitz等人(2011)记录了美国股市的特质收益动量效应。作者提出了一种可实现的特质收益动量策略,相对于传统的总收益动量而言,该策略可显著提高业绩。具体来说,他们的特质收益动量策略是根据剔除Fama和French(1993)的市场、规模和价值因素而获得的剩余收益,对股票进行横向排序。由于特质收益动量选择证券是基于形成时期特质成分的收益,不受系统性因子反转的影响。作者指出,特质动量策略的风险调整回报率大约是传统动量的两倍。Blitz, Huij, and Martens(2011)认为,除了风险调整后的收益显著提高外,特质股票收益动量策略还在其他几个方面提高了业绩。随着时间的推移,这种特质动量的回报似乎更加稳定,不太集中于小盘股、高贝塔系数股或非流动性股票等横截面股票的极端情况。

Chaves(2016)证实了这一发现,并提出证据支持除美国以外的21个国际股票市场的特质动量。

商品期货的系统性因子

特质收益动量背后的理论基础是,将证券的总收益分解为归因于证券暴露于系统性因子和特质成分的收益。关于股票市场等传统资产类别系统性风险因素的研究文献已经较为丰富。关于股票市场至少存在三个系统性因子,即市场、规模和价值(Fama和French 1993)。与股市不同的是,迄今为止,对于商品期货横截面收益变化的决定因素,还没有形成强烈的共识。在商品市场研究的文献中已经提出了几种方法,它们可以大致分为受股票市场启发的方法,即源于传统资产定价模型的方法和特定于商品的方法。

对于传统的资产类别,市场风险溢价或市场因素,对应于多种投资组合的市场资本加权回报率。例如,标普500指数和摩根大通美国政府债券指数(JP Morgan US Government Bond Index)通常分别被用来指代美国股市和债市的市场因素。类似地,标普GSCI或一篮子等权的大宗商品也被用作大宗商品期货市场风险溢价的代理。然而,对于标普GSCI或在大宗商品期货中作为系统性风险溢价的加权投资组合的理论和实证支撑是复杂的。例如,Basu和Miffre(2013)表明,与标普GSCI相关的价格风险在统计和经济上均为零。Blitz等人(2014)在另一项研究中指出,标普GSCI代理的大宗商品市场溢价仅提供了0.06的夏普比率,而股票市场溢价为0.35,政府债券溢价为0.49。

价值和规模因子实际上已经成为传统资产类别中最受欢迎的投资风格。在股票市场中,常用的价值因子衡量方法是股票的账面价值与市场价值之比(Fama 和 French 1992, Lakonishok et al.1994)。对于规模溢价,理论假设认为低市值股票比高市值股票具有更高的预期回报。到目前为止,在商品期货中还没有公认的价值或规模的衡量标准。为了检验商品期货的价值效应,Asness等人(2013)提出用5年前现货价格除以最近现货价格的对数作为价值因子的测度,该对数实际上是过去5年现货回报的负数。

特定于商品的因素旨在捕捉特定于商品期限结构的风险溢价,以及套期保值者和投机者之间的风险转移。在理论和实证文献中,对冲压力和期限结构是两个关键因素。对冲压力溢价的存在源于商品文献中的两大理论,即对冲压力假说和库存理论。对冲压力假说最早由Keynes (1930)和Hicks (1939)提出,他们认为商品期货风险溢价是作为接受套期保值者寻求的价格风险转移而提供给投机者的溢价。本质上,该理论认为,商品期货溢价只有在反向市场才为正。另一方面,库存理论(Working 1949,Brennan 1958)认为,期货价格的变化与存储和库存水平有关,而不是对冲压力。Hirschleifer(1990)通过提出广义均衡对冲压力假说解决了这一分歧,该假说综合了Keynes (1930) 和Working (1949)的理论。实际上,基于Hirschleifer的理论假设,风险溢价同时存在于正向市场和反向市场。该理论指出,净多头(空头)投机者在承担价格下跌(上涨)风险时需要风险溢价,而净空头(多头)套期保值者旨在减小这种风险。Basu和Miffre(2013)为对冲压力作为决定商品期货收益的系统性因子提供了强有力的实证支持。他们还指出,对冲压力风险溢价解释了活跃商品策略相对于标普GSCI或一篮子等权商品的表现要好得多。

期限结构因子源于库存理论。Fama 和 French(1987)、Erb 和 Harvey(2006)或Gorton 和 Rouwenhorst(2006)验证了商品期货的期限结构在历史上一直能获取高于平均水平的收益。期限结构是期货价格与期货合约期限之间关系的基础。库存理论将期限结构的形状与持有实物商品的库存、成本和收益水平联系起来。实际上,期限结构因素反映的是在供应稀缺的情况下买入大宗商品、在供应充足的情况下做空大宗商品所获得的风险溢价。更具体地说,大宗商品期货的超额收益包括现货收益(即现货价格的变化)和展期收益(即投资者通过定期卖出即将到期的合约并买入下一合约而获得的回报)。由此可见,期限结构的形状决定了展期收益。如果一种商品的期限结构是向上倾斜的,即一个正向市场,这意味着负的展期收益。反之,向下倾斜的期限结构,即反向市场,意味着正的展期收益。期限结构(或展期收益)因素在实证文献中得到了广泛的证实。Erb和Harvey(2006)注意到展期收益解释了91%的商品期货收益的长期横截面变化。

\

数据

我们从Bloomberg收集了28种商品的月度期货价格数据。商品期货的横截面类别包括农产品(玉米、大豆、糖、小麦、豆油、豆粕、活牛、冬小麦、瘦肉猪、咖啡、棉花、可可、春小麦、饲料牛);能源(西德克萨斯中质原油、布伦特原油、天然气、汽油、取暖油和柴油)和金属(铝、铜、锌、镍、铅、金、银、铂)。所有合约均在主要期货交易所交易,即芝加哥商品交易所、伦敦金属交易所和洲际交易所,这些是衍生品交易规模最大、流动性最强的市场。我们剔除平均交易量低于1000的期货合约。以上处理可以尽量减少与实际交易有关的问题,特别是流动性和交易成本。数据样本为1997年8月至2017年7月。在设计期货价格序列时,我们遵循现有文献中使用的方法,将最接近到期日的合约持有至到期日的前三个交易日,然后将该序列滚动到下一个合约的收益中,以此类推。这种方法允许我们在任意给定的日期获取期限结构中最接近到期合同的三个合同的数据。这种方法为我们提供了两个独立的数据集。其中一个包含每日收益,用于衡量动量、投资组合收益以及与历史价格相关的任何计算。第二个数据集获取价格,该价格不为展期而调整,只是将该系列附加到新合约的价格中。此数据用于期限结构计算,由于第一个序列无法提供调整前的数据。

为了在商品期货价格序列之外构建因子模拟投资组合,我们使用了每一份合约的持仓数据、标普GSCI指数以及套期保值者和投机者头寸数据。有关套期保值者和投机者头寸的数据来自CFTC的《交易员承诺报告》(Commitment of Traders report),可从2006年开始获得。套期保值者和投机者的头寸每周五报告一次。一个类别(投机者或套期保值者)的对冲压力(HP)定义为该类别中的多头合约数量除以该类别中的全部合约数量。例如,套期保值者的对冲压力为0.3,这意味着在前一周有30%的套期保值者做多,这是一个明显的反向市场信号。反之亦然,投机者的对冲压力为0.3,这意味着在过去一周有30%的投机者做多,这意味着存在正向市场。

方法论

本文对传统总收益动量的分析采用了文献中常用的方法。动量策略本质上是一套证券选择、资产配置和投资持有的规则。动量策略的证券选择过程包括指定排序期和选取规则,以便将证券视为赢家或输家。传统的动量策略根据证券在一个排序期间的累积原始收益来选择证券。动量策略的排序期应该足够长,以确定市场中真实趋势的建立,但不能太长,防止证券趋势结束时才进入某一头寸。关于股票市场横截面总收益动量的学术文献通常适用于2 - 12个月的排序期:

{w:100}在选取规则方面,总收益动量策略是根据股票在一段时间内的相对表现对其进行排名。赢家被定义为排在前X%的证券,输家被定义为排在后X%的证券。动量研究文献中通常采用十分位或五分位规则。由于商品期货市场的证券数量远少于股票市场,四分位数规则可能更适合于商品期货中的动量策略。也就是说,选择最高(最低)的7种期货作为赢家(输家)投资组合。然而,增加赢家和输家投资组合中的期货品种数量会导致投资组合的多样化从而分散风险,但这是以减少赢家和输家投资组合之间的收益区分度为代价的,从而降低了盈利能力。

动量策略的下一个支柱是投资组合构建过程,包括资产配置和再平衡的决策。与大多数文献一致的是,我们对长动量投资组合和短动量投资组合的组成部分分配了相同的权重。

为了设计商品期货的特质动量策略,我们借鉴了股票市场的主要规则。股票市场的特质动量策略是基于一段时间内的特质收益动量构建多空组合。Gutierrez和Prinsky (2007), Blitz et al.(2011)和Chaves(2016)受Sharpe(1964)和Lintner (1965) CAPM模型启发,在回归的基础上定义了特质收益:

{w:100}为了构建商品期货的因子溢价,我们采用Fama & French(1993)的方法来构建因子模拟投资组合。我们利用对冲压力、展期收益率、规模和价值等指标来设计模拟投资组合。对冲压力(HP)定义为一个类别(套期保值者或投机者)的长期未平仓权益除以总未平仓权益。套期保值者和投机者是两个不同的类别,因此可以通过在其中一种(或两种类别)中构建一个“低减高”投资组合来获得一个因子。作为第一步,商品期货的横截面是根据排序期的平均(HP)来排序的。在这个分析中,我们采用投机者对冲压力。为了构建一个投机者类别的HP因子投资组合,我们做多平均HP最高的15%,做空平均HP最低的15%。为了构建一个期限结构因子(高展期收益-低展期收益),我们将商品期货的横截面按其前一个月的展期收益率进行排序。展期收益率定义为F1/F2(近月合约除以次近月合约价格)。我们做多平均展期收益率最高的15%(对应于反向市场),做空平均展期收益率最低的15%(对应于正向市场)。我们采用Asness等人(2013)的方法构建价值溢价因子。取5年前的现货价格(4.5-5.5年前的平均现货价格)除以最近现货价格的对数,这实际上是过去5年现货回报的负数。为了构建一个规模因子,我们采用股票市场的方法,用持仓量乘以合约价值来近似计算一种商品的期货合约的规模。因此,合约价值和持仓量为市场资本提供了一个代理变量,当市场资本按横截面排序时,决定了规模因子投资组合的选择。** **

实证结果

总收益动量策略

我们从检验总收益动量开始实证分析。图1报告了144种动量策略在1 - 12个月的不同排序和持有期间的表现。144种策略的正收益都在2%到13%之间。然而,除了四种组合,即11 /1(代表11个月的排序期和1个月的持有期)、1/11、2/11、2/10,动量策略的收益并非显著异于0。采用11个月排序期和1个月持有期的策略,年化收益率为13%,统计上显著。其他三种策略每年平均产生5%的统计显著的正回报,尽管幅度小得多。

{w:100}接下来我们来分析动量策略的多头(赢家)和空头(输家)。来自股票市场动量研究的经验证据表明,动量收益主要来自空头组合。在期货市场,我们发现多头和空头投资组合在经济和统计意义上存在显著差异。图2展示了总收益动量策略多头组合的表现。值得注意的是,在36种策略(1 - 6个月排序期和持有期)中,29种只做多策略的年化收益率为11.2%。将这一排序期延长至12个月,144种多头组合中有51种具有统计学意义,且在经济上有利可图。平均而言,具有统计学意义的策略年化收益率为10%。相反地,空头投资组合的收益并不显著。此外,投资组合中做空输家的收益始终为负的迹象表明,做空商品期货的输家是一种持续提供负收益的策略。事实上,如果收益在统计上是显著的,那么这一发现将表明输家投资组合的反转效应。我们还研究了多空、多头和空头投资组合在长达24个月的排序期和持有期内的表现。为节省篇幅,我们报告了排序期和持有期在1-12个月的主要结果。值得注意的是,我们还发现了一个强有力的结论,在较长时间内,多头投资组合在统计上也有显著的正回报。我们没有发现任何证据表明,在较长时间的排序期和持有期内,多空或只做空的投资组合存在动量效应。

这一发现揭示了商品期货中的动量效应完全是由多头投资组合驱动的,而空头组合会降低多空动量策略的价值。这一发现对投资者在成本控制方面也有重要的现实意义。也就是说,只需要交易一个多头投资组合,而不是两个投资组合,这意味着更低的交易成本。

{w:100} {w:100}

\

因子模拟组合

为了实现特质动量策略,我们从系统性因子分析入手。具体地说,我们基于对冲压力、期限结构、规模和价值衡量标准,构建并研究了几个因子模拟投资组合。除市场因素是标普GSCI指数代表的纯多头投资组合外,其他因子均采用Fama和French(1993)的方法构建。每一个因子模拟投资组合都系统性地做多(做空)横截面上表现最好(最差)的15%。

图4显示了5个因子模拟投资组合的年化收益率、波动率、统计显著性和风险收益率。市场收益率在统计上不显著,年化收益率相对较低。值得注意的是,期限结构和对冲压力的因子投资组合具有统计学意义,年化收益率分别为6.27%和12.56%。这些因素不仅为市场投资组合带来了正回报,而且相对于标普GSCI,它们的波动性更低。图5展示了5个因子模拟投资组合的累计收益。对冲压力因子组合的波动性也是五个因子中最低的。这一发现证实了Basu和Miffre(2012)的研究结论,他们认为对冲压力是商品期货的一种系统性风险溢价。此外,这一发现对Hirschleifer(1990)的理论提供了直接支持。而以规模和价值为基础构建的投资组合的收益率并不显著。

{w:100} {w:100}为了确定上述因子模拟投资组合是否能够解释动量收益,我们将总收益动量策略收益对单因子策略收益进行回归。图6给出了一元回归和多元回归的估计系数和T统计量。值得注意的是,期限结构和对冲压力的系数在统计上是显著的,并且在所有回归中系数均较大。而由于对冲压力的数据仅从2006年开始提供,考虑到本文对动量进行了较长排序周期的研究,我们将HP因素排除在特质收益动量策略之外,以避免影响动量策略回测的数据样本的长度。标普GSCI指数对多空组合收益和多头收益的影响在统计显著性上存在差d异。考虑到多头组合在商品期货动量中更有优势,我们将这一因素纳入随后的特质动量分析。就统计显著性而言,规模和价值的表现都较为相似,但价值因子的设计样本周期较短。在此基础上,为了不影响动量策略的回测样本长度,价值被排除在随后的特质动量研究之外。综上,我们利用期限结构、市场和规模这三个因素来推进特质动量策略的实证研究。

{w:100}

特质收益动量策略

本节对特质收益动量策略进行分析。图7报告了多空特质动量策略的收益和T统计量。正如假设的那样,特质动量策略多空组合的表现明显优于总动量策略多空组合。具体来说,所有多空策略的收益都是正的,21种策略的收益具有统计学意义。具有统计学意义策略的平均年化收益率为12.3%。

{w:100}接下来,我们将分别研究只做多和只做空的特质动量策略。只做多策略的平均年化收益率为12%。在1个月和2个月的持有期内,该策略在几乎所有排序期内均显著为正。在3个月和4个月的持有期中,12个策略中的7-8个具有显著正收益。策略盈利能力在7个月持有期之后消失。我们还从更长期的角度考察了这一策略的盈利能力。同样,对于1个月和2个月的持仓期,该策略在几乎所有排序期(13至24个月)的收益均显著为正,平均年化收益率为12%。在所有排序期(1至24个月)和最多2个月的持仓期间,只做多的特质动量都是一种非常稳健且收益可观的策略。与总收益动量类似,没有一种只做空的特质动量策略具有统计学显著意义。

作为一种稳健性检验,我们还对具有更严格筛选阈值的特质动量进行了分析。这种策略(为简单起见,称为“精选”)做多(做空)最好(最差)的4个合约。在多空策略表现中,各策略的收益均为正,144种策略中有26种策略的收益具有统计学显著意义。统计上显著策略的年平均收益率为8.5%。仅做多策略的表现如图8所示,在统计上产生了显著一致的正回报。值得注意的是,该策略相比于多空7个品种有实质性的改进。具体地说,在1 - 12个月的排序期和持有期间,该策略在88%的策略中实现了平均9.7%的年化收益率。此外,该策略的盈利能力不会在12个月后消失。这一策略在较长时间的排序期内效果非常好。具体来说,在1 - 24个月排序期和1 - 12个月持有期共288种不同组合策略中,有198种组合具有统计学意义。实际上,69%的策略(包括长达24个月的更长的持续时间)是盈利的,并且具有统计学意义。这表明,只做多的特质动量是一种较持久的现象。为了保证两种动量策略都能得到充分的比较,我们对具有相同选取规则的总收益动量也进行了分析。与特质动量不同的是,总收益动量的“精选”版本的表现明显逊于原始7种证券的策略表现。

{w:100}在更严格筛选规则下的特质动量策略的强劲表现证实了商品期货的特质动量效应。研究结果表明,与总收益动量相比,商品特质动量是一种更为持久的现象。为了评估特质动量的收益是否是对系统性风险因素的补偿,我们研究了特质动量策略收益(包括只做多和多空组合)对因子模拟投资组合收益的回归系数。图9给出了OLS回归系数。可以发现,多空动量收益部分可以用期限结构因子的收益来解释。另一方面,在解释只做多的特质动量收益方面,市场和规模因素似乎更具有统计学意义。值得注意的是,alpha在只做多和多空组合中均具有统计学意义。

{w:100}

进一步讨论

图10比较了总收益和特质收益动量策略的收益和稳健性。首先,研究结果表明,策略走势几乎完全是由只做多的投资组合驱动的。在总收益或特质收益策略中,没有一种空头组合表现具有统计学意义。分析表明,与总收益动量相比,特质动量是一种更为稳健和有利可图的策略。具体地说,根据特质收益对商品期货进行排序,可以改善多空和只做多两种情况下的动量表现。值得注意的是,传统的多空动量策略是一种较差的策略,在144种策略中,它只在4种情况下产生统计上显著的收益,而在统计上显著的策略中,平均年化收益为7%。相比之下,在144种特质动量策略中,有21种实现了统计学上显著的正收益。此外,具有统计学意义策略的平均年化收益率为12.3%,几乎是总收益动量策略的两倍。只做多的动量策略对多空策略有实质性的改进。一个只做多的特质动量策略以7个期货合约为界,年化收益率为12.3%,而一个只做多的总收益动量策略的年化收益率为10%。此外,特质动量策略平均具有更高的T统计量,并在较长时间内提供统计上显著的正回报。值得注意的是,精选组合在144种策略种有126种收益显著为正,平均年化收益率为10%。

值得注意的是,这两种动量在应用11个月作为排序期和1个月作为持有期时均产生了最高的收益。这与之前文献的发现是一致的。特别地,这是唯一一种在多空总收益动量视角下取得成功的策略,而其他三种具有统计学意义的策略的年化收益率仅为5%。11/1的策略在多空组合和多头组合中分别带来了13.2%和12.7%的平均年化收益率。11/1策略在特质动量策略多空组合中实现了17.4%的年化收益率,在只做多策略中实现了13%的年化收益率。精选多空组合策略和只做多策略年化收益率分别为14.5%和15.3%。11/1策略的合理性与商品期货的自相关特征一致。在28种商品期货中,有9种期货在11个月滞后期时表现出显著的自相关。因此,11/1动量策略的高收益可以部分用其存在11个月滞后自相关来解释。

图11展示了不同策略的收益和波动性特征。在只做多和多空策略中,特质动量的收益和波动都有显著改善。经过风险调整后的特质收益动量收益率明显更高。具体来说,一个特质收益动量策略多空组合的风险收益率是0.65,而一个总收益动量策略多空组合的风险收益率是0.36。这种差别在只做多的情况下不那么明显。图12显示了100美元投资于只做多的特质和总收益动量策略以及标普GSCI的累计回报。总收益和特质收益动量策略在实质上都优于标普GSCI。显然,与被动追随标普GSCI指数相比,投资者如果实施积极的只做多动量策略,可能会获得更好的回报。

{w:100} {w:100} {w:100}图13报告了动量策略与标普GSCI的相关性。仅做多动量策略与标普GSCI正相关且高度相关。然而,与总收益动量相比,只做多的特质收益动量表现出较低的相关性。具体而言,特质收益动量多头组合与标普GSCI的相关性为0.57,而总收益动量多头组合与被动型指数的相关性为0.70。至于多空策略,这两种动量策略都与标普GSCI指数无关。因此,多空动量策略提供了相对于标普GSCI的多元化投资选择。

{w:100}

总结

本文研究了商品期货的特质收益动量。在此之前,我们还重新审视了总收益动量策略,并研究因子模拟投资组合表现。分析结果显示,基于特质动量构建投资组合是一种稳健且有利可图的策略。本文的研究结果表明,大宗商品期货的动量,无论是基于总收益还是特质收益,完全是由多头组合驱动的。没有一种空头组合具有统计学的正向显著意义。因此,就稳健性而言,相对于多头组合而言,构建多空组合是一种较差的策略,它的收益较低。值得注意的是,无论基于绝对收益还是风险调整收益,在多空和只做多的策略中,特质动量的表现均明显优于总收益动量。在多空和只做多的情况下,特质动量产生分别0.65和0.63的夏普比率,而总收益动量的夏普分别为0.36和0.55。在标准普尔GSCI指数的被动投资中,夏普仅为0左右。

本文的两个关键发现,即动量只做多一侧的表现和特质收益动量的优越表现,与商品市场文献中的理论基础和较早的实证研究很好地吻合。本文关于动量策略长期的实证结论证实了Chaves和Visvanathan(2016)的研究。具体来说,作者认为,期货市场的动量策略表现良好,因为它们具有较高的正基差。正基差是指现货价格高于期货价格,即倒挂的期限结构。在整体动量投资组合收益为正的基础上,它意味着多头组合必定主导收益。正基差理论直接与正常现货溢价理论联系在一起。正常现货溢价理论认为,商品期货中只做多的头寸提供了正的风险溢价。

本文关于商品期货特质动量比总收益动量更有利可图的证据,与现有时变动量表现的文献一致。此外,它与Gutierez和Prinsky(2007)基于机构对特质收益和总收益动量的理性解释的研究很好地吻合。作者认为,机构在产生两种类型的动量回报方面发挥了作用,然而,与总收益动量相比,对特质动量反应不足的现象更为明显,持续时间也更长。

标签

期货
{link}