行业配置策略，趋势追踪视角-华泰证券-20200831
由qxiao创建，最终由qxiao 被浏览 55 用户
摘要
本文对趋势追踪策略进行了全面梳理，并在大类资产和行业层面进行实证
本文采用趋势签名图、蒙特卡洛模拟、过拟合检验等多种方法对趋势追踪策略进行了全面研究：1、对市场上主流的趋势追踪指标进行汇总，并对指标构建逻辑进行归类梳理，分析不同类型趋势追踪指标的异同点；2、基于底层资产的风险收益特征构建虚拟价格序列，在不同场景下分析趋势追踪策略的效果，泛化讨论影响趋势追踪策略表现的主要因素；3、提出一套更加稳健可靠的趋势追踪策略构建框架，提高趋势追踪策略在不同应用场景下的适应性，并在大类资产和行业指数层面进行了实证分析
趋势追踪指标具有“追涨杀跌”特性，不同指标的区别在于价格加权方式
趋势追踪策略的核心理念是认为资产的价格具有趋势性，即过去上涨的资产在未来一段时间很可能继续上涨。本文整理了市场上主流的41个趋势追踪指标，从基础数据选取、滤波计算方式、均线计算次数和信号生成方式四个角度对趋势追踪指标进行归类总结。在趋势签名图上，我们可以看到趋势追踪指标具有相似的表现形式，不同指标的主要区别在于历史价格或是历史收益率的加权方式。趋势追踪指标信号数值大小都会受到底层资产价格趋势性的影响，在构建逻辑上存在鲜明的共性特征，市场表现也有较高的趋同度
底层资产风险收益特性对趋势追踪策略的表现具有决定性影响
本文基于蒙特卡洛模拟方法海量生成模拟数据，探究底层资产风险收益特征与趋势追踪策略表现之间的关系。测试结果表明，趋势追踪策略的回测结果很大程度上受到底层资产风险收益特征的制约：1、基于高收益率、低波动底层资产构建的趋势追踪策略回测夏普比率更高；2、夏普比率越高的趋势追踪策略参数稳定性越差，在确定策略参数过程中过拟合风险会有所增加；3、资产的自相关性更强时，趋势追踪策略的最大回撤会有一定改善。每个资产都有各自适用的趋势追踪策略，趋势追踪指标类型以及参数的选取过程，实质上就是和底层资产的风险收益特性相匹配的过程
大类资产配置更适合采用时序动量策略，行业配置适合截面动量策略
在大类资产配置和行业指数配置两个场景下，我们提取了实际资产的收益率、波动率以及相关系数矩阵，采用几何布朗运动模型生成虚拟价格序列，总结不同场景下适用的趋势追踪策略。计算结果表明：大类资产间的相关系数较小，资产价格的独立性更强，适合通过时序动量的方式构建趋势追踪策略；行业指数间的相关性很大，资产间收益率差异较小，更适合通过截面动量的方式构建策略；趋势追踪指标的选取更多还是取决于指标和所选资产风险收益特征的匹配程度，在时序动量构建方式下表现较好的指标，在截面动量构建方式下往往也有较好的表现
改进传统趋势追踪策略构建流程，在大类资产和行业配置层面进行实证
在传统构建方式基础上，本文引入了多种方法来提高趋势追踪策略的适用性：1、通过选取和目标风险收益相匹配的资产，优化资产池来提高策略表现；2、构建虚拟序列总结更加泛化的指标筛选或是策略构建规律，提高策略可靠性；3、引入过拟合检验方法进行指标筛选，降低策略的过拟合风险。基于上述框架，我们在大类资产和行业配置层面分别构建多个趋势追踪策略，其中表现最好的大类资产配置策略从2006年至今回测夏普比率为1.99，月度胜率为74.29%；表现最好的行业配置策略从2010年至今年化超额收益率为11.20%，相对基准胜率为60.63%
正文
/wiki/static/upload/d6/d6dc518a-f948-44de-aea1-e98bb200efff.pdf
\