一般来说传统股债投资组合主要受权益市场的风险影响，为此市场上的投资者力寻能分 散该风险的另类资产。随着近年来资管新规的落地，净值化时代的到来更是使得多资产 配置成为了必经之路。在这其中，CTA 市场因其投资价值的特殊性，一直以来都扮演着 一个有力的候选对象。 2000 年至今，随着金融业的快速发展、投资标的的不断丰富，我国期货市场的成交量和 成交额呈指数型增长。截至目前，国内共五家期货交易所（中金所、上期货、大商所、 郑商所、广期所）上市的商品期货品种覆盖了有色金属、贵金属、黑色金属、能源化工 和农产品等主要产业领域。金融期货包括了股指期货和国债期货，其中有上证 50 股指 期货、沪深 300 股指期货、中证 500 股指期货、中证 1000 股指期货、两年期国债期货、 五年期国债期货和十年期国债期货，共 7 个品种。
尽管国内上市交易的品种数量已日渐增多，但交易活跃的品种并不多，有一些期货品种 由于现货体量小、投资门槛高、流通价格受政府管控限制造成成交量低迷。当期货品种 主力合约成交量过低时，就会导致合约换手困难引起交易冲击成本及持仓风险等一系列 的影响。 由于直接投资门槛高，所以大多投资者可通过两种方法配置 CTA 市场。第一种是被动 指数化投资，如最新发布的中证商品期货指数，主要依靠长期配置过程中的展期收益来 获利。第二种是直接投资 CTA 产品，现国内主流的 CTA 产品为系统式的量化策略，其 中核心大多为趋势跟踪策略。我们认为该两类方法有共通的两个配置价值：长期低相关 性和抗通胀。
1.1.长期与权益、债券资产的低相关性
从投资标的出发，商品资产能够提供长期正收益。究其根本是商品市场的 Beta 溢价主 要来源于展期收益，而该收益很大程度上与各品种的期限结构相关，理论上配置长期贴水的品种能够获得潜在正的展期收益。我们统计了万得全 A（权益资产）、中债综合指 数（债券资产）和中证商品期货指数（商品资产）的长期收益率数据。
就单资产而言，最新发布的中证商品期货指数在考虑了展期收益的情况下，长期能提供 相对可观的正收益，但投资者更愿意投资商品资产的场景是将其纳入传统股债的投资组 合中。从上表中，将 10%的资金投入商品期货指数后，传统股债的投资组合的夏普比率 略微上涨，这要得益于商品市场得天独厚的低相关性。
我们可以看到相关性的时变特点，在特定时间 区间中达到了 0.5 以上，这反映了市场是复杂的、信息快速得更新导致供需平衡发生变 化，但是商品市场的长期低相关性是我们能佐证的，这得益于独特的价格驱动因素。商 品市场的基本面信息如上游供给端和下游企业需求端，叠加政策和经济增速影响主导着 市场的长期趋势走向。而短期市场情绪则受到了投资者不同心理预期造成的行为偏差和 商品季节性因素影响而波动。为了更好展示低相关性给资产多样性组合带来的提升效果，根据Moskowitz的现代组合理论，我们尝试构建四个投资组合，分别画出各个组合的有效边界，以此对比多样性所带来的变化。第一个组合为基准的股+债组合，随后我们在第二和第三组中分别加入黑色和能化，最后一组则为股+债+全品种。为了结果更具有一般性，我们使用沪深300 指数、中债新综合指数和各板块的南华商品指数作为不同资产多头组合的替代，给予各资产只允许做多的约束。
从单个有效边界点来看的话，组合在有效边界上的位置越靠左，风险厌恶的系数越大， 越接近全局最小方差组合，组合收益也会同时随风险下降而下降。反之，若组合在有效 边界上的位置越靠右，则风险厌恶越小，更倾向于高风险高收益。从各个组合的有效边 界分布来看的话，只包括股+债的组合有效边界偏左下。而当加入了能化后，相同风险 偏好下，组合收益得以提升，使得有效边界上移。从组合二至组合四对比效果来看的话， 黑色提升效果最为显著，组合二的有效前沿得以延长的同时，边界得以抬高。当加入全 品种后，组合的风险收益比能够显著提升，最大夏普比组合的年化夏普达到了 1.29，然 而从组合风险角度来看的话，全局最小方差组合的年化波动率减少有限。
1.2.CTA具备显著抗通胀的能力
我们在《通胀传导与大宗商品抗通胀能力的定量研究》中提出通货膨胀是物价整体的上 涨，主要逻辑在于受供需影响的大宗商品，而非货币因素。一般而言，通胀问题是结构 性的，由严重的供需不平衡导致的，短期内社会总需求的上升与社会总供给的下降都会 造成一定通胀。因此更直接影响通货膨胀的便是大宗商品，尤其是那些处于产业链上游 的、与社会基础建设相关的品种，他们的价格变化会通过产业链向下传导。
商品类的资产的 R^2 都出现在滞后期数小于 0 时，商品资产的收益率已经将通胀的预期 定价，说明商品类资产具有一定的预测能力，亦或者说商品类资产的变化实际上会影响 未来通胀的变化。在商品资产中，预期能力最强的是能化类的商品，其次是有色金属。 这和 PPI 的核心驱动因素（石油、化工、煤炭）是一致的，均为相关的产业链上游。而 传统的股债资产均呈现兑现能力或解释能力居多。因此投资者可以通过投资 CTA 资产 以应对股债因通胀引起的“双杀”。
除了直接投资外，投资者参与 CTA 市场的方式有两种，一是指数投资，二是 CTA 产品 投资。一直以来商品指数化投资在国内是空白期，直至近期上市的中证商品期货指数才 开始弥补空缺，因此体系较为不成熟。如果借鉴国外发展时间长的商品指数如 GSCI（标 普高盛商品指数）和 BCOM（彭博商品指数）的话，我们发现这些指数都会受限于行业 板块过于集中、展期策略和组合风险管理措施。虽然标的确实能提供资产分散的效果， 但同时也带来了风险管理的难题。
自然而然地，CTA 产品成为了更可靠的投资标的。从 CTA 产品发行数量来看，新 CTA 产品数量从 14 年逐渐增长，在 20、21 年商品大年吸引资金涌入后，增发的数量达到高 峰的 3919 只。由于投资门槛高，主要产品发行体还是以私募基金为主。国内 CTA 基金 在 21 年前管理规模相对较小，产品数量多，能保持风格稳定、业绩不漂移且有持续迭 代研发能力的投顾相对较少。经过近几年的发展，一些优秀投顾逐渐呈现，主流的投资 策略也相对稳定，主要以趋势跟踪策略为策略核心。
2.1.趋势跟踪策略的本质
现市面上提供策略指数的第三方数据商较少，其中最为广泛使用的是朝阳永续和私募排 排网。两者的 CTA 趋势策略指数起始时间为 2015 年，且构成策略指数的样本均为精选 后的 CTA 趋势基金的周度收益。由于私募公布净值频率不稳定、行业变化快和优秀投 顾的头部效应显著，这会带给 FOF 投资者三个问题，一是回溯时间较短，我们没法从 周期角度来考虑策略表现及适配环境。
二是幸存者偏差严重，私募行业变化快，其格局 瞬息而变，在编制指数的过程中很难避免带入前视偏差（Look-Ahead Bias）。三是不具 有一般性，私募市场整体来看的话，实力分布层次不齐，头部效应显著。因此经过精选 后的基金产品不具有策略的一般性。为了使研究具有普适性，我们在此构建一个理论趋 势策略。在《基于信息论的 CTA 中长周期趋势策略初探》中，我们探讨了趋势策略的 本质在两个方面：一是趋势持续性（持仓周期），二是度量趋势的方法。
现趋势跟踪策略度量趋势的方法均为一些有效的技术分析指标，虽计算逻辑不同，但指 标均是某种对行情价格的特征工程。Levine & Pederson（2016）使用了 Trend Signature Plot 的概念比较并探讨了不同趋势度量的区别，他们得出的结论是虽然不同指标计算方式的 形态会有所差异，但是本质都是对收益率的某种加权平均。我们考虑品种经对数转换后 的行情数据，对数价格差分后即为即期收益率，在这里以快慢移动均线（MACD）和时 序收益率信号（TSMOM）举例说明。
在信号期 h 选取上，我们同时考虑长端动量（10 个月、12 个月）和短端动量（1 个月、 3 个月），若该期时序收益率信号值大于 0，则该期时序收益率信号为 1，反之信号为-1。 在每一个调仓期截面上对所有信号等权合成，若该品种合成后的时序信号大于 0 则做 多、等于 0 则不开仓、小于 0 则做空，理论上的趋势策略年化夏普比达到了 0.97。为了 保证结果的可行性，我们同时测算了不同头寸和主流的朝阳永续 CTA 趋势精选指数的 相关性，多空组合达到了 0.54，因此我们的理论趋势策略和现市面上的趋势策略呈现较 强线性相关性。本文也以此策略做为后续研究对象。
2.2.危机Alpha的美名
长期来看，趋势策略和股债的平均相关性趋近于 0，能起到分散风险的作用。更唯大家 所推崇的危机 Alpha 美名却来源于趋势策略在市场恐慌性下跌时的出色收益，因而成为 津津乐道的回撤保护器。Kaminski（2014）对危机 Alpha 的收益定义是“收益来源于市 场情绪低迷而引起的持续的趋势”。 为了更直观的理解，我们分别选取趋势策略、万得全 A 和中债新综合指数，计算各资产 季度收益（3 个月窗口期），并将万得全 A 和中债新综合指数的季度收益率从小到大分 成五组，第一组就是历史股债表现最差季度的平均收益，第五组是历史股债表现最好季 度的平均收益，统计同期对应的趋势策略的平均收益。
在万得全 A 表现得最差的季度时，趋势策略的同期平均收益达到了年化 10%。而相对应 的债券资产，趋势策略则是在中债综合最好的季度时表现同样出色，达到了年化 8%左 右，这表明中国市场的趋势策略不仅仅能在市场危机下提供保护，同时能在市场大涨时 及时捕捉收益。 危机 Alpha 的保护效果对于权益资产是相对有效的，我们分别统计了几次 A 股市场显著 回撤的时期，比如 08 年全球金融危机、10 和 11 年的大熊市、15 至 16 年的 A 股熔断和 18 年的中美贸易战，五次大回撤中，仅 15 年末至 16 年的趋势策略收益略微为负，其余 均录得正收益。尤其是在 2008 年金融危机时，A 股遭腰斩，而趋势策略获得约 20%的收益。
Moskowitz（2012）年将这种特性定义为“趋势策略的微笑”，及在市场极端行情（上涨 亦或下跌）下，趋势策略能够表现出色，捕捉双边收益。我们画出万得全 A、中债指数、 南华综合指数和趋势策略的季度收益散点图，并对散点拟合幂函数，可以看出所有图形 均呈现出“微笑”的态势，其中属股票市场最显著。 更进一步来看，各个市场的“微笑程度”不同，我们将其分为两大类：一是雪中送炭的 特性，即市场在恐慌性下跌时，趋势策略的收益较为显著，反映在图上是拟合后的函数 左端点高于右端点。二是锦上添花的特性，即市场呈现牛市上涨时，趋势策略的收益较 为显著，反映在图上是拟合后的函数右端点高于左端点。股票市场是明显的雪中送炭型， 债券市场是锦上添花的特性，商品市场相对而言较平均，略微倾向于雪中送炭型。
2.3.趋势跟踪策略是否失效了？
过去的 2022年是趋势策略不平凡的一年，对于 FOF 投资者来说是一块 CTA 管理人的“试 金石”。我们统计了市面上较为主流的 CTA 管理人及其代表趋势产品，划分长周期（2 周-1 个月）、中周期（1 周-2 周）和短周期（1 周内）。总的来说，市场的变化主要可 以分为三个阶段：第一阶段的时间点在一、二季度，由于俄乌冲突及地缘政治的影响， 投资者情绪发酵，市场开始交易对商品供给端的担忧预期，多数产品呈现单边上涨的态 势，无论交易频段的趋势跟踪策略均及时捕捉了收益。
与股票市场的下跌形成鲜明对比， “危机 Alpha”的美名受投资者追捧，此时上车的投资者均带着对业绩表现持续性的期 许，迎来的是商品市场的共振下跌。第二阶段的时间点在六至七月份，受国内外宏观因 素主导，美联储加息和疫情因素影响，商品市场整体均下跌。无论频段的趋势跟踪策略 亦或趋势反转策略均无法及时适应市场节奏，部分管理人创最大回撤。第三阶段的时间 点是七至十二月份，商品市场的波动率整体出现窄幅震荡行情，各个品种的波动率也处 在低位震荡，致使多数频段的 CTA 管理人连续回撤，更有甚者如今仍未恢复。
同样地，我们考察上文构建的理想趋势跟踪策略的走势，该策略在 2022 年的多头年化 收益为-6.57%，空头年化收益为-7.89%，多空年化收益为 0.66%，多空策略地最大回撤 达到了 11.24%，年化夏普比仅为 0.11，这与近两年来的强势表现呈现鲜明的对比。 我们更进一步地去分析多头和空头组合的持仓对策略的影响，将时间段分为 2022 年前 半年（2022/01-2022/07）和 2022 年后半年（2022/07-2022/12）。分板块和品种来看的 话，在前半年中多数能源化工品种和黑色的正收益贡献最为显著，负收益贡献多数来源 于农产品品种。反观下半年则是涨跌参半，唯沪镍和红枣能持续提供正收益，其余均反 转，负收益最为显著的是低硫燃料油和 PTA。
因此不难看出，虽然长期表现优异，但是 2016-2020 的至暗时刻、2022 年的急转直下让人怀疑前几年的 CTA 趋势大年是昙花一现？而部分去年一季度高位上车、带着对业绩 持续性期许、力寻规避权益市场风险的投资人体感冷，引起危机 Alpha 是否还有 Alpha 的疑问？
乔治索罗斯曾说过，“世界经济史是一部基于假象和谎言的连续剧。若想获得财富，做 法就是认清其假象，投入其中，然后在假象被公众认识之前退出游戏。”对于 FOF 投 资来说亦是如此，2022 年的 CTA 是最好的印证。策略热度风起云涌之时，正是收益最 可观的区间，但是当潮水退去、假象被告知之时正是策略迎来最大回撤的过程。因此如 何在策略热度蜂起之时参与其中，并在热度散去之时置身世外是我们本节尝试探讨并寻找的答案。
因其可多空双向开仓，CTA 趋势策略常被片面得理解为可以穿越牛熊的回撤保护器。虽 然具备危机 Alpha 的美名，但无论是何种策略均存在适配的行情问题。更好的刻画期货 市场整体的价格浮动，我们构建 54 个期货品种主力合约的自 2005 年以来买入持有策略， 各品种间等权配置，对比我们在上文中构建的理想趋势策略。我们观察并标 记出每一次趋势策略发生回撤的时间节点，不难发现其中存在着一定的市场规律，总的 来说发生最大回撤的时间节点可以分为三个不同的市场环境，一是市场逐渐触底反弹时 （2009，2016）、二是市场上涨趋势逐渐反转时（2011，2021）、三是市场低位震荡时 （2018-2020），这三类市场环境均与波动率挂钩。
通常来说，趋势策略受益于非理性交易导致的羊群效应。当标的基本面信息超预期或政 策突然变换引起交易热度，直观上就是成交量和价格的激增，更深层次的是市场的波动 率抬升、品种间的配对相关性变高、量价不匹配和策略的波动率抬升等。但也正是在这 样的市场环境下，趋势策略容易踏空，引来历史最大回撤，因此波动率对于趋势策略来 说是一把双刃剑。为了更好定量刻画策略适配环境，我们根据经验和市场上已有的文献记载，尝试从五大类分别构建量价指标判断可能出现的下跌风险，并通过有效性检验筛 选有效的指标及参数。
3.1.构建五大类量价指标
3.1.1.换手率是直接反映热手效应的指标
换手率是市场情绪和交易热度最直观的体现，可以做为判断市场情绪拐点的量化指标， 更好指引择时。当换手率处于高位时，通常意味着市场出现了热手效应，投资者的关注 度不断提升，在推高资产价格至高位的同时也增加了市场观点出现分歧的概率。我们以 下方螺纹钢主力合约 2020/07-2021/11 的行情数据举例，成交量在 21 年 1 月份至 21 年 4 月底逐渐升温，成交量和持仓量达到近期以来的高点，相对应的换手率波动也逐渐加大， 短期内流动性突起会激化市场分歧，随即在 21 年 5 月份的抬升后迎来大幅回撤。
3.1.2.下行波动率是反映极端下跌行情的指标
波动率是趋势策略绕不开的一把双刃剑，通常来说其直观衡量并解释了市场投资者的情 绪，当市场投资者情绪高涨，相对应的资产价格波动抬升，但是当波动率处于高位时， 趋势反转的概率同样处于高位，即投资者意见出现分歧的概率越大，因此我们可以通过 设定目标收益率条件，求得当前市场的条件波动率。
Zhenya et al.(2019)中取资产收益率为 0 作为阈值，将计算波动率的周期分为上行期 （UPM）和下行期（LPM），我们在上图中同样取 0 为收益率筛选条件，计算 20 个交 易日的下行波动率，并对所有品种做成交量加权，大体的下行波动率走势和波动率相差 不大，但是更能反映市场极端下跌行情中的表现，是潜在的领先指标。
3.1.3.品种间配对相关性是资金流量的果
配对相关性指的是资产收益率两两之间的皮尔逊相关系数的均值或中位数。若整体商品 市场受到资金追捧、CTA 策略成为市场焦点时，投资者此时不该关注单资产的 Alpha 特 性（能提供多少超额收益），而更应该关注单资产的 Beta 属性（受市场波动影响的大 小）。从量价指标的角度来说，当资金快速流入，原本低相关品种的相关性会被大幅推 高，同涨同跌的特性凸显。
3.1.4.乖离度衡量资产价格偏离历史均值的程度
乖离度是经典技术指标移动均线的一种变式，代表的是资产当日收盘价与其历史移动均 线的距离，并除以资产移动均线的当日值，衡量的是资产价格偏离历史价值的幅度，若 乖离度越大，则表明当前市场的获利盘大，抬高了投资者止盈离场的需求。我们以 20 个交易日为窗口期，计算每个 t 时刻第 i 个资产的乖离度，为了后续研究，我 们需要将乖离度统一至月度数据，一般有两种不同的聚合方式，第一种是取月内不同资 产乖离度的均值，第二种是取月内不同资产乖离度的分位数。我们不难看出这两种方法的结果波动较为显著，多数时候呈现小幅震荡，而在极端 行情下容易出现极值，所以仅仅使用乖离度的一阶矩遗漏了重要信息。
3.1.5.绝对夏普比衡量底层资产的估值水平
策略的估值与股票市场中的行业估值类似，来源于底层资产的 Alpha 收益。根据股票行 业估值的逻辑，若底层资产的估值达到极端值时，处于高位的策略收益必定会迎来显著 的回调，其中的关键就在于了两点，一是如何衡量 CTA 趋势策略的底层资产 Alpha，二 是如何衡量策略的估值水平。
3.2.五大类指标的参数选择和有效性检验
为了计算有效的指标并对能指引策略择时的指标进行筛选，我们对五大量价指标均遵循 以下的构建步骤： 1、首先策略择时和适配环境偏向于长周期，所以我们回溯时间均以20个交易日为跨度， 对五个量价指标分别遍历对应的窗口期，得到原始的指标值。 2、其次根据得到的原始指标值计算当期指标的历史分位数，分别对不同的指标确定阈 值筛选条件，若大于（小于）阈值则说明未来 CTA 趋势策略的配置环境不佳。
1、区间收益检验：对单个指标值从小到大排列分五组，统计每一组对应的下一个月 CTA 策略的月度收益，组内对策略收益求平均。由于我们构建的量价指标均为负向预测，因 此区间收益检验的目的是在于找到能够区分策略阶段收益差别的指标。 2、胜率检验：通过区间收益检验的指标，根据其对应的分位数对当前策略适配环境做 出判断（即超过 90 分位数则认为未来 CTA 策略收益不佳），并统计对应的下一个月的 收益为负的概率，若胜率越高，则说明指标预测市场行情的精度越高。 3、回归显著性检验：分别根据不同回溯时间窗口得到的量价指标值，以超过阈值做为 信号，与下一个月策略的收益做一元线性回归，对回归后的系数进行显著性检验。回归 显著性检验的目的在于观察指标是否对未来收益具备解释能力。 回测区间统一为 2005/01/31 至 2022/12/31，数据均以月度为跨度。
3.2.1.区间收益判断指标是否能区分不同市场环境
我们对各个量价指标的预测方向做了初步评判。基于此评判，区间收益有效 性的判断方法为：指标筛选出的第五组对应的未来一个月的策略收益是否能显著低于第一组的未来一个 月的平均收益，若第一组至第五组的平均收益线性递减，则代表该量价指标区分市场环 境的能力越显著。 经过持仓量加权的高换手率最直接反映策略的拥挤程度。考虑到市场情绪是一个累计的 过程，我们在计算换手率的时间区间包括了 20 日、40 日、60 日和 80 日，持仓量权重 计算时与换手率区间匹配。从以下收益区间图来看，换手率最高的第五组未来一个月的 收益近于 0，显著低于相对换手率较低的其它组别，收益率最高的时候均出现在换手率 均值附近。当我们延长时间窗口期时，区间收益的递减越来越线性，通过高换手率来规 避策略拥挤程度是一个不错的选择。
下行波动率具备即期解释能力，但不是指引性的量价指标。由于不同品种自身波动数量 级区别，计算下行波动率时采用成交量加权对活跃板块如黑色和能化矫正。在计算下行 波动率时，我们秉承上文的回溯时间区间，成交量权重与波动率计算窗口相对应。我们计算配对相关性的时间窗口与前文一致，各品种间的高联动意味着共性行 情压过特性季节性行情，占据主导，热度的上升抬高策略的踏空概率。从测试结果来看， 随着回溯时间窗口的延长，高配对相关性所对应的策略收益则越小，相对应的组别间的 递减越线性。
乖离度矫正衡量了当前偏离历史均值的程度，短期乖离度更具备择时能力。我们计算乖 离度的时间区间同上，在不同品种间我们用标准差进行矫正。通常来说，当偏离度逐渐 增大时，意味着市场的交易热情增加，反转的可能性就越大。从测试的结果上来看，当 回溯时间窗口为 20 个交易日时（一个月），乖离度矫正第五组的收益显著为负，且组 别间的线性衰减更明显。当回溯时间增加时，第五组收益仍最小，但组别间的递减趋势 减弱，因此短期乖离度矫正更能衡量偏离程度。
绝对夏普比衡量策略底层资产的估值水平，中长期夏普比能较好预测策略踏空概率。绝 对夏普比的即期解释能力相对好理解，若相同时间窗口下，夏普比越高，策略的收益越 高。由于趋势策略的追涨杀跌特性，当品种的夏普比超过一定阈值时，趋势策略容易一 脚踏空，迎来最大回撤。从测算的结果来看，品种绝对夏普比较高的时间区间内策略收 益明显减弱。如果用权益市场的角度来理解，资产的贵与性价比一定程度上导致了策略 失效的可能性。当回溯时间拉长时，失效的可能性更显著，但是组别间的非线性关系并 不明显。
3.2.2.信号胜率检验预测精度
区间收益检验中，我们看到除了下行波动率以外，所有指标均一定程度上对未来策略下 跌做出预警，而下行波动率更注重于即期的解释能力，却不是未来收益下跌的理由，所 以剔除下行波动率指标，在本节对剩余指标做信号胜率检验。信号胜率检验的步骤为根 据指标值对应的历史分位数，每一个月末生成信号，统计触发信号后的一个月策略收益 率为负的天数占比。以 Turnover_20 为例，若月末指标值超出 80%分位数，则当月触发 信号，随后统计样本内触发信号后的胜率天数与总天数得出信号胜率，我们从 80 至 100 遍历分位数阈值。
换手率 指标是有效稳定的预警指标，持仓量加权换手率均高于 50%，且随着分位数阈值选择的 增加，胜率不断提升。换手率是反映热手效应最直接的指标，经过加权后的换手率更为 平稳，能更好的预警超买超卖以防踏空。配对相关性具有共性，长期配对相关性信号胜 率更加稳定，但是所有配对相关性在接近极值时，信号胜率会急跌。绝对夏普比的胜率 分化、短期夏普比更具备择时效果。当绝对夏普比越高，趋势策略的收益更容易迎来大 行情，所以阈值接近 99 时，胜率急降。但是短期的绝对夏普比对市场识别存在甜点位， 大致在 92-95 分位数左右。乖离度矫正的分位数越低越有效。所有回溯窗口的乖离度变 量在接近历史阈值高点时，胜率均回撤。正因为其衡量偏离历史价格的程度，其阈值应 相对较小。
3.2.3.回归分析检验指标的显著性
更进一步地，我们在本节做显著性检验，根据不同回溯时间窗口得到的量价指标，以及 相对应的判断分位数，得出信号，与下一个月策略的收益做一元线性回归，对回归后的 系数进行显著性检验。回归显著性检验的目的在于观察指标是否对未来收益具备解释能 力。其中 f 是 t 时刻的第 i 个指标值，F 是对应指标值的信号，F 的取值为二进制（若指标值 大于历史判断分位数则为 1，若小于历史判断分位数则为 0），F 的含义是根据量价指 标判断的未来市场行情是否适合 CTA 策略。α和β分别是回归系数，ε是残差项。我们测 算并记录回归后的 beta 系数的 T 值显著性和 beta 系数 T 值检验的 P 值。进一步地将回 归后 T 值大于 0 的剔除，我们查看不同指标随着分位数变化而变化的 P 值显著性。
回归后的结果我们分为两步筛选，首先我们测试的均为负向指标，即指标值越大相对应 的策略收益应越小，所以我们剔除 T 值大于 0 的（正向结果），留下有负向特征的量价 指标和其对应的阈值。其次回归后的 P 值检验是衡量回归系数显著不为 0 的概率，因为 我们已经剔除了大于 0 的回测结果，所以 P 值越小，代表回归系数显著小于 0 的概率越 大。从测试结果来看，所有测试结果均在 5%的显著性水平下通过检验，不同指标随阈 值的变化和信号胜率检验相对应。换手率指标在 60 日回看周期时最明显，阈值的甜点 位在 90-95 之间，且影响显著。换手率的测试表现呈两极分化，20 日的换手率无论信号阈值均不显著，60 日的换手率的特定阈值区间则非常显著，侧面印证了指标甜点位的选 取。
长期配对相关性通过检验的概率更高，阈值选取在80-85之间。短期（20 交易日） 配对相关性无借鉴价值，长期资产间的共同运动轨迹更能预测市场共性表现，阈值选择 上则不易过于极端，显著性概率在80-90的区间较高。短期绝对夏普比更有效，阈值选 取在 80-90 之间。绝对夏普比整体的测试结果在阈值选取上具有共同性，均在80-90的区间内较为显著，当阈值接近极值时，更容易出现羊群效应的持续。回看窗口期的选择 则偏向于短期的表现。长期乖离度矫正显著，阈值选择在90-95之间。短期乖离度矫正 的测试结果不能反映偏离历史均值的程度，长期的表现更能具备价值，阈值选取上不宜 激进，在 90-95 之间即可。
3.3.指标能否起到预警效果？
我们最后选定了四大类，共 7 个指标和相对应的阈值区间，当任何一个指标出发信号， 则预示未来 CTA 趋势策略的市场环境较差。在实证层面，我们在《基于信息论的中长 周期 CTA 趋势策略初探中》构建了反转和动量两种时序策略，趋势策略在赚资产价格 不回归的左侧交易，反转策略在赚资产价格回归的右侧交易。我们对两种不同的策略动态回测，以实现策略的择时。在上述表格中，总共有七个指标 和对应的信号阈值区间，我们选取所有指标和其 P 检验最显著的阈值做为择时条件，月 度调仓，若单一个量价指标超出所选阈值，则该指标的预警信号值为 1，反之为 0.。在 每一个调仓期，汇总所有预警信号值，若大于 2，则表示未来一个月对 CTA 动量策略的 环境拥挤。若小于 2，则不触发任何预警。
2013 年至 2022 年底的经择时后策略收益，我们考察三种不同的策略方法， 第一种是纯趋势跟踪策略（原始时序动量策略）、第二种是仓位控制后的趋势跟踪策略 （即触发预警信号后，策略在下一月不开仓）、第三种是动态配置的动量+反转（若汇 总预警信号超出阈值，即下月开仓反转策略）。从测试结果来看，同期夏普比从0.86提升至1.32，从拥挤度信号有效性来看，能一定程度上对市场环境做出判断，但是对于急转直下（2022/06/01-2022/07/01）的行情仍然欠缺，这也为我们们后续研究提供了方向。整体来看，提升的效果显著。
对于 FOF 投资来说，过去的 2022 年是量化 CTA 管理人的试金石，从风生水起到一蹶不 振，骨感的现实令人提出“危机 Alpha 是否还有 Alpha”的疑问。我们在本文中尝试创 新性地提出五大类量价指标对 CTA 市场环境和 CTA 策略监控和预测，通过有效性检验 得出显著的指标和参数，基于此构建策略择时方法论，更好地指引 FOF 投资。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
