绝对收益策略系列之二：构建CTA策略配置框架

CTA（Commodity Trading Advisor）策略与传统的股债资产相关性较低，其具有“危机alpha”的属性，在股债资产发生系统性风险的阶段也具有较好的收益表现，所以是分散化投资的重要资产类别。由于实践中CTA策略运行较为复杂，其风险收益特征并不清晰，导致对该类资产的配置难度较大。本文尝试将CTA策略拆解为相关性较低的简单因子，然后在因子层面构建择时信号和配置框架，最终可以构建CTA策略的配置观点。 将CTA策略拆分为动量、carry和流动性三大类因子，大类因子之间相关性较低，代表着相对独立的收益来源。趋势交易是实践中最常用的量化策略其基础是动量效应，carry因子主要刻画展期收益率和基差变化是独立于动量的另一类收益来源。三类因子对CTA策略指数的解释效果较好，回归模型发现趋势策略指数在动量因子上暴露较大，而carry因子对套利策略解释性较强。 在因子层面构建配置框架，当政策预期主导大宗商品价格波动并且与实际宏观需求反向变化时，资产价格的动量效应较弱，相应因子容易发生回撤，典型的如2022年的市场环境。此外在交易层面构建因子的拥挤交易信号也可以有效识别潜在风险。经过择时和配置后的因子组合年化收益率可达到近10%，calmar比率达到1.6。当前美联储加息节奏的不确定性对贵金属等品种定价造成扰动，而国内政策变量已经相对充分交易，商品定价核心逐渐转向供需，动量因子有效性或将提升，当前建议关注CTA策略的配置价值。 风险提示：模型结论基于历史数据，市场发生尾部风险，海内外经济政策超预期变化。 1.分散化投资的重要资产—CTA策略 CTA策略（Commodity TradingAdvisor策略）是一种重要的对冲策略，这类策略具有以下特征： （1）市场中性：CTA策略通常寻求在多种市场条件下保持市场中性，这意味着它们旨在从市场波动中获益，而不是依赖特定市场方向的走势。 （2）使用衍生品：这类策略经常使用期货、期权和其他衍生品来实现其目标。通过使用杠杆，CTA策略可以放大小额投资的影响力。 （3）趋势跟踪：许多CTA策略采用趋势跟踪技术，通过分析历史价格数据来识别和跟随市场趋势。 （4）算法交易：CTA策略通常依赖于复杂的算法和量化模型来做出交易决策，这有助于快速响应市场变化并管理风险。 （5）多样化市场：CTA策略通常跨多个市场操作，包括商品、股票、货币和债券市场，这有助于分散风险。 （6）风险管理：有效的风险管理是CTA策略的关键组成部分。这通常涉及限制单个头寸的大小、使用止损订单以及不断监测和调整投资组合的风险敞口。 （7）适应市场变化：CTA策略通常具有很强的适应性，能够根据市场条件的变化调整其策略。 （8）非相关性：CTA策略通常与传统的股票和债券市场表现不相关，因此它们是投资组合分散化的有效工具。 CTA策略在管理市场波动和提供投资组合分散化方面扮演着重要角色，但也存在高风险和复杂性，本篇报告旨在将复杂的CTA策略拆分为可理解的简单因子，通过建立因子的择时和轮动框架对CTA策略进行配置，并且构建模拟组合实现低回撤的绝对收益目标。 2.对CTA策略进行因子拆解 实际的CTA产品往往采取多策略运行，其中主要的子策略构建思路并不复杂，如果将某些子策略（或者因子）进行标准化构建，对其风险收益特征进行分析，对于CTA资产可以搭建完善的配置框架。 2.1.动量类因子 在中低频CTA策略中动量因子是应用最为广泛的因子，动量类因子基于市场价格趋势的延续性原理。即一个资产的价格如果在过去一段时间内上涨，那么在未来一段时间内继续上涨的可能性较大；反之亦然。 动量策略通常被视为趋势跟踪策略的一种，其核心是识别并跟随市场的趋势。投资者通过分析历史价格数据来确定未来的市场趋势，并据此做出交易决策。 动量效应的存在在一定程度上挑战了传统的市场效率假说。这种假说认为市场价格已经反映了所有可用信息，但动量效应表明，价格走势可以由历史趋势影响，而非仅仅由基本信息决定。 通过均线以及简单涨幅构造三类动量因子，分别是：时序动量，截面动量和EMA均线动量。 图1：CTA动量因子构建 上图中展示了基础动量因子和复合因子的多空净值走势，2016年以来各因子组合表现如下表所示： 表1：动量因子收益表现 2.2.Carry因子 展期收益是指在持有期货合约时，由于期货价格曲线结构的变化而产生的收益或损失。这种情况发生在期货合约接近到期时，投资者将现有合约转换（或展期）为远期合约。 由于国内期货多数品种长期处于贴水状态，所以展期操作会产生正收益。而此类收益提供了独立于动量效应的收益来源，在海内外各类文献中也有对carry因子的相关研究。 在构建carry因子时，我们尝试计算展期收益和基差变化率两个因子然后进行复合。 展期收益因子构建：由于部分商品价格具有较强的季节性，所以在计算展期收益时尽量选择年内月份相近的合约，综合考虑选择近月合约跟连十一合约进行计算，公式如下所示： 连十一合约价格−近月价格 365 合约到期间隔 展期收益率= × 近月价格 展期收益率刻画的是期货合约在截面上的陡峭程度，而基差变化率则是刻画的陡峭程度的边际变化。 图2：carry因子构建与净值走势 上图为展期收益率和基差变化率因子的多空净值表现，将二者等权复合构成carry因子，因子和复合因子的最终表现如下表所示： 表2：carry因子收益表现 2.3.流动性因子 在中高频CTA策略中量价类因子占据了核心位置，尽管不同管理人所采用的的因子构建方式不同，但是多数因子有效性是与市场流动性有关的，在成交活跃波动较大的品种上因子有效性更强，所以基于期货成交和持仓所构造的流动性因子与之有较强的相关性。 流动性因子构造：过去N日持仓量变化率oi_N，过去N日成交量变化率volume_N，单位成交额涨幅liq_N。 图3：持仓变化因子净值表现 图4：成交量因子净值走势 图5：流动性因子构建和净值走势 图6：持仓变化因子净值走势 将不同参数下的多空净值复合成单因子，然后将三类因子复合为流动性因子，其中单位成交额涨幅因子表现较差，所以在复合时将其剔除。 表3：流动性因子收益表现 3.因子有效性和相关性检验 3.1.因子相关性检验 前面部分因子相关系数矩阵如下所示，不同方法所构建的动量类因子同质性较强，而流动性因子和carry因子等大类因子之间相关性较弱，可以认为是相对独立的收益来源。 表4：各类因子相关系数矩阵 3.2.因子有效性检验 利用朝阳永续中的私募策略类指数走势代表CTA资产的价格表现，2022年至今CTA策略整体发生了回撤，并且主要是趋势跟随类策略阶段性失效所导致，而套利类策略表现仍然稳健但收益水平有所下降。 图7：CTA策略指数表现 借鉴股票三因子模型的思路，利用此前构建的三大类因子作为解释变量，上图中的CTA宽基指数作为被解释变量。 ( ) ∗𝑅−𝑅+𝛽)−𝑅+𝜀 ( ) ∗𝑅−𝑅+𝛽 𝑅=𝑅+𝛽 𝑖 𝑓 𝑚𝑜𝑚𝑒𝑛𝑡𝑢𝑚 𝑚 𝑓 𝑙𝑖𝑞 𝑙 𝑓 𝑐𝑎𝑟𝑟𝑦 (∗𝑅 𝑐𝑎𝑟𝑟𝑦 𝑓 其中𝑅代表无风险利率，𝑅为CTA策略回报率，其它三个解释变量分别代表此前三大类因子的超额回报率，不能被模型所解释的收益部分为𝜀，而其中又包含了策略alpha以及尚未发掘的风格因素。 𝑓 𝑖 通过回归检验发现，三类因子多数年份中对CTA策略指数具有显著解释力度，回归系数多数情况下为正值，如果以Rsquare衡量因子的解释效果，分年度统计三因子模型的解释效果以及残差项如下表所示。 表5：三因子解释模型效果展示 从表中可以看到三因子对于CTA策略表现的解释效果平均达到30%左右，而且趋势策略中动量因子的解释效果较强导致策略指数的解释力度更高。 实际的套利CTA策略可以分成跨期套利和跨品种两大类，套利策略中各品种的供需情况是重要的参考因素，即商品本身的景气度变量对收益的解释性更强，然而因子仅对于跨期收益的定量刻画较好，对其它分析维度指示效果较弱，所以对于套利策略的解释性因子仍然有待挖掘。 4.从景气度和交易双重维度探寻配置框架 此前部分实证三类因子对于CTA策略的解释力度较好，但是动量等因子并非持续稳定贡献收益，比如在2022年之后发生了大幅回撤，因此三类因子具备半alpha半风险的特征，对于风险因子（也可称为风格因子）如果可以建立因子的轮动或者择时框架，可以进一步提升策略整体的收益并且控制回撤。 商品期货是底层资产，策略资产是基于底层资产的衍生资产，其定价因素的分析依赖于对底层资产的拆解。 4.1.从底层资产到策略的驱动力分析 首先对商品价格的定价因素进行探讨，与股票类似大宗商品价格的涨跌也可以拆分为估值端贡献和盈利端贡献。美元流动性是大宗商品估值端重要影响因素，也是全球主要风险资产的定价之锚，金融属性越强的品种对美元流动性越敏感，典型的贵金属强于工业金属强于农产品。 而盈利端各期货品种分化较大，过去的20年中，中国房地产需求是拉动全球增长的重要因素，而随着2021年开始地产销售和新开工的回落，地产大周期处于转折的时点，需求端波动趋于平滑，制造业需求对于工业金属和能源的拉动边际提升。 在中长期定价因素之外，库存和产能也是主导短期涨跌的重要变量，并且近些年各商品供给端格局的差异使得商品价格开始分化。 图8：地产需求对大宗商品价格有重要影响 图9:2021年以来商品价格分化严重 进一步从政策→宏观经济的传导视角来观察商品价格变化，国内的宏观经济运行周期一般遵循政策宽松→宽信用→经济触底→政策收紧→信用见顶→经济见顶等过程。与股票资产相比大宗商品的金融属性较弱，宏观需求实际改善对商品价格构成最大的提振，所以在需求触底反弹改变供大于需的格局时，商品价格主升浪才会到来，而当经济见顶需求下滑一段时间，使得供需缺口消失时商品价格转为下跌。以沪深300跟螺纹钢价格的走势来看，股市涨跌拐点先于商品。 图10：部分商品价格走势滞后于股市 策略资产与原始资产不同，是旨在获得原始资产的某类特征收益的资产，在不同的定价环境下，CTA因子的表现也会有显著差异。以库存和盈利周期的角度把经济运行划分为四个阶段，统计在每种阶段内定价因子的表现： 图11：库存周期划分 统计CTA策略指数和三大类因子在各阶段的表现，如下表所示： 表6：各库存阶段下的CTA因子表现 在主动补库存阶段三大因子表现较差，被动补库存阶段次之。由于套利类策略的表现相对稳健，而趋势跟随策略表现波动大，所以动量因子的择时尤为重要。我们观察动量因子在发生大幅回撤时的市场背景，商品价格驱动力往往呈现复杂化和可预测性低的特征。 图12：动量因子频繁回撤 明显的回撤主要发生在三段时间：2016年初，2021年4月份左右以及2022年至今。 2015年开始政策逆周期调节，棚改货币化的推出使得2016年初信用规模提升，但此时工企利润增速环比下行，PMI仍然处于50以下，宽信用向经济反弹的传导过程之中。商品价格在2015年底触底反弹，前期是宽信用对估值的抬升，然而5月份价格再次回落，此时主导价格波动的仍然是政策预期，价格反转特征明显，因此动量因子出现了回撤。 2021年2-4月份宏观预期大幅波动，社融在3月份出现显著回落，然而PMI和地产数据仍然坚挺，此时对宏观变化的预期短期内成为主导因素，资产价格趋势被打乱，动量因子发生回撤。 2022年初开始俄乌冲突和疫情发展超出市场预期，突发事件对经济预期和实际需求都产生了冲击，多数大宗商品在黑天鹅事件影响下大幅下跌，此后市场对于逆周期调节政策的预期强化，价格再次出现上涨，然而在5月份之后经济企稳回升，反弹力度略低于市场预期导致大宗品价格回落。在这个阶段大宗品的定价核心仍然是政策变量，并且与实际经济需求反向，并且本轮逆周期调节与此前不同，地产大周期的拐点拖累了整体经