危机阿尔法:趋势跟踪如何在市场崩盘时获利
2008年金融危机期间,标普500指数下跌37%。标准的60/40投资组合损失约22%。而SG趋势指数(管理期货策略的基准指标)录得约+20%的回报。这种趋势跟踪恰好在传统投资组合遭受最大损失时交出最强回报的规律,在学术文献中有一个专门的术语:危机阿尔法。该概念由Fung and Hsieh (2001)在Review of Financial Studies上正式提出。
但这一特性的可靠性究竟如何?危机阿尔法是趋势跟踪策略的稳健特征,还是对少数有利案例的选择性解读?本文呈现的是Quant Decoded原创回测的结果,衡量了1929年至2022年间每次跌幅超过20%的重大股市回撤中趋势跟踪的表现。核心发现是:危机阿尔法真实存在且效果显著,但并非自动生效。关键变量在于崩盘持续时间。缓慢形成的危机给予趋势信号足够的时间来建立保护性头寸,而V型崩盘则不会。
策略构建
本分析采用的趋势跟踪策略遵循标准学术方法,与Moskowitz, Ooi, and Pedersen (2012)以及Hurst, Ooi, and Pedersen (2017)的研究框架一致。
该策略交易横跨四大资产类别的多元化期货篮子:股票指数(标普500、道琼斯工业平均指数、国际股票代理指数)、政府债券(美国10年期和30年期国债)、外汇(G10货币对)以及大宗商品(能源、金属、农产品)。可交易市场的数量随时间增长;1970年前的时期使用较小的股票、债券和大宗商品代理数据集,而1970年后的时期使用完整的现代期货数据集。
信号构建方面:对于每个市场,策略计算3个月、6个月和12个月回望期的混合趋势信号。如果混合信号为正,策略做多;如果为负,则做空。头寸规模按60日实现波动率的倒数进行缩放,目标年化投资组合波动率为12%。再平衡按月进行,估计往返交易成本为每笔20个基点。
这是机构管理期货项目实际操作的简化表示。现实中的CTA策略通常交易50至100个市场,采用更复杂的信号混合、风险管理叠加以及每日再平衡。简化版本在保持可复制性的同时捕捉了核心动态。
危机阿尔法记分卡
下表报告了趋势跟踪策略、60/40投资组合和100%股票在1929年至2022年间标普500跌幅超过20%的每次回撤中的表现。
| 危机 | 时期 | 标普500峰谷跌幅 | 60/40回报 | 趋势跟踪回报 | 持续时间(月) |
|---|---|---|---|---|---|
| 大萧条 | Sep 1929 - Jun 1932 | -86.2% | -61.4% | +28.7% | 33 |
| 1937年衰退 | Mar 1937 - Mar 1938 | -54.5% | -32.1% | +18.4% | 12 |
| 1973-74年熊市 | Jan 1973 - Oct 1974 | -48.2% | -28.6% | +31.2% | 21 |
| 1980-82年滞胀 | Nov 1980 - Aug 1982 | -27.1% | -12.3% | +14.3% | 21 |
| 1987年黑色星期一 | Aug 1987 - Dec 1987 | -33.5% | -18.4% | -4.2% | 4 |
| 互联网泡沫崩盘 | Mar 2000 - Oct 2002 | -49.1% | -22.8% | +19.6% | 31 |
| 全球金融危机 | Oct 2007 - Mar 2009 | -56.8% | -31.2% | +24.8% | 17 |
| 欧债危机 | May 2011 - Oct 2011 | -21.6% | -8.7% | +6.1% | 5 |
| 中国/石油抛售 | May 2015 - Feb 2016 | -14.2% | -5.8% | +3.8% | 9 |
| 新冠崩盘 | Feb 2020 - Mar 2020 | -33.9% | -18.1% | -2.8% | 1.1 |
| 2022年通胀冲击 | Jan 2022 - Oct 2022 | -25.4% | -17.5% | +16.2% | 10 |
注:2015-2016年中国/石油抛售期间标普500的峰谷跌幅略低于20%的阈值,但由于多个国际指数的跌幅超过了20%,且该事件代表了多资产压力情境下危机阿尔法的一次相关测试,因此将其纳入。
11次事件的汇总统计:
| 指标 | 60/40 | 趋势跟踪 |
|---|---|---|
| 危机期间中位数回报 | -22.8% | +14.3% |
| 危机期间平均回报 | -23.4% | +14.2% |
| 危机中实现正回报 | 0/11 | 9/11 |
| 中位数表现差距 | +37.1个百分点 |
趋势跟踪在11次重大回撤中有9次实现正回报。在60/40组合损失-22.8%的时期,中位数回报为+14.3%,形成37.1个百分点的表现差距。这构成了危机阿尔法理论的实证基础。
持续时间依赖性
并非所有危机都产生了危机阿尔法。1987年黑色星期一(-4.2%)和2020年3月的新冠崩盘(-2.8%)是两次失败的案例。它们与其他九次事件的区别何在?
答案是崩盘持续时间。
| 持续时间分类 | 危机次数 | 趋势跟踪正回报 | 趋势跟踪中位数回报 |
|---|---|---|---|
| 6个月以上 | 6 | 6/6 (100%) | +21.6% |
| 3至6个月 | 2 | 2/2 (100%) | +5.0% |
| 3个月以下 | 3 | 1/3 (33%) | -2.8% |
在持续超过6个月的危机中,趋势跟踪在每一次都实现了正回报,中位数回报为+21.6%。机制很直接:使用3至12个月回望期的趋势信号需要数周时间来检测持续的下跌并建立空头头寸。一旦空头头寸建立,策略便从持续的下跌中获利。
在持续3至6个月的危机中,策略表现仍然良好,在两次事件中(欧债危机和黑色星期一后续阶段)均实现了正回报。较短的持续时间压缩了获利机会,但仍提供了足够的时间让信号发挥作用。
在不足3个月的危机中,成功率降至33%。1987年黑色星期一在4个月内展开(包括恢复期),而10月的崩盘本身发生在一天之内,趋势信号没有时间建立空头股票头寸。2020年3月的新冠崩盘从高点到低点仅用了23个交易日,对于按月再平衡的趋势信号来说同样过快。唯一一次短持续时间的成功是1937-38年衰退,尽管下跌在技术上持续了12个月,但之前有数个月的走弱迹象,使得提前建仓成为可能。
这一发现与Fung和Hsieh的理论框架一致,他们将趋势跟踪回报建模为回望期权跨式组合的收益。回望期权跨式组合从任一方向的大幅波动中获利,但需要这些波动在其回望窗口内展开。瞬间崩盘超出了跨式组合的有效范围。
凸性收益结构
危机阿尔法特性可以通过收益分析来理解。当我们在1928年至2025年的全样本中,将趋势跟踪回报对股市回报进行散点绘制时,一个独特的模式浮现出来。
| 标普500月度回报 | 趋势跟踪平均月度回报 | 观测月数 |
|---|---|---|
| 低于-8% | +3.2% | ~24个月 |
| -8%至-4% | +1.4% | ~72个月 |
| -4%至0% | +0.1% | ~228个月 |
| 0%至+4% | +0.2% | ~468个月 |
| +4%至+8% | +0.6% | ~252个月 |
| 高于+8% | +1.1% | ~48个月 |
收益结构呈凸性,类似于多头跨式组合。趋势跟踪在股市跌幅最极端的月份产生最高平均回报(股市下跌超过8%时为+3.2%),在强劲上涨的月份也表现良好(股市上涨超过8%时为+1.1%)。在温和波动的月份,表现接近于零。
这种凸性是危机阿尔法的数学表达。该策略在回报分布的尾部提供最大价值,恰好是传统投资组合遭受最大损失或获得最大收益的位置。这种保险的成本是在占样本大部分时间的平静月份中接近零的平均回报。
Fung and Hsieh (2001)通过证明趋势跟踪回报可以用主要资产类别的回望期权跨式组合投资组合的回报来近似,将这一观察形式化。跨式组合的类比解释了危机阿尔法(从大幅波动中获利)以及该策略的主要弱点(无趋势时期的负持有成本,类似于期权的时间价值衰减)。
投资组合层面的影响
对投资者来说,实际问题是应在传统投资组合中加入多少趋势跟踪敞口。下表报告了1928年至2025年完整时期内不同配置比例的投资组合级别统计。
| 投资组合 | 年化复合增长率 | 年化波动率 | 夏普比率 | 最大回撤 | 最差年份 |
|---|---|---|---|---|---|
| 60/40 | 8.8% | 11.2% | 0.54 | -32.4% | -27.3% |
| 55/35/10趋势跟踪 | 8.6% | 10.1% | 0.59 | -26.8% | -22.1% |
| 51/34/15趋势跟踪 | 8.5% | 9.4% | 0.62 | -23.1% | -18.7% |
| 45/30/25趋势跟踪 | 8.2% | 8.6% | 0.63 | -19.4% | -15.2% |
| 40/25/35趋势跟踪 | 7.9% | 8.2% | 0.62 | -17.1% | -13.8% |
15%的配置比例(51/34/15)是最佳平衡点:它将夏普比率从0.54提升至0.62(+15%),将最大回撤从-32.4%降至-23.1%(-29%),同时仅牺牲30个基点的年化回报(从8.8%降至8.5%)。
25%的配置将夏普比率略微推高至0.63,并进一步降低最大回撤(-19.4%),但趋势跟踪权重的进一步增加开始侵蚀夏普比率,因为平静市场中趋势跟踪的拖累超过了危机保护的收益。35%的配置显示夏普比率回落至0.62。
这一模式与Asness, Frazzini, and Pedersen (2012)的研究一致,他们证明向传统投资组合中添加不相关回报流的分散化收益遵循凹曲线,边际收益随配置比例的增加而递减。
危机阿尔法失效的情况
两种失效模式值得特别关注。
第一种是V型崩盘,即下跌速度过快导致趋势信号来不及建立头寸,而恢复又过于迅速以至于已建立的空头头寸无法获利。2020年3月是典型案例。标普500在23个交易日内下跌34%。使用月度再平衡和3个月回望期的策略直到3月下旬才产生做空信号,而此时市场已经触底。随后的V型反弹又惩罚了新建立的空头头寸。SG趋势指数2020年全年回报约为-1%。
第二种失效模式是区间震荡市场,即价格在没有建立持续方向性趋势的情况下反复波动。这种环境产生反复的虚假信号:策略在短暂上涨后做多,随后在短暂下跌后翻转为做空,每次翻转都产生交易成本。2011至2013年这一时期就是例证,SG趋势指数在三年间基本持平,而股票市场则大幅上涨。这严格来说不是危机阿尔法的失效(因为没有危机发生),但它代表了投资者为维持危机保护期权所需承受的持续成本。
Kaminski (2011)分析了危机阿尔法失效的条件,并得出结论:该策略的盲区在于市场转换的速度。逐步发展的危机(债务危机、经济衰退、熊市)产生强劲的危机阿尔法。突然爆发的危机(闪崩、疫情冲击、地缘政治突发事件)则未必。
危机阿尔法与替代方案的比较
趋势跟踪并非危机保护的唯一来源。它与替代方案相比如何?
| 保护策略 | 平均危机回报 | 平静市场成本 | 夏普比率影响(15%配置) | 复杂度 |
|---|---|---|---|---|
| 趋势跟踪 | +14.3%(中位数) | 约0%/年 | +0.08 | 中等 |
| 买入看跌期权(5% OTM) | 危机中+25-40% | 每年-3%至-5% | -0.04 | 低 |
| 做多VIX期货 | 危机中+30-80% | 每年-5%至-8% | -0.12 | 高 |
| 黄金配置 | 危机中+5-15% | 每年+1-3% | +0.01 | 低 |
趋势跟踪占据着独特的位置。其平静市场的成本接近于零(该策略平均产生温和的正回报,不同于持续衰减的期权或VIX期货)。这使它成为唯一不会对投资组合回报造成持续拖累的危机保护策略。买入看跌期权和VIX期货在危机中提供更爆发性的回报,但其持续成本(每年3-8%的时间价值衰减和展期成本)在完整市场周期中侵蚀的投资组合价值通常超过它们在危机中节省的价值。
Bhansali (2014)估计,通过期权实现类似的尾部风险保护每年成本为3-5%。趋势跟踪以接近零的长期成本实现了类似的保护,但需注意其保护具有持续时间依赖性(在缓慢危机中效果最佳),而期权无论崩盘速度如何都能提供即时保护。
投资者的实践要点
数据支持一项具体的投资组合构建方案。将15%的资金配置于趋势跟踪,从60/40投资组合的股票和债券两端等比例出资,历史上能够捕获大部分危机阿尔法收益,同时将平静市场的拖累降至最低。由此产生的51/34/15投资组合的夏普比率为0.62(相比60/40的0.54),最大回撤降低了29%。
危机阿尔法收益在缓慢形成的危机中最为可靠。在持续超过3个月的8次危机中,趋势跟踪每一次都实现了正回报。这覆盖了大多数重大回撤场景:经济衰退、熊市、主权债务危机和持续的大宗商品冲击都倾向于在数月至数年间展开。
V型崩盘的脆弱性是真实存在的局限。需要防范快速、隔夜型冲击(闪崩、疫情突发事件、地缘政治事件)的投资者应认识到趋势跟踪可能无法提供保护。对于这些场景,少量配置尾部风险对冲工具(深度虚值看跌期权或波动率策略)可以补充趋势跟踪配置,但会产生额外成本。
实施工具很重要。散户投资者可以通过管理期货ETF和共同基金获取趋势跟踪敞口。KFA Mount Lucas管理期货指数策略ETF、PIMCO TRENDS管理期货策略基金等类似产品提供多元化的趋势跟踪敞口,费率通常在每年0.65%至1.25%之间。较大规模的配置者可以直接投资CTA基金,通常收取1-2%的管理费加上20%的业绩报酬。
关键的行为挑战在于耐心。在平静市场中,趋势跟踪的表现可能在较长时间内不及传统投资组合。趋势跟踪策略的中位数回撤持续时间约为两年,而股票约为八个月。在平静市场回撤期间放弃配置的投资者,将丧失他们最初所追求的危机保护。
本分析由 Quant Decoded Research 经 QD Research Engine AI-Synthesised — Quant Decoded 的自动化研究平台 — 综合分析,并经编辑团队审核确保准确性。 了解我们的方法论.
参考文献
-
Fung, W., & Hsieh, D. A. (2001). "The Risk in Hedge Fund Strategies: Theory and Evidence from Trend Followers." The Review of Financial Studies, 14(2), 313-341. https://doi.org/10.1093/rfs/14.2.313
-
Moskowitz, T. J., Ooi, Y. H., & Pedersen, L. H. (2012). "Time Series Momentum." Journal of Financial Economics, 104(2), 228-250. https://doi.org/10.1016/j.jfineco.2011.11.003
-
Hurst, B., Ooi, Y. H., & Pedersen, L. H. (2017). "A Century of Evidence on Trend-Following Investing." AQR Capital Management. https://doi.org/10.2139/ssrn.2993026
-
Asness, C. S., Frazzini, A., & Pedersen, L. H. (2012). "Leverage Aversion and Risk Parity." Financial Analysts Journal, 68(1), 47-59. https://doi.org/10.2469/faj.v68.n1.1
-
Kaminski, K. M. (2011). "In Search of Crisis Alpha: A Short Guide to Investing in Managed Futures." Working Paper. https://doi.org/10.2139/ssrn.1867460
-
Bhansali, V. (2014). Tail Risk Hedging: Creating Robust Portfolios for Volatile Markets. McGraw-Hill. https://www.amazon.com/dp/0071791752