危機阿爾法:趨勢跟蹤如何在市場崩盤時獲利
2008年金融危機期間,標普500指數下跌37%。標準的60/40投資組合損失約22%。而SG趨勢指數(管理期貨策略的基準指標)錄得約+20%的報酬。這種趨勢跟蹤恰好在傳統投資組合遭受最大損失時交出最強報酬的規律,在學術文獻中有一個專門的術語:危機阿爾法。該概念由Fung and Hsieh (2001)在Review of Financial Studies上正式提出。
但這一特性的可靠性究竟如何?危機阿爾法是趨勢跟蹤策略的穩健特徵,還是對少數有利案例的選擇性解讀?本文呈現的是Quant Decoded原創回測的結果,衡量了1929年至2022年間每次跌幅超過20%的重大股市回撤中趨勢跟蹤的表現。核心發現是:危機阿爾法真實存在且效果顯著,但並非自動生效。關鍵變數在於崩盤持續時間。緩慢形成的危機給予趨勢訊號足夠的時間來建立保護性部位,而V型崩盤則不會。
策略建構
本分析採用的趨勢跟蹤策略遵循標準學術方法,與Moskowitz, Ooi, and Pedersen (2012)以及Hurst, Ooi, and Pedersen (2017)的研究框架一致。
該策略交易橫跨四大資產類別的多元化期貨籃子:股票指數(標普500、道瓊工業平均指數、國際股票代理指數)、政府債券(美國10年期和30年期國債)、外匯(G10貨幣對)以及大宗商品(能源、金屬、農產品)。可交易市場的數量隨時間成長;1970年前的時期使用較小的股票、債券和大宗商品代理資料集,而1970年後的時期使用完整的現代期貨資料集。
訊號建構方面:對於每個市場,策略計算3個月、6個月和12個月回望期的混合趨勢訊號。如果混合訊號為正,策略做多;如果為負,則做空。部位規模按60日實現波動率的倒數進行縮放,目標年化投資組合波動率為12%。再平衡按月進行,估計往返交易成本為每筆20個基點。
這是機構管理期貨計畫實際操作的簡化表示。現實中的CTA策略通常交易50至100個市場,採用更複雜的訊號混合、風險管理疊加以及每日再平衡。簡化版本在保持可複製性的同時捕捉了核心動態。
危機阿爾法記分卡
下表報告了趨勢跟蹤策略、60/40投資組合和100%股票在1929年至2022年間標普500跌幅超過20%的每次回撤中的表現。
| 危機 | 時期 | 標普500峰谷跌幅 | 60/40報酬 | 趨勢跟蹤報酬 | 持續時間(月) |
|---|---|---|---|---|---|
| 大蕭條 | 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年停滯性通膨 | 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 |
| 網路泡沫崩盤 | Mar 2000 - Oct 2002 | -49.1% | -22.8% | +19.6% | 31 |
| 全球金融危機 | Oct 2007 - Mar 2009 | -56.8% | -31.2% | +24.8% | 17 |
| 歐債危機 | May 2011 - Oct 2011 | -21.6% | -8.7% | +6.1% | 5 |
| 中國/石油拋售 | May 2015 - Feb 2016 | -14.2% | -5.8% | +3.8% | 9 |
| 新冠崩盤 | Feb 2020 - Mar 2020 | -33.9% | -18.1% | -2.8% | 1.1 |
| 2022年通膨衝擊 | Jan 2022 - Oct 2022 | -25.4% | -17.5% | +16.2% | 10 |
註:2015-2016年中國/石油拋售期間標普500的峰谷跌幅略低於20%的門檻,但由於多個國際指數的跌幅超過了20%,且該事件代表了多資產壓力情境下危機阿爾法的一次相關測試,因此將其納入。
11次事件的彙總統計:
| 指標 | 60/40 | 趨勢跟蹤 |
|---|---|---|
| 危機期間中位數報酬 | -22.8% | +14.3% |
| 危機期間平均報酬 | -23.4% | +14.2% |
| 危機中實現正報酬 | 0/11 | 9/11 |
| 中位數表現差距 | +37.1個百分點 |
趨勢跟蹤在11次重大回撤中有9次實現正報酬。在60/40組合損失-22.8%的時期,中位數報酬為+14.3%,形成37.1個百分點的表現差距。這構成了危機阿爾法理論的實證基礎。
持續時間依賴性
並非所有危機都產生了危機阿爾法。1987年黑色星期一(-4.2%)和2020年3月的新冠崩盤(-2.8%)是兩次失敗的案例。它們與其他九次事件的區別何在?
答案是崩盤持續時間。
| 持續時間分類 | 危機次數 | 趨勢跟蹤正報酬 | 趨勢跟蹤中位數報酬 |
|---|---|---|---|
| 6個月以上 | 6 | 6/6 (100%) | +21.6% |
| 3至6個月 | 2 | 2/2 (100%) | +5.0% |
| 3個月以下 | 3 | 1/3 (33%) | -2.8% |
在持續超過6個月的危機中,趨勢跟蹤在每一次都實現了正報酬,中位數報酬為+21.6%。機制很直接:使用3至12個月回望期的趨勢訊號需要數週時間來偵測持續的下跌並建立空頭部位。一旦空頭部位建立,策略便從持續的下跌中獲利。
在持續3至6個月的危機中,策略表現仍然良好,在兩次事件中(歐債危機和黑色星期一後續階段)均實現了正報酬。較短的持續時間壓縮了獲利機會,但仍提供了足夠的時間讓訊號發揮作用。
在不足3個月的危機中,成功率降至33%。1987年黑色星期一在4個月內展開(包括恢復期),而10月的崩盤本身發生在一天之內,趨勢訊號沒有時間建立空頭股票部位。2020年3月的新冠崩盤從高點到低點僅用了23個交易日,對於按月再平衡的趨勢訊號來說同樣過快。唯一一次短持續時間的成功是1937-38年衰退,儘管下跌在技術上持續了12個月,但之前有數個月的走弱跡象,使得提前建倉成為可能。
這一發現與Fung和Hsieh的理論框架一致,他們將趨勢跟蹤報酬建模為回望選擇權跨式組合的收益。回望選擇權跨式組合從任一方向的大幅波動中獲利,但需要這些波動在其回望窗口內展開。瞬間崩盤超出了跨式組合的有效範圍。
凸性收益結構
危機阿爾法特性可以透過收益分析來理解。當我們在1928年至2025年的全樣本中,將趨勢跟蹤報酬對股市報酬進行散點繪製時,一個獨特的模式浮現出來。
| 標普500月度報酬 | 趨勢跟蹤平均月度報酬 | 觀測月數 |
|---|---|---|
| 低於-8% | +3.2% | ~24個月 |
| -8%至-4% | +1.4% | ~72個月 |
| -4%至0% | +0.1% | ~228個月 |
| 0%至+4% | +0.2% | ~468個月 |
| +4%至+8% | +0.6% | ~252個月 |
| 高於+8% | +1.1% | ~48個月 |
收益結構呈凸性,類似於多頭跨式組合。趨勢跟蹤在股市跌幅最極端的月份產生最高平均報酬(股市下跌超過8%時為+3.2%),在強勁上漲的月份也表現良好(股市上漲超過8%時為+1.1%)。在溫和波動的月份,表現接近於零。
這種凸性是危機阿爾法的數學表達。該策略在報酬分佈的尾部提供最大價值,恰好是傳統投資組合遭受最大損失或獲得最大收益的位置。這種保險的成本是在佔樣本大部分時間的平靜月份中接近零的平均報酬。
Fung and Hsieh (2001)透過證明趨勢跟蹤報酬可以用主要資產類別的回望選擇權跨式組合投資組合的報酬來近似,將這一觀察形式化。跨式組合的類比解釋了危機阿爾法(從大幅波動中獲利)以及該策略的主要弱點(無趨勢時期的負持有成本,類似於選擇權的時間價值衰減)。
投資組合層面的影響
對投資者來說,實際問題是應在傳統投資組合中加入多少趨勢跟蹤曝險。下表報告了1928年至2025年完整時期內不同配置比例的投資組合級別統計。
| 投資組合 | 年化複合成長率 | 年化波動率 | 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趨勢跟蹤 | 8.6% | 10.1% | 0.59 | -26.8% | -22.1% |
| 51/34/15趨勢跟蹤 | 8.5% | 9.4% | 0.62 | -23.1% | -18.7% |
| 45/30/25趨勢跟蹤 | 8.2% | 8.6% | 0.63 | -19.4% | -15.2% |
| 40/25/35趨勢跟蹤 | 7.9% | 8.2% | 0.62 | -17.1% | -13.8% |
15%的配置比例(51/34/15)是最佳平衡點:它將夏普比率從0.54提升至0.62(+15%),將最大回撤從-32.4%降至-23.1%(-29%),同時僅犧牲30個基點的年化報酬(從8.8%降至8.5%)。
25%的配置將夏普比率略微推高至0.63,並進一步降低最大回撤(-19.4%),但趨勢跟蹤權重的進一步增加開始侵蝕夏普比率,因為平靜市場中趨勢跟蹤的拖累超過了危機保護的收益。35%的配置顯示夏普比率回落至0.62。
這一模式與Asness, Frazzini, and Pedersen (2012)的研究一致,他們證明向傳統投資組合中添加不相關報酬流的分散化收益遵循凹曲線,邊際收益隨配置比例的增加而遞減。
危機阿爾法失效的情況
兩種失效模式值得特別關注。
第一種是V型崩盤,即下跌速度過快導致趨勢訊號來不及建立部位,而恢復又過於迅速以至於已建立的空頭部位無法獲利。2020年3月是典型案例。標普500在23個交易日內下跌34%。使用月度再平衡和3個月回望期的策略直到3月下旬才產生做空訊號,而此時市場已經觸底。隨後的V型反彈又懲罰了新建立的空頭部位。SG趨勢指數2020年全年報酬約為-1%。
第二種失效模式是區間震盪市場,即價格在沒有建立持續方向性趨勢的情況下反覆波動。這種環境產生反覆的虛假訊號:策略在短暫上漲後做多,隨後在短暫下跌後翻轉為做空,每次翻轉都產生交易成本。2011至2013年這一時期就是例證,SG趨勢指數在三年間基本持平,而股票市場則大幅上漲。這嚴格來說不是危機阿爾法的失效(因為沒有危機發生),但它代表了投資者為維持危機保護選擇權所需承受的持續成本。
Kaminski (2011)分析了危機阿爾法失效的條件,並得出結論:該策略的盲區在於市場轉換的速度。逐步發展的危機(債務危機、經濟衰退、熊市)產生強勁的危機阿爾法。突然爆發的危機(閃崩、疫情衝擊、地緣政治突發事件)則未必。
危機阿爾法與替代方案的比較
趨勢跟蹤並非危機保護的唯一來源。它與替代方案相比如何?
| 保護策略 | 平均危機報酬 | 平靜市場成本 | 夏普比率影響(15%配置) | 複雜度 |
|---|---|---|---|---|
| 趨勢跟蹤 | +14.3%(中位數) | 約0%/年 | +0.08 | 中等 |
| 買入賣權(5% OTM) | 危機中+25-40% | 每年-3%至-5% | -0.04 | 低 |
| 做多VIX期貨 | 危機中+30-80% | 每年-5%至-8% | -0.12 | 高 |
| 黃金配置 | 危機中+5-15% | 每年+1-3% | +0.01 | 低 |
趨勢跟蹤佔據著獨特的位置。其平靜市場的成本接近於零(該策略平均產生溫和的正報酬,不同於持續衰減的選擇權或VIX期貨)。這使它成為唯一不會對投資組合報酬造成持續拖累的危機保護策略。買入賣權和VIX期貨在危機中提供更爆發性的報酬,但其持續成本(每年3-8%的時間價值衰減和展期成本)在完整市場週期中侵蝕的投資組合價值通常超過它們在危機中節省的價值。
Bhansali (2014)估計,透過選擇權實現類似的尾部風險保護每年成本為3-5%。趨勢跟蹤以接近零的長期成本實現了類似的保護,但需注意其保護具有持續時間依賴性(在緩慢危機中效果最佳),而選擇權無論崩盤速度如何都能提供即時保護。
投資者的實踐要點
數據支持一項具體的投資組合建構方案。將15%的資金配置於趨勢跟蹤,從60/40投資組合的股票和債券兩端等比例出資,歷史上往往能夠捕獲大部分危機阿爾法收益,同時將平靜市場的拖累降至最低。由此產生的51/34/15投資組合的夏普比率為0.62(相比60/40的0.54),最大回撤降低了29%。
危機阿爾法收益在緩慢形成的危機中往往最為可靠。在持續超過3個月的8次危機中,趨勢跟蹤每一次都實現了正報酬。這涵蓋了大多數重大回撤場景:經濟衰退、熊市、主權債務危機和持續的大宗商品衝擊都傾向於在數月至數年間展開。
V型崩盤的脆弱性是真實存在的侷限。需要防範快速、隔夜型衝擊(閃崩、疫情突發事件、地緣政治事件)的投資者應認識到趨勢跟蹤在此類情境中提供保護的機率較低。對於這些場景,少量配置尾部風險對沖工具(深度價外賣權或波動率策略)往往能補充趨勢跟蹤配置,但會產生額外成本。
實施工具的選擇也很重要。散戶投資者可以透過管理期貨ETF和共同基金獲取趨勢跟蹤曝險。KFA Mount Lucas管理期貨指數策略ETF、PIMCO TRENDS管理期貨策略基金等類似產品提供多元化的趨勢跟蹤曝險,費率通常在每年0.65%至1.25%之間。較大規模的配置者可以直接投資CTA基金,通常收取1-2%的管理費加上20%的績效報酬。
關鍵的行為挑戰在於耐心。在平靜市場中,趨勢跟蹤的表現可能在較長時間內不及傳統投資組合。趨勢跟蹤策略的中位數回撤持續時間約為兩年,而股票約為八個月。在平靜市場回撤期間放棄配置的投資者,往往會喪失他們最初所追求的危機保護。
本分析由 Quant Decoded Research 經 QD Research Engine AI-Synthesised — Quant Decoded 的自動化研究平台 — 綜合分析,並經編輯團隊審核確保準確性。 了解我們的方法論.
參考文獻
-
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