200年的證據
幾乎沒有投資策略能聲稱擁有跨越兩個世紀的業績記錄。AQR資本管理的Hurst、Ooi和Pedersen(2017)構建了追溯至1880年的數據集,證明分散化趨勢跟蹤策略在137年的數據中每個十年都產生了正報酬。Capital Fund Management的Lemperiere等人 (2014)進一步拓展了證據,確認了跨越多個大陸和資產類別的兩個世紀金融數據中的獲利能力。趨勢跟蹤報酬在包括世界大戰、大蕭條、布雷頓森林體系、停滯性通貨膨脹、網路泡沫和全球金融危機在內的時期中持續存在,這表明它不僅僅是統計幻象——它指向市場處理資訊方式和制度約束塑造價格動態方式的深層結構特徵。
核心要點
趨勢跟蹤是一種在價格上漲的資產上建立多頭部位、在價格下跌的資產上建立空頭部位的投資策略。學術基礎由Moskowitz、Ooi和Pedersen在2012年Journal of Financial Economics發表的里程碑論文中確立,該論文記錄了時間序列動量在跨越股票、債券、貨幣和大宗商品的58個流動性期貨市場中是獲利的。這一現象非常穩健:AQR資本管理的Hurst、Ooi和Pedersen將證據延伸到1880年,發現趨勢跟蹤策略在超過一個世紀的數據中產生了正報酬。對投資組合建構最重要的是,趨勢跟蹤在歷史上主要市場危機期間表現良好,Fung和Hsieh在2001年Review of Financial Studies論文中將此特性稱為「危機阿爾法」。
什麼是趨勢跟蹤?
趨勢跟蹤基於一個簡單的觀察:資產價格傾向於繼續沿其運動方向移動。上漲的資產傾向於繼續上漲,下跌的資產傾向於繼續下跌,至少在數月到約一年的時間範圍內如此。趨勢跟蹤策略透過做多近期報酬為正的資產、做空近期報酬為負的資產來利用這一模式。
這一概念在金融市場中有悠久的歷史。趨勢跟蹤行為可以追溯到18世紀日本的稻米市場和19世紀的商品投機者。在現代,以商品交易顧問(CTA)為主導的管理期貨行業自1970年代以來一直是系統性趨勢跟蹤的主要載體。約翰·W·亨利(John W. Henry)、比爾·鄧恩(Bill Dunn)和Man AHL的創辦人等先驅者建立了發展成數十億美元企業的系統性趨勢跟蹤程式。
在最基本的實施中,趨勢跟蹤策略檢查每個資產在回顧期內的報酬,通常從一個月到十二個月不等。如果報酬為正,策略建立多頭部位;如果為負,建立空頭部位。部位通常按資產波動率的反比進行調整,以確保每個部位對投資組合貢獻大致相等的風險。
趨勢跟蹤在幾個重要方面與傳統的純多頭投資不同。第一,它可以建立空頭部位,使其能夠從下跌的市場中獲利。第二,它同時應用於許多市場,包括傳統投資者很少直接接觸的資產類別。第三,它是純粹系統化的,依賴於量化訊號而非基本面分析或主觀判斷。
管理期貨行業根據最近的估計管理約3500億美元,使其成為對沖基金行業最大的細分市場之一。
時間序列與橫截面動量
動量文獻中的一個關鍵區別是時間序列動量和橫截面動量之間的區別。理解這一區別對於理解趨勢跟蹤做什麼和不做什麼至關重要。
橫截面動量由Jegadeesh和Titman在1993年Journal of Finance的開創性論文中廣泛記錄,涉及在單一資產類別內按近期報酬對資產排名,做多贏家同時做空輸家。關鍵特徵是策略是相對的。橫截面動量策略通常在其資產類別內是市場中性的。
時間序列動量——趨勢跟蹤的焦點——是絕對的而非相對的。它單獨檢查每個資產,並根據該資產自身的過去報酬建立部位。如果資產在回顧期內上漲,策略做多;如果下跌,無論同一類別中其他資產表現如何,策略做空。這意味著在廣泛的市場下跌中,時間序列動量策略可以對整個資產類別持淨空頭,這是橫截面動量策略不可能實現的特性。
Moskowitz、Ooi和Pedersen在2012年論文中證明,時間序列動量解釋了管理期貨基金所獲報酬的很大一部分。他們展示了一個簡單的時間序列動量策略,以12個月回顧期應用於58個流動性期貨市場,在交易成本前產生了約1.0的年化夏普比率。
| 特徵 | 橫截面動量 | 時間序列動量 |
|---|---|---|
| 訊號基礎 | 同類中的相對排名 | 自身過去的絕對報酬 |
| 淨曝險 | 市場中性(零淨曝險) | 可以淨多或淨空 |
| 主要參考文獻 | Jegadeesh and Titman (1993) | Moskowitz, Ooi, Pedersen (2012) |
| 在廣泛下跌中 | 仍持有多頭和空頭 | 可以對整個資產類別淨做空 |
一個世紀的證據
趨勢跟蹤最引人注目的方面之一是歷史證據的廣度和深度。Hurst、Ooi和Pedersen在2017年AQR資本管理論文中,建構了一個從1880年到2016年的數據集,並在四個資產類別的67個市場中測試了趨勢跟蹤策略:29種大宗商品、11個股票指數、15個債券市場和12個貨幣對。
結果令人矚目。分散化的趨勢跟蹤策略在從1880年代到2010年代的每個十年中都產生了正報酬。年化報酬率在估計交易成本後約為11%,夏普比率約為0.7。重要的是,策略在樣本的前半段和後半段都表現良好,表明其獲利能力不是特定經濟體制的產物。
策略在歷史危機期間的表現尤為引人注目。在1930年代的大蕭條期間,趨勢跟蹤透過做空股票和做多政府債券產生了強勁的正報酬。在1970年代的通膨時期,透過做多大宗商品和做空債券獲利。在2008年金融危機期間,許多趨勢跟蹤基金在股市崩盤時錄得顯著正報酬。
Capital Fund Management的Lemperiere、Deremble、Seager、Potters和Bouchaud在2014年的研究中考察了兩個世紀金融數據中的趨勢跟蹤表現。他們確認趨勢跟蹤的獲利能力在不同時間段、地理區域和資產類別中是持續的。
趨勢為何存在
金融市場中價格趨勢的存在對效率市場假說構成了一個謎題。該假說的半強形式預測過去價格不應對預測未來報酬有用。對於趨勢為何持續存在,提出了幾種解釋。
最常見的行為解釋圍繞初始反應不足和延遲過度反應假說。當新資訊到來時,市場參與者可能由於錨定偏差、保守主義或資訊在異質投資者中的逐步擴散而最初反應不足。這種初始反應不足創造了趨勢的開始。隨後,羊群行為、過度自信和正回饋交易可能導致價格超調,將趨勢延伸到基本面所能證明的範圍之外。
Barberis、Shleifer和Vishny在1998年Journal of Financial Economics發表的模型中形式化了這一機制。Daniel、Hirshleifer和Subrahmanyam提出了基於投資者過度自信和偏向自我歸因的相關模型。
制度性摩擦也助長了趨勢。央行以漸進的、可預測的方式干預貨幣和債券市場,從而創造趨勢。大型機構投資者受投資授權、受託義務和治理流程的約束,對變化的條件緩慢調整其投資組合,在資產價格中創造動量。
訊號建構
趨勢跟蹤訊號的實施涉及幾個影響表現的設計選擇。最基本的是用於衡量趨勢的回顧期。Moskowitz、Ooi和Pedersen在其主要規格中使用了12個月的回顧期,但他們表明獲利能力延伸到1個月到12個月的回顧期範圍,最強的結果通常出現在3到12個月的時間範圍內。
大多數從業者使用多個回顧期的組合來創建混合訊號。常見的方法是平均在短期(1-3個月)、中期(4-6個月)和長期(7-12個月)範圍計算的訊號。
Baltas和Kosowski在2013年的研究中考察了不同訊號建構方法對趨勢跟蹤表現的影響。他們發現給予近期觀察更大權重的指數加權移動平均訊號在大多數市場中優於簡單算術移動平均。
| 訊號方法 | 描述 | 優勢 |
|---|---|---|
| 過去報酬的符號 | 二元:正則做多,負則做空 | 最簡單;穩健 |
| 報酬幅度 | 部位大小與趨勢強度成正比 | 更強趨勢持更大部位 |
| 移動平均交叉 | 短期MA > 長期MA時做多 | 平滑過渡 |
| 指數加權移動平均 | 對近期資料賦予更大權重 | 據Baltas and Kosowski (2013)更優 |
部位管理同樣重要。管理期貨行業的標準方法是調整每個部位的大小,使其目標為固定的波動率水準,通常為年化10-15%。
危機阿爾法
對於投資組合建構目的而言,趨勢跟蹤最重要的特性是其在主要市場危機期間表現良好的傾向。這種被稱為危機阿爾法的特性由Fung和Hsieh在2001年Review of Financial Studies論文中首次形式化。
Fung和Hsieh表明管理期貨基金的報酬類似於回望跨式選擇權的收益,這是一種從任一方向的大幅波動中獲利的選擇權策略。在市場平靜期間,趨勢跟蹤從趨勢中嵌入的風險溢價獲得適度正報酬。在市場動盪期間,大幅方向性移動產生超額報酬。
在2008年金融危機期間,SG趨勢指數在標普500下跌約37%時獲得了約正20%的報酬。在2011-2012年歐洲主權債務危機期間,趨勢跟蹤從歐洲政府債券和股票的空頭部位產生正報酬。
然而,需要注意的是危機阿爾法並非保證。趨勢跟蹤在V型反彈等突然市場反轉時可能遭受損失。
實務實施
在機構規模實施趨勢跟蹤策略涉及相當的操作複雜性。首先考慮的是市場選擇。大多數機構趨勢跟蹤程式交易跨越四個資產類別的50到100個流動性期貨市場:股票指數、政府債券、貨幣和大宗商品。
跨市場分散是策略夏普比率的關鍵來源。雖然趨勢跟蹤在個別市場中是獲利的,但分散投資組合的夏普比率遠高於任何個別市場,因為不同市場的趨勢並不完全相關。
交易成本是一個重要考慮因素,特別是對於較短期的實施。期貨市場為主要市場提供相對較低的交易成本,但期貨合約到期時的展期成本、大額訂單執行的滑點以及頻繁再平衡的成本可能累積。
必須理解的是,趨勢跟蹤與所有投資策略一樣,會經歷表現不佳的時期。該策略在價格無持續方向性運動而振盪的區間震盪、無趨勢市場中往往表現不佳。2009年至2019年的時期對趨勢跟蹤總體而言具有挑戰性,因為許多市場表現出低波動性和頻繁反轉,儘管該策略在整個期間內從總體上仍產生了正報酬。理解這些局限性對考慮配置趨勢跟蹤的任何投資者都至關重要。
模擬績效
考慮一個假設性的10萬美元投資組合,從2005年1月至2025年12月在40個流動性期貨市場應用分散化趨勢跟蹤策略。
假設條件:每月再平衡,往返交易成本20個基點,除非特別說明否則不使用槓桿,標普500作為股票基準。
| 期間 | 策略報酬率 | 基準報酬率 | 最大回撤 | 夏普比率 |
|---|---|---|---|---|
| 2005–2007 | +8.4% 年化 | +8.6% 年化 | -9.2% | 0.55 |
| 2008(全球金融危機) | +21.3% | -37.0% | -8.7% | 1.42 |
| 2009–2012 | +2.1% 年化 | +12.8% 年化 | -15.8% | 0.12 |
| 2013–2016 | +1.8% 年化 | +11.2% 年化 | -18.4% | 0.09 |
| 2017–2019 | +3.9% 年化 | +12.4% 年化 | -14.1% | 0.24 |
| 2020(新冠疫情) | -2.8% | +18.4% | -16.3% | -0.15 |
| 2021–2023 | +12.6% 年化 | +5.1% 年化 | -10.5% | 0.78 |
| 2024–2025 | +5.2% 年化 | +9.8% 年化 | -11.8% | 0.36 |
| 全部期間 | +5.8% 年化 | +9.7% 年化 | -18.4% | 0.52 |
此模擬使用歷史數據,不代表實際交易結果。
當證據失效時
2020年3月新冠暴跌暴露了趨勢跟蹤策略的特定弱點:市場轉換速度。S&P 500在23個交易日內下跌34%,隨後在三個月內收復大部分失地。這種V字型市場事件是Kaminski(2011)分析的策略盲點。2011-2013年期間展示了「震盪」市場的挑戰。2015年1月瑞士法郎事件是另一個極端案例。
共識與爭論的交匯
學術文獻已在幾個領域達成穩健共識。時間序列動量在資產類別和長歷史期間產生正的風險調整後報酬的證據是強有力的(Moskowitz, Ooi, Pedersen 2012;Hurst, Ooi, Pedersen 2017;Lemperiere等 2014)。
爭論集中在兩個問題上。第一,趨勢跟蹤報酬為什麼存在?行為、制度和風險基礎的解釋並不相互排斥。第二,報酬是否在下降?Baltas和Kosowski(2020)發現雖然原始報酬有所壓縮,但危機阿爾法屬性保持完整。
對配置者的實際啟示是,趨勢跟蹤最好被理解為凸性配置——在傳統投資組合遭受最大損失的市場環境中提供最大報酬的部位。
參考文獻
- Barberis, N., Shleifer, A., & Vishny, R. (1998). "A model of investor sentiment." Journal of Financial Economics, 49(3), 307-343. https://doi.org/10.1016/S0304-405X(98)00027-0
- Bhansali, V. (2014). Tail Risk Hedging: Creating Robust Portfolios for Volatile Markets. McGraw-Hill. https://www.amazon.com/dp/0071791752
- Daniel, K., Hirshleifer, D., & Subrahmanyam, A. (1998). "Investor Psychology and Security Market Under- and Overreactions." The Journal of Finance, 53(6), 1839-1885. https://doi.org/10.1111/0022-1082.00077
- 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
- Harvey, C. R., Liu, Y., & Zhu, H. (2016). "…and the Cross-Section of Expected Returns." The Review of Financial Studies, 29(1), 5-68. https://doi.org/10.1093/rfs/hhv059
- 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
- Jegadeesh, N., & Titman, S. (1993). "Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency." The Journal of Finance, 48(1), 65-91. https://doi.org/10.1111/j.1540-6261.1993.tb04702.x
- Koijen, R. S. J., Moskowitz, T. J., Pedersen, L. H., & Vrugt, E. B. (2018). "Carry." Journal of Financial Economics, 127(2), 197-225. https://doi.org/10.1016/j.jfineco.2017.12.002
- Lemperiere, Y., Deremble, C., Seager, P., Potters, M., & Bouchaud, J. P. (2014). "Two centuries of trend following." Journal of Investment Strategies, 3(3), 41-61. https://doi.org/10.21314/JOIS.2014.043
- 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