作者:石川,量信投资创始合伙人,清华大学学士、硕士,麻省理工学院博士;精通各种概率模型和统计方法,擅长不确定性随机系统的建模及优化。知乎专栏:https://zhuanlan.zhihu.com/mitcshi。
摘要
趋势追踪策略成功的关键在于选择适当的时间尺度、仓位控制、投资组合构建以及风险管理等要素。与这些相比,具体使用哪个方法来计算趋势则没那么重要。
1. 引言
市场中有句老话“趋势是你的朋友”。无论是表现不俗的 CTA 策略还是股票市场的动量因子,都是依靠追踪趋势而构建的成功策略的典范。
而在技术层面,各种捕捉趋势的方法也是层出不穷:基于收益率的时序动量、来自技术分析的均线交叉或通道突破、各种 state space 模型比如卡尔曼滤波、基于价格的线性回归、甚至是频域分析(如傅里叶变换、小波分析等)。
当某种方法的回测结果不是那么给力的时候,人们的第一反应总是寻找下一个(更复杂)的方法来计算趋势。然而究其核心,上述方法都是基于价格或者收益率的时间序列计算出来的,真的有哪种方法或者指标显著优于其他方法吗?这就是本文关心的问题。
为了回答这个问题,Levine and Pedersen (2016) 提出了 trend signature plots(趋势签名图)这个概念。其目的是把不同计算趋势的方法绘制成价格或者收益率的权重随时间变化的函数,以此来横向比较不同的趋势指标。
下面就来用时序动量和均线交叉来解释 trend signature plots。
2. 时序动量 vs 均线交叉
为了便于讨论和数学推导,假设我们考虑对数价格 —— 因为对数价格的差分就是对数收益率,这样就可以非常简单的在价格和收益率之间转换,从而比较不同的趋势计算方法。
时序动量一般的计算方法为使用过去一段时间的收益率进行加权平均(通常的做法是等权),以此得到趋势指标。假设当前时刻为 t,则 t 时刻的时序动量(time series momemtum)指标 TSMOM_t 可以写成如下形式:
为不失一般性,上式写成了无穷级数的形式。在实际应用中,对于给定的计算窗口 N,只需要令所有 s > N 的权重 c_s 等于零即可。
再来看看均线交叉(moving average crossover)。它是使用快、慢两个均线构成的趋势指标。每个均线都是给定窗口内价格序列的加权平均(因权重不同可以有简单移动平均、指数移动平均等),趋势信号则是快、慢两个均线之差。均线交叉的数学表达式如下:
直观比较 TSMOM 和 MACROSS 两个计算趋势的方法,它们看上去似乎差别很大。但是,通过简单的数学推导可以发现 MACROSS 可以很容易的表达为收益率序列按照某种特定权重加权的组合。具体来说,从 TSMOM 的定义出发,将其转化为如下形式:
比较上式和 MACROSS 的定义就可以看到收益率的权重 c_s 和 MACROSS 权重 w_s^{fast} 及 w_s^{slow} 之间的关联: