• CTA策略的策略特异度指标（SDI）通过计算基金收益与同行的相关性测得，低SDI代表策略“从众”，高SDI代表策略独特 [page::0][page::2][page::3]

- 聚类法相比自我报告风格更准确地划分CTA风格，聚类法SDI平均值为0.47，低于BarclayHedge风格0.58，且两者分布存在显著差异。

• 实证数据显示：SDI与CTA未来表现显著负相关，低SDI（更“从众”）的CTA年均回报 ~5.08%，显著高于高SDI组约1.4%，低SDI组风险调整后的α达3.23%，高SDI基本无超额回报 [page::6][page::7]

| SDI五分组 | 平均SDI | 年均回报（%） | Alpha（%） | 夏普比率 |
|-----------|---------|---------------|------------|----------|
| 低SDI Q1 | 0.12 | 5.08 | 3.23 | 0.15 |
| 高SDI Q5 | 0.89 | 1.40 | 0.00 | -0.08 |
- 低SDI组基金存续时间更长，失败率更低，反映更优质的表现及较大风险敞口。

• CTA收益高度依赖期货市场的时间序列动量策略(TSMOM)。低SDI的CTA对动量因子的平均回归系数为0.67，高SDI为-0.01，显著表明“从众”CTA紧跟动量因子获得收益 [page::7][page::8]

- 低SDI CTA在后续12个月表现不佳概率仅为2%，高SDI达8%，表现稳定性差异明显。

• 主成分分析发现，低SDI CTA收益的方差主要由第一主成分解释(约70%)，且该主成分与TSMOM高度相关（相关系数0.77-0.86），高SDI CTA主成分解释的方差显著较低且与动量相关较弱，说明“从众”CTA收益主要由动量驱动 [page::8][page::9]

- 不同参数的动量因子均支持低SDI CTA具有更高动量暴露，动量因子解释力稳健，低SDI组在更多动量因子上显著 [page::9][page::10]

• 在动量因子收益为正时，低SDI CTA表现优异；在动量为负时，低SDI CTA表现下滑但依然优于高SDI CTA。TSMOM正收益月占样本期68%。这显示动量因子显著影响CTA策略收益和SDI指标的预测能力 [page::8][page::9]

| SDI分组 | 月平均收益：动量正 | 月平均收益：动量负 |
|---------|---------------------|---------------------|
| 低SDI Q1 | 1.99% | -1.82% |
| 高SDI Q5 | 0.15% | -0.10% |

• 研究结论指出，CTA策略本质是基于动量的趋势跟踪，表现差异主要体现在对动量因子的暴露上。独特策略的CTA难以体现优异绩效，而“从众”策略借助动量因子风险溢价获得更高收益，是CTA投资选择时的重要参考标准 [page::10]

《CTA策略的中庸之道》研究报告详尽分析

---

1. 元数据与报告概览

报告标题：《CTA策略的中庸之道 【集思广译·第12期】》

作者：张欣慰、陈可

发布机构：国信证券经济研究所

发布日期：2021年8月18日

研究主题：本报告聚焦于商品交易顾问（CTA）策略，探讨策略特异性（策略的与众不同程度，SDI指标）对CTA策略未来绩效的影响，提出与传统对冲基金相反的观点，即CTA策略中更“从众”的策略表现优于更“独特”的策略，反映了CTA策略本质是在交易动量因子的风险溢价。

核心论点及结论：

• 传统对冲基金中，基金的策略特异性（低相关性）通常预示更强的未来表现；而本文通过实证研究发现，CTA中策略特异性与未来绩效呈现显著的负相关关系。

- 低SDI（策略特异性指数）即更“从众”的CTA策略，其年化超额收益平均比高SDI高5个百分点左右。

• 这表明CTA策略实际上是为投资者提供了暴露于动量因子的工具，成功的CTA经理依赖趋势跟踪（动量）盈利。

- 因此，在信息不对称及代理成本等因素的考量下，投资者选择“从众”的CTA可能是最优策略。

• 本文借鉴了Sun等（2012）和Bollen等（2019）的衡量和排序方法，对CTA的投资风格采用聚类分析，构建SDI指标并进行多角度实证分析。

---

2. 逐章深度解读

2.1 报告摘要与引言

报告首先对传统对冲基金和CTA基金在策略特异性与未来表现上的差异进行了对比：

• 对冲基金中，策略越独特（持仓与净值越不从众），未来表现越好，被认为体现了经理人的投资能力。

- CTA策略则显示相反的现象：经实证发现，低SDI的CTA（更从众）反而获得更高的年回报，约高出5%。

• 研究将策略特异性与动量暴露联系起来，表明低SDICTA显著暴露于动量因子，通过动量盈利。

引言部分说明期货市场存在强烈的价格序列相关性，多元化经营的CTA策略夏普比率通常高于股票市场；但市场上CTA产品表现不一，存在投资选择问题[page::0][page::1]。

2.2 文献回顾

报告援引大量文献支持：

• Fung和Hsieh（1997, 2001, 2004）早期研究CTA的趋势跟踪本质，使用主成分分析确认CTA表现受趋势跟踪策略驱动。

- Moskowitz等（2012）利用12个月回溯、1个月持有期构建时间序列动量组合，发现策略夏普比率高。

• Baltas和Kosowski（2013）指出CTA收益与时间序列动量高度相关，强调趋势依赖过去价格，不涉及基本面。

报告基于这些文献构建研究思路和变量，结合动量策略分析CTA的本质[page::2]。

2.3 研究方法

2.3.1 策略独特性指标（SDI）

• 采用Sun等（2012）提出的SDI方法，SDI定义为基金收益与其同类基金收益的相关性倒数，具体公式为：

$$
\text{SDI}{i,t} = 1 - \text{corr}t(ri, rc)
$$

其中$ri$为基金i收益，$rc$为其所在聚类群组的收益，相关性基于过去24个月至少12个月的月度数据计算。

• SDI越高表示策略越独特，回报与同行相关度低。

2.3.2 聚类分析

• 报告采用Brown和Goetzmann（2003）的迭代聚类方法，自动优化基金划分，八个群组对应BarclayHedge主要风格数量。

- 实证显示基于聚类的SDI均值0.47，低于基于自我报告的0.58，表明聚类更科学划分策略相似基金，减少误差。

• Kolmogorov-Smirnov检验显著拒绝两种划分在统计意义上等价[page::2][page::3]

2.4 业绩指标

四类指标被用来衡量CTA表现：

• 超额收益（alpha）：调整风险因子的超额收益，使用Fung和Hsieh（2004）七因素模型计算。

- 评估比率（Appraisal Ratio）：超额收益除以估计标准误。

• 夏普比率：超额收益（超过无风险利率）与波动率之比。

- 防操纵表现指标（MPPM）：Goetzmann等（2007）提出的度量，结合风险厌恶参数，能防止基金调整业绩指标误导投资者，代表投资者在风险调整后愿意接受的最小增量收益。

该指标用bootstrap法估计统计显著性，主张综合多指标衡量基金表现[page::3]

2.5 数据

2.5.1 期货数据

• 采用1993年以来的期货合约数据，涵盖19种商品期货、12种股指期货、8种10年期国债期货以及9种外汇期货。

- 数据来源于Thomson Reuters，构造了连续、合成回报序列，计算期货价格的月度超额收益，进一步用于构造时间序列动量因子。

• 大部分期货合约表现出显著正的序列相关性，为CTA策略的动量核心提供基础[page::4][page::5]

2.5.2 CTA基金数据

• 样本来自BarclayHedge数据库，包含1994至2015年共约5199只基金。

- 经系列严格筛选（剔除母基金、非美元币种、缺少报告、有过度相关基金及小规模基金等），最终样本为966只CTA。

• 解决了生存偏差、审查偏差和回填偏差问题，保证样本质量。

- 实证显示，整体CTA平均年回报仅3.14%，超额回报1.33%，但表现波动较大，存续基金优于已终止基金，存续基金年夏普比约0.49，已终止基金为-0.21，存续基金的SDI较低，初步显示SDI与表现负相关[page::5][page::6]

2.6 主要实证结果

2.6.1 SDI与CTA表现负相关

• 将CTA样本按SDI分为五组，低SDI五分位（Q1）平均年回报5.08%，高SDI五分位（Q5）仅1.40%。

- 低SDI基金寿命更长（多1.57年），且风险调整后超额收益（alpha）更好（3.23%对0.00%）。

• 低SDI基金波动率约为高SDI基金的两倍，说明其策略风险更高，但风险调整表现更佳。

- Alpha与SDI的显著负相关验证了本文核心发现。

• 低SDI基金的因子模型R²较高，表明业绩差异部分源自对共同动量因子的暴露[page::7]

2.6.2 动量因子的作用

• 时间序列动量（TSMOM）组合构建：做多过去表现较好的期货，做空表现较差的。

- CTA按SDI分组的TSMOM暴露差异大，低SDI组平均回归系数0.67且68%显著，高SDI组平均系数为-0.01且只有13%显著。

• 低SDI基金收益中约25%方差能被动量因子解释，高SDI仅1%。

- 失败率低SDI组仅2%，高SDI组升至8%，显示低SDI背后动量策略较稳定。

• 主成分分析表明，低SDI基金的第一个主成分能解释约70%的方差，且与TSMOM高度相关(相关系数约0.8-0.86)，而高SDI基金解释方差低至30%左右，且相关性较弱。

- 动量收益为正时（占样本68%），SDI与表现负相关；动量收益为负时，关系反转，SDI高的表现反而更好，说明CTA表现高度依赖动量因子表现[page::8][page::9]

2.6.3 更复杂的动量策略验证

• Baltas和Kosowski（2013）提出的多种不同参数调节的时间序列动量因子均能较好解释CTA表现。

- 三个不同的时间窗口和持有周期构成的动量组合中，低SDI组CTA对动量因子的暴露显著且最大。

• CTA策略中低SDI组基金在各时间尺度的动量暴露均表现积极且稳健[page::10]

2.7 研究结论

• 传统观点认为对冲基金高特异性预示投资能力强和未来优异表现，但CTA领域与之相反。

- CTA策略作为动量交易工具，其核心业绩驱动力为择时能力，且择时基于价格趋势，基于动量因子的风险溢价。

• SDI指标反映CTA策略的“从众”程度，且其稳定性较强。

- 投资者通过选择低SDI的“从众”CTA策略能获得更高的超额收益和更好的风险调整表现。

• 信息不对称和代理成本等因素造成CTA策略整体信息透明，减少了独特策略的价值，投资者选择中庸（从众）路径更优。

- 该研究为CTA策略筛选提供有效指标SDI，策略选择上建议投资者关注“从众”特征，动态依赖于市场动量因子的强弱。

• 研究兼顾理论与实证，丰富了对CTA策略投资能力评价的认知[page::10]

---

3. 图表深度解读

图1：SDI直方图（第3页）

• 梳理基于聚类与BarclayHedge自我报告风格划分的CTA基金SDI分布对比。

- 聚类方法的SDI分布更集中于低值端（均值0.47 vs 0.58），高SDI基金明显较少（>1时聚类2.5% vs 自报10%）。

• 表明聚类方法比自报风格划分更有效，聚合了策略相似基金，提高评价准确度。

- 图示统计检验显著差异，佐证采用聚类聚焦同类基金对SDI计算的合理性。

---

图3：CTA样本容量及AUM变化（第6页）

• 以柱状图展示1994-2015年各年CTA基金数量，折线表示管理资产规模（AUM）总量。

- 数据显示基金数量及规模总体上升，特别是2002年BarclayHedge引入“添加日期”字段后，基金信息完整性增强，样本量急剧增加。

• 该图体现CTA市场规模的显著扩展及数据质量的提升，为后续分析提供基础数据保障。

---

图4：CTA收益统计汇总（第6页）

• 表格详细描述全样本、存续基金及已终止基金各项收益、波动、夏普比、alpha等统计指标的均值及不同百分位数。

- 存续基金表现明显优于已终止基金：平均年回报5.48% vs 2.21%；夏普比0.49 vs -0.21；alpha 4.21% vs 0.20%。

• 存续基金平均SDI显著低于已终止基金（0.33 vs 0.45），揭示“从众”策略更易持续成功。

- 该表奠定了SDI与业绩正负关系的初步实证依据。

---

图5：SDI分五组的统计汇总（第7页）

• 该表将CTA分以SDI五分位组列出，详细各组的SDI均值、基金寿命、AUM、回报、超额收益、波动率、夏普比及alpha等指标。

- 低SDI（Q1）组基金寿命最长（6.90年），平均年回报5.08%，alpha 3.23%；

• 高SDI (Q5)组基金寿命最短（5.33年），年回报与alpha均接近0甚至负值。

- 还展示了风险和表现显著差异，风险较高低SDI组仍取得更优风险调整业绩。

• 强化“从众”CTA表现优异的核心论点。

---

图6：SDI分组的动量因子暴露（第8页）

• 表格列出SDI五组对应CTA对时间序列动量策略（TSMOM）的回归系数、显著比例、模型拟合度R²及失败率。

- 低SDI（Q1）平均β为0.67，68%显著，R² 0.25，失败率低至2%；

• 高SDI（Q5）β为-0.01，显著率仅13%，R² 0.01，失败率达8%。

- 强烈说明低SDICTA策略依赖动量因子，表现更稳健。

---

图7：SDI分组主成分分析（第9页）

• 通过三个不同时间窗口（）分别计算各SDI分组CTA收益的第一个主成分解释的方差及其与TSMOM的相关系数。

- 低SDI组第一个主成分方差解释率高达69%-73%，相关度0.77-0.86，说明其收益高度聚焦于动量因子。

• 高SDI组解释率仅26%-32%，相关系数接近0，显示其收益来源分散且非动量型。

- 进一步印证了CTA收益与动量的密切关系，以及不同SDI组的本质差异。

---

图8：动量与SDI分组表现关系（第9页）

• 表格分别列出了在TSMOM正收益和负收益月份，各SDI五分位组CTA的均值回报、alpha、评估比率、夏普比和防操纵绩效指标（MPPM）。

- 结果显示：
- 在动量正收益月，低SDI组表现远优（均值回报达1.99%），高SDI组表现较差。
- 动量负收益月，关系逆转，高SDI表现稍好，低SDI显著亏损。

• 该动态关系揭示CTA表现高度动态依赖于动量策略的周期性有效性。

---

图9：CTA策略与三因子动量（第10页）

• 针对Baltas和Kosowski（2013）提出的9种不同时间跨度动量策略，展示不同SDI组的CTA对该多因子动量组合的暴露程度。

- 低SDI组对多个动量参数组合均有显著正暴露。

• 高SDI组暴露则低甚至负相关。

- 证明低SDI基金在多维度动量策略上均有较强参与度。

---

4. 估值及方法论解析

• 本文重点不在对CTA进行直接估值，而在策略因子分析及绩效对比分析。

- 通过Fung和Hsieh（2004）七因子风险模型用于计算基金超额收益alpha。

• 使用高级业绩指标MPPM衡量风险厌恶情境下的绩效，采用Bootstrap确认其统计显著。

- 聚类分析辅助定义同类基金组别，解决行业风格自报偏差，为计算策略相关性与SDI提供数据基础。

• 时间序列动量（TSMOM）构造依赖于期货市场月度价格序列的动量信号，进行多层次的动量因子分析，构建回归模型。

- 主成分分析辅助揭示多只基金收益的共同驱动因子，侧面验证收益特征与动量因子的高度匹配。

---

5. 风险因素评估

• 策略失败风险：高SDI基金表现不稳定，失败率高达8%；低SDI基金表现更稳定，失败率仅2%。

- 动量因子周期风险：CTA表现严重依赖动量因子的正负回报期，动量因子回报为负时，低SDI的CTA表现明显受损。

• 信息透明度与代理风险：CTA策略较为透明，过度求异策略可能面临信息不对称成本及代理成本，导致业绩弱化。

- 数据偏差风险：样本来自自愿报告数据库，存在生存偏差、回填偏差和审查偏差等问题，虽有一定修正措施，但依然具有潜在影响。

• 报告未详细给出对冲或缓释策略，主要侧重于揭示投资者选择中“从众”策略的优越性，暗示谨慎选取策略的重要性。

---

6. 审慎视角与细节注意

• 报告清晰贯穿了CTA策略以动量交易为核心的观点，论据充分且实证详尽。

- 然而，存在一定样本局限性，主要基于BarclayHedge数据库和1994-2015年间数据，未来市场环境变化可能影响结论外推。

• 持续性风格聚合的前提假设基金策略稳定，实际基金可能调整策略，影响SDI的解释力。

- 动量因子表现的周期性导致低SDI策略在动量负回报时期面临较大风险，未进一步探讨投资组合风险管理措施。

• 报告中提及的“从众”可能含义偏窄，实为“动量一致性”策略，需警惕“从众”过度暗示创新不足的负面含义。

- 报告结构严谨，对各指标和方法解释详实且规范，易于理解和复现。

---

7. 结论性综合

本报告通过系统的聚类方法和策略特异性指标（SDI）量化了CTA基金的“从众”程度，揭示CTA策略表现与“从众”度的显著负相关关系，这与传统对冲基金中策略特异性预测业绩优异的结论截然不同。

实证分析发现：

• 低SDI（更“从众”）的CTA基金表现显著更好，平均年回报超高SDI基金约5个百分点，风险调整后的alpha差异同样显著。

- 低SDI基金对时间序列动量因子有高度暴露 (>0.67)，动量因子对其收益有较强解释力（25%的方差），而高SDI基金与动量因子相关甚微。

• 主成分分析进一步确认低SDI基金收益主要由动量驱动。

- CTA策略表现依市场动量因子有效性显著变化，动量正时“从众”CTA表现最佳。

• 低SDI基金失败率低，存续时间长，进一步佐证该策略的稳健性与优越性。

- 该研究为投资者理解和筛选CTA基金提供了科学工具（SDI），建议聚焦“从众型”即动量一致性的CTA策略，可以获得较好风险收益表现。

• 此结论强化了动量作为CTA策略核心风险溢价来源的观点，同时揭示了投资者在CTA选择上面对的权衡：创新（独特性）并非必然带来超额回报，信息透明度与策略风险平衡更为关键。

图表数据展现了CTA策略“从众”—动量暴露—表现关联的全貌，实证严谨、指标多样、时间跨度长，为CTA策略投资的学术和实务提供了重要参考与指导。[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10]

---

报告中附图示例：

• 图1（第3页 SDI直方图）： 展示聚类风格与自报告风格划分下的SDI分布差异，验证聚类法提升策略分类准确性。

• 图3（第6页 CTA样本容量）： 显示1994-2015年CTA基金数量和资产规模的动态变化。

• 图6（第8页 SDI分组动量暴露）： 不同SDI五分位CTA对动量因子的平均回归系数及显著比率，明显差异化。

(未提供图片路径，见表述文字解读)

• 图7（第9页 SDI分组主成分分析）： 低SDICTA第一个主成分解释方差大且与动量高度相关，对比高SDI组显著差异。

(未提供图片路径，见表述文字解读)

• 图8（第9页 动量正负收益与SDI表现关系）： 说明动量因子周期性对CTA表现的影响，低SDI策略在动量正时表现优异。

(未提供图片路径，见表述文字解读)

---

以上为报告的详尽解构与分析，全面展示了CTA策略领域中策略特异性与业绩之间独特的负相关关系及其基于动量因子驱动的本质特征。希望能为投资者和研究者更好地理解与应用CTA策略提供可靠理论与实证支持。

报告