策略分析#

到目前为止，我们看到的是一套完全可运作的动量投资模型（Momentum Investment Model）。多年来的结果十分强劲，且经受住了时间的考验。无论是牛市还是熊市，该模型都展现了长期优异的超额表现。交易规则现在应该已经清晰——它们在前文中已详细说明。按照现有方式呈现时，这些规则运作良好，但如果一套策略需要严格精确的规则集合才能有效，那它通常算不上非常稳健。那么问题来了：哪些规则是关键性的，哪些不是？本章将审视策略的不同组成部分，看看它们是否以及如何可以被改变。如果你理解了什么是重要的、什么不是，这将帮助你理解规则背后的逻辑以及盈利的来源。

趋势过滤器有多重要？#

你无疑已经从前文注意到，趋势过滤器（Trend Filter）有时相当烦人。很多时候，就在我们接近市场底部时，趋势过滤器却迫使我们缩减敞口。之后市场反弹，我们却被抛在了后面。质疑这种趋势过滤器的必要性是很自然的反应。毕竟，在15年的时间里，只有两个时期这个过滤器真正发挥了显著价值。

简短的回答是：趋势过滤器能带来巨大的价值。它的存在是为了确保当市场真正转向下跌时，你不会随船沉没。而市场迟早会真正转向下跌，请放心。在长期熊市中节省下来的资金，从长远来看会产生巨大的差异。

如果你对指数层面的趋势过滤器的价值仍有疑虑，让我们做一个快速测试来回答这个问题。图14-96中的曲线不言自明。它使用了与之前完全相同的交易规则，但忽略了指数趋势。这意味着我们始终留在市场中，不断替换失效的股票。只要还有任何股票符合我们的条件，我们就买入。在熊市中，我们的仓位仍然会有所缩减，因为最终能通过筛选的指数成分股会越来越少。注意2000-2003年熊市期间收益的差异。此后，有无指数过滤器的策略表现基本相同，直到2008年。在没有过滤器的情况下，我们的策略遭受了超过50%的打击——在短时间内，我们突然损失了一半的资金。

当然，市场本身也下跌了大约一半，但这并不是重点。承受如此巨大的打击意味着你落后太多，再也无法追回。就算没有趋势过滤器，我们最终仍然能跑赢基准指数，但我们永远追不上那些过滤掉了熊市的策略。

如果你之前查看那些长期模拟结果时对长时间的平台期感到疑惑，现在应该更清楚一些了。使用我们的动量策略，我们经历了两个没有收益的长周期。收益在很长一段时间内完全持平，2000-2003年期间甚至持续了数年。需要记住的是，这些都是交易股票的糟糕时期。几乎所有人都在亏钱，而且亏得很惨。

事后，人们总说你应该做空。但大多数说这话的人并没有真正经历过那段时期的交易。事实是，大多数在强劲熊市中做空的人最终都在亏钱。做空极其困难，而持相反观点的人往往是缺乏实际经验的人。

但关于时机不佳的问题仍然存在。我们的策略有很多虚假信号。指数多次跌破200日均线（200-day Moving Average），却在我们的减仓行动开始后立即反弹回升。难道我们不能优化这一点吗？

不，不能。优化是邪恶的，它们会害了你。不要相信它们。

为了写这本书，我几乎随机地选择了参数。我选了一些合理的数字，完全没有经过优化。我没有先运行模拟来确保这些数字是最优的。那样做只会显得愚蠢——它只会让结果看起来好得不真实，对任何人都没有帮助，也许除了多卖几本书。

图14-96 趋势过滤器的效果

表14-44 趋势过滤器对比

如果你运行优化，可能会得出结论：237天或178天的移动均线效果最好。这可能会让你相信这些数字对未来也有意义。但你得到的不过是对特定历史序列的曲线拟合结果。你需要做的是从概念的角度思考，而不是纠结于精确的数字。

如果进一步优化，你也许会发现，能被3整除的年份应该使用与月食年份不同的趋势过滤器速度。但这并不一定有助于你未来的交易。

避免优化的冲动。交易概念，而非数字。你需要某种长期趋势过滤器。具体怎么做并不那么重要。

风险平价有多重要？#

非常重要。

想知道一种轻松跑赢指数的方法吗？使用风险平价（Risk Parity）仓位而非市值（Market Capitalization）加权即可。就这么简单。

让我们退一步，看看标普500指数（S&P 500 Index）的构成。这是美国的大盘股指数，包含了美国市值最高的500家公司。"市值"指的是公司的理论总价值，称为市值。你可以通过查询公司发行的股票数量乘以当前股价来计算这个值。每当交易所进行一笔交易时，这个数值就会随秒变化。公司的价值当然是一个高度理论化的概念，因为你不可能真的掏出这么多钱把整家公司买下来。

标普500指数使用公司价值——即市值——作为权重的依据。市值最高的公司获得最高权重。所有权重与其市值成比例。这意味着该指数不可避免地主要由最大的公司驱动，而较小的股票实际上没有太大影响。

这种加权方式对指数来说很有意义。毕竟，指数的目的是衡量整体市场。因此，标普的方法论没有问题。它肯定比道琼斯指数使用的古老价格加权方式要好。

尽管市值加权对指数来说没有问题，但这并不意味着它是一种理性的投资方式。凭什么买入4%的苹果（Apple），却只买0.01%的钻石海洋钻井（Diamond Offshore Drilling）？难道苹果真的好了400倍吗？钻石海洋的市值超过40亿美元，所以它也不是什么小盘股。

更重要的是，全球最大股票翻倍、翻三倍的潜力有多大？当一只股票的市值达到7500亿美元，是全球第二大公司的两倍时，它有多大概率能涨到1.5万亿美元？这样的股票真的有那么大的潜力，值得配置比小股票多400倍的资金吗？我们能不能想出更好的方法来投资美国大盘股？我们能不能别再问问题了？

这就是风险平价登场的地方。还记得前文我们是如何计算风险平价仓位的吗？其概念是衡量过去的价格波动率，并据此反向分配仓位权重。这听起来复杂，其实比想象中简单。我们的目标是让高波动性的股票获得较小的配置，而低波动性的股票获得较大的配置。这样，每只股票在投资组合层面上都有等量的理论影响力。因为说实话，以0.01%的权重，钻石海洋钻井在决定标普500走势方面基本没戏。

这里的模拟概念很简单，就像大多数有价值的模拟一样。我们买入指数中的所有股票，全部500只。每只股票的权重基于其波动率的倒数。不，这并不复杂——波动率越高，权重越低。

每个月，我们检查所有股票的波动率并相应调整权重。这种再平衡（Rebalancing）非常重要，否则我们的投资组合将变得完全随机。风险会随时间变化，我们需要随之调整仓位。

当一只股票离开或加入指数时，同样会触发再平衡，以确保我们始终持有当前的实际成分股。

是的，图14-97展示的绝对是一个巨大的超额收益。这在业内是一个众所周知的现象——小盘股长期表现往往更好。不过，我们在2008年仍然亏损了大约一半，与指数持平。亏损这么多并不有趣，而我们可以像之前看到的那样，通过趋势过滤器来避免这种情况。

你可能会问，那我们为什么还要费心做动量选股呢？为什么不直接给这个策略加上指数趋势过滤器就完事了？

从理论上讲，这可能是可行的。但对大多数人来说，持有一个包含500只股票的投资组合并不太现实。仅通过使用风险平价加权，我们就能实现大部分动量效应，但这并不是大多数投资者的实际解决方案。这也是为什么我们尝试建立一个由表现最佳的股票组成的小型投资组合。

表14-45 风险平价指数加权

图14-97 全部指数成分股，风险平价加权

动量周期有多重要？#

在前面的模拟中，我们一直使用90天的动量排名（Momentum Ranking）。这指的是用于计算我们之前看到的回归分析的数据点数量。我们基于过去90个交易日衡量动量（Momentum），并用它来对股票进行排名。但为什么是90天？

简短的答案是：因为它足够好。只要你停留在中短期动量范围内，具体选择哪个数字并不那么重要。

运行优化通常不是好主意。也许如果我运行几百次迭代，会发现97天、74天、103天或其他某个数字是最优的。但这些练习只会让你产生虚假的安全感。毕竟，存在一个"最优数字"的可能性并不大。曲线拟合历史很容易，但对实际交易没有帮助。你需要做的是交易一个概念，而不是一个神奇的数字。这里我们瞄准的是中期动量，所以一个合理的中期数字几乎是随机挑选的。

不过，合理性检验是另一回事，不应与优化混为一谈。进行粗略合理性检验的一个简单方法是再选择几个在此背景下同样合理的数字。然后确保我们得到非常相似的行为。如果结果出现实质性差异，那么整体概念就不够稳定。我们希望看到的是，稍微改变输入参数不会带来巨大的结果差异。

由于我们之前使用了90天，让我们再抛出几个类似的数字看看效果。同样的模拟重复了几次，使用了60天、120天和240天的周期。表14-46展示了结果。

表14-46 回归周期稳定性

可以看出，90天似乎是一个合理的选择。如果降到60天，结果略差一些，但仍大大跑赢指数。升到120天，结果几乎完全相同。240天仅使结果轻微变差。从长期来看，这些数字中的任何一个都可能表现良好。

你具体选择哪个数字并不那么重要。

图14-98 回归周期稳定性

排名方法有多重要？#

我在本书中展示了一种我偏好的排名方法。如果你不熟悉统计分析，它可能看起来复杂，但这其实并不是很难的数学。你可能会好奇为什么我要描述一种看似如此复杂的方法。

为了避免你翻回前面的章节，让我提醒你：前面描述的排名数学基于年化指数回归（Annualized Exponential Regression），再乘以决定系数（Coefficient of Determination, R²）。好吧，这句话有点拗口。但请相信我，这听起来比实际复杂。

我向你介绍这种方法是因为我喜欢它。它能筛选出让我觉得舒适的候选股票。年化指数回归是纯粹动量的有效度量，以易于理解的方式表达。它告诉你如果股票按完全相同的轨迹持续一整年，会变动多少百分比。但它并不能说明波动性。所以我们通过乘以决定系数（R²）来惩罚高波动性股票。这将那些容易出现跳空和震荡行情的股票推到列表更靠后的位置。最终，我们得到的是具有平滑收益曲线的优质股票。

如果你简化我的模型，使用更简单的度量方法，结果不会有太大差异。如果你有其他衡量相同概念的方法，尽管去用。关键在于理解概念，确保你偏好的任何方法都覆盖了相同的原则。你可能想要衡量动量，并奖励那些上涨更平滑的股票。

但如果我们将事情简化一下呢？让我们尝试几种更简单的模型，看看结果如何。用更简单的动量度量方法重做同样的模拟，有助于说明为什么我选择了前面介绍的方法。

让我们看看两种更简单的动量度量方法。一种显而易见的方法是简单地查看涨跌幅。使用与之前相同的90天周期，测量股票在过去90个交易日中上涨或下跌了多少百分比，并据此制作排名表。我们用这个作为替代排名方法之一。

另一个问题是是否使用决定系数来调整拟合度。让我们去掉这个因素，仅使用基于90个交易日的年化回归斜率，看看结果如何。

有了这两种更简单的方法，我们可以进行新的模拟并比较结果。

表14-47 不同排名方法

表14-47似乎显示差异并不大。如果你看图14-99中的曲线，仍然看不出太大区别。实际上，只看这张图的话，简单方法似乎更优。毕竟，它们在Y轴上的位置略高一些。

嗯，首先，微小的业绩差异不过是舍入误差。模拟结果中的这种微小差异实际上只是噪音。所以我们可以认为它们在业绩上是一样的。

如果结果相同，那为什么还要用复杂的方法？

这不仅仅是关于最终结果。还关乎你如何到达那里，以及你是否有能力坚持到达那里。虽然最终结果几乎相同，但简单的方法会导致你投资于许多危险或无意义的情况。从长远来看，只要你真的遵守规则，结果是平稳的。但如果你对系统筛选出的股票感到不安，你就不太可能持续买入它们。

我在本书中介绍的拟合度调整回归方法，旨在发现稳健的动量情景，并剔除危险和令人不安的情景。它不会引导你投资于收购套利情景，不会让你买入刚刚出现一次大幅跳涨的股票。它会筛选出看起来不错、合乎逻辑、而且你不会有任何购买障碍的股票。

图14-99 排名方法对比

仓位规模有多重要？#

你还记得我们之前是如何确定仓位规模的？你应该记得，因为背后的原理非常重要。我们查看每只股票的波动率，买入较少的高波动股票，买入更多的低波动股票。其理念是每只股票承担大致相等的风险。这部分非常重要。但每只股票应该承担多少风险？

记住，在我们最初的公式中（如前文所述），我们使用了10个基点（Basis Points）的风险因子（Risk Factor）。这个风险因子不是关于投资组合的总风险，而只是关于每只股票的风险。我们仍然会买入股票，直到现金用完。如果我们降低风险因子，每个仓位的规模会变小。这当然意味着最终投资组合中的股票数量会增加。相反，如果提高风险因子，我们会得到更少但更大的仓位。

那么为什么我们在第一个版本中使用了10个基点？这个数字有什么特别之处吗？不，其实没有。但这是一个足够合理的数字。使用这个数字，在一个满仓投资组合中，通常会有20到30只股票。具体数量当然取决于你根据排名方法选择的股票的波动性。

20到30只股票的投资组合提供了合理的分散化。如果你持有的股票太少，事件风险（Event Risk）就太高了。在少于10只股票的投资组合中，一只股票发生冲击事件的风险过高。当然，冲击可能向任一方向发生，但它仍然给策略引入了运气的成分。在如此集中的投资组合中，一只股票的突然冲击可能决定你一整年的成败。

另一方面，如果持有的股票太多，你又会面临一系列不同的问题。对大多数人来说，持有50只股票并不太实际。而且结果也会越来越像指数。

指出了这些问题并解释了我为什么选择10个基点之后，让我们看看模拟结果会告诉我们什么。

图14-100 仓位规模的影响

在图14-100中，你可以比较不同仓位规模的结果。图中最底部是指数本身。我们所有的迭代都跑赢了指数。这里展示的三个模拟分别使用了默认的10个基点、50个基点和5个基点。使用5个基点会生成一个非常广泛的投资组合，包含许多股票；而使用50个基点则在任何时候只持有5-6只股票。

表14-48 仓位规模的影响

有意思的是，在模拟中，仓位越大，结果看起来越强。请注意，我们并不是在谈论承担更高的总体敞口，仅仅是买入更大、更少的仓位。

那么，我们是否应该得出结论说应该持有极度集中的投资组合？也许只有3-4只股票？嗯，我不建议这样做。从理论上讲，这样的投资组合长期表现可以非常出色。但它也可能仅仅因为运气不好而崩溃。

不要忽视我们在这里做什么，以及我们试图利用什么效应。如果我们只有3-4只股票，甚至8-10只股票，事件风险都太高了。模拟显示长期可能表现良好，但这并不是一种审慎的资金管理方式。对运气的依赖程度太大了。

那么真正广泛的投资组合版本呢？每只股票使用5个基点，最终会有40-50只股票，甚至更多。模拟不仅显示结果变差，而且从实际角度来看，管理起来也更加困难。

与期货等相比，股票的一个优势是可以用更小的资金进行交易。默认版本使用10个基点和20-25只股票，可以用非常低的资金基础实施。然而，如果你的目标是40只股票的投资组合，你最终可能只能买入每只股票的单一股，从而失去风险平价和再平衡的效果。

那么10个基点是完美的数字吗？当然不是，但这是一个合理的数字，很可能足够好。无论你使用8还是15，影响可能都非常有限，但你应该在这个范围内。

指数选择有多重要？#

长期来看，指数的选择会有相当大的影响。如果这本书成功激发了你对这个主题的兴趣，让你开始自己的研究，那么这是一个你可能想做些工作的领域。

在写书时，一些简化和限制是必要的。涵盖所有内容会使书过于冗长，需要太长时间来写，而且对大多数读者来说可能太无聊了。本书的一个简化是它聚焦于单一指数：标普500指数。

选择标普500指数纯粹是出于现实考虑。这是一个人人都知道的指数。大多数人以某种方式投资于它。它包含了全球最大经济体中最大的500家公司。选择它当然不是因为动量在这个特定指数上表现得更好。

动量投资组合策略在很大程度上是关于筛选具有显著潜力的股票。标普500中的大盘股之所以在这个指数中，是因为它们过去有巨大的潜力，并且变得足够有价值而被纳入。虽然这些股票当然仍能展现一定的表现，但它们不太可能像成为大盘股之前那样有潜力。

动量方法在标普500成分股上有效，并不是因为它们是大型股。而是尽管它们是大型股，动量仍然有效。

如果你真的想投入一些工作并做一些认真的研究，尝试其他指数。从标普400中盘股指数（S&P 400 Mid-Cap Index）和标普600小盘股指数（S&P 600 Small-Cap Index）开始。尝试其他国家的本地指数，或尝试国际指数。请记住，如果你使用涉及多种货币的指数，你需要处理货币转换和归因问题。

你可能会发现，中小型股票展现的动量潜力可能比我们在本书中看到的还要大。当然，它们的收益也可能更加波动。