Stocks on the Move on Yuunagi Library

前言

Mon, 01 Jan 0001 00:00:00 +0000

前言#

这是一本完全关于单一交易策略的书，可以用一句简单的话来概括："买入那些上涨的股票"。这个想法非常简单，当然也不是什么新鲜事。作为一个概念，这已经是老生常谈了。本书试图提供的是一种清晰且系统化的方式来管理动量股（momentum stocks）投资组合。

这里提出的理念基于我作为量化对冲基金经理（quantitative hedge fund manager）的亲身经验。过去十年左右的时间里，我一直在基于这一概念以及其他策略管理机构投资组合。简单的想法通常能够经受时间的考验。这并不一定意味着实施起来很简单，但核心概念最好是非常简单的。在这里，它确实非常简单。一只已经强势上涨一段时间的股票，很可能会继续上涨一段时间。这就是核心思想。剩下的都是细节。

几年前，我写过一本关于我多年来一直在使用的另一种交易策略的书。那本书叫《趋势跟踪》（Following the Trend），整本书都是关于期货市场（futures market）中一种非常简单的趋势跟踪策略。写那本书的时候，我很确定几乎没有多少人会注意到它，我预期最好的结果也就是褒贬不一。我预期会面临的主要质疑是，这本书本质上就是一篇300页的研究论文。这完全没错。那本书确实就是如此。

令我大感意外的是，没有一个人提出这个质疑。我一次都没有听到过。相反，我的书以一种让我和我的出版商都惊讶的方式火了。两年后，我的出版商告诉我，我不顾一切地成为了金融类书籍作者中的前5%。这是一段有趣的旅程，我沿途学到了很多东西。

动量投资（Momentum Investing）#

本书是关于系统化股票动量（systematic equity momentum）的。动量投资是一种理性的资金管理方式，前提是你有应对熊市（bear market）的保护措施。问题在于，要构建一套可靠的规则来决定如何选股、何时买入、买入多少、何时卖出等，是非常复杂的。如果你喜欢在实际部署策略之前先进行逼真的模拟（我强烈推荐这样做），那么动量策略的建模是非常复杂的。

这是一个简单的概念，但构建可靠的模拟却非常困难。数据既昂贵又难以使用。你需要考虑现金股息（cash dividends）、历史指数成分股、退市股票（delisted stocks）以及其他问题。然后你还需要一个足够强大的模拟平台来处理海量数据。我已经为你完成了这些工作。我会向你展示结果以及我的分析。

当然，我会提供足够的细节，让那些拥有必要工具和数据的人能够验证我的工作。如果我不这样做，我就没有多少可信度。任何无法被验证的东西，任何人都可以随便说说。

我要做的是呈现一套完整的规则来管理股票动量投资组合。它在过去表现非常出色，并且很可能会继续如此。请随意使用它。

为什么要写书？#

这个问题总是会出现。我为什么要写书，向世界公开我超级秘密的方法？这个问题本身源于零售交易社区（retail trading community）中常见的一种误解。我并没有透露任何会伤害我或我的业务的东西。像这样的交易方法并不是那样运作的。

在股票动量领域，有许多数十亿美元级别的参与者。他们按照与我在本书中概述的类似原则进行交易。不是完全相同，而是相似。他们拥有庞大的研究团队和巨额预算。这本书里没有什么是那些公司不知道或自己无法搞清楚的。那么我应该对谁保守这些秘密呢？

如果有几千人读了这本书，开始按照这些理念管理自己的资金，那很好。这肯定不会破坏盈利能力，也不会从我这里拿走钱。考虑到已经有这么多资金在动量策略中运作，这根本不会产生什么影响。

如果说有什么想法的话，我希望一些读者没有时间或耐心去实施这些策略，而是让我的资产管理公司来管理他们的资金。我很乐意解释一切是如何运作的，但许多人仍然需要专业的投资经理。

那么我为什么要写书呢？首先，这很有趣。我喜欢写作，而且我非常享受在第一本书之后与无数读者的交流。其次，确实没有什么可损失的。没有秘密可以泄露。希望我的想法比其他人发表的要稍微好一些，但我们只是在处理细节问题。第三，有可能为实际的资产管理业务找到有趣的新客户。

如果你以为我是为了写书那点微薄的收入而写作，那你显然从未写过书。

第1章 · 共同基金的问题

Mon, 01 Jan 0001 00:00:00 +0000

共同基金的问题#

发达国家中几乎每个人都持有共同基金（mutual fund）的份额。即使你没有主动购买任何共同基金，你的养老金也很可能投资于这些工具中。共同基金看起来是一个合乎逻辑的解决方案，并且一直被政府、大学和银行吹捧为个人参与股票市场的完美解决方案。

在你买入共同基金之前，你应该充分了解它到底是什么以及它是如何运作的。大多数人并不清楚共同基金试图实现什么目标以及它是如何实现的。更重要的是，你应该了解共同基金过去的表现。毕竟，资产管理是一个高度可量化的行业，比较和分析投资产品的实际表现是相当容易的。

虽然集合投资计划（collective investment scheme）的概念已经相当古老，但我们所熟知的共同基金行业直到80年代才出现。其总体思路是让任何人都能以最简单的方式参与普通股票市场，即使金额很小。当然，你也可以通过简单地买入一篮子股票来参与市场，但你很快就会意识到一些实际问题。如果你关注标普500指数（S&P 500）这样的指数，想要复制其回报，你就必须买入500只股票。好吧，有些股票在指数中的权重非常小，你可能只需买入500只成分股中的一半就能获得足够接近的复制效果。但你还需要跟踪权重和成分股变化，并主动管理你的投资组合以匹配指数。如果你不这样做，你就无法获得与指数相同的回报。可能更多，也可能更少，但不会相同。

而且，如果你想每月投资100美元进行长期储蓄呢？这是不可能的，因为你不能购买零碎股票。即使你想跟踪只有30只股票的道琼斯工业平均指数（Dow Jones Industrial Average），你也无法用这么小的金额买入它们。即使你能做到，你还得处理权重再平衡以及其他大多数人根本不想做、也做不到的麻烦事。

于是共同基金登场了，它被视为穷人的救星和金融市场的民主化工具。每只基金旨在跟踪一个特定的、预先定义的指数，作为小额投资者，你只需将你的100美元投入基金，它就会与所有人的资金汇集在一起，并投资以复制该指数。差不多是这样。

由于共同基金是针对特定指数进行衡量的，因此它们是相对投资（relative investment）。这意味着它们的工作不是为投资者赚钱。没错，请再把上一句话读一遍。共同基金的任务是试图战胜某个特定的指数。如果该指数亏损了，共同基金经理的任务就是比指数亏得少一点。在牛市中，他的任务是比指数赚得多一点。到目前为止还算公平，只要你意识到这一点。

共同基金世界的一个核心概念是跟踪误差预算（tracking error budget）。共同基金经理并不能随心所欲地战胜指数。远非如此。跟踪误差（tracking error）是衡量基金回报与指数偏离程度的指标。基金的每日回报与指数的每日回报进行对比。允许的跟踪误差，即跟踪误差预算，通常非常小。基金根本不被允许大幅偏离指数。

共同确保毁灭#

共同基金实际做的是将基金中几乎所有的资金按照指数比例进行配置。如果某只股票在指数中的权重为5.2%，你就买入大约5%到5.4%之间。共同基金经理几乎没有余地来施加他或他所在银行的投资观点。他们有时可以稍微偏离指数，但请记住，这可能非常危险。

这个行业中有一句古老的谚语支配着许多机构投资者的行为。

没有人因为买入IBM而被解雇。

这意味着，如果你做了和其他人一样的事情，你个人就不会冒任何风险。如果你亏损了，所有人都亏损了，你也不会受到指责。另一方面，如果你做了独立的决定，买入你认为最好的股票，结果亏损了同样的金额，你很可能被解雇，或者至少受到指责。最安全的做法，特别是如果你有一份舒适的工作，就是和其他人做一样的事情。

结果就是，我们拥有一个庞大的共同基金行业，所有人都在做同样的事情。

也许这听起来并不那么糟糕。毕竟，如果他们按照指数进行投资，你应该得到你想要的，对吗？不，别急。还有账单要付。一个不错的共同基金经理年薪七位数。银行还会收取管理费、托管费、行政费等等。共同基金当然会与发行该基金的同一家银行的投资银行部门进行所有交易，并且没有任何动力去降低这些费用。有很多不同的方法可以从共同基金中吸走资金，这就是银行喜欢它们的原因。它们非常有利可图。

高费用本身不一定是个问题，只要有相应的业绩表现。要做到这一点，基金需要比指数表现好得多，这样费用才能被支付，而投资者仍然获得优于指数的回报。鉴于共同基金行业的巨大成功，它们肯定能提供强劲的长期回报，并为其客户带来明确的价值，对吗？

幸好有人专门负责跟踪这些事情。让我们来看看标普指数与主动型基金对比评分卡（SPIVA，S&P Indices Versus Active Funds Scorecard）。它们很容易获取，可以在互联网上免费查阅（https://us.spindices.com/resource-center/thought-leadership/spiva/）。

看看表2-1。看完之后，我会解释各列中的数字。它们可能不是你想象的那样。

表2-1 共同基金与基准指数对比 2013年年末SPIVA报告，来源：标普道琼斯指数公司、CRSP。数据截至2013年12月31日。表现优于基准基于等权基金数量计算。所有指数回报均为总回报。

各列中的数字显示了未能战胜其基准的基金的百分比。是的，就是那些未能完成它们唯一任务的基金数量。在过去三年中，77.53%的美国共同基金未能完成它们的工作。看看整张表格，你会发现绝大多数基金在三年和五年的维度上均告失败，有些甚至超过90%。在一年期上只有少数数字低于50%，这表明任何给定年份可能靠的是运气，但长期来看没有人能持续表现。

你可能会认为这是一个特定时期，基金由于某种原因表现不佳。遗憾的是，并非如此。每年的报告看起来都差不多。所有这些报告都可以在SPIVA网站上找到，你可以回溯历史进行比较。你会发现，共同基金行业是一个长期存在的失败者。当然，这是从投资者的角度来看。银行仍然赚得盆满钵满。

重要的是要理解，未能表现不一定就是共同基金经理的错。他被迫将几乎所有的资本按照指数配置。他可以超配他喜欢的股票，低配他不喜欢的股票。他可以在看跌时偶尔持有一些现金。他有一些工具可以影响业绩，但不足以克服费用的障碍。请记住，他每年都是从亏损开始，努力赚回那些费用。我并不羡慕他的工作。这一定非常令人沮丧。直到工资到账的那一刻。

交易型开放式指数基金（Exchange Traded Funds）#

交易型开放式指数基金（ETF）的想法非常出色。在其最初的形式中，它们只是共同基金理念的自然延伸。通过共同基金，公众获得了进入广泛市场的渠道。他们突然间可以实现广泛的分散化，无需大量资金就能参与股票指数。他们也不需要关心个别投资决策，因为这由共同基金经理处理。但正如我们所看到的，共同基金经理的表现并不像宣传的那样。

ETF提供了一个简单的解决方案。其理念是让计算机管理基金，其使命是精确复制指数。ETF中的资金按照指数本身的精确权重分配到指数中的所有股票。没有偏差，没有延迟，费用极低，所有成本都非常低。结果就是一个与指数高度吻合的投资工具。

如果你真的想买入指数，那就买入被动型ETF。这就是你获得指数的方式。然而，我在本书中想提出的一个关键点是，买入指数可能并不那么有吸引力。当然，这比买入一只以该指数为基准的主动管理型共同基金要有吸引力得多。

最初的ETF都是被动型指数跟踪器。这是一个伟大的概念。不过你需要小心的是，越来越多的结构性产品被包装成ETF进行销售。

市面上有大量高度危险且具有欺骗性的结构性衍生品，被当作普通的ETF来销售。在交易ETF之前，先查清楚它到底是什么。永远不要相信ETF的名称。

避免任何类型的增强型ETF。避免任何做空ETF。实际上，避免任何不明确跟踪特定指数的ETF。

举一个简单的例子，比如做空ETF（short ETF）。如果你买入标普500的做空ETF，你会期望获得相反的表现。如果你买入同一指数的双倍做空ETF，你会期望获得双倍的反向表现。

这只在一天之内成立。你看，为了让这些基金能够在一天之内提供精确的反向表现，它们需要每日进行再平衡。如果你有期权（options）的背景，你已经知道这意味着什么了。

比较同一指数的普通标普500 ETF、做空ETF和双倍做空ETF的长期价格走势。图2-1展示了做空ETF如何在大多数时间持续下跌，除非指数出现非常极端的短期负面波动。

图2-1 做空交易型开放式指数基金

你需要理解的是，做空ETF交易的实际上是gamma（伽马），而不是delta（德尔塔）。期权交易者应该已经预料到了这一点。这意味着做空和双倍做空ETF对波动率变化的敏感程度远高于对价格方向变化的敏感程度。当你买入这些做空ETF时，你实际上是在建立一个做空波动率（short volatility）的头寸。

公平地说，必须这样运作才行。如果你想匹配单日的反向表现，就会产生这种效果。问题在于，交易这些东西的人并没有完全理解这一点，他们以为可以在一周、一个月或一年内获得反向表现。

下面是一个简单的解释。假设指数从100开始。第一天，指数下跌10%。现在指数在100，做空ETF在110，双倍做空在120。做空ETF表现很好。第二天，指数反弹回100，上涨了11%。你以为你的做空ETF会回到原点吗？做空ETF下跌110的11%，跌至97.8。双倍做空下跌120的22%，跌至93.3。

重复这个游戏一段时间，结果就像图2-2一样。这个例子中的指数一直在横盘整理，上一点，下一点，但最终是横盘。在这种情况下，做空ETF会持续下跌。双倍做空会快速下跌。

做空ETF是一个很明显的坏ETF的例子。它们具有误导性，如果你不熟悉结构性衍生品，很容易造成损失。在ETF世界中，还有更多这类伪装成衍生品的品种。

交易型开放式指数基金是一个伟大的创意，只要它们是纯粹的普通指数跟踪器。对其他任何类型的ETF都要非常小心。

图2-2 做空ETF表现

第2章 · 股票是最难的资产类别

Mon, 01 Jan 0001 00:00:00 +0000

股票是最难的资产类别#

许多投资者被股票吸引，是因为它看起来是最容易的资产类别（asset class）。我们大致都知道公司是什么以及它们的股票意味着什么。相比于商品价格、债券收益率或外币，股票更容易让人产生关联感。

大多数人交易他们了解的公司。你去星巴克喝早咖啡，了解他们的业务模式。你喜欢你新款漂亮的iPhone，于是买入苹果股票。这当然是一种错觉。你对星巴克咖啡或苹果iPhone的体验，并不能真正帮助预测未来的股价。只是在事后看起来如此而已。

这是一种很容易让人上当的错觉。当你看到上市公司的名称，并将自己的经验与它们联系起来时，很容易受到影响。如果你喜欢它们的产品，你会觉得股价应该上涨。如果你认为它们过时了、不再流行或产品有缺陷，你会觉得价格应该很快下跌。大多数情况下，这些想法对交易该股票并没有什么帮助。

回顾一段较大的价格波动时，很容易觉得这一切发生得如此理所当然。也许你会看微软股价在90年代的戏剧性上涨，然后说它们不仅会统治整个软件行业，还会统治整个股市，这是多么显而易见。毕竟，他们是出色的操作系统DOS和全新的附加图形界面Windows的创造者。即使你出于某种原因没有在90年代的夜晚不断通过config.sys和autoexec.bat来优化扩展内存使用，你也会注意到当时确实没有像样的竞争者。事后看来，这再清楚不过了。然而，在当时这一点也远非清晰。当然，在当年普遍盛行的疯狂氛围中，每个人都像没有明天一样把钱扔给任何科技股。但买入微软的人，通常也是买入Worldcom、Global Crossing、AOL以及许多其他以壮观方式破产的公司的人。只是当为时已晚时，一切看起来才那么明显。

很多时候，拥有优秀产品和看似伟大战略的公司，在股市中表现却很差。同样常见的是相反的情况，听起来疯狂的概念却一飞冲天。再说一次，等到股价已经涨到足以登上头条新闻，现在每个人都觉得这一切的发生是如此显而易见。有句老话说，每个人都是周一早上的四分卫（Monday morning quarterback）。作为一个欧洲人，我其实不太清楚四分卫是做什么的，但这听起来不像是一件应该在周一早上做的事情。

当然，确实有非常擅长对公司和行业进行基本面分析（fundamental analysis）的人。他们是预测长期走势的专家，通常会进行极其详细的分析。这是一项非常困难的工作，远比喜欢或不喜欢某个产品要深入得多。这些分析师通常只专注于一个行业甚至几只股票。他们跟踪每一个细节，分析损益表和资产负债表的每一行。对于金融市场来说，这是一种完全有效的方法，当然前提是付出了足够的努力，但这本身就是一份全职专业工作，并不是本书要讨论的内容。

一个非常类似的错觉是，你相信自己交易自己工作的公司的股票具有优势。大多数人似乎觉得，他们对公司的内部了解有助于理解市场并获得交易优势。除非你是高层管理团队或董事会成员，否则情况并非如此。即使你是高层管理人员或非执行董事，除了在重大公告前等特殊情况下，你也很难说有任何优势。一般来说，利用这些特殊情况交易是违法的。

事实上，买入你工作公司的股票是非理性的。首先，与市场上任何其他随机股票相比，你在交易它时没有任何优势可言。如果这样能行得通，那么任何上市公司的员工通过交易赚的钱都会比工资多。这只是一种错觉。但更糟糕的是，你是在将自己已有的风险集中在一家公司上。是的，你已经对你工作的公司有了风险暴露。如果公司表现不佳，你可能被解雇。如果公司表现好，你可能获得加薪和晋升。通过购买股票，你只是在增加对同一实体的风险，而没有任何理性的理由这样做。

同群压力（Peer Pressure）#

股票世界给你的印象是你有无限的可能性。有成千上万只股票可以交易。它们代表了在任何可以想象到的行业领域经营业务的公司。你有工业集团、电信运营商、制药公司、金矿开采企业、互联网公司、石油勘探公司，应有尽有。这些业务领域如此截然不同，以至于人们会自然地认为股价会相互独立地变动。

问题在于，它们并不会这样。是的，你有成千上万只股票可以选择，但当关键时刻到来时，它们都会像驯鹿一样行动。什么？羊的比喻已经被用烂了。我是斯堪的纳维亚人，在驯鹿这件事上请相信我。

在正常的市场条件下，股票看起来可以相当独立。当处于牛市时，大多数股票都会上涨，但好股票涨得更多。在牛市中，大多数股票与整体股票指数的相关性相当高，即使你持有大量的股票投资组合，你也会高度依赖整体市场。当指数上涨时，你的大多数股票也会上涨。反之亦然。

在熊市中，股票之间这种相当高的相关性会突然以极限速度趋近于1。当市场突然暴跌时，无处可藏。一切都在同一时间遭受打击。然后，当整体市场反弹并进行急剧的熊市反弹时，所有股票又会在同一天上涨。这摧毁了分散化（diversification）背后的核心理念。你现在持有的本质上只是不同数量的beta（贝塔）。

这是股票策略中最棘手的部分。如果你同时交易所有资产类别，你可以相当容易地设计一个分散化机制。毕竟，玉米、石油、日元和股票之间很少有共同之处，通常彼此相当独立地变动。但如果你只交易股票，你就没有这样的奢侈条件。

股票缺乏分散性是一个需要特别注意的关键因素。对于股票策略，你总会持有大量的beta头寸。你持有的股票越多，你的策略就越接近指数。这很重要，但不一定是个问题，只要你非常清楚这一点，并据此设计你的策略。有意识地承担beta风险不一定是一件坏事。但你必须意识到这一点，并确保在市场转坏时你没有持有beta。

幸存者（Survivors）#

标普500指数是一个动量指数。纳斯达克100、道琼斯工业指数、罗素指数以及大多数其他股票指数也是如此。如果你仔细想想，你就会意识到股票指数本质上是非常长期的动量策略。

当然，"动量"这个词并不是标普官方指数方法论的一部分。但市值（market capitalization）是。

要纳入标普500指数，一只股票必须具有很高的流动性，在纽交所或纳斯达克上市，并且市值必须超过53亿美元。市值只是公司的理论价值。你通过将已发行股份数乘以当前股价得到它。其含义应该显而易见。一只股票之所以能成为指数的一部分，是因为它在过去有强劲的价格表现。当一只股票离开指数时，通常是因为它价格表现不佳，跌破了市值要求。这使得标普500指数以及大多数其他指数在某种程度上成为了动量策略。

当你查看这样一个指数的长期图表时，你看到的是一个动量策略。表现强劲的股票被纳入，表现不佳的股票被剔除。一家公司可以在一段时间内表现不佳，但如果它持续下跌，就会被排除出指数。此后它继续下跌，指数本身却不受影响。因此，你在指数中看到的与动量选股策略非常相似。

这一切都意味着指数让股票市场看起来比实际更好。

它也制造了一种能够获得所谓的十倍股（ten-bagger）的幻觉。这个词指的是你买入后价格上涨十倍的股票。也就是1000%。如果你查看标普指数中的一只股票，并回溯足够长的时间，你可能会后悔十年前没有买入。问题当然在于，这只股票当时并不在指数中。它现在在指数中，仅仅是因为它经历了惊人的十年。十年前你可能根本没听说过这只股票。即使听说过，它也可能只是众多高风险小盘股中的一只。

在开发和模拟交易策略时，将这一点考虑在内是绝对至关重要的。

假设你正在开发一个交易模型，在特定条件下买入股票。也许是在突破某个区间时买入，也许是在超卖时买入，这里具体是什么并不重要。如果你将这个策略编程到模拟平台中，并在过去二十年的当前标普500成分股上进行测试，结果看起来肯定会很棒。毕竟，该策略从一个我们知道有过大幅上涨的股票篮子中买入股票。

你需要做的是使用一个现实的股票池。一个好的方法是在一个指数的所有股票上进行测试，例如标普500，但要考虑历史指数成分股。你需要让你的模拟平台知道任意给定日期的历史指数构成。这样，在回溯到过去的每一天，模拟只会考虑当天实际属于该指数的股票。这是一种消除或至少大幅减少幸存者偏差（survivorship bias）的方法。

这种方法的一个关键部分是，你必须同时包括已退市的股票。许多十年前交易的股票现在已经不再上市。也许它们破产了，也许它们被其他公司合并了。原因并不重要，重要的是你的模拟必须使用尽可能现实的参数。

大多数退市股票的表现都很糟糕。如果你不在模拟中包含它们，你会得到过于乐观的结果。当你开始实际交易时，你会以惨痛的方式发现，现实可能与模拟大相径庭。

分而治之（Divide and Conquer）#

有各种类型的公司行为（corporate actions）可能影响公司的股票。其中大多数相当直接且易于调整。实际上所有数据源通常都会自动调整这些情况。例如，拆股（split）会自动进行向后调整，从而不会产生人为的缺口。这一切都很好。然而，真正的问题在于现金股息（cash dividends）。

大多数面向公众的时间序列数据源都忽略股息。很可能你见过的大部分股票图表，甚至可能所有的图表，都完全忽略了股息。即使是为专业金融人士提供的昂贵市场数据平台中的默认图表，也不考虑股息。

通常所有图表都会针对拆股和类似公司行为进行调整。如果不调整，你很容易就能看出来。只需看看2014年苹果公司拆股的例子就非常明显。那年六月，苹果进行了7:1的拆股。这意味着价格突然变成前一天的正分之一，即14.286%，但作为回报，你投资组合中的股票数量突然变成原来的七倍。股价在2014年6月6日收盘于645.87美元。接下来的周一，该股开盘于92.72。这代表了数字上的剧烈变化，但实际上只是一个非事件。

拆股实际上对任何事情都没有影响，但它们可以作为一个巧妙的小营销手段。这是公司的一种声明，表明股价上涨太多，以至于人们买不起了。这当然不完全正确，因为股价本身并不能衡量一家公司是贵还是便宜。如果你比较两家完全相同的公司，拥有相同的已发行股份数以及相同的基本面和前景，那么股价本身至少会有一些相关性。

虽然拆股是一个非事件，没有分析价值，但它确实影响了股票的时间序列。在苹果的例子中，如果你不做任何调整，你会得到一个图表，价格在大约650附近运行，然后突然暴跌，一天之内下跌了85%。这看起来像是股东遭受了重大损失，而事实显然并非如此。

调整的方法是对整个历史序列进行重新计算。在7:1拆股的情况下，该股票在拆股前的所有历史价格都必须乘以0.142857。如图3-3所示，未经调整的序列毫无意义。2014年夏天并没有发生85%的损失，时间序列中也不应该出现这个缺口。别担心；几乎所有市场数据提供商，甚至免费的互联网来源，都会自动完成这项工作。

关于股息，逻辑非常相似。为了正确了解股价的实际财务发展情况，你需要调整所有历史序列。虽然拆股的调整因子通常至少是0.5，但股息的调整要小得多。在调整股息时的标准做法是，假设收到的现金立即再投资于同一只股票。这种方法使我们能够轻松计算调整因子，并调整所有历史价格序列。

图3-3 苹果股价：拆分调整前后对比

再次强调，不要太担心实际细节。理解调整的一般逻辑和好处是有用的，但尝试自己做这项工作是不现实的。如果你计划运行模拟或进行其他长期股票时间序列分析，建议购买总回报数据（total return data）。这个术语指的是已经针对所有因素进行调整的数据，从拆股到股息再到任何其他可能随时间影响投资者的因素。

图3-4显示了自1998年以来的AT&T。一条线显示的是仅针对拆股和其他公司行为调整的时间序列，就像大多数市场数据系统默认显示的那样。另一条线显示的是包括股息调整在内的真实发展情况。第一个序列，大多数人会称之为正常价格图表，会告诉你如果一个投资者在1998年买入并持有到2015年，他亏损了7%。问题在于，这与事实相去甚远。这是一只高收益股票，支付大量股息。假设股息再投资，1998年买入的实际结果是到2015年你的资金翻了一番。

你可能会问，为什么我们假设股息被再投资了。好吧，无论你怎么处理，你都必须对这笔现金的去向做出某种假设，而这个假设最终都难免不准确。假设再投资是标准方法，它在逻辑上是合理的，并且可以得出有用的调整数字。

你可以假设现金什么都不做，但这也不太可能。那意味着你收到股息后把钱放在床垫下。也许我们可以假设现金进入所谓的无风险存款，或者投资于指数。无论如何，正如你所看到的，我们必须对现金的处理做出某种假设。再投资意味着我们最初的现金购买与股价保持同步，就像一开始就没有股息一样。因此，它展示了公司价值发展更有效的时间序列。

图3-4 AT&T：股息调整前后对比

这里展示的例子是比较极端的，是特意选择来说明问题的。细心的读者可能会想，在正常的日常股票交易和投资决策中，这真的那么重要吗。对于某些类型的策略和方法，可能确实没那么重要。只要你的时间跨度足够短，当然，前提是你没有恰好在拆股或除息日期间交易。

但这对于本书所关注的长期动量方法确实很重要。忽视这些调整会带来两个问题：第一个是关于模拟的，第二个是关于选股的。

在开发交易方法时，通常会构建一个数学模型并对该方法进行逼真的模拟。如果不这样做，你就是在盲目飞行。你可能有一个非常合理的市场理论，但如果你没有测试过它的历史有效性，你并不知道实际上线时会是什么样子。

如果你的模拟是在未经调整的价格数据上进行的，或者更可能是在仅针对拆股而非股息调整的价格数据上进行的，那么随时间推移的回报将与现实相去甚远。每次支付股息时，看起来就像是遭受了损失，而事实显然并非如此。也许你有一个很好的方法，但你可能因为模拟显示的结果比实际差而放弃它。

更大的问题在于股票排名和选择。如果你对过去一年表现最好的股票进行排名，任何支付股息的股票都会被推后。一家公司可能正处于上升势头，利润不断增长，业务迅速扩张，但由于它支付股息，它不会出现在你的排名筛选结果中。

不考虑股息，你可能会选择到劣质的股票。如果你认真对待投资组合的选择，而且你还在继续读这本书，我只能推断你是认真的，那么你真的应该考虑获取一个总回报数据源。

指数的选择（Choice of Index）#

就本书而言，股票市场将以标普500指数为代表。它是一个广泛的美国大公司股票指数，可以很好地作为美国市场健康状况的通用基准。

第3章 · 趋势跟踪在股票上有效吗？

Mon, 01 Jan 0001 00:00:00 +0000

趋势跟踪在股票上有效吗？#

趋势跟踪（trend following）的概念最初是为期货交易（futures trading）开发的。这是一个与股票市场截然不同的世界。坦率地说，传统的趋势跟踪在股票上根本行不通。

趋势跟踪在概念上非常简单。当价格开始朝一个方向移动时，无论是上涨还是下跌，你就跟上趋势。如果价格开始上涨，就做多（long）。如果价格开始下跌，就做空（short）。然后只要趋势持续，你就持有该头寸。通常这是在价格后面设置一个移动止损（trailing stop）来实现的。这意味着你只有在交易从最佳读数回撤一定金额后才退出。你永远不会买在最低点，也永远不会卖在最高点，但你始终能参与中间的部分。

图4-5 基础趋势跟踪

就交易策略而言，趋势跟踪相当"笨"。我不是说交易它很笨，只是说它基于的信息非常少。与综合考虑大量因素的复杂策略相比，它是一个笨策略。然而，这个笨策略在过去三十多年里表现出非常强劲的成果，根据一些研究，它甚至在数百年间都表现非常出色（Kaminski & Greyserman, 2014）。期间有起有落，有时趋势跟踪行业甚至连续多年亏损。但总体而言，过去几十年的整体回报非常强劲。

趋势跟踪对冲基金行业发展迅速，目前规模超过3000亿美元。其中许多基金经理已经从业数十年，拥有业内最佳的复利回报数据。Quest Partners、Fort Investment Management、Chesapeake、Campbell、ISAM、Mulvaney、Transtrend和Winton，仅举几例。

任何人都很难说系统化趋势跟踪（systematic trend following）在期货上不奏效。经验证据实在太充分了。

经典的趋势跟踪是在期货上进行的。执行这一策略的常规方式是跟踪大量期货市场的趋势，涵盖所有主要资产类别。专业的趋势跟踪者交易商品、利率、货币，当然还有股票指数。这种方法的原因非常简单。如果你将趋势跟踪模型应用于单一市场，你只是在赌博。即使你将其应用于单一资产类别中的许多市场，成功的概率也很低。

任何一个市场甚至资产类别，都可能而且经常会经历长时间的周期，在此期间趋势跟踪不起作用。当市场横盘整理或快速转向时，趋势跟踪者就会亏损。对于任何个别市场或行业，这种情况可能持续数年。在极端情况下，甚至长达十年。因此，趋势跟踪的核心前提基于分散化（diversification）。通过同时交易所有这些不同的资产类别，某种资产赚到足够多的钱来弥补其他资产类别亏损的概率非常高。

如果你交易的资产彼此相关性较低，你就能以更低的风险获得更高的回报。关键在于从投资组合的视角而非单个头寸的视角来思考。这种思维方式是区分专业交易员和业余爱好者的关键。只有投资组合层面才重要。当交易多个低相关或负相关的资产时，你可以以更低的风险获得更高的回报。如果不同资产的盈利和亏损时间分布差异很大，你就可以在相同风险下提高整体交易水平以获取更高回报，或者保持回报水平的同时降低整体风险。

趋势跟踪中的大钱是在极端趋势中赚到的。少数持续数月甚至数年的趋势会产生超额回报。由于你只是持有成功的交易，你会一直留在这些交易中。失败的交易会产生小额亏损并迅速退出。因此，你可以承受多次亏损，只要时不时能抓住这些大赢家。

归根结底，趋势跟踪归结为统计学。这是关于确保在长期内以可接受的波动率获得有利的盈利概率。

关于趋势跟踪，最重要的是要理解它有多依赖分散化。再怎么强调也不为过：要使趋势跟踪可靠地工作，你需要一组多样化的市场进行交易。如果你交易的市场太少或过于相似，你就是在依赖运气。你可能获得很好的结果，也可能获得糟糕的结果，但这将取决于运气。选对的市场配上对年份，你会做得很好。但对于那些不满足于将命运交给运气的人来说，需要广泛的市场组合来为趋势跟踪方法提供足够的统计基础。

如果你将标准的趋势跟踪模型应用于股票，你很有可能会亏损。这些模型不是为个股开发的，它们在个股上也不会表现良好。有几个原因说明为什么将有多种分散化期货市场的方法应用于股票是个坏主意。

股票和期货都有可分析的价格序列。看起来差异似乎不应该那么大。毕竟，这只是一个待交易的时间序列。然而，仍然存在一些显著差异。第一个是实际层面的。

期货交易允许非常高的杠杆。甚至不止于此。它允许你完全忽略杠杆。它不是限制因素。能够承担大规模的名义风险敞口是传统趋势跟踪的重要组成部分。在交易期货时，决定头寸规模的常规方法是只看风险方面。你查看工具的波动率、与当前头寸的相关性等因素。现金可用性根本不是问题。期货交易者总是拥有大量可用现金。大多数专业交易者只使用10%-20%的现金作为保证金。其余资金可以放在货币市场或固定收益工具中，既是为了安全保管，也是为了产生利息收入。这有几个优点。首先，你可以在超额资本上获得相对无风险的回报。在当前收益率处于历史低位的时刻，这可能不那么重要。现在，你可能无法从资本中获得太多回报，但在过去，你只需将超额资本投入短期货币市场和国债工具，就能大幅提升你的利润。

其次，你可以专注于针对特定的风险水平，而无需考虑可用现金。你可以负担得起在慢速移动的市场（如货币市场和固定收益产品）中建立大规模头寸。简而言之，在交易期货时，杠杆是绝对不相关的。

当然，必须说明的是，你不应该将杠杆与风险混淆。它们是完全不同的事物，高杠杆不一定意味着高风险，就如同低敞口不一定意味着低风险一样。风险从来都不是无关紧要的。然而，杠杆本身并不是一个非常有用的衡量标准。

也就是说，除非你交易的是现金工具（cash instruments），比如股票。对于股票，你需要或多或少地提前支付买入费用。你可能可以通过抵押其他股票获得一点杠杆，但这非常有限。当你处理现金工具时，你总是需要面对现金耗尽的可能性。这是一个额外的复杂因素和一个限制。然而，这并不是股票和期货之间最重要的区别。

真正的致命问题是相关性（correlation）。股票作为一个群体是非常同质化的。它们具有非常高的内部相关性。用通俗的话说，这意味着股票的表现或多或少趋于一致。当然，个股之间存在个体差异，但事实是，在牛市中几乎所有的股票都会上涨。在熊市中，几乎所有的股票都会下跌。分散化没有太大帮助。

无论你持有十只股票还是五十只，你仍然主要是做多beta（beta）。做多beta是可以的，只要你是故意的。在正确的时机做多beta可以赚钱，这完全没问题。问题在于，如果你没有意识到你是在靠beta赚钱。在每个牛市中，选股者都会冒出来。关于通过买入正确股票赚钱的传奇故事在媒体和博客中被反复讲述。到了熊市，同样的人却明显消失了。

股票中有一定的分散化效果，但并没有那么多。你应该始终进行分散化。然而，对于股票，分散化效应会更快地饱和。持有二十只股票比持有五只好，但持有五十只股票并没有太多额外收益。

鉴于股票的高相关性和压倒性的beta成分，期望你的回报不高度依赖指数是不现实的。不要指望无论股票市场整体是涨是跌，你都能获得相同的年化回报。如果你做股票交易，你将高度依赖整体市场环境。

然后是做空（short）的问题。即使在处理多种资产类别时，做空也是非常困难的。专业的期货趋势跟踪者长期在做空方面赚的钱很少。有些年份有帮助，但大多数年份没有。做空由于多种原因非常棘手。这不仅仅是把图表倒过来看的问题。那是一种错觉。做空交易有两个非常不同的地方。

第一个可能有点令人惊讶。它与这类策略采用的较长持有时间有关。如果你买入一项资产，并且价格朝对你有利的方向移动，随着成功它会变得越来越大。随着收益的增长，你的风险敞口也会增长。如果头寸每天上涨1%，这1%随着头寸的增长将意味着越来越大的美元利润。

在做空方面，你会发现相反的情况。你的头寸每天朝对你有利的方向移动时都会缩小。如果你的空头头寸价格每天下跌1%，由于你的风险敞口也在缩小，这个百分比对你来说将意味着越来越少。长期来看，这种效应对空头头寸有不利影响。

空头头寸麻烦的另一个原因更为直接。它们就是没那么"守规矩"。股票在熊市中容易出现快速的波动率扩张。它们不像晴空万里时那样有序。牛市中也可能时不时出现意外，但在熊市中，意外是常态。那只在过去三个月里走势如此漂亮的熊市通道股票，可能突然跳涨，一天之内抹去你所有的收益。你刚刚为头寸规模计算的风险测量值可能随时失效。

当然，你还有额外的借券成本，以及可借入用于做空的股票往往有限的问题。

在熊市中持有股票，无论是多头还是空头，都像在微波炉里看爆米花。无论你多么努力地盯着它们，试图让它们保持冷静，迟早会有另一颗玉米粒在你眼前爆炸。

在所有资产类别中交易做空都是困难的，但在股票中最为困难。例如，虽然商品有时会因持有成本（cost of carry）而出现强烈的负面趋势，但股票没有这种优势。存储成本和其他因素可以使某些商品期货看似平稳地下跌数年。但股票并非如此。当股票处于熊市时，它们的行为与牛市截然不同。长期来看，很少有人通过做空赚钱。

当然，还有一个问题是你应该将趋势跟踪模型应用于哪些股票。对于期货，你可以包括所有品种。将一百个或更多期货市场纳入你的策略不是问题。但对于股票呢？你是手动挑选几只股票进行交易？整个指数？你交易指数中的所有股票吗？以多少风险敞口？

不，股票就是不一样。它们需要特殊的处理。对它们使用简单的趋势模型是一个很糟糕的主意。

趋势跟踪在股票上行不通。但动量模型（momentum models）可以。

趋势跟踪在股票上的问题#

当你声称趋势跟踪在股票上不起作用时，通常最好低头躲闪，以免被飞来的鸡蛋和烂番茄砸中。一些读者可能已经放下这本书，去储备合适的钝器准备朝我扔过来了。也许一些实际的演示会有所帮助。让我们看看一些趋势跟踪交易模型，以及它们在股票上的表现。

本节中展示的交易模型在概念上是相当合理的。投资池（investment universe）是任意给定日期的标普500成分股。这意味着考虑了历史指数成分股，一只股票只有在当天属于该指数时才允许被买入。如果一只股票离开指数，它会被立即卖出。

考虑了该指数的所有历史成分股，包括已退市的股票。即使一只股票多年前已经破产，在正确的模拟中仍然必须考虑它。要使模拟有效，它必须尽可能真实地复制现实。模拟不应该比我们其他人更了解未来。

同样，合并、拆股和类似公司行为也被考虑在内。股息当然也被计入，因为如果忽略它是一个主要的错误来源。这些模拟经过精心构建，尽可能接近地复制现实。

标准趋势跟踪模型在股票上的表现#

让我们从一个经典模型开始。这个交易模型是一个简单的对称趋势跟踪方法，专为期货交易设计。它是一个中期模型，当在广泛的期货市场组合上运行时，它已被证明能够密切复制CTA行业整体在过去30到40年中所实现的非常强劲的回报。

顺便说一下，这也是我在第一本书中使用过的同一个趋势跟踪模型（Clenow, 2013）。交易规则非常简单。我先给你概念，然后是细节。

这个交易模型可以做多和做空。它在正向趋势中做多，只在负向趋势中做空。如果一只股票处于正向趋势并创出50日新高，我们买入它。如果它处于负向趋势并创出50日新低，我们做空它。将使用相当于三天正常交易范围的移动止损。头寸规模将通过一个基于ATR（Average True Range，平均真实波幅）的简单公式计算，以实现每个头寸的风险大致相等，这将在后续章节中详细解释。

规则：

使用双均线（50日和100日移动平均线）作为趋势过滤器。如果50日移动平均线高于100日移动平均线，则认为该股票处于正向趋势，否则为负向趋势。
在趋势方向上突破50日高低点触发入场交易。
风险平价（risk parity）头寸规模。
设置3倍当前ATR的移动止损。
只有当天属于标普500指数的股票才允许在当天进行交易。考虑了历史指数成分股和退市股票。
所有公司行为，包括现金股息，都被适当考虑。

这个简单的模型如果应用于广泛的跨资产期货组合，会显示出非常强劲的结果。这就是CTA行业参与的游戏。这个策略最初是由芝加哥的几个交易员使用的，当时没有人真正把他们当回事，直到他们开始赚取巨额资金。曾经是一种边缘交易方法，现在已成为一个3000亿美元的全球产业。我们从经验证据中知道，像这样的模型表现良好。至少在期货上是这样。

第4章 · 动量效应

Mon, 01 Jan 0001 00:00:00 +0000

动量效应#

当一只股票持续上涨一段时间后，它继续上涨的可能性大于反转下跌的可能性。一只比其它股票上涨得更快的股票，很可能继续比其它股票上涨得更快。这本质上就是动量效应（momentum effect）。

动量效应让人放心依赖的原因不仅在于它过去表现得很好，还在于它在逻辑上说得通。这是市场中的一种现象，不太可能消失，因为它是基本人性的一部分。每个人都喜欢赢家。

根据一些相当过时的学术理论，股票价格会立即根据所有公开已知的信息进行调整，因此始终以公允价值定价。任何买过或卖过股票的人都知道事实并非如此。股票价格一直在上下波动，而且在当时很难解释它们为什么会波动。回顾多年的牛市或熊市，通常很容易解释发生了什么以及为什么。但在事态发展过程中则要困难得多。即使在今天，任何有电脑和互联网浏览器的人都能轻松获取金融信息，事实也远非清晰。

只需在市场繁忙时阅读金融新闻，就能得到一个很好的证明。有时候真的相当滑稽，尤其是在有重大新闻发布时。早上市场可能下跌0.2%。新闻滚动条显示"市场因美联储担忧而下跌"。两小时后，市场上涨0.2%，新闻滚动条宣称"市场因美联储希望而上涨"。声明终于发布，市场又下跌至0.5%。新闻告诉我们，市场因美联储失望而下跌。最后市场以0.5%的涨幅收盘，新闻总结道，市场因美联储积极声明而上涨。

跟进这样的新闻可能会令人抓狂。在这个行当你需要有幽默感。在较短的时间尺度上，比如上面的例子，这种脱节对大多数人来说是显而易见的。市场实际上只是在横盘整理，谁知道那个声明到底有什么影响。即便在更大尺度、更长时间段内，同样的现象也很常见。如果你等待足够长的时间，借助历史后见之明，你也许能为更大的价格变动找到一些真正的原因。但到那时已经太晚了。寻找价格变动的原因变成了一种学术追求，几乎没有实用价值。

我当然不是在否定许多优秀的研究者和基本面（fundamental）投资者。这些领域确实有一些非常有技能的人，他们做得非常出色。那些通过分析新闻、基本面和宏观因素长期赚钱的人都是技能高超且通常非常专业的人士。但这个游戏有两个潜在问题。首先，它需要大量的研究工作。大量的阅读、批判性思维和分析。你需要深入挖掘公司报告和背景文件。有些人喜欢这样做，有些人不喜欢。这肯定不是一项晚间活动。

另一个问题是，成为一名熟练的基本面研究员通常意味着高度专业化。这可能是一件好事，尤其是如果你专注于某个后来成为新热点的领域。但问题在于，你可能正专注于一个因某种原因沦为废墟多年的领域，那你就只能自认倒霉了。

看起来重要的似乎是找出股票为什么在波动，但实际上这往往是徒劳且无利可图的努力。我们不是在寻找真理。归根结底，我们只是在寻找金钱。任何能帮助我们做到这一点的信息都是受欢迎的。事实证明，你并不需要那么多信息。价格本身可能就足够了。

动量投资就是买入正在上涨的股票。当价格上涨时，我们买入，预期股价将继续上涨。

动量投资背后的原理#

关于动量收益的成因已有大量研究。证明动量效应有效——或者至少迄今为止一直有效——并不难。更难的是解释为什么有效。

在学术领域，关于该主题的第一篇有影响力的论文发表于60年代（Levy, 1967）。此后，一些有趣的研究证实了这些发现并在此基础上进行了扩展。Jegadeesh和Titman的一篇论文（Jegadeesh & Titman, 1993）提出了两种替代理论来解释动量投资为何有效。

第一种理论是，买入过去赢家并卖出过去输家的投资者交易会暂时将价格推离其长期价值，从而导致价格过度反应。

另一种理论是，市场对公司短期前景的信息反应不足，但对长期前景的信息反应过度。

关于这个话题以及赢家股票为何倾向于持续获胜的其他理论，一直存在大量争论。可能的理论包括股票价格对共同因素的延迟反应，Jegadeesh和Titman对此持不同意见。当然还有赢家股票获得关注并吸引更多投资者的正反馈循环。但从纯粹实践的角度来看，你应该问问自己这真的重要吗。如果你能证明动量效应存在并在过去产生了超额收益，那么它很可能会继续如此。推测背后的原因可能是一种有趣的消遣，但与你交易真的相关吗？

已有大量研究证实动量效应，来自学术界和实践者，而且表现良好的股票动量产品并不缺乏。很难说动量投资不起作用。

当一只股票上涨了一段时间后，它比那些近期没有良好表现的股票更有可能继续上涨一些。

需要牢记的一个关键点是，动量效应在熊市（bear market）中的表现会非常不同。在我们经历牛市（bull market）或仅仅是普通无聊的市场环境时，动量效应运作良好。这是因为在正常和良好的市场环境中，股票可以相当独立地运动。市场更关注股票本身，而不是整体市场。

在熊市中，通常充斥着市场层面的因素。通常有某种力量驱动市场下跌，而这将成为几乎所有股票的决定性因素。可能是科技泡沫的崩溃、全球信贷危机、主权违约或其他重大事件。熊市中发生的情况是所有股票表现一致。分散化（diversification）变成了幻觉，所有股票在同一天同涨同跌。动量效应在这种市场中帮助不大。

系统性方法的优势#

那么，假设到目前为止你同意我的观点。我已经说服了你动量投资是一个好方法。问题仍然是如何实施。

一种方法是查看你了解的股票，看看哪些似乎在上涨。买入正在上涨的股票，不买那些没有上涨的。明显的问题是你了解的股票可能不是最有趣的。没有理由认为你通常关注的股票最适合动量投资。你之前跟踪甚至交易过这些股票的事实并不意味着什么。它们可能是周围最好的动量股票，但可能性不大。

我们也可以走图表分析路线，逐一翻阅数百张图表。我们查看每一张图表，看它是否有正动量，筛选出看起来强劲的图表并买入最强的。虽然这种方法扩展了视野，但仍然不够好。目视查看图表涉及大量的主观判断元素。这有可能引入随机因素，可能向任何方向倾斜。

让我们更进一步，使用一些技术分析（technical analysis）指标。例如，我们可以说只考虑50日均线（moving average）高于100日均线的股票。但这可能仍然有很多股票可供选择，并没有提供明确的买入指南。最终，即使这种方法也可能留下显著的主观判断空间，从而引入随机因素。

也许我们可以测量50日均线和100日均线之间的距离。这样，我们就有了一个可量化的动量度量。我们甚至可以更简单，只测量价格和移动平均线之间的百分比距离。现在比较一大批股票的百分比距离，你就有了一个初步的排名方法。这不是一个很好的排名方法，但是一个不错的开始。

鉴于我们想建立一个动量股票组合，我们可以从排名列表的顶部开始买入，直到资金用尽。虽然这有助于我们找到候选股票，但这只是整个方案的一部分。还有太多问题需要解决。每只股票买多少？持有多长时间？何时替换股票？

排名方法很重要，但只是策略的一个组成部分。排名方法是必要的，但没有完整的策略，你仍然会有太多随机变量。如果你今天买入最强的股票，那么下周或一个月后如果其他股票更强怎么办？你必须有一个计划，决定何时用更强的股票替换现有股票以及在什么条件下执行。

然后是每只股票买多少的关键问题。懒惰的方法，比如用投资组合资本的5%买入20只股票，是行不通的。这种简单化方法有许多缺点，尤其是你的投资组合将被波动性最大的股票所主导。这是另一个随机因素的例子。

之前我提到过在熊市期间持有动量股票不是一个好主意。说起来容易，但如何实施并不那么清楚。你需要一个计划，说明如何以及何时增加和减少你的整体投资组合风险。何时买入动量股票，何时避免买入。

如果你能制定一个涵盖所有这些因素的计划，那么你就拥有了一个真正的交易策略。最棒的是，如果你做得正确，你将拥有一个可以在历史上进行测试的可量化策略。通过仔细的模拟，你可以测试过去哪些因素重要，并找出哪些有效哪些无效。这个过程可以帮助设计一个稳健的交易方法，不仅很可能盈利，而且长期来看会大幅跑赢股票市场。

本书的下一部分将为你提供这样一种方法。它不仅在历史上经过了测试，而且在实践中也已验证多年。

第5章 · 市场环境过滤器

Mon, 01 Jan 0001 00:00:00 +0000

市场环境过滤器#

在第4章中，我展示了一些简单的趋势跟踪（trend following）风格交易模型，以及它们为何在股票上表现不佳。有一种非常简单的方法可以显著改进这些模型。这是一个非常简单的概念，让我非常困惑的是为什么还有这么多人没有实施它。

非常简单：不要在熊市中买入股票。

对于股票交易策略而言，最重要的指标是指数。有时股票似乎是独立的，靠自身力量运动，但这部分是一种幻觉。几乎所有股票每天都受到整体市场状态的影响。即使是受到积极消息流和买盘支持的动量股也会受到影响。在牛市中，大多数股票上涨。动量股可能比其他股票上涨更多，但大多数股票朝着同一个方向运动。

在横盘市场环境中，一些股票上涨，一些下跌。如果你查看覆盖数月的图表，指数可能看起来是横盘的，但在指数上涨的日子里，大多数股票表现稍好。动量股在横盘市场中往往表现得很好，只要波动性不是过大。

在熊市中，你持有哪些股票似乎突然就不重要了。当整体市场指数下跌时，几乎所有股票都跟随下跌。只是程度不同而已。如果你试图寻找2008年最强的股票，你会发现几乎不可能找到当时在上涨的股票。

当市场转跌时，突然之间所有股票都下跌了。之前看起来那么独立的股票现在变成了被狗追赶的绵羊。在熊市中，相关性（correlation）迅速趋近于1，你选择了哪些股票似乎不再重要。它们都在下跌。

如果你打算持有一个动量股票组合，或者任何其他股票组合，你始终需要了解当前的市场环境（market regime）。

测量这个的方法有很多种。归根结底，选择哪种方法并不那么重要。判断市场是牛市、横盘还是熊市并不难。实际上，关键是要判断我们是否处于熊市。横盘市场通常是交易动量策略的良好环境。

没有必要花太多时间思考你的具体方法。这是业余交易者的常见错误——忘记了目标，只关注工具箱。思考你想要实现什么，然后找到一个简单直接的方法。

在这种情况下，我们希望得到一个长期整体市场方向的指标。该如何做呢？你可以检查价格是否高于长期移动平均线（moving average）。你可以测量过去一年的百分比变动。也许使用双移动平均线或布林带（Bollinger band）。这些方法不会有太大区别。关键点是你需要一个长期市场环境指标。

由于实际上使用什么指标并不重要，只要它能捕捉市场的长期趋势，我将使用一个非常简单的方法。这里没有必要把事情复杂化。

如果标普500指数（S&P 500）低于其200日移动平均线，我将宣布市场为熊市。这是一个非常长期的过滤器。使用如此简单的方法，我们立即有了一种可靠的方法来识别市场是否处于下跌趋势。实际上，只需添加这一条规则，几乎所有股票组合策略都能显著改善。如果指数处于熊市，就不要买入股票。

图6.15 标普500指数与200日移动平均线

在图6.15中，你会看到自1980年以来标普500指数与200日移动平均线。这张图告诉我们，大多数时候指数都高于这条长期平均线。这并不太令人惊讶。大多数时候，买入股票是个好主意。

看同一张图，你可能还会注意到指数多次跌破移动平均线，然后迅速反弹。有理由质疑是否应该做与我建议相反的事情。为什么不在指数跌破移动平均线时买入呢？

那是一种完全不同的交易方法。一个更困难、当然也更冒险的方法。如果你在1987年崩盘后立即买入，你会赚到非常好的钱，而且速度相当快。但如果你在2000年指数跌破后买入，你会发现三年后你的钱只剩下一半。

不，我建议的是风险小得多的方法。这里的移动平均线将用作市场环境的指标。它回答一个简单的问题：市场是上涨的吗？当价格高于移动平均线时，我们将做出肯定的回答。

请注意，这里讨论的方法中，指数及其移动平均线对交易没有直接影响。它不会告诉你买入或卖出。我们不会仅仅因为指数跌破移动平均线就卖出。但是——这里是重点——当指数低于其长期移动平均线时，我们不允许建立任何新的头寸。

不要在熊市中买入股票。

第6章 · 股票排名

Mon, 01 Jan 0001 00:00:00 +0000

股票排名#

当你处理大量可交易标的时，找到一种好的排名方法就变得非常重要。如果你在看标普500指数的成分股，你不能随便随机挑选股票。嗯，第第4章表明也许你可以，但那是后话了。买入你熟悉或在报纸上读到的股票就更糟糕了。甚至不要想翻阅500张图表来找出你喜欢的形态。那会让你受制于你的视觉感知，无论你多么努力保持一致性，你很可能会在不同的日子做出不同的判断。你的心情、注意力和其他因素都会起作用，你得不到一致的结果。

你首先需要弄清楚你想要捕捉什么。虽然本书的核心范围是关于动量（momentum），但这些原理也可以用于其他风格。如果你喜欢这本书及其呈现的理念，那将是一个很好的研究领域。

动量本质上就是买入涨幅最大的股票。所以我们只需要根据涨幅来排名，对吗？嗯，尽管我赞成简单的方法，但这可能有点过于简单了。理解为什么这一点非常重要。

拿一个在各种互联网网站上非常常见的排名方法来举例。一种流行的方法似乎是根据价格与移动平均线之间的百分比差异来排名。对于长期排名，这可以是当前价格与200日移动平均线之间的百分比差异。这种方法有两个主要问题。

首先，它完全没有考虑股票的正常波动性（volatility）。这将导致选出高波动性的股票，对这些股票来说，远离移动平均线再回落是家常便饭。其次，更重要的是，这种方法不关心我们是如何达到远离移动平均线的。如果有一个重大事件在一天内将价格推得很远，比如潜在的收购，那就会把这只股票推到排名的顶端。

波动性非常重要。这个游戏不是看谁一年内的绝对收益最高。而是看谁的单位波动性收益最高。永远不要忘记波动性是我们用来购买表现的货币。我们想要实现的是，尽可能少地支付波动性，尽可能多地获得表现。单纯看收益而不考虑风险，严格来说属于赌博的范畴，这不是我们在这里做的事情。

这引出了一个显而易见的结论：我们需要找到那些以良好而有序的方式上涨的股票。我们想要的不只是随时间有显著涨幅的股票，还要让这些涨幅尽可能平稳。因此，我们的排名方法需要两个基石。我们需要同时考虑动量和波动性。

首先，让我们找到一种衡量动量本身的好方法。这其实并不难，更多是偏好问题。尽量避免那种查看常见技术分析工具的过于普遍的反应。我发现许多业余交易者容易陷入一种思维方式，这种思维方式基于过去几十年出版的大量技术分析书籍。许多这些工具是在不同的时代为不同的目的而创造的。尝试从头开始，为你自己的目的设计分析工具，而不使用常见的技术分析术语。即使你最终使用了类似的东西，这至少是一个好的练习。它会让你对方法有更深的理解，而不是使用现成的技术分析指标。

我喜欢我的分析工具基于像样的数学和逻辑，具有直观的意义，并且在需要时最好易于可视化。你选择的方法可能与我不同，这完全没问题。重要的是找到适合你目的的方法。如果你自己设计了分析工具，一定要做一些适当的模拟工作，以确保它确实增加了价值。

使用指数回归进行股票排名#

我通常的股票排名方法可能对某些人来说看起来过于复杂。一旦你理解了所涉及的基本统计计算，它其实并不复杂。如果你觉得这一节很复杂，我的首要建议是花时间理解背后的逻辑。对于那些以前接触统计分析有限的人来说，公式和术语可能看起来比实际复杂得多。相信我，这并不可怕。

如果你仍然觉得这些概念太复杂，可以随意用你自己选择的方法替代它们。看看逻辑和我们想要实现的目标，找到一些更简单的方法来完成工作。我会尽力解释我使用的方法以及为什么我最终选择了它们。

为了衡量动量，我使用指数回归（exponential regression）。这引出了两个显而易见的问题：什么是回归，为什么是指数回归。在看指数部分之前，你需要理解线性回归（linear regression）的概念。我不会深入公式和细节，这个讨论将保持在概要的水平。请见谅其他同行宽客（quant）们，他们可能会觉得这个解释过于简化了。

线性回归是一种在数值序列上拟合直线的方法。它是一种找到最佳拟合直线的方法，在这里是拟合到价格的时间序列。图7.16展示了一个例子，其中一条线性回归线被拟合到价格序列上。注意这不是趋势线。趋势线是非常主观的，可以用多种不同方式绘制。我们讨论的是基于价格点计算出的线性回归线。

图7.16展示了90年代末微软的线性回归线。线性回归公式会给出两个值，以绘制这样一条回归线。首先你可以计算截距（intercept），即从哪里开始画线。然后你有斜率（slope），它告诉你每条连续数据点线应该向上或向下移动多少。结果线是价格数据的最佳线性拟合，或者说是误差最小的拟合。

斜率是我们真正感兴趣的，因为它告诉我们股票价格的方向。

对于日线数据，斜率会告诉我们每天线应该上涨或下跌多少美元美分。毕竟，顾名思义这是一条直线。因此，在日价格序列上计算线性回归斜率，就等于计算同一时间段内每天的平均涨幅或跌幅。

因此，线性回归斜率是股票速度或动量的度量。但问题在于斜率是以美元和美分表示的。如果一只10美元的股票每天上涨2美元，这比一只100美元的股票每天上涨相同的2美元要显著得多。

这就是使用指数回归的原因。线性回归斜率以货币单位表示，而指数斜率以百分比表示。指数回归斜率会告诉你线向上或向下移动的百分比。或者如果你愿意，可以说是每天的平均百分比变动。

显然这个斜率数字通常会有很多小数位，难以关联。大多数股票的斜率不超过一个百分点，甚至不到半个百分点。毕竟，如果一只股票的斜率是每天1%，那意味着它一年内会涨超过200%。相反，你会得到0.000435这样的斜率，以及其他难以理解和关联的数字。简单的解决办法是将其年化。

如果你对斜率进行年化，你会得到一个数字，告诉你如果股票继续以完全相同的角度运动，理论上全年会获得多少。

并不是说你可以做任何假设说这一定会发生，因为很可能不会。理由只是为了让数字更容易理解。如果你看到指数回归斜率是0.0006，这很难理解，但如果告诉你这相当于年化16%，那就更容易理解了。

图7.16 线性回归线——微软

概念比数学更重要，但让我们简要看看这个16%的数字是怎么来的。首先我们计算了股票的指数回归斜率。这可以使用大多数标准图表软件或Excel等电子表格应用程序来完成。

这个假设情况下的指数斜率最终为0.0006。这意味着平均每天股票上涨0.06%。假设一年有250个交易日，年化就非常简单了。

简单的金融数学告诉我们，0.06%的涨幅复利250天，一年后大约为16%。现在这个数字有了更直观的意义。

用百分比思考比用美元美分思考有用得多。毕竟，知道股票XYZ上周赚了30美元并没有太大用处。没有背景信息这什么都说明不了。但如果同一只股票上周上涨了30%，那就有意义了。

如上所述，使用年化指数回归斜率的一个好处是它直观易懂。我们可以看到当前斜率相当于每年百分之几。需要记住的重要一点是，我们并不真正期望这个收益会实现。它可能小得多，也可能大得多。它的作用是将近期表现放在一个我们可以关联的视角中。

在本书中，我们寻找的是中期动量排名。回归计算都使用过去90个交易日的数据。这构成了一个合理的时间段，无需进行优化。

当下方面板中的线高于零时，股票在上涨，否则在下跌。数字越高，动量越强。

如果我们现在计算所有候选股票的指数回归斜率，对数字进行年化，并根据结果值进行排序，我们就有了一个相当不错的排名方法。不是完美的方法，但已经相当不错了。

图7.17 Essex Property Trust，年化指数回归斜率

图7.17展示了Essex Property Trust，下方图表为年化指数回归斜率。注意图中的零刻度线。

斜率最高的股票将排在列表顶部。某只股票上涨越强劲，它在列表中的位置就越高。这是一个纯粹的动量排名。

我们的排名方法仍然有一个小问题。仅使用年化指数回归进行排名意味着我们不关心拟合度。例如，如果一只股票几个月来一直横盘，然后突然一天上涨50%，接着又继续横盘，这会严重干扰我们的排名。你说不可能？完全可能。对于宣布即将被收购的股票来说，这是一种正常行为。价格迅速跳升到非常接近收购价格，然后失去所有波动性，在交易完成前横盘整理。这不是我们想要买入的情况。你还可以想象更多可能发生的奇怪情景。

我们不想选择一只刚刚大幅跳升的股票。我们希望获得尽可能平稳上涨的股票。最好是我们买入后它们也能继续平稳上涨。我们在寻找真正的动量股，而不是刚刚出现疯狂缺口的股票。

细心的读者已经注意到几段前暗示的解决方案。关键词是"拟合度"。既然我们用到了回归数学，就有一个很好的方法来衡量价格数据对回归线的拟合程度。它被称为决定系数（coefficient of determination），通常用R²表示。

定义

决定系数（coefficient of determination, R²）：衡量价格序列对回归线拟合程度的指标，取值范围为0到1。值为1表示数据完美拟合直线，值越接近0则拟合程度越差。

R²告诉你价格序列对回归线的拟合程度。如果你有一堆随机散落的价位，你仍然可以计算出一条回归线。结果当然是无意义的，因为这些点之间没有联系，没有实际的斜率可以预测。在这种情况下，R²将接近于零。

另一方面，如果实际数据几乎已经是一条完美的直线，我们会得到相反的结果。如果我们基于以近乎完美直线上升的价格数据计算回归斜率，可以预期R²读数接近1。

零是R²的最小值，1是最大值。值为1意味着数据完美拟合直线，R²越低，回归线的拟合度越差。再次提醒，理解逻辑比知道所有公式重要得多。

现在来个小测验。鉴于我们现在有两个数值，如何能做出更好的排名？我们有股票的年化斜率，还有一个介于0和1之间的数字告诉我们这条线对现实拟合得如何。

是的，没错。让我们把这两个数相乘看看结果。如果回归线的拟合度低，我们就把数字拉低。如果拟合度高，它就不会被压低太多。这意味着我们衡量纯粹的动量（回归斜率），然后根据波动性对其进行惩罚。波动性越高，惩罚越重。

你会发现，大多数时候排名列表看起来相当相似。区别在于拟合度最极端（无论好坏）的股票会在排名中发生较大变动。最大的影响是，在巨大波动性下取得大幅涨幅的股票会被远远推下排名，远到足够排除在现实候选之外。这正是我们使用R²拟合度方法想要达到的效果。

图7.18展示了中间面板的年化指数回归斜率。那是纯粹的动量，即年化回归斜率。下面板是拟合度，即决定系数。最后，你看到两者相乘的结果。

注意当波动性增加时R²如何迅速下降。当价格以相当平稳的趋势运动时，像图7.18中间部分那样，R²将保持相当高。在这种情况下，动量排名不会受到太大惩罚。另一方面，当价格改变方向或变得不稳定时，R²会下降，从而把调整后的排名一起拉低。

这样，我们的动量排名将是动量（以回归斜率的形式）和质量度量（以R²的形式）的组合。将指数回归斜率乘以决定系数（R²），你就有了一个相当好的股票排名基础。

图7.18 回归斜率与拟合度——Expeditors International

第7章 · 头寸规模

Mon, 01 Jan 0001 00:00:00 +0000

头寸规模#

你已决定要买哪只股票。这是朝着正确方向迈出的一步。但现在你面临着一个非常重要但经常被忽视的决定。你的头寸规模（position sizing）以及它随时间的变化，可以造成天壤之别。

谈到头寸规模，你需要记住我们不是在分配资金。我们在分配风险。这是理解头寸规模的关键。所使用的现金数额不是一个关键因素。在处理股票这类现金工具时，这可能是限制因素，因为你要全额支付这些工具，而且杠杆成本很高。但就头寸规模而言，它并不是一个指导因素。

理解为什么用现金配置来思考是个坏主意非常重要。这是非常常见的错误，不仅绝大多数散户交易者和投资者会犯，大量基金和资产管理人也会犯。使用这些方法很有吸引力，因为它是如此简单。

经典方法是目标持有20只股票，每只买入5%。持有大约20只股票似乎是实现合理分散化的好数字，表面上这个主意似乎是个好计划。问题在于这给你的风险引入了一个随机变量，并使你的投资组合偏向波动性最大的股票。

如果你所有的股票波动性大致相同，那么这种等权重方法应该工作得很好。但在现实中不太可能是这种情况。有些股票每天涨跌0.5%，而另一些股票日平均波动超过2%。如果你将这样的股票组合在同一个投资组合中并分配相等的现金，你就让波动性大的股票主导了全局。投资组合的整体利润或收益将高度依赖于少数几只波动性大的股票，而波动性较小的股票的表现则不那么重要。

让我们做一个真实的动量股票组合，看看使用现金分配方法和风险分配方法时，构成会有何不同。下面的股票是截至撰写本文时标普500指数中的一些顶级动量表现者。等这本书出版时，当然已经非常过时了。在第一个版本中，我们使用老式的等额现金分配方法。我们每只股票花同样的钱，完全无视波动性。

表8.7 简单等权重投资组合

这看起来是一个均衡的投资组合，由知名公司组成，分散于多个行业。某些行业缺失有充分的理由。例如，自2014年中原油价格开始暴跌以来，能源行业一直表现糟糕。同样没有公用事业或电信股，这些行业已经失宠一段时间，材料行业也是如此。

注意这里的行业构成并非刻意设计。在这方面没有做出任何主观决定。投资组合只是通过在某个特定日子挑选顶级动量股构建的。

所选股票在当时构成了一个不错的动量组合。它们是基于有效的动量标准挑选的。但权重可以改进。其中一些股票比其他股票波动性大得多。如果我们给每只股票分配等额现金，我们将得到一个由这些波动性更大的股票主导的投资组合。在任何正常交易日，投资组合将主要受这些股票影响，而不是其他股票。通过分配等额名义权重，我们创建了一个非常不平衡的投资组合。

解决方案其实非常简单。这种方法通常被称为风险平价（risk parity）配置。通过审视每只股票的波动性，我们可以据此调整每只头寸的规模。其理念是买入较小规模的波动性股票，使每只股票对投资组合利润的潜在影响相等。

表8.8展示了考虑波动性后的权重。注意所有计算均基于撰写本文时的市场数据。因此当你阅读时数字已经过时了。

表8.8 风险平价规模投资组合

如你所见，基于风险平价的规模有相当多的变化。最小的股票只有3.1%的权重，而最大的为7.6%。这反映了西南航空（Southwest Airlines）比克罗格（Kroger）的波动性大得多。我们不想仅仅因为LUV倾向于波动更大就买入更多的风险。购买等额美元数量的这两只股票毫无意义，除非你真的想在航空公司上承担更大的风险。

对于股票动量等投资策略的头寸规模，具体的细节并不重要。不是说你买3.4%还是3.6%的Celgene。重要的是概念，以及大致正确的实施。如果你理解了为什么给所有股票分配等额现金是个坏主意的逻辑，那你就在解决头寸规模方面已经走了很长的路。一只股票中的一美元与另一只股票中的一美元风险不同，每只股票的正常波动性需要被考虑在内。

表8.8中使用的方法非常简单，任何人都可以实施。业内专业人士有更复杂的方法，但边际价值并不高。对于那些已经拥有昂贵工具的人来说，使用复杂方法很容易并且没有坏处。但风险平价规模的大部分好处可以通过这里的简单公式获得。

这个公式中的ATR代表平均真实波幅（Average True Range）。它是一个常用指标，衡量某个工具在平均每天倾向于波动多少，上涨或下跌。真实波幅（True Range）就是当日最高最低价之差或与前一日收盘价之差的最大值。因此ATR只是这些数值在若干天内的平均值。使用多少天取决于偏好和目的，并不特别重要。我在表8.8的计算中使用了20天。ATR可以很容易地计算，甚至在大多数金融软件中自动找到。

风险因子（Risk factor）是一个任意数字，设定了该股票的目标每日影响。如果你将这个数字设为0.001，那么你的目标是该股票对投资组合的每日影响为0.1%，即10个基点。当然，前提是ATR大致保持在近期的水平。

你设置的风险因子越低，股票的头寸规模就会越小。在构建股票投资组合的背景下，这意味着风险因子越低，你将获得的股票数量越多。这是因为我们会持续买入直到资金用尽，而风险因子越低，每只股票使用的现金就越少。

因此，降低风险因子会增加分散化。只需记住，在股票世界里，分散化只能帮你到一定程度。持有10只股票而不是5只有明显的分散化优势，但持有40只股票而不是30只是否有任何价值则值得怀疑。

让我们看一个如何使用这种方法计算头寸规模的例子——Monster Beverages。图8.21显示了该公司的价格图表，底部是20日ATR。如果我们要买入这只股票，可以使用最新的ATR读数进行头寸规模计算。最近读数为3.26，意味着这只股票在过去20天内的平均日波动区间为3.26美元。在普通日子里，这就是这只股票倾向于波动的幅度。一个合理的风险因子可能是10个基点，即0.1%。记住这是任意的，数字越高意味着股票数量越少但规模越大。

让我们进一步假设整个交易账户价值10万美元。那么我们应该买入多少股Monster呢？

这个公式中的分子是我们的目标每日影响。100,000乘以0.001等于100。这是这里的一个重要数字。我们通过这个公式想要实现的是，投资组合中的每只股票每天平均波动100美元，上涨或下跌。100美元是我们投资组合的10个基点，这就是我们希望每只股票每天对投资组合产生的影响。

图8.21 Monster Beverage，20日ATR

由于这只特定股票倾向于每天波动3.26美元的区间，我们需要将头寸的目标波动除以该股票的平均日波动。100除以3.26得到30.67。让我们向下取整，买入30股。

当前股价为118.93，因此买入30股将花费3,567.90美元。这意味着该头寸的投资组合权重为3,567.90除以100,000，即3.57%。

永远记住，在分配头寸规模时，我们是在分配风险而不是现金。我们审视股票的波动性，并据此设定规模。让现金配置顺其自然。

头寸再平衡#

这是一个非常重要的话题。如果你来自机构世界，会觉得这显而易见，甚至不需要单独一节来说明。毕竟，这是大多数从业者像钟表一样定期做的事情。当然你需要再平衡（rebalancing），否则你会变得失衡。

但如果你没有在机构资产管理领域工作过，这可能是新鲜事，可能对你的长期结果产生重大影响。再平衡是关于如何随时间调整头寸规模。不，我不是说在成功时加倍或者在亏损时加倍下注。那些行为严格来说是赌博。再平衡是为了调整你的头寸规模，使其回到最初设定的水平。

还记得我在上一节中解释过，当你设定头寸规模时，你分配的是风险而不是现金吗？嗯，风险随时间变化。它不是一个非常静态的因素。

要真正理解再平衡，你必须首先全面理解基于波动性的头寸规模。虽然这个概念有不同的变体，我们将使用之前介绍的基于ATR的公式，因为它工作良好且非常容易实现，无需昂贵的风险工具。

但有一个明显的问题。太多人忽视了这一点。细心的读者应该已经在图8.21中发现了问题。你看到了吗？

明显的问题是波动性不是静止的。对于Monster Beverages来说，2014年大部分时间ATR在1.5美元左右波动，然后在8月突然大幅跳升至3.8美元。然后它回落到大约2美元，再慢慢上升到略高于3美元。

如果我们在2014年7月买入这只股票，我们会计算出与2015年初买入截然不同的规模。使用2014年7月的数据，相同的初始投资组合规模，我们会得到以下计算。

是的，如果我们在7月买入，我们会买入超过两倍的股票数量。初始理论风险大致相同。随着股价的波动，我们的头寸风险会发生相当剧烈的变化。如果我们将这些股票持有到2015年初，现在的风险水平将超过我们目标的两倍。我们将经历超过20个基点的平均每日影响，而我们原来的目标是10个基点。

此外，这个方程中还有一个非静态变量，即总投资组合价值。这不仅受到该头寸随时间表现的影响，还受到其他头寸表现的影响。再加上你可能为他人管理资金或自己增加或减少投资组合所带来的潜在资金流入和流出。

即使你的头寸没有任何变动，风险仍然可以改变。例如，如果投资组合中的其他头寸取得了巨大成功，获得了大幅收益，那么你的静态头寸的风险配置会突然变得比应有的低得多。投资组合价值因其他股票的表现而上涨，现在你所有的头寸规模计算都偏了。

当然，如果其他头寸遭受重大损失，情况也是如此。如你所见，头寸规模必须从动态的角度来看待。它不是一种"一劳永逸"的解决方案。

这一切意味着你的头寸规模需要定期审查和再平衡。你需要改变头寸规模以使其保持不变。为了让近似风险配置保持不变，你需要不断改变你持有的股票数量。

回到图8.21中的Monster图表，如果我们在7月买入股票，我们绝对需要在8月调整规模。在这种情况下，我们需要卖出相当多的股票。也许此时有人会问"让利润奔跑"的问题。毕竟，这是一个常见的说法，意味着你永远不应该卖出盈利的头寸。嗯，这些口头禅首先就没什么用。现实生活没有简单到可以用几句俏皮话概括。

在这里，我们让头寸继续持有，但允许风险配置毫无控制地失控，这既不合理也不负责任。专业人士进行再平衡是有原因的。

建议定期对所有头寸规模进行再平衡。对于股票动量投资组合等较长期投资策略，每两周或每月一次就足够好了。通常没有必要每天做，因为这会大大增加交易量和交易成本。

为了减少交易量，你可以设置一个过滤器，规定目标风险和当前风险之间需要有多大差异才能触发再平衡操作。这可以防止你在每个再平衡日进行过多的小额交易。

第8章 · 何时卖出

Mon, 01 Jan 0001 00:00:00 +0000

何时卖出#

想必你正在好奇止损逻辑——它基于什么、距离多远、止损单是挂在市场上还是用收盘价触发。

好吧，抱歉让你失望了。这里没有止损。

某些类型的交易策略需要使用止损单（stop loss order），另一些则不需要。动量选股组合不需要止损。事实上，对这类策略使用止损逻辑很可能会产生负面效果。有更好的方法来决定何时剔除一只股票。

趋势跟踪者通常使用移动止损（trailing stop）。也就是说，只要价格没有回撤到一定幅度，你就一直持有。这对某些类型的策略来说是有效的出场方法。永远记住事物背后的逻辑。人们很容易陷入那些老生常谈——让利润奔跑、截断亏损、让趋势成为你的朋友直到它拐弯等等。不要被这些口号困住。事实是，这些说法有时是对的，有时不对。你需要的是运用常识和批判性思维，而不是那些断章取义的古训。你可以引用我这句话。

如果我们基于前文介绍的排名概念构建投资组合，然后使用移动止损逻辑，就会遇到一个非常明显的问题：一只股票可能永远横盘下去，而我们还一直持有它。考虑到股票交易中资金有限的问题，这确实令人担忧。

即使这只股票持续上涨，可能还有其他股票涨得更多。移动止损不会仅仅因为某只股票表现不如同类就将其剔除。过一段时间后，我们的投资组合就会变得老旧，充斥着表现不佳的股票。

还记得我们最初是如何构建投资组合的吗？它是基于我们覆盖范围内的表现最好的股票。如果我们把出场标准建立在这同样的逻辑上，不是更有意义吗？

这就引出了投资组合再平衡（portfolio rebalancing）这个非常重要的话题。

投资组合再平衡#

在上一章中，我阐述了头寸再平衡（position rebalancing）的重要性。这涉及重新计算所有头寸规模，确保它们仍然具有与建仓时相同的风险分配。随着波动率的变化，头寸规模需要定期调整以与之匹配。

在投资组合层面，你也有类似的任务需要定期执行。这包括检查你所持有的股票是否仍然满足留在投资组合中的条件。

还记得我们在前文看过的排名表吗？这些表格会根据调整后斜率（adjusted slope）概念展示当前的顶级股票。按这个斜率对股票排序，每只股票会得到一个排名——从1（最佳）开始，随着斜率变差，排名数字越来越大。

任何一只股票的具体排名每天都在变化，所以一旦我们买入了一只股票，需要给它一些余量。例如，如果我们持有大约20只股票的投资组合，并要求一只股票必须保持在前30名，那将导致过多的交易活动，我们会不断地卖掉表现本来不错的动量股。

然而，我们可以规定：在进行投资组合再平衡时，投资组合中的每只股票必须位于标普500（S&P 500）股票的前20%（或你的任何投资范围），才能继续留在组合中。

具体的分界线可以调整。如果你的股票范围很广，比如标普1500（S&P 1500），那么可以设置一个更低的分界线。你可以要求股票排在前10%甚至前5%。关键在于逻辑：与其设置止损位，不如让一只股票留在组合中，只要它仍然是可买到的最强势的股票之一。

但如果所有股票都在下跌呢？是的，这确实令人担忧。所以我们需要另一个标准，一个后备机制。让我们保持简单：只需加入一个趋势指标。

如果一只股票不再处于投资范围的前20%，或者其价格跌破100日移动平均线，就将它从投资组合中剔除。

这样简单的出场标准实际上已经足够了，效果也很好。不需要移动止损或类似机制。

投资组合再平衡的第二个任务是弄清楚卖出股票后如何处理现金。也许一只股票刚刚跌出前20%，或跌破了100日移动平均线。我们卖掉它，然后手里有了一堆现金。现在怎么办？

循环重复即可。首先检查市场状态过滤器（market regime filter）：指数是否高于其200日移动平均线？如果不是，就不能买入。是的，这意味着你有一个自动的敞口缩减机制。这是整个策略的关键部分。如果指数跌破趋势过滤器，我们在股票被卖出后不补充新仓位。我们不会仅仅因为指数走熊就卖出，但也不会买入新股票。这将导致头寸缓慢有序地缩减。

如果指数水平一切正常，我们再次检查排名列表。使用前文展示的调整后斜率概念，重新制作一份顶级动量股列表。从中挑选排名最高的股票。买入列表中排名最高且我们尚未持有的股票，直到现金用尽。

不需要任何主观判断。你永远不必停下来思考该做什么。规则非常清晰，这有助于你在长期内执行。

投资组合再平衡的频率应高于头寸再平衡。例如，你可以每周做一次投资组合再平衡，寻找要卖出和替换的股票，而头寸规模再平衡每月只做一到两次。

第9章 · 完整的动量交易策略

Mon, 01 Jan 0001 00:00:00 +0000

完整的动量交易策略#

现在我们已经讨论了构建真实策略所需的各个模块，接下来可以制定一套坚实的规则了。拥有严格的交易规则具有巨大优势。你总是有一个明确的行动方案。你的决策永远不会基于随机性或当天的情绪。在市场动荡时，你有一个已知在过去行之有效的现成计划。

当你有一套坚实的规则时，就能更加放松。如果你知道自己的具体规则已经过测试和验证，并且在过去表现良好，那么对自己的交易方法就会更有信心。你不必每天盯着股票，也不必在压力下做决策。

使用前文介绍的各个模块，让我们创建一个完整的策略，包含精确的交易规则。一旦你有了确定的规则，既可以将其视为清单，在指定时间手动执行，也可以更进一步，将整个过程自动化。

有了这些规则，你当然也可以构建适当的模拟并进行回测。这将进一步增强你的信心，同时让你对表现有合理的预期。了解自己在好市场和坏市场中分别能期待什么样的收益特征，这很重要。

在我将在本章描述的策略中，我会使用一些具体的参数。我会使用特定的天数来计算波动率和动量，以及其他因素。但不要过分关注我选择的数字。一个坚实的交易策略对这些数字并不十分敏感。我在这里使用的数字是合理的，但其他数字也同样合理。概念才是关键。不要忽视这一点。如果这个策略只有使用这些精确参数才有效，那它就是无用的。我提供这些设置作为起点，但鼓励你尝试不同的数值。

具体交易规则#

是的，我用了上面的标题来帮助那些直接跳到这里寻找交易规则的人。下面我将列出这些规则。

* 仅在周三进行交易。

我们这里讨论的是一种跑赢股市的长期方法。这种策略的一部分就是避免行动过快。为了减少工作量和交易频率，我们每周只检查一次交易信号。即使某只股票一天内暴跌20%，只要不是我们预定交易的日子，我们就不做任何操作。注意，这并不意味着我们使用周度数据。所有计算仍然基于日度数据。我们只是不在非周三的日子交易。为什么偏偏是周三？因为周三是所有交易日中有20%概率是最佳交易日的那一天。是的，这完全是任意的。选一天就好，哪一天并不重要。

* 基于波动率调整后的动量对所有股票进行排名。

对标普500指数中的所有股票基于动量进行排名。我们将使用过去90天计算得到的年化指数回归斜率（annualized exponential regression slope），然后乘以同期的决定系数（coefficient of determination, R²）。这样就得到了一个波动率调整后的动量度量。

记住，如果一只股票的价格低于其100日移动平均线，或者近期存在超过15%的跳空缺口，它就不合格。

* 基于10个基点计算头寸规模。

使用基于ATR的简单公式计算头寸规模，目标每日波动为10个基点。计算股数的公式为：账户价值 × 0.001 / ATR20。

* 检查指数过滤器。

只有当标普500指数高于其200日移动平均线时，才允许开立新头寸。如果指数低于该均线，不允许买入。

* 构建初始投资组合。

从排名列表的顶部开始。如果第一只股票没有被其价格低于100日移动平均线或存在超过15%的跳空缺口所 disqualify，就买入它，然后继续下一个。从顶部开始买入，直到现金用尽。

* 每周三进行投资组合再平衡。

每周检查一次是否有股票需要卖出。如果某只股票基于排名不再处于标普500股票的前20%，我们就卖出它。如果其价格低于100日移动平均线，我们就卖出。如果存在超过15%的跳空缺口，我们就卖出。如果它离开了指数，我们就卖出。

如果我们有可用现金，就寻找要买入的股票。如果有任何股票被卖出，自然就会释放出现金。买入替代股票遵循同样的逻辑。只有当指数处于正向趋势时才买入。从排名列表的顶部开始买入，要求排在前20%、具有正向趋势且没有大的跳空缺口。只要指数处于正向趋势，我们就不断从列表顶部买入新股票，直到现金再次用尽。

* 每两周（第二个周三）进行头寸再平衡。

每月两次重置头寸规模。如前所述，长期策略需要纳入头寸规模再平衡，以避免最终风险完全随机化。逐一检查投资组合中的每个头寸，比较当前头寸规模与目标规模。目标规模的计算使用与初始建仓完全相同的公式，当然要使用更新后的投资组合规模和ATR。

如果差异很小，就没有必要为了再平衡而再平衡。这个流程的目的是确保头寸风险不会失控。如果存在任何显著偏差，就将头寸规模重置为目标规模。

好了，大致就是这些。嗯，让我们再回顾一下。

好的，你只需要每周检查一次市场。我完全随机地选定了周三，所以请不要给我发邮件询问是否有某种月相周期使周三是最佳交易日。选择你喜欢的任何一天都可以。

所以我们只在周三查看市场。每周我们首先检查是否需要卖出任何头寸。如果一个头寸不再合格，就卖出。然后，如果我们有可用现金，并且指数处于正向趋势，就买入股票。从排名列表的顶部开始买入，直到现金用尽。

每两周（第二个周三），我们还有一个额外任务。比较头寸目标规模与实际规模，并根据需要进行再平衡。

这是一个简单的清单，不是吗？当然，我们让它变得更简单。直接打印图10-22中的流程图即可。

图10-22 交易规则流程图

第10章 · 策略实战

Mon, 01 Jan 0001 00:00:00 +0000

策略实战#

也许整个动量策略在目前看来有些理论化。看一下实际操作的一面，了解如何真正实施它，可能会有所帮助。我们还会回顾一些图表，看看股票会在什么位置被买入和卖出。

初始投资组合#

启动策略的那一天，你直接跳入深水区，没有逐步买入的过程。假设市场状态是正面的，即指数高于其200日移动平均线，我们就买入股票直到现金用尽。

显然，首要任务是确保标普500指数高于移动平均线。这部分很容易。任何图表软件都可以为你完成，如果你想，甚至可以在Excel中通过比较过去200个指数价格的平均值与当前价格来完成。如果指数低于移动平均线，我们什么都不买。只需耐心等待，直到它重新回到正面区域。

现在你需要计算前几章提到的相关分析指标，并制作一个漂亮的排名表。手动为一只股票做这些很容易，但我们需要对数百只股票做同样的事。有些读者可能觉得这轻而易举，而另一些读者则不知从何下手。

你想要得到的结果类似于表11-9。当然，当你阅读时，这张表中的实际数据已经不是最新的了。这张表是整个策略的核心。这是一张非常重要的表格，所以让我们来回顾一下关键列。

斜率（slope）列可能是最重要的。整个表格就是按此排序的，它决定了我们买入的优先级。斜率列显示的是波动率调整后的斜率（volatility adjusted slope），如前文所述。简而言之，这个数字只是衡量股票所展现动量的一项指标，经过波动率调整。数字越高，风险调整后的表现就越好。我们希望买入尽可能高数字的投资组合。

即使一只股票排名很高，它仍然可能不合格。在确定是否可以买入之前，还有两列需要检查。趋势（Trend）列告诉你股票是否高于其100日移动平均线。如果不是，我们就不买入。一只排名很高的股票仍然低于这个均线是不常见的，但有可能发生。这有点像后备机制，用于避免一些奇怪的情况。

然后是最大跳空缺口（maximum gap）。我们寻找的不是那些因收购传闻而突然跳涨40%的股票。我们寻找的是有序的牛市，以可控方式上涨的股票。某些跳空缺口是可以接受的，但我们不想跳入那些因为单一巨大跳空缺口而使股票跃升至排名表顶部的不寻常情况。过去90天允许的最大跳空缺口为15%。这意味着该表中排名最高的条目——Hospira——不合格。它近期存在26%的跳空缺口，所以我们不考虑那只股票。

接下来是ATR，即平均真实波幅（Average True Range）。这个数字告诉我们一只股票平均每天倾向于上涨或下跌多少（以美元计）。我们将用它来进行头寸规模计算。记住，我们的目标是风险平价投资组合（risk parity portfolio），其中每只股票对整体投资组合的影响具有同等的理论概率。

目标百分比（Target%）列是新的。这里的所有其他数据之前都解释过了，但这一列还没有——至少没有直接解释过。这是在排名表中很有用的一个数据，它告诉你应该将某只股票的目标权重设定为多大。它可以通过ATR列轻松计算得出。

由于Hospira的跳空缺口太大，我们跳过它。我们先买入Mallinckrodt，计算需要购买多少股。

这里我们使用的风险因子为10个基点。这意味着我们希望每只股票每天对投资组合的平均盈亏影响为0.1%。假设我们起始账户价值为$100,000。在这种情况下，我们希望每只股票每天平均波动约$100。

根据表格，Mallinckrodt的ATR为3.69，这意味着该股价在近期历史中平均每日波动幅度为这个金额。由于每只股票每天波动约$3.69，而我们希望影响为$100，我们需要买入27股。27乘以3.69接近100。

制作该表格时的股价约为$126。126乘以27股，我们得到$3,414的敞口。除以你的账户价值$100,000，你会发现这个头寸的权重为3.4%。

现在继续下一只股票，不断买入直到现金用尽。

表11-9 排名表

图11-23中的交易图表展示了一次交易是如何完成的。你在该图中看到的各类线条不是传统的技术指标，而是这个动量模型的具体项目，我发现它们有助于可视化。

在该图的顶部，你会看到股票Urban Outfitters的实际价格图。其上绘制了一条100日移动平均线，显示该股票目前处于正向趋势。正下方的第二个图表窗格显示标普500指数及其200日移动平均线。这清楚地表明此时指数也处于正面状态，交易价格高于移动平均线。

接下来是风险调整后的动量斜率（risk adjusted momentum slope）。该分析指标如前文所述。然后是ATR，显示股票的波动率如何不断变化，迫使我们持续调整头寸规模以保持风险一致。

下一个窗格中的动量排名（momentum rank）告诉我们，与指数中所有其他股票相比，这只股票排在什么位置。因此，如果你像在表11-9中那样，取指数中所有股票的风险调整后动量斜率并进行排序，这个指标就会告诉我们这只股票在该表中的位置。数字小意味着相对于其他股票，风险调整后动量更强。

指数成分股指标（index member indicator）要么为1（如果该股票当前是指数成分股），要么为0（如果不是）。考虑历史指数构成绝对至关重要。你需要对哪些股票属于你的投资范围、哪些不属于有一个正式的约束条件。创建一个看起来很棒但结果毫无用处的模拟，最简单的方法就是假设你在十年前的今天交易当前的指数成分股。

如果一只股票不是指数成分股，我们就不交易。如果它离开了指数，我们就卖出。

最后，最后一个图表窗格显示了该股票在过去90天内的最大跳空缺口有多大。只要低于15%，就一切正常。

图11-23 交易图表：买入Urban Outfitters

如图所示，我们在2015年3月买入了Urban Outfitters，在此之前它经历了一轮强劲上涨。注意风险调整后动量序列如何开始上行，推动该股票在排名列表中不断上升。在年初，这只股票的排名超过400，意味着它表现糟糕。然后它开始起飞，迅速攀升至排名表前列，最终被买入。

这就是构建初始投资组合的方法。只要股票通过过滤器，就从顶部开始买入。但工作还没有结束。现在你需要定期执行再平衡任务，以确保投资组合的构成始终符合我们的目标。

头寸再平衡#

每两周一次（每隔一周），我们进行头寸规模再平衡。如果你想更频繁或间隔更长一些，是个人偏好的问题。频率更高，风险控制更精确，但同时会产生更高的交易成本。每隔一周是一个不错的折中方案。

头寸再平衡的目的是保持风险一致。股票的波动率随时间变化，由于我们需要风险平价投资组合，需要不断调整交易规模以匹配每只股票的目标风险。

每个头寸一买一卖不再动的想法已经过时了。那不是管理投资组合的方式。所有这些再平衡交易可能让交易图表看起来很混乱，但确实非常合理。

首先要做的是制作一份更新的排名表，就像表11-9一样。这将告诉你每只股票的目标权重。现在你需要与实际权重进行比较，并进行必要的调整。

在图11-24中，你可以看到1999年和2000年Java动量策略进行的交易。最初的买入是在1999年9月，为这个投资组合买入了387股。随着波动率不断上升（如ATR窗格所示），每次头寸再平衡时都会卖出少量股票。这些卖出与市场观点无关。我们卖出不是因为认为股价可能会下跌，也不是为了锁定利润或类似原因。我们卖出是因为想要维持初始风险。如果不卖出一些股份，我们最终将承担比预期更高的风险。

理解这一点很重要。如果我们什么都不做，我们的头寸也会发生变化。我们需要采取行动来维持预期的头寸。这可能意味着买入或卖出股份，但与市场观点无关。

图11-24 交易图表：Oracle

投资组合再平衡#

投资组合再平衡每周进行一次。这个操作的目标是退出不再满足条件的头寸，并买入新的头寸。当然，如果指数低于其长期移动平均线，我们就不替换股票，从而逐步降低整体投资组合风险。

同样，我们首先需要制作一份更新的排名表。首先检查你当前持有的股票。如果有任何股票呈现负面趋势，即价格低于其100日移动平均线，就卖出。如果有任何股票存在超过15%的跳空缺口，就卖出。

如果某只股票不再是指数中排名前100的股票，就卖出它。如果我们关注的是标普500中的股票，那意味着排名需要优于100。制作排名表，按波动率调整后的动量斜率排序，查看股票的最终排名。如果排名高于100，就将其剔除。

卖出不再属于投资组合的股票后，就可以买入新的了。而且你已经知道怎么做了，不是吗？与选择初始股票的方式相同。从排名表的顶部开始。假设我们尚未持有该股票且它满足条件，我们就买入排名最高的股票，直到现金再次用尽。

当然，除非——这一点很重要——除非指数低于移动平均线。如果指数低于均线，我们只需保留现金，不买入任何新股票。结果将是在熊市阶段缓慢逐步地撤出股市。

一旦指数再次回升至移动平均线之上，我们立即重新买入一个满仓的投资组合。这与初始投资组合的构建方式完全相同：从列表顶部开始买入，直到现金用尽。

图11-25中的Gilead交易图表展示了我们如何在2005年5月首次买入该股票，在夏季由于波动率变化略微调整了头寸规模，最后在8月卖出。在夏末排名恶化，导致了整个头寸的卖出。

同年晚些时候，12月，该股票再次显示出非常高的动量排名。该股票被重新买入并又持有了几个月。

第11章 · 动量策略表现

Mon, 01 Jan 0001 00:00:00 +0000

动量策略表现#

现在我们有了一个完整的股票动量策略。到目前为止，我们已经研究了策略的各个组成部分，但还没有看到实际结果。在查看这种策略的历史表现之前，停下来想一想，什么是现实的预期。

这不是一个可以期待每年稳定10%收益的策略。很少有策略能做到这一点。这不是一个可以期待每年都为正收益的策略。而且，这当然也不是一个应该预期与股市保持无关的策略。毕竟我们买入的是股票。基于买入股票的策略长期来看往往非常相似。有的好些，有的差些，但它们会是相关的。

我们可以期望的，是在牛市中表现出强劲的收益，在熊市中比指数亏损更少。如果做到了这一点，长期来看我们将获得非常有吸引力的回报。

第一个问题自然是，我们是否跑赢了市场。如果我们赚了钱但没有跑赢指数，那么所有这些努力就没有意义。快速浏览一下图12-26应该能让你放心。

由于这是长期图表，百分比变动很大，标准价格图可能有些误导，容易给人以夸大的表现印象。因此，同一表现图的对数版本可以在图12-27中找到。

图12-26 策略长期表现

图12-27 策略长期表现（对数刻度）

我们确实跑赢了。甚至跑赢了不少。正如你从视觉上看到的，有两种不同类型的超额收益。有在牛市中表现强劲超额收益的时期。但在相对表现方面，更重要的影响来自于在市场下跌时根本不持有股票。

那么最终我们表现得如何呢？

表12-10 动量策略结果

如表12-10所示，该动量策略在这16年期间实现了超过12%的年化收益率。你觉得每年12%不够好？再想想。整个股市在这段期间仅实现了每年5%的收益。如果你投资了共同基金，收益会更低。

把收益放在正确的背景下来看。沃伦·巴菲特（Warren Buffett）在过去40年中以惊人的22%年化收益率取得了传奇地位。在这么长的时期内追求如此高的数字是不现实的。世界上能做到这一点的人极少，而且他们中的大多数现在已经是亿万富翁了。

如果你能长期实现低两位数的复利，你就已经超越了几乎所有人。整体股市长期平均每年仅提供5-6%的回报。

但最重要的是，我们以不到指数一半的回撤实现了12%的收益。回撤（drawdown）指的是在此期间观察到的最大亏损。标普500全收益指数的最大亏损为55%。超过一半的资本一度消失。而我们的动量策略最大亏损仅为24%。

另一种看待这些数字的方式是，指数亏损了相当于11年的收益，而动量策略仅亏损了2年。想象一下，如果你在最糟糕的时间点入场，需要多长时间才能收复亏损。

表12-11显示了动量策略的月度表现。仅通过月度收益表很难对策略有直观感受，因此在下一章中，我们将深入探讨所有细节，看看该策略每年的具体表现。

表12-11 核心股票动量策略表现

第12章 · 逐年回顾

Mon, 01 Jan 0001 00:00:00 +0000

逐年回顾#

在撰写我的第一本书《跟随趋势》（Following the Trend）——一本关于趋势跟踪期货策略的书时，我曾纠结于如何最好地传达作为一名专业资产经理的真实体验。仅仅展示一些模拟统计数据和长期业绩图表，并不能真正反映日复一日的挣扎。很多时候，从几十年的视角来看，一个策略可能看起来很出色，但在现实中执行起来却可能非常艰难，甚至不可能。只有当众所周知的"轮胎碰到路面"时，我们才能真正发现什么有效、什么无效。

我在这本书中的解决方案是写一个庞大的章节，逐年解释该交易策略在过去的表现。我本无意让这一章占据全书的主导地位，但结果就是这样。最终，这一章占了全书近三分之一的篇幅。这让我犹豫是否真的应该把它放进去。就我个人而言，我认为这是那本书中迄今为止最重要的部分。这一章解释了那些艰难的部分——真正经历25%回撤（drawdown）时的感受：客户撤资、收入暴跌、怀疑业务是否已经终结。这些情况总会出现。只有当你完全理解自己的交易方法及其在困难情况下的表现时，你才能有足够的信心度过艰难时期。

我担心读者会把逐年回顾章节看作是凑页数的内容。事实证明，我低估了我的读者。关于那本书，我收到的最普遍的反馈就是人们从这一章中学到了多少东西——这一章如何带来了真实感，并解释了那些通常被一笔带过的事情。

由于这是我上一本书中非常受欢迎的部分，我将在这里尝试做同样的事情。

1999#

那是1999年1月。互联网是宇宙的中心。电子邮件提供了一种全新的避免人际接触的方式。利润是失败者才关心的事。信息淘金热正在上演，根本没有时间去理会那些老旧的会计概念。

在90年代末的疯狂中，我们正式上线了全新的动量策略（momentum strategy）。这是一个推出此类策略的好时机——至少从募资的角度来看是这样。经历了绝对惊人的十年后，每个人都很富有。过去十年也教会了我们：你只需要买入那些在涨的东西。不用担心收入、利润，甚至现金流。这是一个非常特殊的时代。疯子显然已经接管了疯人院，穿警卫制服得不到任何好处。如果有一个时刻没人会质疑股票动量策略，那就是现在了。

如果你当时没有活跃交易，就很难理解这种疯狂的程度。任何与"IT"、"互联网"、"万维网"和".com"这些神奇词汇哪怕只有一点关联的股票，估值都高得离谱，完全不管它们是否盈利，甚至不管它们是否有任何现实的盈利前景。

当时的市场显然对这些公司一无所知。现在看得很清楚，但在当时远非如此。买入估值极高、亏损公司的股票，其理由是：也许别人能看到价值，如果我不买，别人也会买。也许很快会有某个能看到巨大利润潜力的人来收购——这种潜力肯定藏在某处。

我们都在买郁金香球茎这一事实，当时并没有多少人意识到。然而事后，大多数人的记忆却截然不同。实际上，这对我们开始旅程来说是一个非常有利的年份。首先，因为有人在这个时期启动这样的策略是非常合理的——在当时市场条件下，这完全说得通。第二个好理由是，看看它如何处理过渡期。90年代派对的宿醉非常严重，且持续了很久。还有什么比在派对期间启动、看看它如何应对不可避免的崩盘更好的动量策略测试呢？

我们在1998年新年派对后不久启动投资组合。运行计算、处理数据、对股票排名、构建投资组合——正如前几章所述。指数给了我们绿灯信号，价格远高于200日移动平均线（moving average）。虽然在激动人心的1998年（当时俄罗斯和几位诺贝尔奖得主扮演了主角）曾短暂跌破均线，但市场迅速恢复。

初始投资组合的构建方法是：制作一个按波动率调整动量（volatility adjusted momentum）对所有股票排名的表格，计算目标权重及前几章描述的所有其他分析指标，然后从排名最高开始买入，直到现金用尽。表13-12显示了结果。

表13-12 1999年初投资组合

毫不意外，我们的初始投资组合严重超配科技股。这是当时涨幅最大的板块，因此许多排名最高的股票都来自这个群体。这里没有行业配置（sector allocation）约束——我们只是从排名列表顶部买入，不管它们属于什么行业。

最终我们的配置是：42% IT股、19% 金融、13% 日常消费、10% 工业、8% 可选消费和8% 医疗保健。公用事业、电信、能源或材料股没有买入。这与指数的特征截然不同。

投资组合中有不少股票。34只股票通常超过了分散化所需的数量。之所以有这么多股票，是因为我们面对的是波动性极高的市场——其中大部分是超高波动的科技股。回想一下仓位管理（position sizing）是如何进行的。具体细节在前面的章节中已经解释过。股票波动率越高，我们分配的资金就越少。这是专业资产经理中常见的做法，确保每项投资承担大致相等的风险，而不是让波动率失控。

图13-28 1999年初始行业配置

这一年开局相当缓慢。在第一季度，交易结果与指数非常接近。即使在4月份短暂取得超额收益（outperformance）之后，结果仍然紧贴指数。由于指数整体在上涨，这本身不构成问题。跑赢固然好，但我们大多数人更关心绝对收益。虽然整体是正收益，但截至9月，这是出奇无聊的一年。相比于大家在90年代已经习惯的狂奔式市场，第三季度末仅有20%的收益感觉远远不够。长期牛市（bull market）会惯坏任何人。

然而到了9月，市场开始让许多人担忧。已经有几个月没有创出新高了，这相当不寻常。标普500指数缓慢地、越来越靠近200日移动平均线，然后在9月最终跌穿。

记住，这个穿越本身不会触发任何操作。但是，当指数低于移动平均线时，我们不允许买入任何新头寸。随着定期投资组合再平衡（rebalancing）中卖出股票，它们没有被替换。这使得我们在1999年末的现金头寸缓慢增加。

你可以在图13-29中看到现金从10月开始积累，当时指数跌到了水位线以下。现金百分比以填充区域显示，使用右轴。通常会有少量现金闲置——如果没有足够的流动性来买入一整份头寸，我们就以现金形式保留。可以将其视为舍入误差。

注意图中指数在9月跌穿长期移动平均线，以及此后现金如何缓慢积累。在定期再平衡任务中退出的头寸，只要指数仍低于移动平均线，就不会被替换。这是该策略的一个关键特征，意味着我们将自动从潜在熊市（bear market）中退出。

到了10月下旬，我们持有约一半的现金，当年的表现与基准（benchmark）大致持平。到目前为止，看起来并不令人印象深刻。如果你在1999年初启动了该策略，你很可能会想放弃，或者至少修改规则。在一年的大部分时间里，你做了这么多工作，却没有什么可展示的。当然，我们有利润，但被动指数投资者也有。

但随后，就在11月开始之前，发生了一些事情。首先是指数重新回升到移动平均线之上，给了我们买入的绿灯信号。这通常是一个非常可怕的时刻。我们刚刚平掉了大部分头寸，市场看起来越来越疲惫，潜在的熊市正在逼近，而我们却要买入一个满仓的投资组合。

图13-29 1999年表现

没错，我们就是这么做的。我们重新制作排名列表，从顶部开始买入，直到现金用尽。当趋势信号在10月的最后一天变绿时，我们从排名列表顶部买入了19个新头寸。

这个新重建的投资组合随后突然大幅上涨。指数恢复得不错，但我们的股票表现好得多。指数全年收涨+20%，而年末这波不可思议的涨势将我们的投资组合推到了全年超过40%的收益。那些可能在10月徘徊不去的疑虑，终于可以放下了。

有多只股票推动了年末戏剧性的业绩飙升。其中之一是Enterasys Networks，如图13-30所示。这是一个你希望看到的完美例子。股价已经上涨了几个月，在同侪中排名很高。排名列表中的位置显示在底部面板中——数字越小意味着动量排名越好。在10月29日的再平衡中，一切就绪，我们以约80.50美元的价格买入这只股票。这只股票不等人，立即起飞。价格一路加速上涨，当达到约200美元水平时，出现了一个大幅跳空缺口，随后盘整。

还记得我们在策略中有那个缺口过滤器（gap filter）吗？在再平衡过程中，任何近期缺口超过15%的股票都会被自动取消资格，即使缺口对我们有利。在这个案例中，这意味着我们在下一次再平衡中卖出这只股票。事实证明，那是一个完美的卖出点。要是每笔交易都这么棒就好了。

表13-13 1999年业绩

图13-30 Enterasys Networks

2000#

当我们进入2000年时，没有任何真正的市场反转迹象。我们身后是一个持续了非常久的牛市，没有理由认为它会很快结束。指数略有放缓，我们越来越接近200日移动平均线。但这以前也发生过，本身并不太令人担忧。

因此，我们全仓进入新千年。投资组合仍然严重超配IT股，一半的价值配置在这个板块。其余部分分散在多个板块中，权重最大的是医疗保健。凭借对IT股在新十年遭遇的后见之明，这个初始配置看起来相当不祥。今年我们会看到投资组合崩盘吗？

表13-14 2000年初投资组合

第13章 · 策略分析

Mon, 01 Jan 0001 00:00:00 +0000

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。

第14章 · 华尔街的随机暴击

Mon, 01 Jan 0001 00:00:00 +0000

华尔街的随机暴击#

如果你只想跑赢指数，你根本不需要这本书前面读到的任何内容。想学习如何打败世界上几乎所有的共同基金经理吗？是的，我即将分享这个秘密。

让我们首先将跑赢指数这件事放在背景中来看。有数千只共同基金（Mutual Fund）——确实有数千只。世界各地的银行都有自己的一系列共同基金，覆盖你所能找到的几乎任何指数。共同基金的理念是——或者至少曾经是——允许净资产有限的个人投资者参与广泛的股票市场。对于一个普通背景的个人来说，买入标普500指数中的全部500只股票很困难，但通过共同基金，他可以购买一只跟踪该指数并试图跑赢它的基金。

共同基金不能随心所欲地操作。它们有严格的跟踪误差（Tracking Error）预算，不允许大幅偏离指数构成。一年跑赢100个基点（Basis Points）——也就是一个百分点——被认为是极为强劲的表现。需要记住的是，共同基金是相对投资工具。它们的本职工作不是赚钱本身，而是试图跑赢基准。这是通过以非常相似的方式进行投资，并利用微小的跟踪误差预算来弥补共同基金所增加的额外成本层来实现的。

共同基金的任务不是展示绝对收益。如果其基准指数（Benchmark Index）以-10%结束一年，共同基金并不应该为正收益。如果该基金以-9.5%结束这一年，那么在其任务背景下，这就是一个成功的结果。一切关乎相对表现。

我们之前看到的是，几乎所有的共同基金在它们本该专注的唯一任务上都严重失败。

在任何一个3年周期中，通常有75-85%的共同基金表现不佳。如果你观察更长的周期，几乎没有任何基金能够哪怕与指数持平。那么，为什么共同基金经理无法跑赢标普500指数？根据Gordon Gekko的说法，因为他们都是羊，而羊会被宰杀。更可能的原因是他们被跟踪误差系统束缚住了手脚。他们需要保持配置与指数非常接近。对他们来说，一年落后几个百分点就是灾难。再加上他们需要支付巨额成本——管理费、托管费、交易费等。

如果你真的想要指数，当然有一个解决方案：买入ETF（交易所交易基金，Exchange Traded Fund）。如果你想获得与标普500指数完全相同的表现，减去少量费用，就买入SPY追踪器。它投资于与指数完全相同的股票，以完全相同的权重。当你买入追踪器时，计算机会自动按比例增加所有股票的持仓。你提前知道你将得到什么。你买入指数，你将获得指数。

但你真的想要指数吗？

标普500交易系统#

标普500指数，连同所有其他市场指数，不过是一个交易系统（Trading System）。它有买入和卖出的规则。有每只股票买入多少的规则，甚至有关于再平衡的规则。标普500是一个持有期极长的超长期交易系统。股票在强劲表现将其市值推过某个门槛并满足某些其他标准后被买入。仓位规模基于市值，市值越高权重越大。

将标普500视为一个交易系统可能看起来很奇怪，但它确实如此。这也意味着我们应该能够像分析任何其他交易系统一样分析它。

如果你这样思考，指数看起来就不再那么有吸引力了。这是一个糟糕的交易系统。长期来看，你可以预期年化收益率为5-6%，同时要经历大量巨额亏损。有时甚至亏损一半的资金，需要数年才能恢复。

因此，即使你可以买入SPY指数追踪器并获得几乎与指数完全相同的表现，跑赢所有共同基金，它仍然不是一个非常有吸引力的投资。我们需要跑赢指数。

跑赢指数一定非常困难。毕竟，所有这些专业的共同基金经理年复一年地失败。他们是经验丰富的市场专业人士，拿着数百万美元的奖金。如果他们无法跑赢市场，这真的能做到吗？

哦，当然可以。

跑赢市场非常简单。超级简单。一个随机数生成器就能跑赢指数。

我是认真的。随机选股就能跑赢指数。而且是大胜。

让我们看看一些简单的模拟能告诉我们什么关于跑赢指数的事情。我们将构建随机投资组合，观察会发生什么。

在下面的模拟中，我们让计算机从标普500成分股中随机选股。在每个月初，我们清空整个投资组合并买入50只随机股票。仓位规模通过一个基础的风险平价模型来确定——也就是说，我们使用与前文所述相同的ATR模型，为每只股票分配大致相等的风险。我们不知道哪只股票会表现好、哪只会不好，所以没有必要为它们分配不同的风险。当然，更没有必要仅仅因为某家公司恰好更大就分配更高的风险。

由于这是一个随机方法，单次模拟运行当然没有太大意义。毕竟，如果你扔一次骰子，可能得到任何点数。我将这个简单的模拟模型运行了几百次，最终的结果相当一致。没有一次迭代未能跑赢指数。

图15-101 随机性基准测试

图15-101展示了50次模拟运行的代表性子集与总收益指数的对比。粗黑线是标普500总收益指数。为什么只展示50次运行的子集？嗯，即使50条线在图表中也有点混乱。如果有500条线，看起来就像是毕加索在药物作用下的某个时期的作品。

如果你仔细观察这张图，你会发现短期内什么都有可能发生。有些月份指数表现更好，有些月份随机策略表现更好。甚至在开始时有一段时期指数领先。但从长期来看，指数毫无胜算。

我不是在认真建议你每个月随机选股。但我认真主张，如果你这样做，你跑赢指数的概率很高。

需要记住的是，这种随机方法与本书大部分内容所解释的动量方法之间真正的区别。首先，我们努力确保我们选中的是图15-101中那些靠上曲线的股票。我们希望提高收益接近那些更优迭代的概率。其次，我们希望避免或至少减少回撤（Drawdown）。从概念上讲，这很简单。在实践中，并不总是那么简单。

真正的问题是，面对这种对华尔街的随机暴击，你真的还想买入指数产品吗？

图15-102 随机策略的胜利——收益与回撤

第15章 · 模拟策略

Mon, 01 Jan 0001 00:00:00 +0000

模拟策略#

股票动量策略在概念上虽然简单，但在建模和模拟（Simulation）时却出奇地复杂。很容易遗漏关键细节或在过程中犯其他错误。技术在不断变化，所以我不会在这里讨论软件解决方案和数据提供商。这类内容更适合放在网站上，随着情况变化而更新信息。取而代之的是，本章旨在指出一些在模拟股票动量策略时可能非常重要的棘手概念。

如果你接受本书中的模拟结果，并且没有兴趣进行自己的模拟，你可以安全地跳过整章。

数据#

如果你输入垃圾，你输出的也只会是垃圾。你可以做出世界上最好的模拟，但如果一开始就没有获取正确的数据，那仍然是毫无用处的。在股票模拟中获取正确的数据是很棘手的。

首先，你需要确定你的数据范围（Data Universe）是什么。它不应该是一篮子你喜欢的股票。很可能你喜欢它们是因为它们表现良好，所以对它们进行模拟可能也会显示强劲的结果。这不是特别有用的信息。你需要的是一个逻辑上的市场集合——一个你很久以前就可能已经选定好的集合。

选择指数是解决这个问题的理性方法。交易指数成分股完全合理，而且是一种可以适当检验的基于规则的方法。在本书前面的模拟中，我使用了标普500指数。

找出当前哪些股票是标普500的成分股很容易，而且免费。问题当然在于，你不能假设你在过去十年中交易的是当前的标普500成分股。指数的构成在不断变化。

更糟糕的是，一只股票被纳入通常是因为它价格表现非常强劲。所以如果你使用当前的标普500成分股运行一个10年的动量股票模拟，结果看起来当然会很惊人。

你甚至可以说，标普500和大多数其他股票指数本身已经是动量策略了。

不，你需要的是将历史上的加入和退出股票都考虑在内。也就是说，在模拟中的任何一天，你的代码需要知道那天哪些股票是指数的成分股。这让事情变得有点棘手，不是吗？

我有没有提到这包括退市股票（Delisted Stocks）？是的，即使一只股票五年前破产了、被另一只股票合并了、或由于其他原因不再存在了，也必须包括在内。获取这些股票的数据可能有些麻烦，这绝对排除了所有免费数据源。

下一个重要问题是现金红利（Cash Dividends）。长期来看，这会产生非常显著的差异。一旦你找到了获取数据的方法，有两种方式处理红利数据。要么使用数据提供商计算的红利因子来创建总收益（Total Return）序列，要么直接处理现金注入。两种方法都能产生足够好的模拟结果。

如果你打算跳过任何这些部分，你的模拟工作将是浪费时间。你绝对需要历史成分股信息、退市股票数据和现金红利数据。这可能会变得昂贵和复杂，但这是无法绕过的。

要复制本书中的策略，你只需要日终数据。不需要任何日内时间序列，当然有也不会有坏处。如果你有日内数据，可以获取一些有趣的短期变动统计数据，但这不会改进策略本身。

真实投资组合模拟#

有几个好的模拟平台可用。但更有用的是大量完全无用的软件平台。后者通常更知名，用户群更广，价格也更低。

大多数面向散户交易社区的知名模拟平台都基于单一策略、单一工具。这种相当过时的概念假设你希望模拟单一市场上的一套规则。它基于寻找交易纳斯达克（NASDAQ）的完美规则集合这一古老幻想。如果你列出你能想到的前十个模拟程序，很可能它们都属于这一类。

单一策略、单一市场的软件解决方案对于任何专业用途来说都非常无用。忘记使用这类软件，转向至少能处理投资组合的产品吧。

下一个级别是为单一工具构建但后来被改造添加了某种投资组合功能的软件包。这类产品的好坏参差不齐。有些能用，其他的则是垃圾。据我所知和我的经验，没有一个是很出色的。

通常的问题在于它们处理数据的方式，或者更确切地说，处理数据的顺序。那些后来才被改造添加投资组合功能（而非从一开始就为此构建）的平台，往往以高度不切实际的方式处理数据。这可能会（而且往往会）导致奇怪的结果——用专业术语来说。

这类解决方案通常一次处理一个工具。如果你告诉它对一组工具进行模拟，它会先选择其中一个，遍历该工具的每一个数据点，然后再转到下一个。因此，如果你处理的是日线数据，它会先遍历工具1数据序列中的每一天，然后遍历工具2数据序列中的每一天，以此类推。

在以这种顺序遍历所有工具、检查买入和卖出点之后，常见的解决方案是再运行一次以确定仓位规模。

但在现实中，你不会先交易股票1的十年数据，然后交易股票2的十年数据。即使软件试图在这个过程中考虑投资组合的交互作用，这也不是一种现实的建模方式，很容易引发问题。尤其是它可能导致数据窥探（Data Snooping），即让你的代码窥见未来。

一个合适的模拟环境运作方式不同。它不是一次处理一个工具，而是按时间点处理。如果你处理的是日线数据，它应该同时查看所有工具在同一天的数据。你的代码不应该知道未来的任何信息，但它应该知道截至当前时点已经发生的所有事情。有编程背景的读者知道我在谈论编组（Marshaling）。不，我不会深入解释这个词，因为如果你不熟悉它，你很可能也不需要熟悉它。只要你理解按天逐日处理和按工具逐个处理之间的区别就行。

编程语言#

如果你想成为一名系统化交易者（Systematic Trader），你将不得不学习如何编程。这不是你可以外包的事情。工作的这一方面常常被轻描淡写。即使你是一个对冲基金量化团队的负责人，你仍然需要理解编程。

曾几何时，医生或律师不需要知道如何使用打字机。他们有别人为他们做这些事，他们太忙了，无暇从事如此卑微的活动。不幸的是，许多有抱负的交易者正是这样看待编程的。你能想象今天的律师不会打字吗？当然他有助理，但不会打字会让他完全无能为力。

好消息是你不需要学习很深的编程技能。对于想要更深入的人来说，深入可能有优势，但这不是必需的。然而，如果你想进入系统化交易领域，一些基本的编程技能是无法避免的。

当然，当我使用"基本"这个词时，我不是建议你学习如何在Basic语言中写Goto语句。选择合适的语言来构建你的策略可能非常重要。

大多数零售模拟平台使用简化的专有脚本语法。营销文案通常强调入门有多容易，即使是非编程人员。避免这类程序。它们极其有限，你无法用它们做任何有用的事情。

你需要的是灵活性。这是你在决定模拟环境时最重要的一点。速度不是大问题，除非你转向极低频率策略，而在那个领域，大型参与者已经拥有太大的优势。

你不会在嵌入许多零售平台的简化脚本语言中找到灵活性。但你会在行业标准编程语言中找到它。如果使用这类语言，你还会找到更多的支持、示例和资源。无论你想用C#、R、MatLab还是类似的语言编写代码，都是个人偏好和便利性的问题。然而，你应该瞄准一种真正的编程语言，避免脚本平台。这些简化的平台入门可能看起来快速简单，但当你意识到它们有多么受限时，你会很快后悔。

灵活性#

很少有模拟平台能做你需要的一切。可能没有平台能做到。然而，好的平台可以以某种方式实现。一个好的模拟平台足够灵活，可以以原始开发者没有预料到的方式进行扩展。平台越开放越好。作为策略开发者，你总会遇到希望你的平台能做更多事情的情况。这也是为什么行业标准语言如此重要的关键原因。

例如，可能没有模拟平台是专门为我们这种策略类型而设计的。毕竟，我们做的事情与大多数人模拟的相当不同。我们计算分析指标，对股票进行排名，基于排名选择股票，并根据股票自身的波动率和当前整体投资组合价值来确定仓位规模。这不是你日常所见的那种模拟。

我们可能还对特定历史日期的板块归因或投资组合配置等数据感兴趣。也许我们想分析行业风险和随时间变化的归因，或者正负异常值股票的影响。一个好的平台，经过一些工作，应该能够做到所有这些事情——只要它足够灵活。

多币种支持#

你可能已经注意到，我刻意将货币问题排除在此前的讨论之外。我们目前看到的策略仅应用于美国股票。这不是因为美国股票在动量策略上表现更好，也不仅仅是写一本关于美国股票的书比写瑞士股票的书更容易卖。嗯，不完全是。而是因为我假设大多数想要复制该策略的人缺乏访问多币种模拟环境的条件。

只处理单一货币计价的股票是一种奢侈。如果你曾经管理过全球投资组合，然后回到单一货币投资组合，会感觉像在度假。不再有货币敞口问题！

当你的股票范围覆盖多种货币时，你会面临一整套新的问题。有许多实际考量：是否需要对冲、如何对冲以及何时对冲；外汇买卖价差带来的额外成本；还有货币归因这个烦人的小问题。这在实际操作中开启了一整套新的头痛问题，即便在模拟阶段，也使得事情复杂得多。

当你模拟这类策略时，至关重要的是你的软件要了解股票的计价货币以及任何给定时间的汇率。货币波动将对你的表现产生非常大的影响。如果你计划对冲敞口，你还得建模那个对冲策略。这当然需要同时建模和模拟多个策略的能力。

或者你可以就坚守标普500指数股票，以简单的方式摆脱这个问题。

构建模拟结构#

在模拟中的每一天，你需要检查或计算几件事情。

首先，你需要检查股票是否符合纳入条件。在这种情况下，我们检查该股票在相关日期是否是指数成分股。一个方便的方法是构建一个自定义指标，使用参考数据在股票属于某指数时返回1，否则返回0。

然后我们需要计算该股票在过去90天内最大的跳空幅度。还记得我们有一条规则，不喜欢出现超过15%跳空的股票吗？计算过去90天内我们看到的最大跳空幅度，以备后续使用。

当然，我们需要一个粗略的波动率度量，而平均真实波幅（Average True Range, ATR）是一个不错的选择。在这个策略的基础版本中，我们使用20日ATR，所以将其纳入。

接下来是排名本身——即我们用来选择交易股票的分析指标。因此我们需要一个指示风险调整后动量的指标。如果你熟悉统计学，数学并不复杂。你需要首先计算基于90天的年化指数回归斜率，然后乘以决定系数（R²）。

排名方法在前文已有解释。

除了上述信息之外，我们还需要计算指数本身的200日移动均线，并确定其当前是高于还是低于指数本身。

一旦上述所有数据都计算完毕，我们就可以开始执行逻辑。首先需要做的是对股票进行排名。使用我们计算出的排名数值，列出当天所有符合条件的股票，并根据我们计算出的排名数值进行排序。

请注意，到目前为止的整个过程旨在复制我们在现实中会做的事情。我们在一天结束时计算所有相关分析指标，然后据此采取行动。

该逻辑每周只执行一次。偷懒的解决方案是使用周线数据运行模拟。更好的做法是检查应该在星期几执行逻辑。如果降到周线周期，你也会失去模拟结果的精细度，这是一个很大的损失。

如果今天是交易日，我们首先检查是否需要卖出任何东西。如果我们持有的股票离开了指数或由于其他原因停止交易，则退出。如果动量排名不再在前100名，则退出。如果股票交易价格低于其100日移动均线，则退出。如果它出现超过15%的跳空，则退出。

下一步是检查今天是否是再平衡日。如果是，我们需要逐一检查每个仓位，计算应该持有的大小，以及与当前持仓的差异。请记住规则以及我们如何确定仓位规模（如前文所述）。使用相同的公式重新计算规模，并向上或向下调整仓位大小以匹配。为了稍微减少交易，你可以设置一个过滤器，仅在差异大于5%时进行调整。

现在我们已经卖出了不再想要的股票，并再平衡了想要保留的股票，我们知道可用现金有多少。这时我们可以开始买入。

从排名列表的顶部开始。使用与之前相同的风险平价仓位规模，从顶部开始买入，直到现金用完。如果一只股票排名靠前且我们尚未持有，就买入它。

就是这样。

我是否听到有人请求源代码？嗯，那可能没有看起来那么有用。你最好理解逻辑步骤并自己构建它。我的源代码是用特定语言为特定环境编写的，对大多数读者来说可能本身并不太有用。

如果你真的想进入模拟领域，你面前有一些艰苦的工作。我非常鼓励你这样做，但你将不得不做一些繁重的工作。

参考书目

Mon, 01 Jan 0001 00:00:00 +0000

参考书目#

Antonacci, G. (2014). Dual Momentum Investing: An Innovative Strategy for Higher Returns with Lower Risk. McGraw-Hill.

Clenow, A. F. (2013). Following the Trend: Diversified Managed Futures Trading. Wiley.

Jegadeesh, N., & Titman, S. (1993). Return to Buying Winner and Selling Losers: Implications for Stock Market Efficiency. Blackwell Publishing.

Kaminski, K. M., & Greyserman, A. (2014). Trend Following with Managed Futures. Wiley.

Levy, R. A. (1967). Relative Strength as a Criterion for Investment Selection. Journal of Finance.