Local EPUB Text
策略表现
要会用正确的视角去看待和分析一种策略，能做到这一点是非常重要的。仅靠复合年化收益率这么一个数字，既不能看出一种策略能否存活下去，也无法从两种策略中分辨出孰优孰劣。为了获得更优的策略，我们除了要从多个角度衡量策略的风险，还应细致地研究每一种策略的净值曲线（equity curve）。这样做主要是为了确定在真实的交易中，自己能否承受那些可能出现的状况。许多收益能力非常高的策略多少会经历过一些让人心惊胆战的阶段，如果我们确实无法承受这个过程，最好还是去找能够更加适合自己及客户的其他交易策略。
图4-2 标准的突破策略
从更长的时间尺度来看，图4-3中的净值曲线所代表的两种策略似乎都能够获利，但千万不要被表面上的东西所蒙蔽，而过早地得出任何结论。就如图4-3上的两条曲线，乍一看均线策略在实盘中似乎优于突破策略，然而这种感觉并不一定准确。虽然在图4-3上所展示的这段时间里前者的表现确实优于后者，但看不出在扣除风险的因素后，到底哪一个更好。特别要提醒各位，为了让长期的走势图看上去更为合理，我在y轴上采用的是对数坐标体系。正如这里所展示的长期趋势，在很长的时间里，价格的最终涨跌幅度可能会非常大，而这种情况下使用线性坐标会让一些技术指标变得匪夷所思，因此基本上本书中的全部走势图使用的都是对数坐标。
为了便于大家对我们的策略长期表现有比较直观的认识，我提供了四个参照物用于比较，或者有些人愿意将这些参照物称为业绩比较基准或业绩基准（benchmark）：第一个比较简单，即MSCI全球指数，由于其成分股包含了全球很多地区的上千只股票，所以它常被用于代表全球的股票市场；第二个是巴克莱BTOP50指数，该指数几乎可以代表管理期货基金行业的整体表现（见图4-4）；第三、四个是米尔本基金和邓恩WMA基金（见图4-5）。米尔本基金作为这个行业的先驱者之一，自20世纪70年代成立以来就成为成功经营的典范之一，自然是一个绝佳的业绩基准。与米尔本基金一样，邓恩WMA基金的长期业绩也相当不错，同样能称得上是这个行业中的传奇之一。基于两者都有可查的长期官方记录，并且已经取得了令人敬佩的成就，我用这两只基金作为行业中的代表。
图4-3 均线策略和突破策略的业绩比较
图4-4 核心策略与业绩基准（MSCI全球指数和巴克莱BTOP50指数）的比较
从图4-3～图4-5及表4-1中总结的数据里，我们可以看到这两种最基本策略的表现远远优于传统的投资方式——这一点在最近的几十年来已经不知道被多少人反复地提到过。在以上模拟所包括的22年里，全球股票指数所达到的平均年化收益率为4.7%，仅比我们能从政府那里获得的所谓“无风险利率”高出一点点。但在公众的眼中，股票市场仍然总是在往上走的，而且每个人在这类资产上都会有所投资。在历史上某些特定的时段，“股市长期上涨”的观点确实有效，但至少在最近的20多年里，股票市场的表现确实不怎么样。如果在1990年年初往股市里投入了100美元，22年之后能升值到276美元。这几乎是初始投资的三倍，还不错吧？但事实上要想在22年里让资产翻一倍，我们只需要让年化收益率达到3.2%，而要想获得两倍的收益则只需要让年化收益率达到5.1%。但是千万不要忘记在那些年里股票指数曾多次遭受的多次巨大损失，其中从最高点回落后的最大亏损曾达到57.5%。也就是说，在过去的22年里的某个时点，有的人在股市上的投资可能有过只剩下不到一半的状况。近年来，股票市场发生过很多次严重的调整，但相比而言，从股票市场所能得到的收益却远不能补偿这种程度的风险。
图4-5 核心策略与其他CTA基金（邓恩WMA基金和米尔本基金）的比较
表4-1 基本策略（风险因子0.2%）的表现与其他基准或基金的比较（1990年1月～2011年12月）
敏锐的读者这时可能会想到股票的实际分红会不会影响到我们的比较结果，因为买入股票指数的成分股后应该能相应获得持有期间的股利。这个问题我们早就想到了，因为我们在使用MSCI全球指数时所采取的是复权后的数据，分红的除权效应已经在复权时被包含在价格的数据之中。而如果不计分红收益，MSCI全球指数在这22年间的平均年化收益率就会下降到3.4%。
第二个业绩基准——巴克莱BTOP50指数则展现了非常值得敬佩的长期业绩，这当然有利于说明这类策略的优势。巴克莱BTOP50指数的平均复合年化收益率竟达到了7.3%，在同样的22年里能让100美元变成大约500美元。历史最大回撤稍高于13%，相对于年化收益率的数值，这也是可以接受的。当然也不要忘记巴克莱BTOP50指数是一个包含了很多分散化期货投资基金的指数，所以它的波动率必然会低于绝大多数的单只成分基金。比较图4-4中巴克莱BTOP50指数和MSCI指数的走势，我们会发现管理期货基金指数产生的收益曲线更为平滑，无论股票市场处于牛市还是熊市中，都能够保持稳定的增长，而不像股票指数那样易于出现大幅的下挫。
而为了能与行业中的巨头进行比较，我还选取了两只历史悠久且表现出众的管理期货基金。米尔本基金自1977年成立以来的平均复合年化收益率为17%，也就是说，22年前的100美元投资到现在会变成23000美元。而邓恩基金成立于1984年，迄今为止的平均复合年化收益率为15%。市场上还有很多顶级的趋势跟踪投资经理，我们会在后面进行介绍，但到目前为止，让我们在进行收益比较时暂时用这两家代表整个行业。在此特别声明，我从来没有直接或间接地从任何一家基金或类似的投资机构获得过任何资助，也没有人让我在本书中为其美言。
如果与以上指数和行业巨头相比较，那么我们的两种实验性策略的表现又如何呢？均线策略的复合年化收益率为28.9%，最大回撤为48%，而突破策略的平均年化收益率为19.4%，最大回撤为32.2%。这两种策略的波动性显然要高于以上的四个业绩基准，因为无论是收益还是风险的数值都更高。从表面上看，它们的表现确实有些太不稳定了，但事实上只要收益的数值能够匹配所承担的风险，也不应值得大惊小怪。较高的波动情况并不是什么大问题，我们可以很容易地通过调节仓位的大小来改变，最终让风险和收益同时下降，具体的调节方法将在第5章中进行陈述。然而，风险与收益之比其实远比单纯的风险度或收益率更加重要。
夏普比率是一个常被用于比较具有不同波动性的策略的指标，但人们经常把它当成“万金油”，想当然地认为只要把所有策略的夏普比率计算出来，然后选取数值最高的就能找到最佳的策略。在解释这么做存在的问题之前，我要先讲一下什么是夏普比率。夏普比率的计算公式非常简单：用某个策略过去一段时间的平均年化收益率减去所谓的无风险收益率，再将这个结果除以该期间收益率的标准差。
夏普比率的真正缺陷来自它对风险的反应。在夏普比率的计算公式中，分母上的标准差所代表的是波动率或风险，所以该比率清晰地反映了一个理念，即策略的波动性高一定是不好的，因此需要在作为分子的收益率上做出相应的补偿。这个核心的观点本身并没有什么问题，收益表现比较稳定的策略肯定要好于那些波动程度过大的策略，但是夏普比率的计算方法让该指标无法分辨不同的交易风格。标准差的计算是基于理论上的平均收益率和每个个体收益率相对于平均值的偏离度，而标准差的增高则会导致夏普比率的下降。注意，标准差是一个绝对值，因此方向不同但大小相同的偏离度会导致相同的标准差，所以如果我们的策略在一小段时间里出现强有力的增长，则很可能会在大幅提升收益表现的同时，却在夏普比率上无法有所体现，这就像大多数趋势跟踪策略在2008年下半年所遭遇的情形。
夏普比率对于我们来说还存在另外一个问题，那就是夏普比率并不适用于高杠杆交易的收益评估。当使用跨资产的交易策略时，如何确切地计算出所用到的杠杆大小是一个值得探讨的问题，因为在这种情况下很多传统的度量方法已经失效了。如果复习先前提到过的持仓限额公式，我们会知道有一个独立的变量可以用于调整单个交易头寸的大小，从而影响整个策略的总体风险水平。调低这个数值可以降低收益率，减少回撤值，减少标准差的数值，反之亦然。此时要注意到无风险利率的大小并没有发生改变，所以虽然收益率和标准差有可能同比例下降，但夏普比率计算公式中分子的下降速度一定会快于分母的下降速度，最终导致更低的夏普比率数值。
其实我们更应该关心的是能够获得多少收益，以及为了达到这一收益目标到底需要承受多高的风险。这本来应该是用夏普比率来衡量的，但是该指标中关于风险的定义对于我们的用途来说，并不能让人满意。
虽然索提诺比率也远远称不上一个完美的指标，但对我们来说它比夏普比率有用得多。索提诺比率的内在基本原理与夏普比率相同，但不同的是索提诺比率的公式中只计量负向的波动，这样任何对策略有益的波动都不会产生负面的影响。
将历史最大回撤除以年化收益率所算出的数据可以让我们直观地理解策略的最大一次亏损需要多少个正常年份的收益才能抹平。均线策略和突破策略的历史最大回撤都相当于各自总计1.66年的正常收益，而MSCI全球指数的最大回撤则需要11.36年才能恢复。巴克莱BTOP50指数的最大回撤相当于1.81年的收益，而米尔本基金和邓恩基金分别相当于1.99年和3.79年的收益。我们需要仔细考虑自己到底一次能够承受相当于多少年收益的损失？千万要注意，即使我们有一种非常可行的策略，而且任何损失都会在之后抹平，但如果一次的亏损就抵得上很多个正常年份的收益，也是有可能造成客户流失的。总之，这里的所有期货策略还都比较正常，而股票市场一次就亏掉了11年半的总收入，这样就显得相形见绌了。
不同策略之间的相关性
我们在这里所研究的是月度收益的相关性，其实就是这两种策略的收益能力的相似程度。我们要避免在计算相关性的时候，出现新手经常会犯的两个低级错误。最常犯的错误是将所有月度收益率直接填充到Excel表中，然后运行Excel自带的相关性计算公式（Correl（）），这样算出的相关性很可能就是错的。另外一个错误就是使用相关性的运算公式对价格序列、基金净值、期货合约价格等数据进行计算，这样做得到的结果更是荒谬，因为得到的结果对我们来说完全没有任何意义。问题并不是出在Excel的公式上，微软编制的公式绝对可以胜任这份工作，但是我们不应该用错误数据做变量。正确计算相关性的输入变量不应是月度收益率的百分数，更绝对不应是每个月末的收盘价格，而是月度收益率的自然对数。
计算对数收益率的公式为
式中，Ri为时间序列上第i个时间点上的自然对数收益率，Pi为第i个时间点上的价格或其他数值，Pi-1为第i个时间点之前的一个时间点（第i-1个时间点）上的价格或其他数值。如果想用Excel完成相关性的计算，我们首先要将每组时间序列的价格数据填充到Excel表的同一列上，然后在第二列上用软件内置的自然对数公式（Ln（））计算相应的自然对数收益率，最后用相关性的公式计算出不同数列之间的相关系数。
相关系数的数值大小在-1和1之间，它能直观地反映两组数据的相似程度。相关系数为1代表两组数据完全一样，而且运动的方向也完全相同；相关系数为-1代表两组数据的方向完全相反；相关度为0代表两者的表现完全没有任何的关联性。
表4-2展示了我们所用的不同策略或业绩基准之间的相关性，说明了如下几个方面的问题。一是这两种原始的趋势跟踪策略的相关性非常高——两者的相关系数差不多接近0.9，由此可以认定，这两个策略的表现几乎完全相同。同样，这也再次说明具体的买卖规则其实并不是决定策略表现的最关键一环，而且不同的策略只要具有相似的核心理念，那么在大多数情况下，各自的投资组合所配置的资产结构也会非常相近。二是我们的策略表现与全球股票指数的走势是负相关的，但是这种负相关的程度并不强。这意味着我们的期货策略可以成为股票投资的有益补充，因为额外增加有正的预期收益且与股市具有负相关性的资产，不但能带来股票资产之外的收益，而且将会降低整个组合的风险水平。事实上，我们可以看到，所有的分散化期货策略都与全球股市具有微弱的负相关性，这其中也包括巴克莱BTOP50指数。总之，如果能增加一部分与原有资产零相关甚至轻度负相关的工具，那么整个投资组合的分散化效果将会出现明显的提升。
表4-2 不同基金或策略表现的相关性
我们的策略与巴克莱BTOP50指数的相关性比较高，其中约65%的收益表现与这个指数所代表的整个行业同步。有人可能认为这个相关度不够高，但是我们所选择的风险水平和投资标的其实与绝大多数基金并不相同，而且我们的策略到目前为止还是比较原始的形态，还没有经过任何的调整或改善。此外，还请注意我们的这两个策略除了与巴克莱BTOP50指数相关程度较高之外，彼此之间也具有较高的相关度。
我们的策略与那些大型基金的相关度没能达到非常高的程度，其中一个主要原因是我们所使用的投资品种池与它们不同。我们将资金平均地分配到之前定义的五个板块中，但这种做法在实盘操作中并不常见。到目前为止，我们本着易于教学的目的才使用了等权重的方法，以后我们当然会转换成比较实用的方法。
先不提等权重方法本身的优劣，但只有在总资产规模比较小的时候才有可能相对容易地采用等权重的方法。有些基金管理资产的规模达到了几十亿美元，当它们放大杠杆进行投资时，就会遇到很多“难以消化”的品种，因为有些品种能够容纳的资金规模太小了，以至于不管盈亏都不会对资金业绩有什么显著的影响。所以当流动性成为需要认真考虑的问题时，一些基金开始加大投资于期限更长的趋势，并且将更多的资产分配到外汇和利率品种上。这是因为外汇和利率普遍被认为比商品具有更好的流动性。此外，大型基金还会大幅地增加投资品种池中可投资品种的数量。当然，商品期货中也有流动性非常高的品种，只不过数量不多而已。
参量的稳定性
说到这里，有人可能会怀疑为了让最终的模拟结果比较好看，我在策略的模拟过程中使用了精心选定的参量。有这种疑问也很正常，请看我是如何消除你们心中的疑惑的。接下来，我还是使用完全相同的策略，但分别用于时间跨度更短或跨度更长的参量。在均线策略上，我最开始用的是10天均线和100天均线进行分析，如图4-6所示，现在我要改用5天和50天的均线组合做更短期的趋势分析，20天均线和200天均线组合用于更长期的趋势分析。而在突破策略中，如图4-7所示，原来的25天×50天分析，也分别被15天×30天分析和50天×100天分析所重复运行。
简单地对下面这两个图做大致的比较，我们可以看出在不同的参量下均线策略的三条曲线几乎一样，而三条突破策略曲线的形态也非常相似。在突破策略中，使用期限较长的参量要明显优于期限较短参量的结果。其实只要是参量发生了改变，交易的时间越长最终结果的变化就会越大，但不管参量怎么变化，以上的例子还是说明我们策略的收益表现肯定都好于股票市场，而且大多数可以被用于专业的资产管理领域。当然，我后面很快要展示如何再多花费一点精力去更好地提升这些策略的效果，所以请读者不要急于现在就进入期货的实盘交易。
图4-6 均线策略的参量稳定性
图4-7 突破策略的参量稳定性
从表4-3中我们可以看到，全部的模拟结果都是正收益。但我们知道如果不计入风险的话，光看收益数字本身并不能判断其中的优劣。除了最短期的15天×30天突破策略外，其他策略的收益率与最大回撤的变化几乎都是按非常相近的比例同增同减，所以最后它们各自回撤与收益的比值相差不大。短期策略的情况经常会比较复杂，尤其在风险的处理上需要比中长期策略更为精细，因为使用短期操作更容易遭到反复地止盈或止损，从而导致更为频繁的交易。尽管如此，虽然相比较而言使用短期突破策略的结果并不是太好，但也好于之前提到过的那几个业绩基准。
表4-3 参量稳定性的比较（风险因子设为0.2%）
在某些特定的时期，不同参量策略的表现可能会有所涨落，其中某个时间尺度的策略可能会远远超越其他的，但从长期来看，所有不同参量下的模拟都能产生非常强劲的结果，这就证明我们的策略是可行的。总的来说，时间参量的调整无法影响到策略的稳定性，尽管不同的时间参量下产生的长期投资结果会略有不同，但确实没有一个绝对可行的方法，现在就判断哪一种在以后肯定有最佳的表现。
对于基本策略的总结
我们到目前为止能从本章的内容中理解到一点：即使是最简单的趋势跟踪策略也能够获得长期的绝佳表现。通过以上的例子，我想向大家提出一个观点，那就是到底选择哪一种趋势跟踪的方法并没有很多人想象得那么重要。有一个很好的买入和卖出的法则固然益处良多，然而依靠几十年前就为世人所共知的最简单方法，也同样能够获得非常好的结果，所以这其中最核心的要点绝对不在如何买卖上！