Local EPUB Text
破解当世基金的策略
如果检视很多现有基金的长期历史业绩，我们会发现它们的交易策略会随着时间的推移有所改变。这种发生改变的做法是非常正常的，而且在某种程度上也是很必要的。改进策略的一个直接理由便是初期的成功会导致管理资产规模的提升，然后很快就可能遇到所投标的品种流动性不足的问题。随着资产管理规模的增加，交易流动性较差的品种会变得越来越困难，而投资经理应该在此时找到解决这一问题的办法。最简单的方法有增加投资品种池中的品种数量并降低单个品种的投资比例（风险因子），适当减少流动性较差品种的交易金额，甚至舍弃一些流动性较差的品种，在多个交易日内完成建仓或平仓的过程，或者大幅增加流动性较好的板块（如外汇和利率品种）的权重等。
另外，还有一个调整策略的合理原因：成功带来的大量利润为增加研发经费和量化分析人员创造了条件，使得基金有可能做出诸如同时并行多种策略、混搭不同的时间尺度指标等新的尝试。在大多数情况下，这些努力是可以产生效果的——多少能降低一些策略的波动性，但总的来说，仍不足以产生非常大的影响。然而，如果基金规模足够大，这类努力还是有一定价值的，而且客户也应该对基金管理人能做到花钱提升投资业绩感到满意。但就像我们在本章后面将要展示的那样：从最终的结果来看，有些基金所做的改变似乎并未如预期的那样生出甜美的果实。
另外，还会有一些外在的因素导致基金做出改变的情形，比如在创立了欧元之后，人们就再也无法交易德国马克的期货了。在过去的20年里，我们还遇到过好几次由于交易品种的出现或消失而需要调整投资品种池的情况，比如冷冻猪腩（pork belly）期货就因为交易量的逐渐萎缩，而最终不得不摘牌退市。因此，不要心存那些不现实的期望，比如盲目认为现实可以像我们之前展示的那样，自始至终只用同一种交易策略和一个一成不变的投资品种池，去完全匹配一个现存基金在过去的全部历史业绩。其实我们能够做到的，只是在一个相对较长的指定历史时期中，解密某一只基金在这段时间的行为，或者对一只基金的全部历史业绩找到一个相对合理但不是非常精确的匹配策略。在本章中破解那些基金业巨头的秘密，我用的还是本书到目前为止一直在用的同一种交易策略，同样也是在前一章中用于年度回顾分析的那种策略。
我这么做的目的是向大家展示很多顶着“魔法大师”光环的顶尖期货基金的业绩，其实完全能用同一种简单的交易策略来重现。由于每家基金多少都会有一些自创的“独门武功”，所以除非花费更多的精力去做曲线拟合，否则我们是没有办法能做到精确复制的。但即使能做到非常精确，我认为其中的价值也并不会很大。正是基于这个原因，我在匹配这些基金的业绩时只允许对我们的核心策略做出以下3个方面的调整。
·投资品种池：我们会用到之前罗列的5个不同的品种池，从中选取能够获得最佳匹配效果的那只基金。
·风险因子：不同的基金展现出的波动特征具有巨大的差异，与我们的核心策略也会有很大的不同。为了能够复制一只基金，持仓限额的计算公式中的风险因子应该根据该基金的实际风险水平进行调整。
·时间尺度：很多基金会同时用到多个时间尺度，但我会在复制过程中坚持只使用单一时间尺度的指标。由于有些基金更擅长捕捉时间尺度较长的趋势，有些擅长捕捉时间尺度较短的趋势，所以为了让匹配的结果尽可能精确，我们将用到3个不同的时间尺度指标，分别命名为标准版本、较长版本和较短版本，并在模拟时采用尽可能近似的那一个。
坎贝尔综合指数
坎贝尔综合指数（Campbell Composite）可不是一只在现实中真实存在的基金产品，而是由坎贝尔公司（Campbell&Company）旗下管理的很多账户业绩所形成的一个综合指数。坎贝尔公司在20世纪70年代初就进入了这个行业，自成立以来一直表现得非常卓越。这家公司旗下管理了非常大量的个人账户和基金账户，所以公司的官方业绩就是综合了这些账户在扣除费用后的收益结果。我们有理由认为这家公司不会用完全相同的方法管理所有的账户，但由于它们用的全部都是趋势跟踪的期货交易，所以其中的差别应该在于不同账户所用的板块权重和风险偏好会有所不同，而不会出在核心的交易策略上。不管怎样，在全部账户的业绩被综合成一个指数之后，这些局部的差异就会相互抵消。
光凭旗下管理的20亿美元的资产，坎贝尔公司就能算得上行业的巨头之一。坎贝尔指数的平均复合年化收益率大约有14%，如表7-7所示，如果2008年基本算是不赢不亏的话，在从1990年到2011年的22年间里它们总共只亏过4次。这份成就还是很难有人能够超越的！
表7-7 坎贝尔综合指数22年来的月度表现（%）
由于该公司运营着体量巨大的资金，自然可以认为它参与交易的投资品种非常多。所以，我们可以使用之前在表7-2中曾定义过的基础库作为最为接近该公司正在用的投资品种池。同时由于图7-2中的坎贝尔综合指数不但在波动性上低于我们的核心策略，而且收益率和回撤也都更低。对应这种低风险，我在限仓额度公式中将风险因子下调为9个基点。此外，我在指标的时间尺度上，默认选取了较为中等的那个标准版本。
图7-2 再现坎贝尔综合指数在1990～2010年的表现
轻微调整后的核心策略所获得的业绩结果与坎贝尔综合指数的相似之处是非常明显的。20世纪90年代，坎贝尔指数的波动性水平要稍高于我们的核心策略，这很可能是由于它在那段时间承受了更高的风险，且用到的交易品种数量比随后10年更少。与我们相比，坎贝尔公司在1990～1993年所付出的代价是值得的，但到1993～1995年它未能继续保持领先。1997～2007年的这段时间里，我们策略的结果与坎贝尔综合指数的表现非常接近，这表明同期坎贝尔公司的核心策略很可能与我们在本书中介绍的那种策略并无不同。我还要再次提醒大家，本书中展示的所有模拟都考虑了交易费用、滑点、管理费、基金行政费用和业绩报酬——如果不这么做，任何比较都是不公平的。我的策略和坎贝尔综合指数1997～2007年的月度表现几乎是一模一样的，所以如果坎贝尔公司使用的是一种完全不同的策略，那么其月度表现也刚好展现出如此高度的相似，这种巧合事件出现的概率几乎是微乎其微的。总的来说，在这期间两者月度表现之间的相关度高达0.72，其中有些年份里相关度的数值甚至更高。
其实真正让人感兴趣的是在2007年及之后的几年里，坎贝尔公司内部到底出了什么状况？因为所有的趋势跟踪策略在这段时间里都取得了有史以来最好的业绩，但坎贝尔综合指数竟然掉头向下。其中的原因不可能出自趋势跟踪策略本身，唯一合理的解释就是这家公司开始更换策略了。它很可能正在尝试一些新的系统化交易策略，比如增加了套息交易（carry trade）的策略、使用期权或增加了其他新的能贡献净值的重要因子，然而最终导致开始赔钱。其实如果还能够继续坚持最初的策略，坎贝尔公司本来可以从中大赚特赚的。根据坎贝尔综合指数在2010年之后的表现，似乎该指数的主要驱动因素又回到了传统的趋势跟踪策略，所以我非常期待它能实现再次的崛起。当然，2008年错过的那部分盈利肯定会拖累坎贝尔综合指数的历史相对表现，使得它的长期业绩在未来的一段时间里总是远远落后于其他的竞争对手。
日昇资本
日昇资本（Sunrise Capital）在这行业中也是个巨头，大约成立于20世纪90年代中期，当前的资产管理规模接近7.5亿美元。日昇资本算是一个做趋势跟踪期货交易的典型基金管理人，如表7-8中的月度业绩结果，它的平均复合年化收益率大约在12%，但业绩的波动性比我们的核心策略低得多。尽管明显具有更低的风险水平，但日昇资本自成立以来，业绩表现一直远优于我们能够想到的一些业绩比较基准。根据它的宣传材料，日昇资本似乎倾向于在金融期货上配置较高的权重，尤其喜欢利率和外汇的品种。正是基于这个原因，我在尝试再现它的业绩时采用了表7-4中的金融期货高配库。从它的历史长期业绩表现来看，似乎比较接近中等时间尺度下的趋势跟踪策略的投资结果，所以我们也可以放心地使用与核心策略相同的时间参数。另外，由于它业绩的波动性比我们核心策略的一半只高出一点，所以我们也会在持仓限额的计算公式中有针对性地进行补偿。
表7-8 日昇分散化资本的月度表现（%）
我们在中等的时间尺度上运行核心策略，并使用金融期货高配库和11个基点的风险因子，最后获得了非常好的复制结果，与日昇资本真实业绩的相关度达到了0.73。在1997～2004年，两者之间的相关度达到了极高的程度，即使从2004年开始业绩表现间的差异开始扩大，它们之间的相关度依旧还是非常高。从图7-3的月度表现上，我们可以非常容易地找到两次单月的业绩分歧，对日昇资本的最大打击分别发生在2007年8月和2010年5月，而我们的核心策略让我们在这两个时点上都逃过了一劫。2007年8月给大多数期货交易员带来的损失主要是由两个板块驱动的：首先是美元在下跌趋势中出现了一次急促的反弹，尽管之后很快又回到了下跌趋势中，但很多趋势跟踪策略都在遭受沉重的打击之后，被止损操作清空了全部的头寸，而由于日昇资本比较偏好于外汇板块，所以它肯定在那个时候持有了很多看跌美元的头寸；另一个打击是由于股市的熊市趋势突然发生反转，我们的同行中有很多人在股票板块上的头寸也都触发了止损。
图7-3 再现日昇资本的投资业绩
2010年发生的情况也差不多，只不过这次造成亏损的罪魁祸首变成了利率板块。趋势跟踪者在那段时间里一般都会做空美国和加拿大的利率品种，但在2010年5月的时候出现了利率暴跌、债券猛涨的情况。我们的策略很幸运地找准了时机，恰好在加拿大银行承兑汇票、欧洲美元和美国国债（Tbills）出现了大幅的不利变化之前的几天平掉了仓位。尽管遭受了这样的打击，但日昇资本两次都神奇地迅速复原，并将业绩再次迎头赶上。
棕榈树趋势基金
棕榈树趋势基金（Palm Trend Fund）是一只专注于捕捉大宗商品趋势的基金，管理人为Beach Horizon公司。该公司过去的平均复合年化收益率大约为15%，最大历史回撤约为25%，成立以来有54%的月度盈利为正，其中任意连续12个月取得正收益的比例高达72%。该公司最早从2005年起开始接受专户委托进行交易，然后在2010年发起设立了棕榈树趋势基金。表7-9中展示的月度表现其实是由Beach Horizon自己提供的，它综合了棕榈树趋势基金和其他使用相同交易策略的专户业绩。这只特别的“基金”明显钟情于大宗商品类资产的投资——它自称有将近60%的资产投在商品上，剩余部分才分散投资于其他的资产类别。这意味着这次我们可以用到表7-5中的商品期货高配库，以便逆向破解棕榈树趋势基金所使用的交易策略。
表7-9 棕榈树趋势基金D的月度表现（%）
相比较使用商品期货高配库和风险因子为25个基点的核心策略，棕榈树趋势基金的月度业绩有非常惊人的相似之处，两者之间的相关度竟高达0.86。如图7-4所示，从2005年开始二者的月度业绩就非常接近，而且在过了很多年之后，最终的净值居然还能几乎完全相等。从这个角度来讲，我猜Beach Horizon公司所用的策略和投资品种池，非常可能与我在书中所提供的完全一样。
图7-4 重复棕榈树趋势基金的结果
TSR计划（Transtrend Standard Risk Program）
在过去的20年里，这家总部设在荷兰港口小城鹿特丹（Rotterdam）的公司，在趋势跟踪策略的使用上表现出相当高的连贯性。该公司成立于1991年，作为一家趋势跟踪风格的传统CTA式期货管理人，它最主要的精力在于提供个人客户的专户管理。这家公司从1992年开始的“分散化趋势计划”（Diversified Trend Program）每个月的官方业绩如表7-10所示，而且如果有需要，他们还可以提供多个风险更高的产品。他们对投资的分散化程度非常在意，所以为了提高分散化的效果，除了直接交易的投资品种要比竞争对手多之外，还同时挖掘不同品种之间相对价值变化的趋势交易机会（价差的趋势跟踪）交易。作为一家旗下资产达百亿美元量级的大型专业公司，它理当具备一些非常极端的分散化手段，才能让市场消化其金额巨大的交易单量。
表7-10 TSR的月度表现（%）
我们在默认的时间长度（标准版本）下，用表7-2中的基础库运行核心策略，最后得到的结果非常好地契合了这家期货管理人的业绩。其标准产品的波动率大约不到我们默认值的一半，所以将风险因子定为8个基点。比较图7-5中的结果，可以说我们做得已经足够好了。有趣的是，在1992～2010年的这17年里，TSR前半程的波动率看上去比风险因子8个基点的结果要稍高，而后半程的波动率则肯定比8个基点的结果要稍低。其实大型的基金管理人在长时间的经营过程中，常常会降低自身的风险偏好程度，当然收益水平也会相应地下降。其实当管理的资产规模超过10亿美元之后，很难有人还能继续保持原有的收益水平，所以投资经理之前所取得的成绩，很可能在未来会成为继续前行的包袱。
图7-6中虚线对应的核心策略及其他参数与能生成图7-5中虚线的核心策略及其他参数几乎完全一样。唯一的不同在于图7-6中从1992～1999年所使用的风险因子为9个基点，而在2000年之后降低到6个基点，而图7-5中的风险因子始终用的是8个基点。当然，交易原则和其他的全部参数仍保持不变。由此可见，TSR在现实中很可能在逐步下调交易策略的风险水平，而并非像我们这样一直简单地让风险水平保持不变。尽管如此，用我们的模拟策略还是得到了非常相近的结果。总之，这家公司与其他大多数期货管理人一样，现在所使用的是非常标准的趋势跟踪模型。
图7-5 再现TSR的表现
图7-6 在2000年降低风险的复制结果
Mulvaney全球市场资本管理基金
相对于Mulvaney的其他大多数同行，这家总部设在英国的投资管理人比较擅长于把握时间更为长久的交易趋势。针对更长期的趋势自然需要比我们的默认策略更大的止损空间，因此形势不利时产生的净值回撤也就会变得更加陡峭。但是，这样也可以降低在趋势中被短期波动淘汰出局的可能，更从容地应对短期的反弹。也就是说，跟踪时间更长的趋势其实是有代价的，往往是用趋势一旦发生反转时产生的更高的亏损，换得平时获得更好整体收益的能力。Mulvaney基金与其他基金的最大区别，在于它所追踪的趋势持续的时间更长。这家基金由前美林（Merrill Lynch）期权交易员在1999年成立的，它过去的表现一直非常强劲，成立以来只有3个亏损的年份，而特别是在2008年让投资人的钱全年翻了一倍还多。目前它旗下管理的资产规模大概有2亿美元，所以仍可以参与市场上绝大多数品种的交易。
表7-11中缺少从2001年8月～2002年2月的表现，这是由于Mulvaney基金在这期间曾因为结构调整而暂时关闭。我们在模拟时也相应地将这几个月的收益率调整为零。
表7-11 Mulvaney全球市场基金的月度表现（%）
虽然从道理上讲，基础库比较适合Mulvaney全球市场基金的情况，但使用表7-5中的商品期货高配库所获得的结果与基金实际收益情况具有更高的相关度，所以我们这次选用的是商品期货高配库。我认为其中的原因可能在于公司的管理规模还不足以在交易品种上受限，所以它可以更多地在商品板块上进行配置。当基金规模超过了5亿美元后，这种随性就会变得越来越难以做到。为了模仿Mulvaney全球市场基金对更长趋势的把握，我将止损位从默认的3个的真实波动幅度均值（ATR）变成了6个（关于真实波动幅度均值的概念我们曾在第4章中有所定义）。另外，为了匹配Mulvaney基金所承受的风险程度，我们还特意将持仓限额公式中的风险因子从20个基点降为15个基点。经过以上几个微小的调整，我们的核心策略所取得的结果最终与Mulvaney全球市场基金的业绩达到了0.86的相关度。如图7-7所示，其实两者的表现只在一段时间有比较大的分歧：2005年年末该基金的业绩大幅超过我们的策略所产生的业绩，但在2007年我们就追赶上了。
图7-7 再现Mulvaney全球市场基金
更多的其他基金
是不是到现在有人还不相信，行业里的这些巨头所用的交易模型与我们的核心策略基本上是一样的？很好，让我们再多看几家！从图7-8～图7-11，我们用自己的核心策略分别再现了4只产品的表现，它们依次为亚伯拉罕分散化交易基金（Abraham）、Eckhardt交易公司、征服（Conquest）管理期货基金和ISAM系统化基金A类份额。
图7-8 再现亚伯拉罕分散化交易基金的业绩
图7-9 再现Eckhardt交易公司的业绩
图7-10 再现Conquest管理期货基金的业绩
图7-11 再现ISAM系统化基金A类份额的业绩