文 |
徐杨
来源 |
新全球资产配置
我们做资产管理，碰到最难的问题，不是什么“你是做什么市场的？”，“你是做什么策略的？”，“你的规模有多大？”，而是“你今年的回报有多少？”
这个你今年回报如何的问题，真的不好回答，有良心的公司，作答之前肯定要多想想。
第一，回报的评价周期太短，就算是一年的时间，也并不能说明一个策略的好坏。
第二，如果今年到现在回报很高，我是跟投资人大吹特吹呢捞一笔呢，还是控制预期免得跌下来不好交待？
第三，过度宣传年化回报，会让投资人忽略了风险，以后很有可能被监管机构查。
其实对于大部分个人投资者来说，年化收益绝对是考虑投资最重要的因素。我当年炒股的时候，也是每天看着大牛股，流着口水梦想着我1年前要是买进哪只哪只就好了。
特别是那些5年10倍的牛股，我要是能提早知道，还不成了股神？
然而从实证的角度来看，就算你能预知未来，知道了某只或者某些股票下几年能涨个10倍，你也很可能会阴沟翻船。
不信？我们来做个测试。
前瞻性错误（look ahead）
天天做回测的矿工们都知道，回测的最大忌讳，就是look ahead。比如在预测模型中，拿今天的回报预测今天的回报，买入高回报的股票，卖出低回报的股票，你绝对能创造出人类历史上最牛逼的量化模型。
我们的这个测试，就是要完全基于look ahead。没错，我们在测试中，就是要拿股票未来的收益，选择出最好的股票。
回测时间：1927年1月1号 - 2016年12月31日
回测市场：美国股票市场
规 则：
1、1927年1月1号，我们选出美股市场上市值最大的前500只股票，然后计算这500只股票在今后5年的总回报。
2、我们将这些股票，按照今后5年的回报高低排序，排成10组。今后5年年化收益率最高的那组，叫”神之助攻“；今后5年年化收益率最低的那组，叫“猪之队友”。
3、在每一组中，我们按照市值高低（市值越大，份额越大）买入持有。
4、每隔5年，我们做一次组合的再平衡。例如，1927年1月1号的这10个组合，我们一直持有到1931年12月31日。
5、然后在1932年1月1日，我们重复以上的步骤，产生新的10个组合。
以此类推，一直重复到数据的最后。
果不其然，如果你能买入未来确定高回报的股票，你当然能『取得』高的回报了。如果你得到神之助攻，年化回报能达到近30%。
80年间，平均每年30%什么概念？就是100块最后会变成 116,268,892,185,893！当初是不是应该投10000块？这样你就能买下宇宙了。
注意此图Y轴做了log（10）处理。
其实做投资决策的时候，往回看，看看过去1年或者几年的回报，这是无可厚非的。我们做量化，也是基于历史的数据。
但关键的一点是，我们不能老盯着年化回报，因为年化衡量的是某2个点之间的回报，是一个静态值，你根本不知道中间发生了什么。
比如这个神之助攻，虽然看透未来能『取得』神一样的回报，单是这个策略的风险也是非常的大。
如上图所示，这个策略在1929年的时候，跌幅超过75%（图左边），在1973年的时候，跌幅曾经超过30%，在2001年和2008年的时候，也曾经跌超过40%。
别说75%跌幅了，就算是30%的跌幅，大家早就逃走了，产品也面临着清盘的压力。所以就算是告诉你这个股票今后5年能涨2倍，你中间也hold不住。
不光是跌幅大，而且跌幅的长度也是很长。比如1929年的这次，从最高点掉到最低点，花了1005天。。。总计3年。。。
还有的跌幅虽然相对小，但是涨回去的时间花了一倍有多，比如这个2008年的大跌，从高到低花了395天，但是从低点涨回到原高点，耗了730天。。。
有人说，你下行风险这么大，对冲一下不就好了。我们上面有最好的回报组“神之助攻”，也有最差的回报组“猪之队友”，那么我们做多（long）神之助攻，做空（short）猪之队友，不就是一个完美的对冲基金策略了吗？
这个想法太好了，我们赶紧来测一测。
不测不知道，一测吓一跳：年化46%的收益率，1.86的夏普比率，这次你只需要投入100元，你就能买下全宇宙了。
但我们注意到，就算是这神一样的对冲策略，它的最大回撤还是有47%。历史上跌幅超过20%的次数有9次之多。
08年金融危机，下跌时间超过半年，涨回来花了2年。
你告诉我春天不远了，可是我死在了冬天的路上。
很多投资人在评价一个策略的时候，不仅关注这个策略本身的表现，而且经常会将这个策略与其最熟悉的比较基准进行比较。比如我们经常会把策略的回报和大盘的表现相比较，不管这个比较基准是不是适合于这个策略，而且比较的周期都比较短，一般在6-12个月。
下面我们就把神之对冲这个策略，和标普500进行比较，看看在连续投资1年的基础上，能不能跑赢。
这个神之对冲策略，在绝对部分时间内，都跑赢了大盘（图上蓝色框框以外的数据点）。但是，也有超过10次之多的时间，大幅度跑输大盘（蓝色框框内的数据点）。
在1933年和2009年的时候，跑输大盘的幅度超过70%。
一个看透未来、主动选股的策略，竟然连被动的指数都跑不过，饭碗是分分钟的保不住的。
以上的测试，纯粹是纸上谈兵，但是我们的观点很明确：
1、不要过于关注年化收益，要先理解这个策略的投资逻辑。
2、投资理念是不是靠谱？回测是不是有look ahead bias？
3、策略的最大风险有多少？我的心里投资期限有多长？
现实中的栗子
在现实中，比如之前亚马逊现金购买Whole Foods的新闻，吵得沸沸扬扬；最近贝索斯登顶成为新的世界首富，股价继续冲高。而FANG（Facebook，Amazon，Netflix，Google） 家族中与亚马逊齐名的另外3家，也是牛气冲天，甩开标普500几十条街。
2016年底到2017年7月28号，标普涨了11.7%，同期脸书涨了49.9%，亚马逊涨了36.0%，耐飞涨了48.7%，谷歌涨了20.9%。
大部分的投资人，过于关注回报。看到FANG涨了30%，就觉得自己钱被抢了，怎么又错过了。 每天被媒体狂轰乱炸，看到的新闻不是10天100%，就是10天负100%，特别的两级分化。
其实这4只神一样存在的股票，历史上都经历过非常大的跌幅。
亚马逊在2001年互联网泡沫破裂的时候，曾经跌超过90%，真的是一夜回到解放前。然后又花了2000多天的时间，才涨回来。
剩下的3只股票，最大跌幅也超过了40%，至少花了300天才涨回原高点。
你们多少人在买FANG的时候，是研究过其基本面的？还是因为不想错过这疯狂的盛宴？
在这种持续性的上次市场中，投资人最容易受到各种诱惑：朋友买了我没买，报纸登了我没看，再不入市就晚了！
没有一个系统性的投资框架， 举棋不定的投资人，往往会买在高点，卖在低点，造成巨额损失。
就算是你现在买FANG，也要通过大量的分析，要有坚定的信念，千万不要跟风上车，上了老司机的当。
要知道，大部分的销售一上来就会给你推荐年化回报最好的产品，谁不喜欢高收益高回报呢？不是说年化收益率高不好，只是投资人真的不能过度关注在策略的年化回报或者是总回报上。
过度地关注于年化回报，会让投资人的心理产生潜移默化的影响，从而过少的关注策略的风险和其背后的投资逻辑。特别当投资人的预期被锚定在了高回报上，一旦策略达不到目标，投资人和可能就会快速离场。
股票风险大，入市须谨慎，就算你能预测出明年年底的点位，可是中间还是有12个月，你能保证在动荡之中还坚定的持有吗？
纵然是看透未来的大神，也可能会阴沟翻船。还是多多关注策略的风险和背后的逻辑吧，留得青山在，不怕没柴烧。
重磅延伸：
如何在股灾中赚取超额收益？
沪深暴跌、股灾来了怎么办？这个标题很恶心，但确实是我们在做投资的时候，必须思考的一件事。有的人会做择时，预测暴跌的时点。这种做法，早已被很多论文和数据证明为运气成分偏多。
其实靠谱的方式也有一些，今天我们来介绍其中的一种：多资产趋势跟踪策略（管理型期货）。
《穿越世纪的趋势跟踪》
AQR 6月份的一篇新paper，题目是“A Century of Evidence on Trend-Following Investing”，中文我们暂且译作《穿越世纪的趋势跟踪》。
AQR这篇文章主要用了超过135年的金融数据（最早的数据起始于1880年），横跨全球11个国家的股票指数、12种外汇、15种主权债券和29个大宗商品期货品种，来检验趋势跟踪里面一个最基本的策略是否有效。
这个策略就是时间序列动量（Time Series Momentum）。具体怎么做？其实很简单，比如用在上证综指上，如果上证综指过去1个月（包括当月）的总回报为正，那么下个月就做多股指；如果过去1个月（包括当月）的总回报为负，那么下个月就做空股指。
AQR分别测试了过去1个月总回报、过去3个月总回报、过去12个月总回报。并且用等权重的方式，将这3种不用时间长度的动量指标组合在一起，形成一个加权的动量指标。基于这个加权的动量指标，又将上述67种资产等权重的组合在一起，构造出了一个资产组合。
总结来说：趋势跟踪（动量指标）有效
1. 在单个资产中，动量指标能够降低此资产和其它主要资产的相关性，并且在大部分的资产中，提高其夏普比率。
图片摘自AQR论文，版权归其所有
2. 通过等权重地组合这67种资产标的，加上加权的动量信号，新的组合能够在股灾中大幅跑赢60%/40% 股/债的策略。
图片摘自AQR论文，版权归其所有
具体的文章解说，可以参考张翼轸的雪球文章《给趋势投资信仰充值：动量模型百年赚钱史》，已经说的非常详细了。
学术界的讨论
AQR论文中测试的这种基于多资产标的的趋势跟踪策略，有一个专业的代名词 -“Managed Futures”，也就是管理型期货，属于CTA策略。
除了这篇AQR的论文，从去年到现在，学术界上有2拨人一直在争论这个管理型期货到底是不是有效的。
管理型期货中的动量管用。
一拨人以Tobias J.Moskowitz为首，加上Yao Hua Ooi, Lasse Heje Pedersen，写了一篇《Time Series Momentum》，我们将此论文简称为MOP。
MOP论文的结果跟AQR的这篇类似，测试了从1965年到2009年间58种资产（24种国际大宗，12种配对外汇，9个股指，13个主权债）。跟AQR不同的是，MOP用了风险平价权重，也就是谁的过往波动性高，谁的权重就低，而不是单纯的等权重来组合这58种资产。
动量指标只用了过往12个月的总回报。最后得出的结果是，在加了2倍杠杆的前提下，这个策略每年的超额收益在13.89%。
管理型期货中的动量不管用。
另外一拨人以Abby Y.Kim为首，加上Yiuman Tse, John K. Wald，写了一篇《Time Series Momentum and Volatility Scaling》，我们将此论文简称为KTW。
KTW这拨人呢，也基本沿用了KOP的数据：1985年-2009年，55种不同的资产。他们得出的结论是，不加杠杆的情况下，KTW的策略每年的超额收益只有4.78%左右。
如果加了杠杆，这个策略年超额收益在13.76%。如果不加杠杆，这个策略跟买入持有没有太大区别。说白了，就是动量不管用！
这3拨人，搅在一起，不清不楚的，真是难搞。这里的争论点在于：
-
动量管用吗？
-
还是完全靠的杠杆的力量？
-
还是买入持有就完事了？
那么我们用自己的数据，来测试看看到底是因为时间序列动量管用呢？还是杠杆管用呢？
管理型期策略货历史回测
数据：1998年1月-2016年6月，包括了38种资产：22个国际期货品种，9个股指，7种主权债券。
我们在这里只选取了38种不同的资产，对整个模型做了简化。一是为了测试在简化的前提下，模型是否可靠；二是为了增强可操作性，交易38个品种 v.s. 交易67个品种的难易程度可想而知。
动量指标：过往12个月总回报，包括当月。根据AQR的论文，12个月的效果较好，这里也是为了简化测试结果和测试可靠性。
测试的策略，我们这里一共测试了4种策略
策略1：风险平价组合（基于过往36个月的波动性），不加杠杆（年化目标波动率在4.5%），买入持有，每月再平衡。
策略2：风险平价组合（基于过往36个月的波动性），不加杠杆（年化目标波动率在4.5%），动量指标（正动量就看涨，负动量就看空），每月再平衡。
策略3：风险平价组合（基于过往36个月的波动性），加2.5倍杠杆（年化目标波动率在12%），买入持有，每月再平衡。
策略4：风险平价组合（基于过往36个月的波动性），加2.5倍杠杆（年化目标波动率在12%），动量指标（正动量就看涨，负动量就看空），每月再平衡。
策略回报表现：
从上面的数据可以看出，加杠杆和不加杠杆的区别是非常大的：不加杠杆的策略1和策略2，比加了杠杆的策略3和策略4，年化回报低了很多。
然而不加刚刚的策略1和2，最大回撤也比加了刚刚的策略3和4，低很多：平均10% v.s. 25%。
杠杆是肯定会放大策略的波动幅度的：如果杠杆前策略为负，加了杠杆就会亏的更厉害；如果为正，加了杠杆就会赚得更多。
要注意的是，这里我们并没有计算杠杆费率，粗略的估计，杠杆费用一般在每年2-3%左右。即便如此，加了杠杆的策略3和策略4，其年化回报也高于另外2个策略，并且高于标普500和美国国债。
下面我们来看看年度回报：
在每一行中，我们横向比较，并且用不同的颜色来区分策略的好坏：红色代表表现好，绿色代表表现差。
没有采用动量的策略1和策略3，其股灾中超额收益并不明显。比如下图：在2001年互联网危机时，使用了动量的策略2和策略4，均录得正的年度回报，而没有使用动量的策略1和策略3，均为负，并且大幅跑输简单的60/40 股/债策略。
这个情况到了2008年危机时更加的明显。当标普500在2008年录得负36%的回报时，使用了动量的策略2和策略4，再一次的大幅跑赢大盘。而且在杠杆的作用下，策略4的年度回报超过了40%！
策略的动因和局限性
看到这里，我们能否说动量就是王道了呢？其实3篇文章中，都有一个共同点，就是动量改变了策略本身与其它主要资产的相关性。
