CTA量化策略因子系列：动量因子

报告摘要： 

动量策略是基于标的资产价格的动量效应而设计的交易策略，即预先对资产的动量因子设定过滤准则，当资产过去一段时间的收益满足过滤准则就买入或卖出相应资产的投资策略。动量效应(Momentum Effect)又称'惯性效应'，指资产价格具有延续原来运动方向的趋势，也就是说，过去一段时间收益较高的资产在未来仍将会获得 的较高的收益，因此投资者可以通过购买历史表现好的资产、卖出表现差的资产，获得低成本的超额收益。

动量效应打破了有效市场假说，曾被认为是一种市场“异常”，但随后，越来越 多的股票市场和其他类型的交易市场（如期货市场）都被证明存在动量效应。且动量因子作为 CTA 量化策略追踪趋势的主要因子之一，本文将基于我国商品期货市场上 的动量效应，设计不同动量因子、不同期限组合以及不同时间段的动量策略，分析这些策略的适用性和稳定性，并进行参数优化和组合。

最后，进行多周期动量因子策略的组合，并利用剔除部分与其它周期相关性较高 的组合，选择 10 组不同回溯期、持有期的横截面动量因子策略进行等权、等波动率策略组合。根据测试结果显示，能有效避免单周期或最优参数在不同时间表现不稳定 的情况，同时能把握整体动量因子带来的收益，降低了组合策略风险及回撤。

1.  数据选择与处理

1.1 品种选择

选择在上海期货交易所、大连商品交易所和郑州商品交易所上市交易的全部46个品种进行交易，按照Wind商品指数的划分标准，可将这些品种分为谷物、油脂油料、软商品、 农副产品、有色、贵金属、煤焦钢矿、非金属建材、能源和化工10 类，具体的品种如下表所示。

不同品种的流动性差异很大，如果在构建组合时选择了流动较差的品种，则在实际交易时会产生较大的冲击成本，所以应该在建仓时对合约的流动性进行筛选。具体做法是：

1）计算各品种主力合约过去 60 天平均成交金额的时间序列；

2）在建仓日，计算当日各合约成交金额的 40 分位点，以此为筛选标准；

3）在建仓时，剔除掉平均成交金额小于 40 分位点的合约；

1.2 合约选择

在合约选择上，考虑到不同月份合约市场活跃度和参与度的不同，只选择各品种的主力合约进行交易，并选择主力合约的结算价进行计算。为降低主力合约在换约时产生的跳价影响，对主力合约的结算价进行如下处理：

1)当合约持仓量连续两天最大时定义为新主力合约，开始进入为期两天的换约期；

2）换约期第一天的结算价=旧主力合约当天结算价*2/3+新主力合约当天结算价*1/3；

3）换约期第二天的结算价=旧主力合约当天结算价*1/3+新主力合约当天结算价*2/3；

4）换约期第三天的结算价=新主力合约当天结算价；

1.3 测试时间

测试时间从 2010 年 1 月开始到 2017 年 8 月结束。因为 2015 年 6 月以后，很多品种相继推出了夜盘交易，使得市场上的投资者结构和交易策略发生明显改变，因此将 2015 年 6 月设为一个断点，分别测试动量策略在夜盘上市前后的表现时。另外，根据 Wind商品指数 (CCFI)周线MA20，选出期货市场表现为牛市和熊市的时间段（时间长度约为 1 年），测试动量策略在不同市场行情下的表现。具体的测试周期如下表：

2.  策略方法

2.1 策略原理

期货市场的动量效应以两种形式存在，一种是时间序列动量，另一种是面板动量。根据 这两种不同的动量形式，设计对应的时间序列动量策略和面板动量策略。这两种策略考察 的动量因子都是过去一段时间的平均收益率，但是在建仓时，面板动量策略将各合约按照 平均收益率从高到低进行排序，选择排名靠前的 10%合约做多，排名靠后的 10%合约做空； 时间序列动量策略则是做多平均收益率为正的合约，做空平均收益率为负的合约。建仓后， 持有合约组合至下一个建仓日平仓。

2.2 参数设定

该策略涉及的参数主要有回溯期和持有期。回溯期指计算动量因子的时间长度，用 R 表示，代表建仓日前一天开始向前推 R 天，计算这 R 天的平均收益率；持有期指建仓后持 有组合的时间长度，用 H 表示，代表每隔 H 天建仓，持有组合至下个建仓日。回溯期和持 有期的取值范围均是 5 天、10 天、22 天、60 天、120 天和 250 天，用（R，H）表示，共 36 个组合如下表所示。

2.3 入场时间

动量策略的本质是根据过去对未来进行选择，所以当回溯期较短时，捕捉到市场信号会对市场行情较为敏感，也就是说，动量策略效果会因入场时间不同而有不同的表现。下图是面板动量策略在2010.1.1-2017.8.31期间，不同进场时间的测试结果，回溯期和持有期均为10天。从图中可以看出，延迟0天和延迟10天入场的策略表现有明显的不同。

为了消除入场时间对策略结果的影响，对入场时间和下单情况进行如下处理：假设持 有期为 H，在持有期内每天滚动下单 1/H 的仓位。

2.4 资金分配

交易成本：所有品种按单边万分之五计算； 

杠杆：使用 1 倍杠杆； 

权重：多空组合中各合约等权重；

3.  评价体系

4.  回测结果

下表展示了不同时段策略组合的夏普比率，从表中可以看出夜盘的推出对动量策略的 效果产生影响：夜盘推出后，动量策略增强，尤其是持有期为一年的组合，夏普比率明显提 高。另外，动量策略在牛市和熊市中的表现也有较为明显的分化：无论是哪一种持有期、回溯期组合，牛市中的动量策略表现均优于熊市，并且在熊市中大多数组合都呈现负收益。本文选取的牛熊市分界为市场反转初期阶段，所以可见动量策略在市场发生强烈反转的时候表现一般，可参考之前报告《CTA 量化策略因子系列（一）：波动率因子》，在 2016年底， 市场反正强烈反转时，价格变化与波动率降低会导致动量策略整体收益下降。

在不同的回测周期下，选择表现最好的一组持有期，画出两种动量策略的净值曲线进行比较，选出最佳参数组合，计算策略评价参数。

4.1 全时段：2010 年 1 月 1 日至 2017 年 8 月 31 日

4.2 夜盘上市前：2010年1月1日至2015年5月31日

4.3 夜盘上市后：2015 年 6 月 1 日至 2017 年 8 月 31 日

4.4 牛市：2015 年 12 月 1 日至 2017 年 11 月 1 日

4.5 熊市：2011 年 3 月 1 日至 2012 年 2 月 1 日

5.  策略组合

无论面板动量与时间序列动量策略，在本文设定的不同市场环境周期的表现结果看， 未没有固定的最优参数回溯期与持有期，如果持续沿用一种固定周期，可能会承受动量因 子周期性显著的特性，承受动量因子短暂失效的压力，因此下文将不同周期的动量因子策 略进行组合，以面板动量因子为例测试组合效果。

5.1  多周期组合面板动量因子策略的表现

尝试将不同回溯周期与持有周期的面板动量因子进行组合，整体表现一般，组合的年 化收益只有 3.65%、最大回撤达到 6.25%，年化波动 4.24%，夏普比率 0.86。

5.2  各横截面动量因子组合收益情况和相关性表现不同

由于各横截面动量因子策略组合间的相关性不同，存在冗余周期，不同组合间的相关 性对于多周期动量因子组合策略存在一定影响。以 2010 年 1 月至 2015 年 5 月作为样本，由 表 1 的动量因子策略不同组合的相关性矩阵发现，各周期策略的相关性确实互有高低。

不同回溯、持有周期的动量因子策略共 36 种组合，两两相关性大于 0.5 有 420 对组合， 相关性大于 0.9 的也有 71 组合。由图 1 各动量因子策略组合与其它组合的平均相关性观察， 尝试剔除相关性大于 0.5 的组合，以减小动量因子多周期组合的相关性，获得不同周期动量 因子贡献同时，亦可平滑整体资金曲线。

因此，由上述标准选择出以下回溯、持有周期 10 个组合：R=5 H=5，R=5 H=10，R=5 H=22，R=10 H=5，R=10 H=10，R=10 H=22，R=22 H=5，R=22 H=10，R=250 H=120，R=250

H=250   （R＝回溯周期，H＝持有周期）。

5.3  剔除部分相关性的样本外测试

经上文保留由样本内相关性确定的10个不同回溯期、持有期的横截面动量因子组合。进行样本外测试，看是否有效剔除了冗余动量周期组合。除了进行剔除部分相关性与全周期等权组合对比，也加入按等波动率分配权重的组合对比。

由图 3 可以发现，剔除相关性后等波动率组合与等权组合表现优于全周期等权组合， 年化收益从6.17%提高到8.12%和8.65%，年化波动率也从6.4%降低至 5.12%和5.28%， 夏普比率从0.96，分别提高至1.59与1.64。

横截面动量因子固定回溯周期策略在不同周期表现不稳定，由图 4、5 中发现，选取 2015 年 6 月至 2017 年 8 月表现最好的 R=5 H=22, R=10 H=22 组合，在 2010 年 1 月至 2015 年 5 月期间表现较差，夏普比率只有 0.74 和 0.95。采取剔除部分相关性的多周期组合策 略，可以避免利用单周期或最优参数在不同时间表现不稳定的情况。

从总体横截面动量因子策略组合表现情况看，达到了既定优化效果，相比单回溯周期与持有周期的动量因子策略，等权组合把握动量因子带来的收益，降低了策略风险，同时保持策略在不同周期的稳定性。

作者：华泰期货研究院 量化组组长 罗剑