「ptfs外汇」CTA基金的风格归属和因素剥离

原标题:CTA基金的风格归属和因素剥离

文章来源于网络,若有侵权,请联系我们删除。

  文:冯佳睿金融工程研究团队

  编辑:私募工场,转载请注明出处

  本篇报告中我们进一步拓展了因子剥离体系在本土化实践的视角,以国内市场的CTA基金作为分析对象,构建相应的因子体系进行实证剥离。CTA产品与传统资产的低相关性使之能在投资组合中发挥重要的配臵价值,然而,当前CTA基金主要以私募产品的形式存在,披露的信息极度匮乏,只能获取少量不全面的净值披露而几乎无法得到具体持仓信息,从而给CTA产品的研究与投资带来了很大的困难。本文即试图从有限的净值信息切入,解密CTA产品的部分收益来源,为投资者提供参考。

  CTA风格归因的五因子体系。

  作为CTA产品因子剥离分析上的初探,我们首先针对CTA基金的投资标的和策略风格构造了简单五因子体系,将CTA基金的收益来源分成两大部分:市场因子和风格因子,市场因子进一步分为商品、权益和债券,风格因子进一步分为动量和期限结构。

  CTA基金净值数据的披露问题。

  CTA基金的样本数据质量显著低于之前的量化类权益基金以及债券型基金产品。由于其大多以私募的形式存在,业绩数据尚无严格的披露准则,我们从朝阳永续数据库中所获得净值数据呈现出披露频率参差不齐、披露时点不一致等情况。针对这一情形,我们分别尝试了插值法以及匹配法对原始数据进行加工。

  CTA基金风格归因的实证剥离效果。

  单一的商品因子对当前的CTA产品解释效果非常无力,其主要原因一方面在于商品期货只是我国期货市场三大品种之一,商品因子并不足以刻画系统性风险来源。另一方面原因是期货多空双向交易的特征使其通过灵活切换持仓方向在上涨下跌市场中均获得收益,商品因子作为纯多头因子无法解释该部分的收益。五因子剥离体系下模型的解释度获得了显著的提升,剩余Alpha的区分度相较股票与债券基金更大。

  区分策略类别下的样本分析。

  各类别策略均显著暴露于时序动量因子,趋势追踪是CTA基金的最主要的投资方式,而其中趋势策略在动量因子上的暴露最为激进。套利策略对期限结构因子暴露最为显著。

  区分管理人类别下的样本分析。

  公募专户及子公司更倾向于操作股指期货及国债期货等金融期货,而私募及期货资管更多涉及商品期货。

  进一步的研究方向。

  当前的五因子剥离体系对全样本的CTA基金的解释度依然十分有限,还有大量基金存在剩余Alpha未被因子所解释。我们将从两个方向展开进一步的研究,其一是纳入更多刻画系统性风险来源的因子,其二是将现有的CTA基金所集中暴露的动量因子进行层次化,构造更为丰富的动量因子以期分解趋势追踪策略。

  风险提示:市场系统性风险、政策变动风险、模型误设风险。

  私募工场(ID:Funds-Works,微信:15034081448):是一家扎根私募基金业绩评级的独立第三方私募平台,主要为私募证券类投资基金进行专业实盘业绩鉴定,策略分析,风险评价及风格测评等,给机构投资者提供风险配置和资产管理服务。

  1.CTA基金研究背景概述

  1.1CTA基金发展现状

  CTA基金资产管理规模增长迅猛,已成为海外一类十分流行的另类投资基金。截至2017年二季度,CTA基金的总管理规模已高达3415亿美元。与CTA基金规模增长相对应的是全球衍生品市场的飞速发展。根据美国期货业协会数据,2016年全球交易所期货和期权合约成交量为252.2亿手,较2015年增加了1.7%,为历史新高。

  和规模同时上升的还有CTA基金的业绩,自1979年末至2017年10月,BarclayCTA基金指数取得了9.41%年化收益率,夏普比率为0.36,最大回撤为15.66%(见图1)。除了稳定优异的业绩表现之外,CTA基金和其他投资品种保持着极低的相关性。

  BarclayCTA基金指数与标普500指数的相关系数仅为0.01,和美国国债的相关系数也只有0.14。国内的CTA基金在2010年4月股指期货上市后迅发展,主要以私募基金形式存在。根据朝阳永续私募基金指数,2012-2017管理期货策略指数年化收益率为18.51%,夏普比率高达2.70(见图2)。

ptfs外汇

ptfs外汇(网络配图 侵删)

  根据Markowitz的现代资产组合理论,投资者可以通过在其投资组合中加入相关性较低甚至负相关的资产来降低投资组合的风险。CTA基金与大多数传统资产的相关性很低,而且在一些极端的市场环境下可以捕捉到“crisisalpha”。

  由此可见,CTA基金在资产配臵和投资组合中具有十分重要的作用,但由于投资标的的特殊性和投资策略的复杂性,CTA基金极少披露持仓信息,给FOF投资者带来了很大的困难,而市场上对CTA基金评价和归因的研究十分有限,因此我们展开了这方面的研究,在接下来的系列报告中,将探讨CTA基金风格归因与因子剥离的思路与效果。

  1.2海外市场中的相关研究成果

  Fung&Hsieh(2001)1发现趋势跟踪型CTA基金的收益结构与期权相近,分别使用股票、债券、外汇、利率和商品等五类资产的回望跨式期权(lookbackstraddle)构建五个简单趋势追踪策略组合(PrimitiveTrend-FollowingStrategy,PTFS),将由407只趋势跟踪型CTA基金构成的投资组合的收益率对这五个PTFS组合收益率做回归,回归模型的R方为47.9%。作为对比,作者使用了美国股票、非美国股票、美国国债、非美国国债、一个月欧洲美元利率、黄金、美元指数以及新兴市场股票等八类资产来解释CTA基金组合的收益率,回归模型的R方只有1%,而且回归系数均不显著。

  Bhardwaj&Gorton&Rouwenhorst(2014)2使用股指、外汇、商品等基础资产,基于确定性的交易准则构建了六个投资风格因子,分别为基于股指、外汇和商品构建的三个横截面动量因子、基于外汇和商品构建的基差因子,以及基于不同国家股指的P/B构建的价值因子。此外,作者还使用了标普500指数、雷曼美国综合债券指数、商品期货等权指数三个市场风险因子。作者发现CTA基金在动量因子上有着最高的风险暴露,这与绝大多数CTA基金都采用趋势跟踪策略的现状相吻合。

  Blocher&Cooper&Molyboga(2016)3使用四因子模型(也称BCM模型)来解释商品期货的现货和期货溢价,并作为衡量商品基金表现的基准。

ptfs外汇

ptfs外汇(网络配图 侵删)

  作者使用的四因子分别为:

  市场因子(Market):所有商品期货的等权平均收益;

  时间序列动量因子(TSMOM):过去12个月获得正收益的商品期货等权组合与获得负收益的商品期货等权组合的收益差。

  高/低期限溢价因子(Hterm/Lterm):根据基差进行排序,高于/低于中位数的商品组合的期货溢价;

  市场因子和时间序列动量因子用来解释现货部分收益,高/低期限溢价因子用来解释期货部分收益,各因子的历史表现如上图所示。

  2.CTA基金因子剥离实证的样本概况

  2.1CTA基金样本数据来源

  本节对目标基金的分类以及投资对象做简要说明。本文使用的CTA基金数据来自于朝阳永续数据库,我们选取了策略类型(terminal_strategy)为管理期货

ptfs外汇

ptfs外汇(网络配图 侵删)

  2.2CTA基金分类——按策略类型

  为方便后文进一步展开分析,我们主要从两个角度对2605个CTA产品样本进行分类。第一种分类方式是按策略类型,当前朝阳永续数据库只对一小部分terminalstrategy为管理期货的样本进行了进一步分类——包括趋势、套利以及复合三个子类别,而多数产品没有进行进一步分类。故我们当前的样本被分成四类,其中趋势类产品216只,套利类产品48只,复合类产品50只,剩余2291只均依然分类在管理期货的大类中,其中包含未被分类的趋势、套利以及复合策略产品。

  各类别之间的相关性如图6,图中可见,套利类产品的策略形式与其他策略之间有最显著的不同,从相关性数据上看其与其他产品之间的相关性也是最低的,接近于0。而复合类产品与其他类别产品之间相关性较高,也与直观逻辑相一致。

ptfs外汇

ptfs外汇(网络配图 侵删)

  2.3CTA基金分类——按管理人类型

  对样本CTA基金的第二种分类方式是按管理人类型进行分类,根据朝阳永续数据库,当前CTA基金的主要管理人类型包括:信托、券商集合理财、私募证券投资基金、期货资管、公募专户及其子公司、私募股权投资基金以及私募公司。其中私募证券投资基金以及期货资管的个数最多,分别为1330只与1081只,其次为公募专户及子公司,共计145只,剩余为信托28只,券商集合理财11只,私募股权投资基金2只和私募公司8只。

  我们在样本分析中对管理人分类做了轻微的调整,将私募公司、私募股权投资基金以及私募证券投资基金均归类入私募类别。调整前与调整后的类别个数如下图:

ptfs外汇

ptfs外汇(网络配图 侵删)

  从管理人类别来看,私募以及期货资管是当前国内市场CTA基金的主要管理人类别,两者加总占比92.6%,是CTA基金市场绝对主导。

  3.CTA基金净值分析的数据处理

  3.1CTA产品数据披露问题

  与之前的量化类权益基金以及债券型基金产品分析显著不同的是,CTA基金的样本数据处理存在着一定的困难。正因为其主要以私募的形式存在,业绩数据尚无严格的披露准则,因而我们所能获取到的样本数据质量远不及公募产品。

  首先,从朝阳永续数据库中各基金产品声明的披露频率来看,稳定地进行周度披露的产品最多,共占比37%,其余基金中一小部分基金稳定进行月度披露、日度披露以及其他(例如双周度披露),分别占比4.2%,9.3%和1.0%,剩余的将近50%的产品均尚未声明稳定的净值披露周期,净值披露时点完全不规律。

ptfs外汇

ptfs外汇(网络配图 侵删)

  考虑到周度披露的产品比重最大,如若数据处理时统一基于周频展开分析,我们在损失大量样本数据的同时,还依然面临着新的问题:所有的数据点所披露的周中时点也不尽相同。选择在周五稳定披露的基金最多,但只占总体的44.4%;选择在周一到周四披露的样本数据点非常接近,均占13%左右,而选择周六与周日披露的数据点虽然较少但各占1%。

ptfs外汇

ptfs外汇(网络配图 侵删)

  3.2数据处理方法说明

  上文的统计可见,CTA基金净值数据的披露情况参差不齐,缺乏规律性与稳定性。我们不仅不可能展开类似于公募权益基金的日频处理方式,也无法退而求其次地展开公募债券基金的周频处理方式——如若固定地进行每周五采点的周频分析方式势必会造成大量的样本数据遗失,降低本研究的实践意义,同时也削弱了对每一个类别基金的统计效果。为将更多有效基金样本纳入分析,我们设计了两套数据处理方案:

  (1)插值法。

  预设为日频模式,针对每一只基金的净值序列,在披露数据的时点选用真实

  数据,而在未披露数据的时点,假设其均匀变化,基于其两侧的真实数据计算差值,最终获得每一只基金的日频净值序列,并与所构造的日频因子序列展开因子剥离分析。

  插值法因为均匀变化的假设而产生了大量的填充数据,从实证检验角度来看,

  插值法数据处理后的基金归因效果较不理想,模型解释效果极低,大多基金均未出现显著的因子暴露,由此反思插值法下数据的失真会对模型分析造成显著的影响。

  (2)匹配法。

  匹配法不预设稳定的数据频度,而是针对每一支基金的所有有效披露时点,

  均匹配相应时点的因子数据。匹配法下最大幅度地保留了目标基金净值数据的真实度,在模型分析中,每一只目标基金的数据频度、样本数据时点均不相同,一一构造相应的因子数据与之相匹配。

  从实证检验角度来看,匹配法下的模型解释度相对于插值法有明显的提升,

  下文均基于匹配法展开因子剥离与业绩归因分析。

  4.CTA基金的五因子构造初探

  4.1CTA因子初步筛选

  因子构造是CTA基金风格识别与业绩归因的核心部分,在因子类别的选择上,应与目标基金的投资对象相匹配,同时尽可能降低因子之间的相关性,以保证时间序列回归中的精准度。

  在本篇报告中,作为因子剥离初探,首先针对CTA基金的投资标的和策略风格,构造简单五因子并进行归因分析。而在下一篇报告中,将进一步剖析更多因子并进行构造,实现多因子剥离再探。

  CTA基金的收益结构如下图所示,本篇报告将CTA基金的收益来源分成两大部分:市场因子和风格因子,市场因子进一步分为商品、权益和债券,风格因子进一步分为动量和期限结构。

  市场因子

  目前我国期货市场上共有三个大类品种:股指期货、国债期货和商品期货,相应地我们分别构造了权益、债券以及商品三个市场因子以刻画不同类别的系统性收益来源。

  商品因子:我们选取了南华商品指数,以刻画商品资产的系统性风险。

  权益因子:当前股指期货包括IF、IH以及IC,考虑到中证500与南华商品指数的相关性低一些,我们采用了中证500指数作为权益因子。

  债券因子:由于当前国内只有5年期与10年期的国债期货两个品种,故选取了中债总财富指数(7-10年)作为债券因子。

发表评论