这是用户在 2024-9-24 10:57 为 https://app.immersivetranslate.com/pdf-pro/1fca1f75-8942-4415-9ea6-032b8b1edf45 保存的双语快照页面,由 沉浸式翻译 提供双语支持。了解如何保存?
 股票


开 the M OV C


通过对冲基金动量策略击败市场
 安德烈亚斯·F·克莱诺夫


股票动态 通过对冲基金动量策略击败市场

 安德烈亚斯·F·克莱诺夫

注册办公室:Equilateral Capital Management GmbH,Talacker 50,8001 苏黎世,瑞士

有关编辑政策的详细信息以及如何申请重新使用本书中版权材料的权限,请访问我们的网站 www.StocksOnTheMove.net

作者根据 1998 年版权、设计和专利法主张其作为本作品作者的权利。保留所有权利。本出版物的任何部分不得以任何形式通过任何手段(电子、机械、复印、传送、录音或其他方式)复制、存储在检索系统中或传输,除非获得出版商的事先许可,符合 1998 年英国版权、设计和专利法。这样做会让你变得非常顽皮,你可不想这样,对吧。

公司用来区分其产品的名称通常被声称为商标。本书中使用的所有品牌名称和产品名称均为其各自所有者的商号、服务标志、商标或注册商标。除非明确说明,出版商与本书中提到的任何产品或供应商没有关联。

责任限制/免责声明:虽然出版商和作者在编写本书时已尽最大努力,但他们对本书内容的准确性或完整性不作任何陈述或保证,并特别否认任何关于适销性或特定用途适用性的隐含保证。本书的销售是基于出版商不从事专业服务的理解,出版商和作者均不对由此产生的损害承担责任。如果需要专业建议或其他专家协助,应寻求合格专业人士的服务。
ISBN: 1511466146
ISBN-13: 978-1511466141
 致我的兄弟,马提亚斯。

写这本书非常有趣,我得到了很多优秀人士的帮助。支持、灵感、评论和建议在完成这本书的过程中是无价的。没有特别的顺序,我特别感谢弗雷德里克·巴纳德、朱利安·科恩、菲利普·汉吉和乔恩·博尔曼。

里卡多·隆科,迪迪埃·阿巴托,帕特里克·谭,汤姆·罗林格,埃尔克·苏巴希,凯瑟琳·卡敏斯基,拉斐尔·鲁茨,迈克尔·贝内特,弗朗索瓦·卢卡斯,伊夫·巴尔策,梅班·法伯,尼戈尔·库拉吉安,格雷格·莫里斯,尼廷·古普塔,尼克·拉奇,托马斯·哈克和拉里萨·萨申科娃。

 前言


这是一本关于单一交易策略的完整书籍,可以用简单的陈述“买入上涨的股票”来概括。这个想法非常简单,当然也不是新鲜事。作为一个概念,这已经是旧闻。这本书试图提供的是一种清晰而系统的方式来管理动量股票的投资组合。

这里提出的观点基于我作为量化对冲基金经理的个人经验。在过去十年左右,我一直在基于这个概念以及其他策略管理机构投资组合。简单的想法通常是经得起时间考验的。这并不一定意味着实施起来简单,但基本概念最好是非常简单。在这种情况下,确实很简单。一只股票在一段时间内强劲上涨,可能会继续上涨一段时间。这就是核心思想。其余的都是细节。

我几年前写了一本书,基于我多年来一直使用的另一种交易策略。那本书叫《跟随趋势》,整本书讲述的是一种非常简单的期货市场趋势跟随策略。在写那本书时,我很确定几乎没有人会注意到它,我预计最多也只是褒贬不一的评价。我预期的主要担忧是,这本书本质上是一篇 300 页的研究论文。这是完全合理的。这正是那本书的本质。

令我惊讶的是,没有人提出那个担忧。我一次也没听到。相反,我的书以一种让我和我的出版商都感到惊讶的方式取得了成功。两年后,我的出版商告诉我,尽管面临重重困难,我最终进入了财经书籍作者的前 5%。这是一段有趣的旅程,我在过程中学到了很多。

 动量投资


这本书是关于系统性股票动量的。动量投资是一种理性的理财方式,只要你有保护措施。


从熊市中脱颖而出。问题在于,构建一套关于如何选择股票、何时购买、购买多少、何时出售等的可靠规则是复杂的。如果你喜欢在实施交易策略之前构建现实的模拟(我真的推荐这样做),那么动量策略的建模非常复杂。

这是一个简单的概念,但构建一个可靠的模拟非常困难。数据既昂贵又难以使用。你需要考虑现金分红、历史指数成分股、退市股票等问题。然后,你需要一个足够强大的模拟平台来处理所需的大量数据。我已经为你完成了这项工作。我将向你展示结果以及我的分析。

当然,我会提供足够的细节,以便那些拥有必要工具和数据的人可以验证我的工作。如果我不这样做,我就没有多少可信度。任何人都可以声称任何事情,如果无法验证的话。

我将提供一整套管理股票动量投资组合的规则。它在过去表现非常好,并且很可能会继续如此。请随意使用。

 为什么要写一本书?


这个问题总是会出现。为什么我会写一本书并向世界揭示我的超级秘密方法?这个问题本身基于零售交易社区中常见的误解。我并没有透露任何会伤害我或我的生意的东西。像这样的交易方法并不是那样运作的。

在股票动量游戏中,有许多价值数十亿美元的参与者。他们根据我在本书中概述的类似原则进行交易。不是完全相同,但相似。他们拥有庞大的研究团队和巨大的预算。这本书中没有这些公司不知道或无法自己弄明白的内容。那么,我应该对谁保守这些秘密呢?

如果几千人阅读这本书并开始根据这些想法管理自己的钱,那就太好了。这肯定不会破坏我的盈利能力,也不会让我失去钱。它只会让人们更好地管理自己的财务。


差异,考虑到已经有多少资金在动量策略中管理。

如果有的话,我希望一些阅读此文的人没有时间或耐心去实施这个策略,而是让我的资产管理公司来管理他们的钱。我很乐意解释一切是如何运作的,但许多人仍然需要专业的投资经理。

所以我为什么要写一本书呢?首先,这非常有趣。我喜欢写作,并且在我第一本书出版后与无数读者的接触让我非常享受。其次,实际上没有什么可失去的。没有秘密要泄露。希望我的想法比其他人发表的稍微好一些,但我们讨论的是细节。第三,有可能为实际业务——资产管理,找到新的有趣客户。

如果你认为我写作是为了你从书籍销售中获得的丰厚收入,那你显然从未写过书。


共同基金的问题


几乎在发达国家的每个人都有共同基金的所有权份额。即使你没有主动投资任何共同基金,你的养老金基金很可能也投资于这些工具。共同基金似乎是一个合乎逻辑的解决方案,政府、大学和银行都称赞它们是个人参与股市的完美解决方案。

在您购买共同基金之前,您应该充分了解它到底是什么以及它是如何运作的。大多数人对共同基金试图实现的目标以及其运作方式并不熟悉。更重要的是,您应该了解共同基金在过去的表现。毕竟,资产管理是一个高度可衡量的业务,比较和分析投资产品的实际表现是相当简单的。

尽管集体投资计划的概念相当古老,但我们所知的共同基金行业仅自 80 年代以来才出现。总体思路是让任何人都能以最简单的方式参与股市,即使是小额投资。当然,你可以通过简单地购买一篮子股票来参与市场,但你很快会意识到几个实际问题。如果你关注像标准普尔 500 这样的指数,并希望复制其回报,你就必须购买 500 个股票头寸。实际上,某些股票在指数中的权重非常小,你可能只需购买 500 只成分股的一半就能接近复制。但你必须跟踪权重和成分变化,并积极管理你的投资组合以匹配指数。如果不这样做,你就无法获得与指数相同的回报。可能更多,也可能更少,但绝对不是相同的。

如果您想每月投资 $ 100 $ 100 $100\$ 100 进行长期储蓄怎么办?这将是不可能的,因为您无法购买股票的部分份额。即使您想要


要跟踪道琼斯工业平均指数,仅用 30 只股票,你无法用如此少的金额购买它们。即使可以,你还得处理权重再平衡和其他大多数人根本不想做的麻烦事,而他们也无法做到。

进入共同基金,贫困人群的救星和金融市场的民主化者。每个基金旨在跟踪一个特定的、预定义的指数,作为小投资者,你只需将你的 $ 100 $ 100 $100\$ 100 存入基金,它将与其他人的资金汇集在一起,并投资以复制该指数。几乎如此。

由于共同基金是与特定指数进行比较的,因此它们是相对投资。这意味着它们的工作不是为投资者赚钱。继续,再读一遍最后一句话。共同基金的任务是试图超越特定指数。如果该指数亏损,共同基金经理的工作是亏损略少于该指数。在牛市中,他的工作是赚取略多于该指数的收益。到目前为止,这还算公平,只要你意识到这一点。

在共同基金的世界中,一个核心概念是跟踪误差预算。共同基金经理并不能随心所欲地超越指数。跟踪误差是衡量基金回报与指数回报偏离程度的指标。基金的每日回报与指数的每日回报进行比较。允许的跟踪误差或跟踪误差预算通常非常小。基金不允许与指数有太大偏离。


相互确保毁灭


共同基金实际上所做的就是将几乎所有的资金按照指数进行分配。如果某只股票在指数中的权重为 5.2 % 5.2 % 5.2%5.2 \% ,你会购买介于 5 % 5 % 5%5 \% 5.4 % 5.4 % 5.4%5.4 \% 之间的股票。共同基金经理几乎没有空间来施加他或他所在银行的投资观点。他们有时可以稍微偏离指数,但请记住,这可能非常危险。

在商业中有一个古老的表达,支配着许多机构投资行为。“没有人因为购买 IBM 而被解雇。”这意味着,如果你做了大家都在做的事情,你就不会冒任何风险。


个人而言。如果你输了,大家都输了,你不会被责怪。另一方面,如果你做出了独立的决定,买了你认为最好的东西,结果却同样亏损,你很可能会被解雇,或者至少受到责备。特别是如果你有一份舒适的工作,最安全的做法是跟随大家的做法。

结果是我们拥有一个巨大的共同基金业务,所有人都在做同样的事情。

也许这听起来并不那么糟糕。毕竟,如果他们按照指数投资,你应该能得到你想要的,对吧?不,别急。还有账单要支付。一位优秀的共同基金经理每年能赚七位数的收入。银行会收取管理费、保管费、行政费等。共同基金当然会与发行基金的同一家银行的投资银行部门进行所有交易,而没有降低这些费用的动力。有很多不同的方法可以从共同基金中抽取资金,这也是银行喜欢它们的原因之一。它们非常有利可图。

高费用不一定是个问题,只要业绩表现良好。为了实现这一点,基金需要远远超过指数的表现,以便支付费用,同时投资者仍能获得优于指数的回报。考虑到共同基金行业的巨大成功,他们肯定能提供强劲的长期回报,并向客户展示明确的价值,对吧?

很高兴有一些人专门负责跟踪这些事情。让我们查阅一下 S & P S & P S&PS \& P 指数与主动基金评分卡 (SPIVA)。它们可以轻松访问,并且在互联网上免费提供,网址是 (https://us.spindices.com/resource-center/thought-leadership/spiva/)。

请看表 2-1。看完后,我会解释列中的数字。它们可能不是你想的那样。

表 21 - 共同基金与基准指数 2013 年,年终 SPIVA 报告 来源:标准普尔道琼斯指数,CRSP。截止 2013 年 12 月 31 日的期间。

超额表现基于等权重基金数量。所有使用的指数回报均为总回报。
 基金类别  比较指数
 一年(%)
One Year (%)| One | | :--- | | Year (%) |
 三年(%)
Three Years (%)| Three | | :--- | | Years | | (%) |
 五年(%)
Five Years (%)| Five | | :--- | | Years | | (%) |

所有国内股票基金
 标准普尔综合 1500 指数 46.05 77.53 60.93
 所有大盘基金 S & P 500 S & P 500 S&P 500S \& P 500 55.8 79.95 72.72
 所有中型股基金  标准普尔中型股 400 指数 38.97 74 77.71
 所有小型股基金  标准普尔小型股 600 指数 68.09 87.32 66.77
 所有多元资本基金  标准普尔综合 1500 指数 52.84 80.38 71.74
 大盘成长基金  标准普尔 500 成长指数 42.63 79.78 66.67
 大盘核心基金  标准普尔 500 指数 57.74 80.56 79.39
 大盘价值基金  标准普尔 500 价值指数 66.56 76.75 70.26
 中型成长型基金  标准普尔中型股 400 成长指数 36.72 79.37 86.19
 中型核心基金  标准普尔中型股 400 指数 43.48 67.27 83.94
 中型价值基金  标准普尔中型股 400 价值指数 45.33 73.97 67.14
 小型成长型基金  标准普尔小型股 600 成长指数 55.61 86.1 69.6
 小型核心基金  标准普尔小型股 600 指数 77.7 91.1 74.73
 小盘价值基金  标准普尔小型股 600 价值指数 78.99 88 60.74
 多元资本增长基金
标准普尔综合 1500 成长指数
38.14 86.54 68.56
 多元资本核心基金  标准普尔综合 1500 指数 62.74 84.51 77.15
 多元资本价值基金  标准普尔综合 1500 价值指数 49.21 70.68 67.98
 房地产基金
标准普尔美国房地产投资信托基金
50 86.71 80.28
Fund Category Comparison Index "One Year (%)" "Three Years (%)" "Five Years (%)" All Domestic Equity Funds S&P Composite 1500 46.05 77.53 60.93 All Large-Cap Funds S&P 500 55.8 79.95 72.72 All Mid-Cap Funds S&P MidCap 400 38.97 74 77.71 All Small-Cap Funds S&P SmallCap 600 68.09 87.32 66.77 All Multi-Cap Funds S&P Composite 1500 52.84 80.38 71.74 Large-Cap Growth Funds S&P 500 Growth 42.63 79.78 66.67 Large-Cap Core Funds S&P 500 57.74 80.56 79.39 Large-Cap Value Funds S&P 500 Value 66.56 76.75 70.26 Mid-Cap Growth Funds S&P MidCap 400 Growth 36.72 79.37 86.19 Mid-Cap Core Funds S&P MidCap 400 43.48 67.27 83.94 Mid-Cap Value Funds S&P MidCap 400 Value 45.33 73.97 67.14 Small-Cap Growth Funds S&P SmallCap 600 Growth 55.61 86.1 69.6 Small-Cap Core Funds S&P SmallCap 600 77.7 91.1 74.73 Small-Cap Value Funds S&P SmallCap 600 Value 78.99 88 60.74 Multi-Cap Growth Funds S&P Composite 1500 Growth 38.14 86.54 68.56 Multi-Cap Core Funds S&P Composite 1500 62.74 84.51 77.15 Multi-Cap Value Funds S&P Composite 1500 Value 49.21 70.68 67.98 Real Estate Funds S&P U.S. Real Estate Investment Trust 50 86.71 80.28| Fund Category | Comparison Index | One <br> Year (%) | Three <br> Years <br> (%) | Five <br> Years <br> (%) | | :---: | :---: | :---: | :---: | :---: | | All Domestic Equity Funds | S&P Composite 1500 | 46.05 | 77.53 | 60.93 | | All Large-Cap Funds | $S \& P 500$ | 55.8 | 79.95 | 72.72 | | All Mid-Cap Funds | S&P MidCap 400 | 38.97 | 74 | 77.71 | | All Small-Cap Funds | S&P SmallCap 600 | 68.09 | 87.32 | 66.77 | | All Multi-Cap Funds | S&P Composite 1500 | 52.84 | 80.38 | 71.74 | | Large-Cap Growth Funds | S&P 500 Growth | 42.63 | 79.78 | 66.67 | | Large-Cap Core Funds | S&P 500 | 57.74 | 80.56 | 79.39 | | Large-Cap Value Funds | S&P 500 Value | 66.56 | 76.75 | 70.26 | | Mid-Cap Growth Funds | S&P MidCap 400 Growth | 36.72 | 79.37 | 86.19 | | Mid-Cap Core Funds | S&P MidCap 400 | 43.48 | 67.27 | 83.94 | | Mid-Cap Value Funds | S&P MidCap 400 Value | 45.33 | 73.97 | 67.14 | | Small-Cap Growth Funds | S&P SmallCap 600 Growth | 55.61 | 86.1 | 69.6 | | Small-Cap Core Funds | S&P SmallCap 600 | 77.7 | 91.1 | 74.73 | | Small-Cap Value Funds | S&P SmallCap 600 Value | 78.99 | 88 | 60.74 | | Multi-Cap Growth Funds | S&P Composite 1500 Growth | 38.14 | 86.54 | 68.56 | | Multi-Cap Core Funds | S&P Composite 1500 | 62.74 | 84.51 | 77.15 | | Multi-Cap Value Funds | S&P Composite 1500 Value | 49.21 | 70.68 | 67.98 | | Real Estate Funds | S&P U.S. Real Estate Investment Trust | 50 | 86.71 | 80.28 |

列中的数字显示未能超越基准的资金百分比。是的,未能完成他们被赋予的唯一任务的金额。在过去三年中, 77.53 % 77.53 % 77.53%77.53 \% 的所有美国共同基金未能履行其职责。看看表格,你会发现,在三年和五年的时间范围内,绝大多数基金都未能表现良好,对于某些基金来说,超过了 90 % 90 % 90%90 \% 。在一年期中,有几个数字低于 50 % 50 % 50%50 \% ,这表明任何给定年份都可能有一些运气,而没有人能在长期内表现出色。

你可能会认为这是一个特定时期,基金由于某种原因而挣扎。可悲的是,不是。每年的报告大致都是这样的。它们都可以在 SPIVA 网站上找到,你可以回顾历史进行比较。你会发现,互惠基金行业是一个非常一致的失败。也就是说,从投资者的角度来看。银行仍然在赚很多钱。

重要的是要理解,未能表现并不一定是共同基金经理的错。他被迫将几乎所有资本按照指数分配。他可以加大他喜欢的股票的投资比例,减少他不喜欢的股票的投资比例。在他看跌的时候,他可以不时持有一些现金。他有一些工具可以影响表现,但不足以克服费用障碍。请记住,他每年开始时都是亏损的,努力弥补费用。我不羡慕他的工作。这一定非常令人沮丧,直到薪水到账。

 交易所交易基金


交易所交易基金的概念非常出色。它们最初只是共同基金背后理念的逻辑延伸。通过共同基金,公众能够接触到广泛的市场。他们突然可以实现广泛的多样化,并参与股票指数,而无需大量投资。他们也不需要关心个别投资决策,因为这由共同基金经理处理。但正如我们所见,共同基金经理的表现并没有如宣传所说的那样好。

ETF 提供了一个简单的解决方案。其理念是让计算机管理基金,使命是精确复制指数。ETF 中的资金按指数本身的确切权重分配给所有应跟踪的股票。没有偏差,没有延迟,费用非常低,整体成本非常低。结果是一个与指数非常紧密跟踪的工具。

如果你真的想购买指数,买一个被动 ETF。这就是你获得指数的方式。然而,我想在这本书中提出一个关键点,即购买指数可能并不是非常有吸引力。购买一个被动的标准普尔 500 ETF 当然比购买一个以该指数为基准的主动共同基金更具吸引力。

最初的 ETF 都是被动指数跟踪基金。这是一个很好的概念。不过,您需要注意的是,越来越多的结构性产品被包装成 ETF。

市场上有大量高度危险和具有欺骗性的结构性衍生品,以普通老式 ETF 的名义进行营销。在你进行交易之前,

ETF,了解它真正是什么。永远不要相信 ETF 的名称。


避免任何类型的增强型 ETF。避免任何做空 ETF。实际上,避免任何没有明确跟踪指定指数的 ETF。

作为一个简单的例子,考虑一下短期 ETF。如果你购买了一个针对标准普尔 500 指数的短期 ETF,你会期望获得相反的表现。如果你购买了同一指数的双重短期 ETF,你会期望获得双重相反的表现。

这是真的,但仅限于一天。你看,为了让这些基金在单日内提供完全相反的表现,它们需要每天进行再平衡。如果你有期权方面的背景,你已经知道这将如何发展。

比较常规 S&P 500 ETF、短期 ETF 和双重短期 ETF 在同一指数上的长期价格发展。图 2-1 显示,短期 ETF 往往会持续下跌,除非在指数出现非常极端的短期负面波动时。

你需要理解的是,做空 ETF 时你是在交易伽马,而不是德尔塔。期权交易者应该早已预见到这一点。这意味着,做空和双重做空 ETF 对波动性的变化比对价格的方向性变化更为敏感。当你购买这些做空 ETF 时,你实际上是在建立一个做空波动性的头寸。

公平地说,它必须这样运作。如果你想在单日内匹配反向表现,这将是效果。问题在于,这并没有明确向交易这些东西的人解释,他们认为可以在一周、一个月或一年内获得反向表现。

图 21 短期交易所交易基金


这里是简单的解释。以 100 为起点。第一天,指数下降了 10 % 10 % 10%10 \% 。现在指数为 100,短期 ETF 为 110,双重短期 ETF 为 120。对短期 ETF 来说很好。第二天,指数回到 100,增加了 11 % 11 % 11%11 \% 。你会期待你的短期 ETF 回到它们的起点吗?短期 ETF 损失了 11 % 11 % 11%11 \% 的 110,降到 97.8。双重短期 ETF 损失了 22 % 22 % 22%22 \% 的 120,降到 93.3。

重复这个游戏一段时间后,它看起来像图 2-2。那个例子中的指数一直横向移动,稍微上升,稍微下降,但最终还是横向移动。在这种情况下,短期 ETF 会持续下跌。双重短期 ETF 会快速下跌。

短期 ETF 是糟糕 ETF 的一个非常明显的例子。它们具有误导性,如果你对结构性衍生品不熟悉,容易导致损失。在 ETF 世界中,还有许多这种伪装的衍生品。

交易所交易基金是个好主意,只要它们是纯粹的普通指数跟踪基金。对任何其他类型的 ETF 要非常小心。

图 22 短期 ETF 表现


股票是最难的资产类别


许多投资者被股票吸引,因为这似乎是最简单的资产类别。我们或多或少都知道什么是公司,以及它们的股份意味着什么。这比商品价格、债券收益率或外币更容易理解。

大多数人交易他们理解的公司。你去星巴克喝早晨的咖啡,了解他们的业务运作。你喜欢你那部崭新的整洁的 iPhone,并购买苹果股票。这当然是一种错觉。你对星巴克咖啡或苹果 iPhone 的体验并不真正有助于预测未来的股票价格。事后看来,这似乎是这样。

这是一种很容易被欺骗的错觉。当你查看上市公司的名称并将自己的经历与之关联时,很容易受到影响。如果你喜欢他们的产品,你会觉得股价理应上涨。如果你认为他们过时、过时或有缺陷的产品,你会觉得价格很快就会下跌。很可能,这些想法在交易相关股票时并没有帮助。

回顾较大的价格波动时,很容易认为这显而易见,理应如此。也许你会看到 90 年代微软价格的戏剧性上涨,并说他们不仅会主导软件业务,还会主导整个股市,这显而易见。毕竟,他们是出色的操作系统 DOS 和全新附加图形用户界面 Windows 的制造商。即使你出于某种原因没有在 90 年代的晚上不断优化 config.sys 和 autoexec.bat 中的扩展内存使用,你也会注意到当时确实没有可行的竞争者。回想起来,这就是。


清晰得不能再清晰了。然而,当时却远非如此清晰。确实,在当时普遍的疯狂中,每个人都像没有明天一样向任何科技股票投钱。但购买微软的那些人通常与购买 Worldcom、Global Crossing、AOL 以及许多其他以壮观方式破产的公司的投资者是一样的。等到行动时,这一切看起来才显得显而易见。

许多拥有优秀产品和看似出色战略的公司在股市表现不佳。同样,疯狂的概念也常常会飙升。再说一次,等到股票波动到足以上头条后,似乎每个人都能清楚地理解这一切发生的原因。有句老话说,人人都是周一早上的四分卫。作为一个欧洲人,我并不太清楚四分卫的职责,但这似乎不是你应该在周一早上做的事情。

确实有一些人非常擅长对公司和行业进行基本面分析。他们是预测长期趋势的专家,通常在分析中深入到极端细节。这是一项非常困难的工作,远比喜欢或不喜欢产品要复杂。这些分析师通常专注于一个行业或甚至几只股票。他们关注每一个细节,分析每一行的收入和资产负债表。这是一种完全有效的金融市场方法,当然需要足够的努力,但这本书并不是关于这个的,它本身就是一项全职职业。

一种非常相似的错觉是相信你在交易自己工作的公司的股票时拥有优势。对大多数人来说,他们的内部知识似乎帮助他们理解市场并在交易中获得优势。除非你是高层管理团队或董事会的一部分,否则情况并非如此。即使你是高层管理人员或非执行董事,除非在重要公告之前等特殊情况,否则你也不太可能拥有比其他人更多的优势。一般来说,这些特殊情况进行交易是非法的。

事实上,购买你所工作的公司的股票是不理性的。首先,与其他任何随机股票相比,你在交易中并没有任何优势。如果是这样,任何上市公司的员工在交易中赚的钱应该比他们的工资多。这只是一种幻觉。但更糟糕的是,你会在同一家公司中加大现有的风险。是的,你已经对你所工作的公司有了风险暴露。如果他们表现不佳,你可能会被解雇。如果他们表现良好,你可能会得到加薪和晋升。通过购买股票,你只是增加了对同一实体的风险,而没有任何理性的理由去这样做。

 同伴压力


股票市场给人一种无限可能的印象。可以交易的股票有成千上万。这些股票代表着在任何可以想象的商业领域中经营的公司。你有工业集团、电信运营商、制药公司、金矿开采企业、互联网公司、石油勘探公司,等等。商业领域之间差异极大,因此可以合理地假设股价会相互独立地波动。

问题是它们并不会。是的,你有成千上万的股票可以选择,但在关键时刻,它们都会像驯鹿一样表现。什么?整个羊的隐喻已经过于夸张。我是斯堪的纳维亚人,相信我,驯鹿才是关键。

在正常市场条件下,股票看起来相对独立。当我们处于牛市时,大多数股票上涨,但优质股票的涨幅更大。在牛市期间,大多数股票与整体股指的相关性相当高,即使你拥有一个大型股票投资组合,你也会高度依赖整体市场。当指数上涨时,你的大多数股票也会随之上涨,反之亦然。

在熊市中,股票之间的这种高相关性突然接近终端速度。当市场突然崩溃时,毫无藏身之处。所有东西同时受到冲击。然后,当整体市场反弹并出现急剧的熊市反弹时,所有股票都会受到影响。


在同一天出现。这破坏了多样化的基本理念。你现在持有的本质上是不同数量的贝塔。

这就是股权策略中唯一最棘手的部分。如果你同时交易所有资产类别,你可以相对容易地设计一个多样化的机制。毕竟,玉米、石油、日元和股票几乎没有共同点,通常彼此之间的波动也相对独立。但如果你只是交易股票,你就没有这样的奢侈。

股票缺乏多样化是一个需要特别关注的因素。对于股票策略,你总会有一个相当大的贝塔头寸。你持有的股票越多,你的策略就越接近指数。这很重要,但并不一定是个问题,只要你对此非常清楚,并在设计策略时考虑到这一点。故意承担贝塔风险不一定是坏事。但你确实需要意识到这一点,并确保在市场转坏时不持有贝塔。

 幸存者


标准普尔 500 指数是一个动量指数。纳斯达克 100 指数、道琼斯工业指数、罗素指数以及大多数其他股票指数也是如此。如果你仔细想一想,你会意识到股票指数本质上是非常长期的动量策略。

当然,“动量”这个词并不是标准普尔指数方法论的一部分。但市值是。

对于标准普尔 500 指数,股票要被考虑纳入,必须非常流动,且在纽约证券交易所或纳斯达克上市,并且市值必须超过 53 亿美元。市值简单来说就是公司的理论价值。你可以通过将流通股数与当前股价相乘来计算。这个含义应该很明显。股票之所以成为指数的一部分,是因为它在过去有强劲的价格表现。当一只股票离开指数时,通常是因为其价格表现不佳,跌破了市值要求。这使得标准普尔 500 指数以及大多数其他指数在某种程度上成为动量策略。

当你查看这样的指数的长期图表时,你实际上是在观察一种动量策略。强劲表现的公司被纳入,而表现不佳的公司则被排除。一个公司可能会表现不佳一段时间,但如果它持续亏损,就会被排除在指数之外。在此之后,如果它继续下跌,指数本身不会受到影响。因此,你在指数中看到的与动量选股策略非常相似。

这意味着这些指数让股票市场看起来比实际情况要好。

它还创造了一种能够获得所谓的十倍收益的错觉。这个表达指的是在你购买后,股票价值增加十倍的情况。这就是 1 , 000 % 1 , 000 % 1,000%1,000 \% 。如果你查看标准普尔指数中的一只股票,并回溯足够长的时间,你可能会开始后悔十年前没有购买它。问题当然在于,这只股票当时并不在指数中。它现在之所以在指数中,是因为它经历了惊人的十年。十年前你可能甚至没有听说过这只股票。即使你听说过,它也可能是一只高风险的小盘股,在其他高风险小盘股的海洋中。

在开发和模拟交易策略时,考虑这一点是绝对重要的。

假设你正在开发一个交易模型,在某些情况下购买股票。也许当股票突破区间时你会买入,也许当它们被超卖时你会买入,这里并不重要。如果你将这种方法编程到一个模拟平台上,并在过去二十年中对当前的标准普尔 500 成分股进行测试,它肯定会看起来很不错。毕竟,这个策略是从我们知道有过巨大涨幅的股票篮子中购买股票。

您需要做的是使用一个现实的股票宇宙。一个好的方法是对一个指数中的所有股票进行测试,例如标准普尔 500 指数,但要考虑历史指数成分。您需要让您的模拟平台了解任何给定日期的历史指数组成。这样,对于过去的每一天,模拟只会考虑在那一天实际上是该指数一部分的股票。这是一种消除或至少大幅减少生存偏差的方法。

这种方法的一个关键部分是你必须包括退市股票。许多十年前交易的股票现在已经不再上市。它们可能破产了,或者可能与其他公司合并了。原因并不重要,但重要的是你的模拟必须尽可能地提供现实的参数。

大多数退市股票表现糟糕。如果你在模拟中不包括它们,你会得到过于乐观的结果。当你开始交易时,你会发现现实与模拟可能大相径庭。

 分而治之


公司可能会进行各种企业行为,这些行为可能会影响公司的股票。大多数情况下,这些行为相对简单,容易进行调整。几乎所有数据源都会自动进行这些调整。例如,股票拆分会自动进行回调调整,以避免引入人为的差距。这一切都很好。然而,真正的问题在于现金分红。

大多数向公众提供的时间序列数据源忽略了股息。你见过的大多数股票图表,甚至可能是所有图表,完全不考虑股息。即使是在专业金融人士使用的昂贵市场数据平台中的默认图表也忽略了股息。

通常所有图表都会调整以反映拆分和类似的公司行为。如果没有调整,你会很容易看出来。只需看看 2014 年苹果公司的拆分,这是一个非常明显的例子。在那年的 6 月,苹果进行了 7:1 的拆分。这意味着价格突然变成之前的七分之一,或 14.286 % 14.286 % 14.286%14.286 \% ,但作为回报,你的投资组合中将突然拥有七倍的股份。2014 年 6 月 6 日,股价收盘为 $ 645.87 $ 645.87 $645.87\$ 645.87 。在接下来的星期一,股票以 92.72 开盘。这代表了数字的剧烈变化,但实际上这并不算什么大事。

拆分实际上对任何事情都没有影响,但它们可以作为一个巧妙的营销手段。这是公司的一种声明,表明股价已经上涨到如此程度,以至于人们觉得买不起。当然,这并不完全正确,因为股票本身的价格水平并不能衡量公司是多么昂贵或便宜。如果你比较两个


相同的公司,拥有相等数量的流通股以及相同的基本面和前景,股价本身至少会有一定的相关性。

虽然拆分是一个非事件,并没有分析价值,但它确实会影响股票的时间序列。在苹果的案例中,如果你不做任何调整,你会得到一张图表,显示股价大约在 650 左右,然后突然下跌,一天内损失了 85 % 85 % 85%85 \% 。这看起来像是股东遭受了重大损失,但显然并非如此。

调整的方法是重新计算整个系列的历史数据。如果发生 7 : 1 7 : 1 7:17: 1 拆分,则该股票在拆分之前的所有历史价格必须乘以 0.142857。正如您在图 3-3 中所看到的,未经调整的系列没有意义。2014 年夏天没有 85 % 85 % 85%85 \% 损失,时间序列不应该在那儿有间隙。别担心;这个工作几乎所有市场数据提供商,包括免费的互联网来源,都会自动完成。

当谈到股息时,逻辑非常相似。为了准确了解股价的实际财务发展,您需要将所有系列向过去调整。虽然拆分通常至少是 0.5 的倍数,但股息的调整要小得多。调整股息的标准做法是假设收到的现金立即再投资于同一股票。这种方法使我们能够轻松计算调整因子,并将所有价格系列向过去调整。

图 33 苹果股价,未进行和进行拆分调整

再说一次,不要过于担心实际细节。理解这些调整的一般逻辑和好处是有用的,但试图独自完成这项工作是不现实的。如果你打算进行模拟或对长期股票时间序列进行其他分析,建议购买总回报数据。这个术语指的是已经调整过的所有数据,从拆分到股息,以及可能随时间影响投资者的其他因素。

图 3-4 显示了自 1998 年以来的 AT&T。一条线仅显示经过拆分和其他公司行为调整的时间序列,这在大多数市场数据系统中默认显示。另一条线则显示了真实的发展,包括股息调整。第一条系列,大多数人称之为正常价格图表,会告诉你,如果投资者在 1998 年买入并持有到 2015 年,他损失了 7 % 7 % 7%7 \% 。问题是,这与事实相去甚远。这是一只高收益股票,支付大量股息。假设股息再投资,1998 年买入的实际结果是到 2015 年你的资金翻了一番。

你可能会想,为什么我们假设股息被再投资。因为无论你怎么考虑,你都必须对那笔现金的去向做出一些假设,而这个假设最终不可避免地会是错误的。假设再投资是标准方法,这在逻辑上是合理的,并且有助于提供有用的调整数据。

你可以假设现金没有任何作用,但这也不太可能。这意味着你获得了红利,却把现金放在床垫下。也许我们可以假设现金进入所谓的无风险存款,或者投资于指数。无论哪种方式,正如你所看到的,我们必须对现金的处理做出一些假设。将其再投资意味着我们最初的现金购买将与股价保持一致,就像如果一开始没有红利一样。因此,它显示了公司价值发展的更有效时间序列。

图 34 AT&T 有无股息调整的情况


这里展示的例子属于极端情况,故意选择这些例子是为了强调一个观点。细心的读者可能会想,这在日常的股票交易和投资决策中真的那么重要吗?对于某些类型的策略和方法,这可能并不那么重要。只要你的时间范围足够短,当然也不在拆分或分红事件期间交易。

但这与本书所关注的长期动量方法类型有关。忽视这些调整会带来两个问题。第一个是关于模拟,第二个是关于选股。

在开发交易方法时,通常会构建一个数学模型并对该方法进行现实的模拟。如果不这样做,你就是在盲目操作。你可能有一个非常合乎逻辑的理论。


关于市场,但如果你没有测试其历史有效性,你实际上并不知道上线时会期待什么。

如果您的模拟是在未经调整的价格数据上进行的,或者更可能是在仅对拆分进行了调整而未对股息进行调整的价格数据上进行的,那么随着时间的推移,收益将与现实相差甚远。每当支付股息时,看起来就像您遭受了损失,实际上并非如此。也许您有一个很好的方法论,但您可能会因为模拟显示的结果比实际情况更糟而放弃它。

更大的问题在于股票排名和选择。如果你对过去一年表现最好的股票进行排名,任何支付股息的股票都会被推到列表的后面。一家公司可能正在蓬勃发展,不断增加利润并快速扩张,但由于它支付股息,因此不会出现在你的排名屏幕上。

不考虑股息,你可能会选择劣质股票。如果你认真对待你的投资组合选择,而如果你还在阅读这篇文章,我只能推测你确实如此,那么你真的应该考虑获取一个总回报数据源。

 选择指标


为了本书的目的,股票市场将由标准普尔 500 指数来代表。它是一个涵盖大型美国股票的广泛指数,作为美国市场健康状况的一般基准非常合适。

选择一个指数比看起来更重要。指数是你的基准。这并不意味着你必须跟踪该指数,但它是衡量你表现的标准。如果你没有超过该指数,那么你的表现就不算很好。选择指数也有助于你定义自己的范围。在美国,仅有的股票就有成千上万只。虽然有很多股票可供选择在某种程度上是好事,但如果你将自己限制在一个或几个指数的成分股中,通常会更有帮助。这为你提供了一个明确的工作范围,特别是在模拟你的策略时。如果你没有明确的范围,就很难对十年前你可能考虑过的股票做出现实的假设。查看这些股票是一种经典的谬论。


一些在过去十年中获得了百分之千回报的股票,假设你在它开始上涨之前就听说过它。

我没有选择道琼斯工业平均指数作为首选指数是有很好的理由的。实际上,有几个理由不选择这个指数。道琼斯是一个相当愚蠢的指数,缺乏更好的词汇来形容,而且几乎没有理由使用它。主要是因为这是商业电视节目中的脱口秀主持人提到的一个指数,因为他们觉得公众对这个名字更熟悉。

道琼斯指数仅由 30 只股票组成。这本身就是该指数的一个严重限制。这 30 只最大的股票并不能代表美国交易所上成千上万的股票。这是一个极其狭窄的指数。

更大的问题在于道琼斯指数的计算方式。它是一个价格加权指数。这意味着你只需将 30 只成分股的股价相加,然后除以 30。准确地说,你还需要除以指数除数,但这只是为了得到一致数字的一个技术细节。

如果你停下来想一想,这种方法论到底有多疯狂应该非常清楚。股价较高的股票对指数的影响会更大。这源于一种非常古老的思维方式,即股价本身具有某种分析意义。股价为 100 的公司比股价为 10 的公司更重要。

请记住,我们并不是在谈论市值。股价与公司的价值没有任何关系。一个股价为 10 的公司可能有 100 , 000 , 000 100 , 000 , 000 100,000,000100,000,000 股流通,而一个股价为 100 的公司可能有 10,000 股流通。单独的股价毫无意义。

道琼斯指数及其方法论是一个遗留产品。还有许多更好的替代品可供使用。在专业领域,MSCI 指数系列非常受欢迎。该系列的核心价值在于,您将获得全球范围内一致的方法论,涵盖您可能想要的任何内容。MSCI 指数有数百个,按类别分类。


地理、风格和行业。对于资产管理者来说,这是首选的指数集合,但缺点是购买指数成分信息的成本相当高。对于零售交易者来说,购买访问高端指数的价值也值得怀疑。对于大多数人来说,寻找成分信息可以免费获得的广泛指数更为合理。对于美国市场,标准普尔指数是一个不错的选择。

这些指数中最著名的当然是标准普尔 500 指数,它由美国交易所最大的 500 只股票组成。标准普尔 400 中型股指数和标准普尔 600 小型股指数也值得关注。这三个指数共同构成了标准普尔 1500 指数。

最终使用哪个指数并不那么重要,重要的是你选择它的理由。不要随意选择一个指数。弄清楚你在寻找什么,然后选择一个匹配的指数。

在本书中,标准普尔 500 指数将被大多数时间使用。不过,所提出的观点同样适用于任何足够广泛的指数。当然,对于更狭窄的指数,您的体验可能会有所不同。

 市值


市值是指一家公司值多少钱。是的,这可能是一个听起来复杂但实际上非常简单的术语。

要理解市值(通常称为市值)究竟是什么,只需查看它是如何计算的。首先检查流通在外的总股份。这是公司发行的所有股份的数量。这意味着所有流通在外的股份,无论是自由流通的还是非自由流通的。接下来,您只需将股份数量与当前股价相乘。您得到的数字就是公司的理论价值。它是理论上的,因为如果您想购买整个公司,价格会大不相同,正如您在任何合并或企业收购要约中所看到的那样。

根据市值对股票进行分组通常是有意义的。大多数市场指数对市值有严格的规定,并专注于一个范围。

标准普尔 500 指数是一个大盘指数,根据他们的标准,任何公司需要拥有至少 $ 5.3 $ 5.3 $5.3\$ 5.3 十亿的市值。这并不意味着任何大于这个市值的公司都会被纳入,仅仅是说一家公司需要满足这个最低市值才能被考虑在内。

较少人知晓的标准普尔 400 指数是中型股的对应指数。要成为该指数的候选公司,市值需要在 $ 750 $ 750 $750\$ 750 百万到 $ 3.3 $ 3.3 $3.3\$ 3.3 十亿之间。小型股指数标准普尔 600 涵盖市值在 $ 400 $ 400 $400\$ 400 百万到 $ 1.8 $ 1.8 $1.8\$ 1.8 十亿之间的股票。

所有这些指数都是基于市值加权的。公司市值越高,在指数中的权重就越大。这是否合理在很大程度上取决于你的观点。如果指数的目的是评估整体市场健康和长期发展,这可能非常合理。如果你的投资目标是根据这些原则进行投资,这可能就不太合理。

一般来说,大盘股的波动性往往低于小盘股。它们的潜力也通常低于小盘股。这并不意味着交易大盘股是个坏主意。只是你应该意识到的一个区别。

从这个角度看。苹果最初是一家小型公司,就像其他所有公司一样。严格来说,是一家纳米型公司,或者你喜欢用什么术语来形容由两个留胡子的嬉皮士在车库里经营的公司都可以。它经历了从小型股到中型股再到大型股的所有周期。我甚至不想计算自 1976 年以来这只股票的价值翻倍了多少次。现在这家公司价值大约 $ 500 $ 500 $500\$ 500 十亿。这是五千亿美元。比世界第二大公司多出大约 $ 100 $ 100 $100\$ 100 十亿。它再次翻倍的可能性有多大?

这绝不是不可能。只是当你在五千亿美元的市值交易时,要将股价翻倍要比在五十万美元的市值交易时困难得多。

风险在小公司中往往更高,但潜在的回报也更大。

 部门


按行业对股票进行分类只是跟踪公司实际业务的一种方式。即使您不进行任何基本面分析,了解行业也是个好主意。通常有些行业表现很好,而其他行业表现不佳。如果您愿意,可以使用定量方法来识别这一点。了解市场驱动因素很重要。如果您根本不关注行业,您可能会在不知情的情况下对单一行业或主题的风险敞口过大。承担风险是必要的,但应该是有意识的。

截至 2015 年初撰写本文时,能源行业已经遭受了超过半年的重创。在此期间,轻松超越标准普尔 500 指数的方法就是不购买任何能源股票。

有几种方案来分类股票,术语可能略有不同。不过,最终它们非常相似,选择哪种方案并不重要。我倾向于使用 GICS 方案,因为它是一个连贯的全球标准,并且在大多数市场数据平台上都很容易获得。它还有一个优势,就是有四个层级,这在某些时候可能会有价值。

在最高层次上,GICS 方案有十个行业,我将在本书中用它们来描述股票。这些行业是消费品、必需消费品、能源、金融、工业、信息技术、材料、电信服务、公用事业和医疗保健。如果您想深入了解,每个行业又分为行业组、行业和子行业。对我们大多数人来说,行业层次已经足够。


趋势跟随在股票上有效吗?


趋势跟随的概念最初是为期货交易开发的。这与股票市场截然不同。坦率地说,传统的趋势跟随在股票市场上根本行不通。

趋势跟随在概念上非常简单。当价格开始朝一个方向移动时,无论是上涨还是下跌,你就跟随其后。如果价格开始上涨,就做多。如果价格开始下跌,就做空。然后你保持这个头寸,只要它继续。通常这是通过在价格后面设置一个跟踪止损来实现的。这意味着你只有在从最佳价格下跌到一定程度后才会退出交易。你永远不会在最低点买入,也永远不会在最高点卖出,但你总是会参与到中间。

图 45 基本趋势跟随


就交易策略而言,趋势跟随相当愚蠢。我并不是说交易它很愚蠢,只是它基于的信息非常有限。

与复杂的策略相比,考虑大量因素的策略显得很愚蠢。然而,这种愚蠢的策略在过去三十多年中表现出了非常强劲的结果,根据一些研究,它甚至在几百年内表现得相当出色(Kaminski & Greyserman,2014)。虽然经历了起伏,有时趋势跟随行业甚至连续几年亏损。但最终,过去几十年的整体回报非常强劲。

趋势跟踪对冲基金业务发展迅速,目前价值超过 $ 300 $ 300 $300\$ 300 十亿。这些基金经理中的许多人已经在行业中工作了几十年,并且展示了行业中一些最佳的复合回报数据。Quest Partners、Fort Investment Management、Chesapeake、Campbell、ISAM、Mulvaney、Transtrend 和 Winton,仅举几例。

很难有人能争辩说期货的系统性趋势跟随不起作用。实证证据实在是太压倒性了。

经典的趋势跟随是在期货市场上进行的。执行这一策略的正常方式是跟随大量期货市场的趋势,涵盖所有主要资产类别。专业的趋势跟随者交易商品、利率、货币,当然还有股票指数。这种方法的原因非常简单。如果你将趋势跟随模型应用于单一市场,你只是在赌博。即使你将其应用于单一资产类别中的多个市场,成功的概率也很低。

任何特定市场或资产类别都可能,并且通常会,有较长时间的趋势跟随无效。当市场横盘或快速改变方向时,趋势跟随者会亏损。对于任何单一市场或行业,这种情况可能会持续多年。在极端情况下,甚至可能长达十年。因此,趋势跟随的核心前提是基于多样化。通过同时交易所有这些不同的资产类别,某种资产盈利的概率非常高,可以弥补其他资产类别的损失。

如果你交易的资产之间相关性较低,你将能够以更低的风险获得更多的回报。这完全是从投资组合的角度出发,而不是从单个头寸的角度。这种思维方式是一个


区分专业交易者和业余交易者的关键点在于投资组合的水平才是重要的。当交易多个低相关或负相关的资产时,您可以在较低的风险下获得更高的回报。如果不同资产的收益和损失的时机差异很大,您将能够在相同风险下提高整体交易水平以获得更高的回报,或者在整体较低的风险下维持您的回报。

趋势跟随中的大钱来自于极端趋势。少数持续数月甚至数年的趋势将产生超额回报。由于你只保留成功的交易,你会继续持有这些交易。失败的交易会小幅亏损并迅速退出。因此,只要你时不时能获得这些大赢家,你就可以承受许多亏损。

最终,趋势跟随归结为统计学。这是关于确保在长期内以可接受的波动性获得有利的收益概率。

关于趋势跟随,最重要的理解是它对多样化的依赖程度。必须强调的是,为了使趋势跟随可靠地运作,您需要一个多样化的市场组合进行交易。如果您交易的市场太少或过于相似,您就依赖于运气。您可能会取得很好的结果,也可能会有糟糕的结果,但这将取决于运气。选择正确的市场组合和合适的年份,您会做得很好。但对于那些不愿将命运寄托于运气的人来说,需要一个广泛的市场组合,以便为趋势跟随方法提供足够的统计基础。

如果你将标准的趋势跟随模型应用于股票,你很可能会亏损。这些模型并不是为单一股票开发的,因此在单一股票上表现不佳。有几个原因说明将针对多样化期货的策略应用于股票是个坏主意。

股票和期货都有可以分析的价格序列。看起来它们之间的差异并不大。毕竟,这只是另一个可以交易的时间序列。然而,仍然有几个显著的区别。第一个是实用性质的。

期货交易允许非常高的杠杆。甚至可以完全不考虑杠杆。这不是一个限制因素。能够承担大名义敞口是传统趋势跟随的重要部分。在交易期货时,决定头寸大小的正常方式是简单地查看风险方面。你会查看工具的波动性、与当前头寸的相关性等因素。现金的可用性根本不是一个因素。期货交易者总是有大量可用现金。大多数专业交易者只使用 10-20%的现金作为保证金。其余的可以放在货币市场或固定收益工具中,既可以安全保管,又可以产生利息收入。这有几个优势。首先,你可以在多余资本上获得相对无风险的回报。虽然在收益率处于历史低点时,这可能并不那么重要。现在,你可能在这笔资本上得不到太多回报,但在过去,仅仅将多余资本投入短期货币市场和国债工具,就可以显著提升你的底线。

其次,您可以专注于针对特定的风险水平,而不考虑可用的现金。您可以在缓慢波动的市场中承担大额头寸,例如货币市场和固定收益。简而言之,当您交易期货时,杠杆完全无关紧要。

当然必须说,你不应该将杠杆与风险混淆。它们是完全不同的概念,高杠杆并不一定意味着高风险,就像低敞口不一定意味着低风险一样。风险永远是相关的。然而,杠杆本身并不是一个非常有用的衡量标准。

也就是说,除非你在交易现金工具,比如股票。对于股票,你需要在购买时支付大部分费用。你可能通过抵押其他股票获得一些杠杆,但这非常有限。当你处理现金工具时,你总是要考虑现金耗尽的可能性。这是一个额外的复杂性和限制。然而,这并不是股票和期货之间最重要的区别。

真正的杀手是相关性。股票作为一个整体非常同质化。它们内部的相关性非常高。用简单的英语来说,这意味着股票的表现往往大同小异。当然,股票之间存在个体差异,但事实是,在牛市中几乎所有股票都会上涨。在熊市中,几乎所有股票都会下跌。多样化对你帮助不大。

无论你持有十只股票还是五十只股票,你仍然主要是做多贝塔。做多贝塔是可以的,只要你是有意识地这样做。在合适的时机,做多贝塔是可以赚钱的,这一切都很好。问题在于,如果你没有意识到自己是在通过贝塔赚钱。在每一个牛市中,选股者都会纷纷出现。关于通过购买正确股票赚钱的战斗故事在媒体和博客中反复被讲述。到了熊市,同样的人却明显缺席。

股票的多样化是有的,但并不多。你应该始终进行多样化。然而,在股票中,多样化的效果会更快饱和。持有二十只股票比持有五只股票要好,但持有五十只股票并没有太大收益。

鉴于股票之间的高相关性和压倒性的贝塔成分,期望你的回报不会高度依赖于指数是不现实的。不要期望在股市整体上涨或下跌的情况下实现相同的年度回报。如果你从事股票交易,你将高度依赖整体市场环境。

然后是做空的问题。即使在处理多个资产类别时,做空也非常困难。专业的期货趋势跟随者在做空方面随着时间的推移赚的钱非常少。有些年份这会有所帮助,但大多数年份则没有。做空因多种原因而非常棘手。这不仅仅是把图表倒过来那么简单。这是一种错觉。做空交易有两个非常不同的方面。

第一个可能有点令人惊讶。它与这些策略所采用的较长时间周期有关。如果你购买了一项资产并且它朝着有利的方向发展,它将随着成功而变得更大。你的风险敞口将会增加。


随着收益的增长,规模也会变得更大。如果头寸每天上涨一个百分点,那么这个百分点将意味着随着头寸的增长,利润在美元上会越来越大。

在做空方面,你会发现相反的情况。每当市场朝着有利于你的方向移动时,你的头寸就会缩小。如果你的做空头寸每天价格下降百分之一,那么这个百分比对你来说的意义会越来越小,因为你的风险敞口也在下降。从长远来看,这种影响对做空头寸有不利影响。

另一个做空头寸麻烦的原因更为直接。它们的表现不如人意。股票在熊市中容易出现快速的波动扩张。它们不像在市场平稳时那样有序。在牛市中偶尔也会有惊喜,但在熊市中只有惊喜。那只在过去三个月中在熊市通道中表现良好的股票,可能会突然上涨,一天之内抹去你所有的收益。你刚刚为头寸大小计算的风险测量可能随时都会失效。

当然,您还要考虑额外的借款成本,以及通常有限的可借股票的可用性,这些股票可以用于卖空。

在熊市中持有股票,无论是做多还是做空,就像在微波炉里看爆米花。无论你多么盯着它们,试图让它们保持冷静,随机的玉米粒总会在你眼前爆开,这只是时间问题。

在所有资产类别中,做空都是困难的,但在股票中尤其如此。例如,商品有时可能会因持有成本而出现强烈的负偏差,但股票没有这样的优势。存储成本和其他因素可以使某些商品期货在看似平稳的情况下持续下跌多年。而股票则不同。当股票处于熊市时,它们的表现与牛市时截然不同。从更长的时间来看,很少有人通过做空赚钱。

当然,还有一个问题是将你的趋势跟踪模型应用于哪些股票。对于期货,你可以包括所有的市场。将一百个或更多的期货市场纳入你的策略并不是问题。但对于股票呢?你是手动选择几只股票进行交易?还是选择整个指数?你会交易指数中的所有股票吗?风险敞口是多少?

不,股票是完全不同的。它们需要特别的关注。在它们上面交易简单的趋势模型是一个非常糟糕的主意。

趋势跟随在股票上不起作用。但动量模型有效。


股票趋势跟随的问题 当你声称趋势跟随在股票上不起作用时,通常最好是躲避并保护自己,以免被飞来的鸡蛋和烂番茄击中。一些读者可能已经放下书,准备好合适的钝器朝我扔过来。也许一些实际的示范会有所帮助。让我们看看一些趋势跟随交易模型,看看它们在股票上的表现。

本节所示的交易模型在概念上是相当有效的。投资范围是任意一天的标准普尔 500 指数股票。这意味着考虑了历史指数成分,只有在相关日期该股票是指数的一部分时,才允许购买。如果一只股票离开了指数,它会立即被卖出。

该指数的所有历史成分股都被考虑在内,包括已退市的股票。即使一只股票在多年前已经破产,该股票在适当的模拟中仍然必须被考虑。为了使模拟有效,它必须尽可能接近现实。模拟不应比我们其他人更了解未来。

以同样的方式,合并、分拆和类似的公司行为也被考虑在内。股息当然会被计算在内,因为如果忽视这一点,会导致重大错误。模拟被精心构建,以尽可能接近现实。

标准趋势跟随模式 1 在股票上

让我们从一个经典的开始。这个交易模型是一种简单、对称的趋势跟随方法,旨在期货交易。它是一个中期模型,当在广泛的期货市场上运行时,它显示出能够紧密复制 CTA 行业在过去 30 到 40 年中所取得的非常强劲的回报。

这也是顺便提一下,我在第一本书中使用的相同趋势跟随模型(Clenow, 2013)。交易规则非常简单。我会先给你概念,然后再讲细节。

该交易模型可以进行多头和空头操作。在正趋势中进行多头操作,仅在负趋势中进行空头操作。如果一只股票处于正趋势并创下 50 日新高,我们将买入。如果它处于负趋势并创下 50 日新低,我们将卖空。将使用跟踪止损,等于三天的正常交易区间。头寸大小将根据 ATR 的简单公式进行计算,以实现每个头寸大致相同的风险,具体将在章节中详细说明。
 规则:

  • 双 50 和 100 日移动平均线用于趋势过滤。如果 50 日移动平均线高于 100 日移动平均线,则该股票被视为处于积极趋势,否则为消极趋势。

  • 50 天突破趋势方向触发交易入场。

  • 风险平价头寸规模。

  • 设置了一个 3 倍当前 ATR 的追踪止损。

  • 只有在特定日期属于标准普尔 500 指数的股票才能在该日期进行交易。历史指数成分股和退市股票已考虑在内。

  • 所有公司行为,包括现金分红,都已妥善记录。

这个简单的模型在应用于广泛的跨资产期货时显示出非常强的结果。这是 CTA 行业所玩的游戏。这个策略最初是由几位在芝加哥的交易员使用的,没人注意到。


真的很认真对待,直到他们开始赚取大量金钱。曾经是一种边缘交易方法的现在已成为一个 3000 亿美元的全球产业。我们从实证证据中知道,像这样的模型运作良好。至少在期货方面。

作为一个快速演示,让我们先看看像这样的简单模型在应用于广泛的期货市场时能做些什么。毕竟,既然我声称上述规则在该资产类别上效果良好,那么展示一下是公平的。图 4-6 显示了将这个简单的趋势跟随模型应用于 70 个期货市场的结果,涵盖了所有资产类别。尽管最近有几个糟糕的年份,但整体回报非常强劲。年复合回报约为 17 % 17 % 17%17 \% ,最大回撤约为 27 % 27 % 27%27 \%

这表明该原则本身是有效的。趋势跟随有效,至少在期货市场上。

图 46 期货上的简单趋势跟随


表 42 期货的简单趋势跟随
 一月(%)
Jan (%)| Jan | | :--- | | (%) |
 二月(%)
Feb (%)| Feb | | :--- | | (%) |
 马尔(%)
Mar (%)| Mar | | :--- | | (%) |
Mar,(%)| Mar <br> (%) | | :--- |
 四月(%)
Apr (%)| Apr | | :--- | | (%) |
 五月(%)
May (%)| May | | :--- | | (%) |
May,(%)| May <br> (%) | | :--- |
 君(%)
Jun (%)| Jun | | :--- | | (%) |
 七月 (%)
 八月(%)
Aug (%)| Aug | | :--- | | (%) |
Aug,(%)| Aug <br> (%) | | :--- |
 九月(%)
Sep (%)| Sep | | :--- | | (%) |
 十月(%)
Oct (%)| Oct | | :--- | | (%) |
 十一月(%)
Nov (%)| Nov | | :--- | | (%) |
 十进制(%)
Dec (%)| Dec | | :--- | | (%) |
 年份(%)
Year (%)| Year | | :--- | | (%) |
2000 3 0.1 1.1 -4.3 0.8 2.6 3.3 1 5.2 -2.1 0.2 1.9 13.3
2001 14.3 -3.2 3.8 7.8 -7.2 1.3 1.3 3 -2 17.9 4.7 -3 42.4
2002 -2.9 -2.7 -0.8 2.6 -0.5 5.2 9.1 -4.8 4.3 5.7 -6.5 0.3 8
2003 -0.3 9.1 5.2 -7 5.1 5 -3.5 2.6 5.2 0.3 6.2 -4 24.8
2004 4.7 1.9 9.2 -1.6 -6.1 -0.7 -4.1 1.7 -2.5 0.6 0.9 7.7 11
2005 -0.6 0.2 0.3 -2.1 -1.8 5.5 0.4 1.3 -0.4 -0.2 -0.9 3.6 5.2
2006 -3.6 5.5 -4.3 9.7 3.7 -3.4 -3 -4.3 3.6 -0.3 3.6 5.4 11.8
2007 0.5 -0.1 -7.1 -0.2 3.8 8.3 3.4 -4.3 3.5 2 5.3 0.4 15.6
2008 3.9 6.8 24.4 -9.5 0 4.2 4.7 -9.1 2.1 7.2 26.7 11.5 91.6
2009 0.7 -1.2 1.9 -9.5 -0.2 7.8 -7.2 1 0.8 3.7 -2.2 7.6 1.8
2010 -4.2 -4.2 2.6 3.5 0.7 -0.8 2.8 3.4 0.8 2.1 10.8 -3.7 13.8
2011 7.1 4 -1.4 -1.6 5.2 -5.1 -6 3.9 4 10.5 -12.5 -0.2 5.8
2012 -1.3 -0.4 3.2 -0.9 -2.3 9.4 -9 5.7 -1.3 -3.8 -3.3 -2.3 -7.3
2013 2.9 6 -3.6 -0.5 2.2 -2.9 0.2 -1.2 -4.9 -1.3 1.5 1.5 -0.8
2014 -5.7 -1.3 4.6 -2.8 0.8 3.9 3.3 1.7 4.2 10.4 -2.4 4.9 22.4
"Jan (%)" "Feb (%)" "Mar,(%)" "Apr (%)" "May,(%)" "Jun (%)" Jul (%) "Aug,(%)" "Sep (%)" "Oct (%)" "Nov (%)" "Dec (%)" "Year (%)" 2000 3 0.1 1.1 -4.3 0.8 2.6 3.3 1 5.2 -2.1 0.2 1.9 13.3 2001 14.3 -3.2 3.8 7.8 -7.2 1.3 1.3 3 -2 17.9 4.7 -3 42.4 2002 -2.9 -2.7 -0.8 2.6 -0.5 5.2 9.1 -4.8 4.3 5.7 -6.5 0.3 8 2003 -0.3 9.1 5.2 -7 5.1 5 -3.5 2.6 5.2 0.3 6.2 -4 24.8 2004 4.7 1.9 9.2 -1.6 -6.1 -0.7 -4.1 1.7 -2.5 0.6 0.9 7.7 11 2005 -0.6 0.2 0.3 -2.1 -1.8 5.5 0.4 1.3 -0.4 -0.2 -0.9 3.6 5.2 2006 -3.6 5.5 -4.3 9.7 3.7 -3.4 -3 -4.3 3.6 -0.3 3.6 5.4 11.8 2007 0.5 -0.1 -7.1 -0.2 3.8 8.3 3.4 -4.3 3.5 2 5.3 0.4 15.6 2008 3.9 6.8 24.4 -9.5 0 4.2 4.7 -9.1 2.1 7.2 26.7 11.5 91.6 2009 0.7 -1.2 1.9 -9.5 -0.2 7.8 -7.2 1 0.8 3.7 -2.2 7.6 1.8 2010 -4.2 -4.2 2.6 3.5 0.7 -0.8 2.8 3.4 0.8 2.1 10.8 -3.7 13.8 2011 7.1 4 -1.4 -1.6 5.2 -5.1 -6 3.9 4 10.5 -12.5 -0.2 5.8 2012 -1.3 -0.4 3.2 -0.9 -2.3 9.4 -9 5.7 -1.3 -3.8 -3.3 -2.3 -7.3 2013 2.9 6 -3.6 -0.5 2.2 -2.9 0.2 -1.2 -4.9 -1.3 1.5 1.5 -0.8 2014 -5.7 -1.3 4.6 -2.8 0.8 3.9 3.3 1.7 4.2 10.4 -2.4 4.9 22.4| | Jan <br> (%) | Feb <br> (%) | Mar <br> (%) | Apr <br> (%) | May <br> (%) | Jun <br> (%) | Jul (%) | Aug <br> (%) | Sep <br> (%) | Oct <br> (%) | Nov <br> (%) | Dec <br> (%) | Year <br> (%) | | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | | 2000 | 3 | 0.1 | 1.1 | -4.3 | 0.8 | 2.6 | 3.3 | 1 | 5.2 | -2.1 | 0.2 | 1.9 | 13.3 | | 2001 | 14.3 | -3.2 | 3.8 | 7.8 | -7.2 | 1.3 | 1.3 | 3 | -2 | 17.9 | 4.7 | -3 | 42.4 | | 2002 | -2.9 | -2.7 | -0.8 | 2.6 | -0.5 | 5.2 | 9.1 | -4.8 | 4.3 | 5.7 | -6.5 | 0.3 | 8 | | 2003 | -0.3 | 9.1 | 5.2 | -7 | 5.1 | 5 | -3.5 | 2.6 | 5.2 | 0.3 | 6.2 | -4 | 24.8 | | 2004 | 4.7 | 1.9 | 9.2 | -1.6 | -6.1 | -0.7 | -4.1 | 1.7 | -2.5 | 0.6 | 0.9 | 7.7 | 11 | | 2005 | -0.6 | 0.2 | 0.3 | -2.1 | -1.8 | 5.5 | 0.4 | 1.3 | -0.4 | -0.2 | -0.9 | 3.6 | 5.2 | | 2006 | -3.6 | 5.5 | -4.3 | 9.7 | 3.7 | -3.4 | -3 | -4.3 | 3.6 | -0.3 | 3.6 | 5.4 | 11.8 | | 2007 | 0.5 | -0.1 | -7.1 | -0.2 | 3.8 | 8.3 | 3.4 | -4.3 | 3.5 | 2 | 5.3 | 0.4 | 15.6 | | 2008 | 3.9 | 6.8 | 24.4 | -9.5 | 0 | 4.2 | 4.7 | -9.1 | 2.1 | 7.2 | 26.7 | 11.5 | 91.6 | | 2009 | 0.7 | -1.2 | 1.9 | -9.5 | -0.2 | 7.8 | -7.2 | 1 | 0.8 | 3.7 | -2.2 | 7.6 | 1.8 | | 2010 | -4.2 | -4.2 | 2.6 | 3.5 | 0.7 | -0.8 | 2.8 | 3.4 | 0.8 | 2.1 | 10.8 | -3.7 | 13.8 | | 2011 | 7.1 | 4 | -1.4 | -1.6 | 5.2 | -5.1 | -6 | 3.9 | 4 | 10.5 | -12.5 | -0.2 | 5.8 | | 2012 | -1.3 | -0.4 | 3.2 | -0.9 | -2.3 | 9.4 | -9 | 5.7 | -1.3 | -3.8 | -3.3 | -2.3 | -7.3 | | 2013 | 2.9 | 6 | -3.6 | -0.5 | 2.2 | -2.9 | 0.2 | -1.2 | -4.9 | -1.3 | 1.5 | 1.5 | -0.8 | | 2014 | -5.7 | -1.3 | 4.6 | -2.8 | 0.8 | 3.9 | 3.3 | 1.7 | 4.2 | 10.4 | -2.4 | 4.9 | 22.4 |

然而,股票并不是这样。图 4-7 显示了这个标准趋势模型在一段时间内所产生的回报。在 2000 年至 2014 年底的期间,你最终会损失近 30 % 30 % 30%30 \% 。实际上,你会损失更多。这里的模拟甚至没有考虑佣金。这将是一个灾难性的策略。

用于此模拟的设置并不是原因。如果您更改趋势过滤器、突破期或止损,它仍然看起来很糟糕。这不是一些细节或可以优化掉的东西。您可以尝试数百次迭代,结果将非常相似。我们看到的是核心概念的问题。

图 4-8 和图 4-9 显示了该模型应用于股票的典型交易图表。这些图表展示了一些好的交易和一些令人非常沮丧的交易。

图 47 标准的股票多空趋势跟随

表 43 股票的长短期趋势跟随
 一月 ( % ) ( % ) (%)(\%)
Jan (%)| Jan | | :---: | | $(\%)$ |
 二月 ( % ) ( % ) (%)(\%)
Feb (%)| Feb | | :---: | | $(\%)$ |
  ( % ) ( % ) (%)(\%)
Mar (%)| Mar | | :---: | | $(\%)$ |
 四月 ( % ) ( % ) (%)(\%)
Apr (%)| Apr | | :---: | | $(\%)$ |
 五月 ( % ) ( % ) (%)(\%)
May (%)| May | | :---: | | $(\%)$ |
  ( % ) ( % ) (%)(\%)
Jun (%)| Jun | | :---: | | $(\%)$ |
 七月 ( % ) ( % ) (%)(\%)
Jul (%)| Jul | | :---: | | $(\%)$ |
 八月
Aug (%)| Aug | | :---: | | $(\%)$ |
 九月 ( % ) ( % ) (%)(\%)
Sep (%)| Sep | | :---: | | $(\%)$ |
 十月 ( % ) ( % ) (%)(\%)
Oct (%)| Oct | | :---: | | $(\%)$ |
Nov
( % ) ( % ) (%)(\%)
Nov (%)| Nov | | :---: | | $(\%)$ |
Dec
( % ) ( % ) (%)(\%)
Dec (%)| Dec | | :---: | | $(\%)$ |
 年份 ( % ) ( % ) (%)(\%)
Year (%)| Year | | :---: | | $(\%)$ |
2 0 0 0 2 0 0 0 2000\mathbf{2 0 0 0} 3.0 -4.6 8.8 -7.6 -5.0 1.6 -2.4 -2.2 -2.1 3.4 -3.4 3.3 7 . 9 7 . 9 -7.9\mathbf{- 7 . 9}
2 0 0 1 2 0 0 1 2001\mathbf{2 0 0 1} -0.6 -7.9 -0.6 -0.5 -7.9 -0.4 0.1 1.6 1.3 8.1 -10.5 -3.6 2 0 . 3 2 0 . 3 -20.3\mathbf{- 2 0 . 3}
2 0 0 2 2 0 0 2 2002\mathbf{2 0 0 2} 1.3 0.0 1.5 -3.2 1.9 0.0 5.6 5.6 -2.8 1.5 -5.8 -4.2 0 . 7 0 . 7 0.7\mathbf{0 . 7}
2 0 0 3 2 0 0 3 2003\mathbf{2 0 0 3} -3.0 -2.7 1.4 -2.6 0.0 6.5 0.5 0.1 3.9 -6.0 4.2 0.5 2 . 3 2 . 3 2.3\mathbf{2 . 3}
2 0 0 4 2 0 0 4 2004\mathbf{2 0 0 4} 1.4 0.2 2.6 -4.3 -2.4 -5.4 1.2 0.2 -0.6 -0.8 -2.3 4.4 6 . 0 6 . 0 -6.0\mathbf{- 6 . 0}
2 0 0 5 2 0 0 5 2005\mathbf{2 0 0 5} 0.7 -2.2 0.4 0.0 1.0 -3.3 1.8 2.4 0.0 2.1 -4.4 -1.0 2 . 8 2 . 8 -2.8\mathbf{- 2 . 8}
2 0 0 6 2 0 0 6 2006\mathbf{2 0 0 6} -0.2 3.0 -1.9 -0.2 0.7 -1.3 1.0 2.3 -4.3 -1.0 1.2 2.6 1 . 6 1 . 6 1.6\mathbf{1 . 6}
2 0 0 7 2 0 0 7 2007\mathbf{2 0 0 7} 1.0 1.0 -1.3 1.0 0.8 3.6 1.4 2.2 -4.4 2.0 -1.1 -0.7 5 . 4 5 . 4 5.4\mathbf{5 . 4}
2 0 0 8 2 0 0 8 2008\mathbf{2 0 0 8} 2.2 -8.0 1.4 -0.9 -1.4 0.5 6.1 -3.2 -3.3 5.9 12.5 11.4 2 3 . 3 2 3 . 3 23.3\mathbf{2 3 . 3}
2 0 0 9 2 0 0 9 2009\mathbf{2 0 0 9} -10.8 3.0 9.4 -9.7 -3.2 0.5 -3.7 -0.7 -0.8 3.0 -0.2 4.0 1 0 . 5 1 0 . 5 -10.5\mathbf{- 1 0 . 5}
2 0 1 0 2 0 1 0 2010\mathbf{2 0 1 0} 1.0 -3.5 0.3 2.6 4.2 -3.4 -1.9 -6.3 -0.8 -1.2 1.2 2.2 5 . 7 5 . 7 -5.7\mathbf{- 5 . 7}
2 0 1 1 2 0 1 1 2011\mathbf{2 0 1 1} 2.0 2.4 -0.2 -1.9 1.2 -0.3 -2.8 1.2 2.3 4.2 -8.0 -3.5 3 . 9 3 . 9 -3.9\mathbf{- 3 . 9}
2 0 1 2 2 0 1 2 2012\mathbf{2 0 1 2} -0.4 1.7 3.1 3.4 -1.5 3.6 -4.9 -1.4 -0.4 0.6 0.1 -3.1 0 . 5 0 . 5 0.5\mathbf{0 . 5}
2 0 1 3 2 0 1 3 2013\mathbf{2 0 1 3} 1.5 4.1 0.8 2.3 0.3 0.5 -2.4 2.1 -2.9 -0.6 1.1 0.9 7 . 8 7 . 8 7.8\mathbf{7 . 8}
2 0 1 4 2 0 1 4 2014\mathbf{2 0 1 4} 1.3 0.3 -2.8 -0.1 -1.5 1.2 2.1 -4.0 1.5 -0.6 -1.6 2.7 1 . 5 1 . 5 -1.5\mathbf{- 1 . 5}
"Jan (%)" "Feb (%)" "Mar (%)" "Apr (%)" "May (%)" "Jun (%)" "Jul (%)" "Aug (%)" "Sep (%)" "Oct (%)" "Nov (%)" "Dec (%)" "Year (%)" 2000 3.0 -4.6 8.8 -7.6 -5.0 1.6 -2.4 -2.2 -2.1 3.4 -3.4 3.3 -7.9 2001 -0.6 -7.9 -0.6 -0.5 -7.9 -0.4 0.1 1.6 1.3 8.1 -10.5 -3.6 -20.3 2002 1.3 0.0 1.5 -3.2 1.9 0.0 5.6 5.6 -2.8 1.5 -5.8 -4.2 0.7 2003 -3.0 -2.7 1.4 -2.6 0.0 6.5 0.5 0.1 3.9 -6.0 4.2 0.5 2.3 2004 1.4 0.2 2.6 -4.3 -2.4 -5.4 1.2 0.2 -0.6 -0.8 -2.3 4.4 -6.0 2005 0.7 -2.2 0.4 0.0 1.0 -3.3 1.8 2.4 0.0 2.1 -4.4 -1.0 -2.8 2006 -0.2 3.0 -1.9 -0.2 0.7 -1.3 1.0 2.3 -4.3 -1.0 1.2 2.6 1.6 2007 1.0 1.0 -1.3 1.0 0.8 3.6 1.4 2.2 -4.4 2.0 -1.1 -0.7 5.4 2008 2.2 -8.0 1.4 -0.9 -1.4 0.5 6.1 -3.2 -3.3 5.9 12.5 11.4 23.3 2009 -10.8 3.0 9.4 -9.7 -3.2 0.5 -3.7 -0.7 -0.8 3.0 -0.2 4.0 -10.5 2010 1.0 -3.5 0.3 2.6 4.2 -3.4 -1.9 -6.3 -0.8 -1.2 1.2 2.2 -5.7 2011 2.0 2.4 -0.2 -1.9 1.2 -0.3 -2.8 1.2 2.3 4.2 -8.0 -3.5 -3.9 2012 -0.4 1.7 3.1 3.4 -1.5 3.6 -4.9 -1.4 -0.4 0.6 0.1 -3.1 0.5 2013 1.5 4.1 0.8 2.3 0.3 0.5 -2.4 2.1 -2.9 -0.6 1.1 0.9 7.8 2014 1.3 0.3 -2.8 -0.1 -1.5 1.2 2.1 -4.0 1.5 -0.6 -1.6 2.7 -1.5| | Jan <br> $(\%)$ | Feb <br> $(\%)$ | Mar <br> $(\%)$ | Apr <br> $(\%)$ | May <br> $(\%)$ | Jun <br> $(\%)$ | Jul <br> $(\%)$ | Aug <br> $(\%)$ | Sep <br> $(\%)$ | Oct <br> $(\%)$ | Nov <br> $(\%)$ | Dec <br> $(\%)$ | Year <br> $(\%)$ | | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | | $\mathbf{2 0 0 0}$ | 3.0 | -4.6 | 8.8 | -7.6 | -5.0 | 1.6 | -2.4 | -2.2 | -2.1 | 3.4 | -3.4 | 3.3 | $\mathbf{- 7 . 9}$ | | $\mathbf{2 0 0 1}$ | -0.6 | -7.9 | -0.6 | -0.5 | -7.9 | -0.4 | 0.1 | 1.6 | 1.3 | 8.1 | -10.5 | -3.6 | $\mathbf{- 2 0 . 3}$ | | $\mathbf{2 0 0 2}$ | 1.3 | 0.0 | 1.5 | -3.2 | 1.9 | 0.0 | 5.6 | 5.6 | -2.8 | 1.5 | -5.8 | -4.2 | $\mathbf{0 . 7}$ | | $\mathbf{2 0 0 3}$ | -3.0 | -2.7 | 1.4 | -2.6 | 0.0 | 6.5 | 0.5 | 0.1 | 3.9 | -6.0 | 4.2 | 0.5 | $\mathbf{2 . 3}$ | | $\mathbf{2 0 0 4}$ | 1.4 | 0.2 | 2.6 | -4.3 | -2.4 | -5.4 | 1.2 | 0.2 | -0.6 | -0.8 | -2.3 | 4.4 | $\mathbf{- 6 . 0}$ | | $\mathbf{2 0 0 5}$ | 0.7 | -2.2 | 0.4 | 0.0 | 1.0 | -3.3 | 1.8 | 2.4 | 0.0 | 2.1 | -4.4 | -1.0 | $\mathbf{- 2 . 8}$ | | $\mathbf{2 0 0 6}$ | -0.2 | 3.0 | -1.9 | -0.2 | 0.7 | -1.3 | 1.0 | 2.3 | -4.3 | -1.0 | 1.2 | 2.6 | $\mathbf{1 . 6}$ | | $\mathbf{2 0 0 7}$ | 1.0 | 1.0 | -1.3 | 1.0 | 0.8 | 3.6 | 1.4 | 2.2 | -4.4 | 2.0 | -1.1 | -0.7 | $\mathbf{5 . 4}$ | | $\mathbf{2 0 0 8}$ | 2.2 | -8.0 | 1.4 | -0.9 | -1.4 | 0.5 | 6.1 | -3.2 | -3.3 | 5.9 | 12.5 | 11.4 | $\mathbf{2 3 . 3}$ | | $\mathbf{2 0 0 9}$ | -10.8 | 3.0 | 9.4 | -9.7 | -3.2 | 0.5 | -3.7 | -0.7 | -0.8 | 3.0 | -0.2 | 4.0 | $\mathbf{- 1 0 . 5}$ | | $\mathbf{2 0 1 0}$ | 1.0 | -3.5 | 0.3 | 2.6 | 4.2 | -3.4 | -1.9 | -6.3 | -0.8 | -1.2 | 1.2 | 2.2 | $\mathbf{- 5 . 7}$ | | $\mathbf{2 0 1 1}$ | 2.0 | 2.4 | -0.2 | -1.9 | 1.2 | -0.3 | -2.8 | 1.2 | 2.3 | 4.2 | -8.0 | -3.5 | $\mathbf{- 3 . 9}$ | | $\mathbf{2 0 1 2}$ | -0.4 | 1.7 | 3.1 | 3.4 | -1.5 | 3.6 | -4.9 | -1.4 | -0.4 | 0.6 | 0.1 | -3.1 | $\mathbf{0 . 5}$ | | $\mathbf{2 0 1 3}$ | 1.5 | 4.1 | 0.8 | 2.3 | 0.3 | 0.5 | -2.4 | 2.1 | -2.9 | -0.6 | 1.1 | 0.9 | $\mathbf{7 . 8}$ | | $\mathbf{2 0 1 4}$ | 1.3 | 0.3 | -2.8 | -0.1 | -1.5 | 1.2 | 2.1 | -4.0 | 1.5 | -0.6 | -1.6 | 2.7 | $\mathbf{- 1 . 5}$ |

图 48 趋势跟随交易图表,Autozone

图 49 趋势跟随交易图,AMD


在那些交易图表上,止损似乎有点太近。也许确实是,但这并不太重要。将止损距离加倍,你几乎会得到相同的投资组合结果。赢家会停留更久并获得更多收益,但输家同时也会让你付出更多。

你想停下来猜一下最大的问题是什么吗?上面的模型有几个问题,但有一个问题的重要性远远超过其他问题。

是的,这是短期趋势。应用于跨资产期货的常规趋势跟随的短期趋势是一个问题。即使是经验丰富的专业趋势跟随者,在趋势的短期方面往往也几乎没有盈利。


当你处理多样化的期货时,涵盖从货币、利率、商品到所有其他主要资产类别,那么做空确实有明显的好处。其主要目的是在长期内改善策略的收益偏斜,而不是为了自身盈利。如果你只涉及股票,就不必过于深入这些事情。反正对于股票来说,效果并不一样。

你需要明白的是,使用趋势跟随的方法做空股票是个非常糟糕的主意。这样做你不会赚到钱。趋势跟随根本不适合做空股票。就是这样。拒绝。

我们能否忘记做空的事,继续前进?很好。在接下来的书中,将不再有做空。

让我们再进行一次与上述相同的交易模型,只改变一个条件。这次我们只进行多头交易。图 4 10 4 10 4-104-10 显示了这次模拟的结果。现在看起来有趣多了,不是吗?我们不仅获得了正收益,最终得到的钱实际上比指数还要多。

图 410 标准趋势跟随,仅多头

表 44 仅做多的趋势跟随股票
 一月 ( % ) ( % ) (%)(\%)
Jan (%)| Jan | | :---: | | $(\%)$ |
 二月 ( % ) ( % ) (%)(\%)
Feb (%)| Feb | | :---: | | $(\%)$ |
  ( % ) ( % ) (%)(\%)
Mar (%)| Mar | | :---: | | $(\%)$ |
 四月 ( % ) ( % ) (%)(\%)
Apr (%)| Apr | | :---: | | $(\%)$ |
 五月 ( % ) ( % ) (%)(\%)
May (%)| May | | :---: | | $(\%)$ |
  ( % ) ( % ) (%)(\%)
Jun (%)| Jun | | :---: | | $(\%)$ |
 七月 ( % ) ( % ) (%)(\%)
Jul (%)| Jul | | :---: | | $(\%)$ |
 八月
Aug (%)| Aug | | :---: | | $(\%)$ |
 九月 ( % ) ( % ) (%)(\%)
Sep (%)| Sep | | :---: | | $(\%)$ |
 十月 ( % ) ( % ) (%)(\%)
Oct (%)| Oct | | :---: | | $(\%)$ |
Nov
( % ) ( % ) (%)(\%)
Nov (%)| Nov | | :---: | | $(\%)$ |
Dec
( % ) ( % ) (%)(\%)
Dec (%)| Dec | | :---: | | $(\%)$ |
 年份 ( % ) ( % ) (%)(\%)
Year (%)| Year | | :---: | | $(\%)$ |
2 0 0 0 2 0 0 0 2000\mathbf{2 0 0 0} 3.0 -8.3 9.1 1.3 -4.8 3.0 -3.9 -1.8 3.6 2.4 -2.4 1.2 1 . 1 1 . 1 1.1\mathbf{1 . 1}
2 0 0 1 2 0 0 1 2001\mathbf{2 0 0 1} 1.3 -4.5 -2.7 -3.7 1.9 1.1 -0.2 -0.6 -1.8 -7.5 -2.7 0.3 1 8 . 0 1 8 . 0 -18.0-\mathbf{1 8 . 0}
2 0 0 2 2 0 0 2 2002\mathbf{2 0 0 2} 1.2 0.4 1.4 -0.1 0.5 -3.3 -4.0 -5.3 -1.6 -1.6 -0.7 -2.2 1 4 . 3 1 4 . 3 -14.3\mathbf{- 1 4 . 3}
2 0 0 3 2 0 0 3 2003\mathbf{2 0 0 3} -2.0 -5.6 -1.0 2.3 2.7 8.3 1.1 0.5 5.7 -3.4 6.3 1.5 1 6 . 6 1 6 . 6 16.6\mathbf{1 6 . 6}
2 0 0 4 2 0 0 4 2004\mathbf{2 0 0 4} 1.1 2.0 2.4 -2.4 -1.1