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

版权 © 2015 Andreas F. Clenow

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。

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

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

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 %

，你会购买介于

5 %

和

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

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（%）

三年（%）

五年（%）

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

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

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

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

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 %

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 %

。在一年期中，有几个数字低于

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 %

。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 %

。你会期待你的短期 ETF 回到它们的起点吗？短期 ETF 损失了

11 %

的 110，降到 97.8。双重短期 ETF 损失了

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 %

。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 %

，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

。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 %

。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

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 %

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 %

。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

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

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

百万到

$ 3.3

十亿之间。小型股指数标准普尔 600 涵盖市值在

$ 400

百万到

$ 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

十亿。这是五千亿美元。比世界第二大公司多出大约

$ 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

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 %

，最大回撤约为

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（%）

二月（%）

马尔（%）

四月（%）

五月（%）

君(%)

七月 (%)

八月（%）

九月（%）

十月（%）

十一月（%）

十进制（%）

年份(%)

2000

0.1

1.1

-4.3

0.8

2.6

3.3

5.2

-2.1

0.2

1.9

13.3

2001

14.3

-3.2

3.8

7.8

-7.2

1.3

-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

2003

-0.3

9.1

5.2

-7

5.1

-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

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

5.3

0.4

15.6

2008

3.9

6.8

24.4

-9.5

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

0.8

3.7

-2.2

7.6

1.8

2010

-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

-1.4

-1.6

5.2

-5.1

-6

3.9

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

-3.6

-0.5

2.2

-2.9

0.2

-1.2

-4.9

-1.3

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 %

。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

(%)

二月

(%)

马

(%)

四月

(%)

五月

(%)

君

(%)

七月

(%)

八月

九月

(%)

十月

(%)

Nov

(%)

Dec

(%)

年份

(%)

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

-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

-1.3

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 $(\%)$ | Feb $(\%)$ | Mar $(\%)$ | Apr $(\%)$ | May $(\%)$ | Jun $(\%)$ | Jul $(\%)$ | Aug $(\%)$ | Sep $(\%)$ | Oct $(\%)$ | Nov $(\%)$ | Dec $(\%)$ | Year $(\%)$ | | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | | $\mathbf{2 0 0 0}$ | 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

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

(%)

二月

(%)

马

(%)

四月

(%)

五月

(%)

君

(%)

七月

(%)

八月

九月

(%)

十月

(%)

Nov

(%)

Dec

(%)

年份

(%)

2000

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

2001

1.3

-4.5

-2.7

-3.7

1.9

1.1

-0.2

-0.6

-1.8

-7.5

-2.7

0.3

- 18.0

2002

1.2

0.4

1.4

-0.1

0.5

-3.3

-4.0

-5.3

-1.6

-0.7

-2.2

- 14.3

2003

-2.0

-5.6

-1.0

2.3

2.7

8.3

1.1

0.5

5.7

-3.4

6.3

1.5

16.6

2004

1.1

2.0

2.4

-2.4

-1.1

-1.4

1.6

-1.2

2.5

0.2

5.0

7.3

2005

-0.3

0.8

2.5

-3.2

-2.0

2.3

0.7

3.7

-1.3

2.7

-4.7

4.7

5.6

2006

-0.3

3.8

0.8

1.3

-0.1

-1.2

-0.4

0.9

2.0

0.0

2.6

2.8

12.9

2007

1.1

2.0

-1.0

4.2

4.3

5.3

-0.4

-3.6

-4.6

4.7

-0.1

-1.5

10.4

2008

-0.3

-7.9

0.1

-1.2

2.5

2.0

-3.3

-6.2

0.9

-7.1

-4.7

0.0

- 22.9

2009

0.2

-0.6

-1.7

1.3

1.2

2.2

-2.7

4.4

-0.7

3.4

0.1

6.1

13.5

2010

1.8

-2.6

3.6

5.4

4.7

-11.4

-3.7

2.2

-0.6

4.0

1.5

1.7

5.6

2011

3.5

0.6

0.5

1.8

2.9

-0.4

1.1

-4.0

-4.4

-3.7

0.3

-0.4

- 2.4

2012

1.3

2.5

3.0

4.5

1.0

-6.3

4.6

-0.5

0.2

2.5

1.2

-1.6

12.7

2013

3.4

4.8

2.0

4.6

2.3

3.7

-1.9

6.7

-4.4

4.0

3.5

0.9

33.0

2014

2.6

-3.2

6.1

-0.7

0.2

1.8

3.4

-2.1

2.3

-2.4

1.6

1.7

11.4

| | Jan $(\%)$ | Feb $(\%)$ | Mar $(\%)$ | Apr $(\%)$ | May $(\%)$ | Jun $(\%)$ | Jul $(\%)$ | Aug $(\%)$ | Sep $(\%)$ | Oct $(\%)$ | Nov $(\%)$ | Dec $(\%)$ | Year $(\%)$ | | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | | $\mathbf{2 0 0 0}$ | 3.0 | -8.3 | 9.1 | 1.3 | -4.8 | 3.0 | -3.9 | -1.8 | 3.6 | 2.4 | -2.4 | 1.2 | $\mathbf{1 . 1}$ | | $\mathbf{2 0 0 1}$ | 1.3 | -4.5 | -2.7 | -3.7 | 1.9 | 1.1 | -0.2 | -0.6 | -1.8 | -7.5 | -2.7 | 0.3 | $-\mathbf{1 8 . 0}$ | | $\mathbf{2 0 0 2}$ | 1.2 | 0.4 | 1.4 | -0.1 | 0.5 | -3.3 | -4.0 | -5.3 | -1.6 | -1.6 | -0.7 | -2.2 | $\mathbf{- 1 4 . 3}$ | | $\mathbf{2 0 0 3}$ | -2.0 | -5.6 | -1.0 | 2.3 | 2.7 | 8.3 | 1.1 | 0.5 | 5.7 | -3.4 | 6.3 | 1.5 | $\mathbf{1 6 . 6}$ | | $\mathbf{2 0 0 4}$ | 1.1 | 2.0 | 2.4 | -2.4 | -1.1 | -1.4 | 1.6 | -1.2 | -1.2 | 2.5 | 0.2 | 5.0 | $\mathbf{7 . 3}$ | | $\mathbf{2 0 0 5}$ | -0.3 | 0.8 | 2.5 | -3.2 | -2.0 | 2.3 | 0.7 | 3.7 | -1.3 | 2.7 | -4.7 | 4.7 | $\mathbf{5 . 6}$ | | $\mathbf{2 0 0 6}$ | -0.3 | 3.8 | 0.8 | 1.3 | -0.1 | -1.2 | -0.4 | 0.9 | 2.0 | 0.0 | 2.6 | 2.8 | $\mathbf{1 2 . 9}$ | | $\mathbf{2 0 0 7}$ | 1.1 | 2.0 | -1.0 | 4.2 | 4.3 | 5.3 | -0.4 | -3.6 | -4.6 | 4.7 | -0.1 | -1.5 | $\mathbf{1 0 . 4}$ | | $\mathbf{2 0 0 8}$ | -0.3 | -7.9 | 0.1 | -1.2 | 2.5 | 2.0 | -3.3 | -6.2 | 0.9 | -7.1 | -4.7 | 0.0 | $\mathbf{- 2 2 . 9}$ | | $\mathbf{2 0 0 9}$ | 0.2 | -0.6 | -1.7 | 1.3 | 1.2 | 2.2 | -2.7 | 4.4 | -0.7 | 3.4 | 0.1 | 6.1 | $\mathbf{1 3 . 5}$ | | $\mathbf{2 0 1 0}$ | 1.8 | -2.6 | 3.6 | 5.4 | 4.7 | -11.4 | -3.7 | 2.2 | -0.6 | 4.0 | 1.5 | 1.7 | $\mathbf{5 . 6}$ | | $\mathbf{2 0 1 1}$ | 3.5 | 0.6 | 0.5 | 1.8 | 2.9 | -0.4 | 1.1 | -4.0 | -4.4 | -3.7 | 0.3 | -0.4 | $\mathbf{- 2 . 4}$ | | $\mathbf{2 0 1 2}$ | 1.3 | 2.5 | 3.0 | 4.5 | 1.0 | -6.3 | 4.6 | -0.5 | 0.2 | 2.5 | 1.2 | -1.6 | $\mathbf{1 2 . 7}$ | | $\mathbf{2 0 1 3}$ | 3.4 | 4.8 | 2.0 | 4.6 | 2.3 | 3.7 | -1.9 | 6.7 | -4.4 | 4.0 | 3.5 | 0.9 | $\mathbf{3 3 . 0}$ | | $\mathbf{2 0 1 4}$ | 2.6 | -3.2 | 6.1 | -0.7 | 0.2 | 1.8 | 3.4 | -2.1 | 2.3 | -2.4 | 1.6 | 1.7 | $\mathbf{1 1 . 4}$ |

实际上，我们并没有比指数赚更多的钱。我只是在逗你，并试图说明一个观点。图 4-10 中的比较存在两个问题。首先，没有考虑成本。在 14 年中，佣金成本会累积，这会使你的曲线稍微下降。但这并不是比较的主要问题。

股票都已调整了股息，但标准普尔 500 价格指数没有。模拟处理了所有实际收到的股息，因此从中获利。另一方面，该指数简单地忽略了这些股息，仿佛它们从未发生过。如果一方有股息，另一方也必须有。因此，与价格指数进行比较是非常误导的。我们需要与总回报指数进行比较。

总回报意味着考虑所有实际的回报来源。当一只股票除息时，其价格通常会下跌大约与即将支付的股息相同的金额。在这种情况下，标准价格指数受到负面影响，尽管从投资者的角度来看，实际价值并没有变化。股价下跌了，但你得到了相应的现金。总回报指数对此进行了适当调整。

这意味着总回报指数的回报将高于价格指数。在较短的时间段内，差异可能并不大，但一旦涉及到多年或几十年，差异将变得相当显著。请注意，每当你在媒体上听到关于标准普尔 500 指数的消息时，他们总是指价格指数。如果只是关于当天的波动，那其实并不重要。如果他们对标准普尔在十年内的某个百分比的变动做出某种声明，那么这充其量是误导。

让我们再做一次最后的比较，但这次使用标准普尔 500 总回报指数。毕竟，这是比较我们表现的最恰当方式。结果图 4-11 就不那么美好了。在 14 年中，我们的表现明显低于该指数。当然，我们确实设法将最大回撤控制得稍微合理一些，主要是因为在 2008 年每只股票都崩盘时，长期趋势模型停止了买入。然而，这并不是一个可行的策略。如果你想要这样的回报曲线，直接去买一个被动指数跟踪的 ETF 就好了。

图 411 股票趋势跟踪与总回报指数的比较

有人肯定会指出，股票的趋势跟随确实产生了利润。从上面的图表来看，这一点是明确的，至少如果你放弃做空的话。这绝对是事实。问题在于它并没有增加任何价值。它创造了大量的工作和潜在风险，但并没有带来任何好处。

与简单被动持有指数跟踪器相比，应用经典趋势跟随策略于股票似乎并不是一个非常有吸引力的替代方案。

历史最高模型

让我们尝试另一种方法。Cole Wilcox 和 Eric Crittenden 在 Longboard 资产管理公司提出的一种方法（Wilcox & Crittenden, 2005）是将历史最高点作为入场标准。在他们 2005 年的研究中，他们使用了一个非常大的股票范围，在历史最高点买入，并在设定为 40 天平均真实波动幅度十倍的距离的跟踪止损点卖出。我尽量根据他们文档中的细节进行复制，但有一个主要的不同之处。我只使用了标准普尔 500 指数中的股票，以便有一个有效的基准。

在他们的研究论文中，他们表示他们会考虑所有信号，这意味着他们会调整所有开放头寸，以适应进出股票。这意味着你可能会同时拥有数百只股票，这对大多数投资者来说似乎并不是一种现实的方法。我将使用一种更现实的风险平价规模方法，目标是每只股票每日平均影响 10 个基点。这是一种非常简单但有效的方法，将在后面的章节中详细解释。现在，我也将省略他们使用的头寸再平衡。我将在后面的章节中解释为什么再平衡是个好主意，以及它如何进一步改善结果。

这是他们模型的简化版本，但基于相同的核心逻辑。
交易规则：

在历史高点买入，如果有现金可用。
未使用杠杆。
使用简单风险平价的方法进行头寸配置，目标是将初始风险均等分配给每只股票。
不再平衡。
以初始 ATR 的 10 倍设置跟踪止损，使用 50 天的计算周期。

这个交易模型显示出相当不错的结果。它仍然不是推荐的方法，并且还有很多问题需要解决，但它比应用经典的期货模型要好。从图 4-12 中的模拟结果可以清楚地看出，这里使用的动量方法是有价值的。购买历史最高点的突破确实得到了回报。显然，这个模型还没有准备好展示。不过，公平地说，这是一个用于演示概念的演示模型。因此，它既有效又是良好的研究。

如预期的那样，这种模型在熊市期间会遭受损失，例如 2000 年至 2003 年。在这样的阶段，该模型的表现与整体股市大致相当。在牛市阶段，它往往表现更好，尽管我们在 2003 年至 2007 年的牛市中看到的超额表现远大于 2009 年开始的反弹中的表现。

2008 年至 2009 年的扁平化趋势并不是一个问题，实际上是完全合理的。在 2008 年灾难之后，股票再次达到历史高点需要一些时间，因此在重新建立投资敞口之前也需要时间。

图 412 历史最高模型

图 4-13 显示了该交易模型的众多交易中的一个示例。粗线表示历史最高水平，而虚线显示止损点。在这个苹果交易图表中，您可以看到股票是如何的。

在其历史最高值首次达到时购买，并设置了止损。股票需要在第二天收盘时低于止损价，以便退出该头寸。

表 45 历史最高模型

一月

(%)

二月

(%)

马

(%)

四月

(%)

五月

(%)

君

(%)

七月

(%)

八月

九月

(%)

十月

(%)

Nov

(%)

Dec

(%)

年份

(%)

2000

3.0

-3.7

13.8

-1.8

-2.6

0.3

1.1

0.5

9.2

0.2

-5.4

-7.3

5.5

2001

4.6

-4.9

-3.0

-5.6

4.3

1.7

-1.6

-0.4

-2.3

-4.4

0.0

1.6

- 10.1

2002

4.1

0.8

1.1

2.8

-1.6

-2.7

-11.5

-1.1

0.4

-0.8

-4.2

- 11.8

2003

0.9

-3.2

0.2

4.2

1.8

5.1

1.3

1.1

4.1

0.9

5.1

2.4

26.4

2004

2.5

2.3

3.9

1.6

-1.1

-0.9

1.6

-2.1

-0.9

5.3

1.0

6.5

21.4

2005

2.3

2.7

5.2

-1.5

-2.2

1.9

0.5

3.2

-0.7

4.1

-1.6

6.0

21.4

2006

0.5

2.1

-0.6

0.4

-1.8

-1.0

-2.4

-1.2

2.8

-0.1

3.2

2.0

3.8

2007

0.8

2.6

-2.3

4.0

2.9

4.4

-2.2

-3.9

0.4

6.5

-3.1

1.5

11.6

2008

-0.5

-5.2

1.4

1.7

2.3

3.9

-0.9

-10.0

-0.5

-8.4

-13.6

-1.8

- 28.7

2009

-0.8

0.3

-1.1

0.6

-0.1

0.0

0.1

-0.4

0.1

-0.3

4.1

2.1

2010

1.5

-2.5

3.9

2.9

1.7

-2.9

-1.1

1.9

0.0

4.4

3.7

2.1

16.5

2011

1.1

-0.4

1.5

3.3

3.6

0.6

2.1

-3.4

-2.6

-2.7

4.5

3.2

11.0

2012

0.6

0.4

3.3

2.0

3.3

-3.9

4.4

1.7

-1.3

1.9

-1.5

-1.4

9.4

2013

1.5

3.1

2.3

4.7

2.1

-0.2

-0.4

7.4

-3.8

4.2

1.5

1.8

26.6

2014

1.6

-2.8

3.0

-1.0

-1.3

3.6

2.9

-2.5

4.7

-1.7

4.2

1.6

12.7

| | Jan $(\%)$ | Feb $(\%)$ | Mar $(\%)$ | Apr $(\%)$ | May $(\%)$ | Jun $(\%)$ | Jul $(\%)$ | Aug $(\%)$ | Sep $(\%)$ | Oct $(\%)$ | Nov $(\%)$ | Dec $(\%)$ | Year $(\%)$ | | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | | $\mathbf{2 0 0 0}$ | 3.0 | -3.7 | 13.8 | -1.8 | -2.6 | 0.3 | 1.1 | 0.5 | 9.2 | 0.2 | -5.4 | -7.3 | $\mathbf{5 . 5}$ | | $\mathbf{2 0 0 1}$ | 4.6 | -4.9 | -3.0 | -5.6 | 4.3 | 1.7 | -1.6 | -0.4 | -2.3 | -4.4 | 0.0 | 1.6 | $-\mathbf{1 0 . 1}$ | | $\mathbf{2 0 0 2}$ | 4.1 | 0.8 | 1.1 | 1.1 | 2.8 | -1.6 | -2.7 | -11.5 | -1.1 | 0.4 | -0.8 | -4.2 | $-\mathbf{1 1 . 8}$ | | $\mathbf{2 0 0 3}$ | 0.9 | -3.2 | 0.2 | 4.2 | 1.8 | 5.1 | 1.3 | 1.1 | 4.1 | 0.9 | 5.1 | 2.4 | $\mathbf{2 6 . 4}$ | | $\mathbf{2 0 0 4}$ | 2.5 | 2.3 | 3.9 | 1.6 | -1.1 | -0.9 | 1.6 | -2.1 | -0.9 | 5.3 | 1.0 | 6.5 | $\mathbf{2 1 . 4}$ | | $\mathbf{2 0 0 5}$ | 2.3 | 2.7 | 5.2 | -1.5 | -2.2 | 1.9 | 0.5 | 3.2 | -0.7 | 4.1 | -1.6 | 6.0 | $\mathbf{2 1 . 4}$ | | $\mathbf{2 0 0 6}$ | 0.5 | 2.1 | -0.6 | 0.4 | -1.8 | -1.0 | -2.4 | -1.2 | 2.8 | -0.1 | 3.2 | 2.0 | $\mathbf{3 . 8}$ | | $\mathbf{2 0 0 7}$ | 0.8 | 2.6 | -2.3 | 4.0 | 2.9 | 4.4 | -2.2 | -3.9 | 0.4 | 6.5 | -3.1 | 1.5 | $\mathbf{1 1 . 6}$ | | $\mathbf{2 0 0 8}$ | -0.5 | -5.2 | 1.4 | 1.7 | 2.3 | 3.9 | -0.9 | -10.0 | -0.5 | -8.4 | -13.6 | -1.8 | $\mathbf{- 2 8 . 7}$ | | $\mathbf{2 0 0 9}$ | -0.8 | 0.3 | -1.1 | 0.6 | -0.1 | -0.1 | 0.0 | 0.1 | -0.4 | 0.1 | -0.3 | 4.1 | $\mathbf{2 . 1}$ | | $\mathbf{2 0 1 0}$ | 1.5 | -2.5 | 3.9 | 2.9 | 1.7 | -2.9 | -1.1 | 1.9 | 0.0 | 4.4 | 3.7 | 2.1 | $\mathbf{1 6 . 5}$ | | $\mathbf{2 0 1 1}$ | 1.1 | -0.4 | 1.5 | 3.3 | 3.6 | 0.6 | 2.1 | -3.4 | -2.6 | -2.7 | 4.5 | 3.2 | $\mathbf{1 1 . 0}$ | | $\mathbf{2 0 1 2}$ | 0.6 | 0.4 | 3.3 | 2.0 | 3.3 | -3.9 | 4.4 | 1.7 | -1.3 | 1.9 | -1.5 | -1.4 | $\mathbf{9 . 4}$ | | $\mathbf{2 0 1 3}$ | 1.5 | 3.1 | 2.3 | 4.7 | 2.1 | -0.2 | -0.4 | 7.4 | -3.8 | 4.2 | 1.5 | 1.8 | $\mathbf{2 6 . 6}$ | | $\mathbf{2 0 1 4}$ | 1.6 | -2.8 | 3.0 | -1.0 | -1.3 | 3.6 | 2.9 | -2.5 | 4.7 | -1.7 | 4.2 | 1.6 | $\mathbf{1 2 . 7}$ |

图 413 历史最高模型 - 苹果交易

这种历史最高点的方法存在几个问题。第一个问题是股票选择相当随机。无论哪个股票首先创下历史新高都会被购买，直到我们用完现金。一个股票首先创下新高并不一定意味着它比其他股票更具潜力。第二个问题是，股票会被持有直到它达到其

停止。这意味着一只股票理论上可以横盘多年而不被踢出。

那只股票最终会占用投资组合中宝贵的现金，却没有任何表现。即使股票上涨，它的上涨速度也可能非常缓慢，而其他股票则快速上涨。我们最终会持有表现不佳的股票，时间远超合理范围。

然而，这个模型确实向我们展示了这个一般概念可能是有道理的。方法论需要更多的改进，但确实有一些东西在这里。这个模型表明，在正常到强劲的市场中，动量股票似乎表现更好。让我们看看能否从中提炼出更扎实的东西。

单只股票的趋势跟随

跟随单只股票的趋势是个坏主意。你的成功完全依赖于运气。

单只股票趋势跟随意味着你选择一只股票，或者几只股票，并仅对它们应用趋势模型。这种方法的支持者通常会指出它在苹果、谷歌、微软等公司上表现得多么好。这些股票通常被选作例子，仅仅因为它们在过去表现出色。它们是著名公司，因为它们做得很好。1985 年购买微软并持有 15 年的策略并不是趋势跟随。这只是对在正确的时间购买正确股票的美好幻想。

即使对于如此出色的表现者，大多数趋势模型的效果也并不好。确实，股票价格在十年或二十年内可能大幅上涨，但通常在此过程中会有很大的波动。你经常会被迫进出你的头寸，从而减少你的利润。是的，你可以把止损设置得非常远。当然，止损设置得越远，你就越接近于买入并持有的策略。

以苹果公司为例，因为它通常在这些讨论中被提及。我们将采用一个标准的趋势跟随模型，基于在牛市中买入正突破并在熊市中卖空负突破。

熊市。将使用追踪止损，这在趋势跟随模型中是常见的。请记住，我们故意选择了一只在过去经历过极端价格波动的股票。如果有任何股票能成功，它应该是像这样的股票。

应用一种经典的中期趋势跟随模型，该模型在期货市场上已经取得了数十年的优秀成果，结果在苹果股票上也证明是盈利的。你最终会获得近

10 %

的年化收益。不错吧？该模型使用的止损距离是平均真实波幅的三倍，这对于中期模型来说是一个合理的距离。

如果我们将止损移到双倍的距离，这个模型表现得更好。现在我们看到年化收益为

15 %

！显然，趋势跟随有效。

不，实际上不是。

这里的第一个问题是，初始版本虽然平均每年给你

10 %

的回报，但最大损失达

48 %

，而且恢复这个损失花了好几年。对于这样的风险，这样的回报并不太吸引人，对吧？第二个更有利可图的版本虽然有更宽的止损，可能获得了

15 %

的收益，但也经历了

60 %

的损失。

但话说回来，这并不是更大的问题。更大的问题是，如果你干脆停止玩弄趋势跟随模型，直接买入并持有股票，你将获得

26 %

的年化收益。图 4-14 显示了标准趋势模型在苹果公司的表现，与简单买入并持有股票的表现相比。

如果趋势跟随模型在像苹果这样的极端表现者身上表现如此糟糕，那么你可以想象对于普通老股票来说情况会有多糟。

图 414 苹果的趋势跟随

我想说的是，单一选定股票的趋势跟随是一种幻觉。很容易找到一只过去表现出色的股票，并得出结论认为你应该对其应用趋势跟随模型，并设置极宽的止损。是的，也许是这样。你也应该在 80 年代买房地产。

这归结为所谓的十倍股的幻觉。趋势跟随股票的想法会帮助你乘坐那只

1, 000 %

股票。其实并不是。那不是趋势跟随。那是选择那些在过去表现极好的股票，并梦想着二十年前买入并从未卖出它们。

趋势跟随的语义

您可能会想，我们是否只是在斤斤计较。股票动量策略与趋势跟随。为什么使用不同的术语，为什么坚持认为趋势跟随在股票上不起作用？

原因在于这确实是一种非常不同的策略。如果你将趋势跟随的范围扩大到“购买任何赚钱的东西”，那么趋势跟随就是你能想到的每一种交易策略。趋势跟随，作为资产管理行业中使用的术语，传统上是为期货市场开发和使用的。它是关于买入正趋势和卖空负趋势，通常采用追踪止损或在趋势强度通过其他指标失效时退出。它需要一组广泛、多样化的市场才能运作。

随着时间的推移，它通常在任何单一资产类别上表现得相当糟糕。

有时你会看到专业资产管理者谈论股票的趋势跟随，甚至向你展示强劲的真实表现。通常，如果你仔细观察，你会发现他们所做的更像是动量策略，而不是趋势跟随。有时他们可能出于营销原因使用“趋势跟随”这个术语。这是一个更为人知的术语，且需要的解释更少。这样做没有错，只要他们的投资者理解自己在购买什么。但如果你想了解背后的原理，如何构建自己的策略，那么理解趋势跟随和系统性股票动量策略之间的区别是非常重要的。

动量效应

当一只股票上涨了一段时间后，它继续上涨的可能性大于反转的可能性。一只上涨速度快于其他股票的股票，可能会继续以更快的速度上涨。这本质上就是动量效应。

使动量效应令人放心的原因不仅在于它在过去表现良好，还在于它合乎逻辑。这是市场中的一种现象，不太可能消失，因为它是人性的一部分。每个人都喜欢赢家。

根据一些相当过时的学术理论，股票价格会立即对所有公开已知的信息进行调整，因此始终以公平价值定价。任何曾经买卖过股票的人都知道，这并不是事实。股票总是上下波动，解释它们为何在当时波动是非常困难的。回顾多年的牛市或熊市，通常很容易解释发生了什么以及为什么会这样。但在事情发生时，这要困难得多。即使在今天，当任何拥有电脑和互联网浏览器的人都能轻松获取金融信息时，事实仍然远非清晰。

在市场繁忙的一天里，只需阅读财经新闻作为示范。实际上，这有时会非常滑稽，尤其是当有一些更重要的新闻发布时。起初，市场在早上可能是

- 0.2 %

。新闻快讯更新为“因对美联储的担忧，市场下跌”。两个小时后，市场在

+ 0.2 %

，新闻快讯宣称“因对美联储的希望，市场积极”。公告最终发布，市场下跌至

- 0.5 %

。新闻告诉我们，市场因对美联储的失望而下跌。当市场最终收盘在

+ 0.5 %

时，新闻总结称市场因美联储的积极公告而反弹。

跟随这样的新闻可能会让人感到疯狂。在这个行业中，你需要有幽默感。在较短的时间尺度上，比如上面的例子，大多数人都能明显感受到这种脱节。市场实际上只是平稳，谁知道那项公告到底产生了什么影响（如果有的话）。但即使在更大范围内，较长时间段内，这种现象也很常见。如果你等得够久，能够享受到历史的回顾，你可能会找到一些更大价格波动的真实原因。然而，到那时已经为时已晚。寻找价格波动的原因变成了一种学术追求，几乎没有实际价值。

我当然不是在否定那些优秀的研究人员和基本面投资者。那些领域确实有一些非常有技能的人，他们做得很好。能够通过分析新闻、基本面和宏观因素在长期内赚钱的人非常有能力，通常也非常专业。不过，这种游戏有两个潜在的问题。首先，它需要相当大的研究努力。大量的阅读、批判性思维和分析。你需要深入挖掘公司报告和背景文件。有些人喜欢这样做，有些人则不喜欢。这绝对不是一个晚上的活动。

另一个问题是，成为一名熟练的基础研究人员往往意味着高度专业化。这可能是件好事，特别是如果你专注于一个成为新热门领域的方向。问题是，你可能专注于一个由于某种原因在几年内变成荒地的领域，那你就真的运气不好了。

这似乎重要的是找出股票波动的原因，但实际上这往往是徒劳且无利可图的努力。我们在这里并不是在寻找真相。归根结底，我们只是想要钱。任何能帮助我们赚钱的信息都是受欢迎的。事实证明，你并不需要太多信息。价格本身可能就是你所需要的一切。

动量投资是指购买正在上涨的股票。当价格上涨时，我们买入是期望股价继续上涨。

动量投资背后的理性

关于动量收益的原因已经有很多研究。证明动量效应有效，或者至少到目前为止有效，并不是很困难。解释其原因则要复杂得多。

在学术领域，关于该主题的第一篇有影响力的论文是在 60 年代发表的（Levy, 1967）。自那时以来，有一些有趣的研究确认了他们的发现并在此基础上进行了扩展。Jagadeesh 和 Titman（Jegadeesh & Titman, 1993）的一篇论文提出了两种关于动量投资为何有效的替代理论。

第一个理论是，投资者购买过去的赢家并出售过去的输家，这种交易暂时使价格偏离其长期价值，从而导致价格过度波动。

替代理论认为，市场对公司短期前景的信息反应不足，但对其长期前景的信息反应过度。

关于这个主题已经有很多争论，以及其他关于为什么赢家股票往往继续获胜的理论。可能的理论包括对共同因素的延迟股价反应，这一点贾加迪什和蒂特曼不同意。当然，还有赢家股票如何获得关注并吸引更多投资者的正反馈循环。然而，从纯粹的实用角度来看，你应该问自己这是否真的重要。如果你能证明动量效应的存在并且在过去产生了超额收益，那么它很可能会继续如此。推测其背后的原因可能是一个有趣的消遣，但这真的与你的交易相关吗？

有大量研究确认了动量效应，来自学术界和实践者的研究都表明这一点，并且表现良好的股票动量产品也不在少数。很难争辩动量投资无效。

当一只股票已经上涨了一段时间，它更有可能继续上涨，而不是那些最近表现不佳的股票。

一个关键点是，动量效应在熊市中实际上会有很大的不同。当我们经历牛市时

或者只是普通的无聊市场条件，动量效应运作良好。这是因为在正常和良好的市场环境中，股票可以相对独立地波动。人们更关注股票本身，而不是整体市场。

在熊市中，通常会有大量的市场层面因素。通常会有某种因素推动市场下跌，这将成为几乎所有股票的决定性因素。这可能是科技泡沫的崩溃、全球信贷危机、主权违约或其他重大事件。在熊市中，所有股票开始表现得相同。多样化变成了一种幻觉，所有股票在同一天内上下波动。在这种市场中，动量效应并不是很有帮助。

系统方法的优势

那么假设你到目前为止都和我在一起。我已经成功说服你动量投资是一个不错的选择。接下来的问题是如何进行。

一种方法是查看你所知道的股票，看看哪些股票似乎在上涨。购买那些上涨的股票，不要购买那些没有上涨的股票。显而易见的问题是，你所知道的股票可能并不是最有趣的股票。没有充分的理由假设你通常关注的股票是动量投资最合适的选择。你之前关注或交易过这些股票并不意味着什么。它们可能是最好的动量股票，但这并不太可能。

我们也可以采取图表分析的方法，逐一翻阅数百个图表。我们会查看每一个图表，看看它是否有积极的动量，筛选出看起来强劲的图表，并购买最强的图表。尽管我们通过这种方法扩大了视野，但效果仍然不理想。视觉查看图表涉及相当大的主观因素，这可能引入随机因素，结果可能朝任何方向波动。

让我们更进一步，使用一些技术分析指标。例如，我们可以说我们只考虑 50 日移动平均线的股票。

移动平均线高于 100 日移动平均线。这可能仍然留给许多股票可供选择，并且它并没有提供明确的指导来决定购买哪些股票。最终，即使这种方法也可能留下显著的自由裁量权，从而带来随机因素。

也许如果我们测量 50 日移动平均线和 100 日移动平均线之间的距离。通过这样做，我们将获得一个可量化的动量指标。我们甚至可以简化，只测量价格与移动平均线之间的距离。现在比较一大组股票的百分比距离，你就有了一个初步的排名方法。这不是一个很好的排名方法，但这是一个不错的开始。

鉴于我们想建立一个动量股票投资组合，我们可以从排名列表的顶部开始购买，直到我们满仓。虽然这有助于我们找到候选股票，但这只是整个方程的一部分。还有很多问题需要解决。你应该买入每只股票多少？你会持有这些股票多久？你什么时候更换一只股票？

排名方法很重要，但它仍然只是策略的一部分。排名方法是必要的，但如果没有完整的策略，你仍然会面临太多随机变量。如果你今天购买了最强的股票，那么如果下周或一个月后其他股票更强，会发生什么？你必须有一个计划，明确在什么情况下用更强的股票替换你的股票。

然后还有一个关键问题，就是你购买每只股票的数量。像将

5 %

的投资组合资本用于购买 20 股这样的懒惰方法是行不通的。这种简单的方法有许多缺点，最重要的是你的投资组合将受到你最不稳定的股票的影响。这是随机因素的另一个例子。

我之前提到过，在熊市中持有动量股票并不是一个好主意。这是一个容易说出的观点，但如何实施却不那么明确。你需要一个计划，来决定何时增加和减少整体投资组合的风险。何时购买动量股票，何时应避免购买它们。

如果你成功制定了一个涵盖所有这些因素的计划，那么你就拥有了一个真正的交易策略。最好的部分是，如果你正确地做到这一点，你将拥有一个可以进行历史测试的可量化策略。通过仔细的模拟，你可以测试过去哪些因素是重要的，并找出哪些有效，哪些无效。这个过程可以帮助设计一个稳健的交易方法论，这种方法论不仅很可能盈利，而且在长期内大幅超越股市。

本书的下一部分将为您提供这样一种方法论。这种方法论不仅在历史上经过验证，而且在许多年中也经过了实证检验。

市场状态过滤器

在这一章中，我展示了一些简单的趋势跟随交易模型，以及它们在股票上的表现为何不尽如人意。有一种非常简单的方法可以显著改善这些模型。这是一个非常简单明了的概念，我非常困惑为什么还有这么多人没有实施它。

在熊市中不要买股票，这非常简单。

在股票交易策略中，最重要的指标就是指数。有时，股票似乎是独立的，凭借自身的力量在波动，但这部分是错觉。几乎所有股票每天都受到市场整体状况的影响。即使是受到积极新闻和买入压力支持的动量股也会受到影响。在牛市中，大多数股票都会上涨。动量股的上涨幅度可能会超过其他股票，但大多数股票的走势是相同的。

在横盘市场环境中，一些股票上涨，一些股票下跌。如果你查看覆盖几个月的图表，指数可能看起来是横盘的，但在上涨的日子里，大多数股票表现稍好。动量股票在横盘市场中往往表现很好，只要波动性不过于剧烈。

在熊市中，似乎突然不再重要你拥有哪只股票。当整体市场指数下跌时，几乎所有股票都随之下跌。这只是程度的问题。如果你试图寻找 2008 年最强的股票，你会发现几乎不可能找到当时在上涨的股票。

当市场下跌时，突然一切都在下跌。之前看似独立的股票现在变成了被狗追逐的羊。

在熊市中，相关性迅速接近 1，似乎不再重要你选择了哪些股票。它们都在下跌。

如果你打算持有动量股票投资组合，或者其他任何股票投资组合，你始终需要关注当前的市场环境。

有很多方法可以衡量这一点。最终，选择哪种方法并不那么重要。判断市场是牛市、横盘市场还是熊市并不难。实际上，关键是要弄清楚我们是否处于熊市。横盘市场通常是交易动量策略的良好环境。

花太多时间思考你的具体方法是没有意义的。这是业余交易者常犯的错误，他们忘记了目标，专注于工具箱。想想你想要实现的目标，找到一个简单直接的方法来做到这一点。

在这种情况下，我们希望了解长期市场方向。这可以怎么做呢？你可以检查价格是否高于长期移动平均线。你可以测量过去一年的百分比变动。也许使用双重移动平均线或布林带。这不会有太大区别。关键是你需要有一个长期市场状态指标。

既然使用什么指标并不重要，只要它能够捕捉市场的长期趋势，我将采用一种非常简单的方法。这里没有必要让事情复杂化。

如果标准普尔 500 指数低于其 200 日移动平均线，我将宣布市场处于熊市。这是一个非常长期的过滤器。使用这样简单的方法，我们立即有了一个明确的方式来识别市场是否处于熊市趋势。几乎所有的股票投资组合策略都可以通过简单地添加这一条规则显著改善。如果指数处于熊市，就不要买股票。

图 615 标普 500 指数与 200 日移动平均线

在图 6-15 中，您将看到自 1980 年以来的标准普尔 500 指数及其 200 日移动平均线。这个图表显示，大多数时候，该指数高于这个长期平均水平。这并不令人惊讶。大多数时候，购买股票是个好主意。

观察这个相同的图形，你可能会注意到，指数多次跌破移动平均线，然后又迅速回升。人们不禁会想，是否有必要采取与我在这里建议的相反做法。为什么不在指数跌破移动平均线时买入呢？

这是一种完全不同的交易方式。这是一种更困难且风险更大的方式。如果你在 1987 年崩盘后立即买入，你会赚到很多钱，而且很快就能赚到。但如果你在 2000 年指数突破后买入，三年后你会发现自己只剩下了一半的钱。

不，我建议的风险要小得多。这里的移动平均线将用作市场状态的指标。它回答一个简单的问题。市场是在上涨吗？当价格高于移动平均线时，我们将宣称答案是肯定的。

请注意，在这里讨论的方法中，指数及其移动平均线对交易没有直接影响。它并不会告诉你何时买入或卖出。我们不会仅仅因为指数下跌到移动平均线以下就卖出。

但是，这里是重要的部分，当指数低于其长期移动平均线时，我们不允许任何新头寸。

在熊市中不要买股票

排名股票

当你面对大量可能的交易工具时，找到一个好的排名方法变得非常重要。如果你在查看标准普尔 500 指数的成分股，你不能随意挑选股票。好吧，本章表明也许你可以，但那是后面的故事。购买你熟悉的或在报纸上读到的股票更糟。甚至不要考虑浏览 500 个图表来寻找你喜欢的模式。这将使你受到视觉感知的支配，无论你多么努力保持一致，你很可能在不同的日子做出不同的判断。你的情绪、注意力持续时间和其他因素都会影响结果，你不会得到一致的结果。

您需要做的第一件事是弄清楚您想要捕捉什么。虽然本书的核心范围是关于动量的，但这些原则也可以用于其他风格。如果您喜欢本书及其所呈现的思想，这应该是一个很好的研究领域。

动量本质上是关于购买涨幅最大的股票。因此，我们只需根据股票的涨幅进行排名，对吧？好吧，尽管我支持简单的解决方案，但这可能有点过于简单。理解为什么会这样是很重要的。

采用一种在各种互联网网站上常见的排名方法。一种流行的方法似乎是根据价格与移动平均线之间的百分比差异进行排名。对于长期排名，这可能是当前价格与 200 日移动平均线之间的百分比差异。这种方法主要有两个问题。

首先，它根本没有考虑股票的正常波动性。这将导致选择非常高波动性的股票，对于这些股票来说，远离移动平均线并下跌是再正常不过的事情。

再次回落。第二，更重要的是，这种方法不关心我们是如何远高于移动平均线的。如果发生了一个巨大的事件，在一天内将价格大幅推高，比如潜在的收购，这将使股票排名靠前。

波动性非常重要。这个游戏不是关于谁在一年内获得最高的绝对回报，而是关于谁在每单位波动性上获得最多的回报。永远不要忘记，波动性是我们用来购买表现的货币。我们想要实现的是以尽可能少的波动性换取尽可能多的表现。仅仅关注回报而忽视风险，严格来说是赌博的领域，这不是我们在这里所做的。

这导致了一个显而易见的结论：我们需要找到以良好、有序的方式上涨的股票。我们希望找到不仅在时间上显示出显著收益，而且尽可能平稳上涨的股票。因此，我们的排名方法需要两个构建块。我们需要同时考虑动量和波动性。

首先，让我们找到一种好的方法来单独测量动量。这其实并不难，更多的是个人偏好。尽量避免常见的反应，即查看常用的技术分析工具。我发现许多业余交易者往往陷入一种思维方式，这种思维方式基于过去几十年出版的无数技术分析书籍。这些工具中的许多是在不同的时代为不同的目的而制作的。尝试从头开始，为自己的目的设计分析，而不使用常见的技术分析术语。即使你最终使用了类似的东西，至少这也是一个很好的练习。这将使你对这些方法有更深入的理解，而不是使用现成的技术分析指标。

我更喜欢我的分析基于合理的数学和逻辑，能够直观理解，并且如果需要的话最好容易可视化。你的选择方法可能与我不同，这没关系。重要的是你找到适合你目的的东西。如果你自己制定分析方法，一定要进行适当的模拟工作，以确保它确实能带来价值。

使用指数回归对股票进行排名我通常的股票排名方法对某些人来说可能显得过于复杂。实际上，一旦你掌握了基本的统计计算，这并不复杂。如果你觉得这一部分复杂，我的第一建议是花时间去理解其背后的逻辑。对于那些之前接触统计分析有限的人来说，公式和术语可能看起来比实际更复杂。相信我，这并不可怕。

如果你觉得这些概念太复杂，可以随意用你自己的方法替代。关注逻辑和我们想要实现的目标，找到更简单的方法来完成任务。我会尽力解释我使用的方法以及我为什么选择它们。

为了测量动量，我使用指数回归。这引出了两个显而易见的问题：什么是回归，为什么是指数的。在查看指数部分之前，您需要理解线性回归的概念。我不会过多涉及公式和细节，这个讨论将保持在一个粗略的层面。对于可能觉得这个解释过于简单的同行量化分析师，我深表歉意。

线性回归是一种在一系列数值上拟合直线的方法。这是一种寻找最佳拟合线的方法，在这种情况下是针对价格的时间序列。图 7-16 展示了一个例子，其中线性回归线已被拟合到价格序列上。请注意，这不是趋势线。趋势线是非常主观的，可以用多种不同的方式绘制。我们所讨论的是基于价格点计算的线性回归线。

图 7-16 显示了 90 年代末在微软上计算的线性回归线。线性回归公式将给出两个值，这些值是绘制这样的回归线所需的。首先，您可以计算截距，即开始绘制线的位置。然后，您有斜率，它告诉您每个连续数据点线应该向上或向下移动多少。得到的线是对价格数据的最佳线性拟合，或者说是误差最小的那条线。

斜率是我们真正感兴趣的，因为它告诉我们股票价格的方向。

对于每日数据，斜率将告诉我们这条线每天应该上升或下降多少美元和美分。毕竟，这个名字暗示着一条直线。因此，在每日价格序列上计算线性回归斜率与计算同一时间段内每天的平均上升或下降是相同的。

线性回归的斜率因此是股票速度或动量的衡量标准。然而，问题在于斜率以美元和美分表示。如果一只价格为

$ 10

的股票每天上涨两美元，这比一只价格为

$ 100

的股票每天上涨同样的两美元更为重要。

这就是使用指数回归的原因。线性回归的斜率以货币单位表示，而指数斜率以百分比表示。指数回归的斜率将告诉你线条上下移动的百分比，或者如果你愿意，可以表示每日的平均百分比变动。

显然，这个斜率数字通常会有很多小数，并且很难理解。大多数股票的斜率不会超过一个百分点，甚至连半个百分点都没有。毕竟，如果一只股票每天的斜率为一个百分点，这意味着它在一年内会移动超过

200 %

。相反，你最终会得到像 0.000435 这样的斜率，以及其他难以理解和关联的数字。解决这个问题的简单方法是将其年化。

如果你将斜率年化，你会得到一个数字，理论上告诉你如果股票继续以相同的角度，整整一年会获得多少收益。

并不是说你可以假设这会发生，因为它可能不会。这样做的原因只是为了得到一个更容易理解的数字。如果你看到指数回归的斜率是 0.0006，这很难理解，但如果你被告知这意味着每年

16 %

，那就更容易理解了。

图 716 线性回归线，微软

这个概念比数学更重要，但让我们简要看看这个

16 %

数字是如何得出的。首先，我们计算了股票的指数回归斜率。这可以使用大多数标准图表软件或像 Excel 这样的电子表格应用程序来完成。

在这个假设的情况下，指数斜率最终为 0.0006。这意味着在一个平均的交易日，股票每天上涨

0.06 %

。假设一年有 250 个交易日，将其年化非常简单。

1.16178 = (1 + 0.0006)^{30}

简单的财务数学告诉我们，

0.06 %

在 250 天内复利后，最终将在一年内达到大约

16 %

。现在这个数字更容易理解。

以百分比来思考比以美元和分来思考要有帮助得多。毕竟，知道股票 XYZ 在过去一周上涨了

$ 30

并没有太大用处。没有上下文，这实际上没有任何意义。然而，如果同一只股票上周上涨了

30 %

，那么这就必须是重要的。

如前所述，使用年化指数回归斜率的这个方法有一个 neat 的部分，就是它直观易懂。我们可以看到当前斜率代表每年的百分比。重要的是要记住，我们并不真正期望这种回报会实现。

可能会小得多或大得多。它所做的是将最近的过去放入一个我们可以理解的视角中。

在本书中，我们正在寻找中期动量排名。回归计算都是基于过去 90 个交易日进行的。这使得时间段合理，而无需进行优化。

当下方面板中的线在零以上时，股票正在上涨，否则它正在下跌。数字越高，动量越强。

如果我们现在计算所有我们考虑的股票的指数回归斜率，将数字年化并根据结果值进行排序，我们就得到了一个相当不错的排名方法。虽然不是完美的，但相当不错。

图 717 埃塞克斯房地产信托，年化经验回归斜率

错误：未找到参考源，显示埃塞克斯房地产信托，底部图表为年化指数回归斜率。请注意刻度上的零水平。

具有最高斜率的股票将位于列表顶部。上涨越强劲，排名越高。这是一个纯粹的动量排名。

我们排名方法还有一个小问题。仅使用年化指数回归进行排名意味着我们不关心拟合。如果例如一只股票在一段时间内横盘整理，

几个月后，突然让某一天的价格上升

50 %

，然后又继续横盘，这真的会影响我们的排名。你说这不可能？一点也不。这是宣布即将收购的股票的正常行为。价格迅速接近收购价，然后失去所有波动，横盘直到交易完成。这不是我们想要买入的情况。你可能能想象更多奇怪的情况会发生。

我们不想选择刚刚大幅上涨的股票。我们希望获得尽可能平稳的股票。最好是在我们购买后，这些股票也能继续平稳上升。我们在寻找真正的动量股票，而不是那些刚刚出现疯狂波动的股票。

细心的读者已经注意到几段前提到的关于解决方案的暗示。这里的关键字是“拟合”。由于我们使用回归数学，有一种非常好的方法来衡量我们的价格数据与回归线的拟合程度。它被称为决定系数，通常用

R^{2}

表示。

R^{2}

告诉你价格序列与回归线的拟合程度。如果你有一堆随机的价格点分布在各处，你仍然可以计算出一条回归线。结果当然是无意义的，因为这些点之间没有联系。没有实际的斜率可以预测。在这种情况下，

R^{2}

将接近于零。

如果另一方面真实数据几乎已经是一条完全的直线，我们将得到相反的结果。如果我们基于几乎完美上升的价格数据计算回归斜率，我们可以预期得到接近 1 的

R^{2}

读数。

零是

R^{2}

的最小值，而一是最大值。值为一意味着数据与线完全吻合，

R^{2}

越低，回归线的拟合效果越差。再次提醒，理解逻辑远比知道所有公式重要。

现在是今天的测验。考虑到我们现在掌握的两个数值，我们如何能做出更好的排名？我们得到了年化的

股票的斜率，我们得到了一个介于 0 和 1 之间的数字，告诉我们这条线与现实的契合程度。

是的，没错。我们就把这些数相乘，看看结果如何。如果回归线的拟合度低，我们就会降低这个数字。如果拟合度高，它就不会被大幅降低。这意味着我们在回归斜率中测量纯动量，然后根据波动性进行惩罚。波动性越高，惩罚就越严重。

你会发现，在大多数情况下，排名列表看起来非常相似。不同之处在于，适应度极端的股票，无论好坏，排名会发生较大变化。最大的影响是，在巨大波动下取得显著收益的股票会被推到列表的底部，远到足以不再是现实候选者。这正是我们希望通过使用

R^{2}

适应度方法来实现的。

图 7-18 显示了中间面板中的年化指数回归斜率。这是纯动量，年化回归斜率。底部面板是拟合度，决定系数。最后，您可以看到这两个相乘。

注意当波动性增加时，

R^{2}

会迅速下降。当价格以相对平滑的趋势移动时，如图 718 中间所示，

R^{2}

将保持相当高。在这种情况下，动量排名不会受到太大惩罚。另一方面，当价格改变方向或变得不稳定时，

R^{2}

将下降，从而拉低调整后的排名。

通过这种方式，我们的动量排名将结合动量（以回归斜率的形式）和质量测量（以

R^{2}

为标准）。将指数回归斜率乘以决定系数

(R^{2})

，你就有了一个相当好的基础来对股票进行排名。

图 718 回归斜率和拟合，国际快递公司

尽管 Excel 并不是进行所有这些排名计算的实用环境，但在电子表格应用程序中手动执行一次可能仍然有用。使用 Excel 自动化这些表格并不实用，但它可以帮助更好地理解逻辑。

图 7-19 演示了如何在 Excel 中计算调整后的斜率。这是我们将用于对所有股票进行排名的数字，适用于这个动量策略。它的作用只是从价格生成一个对数序列，并在其上应用标准回归公式。没有其他。

第一列显示自时间序列开始以来的天数。第二列是日期，第三列是价格。到目前为止，没有实际的计算。

在 D 列中，计算价格的自然对数。这是我们进行指数回归计算的基础。E 列是一个标准的 Excel SLOPE(公式，用于计算对数系列的回归斜率。

要在 F 列得出年化收益率，我们需要通过应用

Exp ()

函数将斜率转换回来。这给了我们斜率的每日百分比变化。现在将其年化，方法是将其提高到 250 个交易日的幂，这样就得到了你的百分比。

计算

R^{2}

使用

RSQ (

函数，乘以斜率，完成。

这将导致您所选范围内所有股票的列表，按调整后的斜率排名。在这种情况下，范围是标准普尔 500 指数的股票。在表 7-6 中，您将看到截至撰写本文时标准普尔 500 指数前 30 只股票的排名。当然，实际的顶级股票会不断变化，因此您阅读时这个列表可能已经过时。

图 719 Excel 中的回归逻辑

表 76 顶级股票排名

排名代码	名称	部门	调整坡度	ATR 目标 V	重量
1 SPLS	斯台普斯公司	消费品	257.94	0.7	$2.40 %$
2 个	电子艺界公司	信息技术	240.75	1.53	$3.60 %$
3 MAC	Macerich $C_{0}$	财务	177.92	1.59	$5.50 %$
4 WFM	全食超市公司	消费品	174.24	1.2	$4.40 %$
5 WHR	惠而浦公司	消费品	156.52	5.14	$4.00 %$
6 AVGO	艾华科技有限公司	信息技术	147.28	3.66	$2.90 %$
7 低	洛威公司	消费品	144.55	1.44	$5.00 %$
8 KR	克罗格公司	消费品	143.62	1.05	$6.80 %$
9 KMX	Carmax Inc	消费品	138.51	1.42	$4.60 %$
10 LUV	西南航空公司	工业	137.14	1.53	$2.90 %$
11 GLW	康宁公司	信息技术	132.43	0.58	$4.30 %$
12 HSP	霍斯比拉公司	医疗保健	130.84	2.14	$4.10 %$
13 GGP	通用增长地产公司	财务	126	0.54	$5.50 %$
14 SHW	舍温-威廉姆斯公司	材料	124.95	4.83	$5.80 %$
15 PCG	PG&E 公司	公用事业	120.13	1.13	$5.00 %$
16 STZ	康斯特 ellation 品牌公司	消费品	116.21	2.03	$5.60 %$
17 磅	L 品牌公司	消费品	115.18	2.03	$4.60 %$
18 DAL	达美航空公司	工业	113.5	1.67	$2.70 %$
19 MHK	莫霍克工业公司	消费品	108.91	3.68	$4.60 %$
20 DLTR	美元树公司	消费品	106.75	1.69	$4.50 %$
22 NOC	诺斯罗普·格鲁曼公司	工业	106.64	3.02	$5.50 %$
23 SCG	SCANA 公司	公用事业	103.42	1.16	$5.30 %$
24 PNW	顶峰西部资本公司	公用事业	101.75	1.25	$5.40 %$
25 HCN	健康护理房地产投资信托公司	财务	100.14	1.49	$5.20 %$
26 TGT	塔吉特公司	消费品	99.44	1.6	$4.80 %$
27 见	密封空气公司	材料	95.83	1.13	$4.00 %$
28 BXP	波士顿地产公司	财务	94.8	2.26	$6.30 %$
29 DRI	达登餐饮公司	消费品	93.55	1.08	$5.70 %$
30 PDCO	帕特森公司	医疗保健	93.36	0.9	$5.50 %$

| Rank Ticker | Name | Sector | Adjusted Slope | ATR Target V | Weight | | :---: | :---: | :---: | :---: | :---: | :---: | | 1 SPLS | Staples Inc | Consumer Discretionary | 257.94 | 0.7 | $2.40 \%$ | | 2 EA | Electronic Arts Inc | Information Technology | 240.75 | 1.53 | $3.60 \%$ | | 3 MAC | Macerich $\mathrm{C}_{0}$ | Financials | 177.92 | 1.59 | $5.50 \%$ | | 4 WFM | Whole Foods Market Inc | Consumer Staples | 174.24 | 1.2 | $4.40 \%$ | | 5 WHR | Whirlpool Corp | Consumer Discretionary | 156.52 | 5.14 | $4.00 \%$ | | 6 AVGO | Avago Technologies Ltd | Information Technology | 147.28 | 3.66 | $2.90 \%$ | | 7 LOW | Lowe's Companies Inc | Consumer Discretionary | 144.55 | 1.44 | $5.00 \%$ | | 8 KR | Kroger Co | Consumer Staples | 143.62 | 1.05 | $6.80 \%$ | | 9 KMX | Carmax Inc | Consumer Discretionary | 138.51 | 1.42 | $4.60 \%$ | | 10 LUV | Southwest Airlines Co | Industrials | 137.14 | 1.53 | $2.90 \%$ | | 11 GLW | Corning Inc | Information Technology | 132.43 | 0.58 | $4.30 \%$ | | 12 HSP | Hospira Inc | Health Care | 130.84 | 2.14 | $4.10 \%$ | | 13 GGP | General Growth Properties Inc | Financials | 126 | 0.54 | $5.50 \%$ | | 14 SHW | Sherwin-Williams Co | Materials | 124.95 | 4.83 | $5.80 \%$ | | 15 PCG | PG&E Corp | Utilities | 120.13 | 1.13 | $5.00 \%$ | | 16 STZ | Constellation Brands Inc | Consumer Staples | 116.21 | 2.03 | $5.60 \%$ | | 17 LB | L Brands Inc | Consumer Discretionary | 115.18 | 2.03 | $4.60 \%$ | | 18 DAL | Delta Air Lines Inc | Industrials | 113.5 | 1.67 | $2.70 \%$ | | 19 MHK | Mohawk Industries Inc | Consumer Discretionary | 108.91 | 3.68 | $4.60 \%$ | | 20 DLTR | Dollar Tree Inc | Consumer Discretionary | 106.75 | 1.69 | $4.50 \%$ | | 22 NOC | Northrop Grumman Corp | Industrials | 106.64 | 3.02 | $5.50 \%$ | | 23 SCG | SCANA Corp | Utilities | 103.42 | 1.16 | $5.30 \%$ | | 24 PNW | Pinnacle West Capital Corp | Utilities | 101.75 | 1.25 | $5.40 \%$ | | 25 HCN | Health Care REIT Inc | Financials | 100.14 | 1.49 | $5.20 \%$ | | 26 TGT | Target Corp | Consumer Discretionary | 99.44 | 1.6 | $4.80 \%$ | | 27 SEE | Sealed Air Corp | Materials | 95.83 | 1.13 | $4.00 \%$ | | 28 BXP | Boston Properties Inc | Financials | 94.8 | 2.26 | $6.30 \%$ | | 29 DRI | Darden Restaurants Inc | Consumer Discretionary | 93.55 | 1.08 | $5.70 \%$ | | 30 PDCO | Patterson Companies Inc | Health Care | 93.36 | 0.9 | $5.50 \%$ |

关键列是最后三列。调整后的斜率只是年化指数回归斜率乘以

R^{2}

。下一列是 ATR 读数，在这种情况下基于 20 天的周期。最后是对股票目标权重的计算，如果它被纳入您的投资组合。这是一个非常简单但仍然非常重要的计算，详细内容将在处理头寸大小的章节中介绍。

那么你如何从中构建一个投资组合呢？这真的很简单。

从列表顶部开始购买，直到现金用完。这就是你建立初始投资组合的方法。根据当前的列表，我们将能够在现金用完之前购买前 23 只股票。头寸大小是

计算以接近风险平价，即将相同的风险分配给每个头寸。由于每只股票的波动性不同，这意味着需要为每只股票分配不同数量的现金。关于这一点将在后面的章节中详细讨论。

仅仅选择顶级股票听起来很冒险，有人可能会指出。如果我们得到 25 只生物技术股票呢？好吧，如果你真的对此感到担忧，你可能想要添加一个行业上限。但你应该知道，类似如此极端的投资组合在模拟中或我自己用真实资金管理此类投资组合的经验中从未出现过。图 7-20 显示了截至 2015 年 2 月的这种方法的行业配置。它肯定不是一个指数投资组合，但也没有什么奇怪的。事实上，这非常合乎逻辑。没有能源股票，因为该行业在过去半年多的时间里遭受了严重打击。没有电信股票，因为该行业已经沉寂了比任何人能记得的时间还要久。它在可选消费品和日用消费品这两个行业上超配，这两个行业在此时表现得非常好。

图 720 部门分配，样本初始投资组合

总的来说，这是一份熟练的基本面分析师可能构建的投资组合。这是我完全可以接受的投资组合，不会因此而失眠。

上述的排名方法单独使用效果很好。然而，我更倾向于增加两个标准来考虑一只股票。这两个标准非常简单且合乎逻辑。

首先，股票必须在其 100 日移动平均线之上交易，才能被视为买入候选。如果不是，这实际上就不是一个动量情况。在正常市场中，任何接近动量排名顶部的股票都会远高于其 100 日移动平均线。这个规则确保你不会因为没有可用的上涨股票而购买那些横盘或下跌的股票。否则，这种情况可能会在熊市中出现，尤其是在市场刚刚从牛市转向熊市时。因此，任何在 100 日移动平均线以下交易的股票都不合格。

其次，缺口让我感到紧张。如果在过去 90 天内有任何超过

15 %

的波动，该股票也会被取消资格。如果包括这些情况，就有可能得到并不是真正动量情况的股票。短期冲击可能导致股票大幅波动，有时甚至足以将波动调整后的动量排名推得很高。我们想要的是长期发展，而不是突发缺口。

排名方法如下：

年化 90 天指数回归，乘以决定系数。
仅考虑高于 100 日移动平均线的股票。
取消任何在过去 90 天内波动超过 $15 %$ 的股票资格。

头寸大小

所以你已经决定买哪只股票。这是朝着正确方向迈出的好一步。但现在你面临一个非常重要但常常被忽视的决定。你持仓的大小以及它随时间的变化可能会产生巨大的影响。

当谈到头寸大小时，您需要记住，我们不是在分配资金，而是在分配风险。这是理解头寸大小的关键。使用的现金量并不是一个关键因素。当涉及到现金工具如股票时，这可能是一个限制因素，因为您需要全额支付这些工具，而杠杆成本很高。然而，在头寸大小方面，这并不是一个指导因素。

理解为什么以现金分配的方式思考是个坏主意是很重要的。这是一个非常常见的错误，不仅大多数零售交易者和投资者会犯这个错误，许多基金和资产管理者也会犯。使用这种方法很有吸引力，因为它非常简单。

一个经典的方法是目标持有 20 只股票在你的投资组合中，并简单地购买每只

5 %

。持有大约 20 只股票似乎是实现合理多样化的一个好数字，从表面上看，这个想法可能看起来是个好计划。问题在于，这会给你的风险引入一个随机变量，并使你的投资组合倾向于最波动的股票。

如果你所有的股票波动性大致相同，那么这种等权重的方法应该可以很好地运作。然而，现实中情况不太可能如此。一些股票每天的涨跌幅往往在百分之零点五左右，而其他股票的日均波动幅度则超过

2 %

。如果将这些股票组合在同一个投资组合中，并分配相等的金额，

现金，你让波动性股票掌控局面。你投资组合的整体利润或收益将高度依赖于少数波动性股票，而低波动性股票的表现则不会太重要。

让我们创建一个真实的动量股票投资组合，看看使用现金分配方法和风险分配方法时组成会有什么不同。以下股票截至撰写时是标准普尔 500 指数中一些表现最好的动量股票。等到这篇文章印刷出来时，这些信息当然会非常过时。在第一个投资组合版本中，我们使用传统的方法将相同金额的现金分配给每只股票。我们对每一只股票花费相同的金额，完全不考虑波动性。

表 87 简单等权重投资组合

股票代码	名称	部门	等权重
SPLS	斯台普斯公司	消费品	$5 %$
EA	电子艺界公司	信息技术	$5 %$
MAC	梅西里奇公司	财务	$5 %$
WFM	全食超市公司	消费品	$5 %$
WHR	惠而浦公司	消费品	$5 %$
KMX	Carmax Inc	消费品	$5 %$
DAL	达美航空公司	工业	$5 %$
LUV	西南航空公司	工业	$5 %$
KR	克罗格公司	消费品	$5 %$
LB	L 品牌公司	消费品	$5 %$
DLTR	美元树公司	消费品	$5 %$
HSP	霍斯比拉公司	医疗保健	$5 %$
STZ	康斯特 ellation 品牌公司	消费品	$5 %$
LEG	乐吉特与普拉特公司	消费品	$5 %$
TGT	塔吉特公司	消费品	$5 %$
VTR	销售公司	财务	$5 %$
CELG	Celgene 公司	医疗保健	$5 %$
ROST	罗斯商店公司	消费品	$5 %$
PDCO	帕特森公司	医疗保健	$5 %$
MNST	怪兽饮料公司	消费品	$5 %$
			$5 %$

这似乎是一个平衡良好的投资组合，涵盖了许多知名公司，分散在多个行业。某些行业缺失是有充分理由的。例如，自 2014 年中期原油价格开始暴跌以来，能源行业表现非常不佳。公用事业和电信股票也没有，因为这些行业已经不再受欢迎，材料行业也是如此。

请注意，这里的行业组成并非出于设计。对此没有做出任何自由裁量的决定。投资组合仅仅是通过在特定日期选择表现最佳的动量股票构建的。

所选股票在当时构成了一个良好的动量投资组合。它们是根据有效的动量标准选择的。然而，权重可以改进。这些股票中的一些波动性远高于其他股票。如果我们对每只股票分配相等的资金，我们将得到一个主要受这些更具波动性的股票影响的投资组合。在任何正常的市场日，投资组合主要会受到这些股票的影响，而不是其他股票的影响。通过分配相等的名义权重，我们创建了一个非常不平衡的投资组合。

解决这个问题其实很简单。这是一种通常被称为风险平价配置的方法。通过观察每只股票的波动性，我们可以根据这一点来调整每个头寸的大小。这个想法是购买波动性较大的股票的小头寸，以便每只股票在理论上对投资组合的底线产生相等的影响。

表 8-8 显示了如果考虑波动性，权重将是什么样子。请注意，所有计算都是基于撰写时的市场数据。因此，当您阅读此内容时，这些数字已经过时。

表 88 风险平价规模投资组合

股票代码	名称	部门	风险平价权重
SPLS	斯台普斯公司	消费品	$4 %$
EA	电子艺界公司	信息技术	$4 %$
MAC	梅西里奇公司	财务	$6 %$
WFM	全食超市公司	消费品	$5 %$
WHR	惠而浦公司	消费品	$5 %$
KMX	Carmax Inc	消费品	$5 %$
DAL	达美航空公司	工业	$3 %$
LUV	西南航空公司	工业	$3 %$
KR	克罗格公司	消费品	$8 %$
LB	L 品牌公司	消费品	$5 %$
DLTR	美元树公司	消费品	$5 %$
HSP	霍斯比拉公司	医疗保健	$6 %$
STZ	康斯特 ellation 品牌公司	消费品	$6 %$
LEG	乐吉特与普拉特公司	消费品	$5 %$
TGT	塔吉特公司	消费品	$5 %$
VTR	销售公司	财务	$7 %$
CELG	Celgene 公司	医疗保健	$5 %$
ROST	罗斯商店公司	消费品	$5 %$
PDCO	帕特森公司	医疗保健	$5 %$
MNST	怪兽饮料公司	消费品	$5 %$
			$5 %$

如您所见，风险平价基础的规模差异相当大。最小的股票权重仅为

3.1 %

，而最大的则为

7.6 %

。这反映出西南航空的波动性远高于克罗格。我们不想仅仅因为 LUV 的波动性更大而购买更多的风险。购买这两只股票相等的金额没有任何意义，除非您真的想在航空公司承担更大的风险。

在投资策略如股票动量的头寸规模方面，具体细节并不是最重要的。关键不在于你是买

3.4 %

还是

3.6 %

的 Celgene。重要的是这个概念，以及实施得大致正确。如果你理解背后的原因，

将相同金额的现金分配给所有股票是个坏主意，这样你在解决头寸大小问题上已经走了很长一段路。一个股票中的一美元与下一个股票中的一美元风险并不相同，每只股票的正常波动性需要考虑在内。

表 8-8 中使用的方法非常简单，任何人都可以轻松实施。行业专业人士使用的方法要复杂得多，但边际价值并不高。对于那些已经拥有昂贵工具的人来说，使用复杂的方法很简单，也没有坏处。但风险平价规模的主要好处可以通过这里的简单公式获得。

Shares = \frac{AccountValue * RiskFactor}{ATR}

在这个公式中，ATR 代表平均真实波幅。它是衡量一个工具在平均一天内上下波动幅度的常用指标。真实波幅是当天最高点与最低点之间的最大值或与前一天的波动。ATR 因此只是过去若干天这些数据的平均值。使用多少天取决于个人偏好和目的，并不是特别重要。我在表 8-8 的计算中使用了 20 天。ATR 可以很容易地计算出来，甚至在大多数金融软件应用中自动找到。

风险因子是一个任意数字，用于设定股票的目标每日影响。如果将这个数字设定为 0.001，那么你就将目标设定为投资组合的每日影响为

0.1 %

，即 10 个基点。当然，这假设平均真实波动范围（ATR）保持在最近的相似水平。

您设定的风险因素越低，股票的持仓规模就会越小。在构建股票投资组合的背景下，这一点很明显。风险因素越低，您获得的股票数量就会越多。这是因为我们会持续购买，直到现金用完，而较低的风险因素意味着每只股票消耗的现金会更少。

因此，随着我们降低风险因素，分散投资将会增加。请记住，在股票市场中，分散投资只能在一定程度上帮助您。

持有十只股票而不是五只股票在多样化方面有明显的优势，但持有四十只股票而不是三十只股票是否有价值则值得怀疑。

作为使用这种方法计算头寸大小的示例，让我们来看一下 Monster Beverages。图 8-21 显示了该公司的价格图表以及底部的 20 日 ATR。如果我们要购买这只股票，可以使用最新的 ATR 读数作为我们的头寸大小公式。最后的读数是 3.26，这意味着在过去 20 天中，这只股票的日均波动范围为 3.26 美元。在一个平均的交易日，这就是这只股票的波动幅度。一个合理的风险因素可能是 10 个基点，或

0.1 %

。请记住，这个数字是任意的，较高的数字意味着较少的股票和更大的头寸。

假设我们的整个交易账户价值

$ 100, 000

。那么我们买多少股 Monster？

\frac{100, 000 * 0.001}{3.26} = 30 Shares

这个方程式中的分子是我们目标的每日影响。100,000 乘以 0.001 等于 100。这是一个重要的数字。我们通过这个公式想要实现的是我们投资组合中的每只股票平均每天波动 100 美元，无论是上涨还是下跌。金额

$ 100

是我们投资组合的 10 个基点，这就是我们希望每个投资组合每天对投资组合产生的影响。

图 821 怪兽饮料，20 日平均真实波幅

由于该股票每天的波动范围通常为

$ 3.26

，因此我们需要将目标波动与该股票的平均每日波动进行划分。将 100 除以 3.26，得到 30.67。我们将其向下取整，购买 30 股。

当前股价为 118.93，因此购买 30 股将花费

$ 3, 567.90

。这意味着该头寸的投资组合权重将是

$ 3, 567.90

除以

$ 100, 000

，这当然是

3.57 %

。

始终记住，在分配头寸大小时，我们是在分配风险而不是现金。我们会考虑股票的波动性，并根据此设定头寸大小。让现金分配随其自然。

头寸再平衡

这是一个非常重要的话题。如果你来自机构界，你会觉得这太显而易见了，以至于根本不需要提及，更不用说单独有一个部分了。毕竟，这是一件大多数行业人士在某些时间间隔内定期进行的事情。自然，你需要进行再平衡，否则你会变得失衡。

如果你没有在机构资产管理工作过，这可能是一些新的内容，可能会对你的长期结果产生重大影响。再平衡是关于你如何随着时间的推移改变你的头寸大小。不是的，我不是指你在成功时如何加倍头寸，或者在亏损时如何加倍下注。这些活动严格来说是赌博。

再平衡是指调整你的头寸大小，以使其回到你最初设定的水平。

记得我在上一节中解释过，当你确定头寸时，你分配的是风险而不是现金吗？风险是会随着时间变化的。这不是一个非常静态的因素。

要真正理解再平衡，您必须首先充分理解基于波动性的头寸规模。虽然这个概念有不同的变体，但我们将使用之前提出的基于 ATR 的公式，因为它能很好地完成任务，并且非常容易实施，无需昂贵的风险工具。

然而，有一个明显的问题。太多人忽视了这一点。细心的读者应该已经在图 8-21 中发现了这个问题。你看到了吗？

显而易见的问题是波动性不是静态的。对于 Monster 饮料来说，2014 年大部分时间的平均真实波幅（ATR）在

$ 1.5

附近波动，直到 8 月突然大幅跃升至

$ 3.8

。然后它回落到大约

$ 2

，之后缓慢上升到略高于

$ 3

。

如果我们在 2014 年 7 月购买了这只股票，我们的计算结果将与 2015 年初购买时非常不同。使用 2014 年 7 月的数据，以及相同的初始投资组合规模，我们将得到以下计算结果。

\frac{100, 000 * 0.001}{1.56} = 64 Shares

是的，如果我们在七月买入，我们本可以购买超过两倍的股票。最初的理论风险大致相同。随着股价的波动，我们的持仓风险变化相当剧烈。如果我们将这些股票持有到 2015 年初，我们现在的风险水平将超过我们试图目标的两倍。现在我们的平均每日影响将超过 20 个基点，而我们曾试图目标 10 个基点。

然后这个方程中还有一个非静态变量，即总投资组合价值。这不仅受到此的表现影响

随着时间的推移，职位的表现也受到其他职位表现的影响。此外，如果您为他人管理资金，或者自己增加或减少投资组合，还会影响投资组合的潜在流入和流出。

即使您的头寸没有发生变化，风险仍然可能会改变。例如，如果您投资组合中的其他头寸取得了巨大的成功，获得了丰厚的收益，那么您静态头寸的风险配置将会远低于应有的水平。投资组合的价值因其他股票的表现而上升，现在您所有的头寸规模计算都不准确了。

当然，如果其他头寸也在经历大幅亏损，情况也是如此。正如你所看到的，头寸规模必须从动态的角度来看待。这不是一种可以一劳永逸的解决方案。

这意味着您的头寸规模需要定期审查和重新平衡。您需要改变头寸规模，以便保持不变。为了使大致的风险分配保持不变，您需要不断改变您拥有的股票数量。

回到图 8-21 中的怪物图表，如果我们在七月买入股票，我们绝对需要在八月调整规模。在这种情况下，我们需要卖出相当多的股票。也许此时有人在问“让利润奔跑”。毕竟，这是一句常见的表达，意思是你永远不应该卖出盈利的头寸。好吧，这些口号在一开始就毫无用处。现实生活并不简单到可以归结为几句简洁的名言。

在这里，我们让头寸保持不变，但让风险分配失控是既不理智又不负责任的。专业人士调整他们的头寸是有原因的。

建议定期重新平衡所有头寸规模。对于长期投资策略，如股票动量投资组合，双周或每月一次的频率就足够了。通常没有必要每天进行此操作，因为这会大大增加交易量和交易成本。

为了减少交易量，您可以设置一个过滤器，以确定目标风险与当前风险之间的差异必须有多大，才能进行再平衡操作。这将防止您在每个再平衡日进行过多的小额交易。

您可能还想在股票出现异常波动时立即触发再平衡。在 Monster Beverage 的例子中，这样的事件是在 2014 年 8 月中旬价格的剧烈上涨，如图 8-21 所示。

何时出售

我敢打赌你在想止损逻辑。它基于什么，距离有多远，止损订单是在市场中下的还是在收盘价触发的。

抱歉让你失望了。这里没有止损。

某些类型的交易策略需要使用止损单，而其他类型则不需要。动量股票投资组合不需要这个。实际上，对于这种类型的策略，使用止损逻辑很可能会产生不利影响。还有更好的方法来决定何时剔除一只股票。

趋势跟随者通常使用追踪止损。这意味着只要价格没有下跌到一定距离，你就会保持在这个头寸中。这是某些类型策略的有效退出方法。始终记住事物的基本逻辑。陷入关于如何让利润增长、止损、让趋势成为你的朋友直到它转变等老生常谈是一个非常常见的陷阱。不要被这些口号束缚。事实是，这些事情有时可能是对的，有时又不是。你需要的是运用常识和批判性思维，而不是脱离上下文的老引用。你可以引用我说的这句话。

如果我们根据章节中提出的排名概念构建一个投资组合，然后采用追踪止损逻辑，我们将面临一个非常明显的问题。一只股票可能会永远横盘，而我们仍然会持有它。考虑到我们在交易股票时面临的现金有限的问题，这确实是一个值得关注的事项。

即使股票持续上涨，也许还有其他股票上涨得更多。一个追踪止损不会因为该股票表现不如同行而将其剔除。过一段时间后，我们最终会拥有一个陈旧且表现不佳的投资组合。

记得我们最初是如何组合投资组合的吗？它是基于我们覆盖的宇宙中表现最好的股票。如果我们根据相同的逻辑来制定退出标准，难道不是更有意义吗？

这将我们带入一个非常重要的话题：投资组合再平衡。

投资组合再平衡

在上一章中，我描述了头寸再平衡的重要性。这涉及到重新计算所有头寸的大小，并确保它们仍然具有与启动时相同的风险分配。随着波动性的变化，头寸大小需要定期调整以保持一致。

在投资组合层面，您需要定期执行类似的任务。这涉及检查您持有的股票是否满足继续留在您投资组合中的标准。

记得我们在章节中查看的排名表吗？这些表将显示基于那里描述的调整斜率概念的当前顶级股票。通过对这些股票进行斜率排序，您将为每只股票获得一个排名，最好的股票排名为 1，斜率越差排名越高。

任何给定股票的确切排名会每天变化，因此一旦我们购买了股票，就必须给它一些余地。例如，如果我们持有大约 20 只股票的投资组合，并要求一只股票必须保持在前 30 名，这将意味着过多的交易活动，我们将不断出售完全正常的动量股票。

然而，我们可以说，当我们进行投资组合再平衡时，投资组合中的每只股票必须位于标准普尔 500 指数中前

20 %

，或者您所选择的投资范围内，才能继续留在投资组合中。

确切的截止点可能会有所不同。如果你有一个非常广泛的股票范围，例如标准普尔 1500 指数，那么你可以设定一个较低的截止点。你可以要求股票位于前

10 %

或甚至

5 %

。关键在于逻辑。我们不是设定止损水平，而是只要股票仍然是可用的最强股票之一，就继续持有。

但如果所有股票都在下跌呢？是的，这确实是一个真实的担忧。因此，我们还必须有另一个标准。一个安全保障。让我们保持简单，只需添加一个趋势指标。

如果我们的股票不再是投资范围内前

20 %

名，或者其交易价格低于 100 日移动平均线，就将其剔除出投资组合。

这样的简单退出标准实际上是相当足够的，效果也很好。无需使用追踪止损或类似的措施。

投资组合再平衡的第二个任务是弄清楚在卖出股票后该如何处理现金。也许一只股票刚刚跌出了前

20 %

，或者跌破了其 100 日移动平均线。我们卖掉它，手里就剩下一堆现金。接下来该怎么办？

循环只是重复。首先检查市场状态过滤器。指数是否在其 200 日移动平均线之上交易？如果没有，你就不能买入。是的，这意味着你有一个自动的减仓规模。这是整个策略的关键部分。如果指数跌破其趋势过滤器，当股票被卖出时我们不再替换股票。我们不会仅仅因为指数变得看跌而卖出，但我们也不会买入新股票。这将导致一个缓慢而有序的减仓过程。

如果指数水平全部为绿色，我们会再次检查排行榜。使用第章中显示的调整斜率概念，制作一张新的热门动量股票表。从列表中挑选出顶级股票。购买列表中我们尚未拥有的最高排名股票，直到现金用完为止。

不需要任何自由裁量的决定。你永远不必停下来思考该做什么。规则非常明确，这有助于你在长期内表现出色。

投资组合再平衡应该比头寸再平衡更频繁。例如，您可以每周进行一次投资组合再平衡，寻找要出售和替换的股票，然后每月只进行一次或两次头寸规模再平衡。

完整的动量交易策略

现在我们已经讨论了构建真实策略所需的基本要素，我们准备制定一套稳固的规则。拥有严格的交易规则带来了巨大的优势。你将始终有一套明确的行动方案。你的决策将不会基于随机性或当天的情绪。在市场出现困扰时，你将有一个现成的计划，你知道这个计划在过去是有效的。

当你有一套稳固的规则时，你会更放松。如果你知道你的确切规则在过去经过验证并且效果很好，那么对你的交易方法就会更有信心。你不必每天查看你的股票，也不必在压力下做决定。

使用之前描述的构建模块，让我们创建一个完整的交易策略，制定明确的规则。一旦你有了明确的规则，你可以将其视为一个检查清单，在指定的时间间隔手动执行，或者更进一步，自动化整个过程。

拥有这些规则，您当然也可以构建一个合适的模拟并对该概念进行回测。这将增强您的信心，并使您对表现有合理的预期。了解您可以期待的回报特征，无论是在好时光还是坏时光，都是很重要的。

在本章中我将描述的策略中，我会使用一些确切的参数。我将使用一定天数来计算波动性和动量，以及其他因素。不要过于关注我选择的数字。一个稳健的交易策略对这些数字并不是非常敏感。

我在这里使用的数字是有意义的，但其他数字也同样如此。这个概念是关键。不要忘记这一点。如果这个策略只在这些确切的参数下有效，那它就没有用。我将这些设置作为起点，但我鼓励你尝试不同的数值。

确切的交易规则

是的，我使用上面的标题来帮助那些跳过前面的内容，寻找交易规则的人。这是我将列出规则的地方。

仅在星期三进行交易。

我们在这里处理的是一种长期击败股市的方法。这种策略的一部分是避免过快行动。为了减少工作量和交易频率，我们每周只检查一次交易信号。股票在一天内暴跌

20 %

也无所谓，除非那天是我们应该交易的日子，否则我们什么也不做。请注意，这并不意味着我们使用周数据。所有计算都是基于日数据进行的。我们只是不会在除星期三以外的日子进行交易。为什么偏偏选择星期三？因为星期三恰好有

20 %

的概率成为最佳交易日。是的，这完全是任意的。选择一个日子。无所谓。

根据波动性调整的动量对所有股票进行排名。

根据动量对标准普尔 500 指数中的所有股票进行排名。我们将使用过去 90 天的年化指数回归斜率，然后将其乘以同一时期的决定系数

(R^{2})

。这为我们提供了一个波动性调整后的动量测量。

请记住，如果一只股票的交易价格低于其 100 日移动平均线或最近的缺口超过

15 %

，则该股票不合格。

根据 10 个基点计算头寸大小。

计算头寸大小，使用基于简单 ATR 的公式，目标是每日波动 10 个基点。计算股票数量的公式是账户价值 *

0.001 /

ATR

_{20}

。

您只能在标准普尔 500 指数高于其 200 日移动平均线时开新仓。如果低于，则不允许新买入。

构建初始投资组合。

从你的排名列表顶部开始。如果第一只股票没有因低于其 100 日移动平均线或有

15 % +

缺口而被取消资格，那么就买入它，然后继续下一个。一直从顶部买入，直到现金用完。

每周三重新平衡投资组合。

每周我们检查是否有股票需要出售。如果某只股票在标准普尔 500 指数中不再位于前

20 %

，我们就会出售它。如果它的交易价格低于其 100 日移动平均线，我们就会出售它。如果它的价格出现超过

15 %

的缺口，我们就会出售它。如果它退出了指数，我们就会出售它。

如果我们有可用现金，我们会寻找可以购买的股票。如果有任何股票在出售，当然会有现金可用。购买替代股票遵循与上述相同的逻辑。只有在指数处于正趋势时才购买。从排名列表的顶部购买，如果它在前

20 %

，有正趋势且没有大差距。只要指数处于正趋势，我们就从列表的顶部购买新股票，直到再次用完现金。

每个第二个星期三重新平衡头寸。

每月两次，我们会重置头寸大小。如前所述，长期策略需要纳入头寸大小的再平衡，以避免最终面临完全随机的风险。检查您投资组合中的每个头寸，将当前头寸大小与目标大小进行比较。根据您最初使用的完全相同的公式计算目标大小，但当然要使用更新后的投资组合大小和 ATR。

如果差异很小，就没有必要仅仅为了这个原因进行再平衡。这个程序是为了确保头寸风险不会失控。如果有任何显著的偏差，请将头寸大小重置为目标大小。

好吧，就这些。等一下，我们再看一遍。

好的，你只需要每周检查一次市场。我完全随机选择了星期三，所以请不要给我发关于某些事情的邮件。

月亮周期模式使得星期三成为最佳日子。选择你喜欢的任何一天。

所以我们只在星期三查看市场。每周我们首先检查是否应该卖出任何头寸。如果某个头寸不再符合条件，就会被卖出。然后，如果我们有可用现金，并且指数处于正趋势，我们就会买入股票。从排名列表的顶部开始购买，直到没有更多现金为止。

每隔一个星期三，我们有一个额外的任务。比较目标职位的大小与实际大小，并根据需要进行重新平衡。

这是一份简单的检查清单，不是吗？当然，让我们更简单一点。只需打印图 10-22 中的流程图。

图 1022 交易规则流程图

交易策略

也许整个动量策略在这一点上看起来有些理论化。如果我们看看实际操作，看看你将如何实际实施它，可能会有所帮助。我们还将查看一些图表，看看股票在何处被买入和卖出。

初始投资组合

你启动策略的那一天，就像直接跳入游泳池的深水区。没有逐步买入。考虑到市场环境是积极的，也就是说，如果指数在其 200 日移动平均线之上交易，我们就会不断买入股票，直到现金用完。

显然，首要任务是确保标准普尔 500 指数的交易价格高于移动平均线。这部分很简单。任何图表软件都可以为您完成这项工作，您甚至可以在 Excel 中做到，只需将最近 200 个指数价格的平均值与当前价格进行比较。如果指数低于移动平均线，我们就不买任何东西。只需静静等待它回升到正区间。

现在你需要计算前几章提到的相关分析数据，并制作一个整齐的小排名表。手动为一只股票完成这个任务很简单，但我们需要为数百只股票完成。某些读者可能认为这很简单，而其他人则不知道从哪里开始。

您想要得出的结果类似于表 11-9。自然地，当您阅读此内容时，该表中的实际数据并不最新。该表构成了整个策略的核心。这是一个非常重要的表格，因此让我们来看看关键列。

坡度列可能是最重要的列。这是表格排序的依据，也是决定我们采购优先级的因素。坡度

该列显示了经过波动性调整的斜率，如第章所述。简而言之，这个数字只是对股票表现出的动量的测量，经过波动性调整。数字越高，风险调整后的表现就越好。我们希望购买尽可能高数字的投资组合。

即使一只股票的排名非常高，它仍然可能被取消资格。在确定我们是否可以购买一只股票之前，还有两个栏目需要检查。趋势栏目告诉你这只股票是否高于其 100 日移动平均线。如果没有，我们就不买。股票排名非常高但仍低于这个平均线是很不寻常的，但确实会发生。这是一个防范措施，以避免一些奇怪的情况。

然后是最大缺口。我们并不寻找因收购传闻而突然跳升的股票。我们在寻找有序的牛市，股票以受控的方式上涨。一些缺口是可以接受的，但我们不想跳入这些奇怪的情况，即单个巨大缺口导致股票跃升至排名表的顶部。我们允许过去 90 天的最大缺口为

15 %

。这意味着该特定表格中的最高条目 Hospira 被取消资格。它最近的缺口为

26 %

，所以我们不考虑该股票。

接下来我们要介绍 ATR，即平均真实波幅。这个数字告诉我们一只股票在平均一天内上下波动的幅度，以美元计。这将用于确定仓位大小。请记住，我们的目标是实现风险平价投资组合，其中每只股票对整体投资组合的影响理论上是相等的。

目标

%

列是一个新的列。这里的其他数据之前已经解释过，但这个没有。至少不是直接的。这在排名表中是一个有用的东西，它告诉你应该针对特定股票的权重有多大。它是基于 ATR 列轻松计算得出的。

由于 Hospira 的差距太大，我们跳过这个。我们先购买 Mallinckrodt，然后计算一下我们需要购买多少股票。

我们在这里使用的风险因素是 10 个基点。这意味着我们希望每只股票对我们投资组合的每日平均利润或损失影响为

0.1 %

。假设我们从一个价值

$ 100, 000

的账户开始。在这种情况下，我们希望每只股票的每日平均波动约为

$ 100

。

马林克罗特的 ATR 为 3.69，根据表格，这意味着该股价在近期表现出平均每日波动为该数值。由于每只股票每天波动约

$ 3.69

，而我们希望的影响为

$ 100

，我们需要购买 27 股。27 乘以 3.69 接近 100。

该表格制作时的股价约为

$ 126

。将 126 乘以我们的 27 股，我们的敞口为

$ 3, 414

。如果将其除以您的账户价值

$ 100, 000

，您会发现该头寸的权重为

3.4 %

。

现在转到下一只股票，继续购买直到你没有现金为止。
表 119 排名表

排名名称	坡度	ATR	最大间隙	趋势	目标%	股票代码
1 霍斯比拉公司	279.2	0.64	26	1	13.7	HSP
2 马林克罗特公司	198.9	3.69	6.9	1	3.4	MNK
3 生物基因公司	168.7	13.44	9.4	1	3.4	BIIB
4 艾为科技	164.1	3.48	11.2	1	3.9	AVGO
5 城市 Outfitters 公司	157.9	1.2	9.2	1	3.9	URBN
6 波士顿科学	149.2	0.48	11.1	1	3.7	BSX
7 电子艺界公司	145.5	1.36	11.5	1	4.3	EA
8 科尔士公司	134.7	1.28	5.9	1	5.9	KSS
9 克罗格公司	129	1.27	6.3	1	6.1	KR
10 维尔肯材料公司	123.1	1.51	4.5	1	5.7	VMC
11 个星座品牌	110.5	2.04	4.3	1	5.8	STZ
12 奈飞公司	105.3	11.7	15	1	3.7	NFLX
13 哈曼国际	97.8	3.69	19.2	1	3.7	HAR
14 新蒙特矿业	94.8	0.81	8.6	1	2.8	NEM
15 怪兽饮料	94.5	3.77	11.5	1	3.7	MNST
16 美元树公司	93.8	1.42	4.9	1	5.8	DLTR
17 实验室公司	93.2	2.17	3.3	1	5.9	LH
18 莫霍克工业	90.9	3.77	6.2	1	4.8	MHK
20 信诺公司	84.7	2.36	4.9	1	5.5	CI
21 种国际风味	80.6	2.16	6.8	1	5.6	IFF
23 艾特纳公司	78.7	1.87	3.3	1	5.8	AET
24 洛威公司	78.6	1.31	6	1	5.8	LOW
25 联合健康集团	78.6	2.19	4.6	1	5.4	UNH
26 人类公司	78.4	3.77	5.1	1	4.8	HUM
27 星巴克公司	78.1	1.7	6	1	5.7	SBUX
28 威乐能源公司	77.3	1.66	5.3	1	3.7	VLO
29 家得宝公司	75.4	2.01	4.1	1	5.8	HD
30 波音公司	74.6	2.56	5.6	1	5.9	BA
31 舍温-威廉姆斯	73.8	4.24	3	1	6.8	SHW
32 AmerisourceBergen	71.7	1.8	3.6	1	6.3	3 ABC
33 益百利公司	71.6	1.06	7.8	1	8.7	7 EFX
34 教练公司	70.9	0.88	6.3	1	4.8	3
35 L 品牌公司	70.7	1.68	5.1	1	5.6	6 磅
36 罗斯商店公司	70.6	2.01	6.6	1	5.3	ROST
通用汽车公司 37	70.5	0.74	5.1	1	5.1	1 GM
通用汽车公司 37	70.5	0.74	5.1	1	5.1	1 GM
38 认知科技	69.8	1.06	4.8	1	5.9	CTSH
40 华特迪士尼公司	69	1.74	7.2	1	6.2	2 DIS

| Rank Name | Slope | ATR | Max Gap | Trend | Target% | Ticker | | :---: | :---: | :---: | :---: | :---: | :---: | :---: | | 1 Hospira Inc | 279.2 | 0.64 | 26 | 1 | 13.7 | HSP | | 2 Mallinckrodt Plc | 198.9 | 3.69 | 6.9 | 1 | 3.4 | MNK | | 3 Biogen Idec Inc | 168.7 | 13.44 | 9.4 | 1 | 3.4 | BIIB | | 4 Avago Technologies | 164.1 | 3.48 | 11.2 | 1 | 3.9 | AVGO | | 5 Urban Outfitters Inc | 157.9 | 1.2 | 9.2 | 1 | 3.9 | URBN | | 6 Boston Scientific | 149.2 | 0.48 | 11.1 | 1 | 3.7 | BSX | | 7 Electronic Arts Inc | 145.5 | 1.36 | 11.5 | 1 | 4.3 | EA | | 8 Kohl's Corp | 134.7 | 1.28 | 5.9 | 1 | 5.9 | KSS | | 9 Kroger Co | 129 | 1.27 | 6.3 | 1 | 6.1 | KR | | 10 Vulcan Materials Co | 123.1 | 1.51 | 4.5 | 1 | 5.7 | VMC | | 11 Constellation Brands | 110.5 | 2.04 | 4.3 | 1 | 5.8 | STZ | | 12 Netflix Inc | 105.3 | 11.7 | 15 | 1 | 3.7 | NFLX | | 13 Harman Int | 97.8 | 3.69 | 19.2 | 1 | 3.7 | HAR | | 14 Newmont Mining | 94.8 | 0.81 | 8.6 | 1 | 2.8 | NEM | | 15 Monster Beverage | 94.5 | 3.77 | 11.5 | 1 | 3.7 | MNST | | 16 Dollar Tree Inc | 93.8 | 1.42 | 4.9 | 1 | 5.8 | DLTR | | 17 Laboratory Corp | 93.2 | 2.17 | 3.3 | 1 | 5.9 | LH | | 18 Mohawk Industries | 90.9 | 3.77 | 6.2 | 1 | 4.8 | MHK | | 20 Cigna Corp | 84.7 | 2.36 | 4.9 | 1 | 5.5 | CI | | 21 International Flavors | 80.6 | 2.16 | 6.8 | 1 | 5.6 | IFF | | 23 Aetna Inc | 78.7 | 1.87 | 3.3 | 1 | 5.8 | AET | | 24 Lowe's Companies | 78.6 | 1.31 | 6 | 1 | 5.8 | LOW | | 25 UnitedHealth Group | 78.6 | 2.19 | 4.6 | 1 | 5.4 | UNH | | 26 Humana Inc | 78.4 | 3.77 | 5.1 | 1 | 4.8 | HUM | | 27 Starbucks Corp | 78.1 | 1.7 | 6 | 1 | 5.7 | SBUX | | 28 Valero Energy Corp | 77.3 | 1.66 | 5.3 | 1 | 3.7 | VLO | | 29 Home Depot Inc | 75.4 | 2.01 | 4.1 | 1 | 5.8 | HD | | 30 Boeing Co | 74.6 | 2.56 | 5.6 | 1 | 5.9 | BA | | 31 Sherwin-Williams | 73.8 | 4.24 | 3 | 1 | 6.8 | SHW | | 32 AmerisourceBergen | 71.7 | 1.8 | 3.6 | 1 | 6.3 | 3 ABC | | 33 Equifax Inc | 71.6 | 1.06 | 7.8 | 1 | 8.7 | 7 EFX | | 34 Coach Inc | 70.9 | 0.88 | 6.3 | 1 | 4.8 | 3 | | 35 L Brands Inc | 70.7 | 1.68 | 5.1 | 1 | 5.6 | 6 LB | | 36 Ross Stores Inc | 70.6 | 2.01 | 6.6 | 1 | 5.3 | ROST | | 37 General Motors Co | 70.5 | 0.74 | 5.1 | 1 | 5.1 | 1 GM | | 37 General Motors Co | 70.5 | 0.74 | 5.1 | 1 | 5.1 | 1 GM | | 38 Cognizant Tech | 69.8 | 1.06 | 4.8 | 1 | 5.9 | CTSH | | 40 Walt Disney Co | 69 | 1.74 | 7.2 | 1 | 6.2 | 2 DIS |

图 11-23 中显示的交易图表演示了如何进行交易。您在该图中看到的各种线条不是传统的技术指标，而是我发现对可视化这个动量模型有用的特定项目。

在这个图的顶部，您将看到 Urban Outfitters 股票的实际价格图表。上面绘制了一条 100 日移动平均线，以显示

该股票目前处于积极趋势中。下方的第二个图表面板显示了标准普尔 500 指数及其 200 日移动平均线。这清楚地表明，此时该指数也是积极的，交易价格高于移动平均线。

接下来显示的是风险调整后的动量斜率。该分析在章节中进行了说明。然后是平均真实波幅（ATR），显示股票的波动性如何不断变化，这要求我们持续调整头寸大小，以保持风险在合理范围内。

下一个面板中的动量排名告诉我们这只股票在指数中相对于所有其他股票的排名。因此，如果你将指数中所有股票的风险调整动量斜率进行排序，就像我们在表 11-9 中所做的，这个指标告诉我们这只特定股票在该表中的位置。较低的数字意味着相对于其他所有股票，这只股票具有强劲的风险调整动量。

指数成员指示器为 1 表示该股票当前是相关指数的一部分，0 则表示不是。考虑历史指数成分是绝对关键的。您需要有一个正式的约束，明确哪些股票属于您的投资范围，哪些不属于。制作一个外观出色但结果完全无用的模拟的最简单方法是假设您在十年前交易当前的指数成员。

如果一只股票不在指数中，我们就不交易。如果它离开了指数，我们就卖掉它。

最后一个图表面板显示了过去 90 天内股票的最大缺口有多大。只要这个值低于

15 %

，我们就没问题。

图 1123 交易图表：购买城市服饰

如您所见，我们在 2015 年 3 月购买了 Urban Outfitters，当时它经历了一段强劲的上涨。请注意，风险调整动量系列开始上升，导致该股票在排名列表中上升。年初时，这只股票的排名超过 400，意味着它表现糟糕。然后它开始起飞，迅速攀升，直到最终被购买。

这就是你构建初始投资组合的方法。只需从顶部购买，只要股票通过筛选。但工作还没有结束。现在你必须进行定期的再平衡任务，以确保你始终拥有我们所针对的投资组合构成。

头寸再平衡

每月两次，每隔一周，我们会重新平衡头寸大小。如果你想更频繁或更间隔更长时间地进行这项操作，那是个人偏好。频率更高，你的风险会更准确，但同时会产生更高的交易成本。每隔一周是一个不错的折中选择。

该职位再平衡的目的是保持风险一致。股票的波动性随着时间变化，由于我们需要一个风险平价投资组合，我们需要不断调整交易规模，以匹配每只股票的目标风险。

每个头寸一次买入一次卖出的想法已经过时。这不是管理投资组合的方式。所有这些再平衡交易可能会让交易图表看起来相当混乱，但实际上这确实是有道理的。

首先要做的是制作一个更新的排名表，就像表 119 一样。这将告诉你每只股票的目标权重。现在你需要与实际权重进行比较，并进行必要的调整。

在图 11-24 中，您可以看到 1999 年和 2000 年在 Java 中进行的动量策略交易。初始购买是在 1999 年 9 月进行的，为该投资组合购买了 387 股。随着波动性不断上升（在 ATR 面板中可以看到），在每次调整头寸时会卖出少量股票。这些销售与市场观点无关。我们并不是因为认为股价可能会下跌而卖出，也不是为了锁定利润或其他原因而卖出。我们卖出是因为我们想保持最初的风险。如果我们不卖出一些股票，我们最终的风险将高于我们原本的预期。

理解这一点很重要。如果我们不采取行动，我们的位置就会改变。我们需要采取行动来维持我们预期的位置。这可能意味着买入股票或卖出股票，但这与市场观点无关。

图表 1124 交易图表：甲骨文

投资组合再平衡

投资组合的再平衡每周进行一次。这个操作的重点是退出不再符合我们标准的头寸，并购买新的头寸。

当然，如果指数没有超过其长期移动平均线，我们就不会更换股票，从而降低我们整体投资组合的风险。

我们需要先制作一个更新的排名表。首先检查一下你目前持有的股票。如果任何股票显示出负面趋势，比如低于其 100 日移动平均线，就卖掉它。如果任何股票的缺口超过

15 %

，也要卖掉它。

如果该股票不再是指数前 100 只股票的一部分，就卖掉它。如果我们查看标准普尔 500 指数中的股票，这意味着排名需要好于 100。制作排名表，按波动性调整的动量斜率排序，并检查该股票的最终位置。排名高于 100，就卖掉它。

一旦你卖掉了不再属于投资组合的股票，你就可以准备购买新的股票了。你已经知道怎么做了，对吧？和我们选择初始股票的方式一样。从排名表的顶部开始。考虑到我们还没有拥有该股票，并且它符合标准，我们购买排名最高的股票，直到我们再次用完现金。

除非当然，这一点很重要，除非指数低于移动平均线。如果低于，我们就保持现金，不再购买任何新股票。结果将在熊市阶段缓慢而逐渐地退出股市。

一旦指数再次突破移动平均线，我们立即重新购买一个满载的投资组合。这与最初的投资组合完全相同。只需从列表顶部开始购买，直到现金用完。

在图 11-25 中，吉利德的交易图表显示我们首次在 2005 年 5 月购买了该股票，夏季由于波动性变化稍微调整了仓位，最后在 8 月再次卖出。晚夏时排名恶化，导致我们卖出了全部头寸。

那年晚些时候，在十二月，该股票再次显示出非常高的动量排名。该股票被重新购买并持有了几个月。

图 1125 贸易图表：吉利德

动量策略表现

我们现在有一个完整的股票动量策略。到目前为止，我们已经研究了该策略的各个组成部分，但还没有看到实际结果。在查看这种方法的历史表现之前，请停下来考虑一下可以合理期待的结果。

这不是一个可以期待每年稳定

10 %

的策略。很少有策略是这样的。这不是一个可以期待每年都是正收益的策略。而且，这绝对不是一个应该被期望与股市无关的策略。毕竟我们是在买股票。基于买股票的策略在长期内往往看起来非常相似。有些更好，有些更差，但它们会相关联。

我们可以期待的是在牛市中表现强劲，在熊市中损失少于指数。如果我们能做到这一点，从长远来看，我们将获得非常有吸引力的回报。

第一个问题当然是，我们是否在超越市场。如果我们在赚钱但没有超过指数，那么所有这些努力就没有意义。快速查看图 12-26 应该能让你在这方面安心。

由于这是一个长期图表，且波动幅度较大，标准价格图表可能会有些误导，并且容易给人夸大的表现印象。因此，图 12-27 中可以找到相同表现图表的对数版本。

图 1226 战略长期表现

图 1227 战略长期表现，对数尺度

我们表现优异。我们甚至表现得相当出色。正如您所看到的，有两种不同类型的超越表现。在牛市中，我们表现出强劲的超越表现。但就相对表现而言，简单地在市场下跌时不投资股票的效果更大。

最后我们做得怎么样？

表 1210 动量策略结果

动量策略标准普尔 500 总回报

年化收益率	$12.30 %$	$5.20 %$
最大回撤	$- 24 %$	$- 55 %$

如表

12 - 10

所示，在这 16 年期间，动量策略的年化收益超过了

12 %

。你不觉得每年

12 %

已经足够好吗？再想想。整体股市在此期间的年化收益仅为

5 %

。如果你投资于共同基金，收益甚至会更低。

将回报放入适当的背景中。沃伦·巴菲特通过在过去 40 年中展示惊人的

22 %

年化回报而获得了传奇地位。追求如此高的数字在长时间内是不现实的。世界上极少有人能够做到这一点，而他们中的大多数现在都是亿万富翁。

如果你能在一段时间内实现低双位数的复合增长率，你就超过了几乎所有人。整体股市在长期内平均每年只提供 5-6%的回报。

最重要的是，我们在回撤不到指数一半的情况下实现了我们的

12 %

。回撤是指我们在该时间段内看到的最大损失。标准普尔 500 总回报指数的最大损失为

55 %

。在某个时刻，超过一半的资本消失了。另一方面，我们的动量策略的最大损失仅为

24 %

。

另一种看待这些数字的方法是，指数损失了 11 年的表现，而动量策略仅损失了 2 年。考虑一下如果你在最糟糕的时机进入，恢复损失需要多长时间。

表 12-11 将展示我们动量策略的逐月表现。仅通过查看月度回报表很难对策略有一个直观的了解，因此在下一章中，我们将详细讨论并查看该策略每年的表现。

表 1211 核心股票动量策略表现

一月

(%)

二月

(%)

马

(%)

四月

(%)

五月

(%)

君

(%)

七月

(%)

八月

九月

(%)

十月

(%)

Nov

(%)

Dec

(%)

年份

(%)

1999

6.3

-5.1

9.8

1.6

-3.1

3.5

-2.5

2.1

-2.6

3.5

7.9

15.2

4 1.0

2000

-5.1

14.0

3.8

-1.6

-1.9

-3.4

5.3

4.3

-2.1

0.1

0.6

9.6

2001

-0.7

0.0

-0.7

2002

0.0

-1.1

0.3

-0.2

-0.7

-1.3

0.0

- 3.0

2003

0.0

2.1

7.4

0.5

5.5

6.3

-3.2

13.3

3.0

1.6

41.8

2004

2.8

0.2

-3.5

-3.4

1.0

4.3

-3.3

-2.0

4.9

3.7

7.1

1.9

13.7

2005

-3.6

5.9

-2.3

-4.4

2.3

4.8

3.9

0.5

4.5

-6.8

3.4

1.6

9.3

2006

10.1

-1.9

4.2

0.9

-6.5

-4.4

-2.4

0.6

-0.6

1.7

1.2

0.4

2.4

2007

4.4

-0.3

1.6

3.8

3.7

-1.7

0.9

-0.5

5.3

3.6

-5.7

1.5

17.3

2008

-8.6

-0.2

0.4

0.0

- 8.5

2009

0.0

-7.3

9.0

4.7

2.7

-5.7

6.5

4.5

14.0

2010

-5.8

6.0

9.9

4.2

-8.2

-7.2

0.1

-2.3

4.6

1.3

5.7

11.7

2011

0.5

7.5

1.1

-0.9

-3.1

-2.7

-1.5

-8.8

-1.0

-1.3

1.7

-0.5

- 9.3

2012

5.6

6.0

3.3

-2.8

-7.2

2.8

-0.4

1.1

3.3

-0.2

3.0

3.6

18.9

2013

10.0

0.3

7.9

-4.1

1.6

0.1

5.1

-2.2

4.0

5.8

2.6

2.1

37.5

2014

1.9

5.9

-1.0

-1.7

2.4

5.3

-4.4

4.3

-2.0

-1.1

6.9

1.3

18.4

| | Jan $(\%)$ | Feb $(\%)$ | Mar $(\%)$ | Apr $(\%)$ | May $(\%)$ | Jun $(\%)$ | Jul $(\%)$ | Aug $(\%)$ | Sep $(\%)$ | Oct $(\%)$ | Nov $(\%)$ | Dec $(\%)$ | Year $(\%)$ | | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | | $\mathbf{1 9 9 9}$ | 6.3 | -5.1 | 9.8 | 1.6 | -3.1 | 3.5 | -2.5 | 2.1 | -2.6 | 3.5 | 7.9 | 15.2 | $4 \mathbf{1 . 0}$ | | $\mathbf{2 0 0 0}$ | -5.1 | 14.0 | 3.8 | -1.6 | -1.9 | -3.4 | -3.4 | 5.3 | 4.3 | -2.1 | 0.1 | 0.6 | $\mathbf{9 . 6}$ | | $\mathbf{2 0 0 1}$ | -0.7 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | -0.7 | | $\mathbf{2 0 0 2}$ | 0.0 | 0.0 | -1.1 | 0.3 | -0.2 | -0.7 | -1.3 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | $\mathbf{- 3 . 0}$ | | $\mathbf{2 0 0 3}$ | 0.0 | 0.0 | 0.0 | 2.1 | 7.4 | 0.5 | 5.5 | 6.3 | -3.2 | 13.3 | 3.0 | 1.6 | $\mathbf{4 1 . 8}$ | | $\mathbf{2 0 0 4}$ | 2.8 | 0.2 | -3.5 | -3.4 | 1.0 | 4.3 | -3.3 | -2.0 | 4.9 | 3.7 | 7.1 | 1.9 | $\mathbf{1 3 . 7}$ | | $\mathbf{2 0 0 5}$ | -3.6 | 5.9 | -2.3 | -4.4 | 2.3 | 4.8 | 3.9 | 0.5 | 4.5 | -6.8 | 3.4 | 1.6 | $\mathbf{9 . 3}$ | | $\mathbf{2 0 0 6}$ | 10.1 | -1.9 | 4.2 | 0.9 | -6.5 | -4.4 | -2.4 | 0.6 | -0.6 | 1.7 | 1.2 | 0.4 | $\mathbf{2 . 4}$ | | $\mathbf{2 0 0 7}$ | 4.4 | -0.3 | 1.6 | 3.8 | 3.7 | -1.7 | 0.9 | -0.5 | 5.3 | 3.6 | -5.7 | 1.5 | $\mathbf{1 7 . 3}$ | | $\mathbf{2 0 0 8}$ | -8.6 | -0.2 | -0.2 | 0.4 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | $\mathbf{- 8 . 5}$ | | $\mathbf{2 0 0 9}$ | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | -7.3 | 9.0 | 4.7 | 2.7 | -5.7 | 6.5 | 4.5 | $\mathbf{1 4 . 0}$ | | $\mathbf{2 0 1 0}$ | -5.8 | 6.0 | 9.9 | 4.2 | -8.2 | -7.2 | 0.1 | -2.3 | 4.6 | 4.6 | 1.3 | 5.7 | $\mathbf{1 1 . 7}$ | | $\mathbf{2 0 1 1}$ | 0.5 | 7.5 | 1.1 | -0.9 | -3.1 | -2.7 | -1.5 | -8.8 | -1.0 | -1.3 | 1.7 | -0.5 | $\mathbf{- 9 . 3}$ | | $\mathbf{2 0 1 2}$ | 5.6 | 6.0 | 3.3 | -2.8 | -7.2 | 2.8 | -0.4 | 1.1 | 3.3 | -0.2 | 3.0 | 3.6 | $\mathbf{1 8 . 9}$ | | $\mathbf{2 0 1 3}$ | 10.0 | 0.3 | 7.9 | -4.1 | 1.6 | 0.1 | 5.1 | -2.2 | 4.0 | 5.8 | 2.6 | 2.1 | $\mathbf{3 7 . 5}$ | | $\mathbf{2 0 1 4}$ | 1.9 | 5.9 | -1.0 | -1.7 | 2.4 | 5.3 | -4.4 | 4.3 | -2.0 | -1.1 | 6.9 | 1.3 | $\mathbf{1 8 . 4}$ |

逐年回顾

在写我的第一本书《跟随趋势》时，这本书关于趋势跟随期货策略，我在如何最好地传达作为专业资产管理者的真实体验上遇到了困难。仅仅展示一些模拟统计数据和长期表现图表并不能真正反映日常的挣扎。一个策略在几十年的视角下看起来可能很不错，但在现实中执行起来可能仍然非常困难甚至不可能。只有当比喻中的橡胶与道路接触时，我们才能真正发现什么有效，什么无效。

我在那本书中的解决方案是写一个庞大的章节，逐年解释该交易策略在过去的表现。我并不打算让这个章节主导整本书，但结果就是这样。最终，这个章节占据了整本书的近三分之一。这让我开始怀疑我是否真的应该包括它。就我个人而言，我发现这是那本书中最重要的部分。它解释了艰难的部分。坐在

25 %

的回撤中，客户撤资，收入暴跌， wondering 业务是否结束，这是什么样的体验。这些情况会发生。只有当你完全理解你的交易方法及其在困难情况下的表现时，才能在艰难时期继续前进并保持信心。

我担心逐年章节会被读者视为填充内容。结果，我低估了我的读者。我在那本书上收到的最常见反馈是，人们从那个特定章节中学到了很多。这一章节提供了现实感，并解释了通常被忽略的事情。

由于这是我之前书中非常受欢迎的部分，我将在这里尝试做同样的事情。

1999 年 1 月。互联网是宇宙的中心。电子邮件提供了一种全新的避免人际接触的方式。利润是给失败者的。信息淘金热正在进行中，老旧的会计概念没有时间再提。

在 90 年代末的疯狂中，我们推出了全新的动量策略。现在是推出这种策略的好时机。至少在筹集资金方面是这样。经历了一个绝妙的十年，每个人都有充足的资金。过去的十年也教会我们，只需购买那些会涨的东西。不要担心收入、利润，甚至现金流。这是一个非常特殊的时刻。显然，囚犯们已经接管了精神病院，穿上警卫制服没有任何好处。如果有哪个时刻没有人会质疑股权动量策略，那就是现在。

如果你在这段时间没有积极交易，那么很难理解这种疯狂的程度。任何与“IT”、“互联网”、“万维网”和“点 com”这些神奇词汇稍微相关的股票，其估值都高得离谱，完全不管它们是否盈利。甚至不管它们是否有任何现实的盈利前景。

当时市场显然对这些公司一无所知。现在这一点很明显，但当时远非如此。购买极度高估、亏损公司的股票的理由是，可能会有人看到其价值，如果我不买，别人会买。也许很快会有一个能够看到巨大利润潜力的收购者，而这种潜力肯定在某个地方存在。

我们所有人都在购买郁金香球茎的事实并没有引起很多人的注意。然而，事后大多数人的记忆却有所不同。实际上，这是我们开始旅程的一个非常好年份。首先，因为这是一个非常可能有人开始这种策略的年份。在那种市场条件下，这完全是合乎逻辑的。开始这一年的第二个好理由是观察它如何应对过渡期。

90 年代的派对相当激烈，并持续了很长时间。还有什么比在派对期间开始我们的动量策略更好的测试，看看它如何应对不可避免的崩溃呢？

我们在 1998 年新年派对后开始我们的投资组合。我们进行计算，分析数据，排名股票并构建我们的投资组合。就像在前面的章节中解释的那样。指数给了我们绿灯，价格远高于 200 日移动平均线。尽管在激动人心的 1998 年期间，俄罗斯和几位诺贝尔奖得主扮演了重要角色，市场曾短暂跌破这一水平，但很快就恢复了。

初始投资组合是通过制作一个表格来构建的，该表格根据波动性调整后的动量对所有股票进行排名，计算目标权重以及前面章节中描述的所有其他分析，然后从该列表的顶部开始购买，直到没有更多现金。表 13-12 显示了这导致的结果。

表 1312 初始投资组合 1999

名称	重量行业
应用生物系统公司	$3.70 %$ 医疗保健
Adobe 系统公司	2.00% 信息技术
奥多斯公司	2.20% 信息技术
应用材料公司	1.90% 信息技术
雅芳产品公司	2.50% 消费品
布伦瑞克公司	3.20% 消费者可选品
纽约梅隆银行公司	$3.30 %$ 财务
博士兰公司	$3.90 %$ 消费品
可口可乐企业公司	2.50% 消费品
3Com 公司	2.00% 信息技术
EMC 公司	2.80% 信息技术
联邦快递公司	3.10% 工业
联邦住房贷款抵押公司	3.70% 财务
康宁公司	3.80% 信息技术
盖璞公司	2.30% 消费者可选品
IBM	4.50% 信息技术
英特尔公司	2.90% 信息技术
甲骨文美国公司	2.60% 信息技术
摩根大通公司	$2.90 %$ 财务
金佰利公司	4.40% 消费品
LSI 公司	1.80% 信息技术
马林克罗特有限责任公司	$3.80 %$ 医疗保健
摩托罗拉解决方案公司	3.40% 信息技术
美光科技公司	2.00% 信息技术
诺威尔公司	2.80% 信息技术
甲骨文公司	1.80% 信息技术
查尔斯·施瓦布公司	$1.80 %$ 财务
SLM 公司	$3.40 %$ 财务
索莱电子公司	2.70% 工业
斯台普斯公司	2.20% 消费者可选品
州街公司	4.00% 财务
德凯电子公司	2.70% 信息技术
德州仪器公司	2.80% 信息技术
联合技术公司	$3.80 %$ 工业

我们的初始投资组合在科技股上严重超配，这并不令人惊讶。因为在当时这个行业的波动最大，因此许多排名靠前的股票都来自这个领域。这里对行业配置没有任何限制。我们只需从名单顶部购买，无论它们属于哪个行业。

我们最终持有

42 %

IT 股票，

19 %

金融股，

13 %

日用消费品，

10 %

工业股，

8 %

非必需消费品和

8 %

医疗保健股。公用事业、电信、能源或材料类股票没有被购买。这与指数的配置截然不同。

投资组合中有相当多的股票。34 只股票超过了通常所需的多样化数量。之所以有这么多股票，是因为我们在处理非常波动的市场。大多数这些股票都是超高波动的科技股。现在请记住如何进行头寸规模的分配。这个细节在章节中有解释。股票的波动性越大，我们分配给它的现金就越少。这是专业资产管理者常用的方法，以确保每项投资的风险大致相等，而不是让波动性失控。

图 1328 1999 年初始部门分配

年初的情况相当缓慢。在第一季度，交易结果与指数非常接近。即使在四月短暂的超越表现之后，结果仍然紧贴指数。由于指数大多上涨，这并不一定是个问题。超越表现固然不错，但我们大多数人更关心绝对回报。虽然这是一个积极的时期，但直到九月，这一年出乎意料地无聊。与我们在 90 年代习惯的狂热市场相比，第三季度末仅有

20 %

的收益似乎并不足够。长期的牛市会让任何人都感到不满足。

然而，在九月份，市场开始让许多人感到担忧。已经有几个月没有创下新高，这非常不寻常。标准普尔 500 指数缓慢接近其 200 日移动平均线，然后在九月份终于跌破了它。

请记住，这个交叉本身并不会触发任何事情。然而，当指数低于移动平均线时，我们不允许买入任何新头寸。由于在常规投资组合再平衡中卖出了股票，它们没有被替换。这使我们在 1999 年底留下了一堆缓慢增加的现金。

您可以在图 13-29 中看到，现金在十月份开始积累，因为指数跌破了水线。现金百分比以填充区域的形式显示，使用右侧

y

轴。通常会有一些现金闲置。如果没有足够的流动性来购买整个头寸，我们就将其留在现金中。如果您愿意，可以将其视为一个四舍五入误差。

请注意图中指数在九月份如何低于长期移动平均线，以及之后现金如何缓慢开始积累。在常规再平衡任务中退出头寸时，只要指数保持在移动平均线以下，就不会被替代。这是该策略的一个关键特征，这意味着我们将自动减少潜在熊市的风险。

在十月下旬，我们大约有一半的投资组合以现金形式持有，今年的表现大致与基准相当。到目前为止，这看起来并不令人印象深刻。如果你在 1999 年初启动了这个策略，你可能会很想放弃，或者至少改变规则。在过去的一年里，你一直在做这些工作，却没有任何成果。当然，我们有利润，但被动指数投资者也是如此。

但就在 11 月开始之前，发生了一些事情。首先发生的是指数再次超过移动平均线，给我们发出了开始买入的绿色信号。这通常是一个相当令人害怕的时刻。我们刚刚平掉了大部分头寸，市场看起来

越来越疲惫，潜在的熊市即将来临，我们现在正在购买一整套股票。

图 1329 表现，1999 年

是的，我们就是这样做的。我们重新制作排名列表，并从顶部开始购买，直到我们用完现金。在十月最后一天，当趋势灯变为绿色时，我们从列表顶部购买了 19 个新头寸。

这个新重建的投资组合突然大幅上涨。指数恢复得很好，但我们的股票表现得更好。当指数在年末达到

+ 20 %

时，这个令人难以置信的年末反弹使我们的投资组合全年上涨超过

40 %

。现在，十月份可能存在的那些怀疑应该终于可以消除了。

年底时，我们看到的业绩大幅提升是由多只股票推动的。其中之一是 Entrasys Networks，如图 13-30 所示。这是一个完美的例子，展示了你想要看到的情况。股价在几个月内持续上涨，并且在同行中排名很高。排名列表中的位置显示在底部面板中。数字越低，动量排名越好。在 10 月

29^{th}

的再平衡中，一切准备就绪，我们以大约

$ 80.50

的价格购买了这只股票。这只股票不等人，立即起飞。价格一路加速，当接近

$ 200

水平时，出现了大幅跳空上涨，然后进行了整固。

记得我们在策略中有那个缺口过滤器吗？在再平衡过程中，任何最近出现超过

15 %

的缺口的股票都会被自动取消资格，即使这个缺口对我们有利。在这种情况下，这意味着我们在下次再平衡时会卖出这只股票。结果证明，这是一个完美的卖出时机。如果每笔交易都能这么好就好了。

表 1313 1999 年结果

	动量策略	标准普尔 500 总回报指数
返回 1999	$41.00 %$	$21.10 %$
最大回撤 1999	$- 11.10 %$	$- 11.80 %$

图 1330 Enterasys Networks

2000

当我们进入 2000 年时，没有真正的市场反转迹象。我们经历了一个非常持久的牛市，没有理由认为它会很快结束。指数略有放缓，我们正接近 200 日移动平均线。不过，这种情况以前也发生过，本身并不太令人担忧。

所以我们满载而进入新千年。投资组合仍然在 IT 股票上严重超配，该部门占据了价值的一半。剩余的投资组合分布在多个行业，其中医疗保健的权重最大。随着对未来的回顾性认识，

在新十年中，IT 股票发生了什么，这一初始投资组合配置似乎相当不祥。今年会是我们投资组合崩溃的一年吗？

表 1314 初始投资组合 2000

名称	重量行业
苹果公司	1.80% 信息技术
应用生物系统公司	4.40% 医疗保健
Adobe 系统公司	1.60% 信息技术
模拟器件公司	2.40% 信息技术
应用材料公司	2.10% 信息技术
安进公司	$3.10 %$ 医疗保健
BMC 软件公司	1.80% 信息技术
康维科技公司	2.80% 信息技术
3Com 公司	1.30% 信息技术
思科系统公司	2.90% 信息技术
道琼斯公司	3.70% 财务
EMC 公司	2.80% 信息技术
恩特拉西斯网络公司	1.60% 信息技术
通用仪器公司	2.50% 信息技术
康宁公司	2.60% 信息技术
家得宝公司	4.10% 消费者可选品
甲骨文美国公司	2.30% 信息技术
KLA-Tencor 公司	2.00% 信息技术
雷曼兄弟控股公司	$3.00 %$ 财务
莫尔克斯公司	2.40% 信息技术
摩根士丹利	$3.60 %$ 财务
摩托罗拉解决方案公司	2.50% 信息技术
北电网络公司	2.30% 信息技术
下一尔通信公司	1.60% 电信服务
甲骨文公司	2.10% 信息技术
派克斯公司	1.90% 信息技术
宝洁公司	3.90% 消费品
珀金埃尔默公司	$3.00 %$ 医疗保健
高通公司	2.50% 信息技术
斯普林特公司	3.20% 电信服务
索莱电子公司	$2.80 %$ 工业
Sysco 公司	$3.80 %$ 消费品
十字医疗公司	$2.60 %$ 医疗保健
时代华纳公司	1.60% 消费者可选品
德州仪器公司	2.10% 信息技术
华纳-兰伯特公司有限责任公司	$3.10 %$ 医疗保健
沃尔玛商店公司	3.10% 消费品
西林斯公司	1.60% 信息技术

图 1331 初始扇区分配，2000 年

年初出现了一些相当令人担忧的波动。在新年的前三个交易日，标准普尔 500 指数几乎损失了

7 %

，而我们的动量策略损失了

8 %

。这相当戏剧化，如果你今年而不是去年启动了这个策略，第一周后你可能会想放弃。不要低估这些回撤的影响。回顾 15 年的模拟股权曲线，容易说这些小波动并不重要。但当你在交易真实资金并看到真实损失时，情况就完全不同了。当你查看那些长期模拟时，你知道故事将如何发展。但当你身处这样的现实情况时，你毫无头绪。你可能在这一周结束前再看到一次

8 %

的损失。也许之后会有更糟糕的一周。而问题是，这种情况比人们想象的要常见得多。

这就是为什么本章被包含在这本书中的原因。目的是展示这些问题，并为你可能发生的事情做好准备。在那前三天之后，失去了

8 %

，任何人都会非常想要违反规则，甚至关闭整个系统。

在这种情况下，结果还不错。前几周的投资组合波动非常大，但在年初的两周后，我们已经回到了零线。混乱的市场状况持续了几周，我们看到底线出现了大幅波动。然而在二月份，动量策略真正起飞了。

多只股票开始疯狂上涨，迅速积累利润。到第一季度末，我们看到投资组合的年回报率超过了

15 %

。突然间，没有人能记得我们年初时的

- 8 %

。当你在年初看到如此惊人的回报时，自然会开始计算年终结果，假设全年都能保持这样的表现。

15 %

在三个月内意味着

75 %

在一年内。是的，这不是打字错误。这不是

45 %

，而是

75 %

，就像

{1.15}^{4}

一样。这是一种非常诱人的计算方式，但也可能相当危险。这样的情景发生的可能性极小，只会使你的期望变得非常不切实际。

如图 13-32 所示，今年的辉煌成绩并没有持续太久。随着 IT 股票开始下跌，市场突然开始担心“利润”等过时的概念，我们的投资组合迅速下滑。到四月，我们再次面临曾经遥远的零线。

注意现金从三月开始逐渐增加。到五月，我们已经清算了超过

30 %

的投资组合。股票普遍下跌，突然间可选的候选股票不多了。大多数股票的交易价格低于其 100 日移动平均线，因此被排除在购买名单之外。许多股票的日波动幅度也超过了

15 %

，这也使它们被排除在候选名单之外。

图 1332 年表现，2000 年

之后，大部分时间都不太顺利。随着指数稍微回升，夏天我们开始再次建立投资组合，市场上可购买的股票也增多了。然而，这次行业配置看起来非常不同。年初时，IT 股票主导了排名列表。然而到 2000 年中期，这些股票遭受重创，传统类型的公司开始再次表现良好。尽管实际上已经盈利。

在此期间建立的投资组合 IT 股票非常少，但其他方面相对均衡。消费品、必需品、能源、工业、金融和材料都有所代表。这也是我们在今年晚些时候表现优异的原因。

市场在 2000 年底开始迅速下跌，但下跌主要是由科技股引起的。由于我们对这一主题几乎没有任何投资，因此我们没有经历指数所感受到的损失。不过，我们也没有获得太多收益。

在每次再平衡时，一些股票被剔除出投资组合。由于指数现在处于亏损状态，无法进行新的购买，我们的现金持有量不断增加。到年底时，我们几乎完全持有现金。

经过非常艰难的一年，我们的表现最终达到了近

10 %

，而指数损失了大约相同的金额。以微薄的

10 %

收尾可能看起来像是一种失败，但这实际上是相当可观的回报，尤其是在如此艰难的一年里。请记住，我们在这里使用的是广泛的标准普尔 500 指数作为基准。当时大多数人仍然持有他们的 IT 股票，而这些股票的损失远远超过

10 %

。

摩托罗拉的交易在图 13-33 中显示了我们在 1999 年末强劲上涨后如何进入这只股票。我们在 1999 年 12 月买入该股票，几个月内一切看起来都很好。随着股票在 3 月开始下跌，我们一路跟随，直到它跌破 100 日移动平均线。这在这种情况下是退出信号，我们就此退出。事实证明，这次我们运气不错，因为几天后它出现了大幅下跌。

图 1333 摩托罗拉

如果你仔细观察中间面板的动量排名，你会发现它在股票跌破移动平均线的同时达到了关键水平。因此，在这种特定情况下，无论是使用移动平均线规则还是排名规则，我们都会选择退出。注意我们是在下跌时平仓的。在退出后的几天里，这可能感觉是个非常糟糕的主意。价格迅速上涨，甚至超过了移动平均线。然后，就在你因为卖得太早而想要用头撞键盘的时候，股票却意外地出现了

22 %

的跳空下跌。

你永远无法在最佳地点进入，也永远无法在最佳地点退出。但好消息是，你真的不需要这样做。像这样的动量策略在不试图把握确切的高点和低点的情况下也能很好地运作。

我们现在主要持有现金，但从 1999 年初开始，我们在指数上有了安全的领先优势。图 13-34 显示了我们的动量策略与标准普尔 500 总回报指数从一开始的发展比较。我们经历了一个缓慢的年份，但到目前为止一切都很好。

表 1315 结果 2000

动量策略

标准普尔指数

返回 2000

9.60 %

- 8.10 %

最大回撤 2000

- 15.40 %

- 16.60 %

自 1999 年以来的年化回报

24.30 %

5.40 %

自 1999 年以来的最大回撤

- 15.40 %

- 16.60 %

图 1334 1999 年至 2000 年的表现
2001

进入 2001 年，我们在市场上经历了一个出乎意料的良好扩展。当我们开始这一年时，我们只持有两只股票。两位勇敢的士兵在去年的冲击中幸存下来。这意味着我们以几乎完全现金的投资组合开始新的一年。联合健康集团和恩特吉公司在新年庆祝活动后幸存下来，但在一月的两周后，它们也都被卖掉了。之后，整年没有进行任何交易。

表 1316 初始投资组合 2001

名称重量行业

联合健康集团公司

3.10 %

医疗保健

恩特吉公司

3.30 %

公用事业

图 1335 初始扇区分配，2001 年

尽管今年对大多数人来说非常戏剧化，但就我们的策略而言，这一年非常无聊。我们在一月份亏损了不到一个百分点，然后我们的两只股票被平仓。之后，我们的表现平平。这在理论上很简单，但在现实中更为困难。回顾长时间的业绩记录，今年选择观望是非常合理的。实际上，大多数人会非常想进行交易。

有人可能会想，为什么我们在这样的年份不做空。为什么不找出下跌最多的股票，然后做空它们呢？这是一种反向动量的方法。答案很简单。这种策略成功的机会非常低。做空比看起来要困难得多，也更危险。很少有人通过做空股票赚钱。

那些在过去一个月持续下跌的股票可能会突然大幅上涨。熊市中波动扩大的倾向显著更高。不要被诱惑去交易这样的市场。不要买入股票，也不要做空。外面正在进行一场屠杀，你的任务是生存下来。会有获利的机会，但现在不是时候。

如果你在寻找行动，你很可能会得到它。然而，寻找行动的人不太可能找到利润。学习何时保持冷静并将风险降到最低是成为投资专业人士的关键部分。

图 13-37 显示了我们在 2011 年初幸存的股票之一的表现。联合健康集团在市场下跌的情况下表现出色。在价格面板下方，您可以看到指数本身以及它是如何持续下跌的。在市场如此下滑的情况下，很少有股票能够继续上涨。

即使这只令人惊叹的强势股票在 2000 年 12 月开始下跌，到 2001 年初的再平衡时，它的交易价格已低于其 100 日移动平均线。这是我们的退出信号，也是卖出的时候。由于指数显然处于熊市模式，我们不再替换它，并且在 1 月底之前，我们只持有美元。

表 1317 结果 2001

动量策略

标准普尔指数

500

图 1336 性能，2001

图 1337 联合健康集团

图 1338 绩效 1999-2001
2002

进入 2002 年，我们的股票持有量为零。整个投资组合都在老旧的现金中。在这种情况下，重要的是要理解，在这些情况下，现金实际上不应该以真实现金的形式持有。这只是一个表达。我不仅指的是你不会将投资组合存放在用链子锁住手腕的银色公文包里的实体美元纸币这一显而易见的事实。你也不应该将这些现金存放在银行账户中。

现金的问题，即使在银行账户中，也是没有安全保障的。如果你的银行或经纪人突然倒闭，现金就成了问题。至少如果你的现金持有量超过了政府的存款保障。

在 2002 年，许多人可能仍然认为银行不会倒闭，但近年来的经验教会了我们相反的事实。如果你的银行或经纪人像渡渡鸟一样消失，你很可能会拿回所有的证券。至少在一些延迟和可能的法律争斗之后，但你仍然有可能拿回这些证券。证券是以你的名义注册的，与任何潜在的破产索赔是分开的。另一方面，现金在你的银行或经纪人倒闭的瞬间就会消失。

你在现实中所做的就是将多余的现金放入货币市场工具或甚至国债，这取决于你预计将其保持在“现金”状态的时间。这只是常识。

虽然 2002 年的交易活动不多，但我们经历了一个有趣的阶段。并不是说我们整年都保持流动性。在三月，指数在水线以上升起了潜望镜，当它超过 200 日移动平均线时，我们当然必须开始买入。

这里的投资组合表不是来自 2002 年初。那会是一个空表，看起来相当傻，不是吗？不，表 13-18 显示的是我们在 2002 年 3 月购买的股票列表，当时指数开始真正改善。

表 1318 2002 年 3 月投资组合

名称	重量行业
美国航空集团公司	$2.50 %$ 工业
波音公司	$3.40 %$ 工业
布伦瑞克公司	$4.60 %$ 消费者可选品
百得公司	$4.20 %$ 消费者可选品
大宗商品公司	$3.20 %$ 消费者可选品
球公司	$5.20 %$ 材料
库珀轮胎与橡胶公司	$3.30 %$ 消费者可选品
豪华公司	$5.60 %$ 工业
达登餐饮公司	$2.90 %$ 消费者可选品
艾克劳公司	$5.40 %$ 材料
金西金融公司	$5.00 %$ 财务
古德里奇公司	$4.30 %$ 工业
W W Grainger Inc	$4.30 %$ 工业
诺德斯特龙公司	$3.20 %$ 消费者可选品
KB 家园	$2.30 %$ 消费者可选品
L 品牌公司	$3.10 %$ 消费者可选品
马斯科公司	$3.40 %$ 工业
麦克德莫特国际公司	$2.40 %$ 能源
帕克汉尼芬公司	$4.10 %$ 工业
普尔特集团公司	$3.00 %$ 消费者可选品
莱德系统公司	$4.50 %$ 工业
罗克韦尔自动化公司	$3.40 %$ 工业
西贝尔系统公司	$1.70 %$ 信息技术
蒂芙尼公司	$3.00 %$ 消费者可选品
T. Rower Price Group Inc 公司	$3.90 %$ 财务

该投资组合重仓工业和消费品股票。科技股仍未得到市场的宽恕，我们仅持有

8 %

。考虑到市场状况，这似乎是一个合理的投资组合。这并不是一个非常激进的立场，但也不是完全由防御性公用事业和必需品构成。

图 1339 2002 年 3 月部门分配

这是一次不错的尝试，但不幸的是它失败了。指数在移动平均线之上停留的时间不长。仅仅几周后，指数就与平均线告别，接下来的时间里两者几乎没有再见面。

因此，我们的投资组合在再平衡过程中逐渐减少。科技行业遭受的损失最为严重，而我们的股票表现并没有那么糟糕。逐步减持所花费的时间证明了它们在市场压力下的韧性。我们持续缓慢地出售那些跌破移动平均线、出现过大差距或未能满足其他标准的股票。直到七月，我们才再次回到全现金投资组合。

尽管在熊市中购买了一个全面配置的投资组合，但这一年的表现相当无聊。总的来说，我们最终损失了大约

3 %

，而指数损失了惊人的

22 %

。

图 1340 绩效，2002 年

又一年大部分时间都在袖手旁观，但请记住，相对于大多数人来说，表现非常好。在市场动荡时损失几个百分点并不值得羞愧。

在图 13-41 中发生的事情或多或少就是 2002 年购买的所有股票所经历的情况。熊市开始减缓，指数在横盘整理了足够长的时间后，短暂地突破了长期移动平均线。这给了我们买入新股票的绿灯，我们确实进行了购买。

在这种情况下，波音的股票也有了不错的反弹，开始看起来相当积极。我们在三月份买入了这只股票，到四月中旬时就已经卖出了。指数的下一轮抛售很快就开始了，回头看，这次入场时机非常糟糕。好吧，赢得所有的机会是不可能的。

经过四年，我们的表现曲线相当奇怪，正如您在图 13-42 中所看到的。起初一切似乎都很好。我们早期获得了强劲的回报，并且相对于指数表现出色。但一旦熊市开始，我们就转为现金，并几乎一直保持在现金状态。

表 1319 结果 2002

	动量策略标准普尔	总计	返回
返回 2002	$- 3.00 %$	$- 22.10 %$
最大回撤 2002	$- 4.20 %$	$- 33.00 %$
自 1999 年以来的年化回报	$10.40 %$	$- 6.80 %$
自 1999 年以来的最大回撤	$- 15.40 %$	$- 47.40 %$

现在我们已经有两年几乎什么都没做，只是在持有现金。这是什么样的策略？

我知道这很难做到。大多数交易者都在寻找机会，手指非常痒。你看到市场下跌，想要进场，要么卖空，要么低买。相信我，在这种市场条件下，这是个非常糟糕的主意。在这种情况下，很少有人能从股市中赚钱。哦，事后诸葛亮，每个人都知道应该怎么做。但实际上，这些都是非常危险的时刻，如果你能在其他人都在亏损的时候简单地保住你的资本，你将会遥遥领先。

现在不是冒险的时候。保持冷静，耐心等待。

图

13 41

波音

图 1342 绩效 1999-2002

2003

在我们经历的这两年艰难岁月之后，大多数股票动量交易者已经退出了这个游戏。我们对过去两年的最好评价是，我们没有亏损太多钱，而大多数人却亏了。还有另一种策略同样表现良好，叫做“保持距离”。为了让我们的动量策略有意义，我们需要尽快看到一些回报。在熊市中击败指数很简单。我们需要看看当情况好转时它的表现。

在 2003 年初，我们的投资组合与前一年开始时完全相同。也就是说，我们没有持有任何股票。在头几个月，这感觉是个很好的主意。到三月初，市场下跌了

10 %

，我们仍然保持平稳。但随后市场开始回升，迅速上涨，而我们却没有参与。不过不用担心，移动平均线正在快速接近。最终在四月，指数发出信号，开始建立新的投资组合。

表 13-20 中的投资组合显示了我们在此时购买的股票。总体而言，这是一个相当平衡的投资组合，但在医疗保健方面明显偏重。虽然这个投资组合在一年中有所变化，但表现非常有趣。

表 1320 2003 年 4 月投资组合

名称	重量行业
Adobe 系统公司	2.60% 信息技术
艾特纳公司	$3.80 %$ 医疗保健
艾尔健公司	4.60% 医疗保健
安进公司	4.60% 医疗保健
阿波罗教育集团公司	3.80% 消费者可选品
百思买公司	2.40% 消费者可选品
贝克顿·迪金森和 ${Co}_{0}$	4.00% 医疗保健
布朗-福尔曼公司	6.40% 消费品
艾维斯预算集团公司	$3.00 %$ 工业
eBay 公司	4.60% 信息技术
氟公司	$3.20 %$ 工业
Guidant LLC	$3.20 %$ 医疗保健
哈斯布罗公司	4.20% 消费者可选品
美泰公司	4.00% 消费者可选品
美敦力公司	$2.90 %$ 医疗保健
马拉松石油公司	$5.00 %$ 能源
耐克公司	$3.90 %$ 消费者可选品
公共服务企业集团 1	$5.30 %$ 公用事业
保守公司	4.70% 财务
帕尔公司	$3.80 %$ 工业
锐步国际有限公司	4.50% 消费者可支配支出
星巴克公司	3.40% 消费者可选品
圣犹大医疗公司	4.60% 医疗保健
雅虎公司	2.60% 信息技术
齐默控股公司	3.70% 医疗保健

图 1343 部门分配，2003 年 4 月

与去年相比，这次当指数突破移动平均线时，它只是继续上涨。交叉发生在四月中旬，此后指数与平均线的距离不断增加。我们的动量策略表现也很好。起初它只是复制指数，保持了几个月的平衡。指数表现良好，因此在这样的阶段复制指数表现是完全可以的。

然后在夏末，我们的股票开始加速上涨。那时，我们已经实现了

20 %

的年度利润，但这还不够。多年后，市场上再次充满了乐观情绪。人们像要抢购即将绝版的股票一样买入。这正是动量投资大放异彩的环境。

该指数在尘埃中被遗忘，尽管年末达到了相当可观的

+ 28 %

，我们却获得了惊人的

+ 42 %

。这可不算差。当然，如果你在过去几年的平庸表现后选择退出并停止交易，那就另当别论了。

今年我们取得了一些重大成功。在图 13-45 中，你可以看到我们在 2003 年 6 月收购 Sanmina 后发生的情况。在 2004 年初出售之前，它的价值翻了一番。还要注意图中显示的所有交易。你应该已经习惯看到这些了。所有这些交易都是为了补偿波动性变化而进行的小规模再平衡。这些交易都是为了尽量保持风险恒定，因为头寸风险总是在变化。

这正是我们希望在动量策略中看到的交易。在一个好年头，我们会获得几只这样的表现优异的股票。

在 2002 年底，我们的整个策略看起来就是持有现金。当时我们有两年的几乎平稳的表现。在这一年之后，长期策略的运作应该会变得清晰。如果没有明确的进出市场规则，你将面临在熊市中损失过多和错过不可避免的反弹的风险。

表 1321 2003 年结果

动量策略

标准普尔指数

返回 2003

41.80 %

28.70 %

最大回撤 2003

- 7.20 %

- 13.80 %

自 1999 年以来的年化回报

16.10 %

- 0.60 %

自 1999 年以来的最大回撤

- 15.40 %

- 47.40 %

我们在这里进入的时机非常好，随着市场的恢复，我们选择了正确的行业和股票。现在经过五年，我们可以展示出相对于市场的显著超额收益和非常强劲的绝对回报。

图 1344 性能，2003

图 1345 Sanmina 公司

图 1346 绩效 1999-2003
2004

最后，我们迎来了一个相对正常的年初。2004 年 1 月，互联网泡沫破裂早已被遗忘，市场正在反弹。我们刚经历了超过半年的卓越表现，市场似乎不想停止上涨。随着新年的开始，我们拥有一个非常广泛的 27 只股票投资组合，涵盖了除金融以外的所有行业。现在我们甚至重新投资于科技股，配置比例为

28 %

。去年我们获得了超额收益，因此士气高涨，我们已经满仓。

表 1322 初始投资组合，2004 年

名称	重量行业
圣米纳公司	2.20% 信息技术
Humana 公司	4.00% 医疗保健
自由港-麦克莫兰公司	2.70% 材料
路易斯安那-太平洋公司	$3.60 %$ 材料
乔治亚-太平洋公司	4.70% 材料
先进微电子公司	2.30% 信息技术
诺德斯特龙公司	4.30% 消费者可选品
摩托罗拉解决方案公司	3.20% 信息技术
自由港-麦克莫兰公司	$4.20 %$ 材料
德州仪器公司	3.10% 信息技术
阿尔卡特-朗讯美国公司	2.30% 电信服务
雅虎公司	3.10% 信息技术
PMC-西雅图公司	2.10% 信息技术
美国钢铁公司	$4.30 %$ 材料
普尔特集团公司	4.00% 消费者可选品
博通公司	2.30% 信息技术
雷诺兹美国公司	4.70% 消费品
西贝尔系统公司	$3.00 %$ 信息技术
AES 公司	$3.00 %$ 公用事业
泰瑞达公司	2.60% 信息技术
国际游戏技术	4.60% 消费者可选品
下一尔通信公司	3.70% 电信服务
奥多斯公司	3.70% 信息技术
奥驰亚集团公司	7.30% 消费品
齐默控股公司	$5.60 %$ 医疗保健
施耐德电气 IT 公司	$3.30 %$ 能源
罗克韦尔自动化公司	$5.30 %$ 工业

图 1347 初始部门分配，2004 年

2004 年的大部分时间远没有前一年那么有趣。我们这里的投资组合波动性相当高，底线迅速上升到

+ 7 %

，然后又全部失去。几个月来，这种波动行为持续着，上下起伏。然后在八月，市场再次开始下跌，我们已经落后于指数。

市场在夏末跌破了移动平均线，标志着新购买的暂停。我们的投资组合价值进一步下跌，并开始减少风险敞口，因为在重新平衡中卖出了股票。在最糟糕的情况下，我们在八月份遭遇了

9 %

的损失，而市场的最大损失仅为

9 %

。这并不是一个愉快的境地。去年刚刚重新获得对这一策略的信心，现在又是一个可以理解的怀疑时刻。我们全年都在交易，做了这么多工作，而现在在八月份，我们所得到的只是一个波动性大、表现不佳的投资组合，损失接近两位数。

你需要记住的是，动量投资是一种长期策略。这是一种在长期内超越市场的方法。有些年份有效，有些年份无效。随着时间的推移，它的表现总是优于股票市场，并且总是能带来可观的回报。让我们再坚持一下我们的策略，看看会发生什么。

那年八月的读数结果是我们看到的最糟糕的。事实上，在那之后，我们经历了一次令人难以置信的反弹。从八月初的

- 9 %

开始，我们像火箭一样腾飞。指数再次超过了移动平均线。

平均，使我们能够重新购买一个完全装载的投资组合，结果证明这些股票是正确的。

从这里开始，我们迅速推进，进行了持续到年底的反弹。到十二月时，我们的收益为

14 %

，不仅超过了指数，还提供了强劲的绝对回报。有些人可能认为

14 %

是一个非常糟糕的回报。这通常是匿名交易论坛上流行的态度，在那里每个人都声称每年能赚取数百甚至数千的百分比。这些数字在匿名在线论坛上进行口水战时都很好，但在现实世界中，很少有人能在较长时间内以

14 %

的速度复利。

图 13-49 中的 Autodesk 位置显示了一个很好的长期位置。如果你在想为什么没有显示再平衡交易，那是因为我去掉了标签，以便更容易查看图表。在如此长的时间内，你会得到如此多的交易标签，以至于几乎看不到价格了。

该职位于 2003 年 12 月开放，整个 2004 年都在持有，并于 2005 年 1 月底出售。在此期间，价格上涨了三倍，极大地促进了我们在此期间的投资组合表现。

图 1348 绩效，2004 年

图 1349 Autodesk

图 1350 国际游戏技术

并不是所有的交易都像 Autodesk 那样有趣。即使在好年份，也有很多糟糕的交易。图 13-50 中显示的 IGT 交易就是一个很好的例子。我们在 2003 年底曾交易过这只股票，结果还不错。虽然不算太好，但我们以小利润退出。到 2004 年 4 月，IGT 成为了排名最高的动量股票之一，我们再次买入。这一次，我们买入后第二天股价就暴跌。股价迅速回落，穿过移动平均线，在下一个再平衡时我们以亏损退出。

这经常发生，但没什么好担心的。这是做生意的代价。这是一笔有效的交易，但就是没有成功。我们仍然做了。
在这一年里。

到目前为止，我们已经远远领先于指数，我们的动量策略证明了其价值。你现在应该开始看到长期模式；在牛市中表现优于市场，在熊市中进行防守。

如果你在 1999 年初投资了

$ 100

美元于指数跟踪器，现在你将拥有大约

$ 106

美元。另一方面，如果你将这笔钱投资于这种动量策略，你现在的钱已经翻倍了。

表 1323 结果 2004

动量策略

标准普尔指数

返回 2004

13.70 %

10.90 %

最大回撤 2004

- 13.50 %

- 7.40 %

自 1999 年以来的年化回报

15.70 %

1.30 %

自 1999 年以来的最大回撤

- 15.40 %

- 47.40 %

图 1351 绩效 1999-2004
2005

在 2005 年，科技股再次流行，而且是以一种大规模的方式。事实上，我们今年初始投资组合的一半都在 IT 行业。对单一行业的这种重仓配置发出了非常明确的信号。这意味着在这个特定领域正在发生一个重大趋势，而我们正参与其中。科技股已经从股市的弃儿变成了

主要驱动因素再次出现。除了科技股，我们在工业、非必需消费品和能源领域也有显著的投资。

表 1324	初始投资组合
名称	重量行业
奥多斯公司	3.90% 信息技术
苹果公司	3.10% 信息技术
能源未来控股公司	$5.20 %$ 能源
诺福克南方公司	$5.50 %$ 工业
百得公司	6.50% 消费者可支配支出
PACCAR 公司	4.60% 工业
跨洋有限公司	$3.80 %$ 能源
KB 家园	3.50% 消费者可支配支出
布伦瑞克公司	4.80% 消费者可选品
Adobe 系统公司	4.20% 信息技术
富兰克林资源公司	$6.60 %$ 财务
网关公司	2.30% 信息技术
思杰系统公司	3.40% 信息技术
先进微电子公司	2.70% 信息技术
eBay 公司	4.60% 信息技术
康维科技公司	2.80% 信息技术
怪兽全球公司	4.10% 信息技术
QLogic 公司	3.20% 信息技术
安德鲁有限责任公司	3.10% 信息技术
甲骨文美国公司	2.80% 信息技术
帕克汉尼芬公司	$5.70 %$ 工业
英伟达公司	2.80% 信息技术
康普华公司	2.40% 信息技术
NCR 公司	4.80% 信息技术
威廉姆斯公司	3.60% 能源

图 1352 初始分配，2005 年

去年年底经历了几个月的上涨，我们的投资组合从八月到十二月显示出显著的收益。在经历了如此令人难以置信的几个月后，大家对 2005 年充满了期待。然而，今年的开局却很艰难。在头几天里，我们已经下跌了几个百分点。这并不太令人担忧，但在新年的第一周下跌四个百分点总是让人不愉快。好吧，我们以前见过波动，所以也许这在当时并没有让我们太担心。

但两周后，当一月快结束时，我们发现自己陷入了六个百分点的亏损，这就不那么有趣了。当你面前有一张长期表现图表，回顾那些看似微不足道的小波动时，这些情况可能显得微不足道。但当它们真的发生在真实资金上时，情况就完全不同了，你根本不知道期货会如何发展。你自然会停下来思考，如果继续以同样的速度前进，会发生什么。如果今年每个月都亏损六个百分点，你一年将会损失

50 %

。进行这样的计算并不健康，但我们都这样做。

这里发生的事情是市场恢复了，我们持有的股票恢复得最快。随着市场正常化并在接下来的几个月中上涨，我们的投资组合表现得到了强劲提升。从

- 6 %

的低点，我们在三月份一路上涨到

+ 7 %

。这样的波动从心理角度来看可能很艰难。如果你在年初时将

$ 100, 000

的辛苦挣来的现金投入了这个投资组合，

你在头几周首先损失了

$ 6, 000

，然后在接下来的几个月中获得了

$ 11, 000

。现在你处于巅峰状态，重新开始计算复合收益。你在两个月内赚了

11 %

，如果继续这样下去，你一年可以赚

87 %

。如果你一开始有

$ 100, 000

，那就是

$ 87, 000

。

这样想是很诱人的，但尽量不要这样想。事情绝不会像那样发展。绝对不会接近。既不是你在一月份所担心的

- 40 %

，也不是你在三月份所梦想的

+ 87 %

。

今年继续是一场过山车。随着市场在第二季度稍微回落，我们的股票继续展现出其高贝塔值。从峰值

+ 7 %

，我们在年中一路跌回到

- 6 %

。这些情况令人非常沮丧。你今年看到了不错的利润，却全都失去了。你整年都在使用动量模型、计算、再平衡，但最终只得到了损失。

图 1353 绩效，2005 年

2005 年的过山车之旅远未结束。今年的情况令人紧张，从 5 月到 9 月出现了强劲的第二波反弹，我们的投资组合从

- 6 %

上升到

+ 13 %

。在几个月内增长了超过

20 %

，这可不算差。唯一的问题是，在那之后，短时间内出现了大幅亏损。我们的回报在几周内从

+ 13 %

骤降至零。虽然指数本身的波动并不那么剧烈，但我们的投资组合由高贝塔股票组成，遭受了严重的短期打击。

该指数再次触及 200 日移动平均线的底部，我们不再允许替换即将退出的股票。现金开始积累，到 11 月时我们的速度降至不到一半。我们超过一半的投资组合持有的是普通现金。

这，事实证明，正是减少股票的错误时机。事后说起来很容易。指数跌破了平均水平，但很快又反弹上升。我们被抛在了后面，因为我们只在市场上站了一只脚。令人惊讶的是，尽管我们的投资暴露水平如此低，但我们仍然能够跟上指数的反弹。留在投资组合中的股票表现明显优于指数，并与市场保持了平等的地位。

考虑到图 13-53 中十月扩展的糟糕时机，合理怀疑我们是否应该更改参数。毕竟，如果我们使用 220 天的移动平均，这种糟糕的时机就可以避免。这是一个容易陷入的陷阱：根据事后知识来更改参数。

我写这本书的目的是呈现现实主义。我想展示事物在现实中是如何运作的，我拒绝展示一个经过优化的历史回测，尽管结果令人难以置信，只是为了多卖几本书。现实情况是，这些事情确实发生，而且还有更糟糕的事情。让策略看起来更有利可图，并赋予它神奇的时机能力在事后看来是很简单的，但这对阅读这本书的任何人都没有帮助。

至少今年的结束还算不错，经历了许多业绩波动和在最糟糕时刻的缩减。指数本身在年末约为

+ 5 %

，而我们的收益为

+ 9 %

。这仍然不是一个糟糕的回报。随着时间的推移，相对于指数的超额收益会累积起来。我们追求的是一致性。

表 1325 结果 2005

动量策略

标准普尔指数

返回 2005

9.30 %

4.90 %

最大回撤 2005

- 11.40 %

- 7.00 %

自 1999 年以来的年化回报

14.80 %

1.80 %

自 1999 年以来的最大回撤

- 15.40 %

- 47.40 %

图 13-54 中的 Anthem 交易展示了这种策略下经常会出现的令人沮丧的情况。我们在这只股票强劲上涨后买入，和往常一样。注意下方面板中，股票排名不断上升。当我们买入这只股票时，它在 500 只股票中排名第 12。然而，在我们买入后，动能几乎消失。它并没有下跌，只是停止了移动。几个月后，我们最终以近四个月的持仓退出，但什么也没有收获。更糟糕的是，就在我们卖出后，这只股票决定再次开始上涨。当然，到那时，这只股票的排名已经恶化，无法再进入前列，现在我们只能用一些完全无关的股票来替代它。

好吧，这再次是做生意的成本。你不会总是有赢家。始终记住，任何单个头寸都是绝对无关紧要的。我们是为了投资组合，而不是为了单个头寸。这个策略，和大多数专业交易策略一样，并不是为了在每笔交易中获胜。它是为了在长期内，以投资组合的方式获胜。

在图 13-55 中，Aetna 则是一个更令人鼓舞的交易。在这里，我们在时机非常好的情况下买入，尽管是运气使然，就在股票开始新一轮上涨之前。

到目前为止一切顺利。我们已经七年了，并且在指数上有了巨大的领先。今年我们的表现大致与市场持平，但考虑到我们已有的领先优势，这并不算太糟。

图 1354 国歌

图 1355 艾特纳

图 1356 绩效 1999-2005

2006

我们刚刚度过了一个艰难但盈利丰厚的年份。这真是让人紧张，但至少我们以双位数的成绩收尾。随着今年的开始，我们在科技方面仍然有些重，但仍然相对多元化。我们在金融、工业、医疗保健和非必需消费品方面有大额配置。请注意公用事业和电信的缺失。这两个行业在动量投资中很少受到关注，因为它们没有表现出任何真正产生动量股票的能力。日用消费品行业也缺席了开局阵容，但这个行业有时可以展现出优秀的表现。

表 1326 初始投资组合，2006 年

名称	重量行业
快递处方控股公司	$3.60 %$ 医疗保健
E*TRADE 金融公司	$3.30 %$ 财务
先进微电子公司	3.20% 信息技术
罗伯特·哈夫	4.60% 工业
BJ 服务公司有限责任公司	3.30% 能源
美敦力公司	$3.10 %$ 医疗保健
诺福克南方公司	$5.20 %$ 工业
Aon PLC	$5.10 %$ 财务
应用生物系统公司	4.90% 医疗保健
自由港-麦克莫兰公司	$3.80 %$ 材料
苹果公司	3.90% 信息技术
诺威尔公司	3.20% 信息技术
自由港-麦克莫兰公司	$3.20 %$ 材料
伯灵顿北方圣菲	$5.70 %$ 工业
JDS Uniphase 公司	1.70% 信息技术
英伟达公司	2.80% 信息技术
保守公司	$5.00 %$ 财务
思杰系统公司	4.60% 信息技术
赛纳公司	2.00% 信息技术
Adobe 系统公司	3.10% 信息技术
吉利德科学公司	$3.00 %$ 医疗保健
贾努斯资本集团公司	4.00% 财务
网件公司	3.30% 信息技术
星巴克公司	4.20% 消费者可选品
电路城市商店公司	3.80% 消费者可选品
怪兽全球公司	3.90% 信息技术

图 1357 初始部门分配，2006 年

今年的开局非常好。从年初到五月初的这段时间表现惊人。那时，我们已经获得了

19 %

的利润。一切看起来都很好。在麻烦开始之前，通常都是这样。然而，这一年对动量投资来说却非常失望。那些已经表现出色超过一年的行业突然暴跌。我们四处遭受损失，投资组合的价值迅速下降。

更糟糕的是，我们在夏季时机的把握上运气极差。6 月份，指数跌破了移动平均线，我们迅速减少了投资。每次再平衡时都卖出了多只股票，到了 7 月初，我们持有

60 %

现金。就在这时，熊市反弹出现，将我们推回市场。指数稍微回升，触发了全面买入。我们刚买完股票，市场又开始下跌。此时高风险投资让我们迅速亏损，随后在指数第二次跌破平均线时再次缩减投资。当然，就在我们再次降到只有一半的投资时，市场恢复并开始反弹。很难不对此感到个人化。

这一次，动量策略确实遇到了困难。我们在下半年表现不佳，缓慢上升，但远远没有达到市场的水平。那么这里发生了什么？为什么动量策略突然失效了？

初步的下滑是显而易见的。动量板块受到了冲击，而我们的高贝塔策略受到了更大的打击。这种情况时有发生。更令人担忧的是，我们在下半年未能展现出任何真正的表现。好吧，这就是事情有时的发展方式。在这个特定的时期，动量策略并没有很好地发挥作用。我们购买了几只曾经表现良好的股票，但在我们买入后，它们的表现就不再那么出色。大多数股票以小利润或小亏损被卖出，并被其他同样没有产生实质性波动的股票所替代。

不要指望任何策略总是有效。

办公用品交易在图 13-59 中展示了年中许多头寸发生了什么，以及为什么投资组合表现大幅下滑。在这种情况下，三月份开设的头寸在几个月内表现良好，随后开始回落。由于几乎所有其他股票也下跌，这只股票的排名相对其他股票仍然很高。这就是为什么它被卖出花了这么长时间的原因。

图 1358 绩效，2006 年

图 1359 办公用品仓库

图 1360 绩效 1999-2006
表 1327 结果 2006

动量策略

标准普尔指数

返回 2006

2.40 %

15.80 %

最大回撤 2006

- 18.50 %

- 7.50 %

自 1999 年以来的年化回报

13.10 %

3.40 %

自 1999 年以来的最大回撤

- 18.50 %

- 47.40 %

这一年并不是很有趣，尽管我们最终的表现稍微好于持平，但我们放弃了年初的良好表现，并且相对指数的损失很大。请记住图 13-60 中的长期图表。这个策略是

为了长远考虑。任何一年，都会发生各种事情。从长远来看，我们会胜利。

2007

在经历了动荡的 2006 年后，我们真的需要尽快看到一些业绩，以重新获得对战略的信心。去年年底的表现令人尴尬。今年又是科技股表现相当不错的一年，因此我们在该领域的配置非常重。事实上，今年的初始投资组合完全由两个行业主导。科技行业和非必需消费品行业几乎覆盖了我们投资组合的

85 %

。这确实是一个相当激进的姿态。

表 1328 初始投资组合，2007 年

名称	重量行业
苹果公司	$3.60 %$ 信息技术
Adobe 系统公司	3.70% 信息技术
亚马逊公司	3.70% 消费者可选品
阿勒格尼技术公司	$2.90 %$ 材料
汽车区公司	6.90% 消费者可支配支出
大宗商品公司	2.80% 消费者可支配支出
BMC 软件公司	5.00% 信息技术
CBRE 集团公司	$3.00 %$ 财务
Celgene 公司	$3.20 %$ 医疗保健
蔻驰公司	4.10% 消费者可选品
思科系统公司	4.40% 信息技术
东曼柯达公司	4.10% 信息技术
高盛集团公司	$5.00 %$ 财务
固特异轮胎和橡胶公司	3.90% 消费者可选品
哈斯布罗公司	6.20% 消费者可选品
国际公共集团公司	3.60% 消费者可选品
瞻博网络公司	2.80% 信息技术
诺德斯特龙公司	3.70% 消费者可选品
NCR 公司	6.20% 信息技术
英伟达公司	$2.90 %$ 信息技术
萨伯控股公司	6.80% 信息技术
联合信息系统公司	4.30% 信息技术
百胜餐饮集团	$5.20 %$ 消费者可选品

图 1361 初始部门分配，2007 年

到现在为止，我们应该已经习惯了一些反复无常的表现，经过几年的起伏。今年的开局相当不错，到二月底时上涨到

+ 8 %

。之后，我们又看到跌回零以下，但这并没有持续太久，而且跌幅也不够大，不会触发任何减持。这种情况时有发生，没什么好担心的。这就是股市的特点。然后我们开始快速而稳定地上涨。在夏季结束之前，我们的年涨幅已经达到

17 %

。这真是相当可观的表现，特别是考虑到当时指数仅为

+ 10 %

。

从这里开始，市场出现了一些波动，我们看到投资组合有相当大的变动。我们在一年内短暂降到仅有

3 %

的收益，然后反弹至

+ 20 %

。市场也在剧烈波动，但我们能感受到这里的高贝塔成分。请始终意识到，股票动量投资的很大一部分与贝塔有关。我们可能会感受到指数的波动幅度远高于普通的平衡投资组合。

指数正接近平均水平，我们在一年中会适度调整风险敞口。如果再出现一年我们过早缩减风险敞口的情况，肯定会让许多读者认为解决方案是去掉指数过滤器，或者至少将其从 200 日移动平均线调整为 300 日移动平均线。在本章中，你会看到这两种解决方案都不是一个好主意。现在，先听我的。

表 1329 2007 年结果

	动量策略标准普尔	总计	返回
返回 2007	$17.30 %$	$5.50 %$
最大回撤 2007	$- 12.80 %$	$- 9.90 %$
自 1999 年以来的年化回报	$13.60 %$	$3.70 %$
自 1999 年以来的最大回撤	$- 18.50 %$	$- 47.40 %$

全年曝光的缩放无疑影响了表现，但我们仍然在 12 月以相当不错的数字到达终点。指数在年末为

+ 5.5 %

，而我们以双位数超越了它。动量策略今年的表现超过了

+ 17 %

，证明了它在过去艰难一年后的价值。

图 13-63 显示了今年一些更有趣的交易之一。我们在一月份购买了美国钢铁，期间进行了几次再平衡，最后在七月份小幅回调后卖出。这是一笔优秀的交易，这正是我们希望看到的更多。

我们度过了一个不错的年度，业绩双位数增长，并且相较于市场表现出色。我们距离 2005 年设定的高点还有一段距离，但我们会达到那个目标。最重要的是，我们展现出的长期回报特征显著优于被动购买和持有指数。

图 1362 绩效，2007 年

图 1363 美国钢铁公司

图 1364 绩效 1999-2007

2008

如果数字 2008 没有让你感到颤抖并出现创伤后应激症状，那么你可能很幸运没有在那个时期从事这个行业。这是一个极其压力巨大的年份。即使是那些在这一年表现出色的人，仍然记得那段时间的恐怖。虽然时间并不算久，但很难回想起我们当时是多么接近崩溃的边缘。

这一年金融系统几乎崩溃。任何银行随时可能破产。我们大多数人每天都在银行之间转移现金，将流动资产转移到在接下来的 24 小时内似乎最不可能倒闭的银行。尽管市场在这一年遭受了巨大的打击，但我们都很幸运能够脱身。

表 1330 初始投资组合，2008 年

名称	重量行业
苹果公司	2.70% 信息技术
安盛公司	$3.70 %$ 财务
阿帕奇公司	$3.30 %$ 能源
阿波罗教育集团公司	2.60% 消费者可选品
皮博迪能源公司	2.60% 能源
CONSOL Energy Inc	$2.90 %$ 能源
迪尔公司	$3.00 %$ 工业
EOG 资源公司	$3.80 %$ 能源
快递处方控股公司	4.00% 医疗保健
吉利德科学公司	$3.30 %$ 医疗保健
谷歌公司	$3.20 %$ 信息技术
雅各布工程集团公司	$2.90 %$ 工业
麦当劳公司	4.70% 消费者可选品
孟山都公司	2.80% 材料
墨菲石油公司	$3.70 %$ 能源
纽蒙特矿业公司	2.70% 材料
北方信托公司	$3.20 %$ 财务
西方石油公司	$3.00 %$ 能源
百事瓶装集团公司	$3.80 %$ 消费品
宝洁公司	6.10% 消费品
跨洋有限公司	$3.00 %$ 能源
查尔斯·施瓦布公司	$3.00 %$ 财务
摩尔森库尔斯酿酒公司	$3.40 %$ 消费品
泰克斯特龙公司	$3.90 %$ 工业
沃特斯公司	$5.00 %$ 医疗保健
百胜餐饮集团	4.20% 消费者可选品

在 2008 年初，指数已经低于长期移动平均线。它在去年年底刚刚跌破，我们刚开始稍微减少股票。我们在一月份的投资组合中有

10 %

的现金，但当市场在头几周初始下跌约

10 %

时，我们几乎完美地跟随指数。每周我们卖出一些股票，由于指数持续低于平均水平，我们没有替换它们。请注意图 13-66 中现金每周缓慢增加的情况。

图 1365 2008 年初始部门分配

由于我们的投资暴露迅速降至不到一半，并且还在继续减少，因此我们从二月份开始并没有看到太多的投资组合变动。实际上，到五月份，我们对股市的投资暴露完全为零。我们全部持有现金。

如前所述，在这种情况下，现金并不意味着将其放在银行账户上。更糟糕的是，将其放在经纪账户上。与银行或经纪人持有的实际现金并不安全。这一点再强调也不为过。如果在 2008 年之前大家还不清楚，这在之后肯定是显而易见的。如果你的银行或经纪人出现问题，你就可以和你的现金说再见。如果你的经纪人破产，你可能会拿回证券，但你再也见不到那笔现金。任何认为这种观点是偏执的人，可能并没有经历过 2008 年。世界上一些最有声望的银行和经纪公司崩溃了，带走了现金。还有几家差点崩溃，但在最后一刻被救了。强烈建议将短期货币市场和类似的更安全的藏身之处作为选择。当我在这里使用“现金”这个词时，是比喻的意思。

2008 年的事情是，它开始得相当缓慢。从长期来看，我们从一开始就进入了熊市，但从那时起并没有发生太多事情。在接下来的几个月里，我们看到市场缓慢横盘，略有负面倾斜。直到三月份贝尔斯登倒闭，情况才开始显得令人担忧。即便在那之后，市场似乎也开始缓慢复苏。

对于使用动量策略和指数趋势过滤器的投资者来说，这些都没有太大关系。确实，光是观看世界上令人不安的发展仍然令人感到压力，但这对利润或损失没有任何影响。我们已经持有现金。

到五月底，这可能看起来是个坏主意。毕竟，我们手里有现金，但在

- 8 %

上僵持不下，直到我们获得重新开始购买的绿灯。另一方面，市场此时已经回到了

+ / - 0 %

。我们几乎落后了百分之十，而且全是现金。这种情况可能比看起来更有压力。这是一种很容易被冲动驱使而开始购买的情况，因为害怕落后。

图 1366 绩效，2008 年

这就是规则存在的原因。为了保证行为在时间上的一致性。这是我们能够在回报中找到一些可预测性的唯一方法。

仅仅几个月后，指数又回落到我们平稳表现以下。指数首次下降到

- 15 %

，在几个月内波动，然后真正的戏剧开始了。

2008 年的崩盘是我们前所未见的。如果我们非常幸运，就再也不必看到类似的情况。市场进入了自由下跌模式。股票跌入了无底洞。十月初，我们看到标准普尔 500 指数今年已经损失了

40 %

。这就是

银行和经纪人在这个月份左右横行无忌。无处可逃，无处可藏。

在 11 月，标准普尔 500 指数，即美国大型公司的基准指数，自年初以来显示出

47 %

的损失。美国股市已经失去了其一半的价值。在一年内。

我们的动量投资组合？哦，它仍然停留在

- 8 %

。我们在一月份遭受的损失。

当然，损失

8 %

并不好。但与几乎所有其他人相比，尽管你遭受了损失，你的处境突然变得好得多。

皮博迪能源在图 13-67 中连续第二次交易失败。我们去年在这只股票上进行了一笔交易，但在启动后不久就失败了。2007 年 12 月再次买入，尽管持续了两个月，但还是大幅回落，造成了一些损失。这远不是 2008 年初唯一显示这种模式的股票。许多股票被买入并仅持有几个月后就下跌，最终以亏损收盘。

康索尔能源在 2008 年是表现较好的股票之一。这只股票在 2007 年 12 月也被购买，但在不断加剧的熊市中，它却奇迹般地存活了很长时间。康索尔一直持有到 4 月底，当时由于其排名短暂超过 100 而被卖出。在这只股票被卖出后，我们都变成了现金。

图 1367 皮博迪能源

图 1368 康索尔能源

图 1369 绩效 1999-2008

记得我们在 2001 年时的平稳状态吗？我们又回到了那种模式。现在我们有了良好的长期业绩记录，而世界其他地方每分钟都在亏损，我们则对持有现金感到满意。

表 1331 2008 年结果

动量策略

标准普尔指数

500

一个在 1999 年初投资

$ 100

于标准普尔 500 指数的买入持有投资者现在损失了

$ 15

。与此同时，投入相同金额于动量策略的投资在同一时间段内现在显示出

$ 188

的利润。

2009

我们真的躲过了一劫，是吧？标准普尔 500 指数去年损失了

40 %

，而我们只下降了

10 %

。所有这些也意味着该指数与平均水平相差甚远。可以预见，我们在 2009 年开始时没有持有一股股票。今年初，这对任何采用这种策略进行交易的人来说应该是一个很大的宽慰。去年的

40 %

损失还不够。标准普尔 500 指数在假期后继续下跌，1 月份先下降了

- 14 %

，然后在 3 月份继续大幅下跌，损失达到

27 %

。

今天我们知道，2009 年我们看到

- 27 %

时，这是一个买入股票的最佳时机。那时看起来并不是这样。看起来更像是世界即将崩溃。诚然，这通常是主要熊市结束前的世界景象，但这根本无法预测。你也可以在几个月前开始买入。这并不是一个容易的底部选择，而且这种情况非常罕见。

市场在三月份出现了急剧的上升。图 13-70 显示了当时指数与移动平均线相距甚远。平均线持续下滑，而指数以蒸汽机的速度不断上升。到六月份，两者在相隔近一年的情况下重新相遇。

当指数突破平均线时，我们终于得到了开始买入的绿灯。不过，我们只填满了不到一半的投资组合。你能猜到为什么吗？

记住我们的购买标准。任何最近涨幅超过

15 %

的股票都不合格，任何当前交易价格低于其 100 日移动平均线的股票也不合格。最后一点是确保我们不成为意外的底部捕捞者。这个规则在目前几乎使整个

S & P

500 的成员都不合格。

符合条件的股票被排名，我们从列表的顶部购买。不是等到我们现金用完，而是等到我们股票用完。这是一个不寻常的

情况，但这可能发生。

图 1370 性能，2009 年

表 1332 投资组合，2009 年 6 月

名称	重量行业
先进微电子公司	1.40% 信息技术
汽车国家公司	1.80% 消费者可选品
阿勒格尼技术公司	$1.70 %$ 材料
大宗商品公司	1.80% 消费者可选品
CF 工业控股公司	$2.50 %$ 材料
赛纳公司	1.60% 信息技术
CME 集团公司	$2.10 %$ 财务
蔻驰公司	1.90% 消费者可支配支出
高盛集团公司	2.50% 财务
固特异轮胎和橡胶公司	1.20% 消费者可选品
喜来登酒店及度假村世界	1.70% 消费者可选品
洲际交易所公司	2.30% 财务
国际公共集团公司	1.70% 消费者可选品
约翰逊控制公司	2.00% 消费者可选品
J C Penney 公司有限公司	1.60% 消费者可选品
梅瑞迪斯公司	2.40% 消费者可选品
摩托罗拉解决方案公司	2.00% 信息技术
怪兽全球公司	1.60% 信息技术
纳博尔斯工业有限公司	$1.70 %$ 能源
先锋自然资源公司	$1.60 %$ 能源
密封空气公司	2.50% 材料

初始投资组合可以在表 13-32 中看到。它是一个多样化的行业组合，没有明显的主题。消费品类的超配，但没有什么特别之处。这些只是恢复最快的股票。那些没有因低于其移动平均线而被淘汰的股票。

在开始时，就在这个投资组合构建之后，情况变得有些波动。这是正常的，在经历了显著的熊市后再次开始购买时总会有些紧张。我们并不是在试图准确把握底部。这样的做法在现实中几乎总是失败的。我们

只是想在合理预期熊市可能已经结束时重新进入。

图 1371 部门分配，2009 年 6 月

在最初的几个月里，我们的新投资组合损失了

7 %

，略高于基准指数。然而，之后情况有所好转。在接下来的时间里，我们持续上升。我们所得到的是相对于基准指数的表现不佳，主要是因为我们逐步加仓，直到九月份才完全参与。不过，在这一艰难的一年里，我们还是成功实现了两位数的回报。指数最终上涨了超过

26 %

，而我们达到了

14 %

。

弗兰克林交易在图 13-72 中为今年的表现做出了可喜的贡献。它是在七月购买的，随后开始反弹。波动性相当不稳定，导致在头寸于十二月以可观利润平仓之前进行了多次再平衡交易。

表 1333 结果 2009

动量策略

标准普尔指数

返回 2009

14.00 %

26.50 %

最大回撤 2009

- 14.10 %

- 27.20 %

自 1999 年以来的年化回报

11.40 %

0.90 %

自 1999 年以来的最大回撤

- 24.30 %

- 55.30 %

总体来说，我们终于回来了。在市场外待了一年后，我们全力以赴，刚刚创下了新的历史高点。虽然我们错过了部分市场复苏，但我们的策略从未旨在捕捉 V 型反转。动量策略很好地应对了熊市，长期来看我们的表现是相当显著的。

图 1372 富兰克林资源

图 1373 绩效 1999-2009
2010

我们真正需要对这个策略感到满意的是一个持续的牛市。横盘市场虽然不会造成太大伤害，但也不会带来太多收益。不幸的是，2010 年并不是终极牛市的年份。

我们以一个重 IT 和非必需消费品的投资组合开始，辅以一些医疗保健和材料。你可能已经注意到，现在的模式是，科技和非必需消费品在动量投资组合中往往占据过多份额。这并不是故意为之，而仅仅是因为这些股票通常表现出更高的动量，或者至少在最近几十年中是这样的。

表 1334 初始投资组合，2010 年

名称	重量行业
阿卡迈科技公司	2.90% 信息技术
美盛金融公司	$3.40 %$ 财务
凯德健康公司	$6.20 %$ 医疗保健
卡特彼勒公司	$3.40 %$ 工业
克利夫斯自然资源公司	$2.60 %$ 材料
Salesforce.com 公司	3.40% 信息技术
认知科技解决方案公司	4.60% 信息技术
雅诗兰黛公司	$4.00 %$ 消费品
自由港-麦克莫兰公司	3.10% 材料
FLIR 系统公司	4.30% 信息技术
谷歌公司	7.90% 信息技术
哈曼国际工业公司	2.50% 消费者可选品
哈里斯公司	5.10% 信息技术
捷普电路公司	2.80% 信息技术
诺德斯特龙公司	3.50% 消费者可支配支出
莱克斯马克国际公司	3.30% 信息技术
阿尔法阿巴拉契亚控股公司	$2.70 %$ 能源
美德威斯科公司	3.70% 材料
迈兰公司	4.40% 医疗保健
网件公司	3.90% 信息技术
PNC 金融服务集团公司	$3.20 %$ 财务
先锋自然资源公司	$3.00 %$ 能源
无线电商店公司	3.20% 消费者可选品
蒂芙尼公司	3.10% 消费者可选品
惠而浦公司	3.80% 消费者可选品
温德姆全球公司	3.10% 消费者可选品

图 1374 初始扇区分配，2010 年

年初，我们的投资组合价值出现了初步下跌，几乎与指数的表现完全一致。直到三月初，该策略与指数的表现非常接近。此时，策略开始上升，而指数迅速落后。到五月，我们的年收益为

19 %

，而指数甚至没有达到两位数。

那也是我们对这一年相当动荡的最佳解读。从接近 20%的上涨，我们又迅速回落，失去了一切，甚至更多。指数也下跌了，但我们的跌幅更大。在八月的低点，我们自年初以来的表现为

- 7 %

，并且与指数几乎并肩。

该指数在夏季大部分时间低于平均水平，这导致我们的策略在指数围绕平均水平波动时几次调整敞口。当指数跌破平均水平时，通常会发生两种情况。要么市场进入熊市模式，我们慢慢减持，看到较小的损失，而指数损失更大，要么指数迅速回升，我们则难以跟上。后者更为常见，这也是我们为获得下行保护所付出的合理代价。

在这种情况下会发生这样的事情。市场迅速回升，由于我们的低风险暴露，我们错过了大部分初期的上涨。虽然我们在接下来的一年里恢复并继续上涨，但在 12 月底之前我们未能赶上指数。不过，我们今年的收益接近

12 %

，所以还不错。这是一个长期策略，

从长远来看，我们都非常乐观，并且远远领先于基准指数。

在 2010 年，闪迪是一笔不错的交易，尽管最后以跳空下跌结束。如图 13-76 所示，该股票在大部分时间内被持有。然而，生物基因（Biogen）在图 13-77 中就没那么有趣了。它是年初遭受重创的众多股票之一，导致整体市场下跌时表现大幅回撤。

图

13 75

绩效，2010

图 1376 Sandisk

图 1377 Biogen Idec
表 1335 结果 2010

动量策略

标准普尔指数

返回 2010

11.70 %

15.10 %

最大回撤 2010

- 22.10 %

- 15.60 %

自 1999 年以来的年化回报

11.40 %

2.00 %

自 1999 年以来的最大回撤

- 24.30 %

- 55.30 %

我们创下了一个显著的新高，然后从中回落。这是相当常见的，也是可以预期的。不幸的是，准确把握这些时机并不容易。从长远来看，一致性往往胜过市场时机。

图 13-78 显示了我们目前在市场上领先的程度。看似在许多年后的小幅超越，实际上在长期内会积累成显著的优势。稳定的参与者往往能够持久。

图 1378 绩效 1999-2010

2011

难道不是很棒吗，我们从来没有经历过糟糕的一年？当然，我们在 2008 年亏损了钱，但在指数大跌的背景下，我们的损失并不算太严重。我们从来没有一年经历过重大损失，同时又表现不及指数。好吧，这一切即将改变。

我们进入 2011 年时持有大量的可自由支配股票，能源和科技领域的敞口较大。虽然此时市场看起来非常稳定，但我们将面临一段颠簸的旅程。系好安全带，准备迎接冲击。

表 1336 初始投资组合，2011 年

名称	重量行业
亚马逊公司	4.30% 消费者可选品
阿贝克隆比与费奇 ${Co}_{0}$	$3.50 %$ 消费者可选品
安达科石油公司	4.20% 能源
百威英博公司	4.60% 消费品
CF 工业控股公司	$3.00 %$ 材料
蔻驰公司	4.40% 消费者可选品
康普华公司	4.10% 信息技术
自由港-麦克莫兰公司	$3.50 %$ 材料
哈曼国际工业公司	3.90% 消费者可选品
哈斯公司	4.40% 能源
约翰逊控制公司	4.60% 消费者可选品
J C Penney 公司有限公司	3.30% 消费者可选品
瞻博网络公司	4.10% 信息技术
Carmax Inc	3.20% 消费者可选品
L 品牌公司	3.90% 消费者可选品
LSI 公司	3.60% 信息技术
阿尔法阿巴拉契亚控股公司	$3.40 %$ 能源
国家石油井口公司	$3.60 %$ 能源
英伟达公司	3.40% 信息技术
先锋自然资源公司	4.60% 能源
红帽公司	3.70% 信息技术
斯伦贝谢公司	4.60% 能源
蒂芙尼公司	4.50% 消费者可支配支出
T-Mobile 美国公司	3.70% 电信服务
西部数据公司	3.80% 信息技术

图 1379 初始扇区分配，2011 年

表演开始时相当不稳定，情况即将变得更糟。在年初的这段时间里，我们看到一种像溜溜球一样的表现，几次在 5-6%的范围内上下波动。在此期间，移动平均线不断逼近指数。然后在八月，我们看到了一些重大变化。

欧洲的主权债务危机与美国信用评级下调的结合可能会对股市造成一定的拖累。最大的打击发生在八月，标准普尔 500 指数在两周内下跌了近 20%。这是一个相当戏剧性的变动，且来得毫无预兆。没有缓慢的趋势反转或其他市场转变的常见迹象。我们在一个更大的牛市中经历了有序的横盘市场，突然发生了这种情况。

在这种情况下，动量投资者往往会受到重创。在市场突然下跌时，拥有一整套高贝塔股票的投资组合并不是一种愉快的体验。在这种情况下，几乎令人惊讶的是，我们的策略所受到的损失与指数大致相同，甚至在初期阶段还略少一些。

在此事件之前，我们一直在

+ 8 %

和

- 3 %

之间波动。随着市场突然进行了一次未计划的下行探险，我们的年收益几乎为零。在两周内，我们发现自己陷入了一个

12 %

的困境，并正在逐步减持股票。每周，在常规的再平衡中，几只股票被出售，而随着指数大幅下跌。

低于平均水平，我们不被允许更换它们。现金快速积累，再过几周我们几乎完全退出股市。

接下来发生的事情令人烦恼，但这就是趋势过滤器所提供的下行保护的代价。我们的趋势过滤器确保我们现在已经退出市场。正是在这个时候，市场又恢复了。再次是糟糕的时机。好吧，这是一种长期的方法，从长远来看，像这样的保护机制可以大大提高表现，尽管偶尔会造成一些头痛。

表格 1337 2011 年结果

动量策略

标准普尔指数

返回 2011

- 9.30 %

2.10 %

最大回撤 2011

- 21.10 %

- 18.60 %

自 1999 年以来的年化回报

9.70 %

2.00 %

自 1999 年以来的最大回撤

- 24.30 %

- 55.30 %

市场反弹，最终几乎持平，而我们的策略则稳固地停留在接近

- 10 %

。

在图 13-81 中，Sprint 展示了 2011 年众多糟糕交易中的一个。我们在 6 月底购买了这只股票，当时上半年表现强劲。然而，事实证明，这是购买该股票的最糟糕时机。它迅速下跌，并进入了一个波动的横盘阶段，最终在低点将我们踢出。总的来说，这是一次令人非常沮丧的交易，但这都是游戏的一部分。

图 13-82 中显示了一个非常相似的情况，我们在 O'Reilly Automotive 的交易中又遭遇了一次糟糕的交易。这更加令人沮丧，因为在我们退出后，它迅速上涨，显示出了一次大幅反弹。

好吧，我们确实牺牲了一些表现。长期来看，我们仍然表现不错。下行保护已经到位，一旦市场稳定，我们可能会再次表现良好。

图 1380 绩效，2011

图

13 81

冲刺

图 13 82 0’ Reilly 汽车

图 1383 绩效 1999-2011

2012

我们以完整的投资组合进入 2012 年，刚在去年 12 月回购。我们在消费品方面的投资较重，同时增加了一些工业、科技和少量其他行业的配置。与前几年相比，我们在科技行业的配置非常低。各个行业的表现往往差异很大，最近科技行业的表现不够好，无法获得与往年相同的过度配置。请记住，我们在这里完全不使用任何行业限制。无论所属行业，顶级股票都会被购买，整体行业构成可以随意变化。

表 1338 初始投资组合，2012 年

名称	重量行业
百威英博公司	$5.00 %$ 消费品
大宗商品公司	3.00% 消费者可选品
百健艾迪克公司	4.20% 医疗保健
思科系统公司	3.30% 信息技术
迪恩食品公司	$3.50 %$ 消费品
D.R. Horton 公司	2.60% 消费者可选品
法斯特纳公司	4.20% 工业
F5 网络公司	2.40% 信息技术
古德里奇公司	$11.70 %$ 工业
W W Grainger Inc	4.20% 工业
万豪酒店及度假村公司	$3.00 %$ 财务
直观外科公司	$3.90 %$ 医疗保健
捷普电路公司	2.50% 信息技术
J C Penney 公司有限公司	3.10% 消费者可选品
KLA-Tencor 公司	2.90% 信息技术
莱纳公司	2.70% 消费者可选品
洛威公司	$3.80 %$ 消费者可选品
梅西百货公司	3.10% 消费者可选品
诺维尔系统公司	2.40% 信息技术
ONEOK 公司	5.40% 能源
欧瑞利汽车公司	4.70% 消费者可选品
普尔特集团公司	1.90% 消费者可支配支出
罗克韦尔自动化公司	$2.80 %$ 工业
罗斯商店公司	4.40% 消费者可选品
闪迪公司	2.50% 信息技术
TJX 公司	$5.20 %$ 消费者可选品

图 1384 初始扇区分配，2012 年

2012 年是一个过山车般的年份。这是那种你经历过非常快乐的时刻，也有过因沮丧而撕扯头发的时刻，然后又回到非常快乐的状态。由于我们去年以不好的结局结束，至少看到这里的初步反弹让人感到安慰。我们的利润迅速增加，因为我们拥有一组非常强劲的动量股票。投资组合从第一天开始反弹，并持续到三月底。那时，我们的利润为

17 %

。

年初获得大幅收益感觉很好，但始终要记住我们是为了长远利益而在这里。任何事情都有可能发生。收益可能翻倍，也可能全部消失。尽量避免陷入计算每季度

17 %

对整年的影响的陷阱。是的，不这样算确实很难。实际上，我已经为你算过了。是

87.4 %

。当然，我们不会最终获得

87.4 %

的收益。

在获得

17 %

的收益后，市场转向南行车道，我们也随之而来。在这里，我们的动量股票反应相当可预测，因为高贝塔成分让我们感受到的下跌远远超过整体市场的感受。我们的

+ 17 %

利润在 5 月迅速减少到

- 0.5 %

。

这些情况令人非常沮丧。每当这种情况发生时，你会听到有人试图说服你去交易某种神奇的外汇信号系统，从而每天获得数千个点。忽略那些人。甚至不要问什么是点。

这些下跌是做生意的成本。它们会发生，这没关系。如果你能在较长时间内实现低双位数的复合增长，你就会超过大多数人。即使是那些拥有神奇点数生成超级信号的人，他们早就已经把所有账户都亏光了。

从五月开始，事情变得有趣起来。这是一年的低谷，我们开始逐渐回升。我们在一段时间内交替领先和落后于指数，但经过一个波动的秋季，我们以强劲的表现结束了这一年，最终以非常可观的回报

19 %

超越了市场。

图 1385 绩效，2012

图

13 86

eBay

2012 年众多优秀股票之一是 eBay，如图 13-86 所示。该股票一直在上涨。那么，你可能会问，既然它一直在上涨，为什么我们还要卖掉它呢？在牛市中，有很多股票都在上涨。我们现在进入了一个新的牛市阶段，这意味着有很多股票可以选择。关键在于选择正确的股票。

表 1339 2012 年结果

动量策略

标准普尔指数

返回 2012

18.90 %

16.00 %

最大回撤 2012

- 14.90 %

- 9.60 %

自 1999 年以来的年化回报

10.30 %

2.90 %

自 1999 年以来的最大回撤

- 24.30 %

- 55.30 %

虽然 eBay 可能会继续上涨，但在某个时刻，它的排名下降得如此之多，以至于不再位于指数的前 100 只股票中。这意味着我们会卖掉它，买入排名靠前的股票。如果我们没有这样的规则，我们可能会因为某些股票上涨而持有劣质股票。在牛市中，股票上涨并不是一种优点。几乎所有股票都是如此。我们想要的是最好的。

图 1387 绩效 1999-2012
2013

在 2013 年初，毫无疑问我们正处于牛市。各种市场电视节目中的常客们轮流解释为什么牛市。

市场即将结束。常见的解释与过度印钞、中央银行政策引发的人工买入压力等有关。这些对我们这些动量交易者来说并不重要。重要的是市场在上涨，我们也在参与。当它停止时，我们知道我们有一个保障措施可以让我们退出。没有理由去怀疑市场。它为什么上涨其实并不重要。试图抄底几乎总是会失败。

随着我们进入 2013 年，我们仍然有大量的自由裁量股票。更有趣的是，我们现在持有大量的金融股票。持续的量化宽松政策极大地帮助了这个行业，这些股票的上涨速度比 12 月 26 日的圣诞老人还要快。

表 1340 初始投资组合，2013 年

名称	重量行业
美国银行公司	3.70% 财务
皮博迪能源公司	1.90% 能源
花旗集团公司	3.70% 财务
信诺公司	$5.00 %$ 医疗保健
计算机科学公司	4.20% 信息技术
吉利德科学公司	3.80% 医疗保健
游戏驿站公司	3.40% 消费者可选品
Genworth Financial Inc	$3.30 %$ 财务
哈德逊市银行控股公司	4.10% 财务
哈特福德金融服务集团公司	4.80% 财务
乐吉特与普拉特公司	5.00% 消费者可支配支出
莱纳公司	3.30% 消费者可选品
洛威公司	4.00% 消费者可选品
穆迪公司	$5.40 %$ 财务
马拉松石油公司	$3.70 %$ 能源
M&T 银行公司	$6.40 %$ 财务
网飞公司	2.10% 消费者可选品
纽威尔橡胶制造公司	6.40% 消费者可选品
普尔特集团公司	2.40% 消费者可选品
十字医疗公司	$3.90 %$ 医疗保健
泰森食品公司	5.60% 消费品
惠而浦公司	3.60% 消费者可选品
永利度假村有限公司	4.30% 消费者可选品
雅虎公司	5.50% 信息技术

图 1388 初始部门分配，2013 年

尽管我们去年表现不错，但过程仍然颠簸。难道你不希望能有至少一年表现出色，而没有任何烦人的小坑洼吗？好吧，你运气来了。放松心情，享受这段旅程。我们会搞定的。

市场一开始缓慢上涨，但我们没有。我们迅速上涨。到二月份，我们已经有了两位数的增长。排队进行复合数学计算。

你可能注意到，在早些年里，我们有几次在年初时获得了强劲的收益，但很快又失去了所有。也许你一直在想，当达到某个目标时，干脆把标志拿下，回家去会不会是个好主意。毕竟，今年我们在三月初达到了

+ 15 %

。为什么不兑现收益，余下的时间去钓鱼呢？

这是一个应该让你明白为什么钓鱼可能比你想象中更昂贵的一年。看，这一年一直在继续。虽然有一些起伏，但回头看几乎看不出来。三月的

+ 15 %

到五月时只变成了

+ 7 %

，但之后它就一直持续下去，就像一只小的劲量兔子。

大部分时间我们与指数保持平衡。在多年的时间里，如果你只展示的话，这听起来会相当平庸。

指数水平表现。然而，今年没有人抱怨获得指数。

整整一年，专家们在预测市场顶部的艺术上竞争。每个人都希望被记住为那个预测结束的人。问题是，没有人会记得你错误的次数，只有你最终正确的那一次。最终，那个典型的停表将因其准确的预测而成为市场大师。

忽略所有关于牛市结束的预测。牛市中最可能发生的事情就是牛市继续。就让它继续上涨，当时机来临时，让自动市场趋势过滤器帮助你退出。

今年的收益超过了 37%，这是一个巨大的回报。在股市中，这个回报率非常高。不要指望这种情况会经常发生。

图 1389 绩效，2013

图 1390 最佳购买

图 1391 绩效 1999-2013

在牛市中，事情变得有趣。让我想起了“目标丰富环境”这个词。在强劲的牛市中，我们会看到大量股票迅速上涨并持续上升。图 13-90 中的最佳购买就是其中之一。我们几乎整整一年都持有这只股票。
表 1341 2013 年结果

动量策略

标准普尔指数

返回 2013

37.50 %

32.40 %

最大回撤 2013

- 7.40 %

- 5.60 %

自 1999 年以来的年化回报

11.90 %

4.70 %

自 1999 年以来的最大回撤

- 24.30 %

- 55.30 %

经过一段极好的表现，动量策略的初始

$ 100

现在价值超过

$ 500

。自 2008 年底部以来，整体市场的复苏非常强劲，但与同一时期动量策略所能实现的相比，仍然不值一提。

2014

在经历了如此强劲的牛市之后，此时对这种方法的信心应该很高。我们去年看到了非常强劲的绝对回报，但我们也看到表现与整体指数非常接近。能够在同一年中看到强劲的绝对回报和显著的超额收益将是很好的。

表 1342 2014 年初始投资组合

名称	重量行业
亚马逊公司	$5.00 %$ 消费者可选品
墨西哥辣椒餐厅公司	6.20% 消费者可选品
认知科技解决方案公司	6.50% 信息技术
达美航空公司	$3.70 %$ 工业
E*TRADE 金融公司	$5.10 %$ 财务
Expedia 公司	4.00% 消费者可选品
第一太阳能公司	2.30% 信息技术
吉利德科学公司	$3.80 %$ 医疗保健
哈曼国际工业公司	4.00% 消费者可选品
西南航空公司	$4.50 %$ 工业
麦克森公司	$6.20 %$ 医疗保健
美光科技公司	2.90% 信息技术
诺斯罗普·格鲁曼公司	$7.20 %$ 工业
皮特尼·博斯公司	$3.90 %$ 工业
康斯特 ellation 品牌公司	7.20% 消费品
安全通道公司	$3.60 %$ 消费品
瓦莱罗能源公司	4.20% 能源
永利度假村有限公司	5.00% 消费者可支配支出
美国钢铁公司	$3.50 %$ 材料
木质部公司	$5.50 %$ 工业
雅虎公司	4.40% 信息技术

图 1392 2014 年初始部门分配

2014 年是一个在动量股票中整体上很有趣的年份。当时有一个事件让人感到非常担忧，但很快就被遗忘了。首先，我们在最初几天看到了一个非常不错的推动，使我们在

5 %

的指数上获得了一个良好的开局。这是一个非常舒适的开局，特别是在市场在二月份经历了大约同样幅度的下跌时。市场下跌了

5 %

，我们也削减了同样的幅度。虽然市场在年初时停留在

- 5 %

，但我们大约在零的水平。从那时起，接下来的半年大部分时间都是一次大幅反弹。途中有一些波动，但没有什么真正令人担忧的情况。

表 1343 2014 年结果

动量策略

标准普尔 500 总指数

返回 2014

18.40 %

13.70 %

最大回撤 2014

- 10.70 %

- 7.30 %

自 1999 年以来的年化回报

12.30 %

5.20 %

自 1999 年以来的最大回撤

- 24.30 %

- 55.30 %

图 1393 绩效，2014

令人担忧的事件发生在十月。指数突然迅速下跌。虽然几个月后没有人愿意记得原因，但当时的头条新闻谈论的是对量化宽松结束的恐惧、欧洲经济增长放缓以及其他本不该让任何人感到意外的因素。

市场大幅下跌，我们的动量股票损失显著超过市场。在年初看到超过

17 %

的收益后，我们在短短几天内突然回到了

+ 5 %

。此时，指数再次低于平均水平，我们开始逐步减持股票。

我们再次在一个非常糟糕的时机开始扩张。这个市场恐慌是非常短暂的，在这个月结束之前，指数又回到了起点之上。我们最初的投资暴露较低，但正是在那时，我们的股票真正起飞了。

从那时起，我们进行了疯狂的年终反弹，一路飙升至

+ 24 %

。这是一个非常强劲的年份，这也意味着我们大幅超越了市场。标准普尔 500 指数约为

+ 14 %

，给了我们

10 %

的领先优势。

艾尔健（Allergan）在图 13-94 中是今年一个有趣的交易。它在二月份被买入，此前经历了几个月的强劲上涨。在三月底，当它下跌并开始在排名列表中下滑时，几乎被卖出。然后突然间，这只股票在短时间内实现了

25 %

的上涨。

几天后，使一个已经盈利的头寸变成了今年的大赢家。然而，在此之后，它又横盘了几个月。我们没有卖出，因为它仍然排名很高。当它在夏末再次稍微下跌时，以非常可观的利润卖出。

图 1394 艾尔健

图 1395 绩效 1999-2014

逐年回顾的结论

制作一个好看的模拟并不难。真正的问题出现在你实际部署它的时候。当你查看长期模拟图表或每月结果表时，一切似乎都很简单。当你面对这样的数据时，从长期的角度来看并不困难。然而，当你身处其中时，情况就完全不同了。

讽刺的是，许多实施稳健长期策略的人很快就会屈服于短期压力，开始改变他们的模型。如果你在没有充分意识到会期待什么样的行为的情况下启动长期策略，你很可能不会坚持下去。

我想在这一章中向你展示的是，短期内这可能是多么困难和令人沮丧。一旦你坐在那里，面临巨额资金的风险，而市场又快速朝着不利的方向波动，这就是另一个世界。进行所有的模拟工作是有帮助的，这样你就知道这个策略在过去是有效的。这给人一些安慰，并帮助你在糟糕的时期坚持规则。当然，这还不够。

没有什么能真正让你为交易模型的实时部署做好准备。如果你运气好，恰好在正确的时间启动，收益从一开始就很好。如果你在开始时有几年的好年头，那么在坏年头坚持规则就容易多了。然而，如果你恰好在一个坏年头开始，那就很容易放弃。

希望本章能在某种程度上帮助你为管理动量投资策略的起伏做好准备。不过，真正的考验只有一个。知道自己能否做到的唯一方法，就是用真实资金去尝试。

战略分析

到目前为止，我们看到的是一个完全有效的动量投资模型。随着时间的推移，结果表现强劲，并经受住了时间的考验。无论是牛市还是熊市，这个模型在时间上都表现出色。规则现在应该很清楚，它们在章节中详细介绍。它们以目前的方式运作得相当好，但需要一套精确规则才能运作的策略通常不是一个非常稳健的策略。那么问题是，这些规则中哪些是关键的，哪些不是。本章将探讨策略的不同组成部分，以查看它们是否以及如何可以改变。如果你理解什么是重要的，什么不是，这将帮助你理解规则背后的逻辑以及如何赚钱。

趋势过滤器有多重要？

正如你在本章中无疑注意到的，趋势过滤器有时可能相当烦人。很多时候，它让我们在接近底部时缩减了曝光。之后市场反弹，而我们却被抛在了后面。质疑这种趋势过滤器的必要性是很自然的。毕竟，在 15 年中，只有两个时期我们真正从这个趋势过滤器中获得了显著的价值。

简短的回答是，趋势过滤器增加了很多价值。它的作用是确保在市场真正下跌时，你不会随波逐流。市场迟早会真正下跌，请放心。在漫长的熊市中节省下来的资金在长远来看会产生巨大的差异。

如果你对指数水平趋势过滤器的价值没有信心，我们来做一个快速测试来解决这个问题。图 14-96 中的线条不言而喻。这是我们迄今为止使用的完全相同的交易规则，但忽略了指数趋势。这意味着我们始终在市场中，始终。

替换出库的股票。只要市场上还有符合我们标准的股票，我们就会继续购买。在熊市中，我们仍然会缩减投资，因为最终能够通过我们筛选的股票在指数中会非常少。请注意，在 2000-2003 年的熊市期间，回报率存在一些差异。之后，直到 2008 年，这一策略在有无指数筛选的情况下表现相同。在这里，我们的无筛选策略遭受了超过

50 %

的损失。我们在短时间内突然失去了我们一半的资金。

当然，市场也损失了大约一半，但这不是重点。遭受如此大的损失意味着你已经落后太多，永远无法追赶上来。我们最终在没有趋势过滤器的情况下仍然超过了基准指数，但我们永远无法赶上那些过滤掉熊市的人。

如果你之前查看了那些长期模拟结果并对长时间的平稳期感到疑惑，现在应该更清楚了。使用我们的动量策略，我们经历了两个没有任何收益的长时间段。在很长一段时间内，回报几乎是平坦的，尤其是在 2000-2003 年的市场中，甚至长达数年。重要的是要记住，这些都是交易股票的糟糕时刻。几乎每个人都亏损，而且亏得很惨。

事后，人们往往会说你应该做空。然而，大多数说这话的人并没有真正参与那些时期的交易。事实是，在强烈的熊市中，大多数做空的交易者最终都会亏损。做空是极其困难的，而那些说反话的人往往缺乏实际经验。

但糟糕时机的问题依然存在。我们的策略中有许多错误信号。多次指数跌破 200 日移动平均线，但在我们开始减仓后又迅速反弹。我们难道不能优化这个吗？

不，我们不能。优化是邪恶的，旨在杀死你。不要相信它们。

对于这本书，我几乎是随机选择了设置。我选择了看起来合理的数字，完全没有进行优化。我没有先进行任何模拟以确保这些数字是最佳的。那样做只是愚蠢。这样只会让结果看起来不切实际地好。对任何人都没有帮助。也许只是能多卖几本书。

图 1496 趋势滤波器的效果

表 1444 趋势过滤器比较

动量策略

\begin{matrix} Momentum Strategy S\&P 500 Total \\ without Trend Filter Return Index \end{matrix}

年化收益率	$12.40 %$	$9.10 %$	$5.20 %$
最大回撤	$- 24.30 %$	$- 50.90 %$	$- 55.30 %$

如果你进行优化，你可能会得出结论，237 天或 178 天的移动平均效果最好。这可能会让你真的相信这对未来有任何影响。你所拥有的只是对特定历史序列的曲线拟合结果。你需要做的是从概念的角度思考，而不是精确的数字。

如果你进一步优化，也许会发现可被 3 整除的年份与有月食的年份应该有不同的趋势过滤速度。这并不一定能帮助你在未来进行交易。

避免优化的冲动。交换概念。你需要某种长期趋势过滤器。制作方式并不重要。

风险平价有多重要？

非常。

你想知道一个击败指数的简单方法吗？使用风险平价配置，而不是市值加权。完成。

让我们退一步，再次看看标准普尔指数及其组成。这是美国的大型股指数，包含了美国最有价值的 500 家公司。价值一词指的是整个公司的理论价值，称为市值。您可以通过查看公司发行了多少股票，并将其乘以当前的股价来计算这个价值。当股市开放时，每当进行交易时，这个数值都会每秒变化。公司的价值当然是一个高度理论化的概念，因为您实际上无法仅仅通过支付这个理论价值来购买整个公司。

标准普尔 500 指数以公司的价值，即市值或简单称为市值，作为权重的基础。最有价值的公司获得最高的权重。所有权重与其价值成比例。这意味着该指数不可避免地主要受到最大公司的驱动，而较小的股票实际上影响不大。

这种加权方式对于指数来说非常合理。毕竟，指数的目的就是能够衡量整体市场。因此，标准普尔的方法是完全可以的。它肯定比道琼斯使用的过时价格加权要好。

尽管市值加权对指数来说是合理的，但这并不意味着这是一种理性的投资方式。购买

4 %

苹果的理由是什么，而只购买

0.01 %

钻石海洋钻探？苹果真的在某种程度上好 400 倍吗？钻石的市值超过 40 亿，所以它也不算是小型便士股票。

更重要的是，世界上最大的股票翻倍的潜力有多大？三倍呢？当一只股票的市值为 7500 亿美元，是世界第二大公司的两倍时，它能否达到 1.5 万亿美元的可能性有多大？这样一只股票真的有足够的潜力来支撑其市值是较小股票的 400 倍吗？我们难道不能想出更好的方式来投资美国的大型股吗？我们能不能现在停止提问？

进入风险平价。记得我们在章节中如何计算风险平价的规模吗？这个概念是测量过去的波动性，并将头寸权重与之反向分配。这比听起来要简单。我们想要实现的是，波动性较大的股票获得较小的配置，而波动性较小的股票获得较大的配置。这样，每只股票都有相等的理论可能性影响投资组合的整体结果。因为，面对现实，以

0.01 %

的权重，钻石海洋在投票如何影响标准普尔指数时几乎没有机会。

这里的模拟概念简单，因为大多数有价值的模拟往往是这样的。我们购买所有的指数股票，共 500 只。每只股票的权重根据其反向波动率分配。不是的，这并不复杂。波动率越高，权重越低。

每个月，我们都会检查所有股票的波动性，并相应地调整权重。这种再平衡非常重要，否则我们将会拥有一个完全随机的投资组合。风险随着时间变化，我们需要随之调整持仓。

当一只股票离开或加入指数时，会触发相同的再平衡，以确保我们在任何给定时刻始终持有实际成分股。

是的，图 14-97 中显示了绝对巨大的超额表现。这在商业中是一个众所周知的现象，即小型股票往往随着时间的推移表现更好。不过，我们在 2008 年确实损失了大约一半，这与指数一致。损失这么多并不好，而我们之前看到的趋势过滤器可以避免这种情况。

你可能会想知道我们为什么要进行动量股票选择。为什么不直接给这个加上一个指数趋势过滤器，让它自由发展呢？

这在理论上可能有效。然而，对于大多数人来说，持有 500 只股票的投资组合可能有些不切实际。通过使用风险平价加权，我们可以实现大部分动量效应，但这对大多数投资者来说并不是一个实用的解决方案。这就是为什么我们试图建立一个小型的表现最佳股票投资组合。

表 1445 风险平价指数权重

所有指数股票，风险平价标准普尔 500 总回报指数
年化收益率

图 1497 所有指数股票，风险平价加权

动量周期有多重要？

在之前的模拟中，我们使用了 90 天的动量排名。这是指用于计算我们之前看到的回归分析的数据点数量。我们根据过去 90 个交易日的表现来衡量动量，并用它来对股票进行排名。但为什么是 90 天呢？

简短的回答是，因为它足够好。如果你保持在或多或少的中期动量范围内，选择哪个确切的数字并没有那么重要。

进行优化通常不是一个好主意。也许如果我运行几百次迭代，我会得出那个

97, 74, 103

或其他某个数字是最优的。那些练习只会让你产生一种虚假的安全感。毕竟，存在一个最优数字的可能性并不大。曲线拟合的历史很简单，但对你没有帮助。你需要做的是交易一个概念，而不是一个神奇的数字。在这里，我们的目标是中期，因此选择了一个或多或少随机的合理中期数字。

然而，合理性检查是另一回事，不应与优化混淆。进行粗略合理性检查的一个简单方法是选择几个在此上下文中也合理的可能数字。然后我们将确保得到非常相似的行为。如果结果有显著差异，整体概念看起来就不太稳定。我们希望看到的是，稍微改变输入不会造成很大的差异。

由于我们之前使用了 90，让我们再试几个类似的数字，看看哪个有效。完全相同的模拟已经重复了几次，使用的周期是 60、120 和 240。表 14-46 显示了结果。

表 1446 回归期稳定性

	60 天	$9$ 天		$120$ 天	240 天
年化收益率	$10.80 %$	$12.30 %$	$12.50 %$	$11.60 %$
最大回撤	$- 28.30 %$	$- 24.00 %$	$- 24.60 %$	$- 26.30 %$

如可以看到，90 天似乎是一个合理的选择。如果我们缩短到 60 天，结果会稍微差一些，但我们仍然明显超过了指数。增加到 120 天几乎显示出完全相同的结果，而 240 天只会稍微恶化结果。最有可能的是，这些数字中的任何一个在长期内都能很好地发挥作用。

您选择的确切数字并不是非常重要。

图 1498 回归期稳定性

排名方法有多重要？

我在这里向你展示了一种我喜欢的排名方法。如果你对统计分析不熟悉，这可能看起来很复杂，但其实并不是很难的数学。你可能会想知道我为什么要描述这样一种看似复杂的方法。

为了让你不必翻回章节，我想提醒你，之前描述的排名数学是基于年化指数回归，乘以决定系数。好吧，最后一句话听起来有点复杂，对吧。相信我，这听起来比实际要复杂得多。

我向你描述这个方法是因为我喜欢它。它将提供看起来让我感到舒适的候选股票。年化指数回归是一个有用的纯动量测量，以易于理解的方式表达。它告诉你如果股票在整整一年内继续保持相同的轨迹，股票将移动多少百分比。然而，它并没有告诉你任何关于波动性的信息。因此，我们通过乘以决定系数

(R^{2})

来惩罚波动性大的股票。这使得容易出现缺口和波动的股票在列表中进一步下滑。最终，我们得到的是回报曲线平滑的股票。

如果你简化我的模型并使用更简单的测量方法，这不会产生很大的差异。如果你有其他方法来测量同样的东西，可以去做。确保你理解这个概念，并且你所选择的方法涵盖相同的原则。你可能想要测量动量，并奖励那些比其他股票更平稳上涨的股票。

但是如果我们稍微简化一下事情会怎样呢？让我们做一些更简单的模型，看看会有什么结果。用更简单的动量测量重新进行相同的模拟可能有助于说明我为什么选择之前提出的方法。

让我们看看两种更简单的测量动量的方法。一种显而易见的方法是简单地查看覆盖百分比。使用与之前相同的 90 天周期，我们将测量一只股票在此期间的涨跌百分比。

过去 90 个交易日的数据，并基于此制作排名表。我们可以将其作为一种替代排名方法。

然后还有使用这个决定系数来调整适应性的问题。我们先去掉这个，只使用基于 90 个交易日的年化回归斜率，看看我们能得到什么。

通过这两种更简单的方法，我们可以进行新的模拟并比较结果。

表 1447 不同的排名方法

年化回归乘以 R²

纯百分比

纯回归

年化收益率

12.40 %

12.70 %

12.90 %

最大回撤

- 24.30 %

- 26.20 %

- 24.10 %

表 14-47 似乎显示实际上没有太大差别。如果你查看图 14-99 中的图表，它看起来仍然没有太大差别。事实上，仅仅看那个图表，可能会觉得简单的方法更优越。毕竟，它们在

y

轴上确实稍微高一些。

首先，性能上的微小差异仅仅相当于一个舍入误差。这种模拟结果中的小差异实际上只是噪声。因此，在性能方面我们可以将它们视为相同。

如果它们是相同的，那为什么要使用复杂的方法呢？

这不仅仅是关于最终结果。更重要的是你如何到达那里以及你到达的能力。虽然最终结果几乎是一样的，但简单的方法会让你投资于许多危险或无意义的情况。从长远来看，只要你真的遵循规则，这一切都会平衡。然而，如果你对系统推荐的股票不感到舒适，你不太可能继续购买它们。

我在本书中提出的适应性回归方法旨在寻找稳健的动量情况，并剔除危险和不舒适的情况。它不会引导你投资于收购情况。它不会让你购买刚刚经历过一次性大幅波动的股票。

跳。它会出现看起来不错、合乎逻辑且你购买时不会有任何问题的股票。

图 1499 比较排名方法

头寸大小有多重要？

你还记得我们之前是如何确定头寸的吗？你应该记得，因为这个原则非常重要。我们所做的是查看每只股票的波动性，购买波动性较大的股票少一些，而购买波动性较小的股票多一些。这个想法是每只股票承担大致相等的风险。这一点非常重要。但是我们每只股票应该承担多少风险呢？

请记住，在我们原始公式中（在章节中解释），我们使用了 10 个基点的风险因子。这个风险因子并不是关于投资组合的总风险，而只是关于每只股票的风险。我们仍然会继续购买股票，直到现金用完。如果我们降低风险因子，每个头寸会更小。当然，这意味着我们最终在投资组合中会有更多的股票。相反，如果我们提高风险因子，我们会得到更少但更大的头寸。

那么我们为什么在第一版中使用 10 个基点这个数字呢？这个数字有什么特别之处吗？其实没有。但这个数字是相当合理的。使用这个数字，您通常会在一个完全配置的投资组合中拥有大约 20 到 30 只股票。确切的数字当然会根据您选择的股票的波动性以及排名方法而有所不同。

一个包含 20 到 30 只股票的投资组合可以实现合理的多样化。如果你持有的股票非常少，你就面临过高的事件风险。在少于 10 只股票的投资组合中，某只股票发生突发事件的风险太高。确实，这种情况可能朝任一方向发展，但它仍然给策略引入了运气的因素。在如此集中投资的组合中，某只股票的突然冲击可能会决定你整年的表现。

另一方面，如果你持有太多股票，你将面临另一种问题。对于大多数人来说，拥有 50 只股票的投资组合并不实际。你最终的结果也会越来越像指数。

指出这些问题并解释我为何选择 10 个基点后，让我们看看模拟结果会告诉我们什么。

图 14100 头寸大小的影响

在图 14-100 中，您可以比较不同头寸大小的结果。该图底部是指数本身。我们所有的迭代都超过了指数。这里显示的三个模拟分别使用默认的 10 个基点、50 个基点和 5 个基点。使用 5 个基点将生成一个包含许多股票的非常广泛的投资组合，而 50 个基点在任何给定时间只会持有 5-6 只股票。

表 1448 头寸规模的影响

10bp 大小

5bp 尺寸

50 bp 尺寸

标准普尔 500 总回报指数

年化收益率

12.30 %

9.00 %

16.30 %

5.20 %

最大回撤

- 23.80 %

- 20.40 %

- 40.30 %

- 55.30 %

有趣的是，在模拟中，结果看起来随着头寸的增大而更强。请记住，我们并不是在谈论承担更高的整体风险，而只是购买更大且更少的头寸。

所以结论不是你应该拥有一个极其狭窄的投资组合吗？也许只有 3-4 只股票？好吧，我不推荐这样做。从理论上讲，这样的投资组合在长期内可以表现得非常好。它只能成为纯粹运气不佳的受害者，并严重崩溃。

不要失去我们在这里所做的事情的视角，以及我们试图利用的效果。如果我们只有 3-4 只股票，甚至 8-10 只股票，事件风险就太高了。模拟显示，这在长期内可能效果不错，但这并不是一种明智的资金管理方式。对运气的依赖变得过于巨大。

那么关于真正广泛的投资组合版本呢？使用每只股票 5 个基点，我们最终会有 40-50 只股票，甚至更多。模拟结果不仅显示出结果变差，而且从实际操作的角度来看，管理起来也变得更加困难。

与期货相比，股票的一个优势是您可以用更小的金额进行交易。默认版本为 10 个基点和 20-25 只股票，可以在非常低的资本基础上实施。然而，如果您瞄准的是 40 只股票的投资组合，您最终会购买每只股票的单个股份，这样您就会失去风险平价和再平衡的效果。

所以 10 个基点是完美的数字吗？当然不是，但这是一个理智的数字，可能足够好。无论你使用 8 还是 15，可能影响非常有限，但你会希望在这个范围内。

选择指数有多重要？

选择指标的影响随着时间的推移会相当大。如果这本书能让你对这个主题产生足够的兴趣，开始进行自己的研究，那么这是一个你可能想要进行一些工作的领域。

在写书时，一些简化和限制是必要的。涵盖所有内容会使书籍过于冗长，写作时间过长，并且可能对大多数读者来说太无聊。本书的一个简化是它专注于一个单一的指数：标准普尔 500 指数。

选择标准普尔 500 指数纯粹是现实主义。这是一个大家都知道的指数。大多数人以某种方式投资于它。它由全球最大经济体中 500 家最大的公司组成。选择它绝对不是因为动量在这个特定指数上表现得更好。

动量投资组合策略的一个重要部分是挑选具有显著潜力的股票。标准普尔 500 指数中的大盘股之所以出现在这个特定指数中，是因为它们在过去具有巨大的潜力，并且已经变得足够有价值以被纳入该指数。虽然这些股票当然仍然可以表现出一定的业绩，但它们不太可能像过去那样具有如此大的潜力。在它们成为大盘股之前。

动量策略在标准普尔 500 指数股票上不起作用，因为它们是大盘股。尽管这些股票是大盘股，但该策略仍然有效。

如果你真的想投入一些工作并进行一些严肃的研究，可以尝试其他指数。首先从标准普尔 400 中型股指数和标准普尔 600 小型股指数开始。尝试其他国家的本地指数或国际指数。只需记住，如果你使用的是多种货币的指数，你需要处理货币转换和归属问题。

你可能会发现，中小型股票的动量潜力甚至比本书中看到的更大。当然，它们的回报也可能更加波动。

华尔街的随机踢屁股

如果你只想超越指数，你不需要在这本书中读到的任何内容。你想学习如何超越世界上几乎所有的共同基金经理吗？没错，我马上就要和你分享这个秘密。

让我们首先将整个指数击败游戏放入背景中。市场上有成千上万的共同基金。银行在世界各地都有自己的共同基金，几乎涵盖了你能找到的任何指数。共同基金的理念是，或者说曾经是，让有限净资产的个人能够参与广泛的股票市场。对于普通背景的个人来说，购买标准普尔 500 指数中的所有 500 只股票是困难的，但通过共同基金，他可以购买一个跟踪并试图超越该指数的基金。

共同基金不能随意行动。它们有严格的跟踪误差预算，不允许与指数成分偏离太多。在一年内超越基准 100 个基点，也就是一个百分点，被视为非常强劲的一年。重要的是要记住，共同基金是相对投资工具。它们的工作不是单纯赚钱，而是试图超越基准。这是通过以非常相似的方式投资，并利用微小的跟踪误差预算来弥补共同基金所带来的额外成本。

共同基金并不需要显示绝对回报。如果其基准指数在一年结束时为

- 10 %

，那么该共同基金不一定要为正。如果该基金在年末达到

- 9.5 %

，在其使命的背景下，这就是一个成功的结果。这一切都是关于相对表现。

我们在章节中看到几乎所有的共同基金在它们应该专注的单一任务上都表现得非常糟糕。

通常情况下，

75 - 85 %

的共同基金在任何给定的三年期间表现不佳。如果你看更长的时间段，几乎没有基金能够甚至匹配指数。那么，为什么共同基金经理无法超越标准普尔 500 指数？根据戈登·盖柯的说法，因为他们是羊，而羊会被屠宰。更可能的原因是他们被束缚在一个跟踪误差系统中。他们需要将自己的配置与指数保持非常接近。如果他们在一年内表现低于几个百分点，那对他们来说就是一场灾难。再加上他们需要支付巨额费用，包括管理费、保管费、交易费等。

如果你真的想要指数，当然有解决方案。购买 ETF。如果你想获得标准普尔 500 指数的确切表现，扣除一小笔费用，购买 SPY 跟踪器。它投资于与指数完全相同的股票，权重也完全相同。当你购买跟踪器时，计算机会自动按比例增加所有股票的持有量。你提前就知道自己会得到什么。你购买指数，就会得到指数。

但你真的想要这个索引吗？

标准普尔 500 交易系统

标准普尔 500 指数与所有其他市场指数一样，只是一个交易系统。关于何时买入和何时卖出有规则。关于从每只股票购买多少也有规则，甚至还有关于再平衡的规则。标准普尔 500 指数是一个非常长期的交易系统，持有期较长。在强劲表现推动其市值超过某一限制并满足其他特定标准后，股票才会被买入。头寸大小基于市值，市值越高的股票权重越大。

将标准普尔 500 指数视为一个交易系统可能看起来很奇怪，但它确实就是这样。这也意味着我们应该能够像分析其他任何交易系统一样分析它。

如果你这样看待事情，指数就不再显得很有吸引力了。这是一个糟糕的交易系统。从长远来看，你可以期待一个

年化收益率为 5 到

6 %

，但在此过程中你会看到许多巨大的损失。有时甚至会损失一半的资金，恢复损失可能需要数年时间。

尽管你可以购买 SPY 指数追踪器，获得几乎与指数相同的表现，超越所有共同基金，但这仍然不是一个非常有吸引力的投资。我们需要超越指数。

击败指数一定很难。毕竟，这些专业的共同基金经理年复一年地不断失败。他们是经验丰富的市场专业人士，赚取数百万美元的奖金。如果他们都无法战胜市场，那真的能做到吗？

哦，是的。

击败市场非常简单。超级简单。一个随机数生成器可以超越指数。

我很认真。随机股票会超越指数。大幅度。

让我们看看一些简单的模拟可以告诉我们关于击败指数的事情。我们将构建随机投资组合，看看会发生什么。

在以下模拟中，我们将让计算机随机选择标准普尔 500 指数成分股。每个月开始时，我们清算整个投资组合并购买 50 只随机股票。头寸规模是通过基本的风险平价模型来确定的。也就是说，我们使用与章节中概述的相同简单的基于 ATR 的模型，为每只股票分配大致相等的风险。我们不知道哪只股票会表现良好，哪只不会，因此没有必要为它们分配不同的风险。当然，也没有必要仅仅因为公司规模较大就分配更高的风险。

这是一种随机方法，单次模拟运行当然意义不大。毕竟，如果你掷骰子一次，你可能会得到任何值。我已经运行了几百次简单的模拟模型，最后的结果相当一致。没有一次迭代未能超过指数。

图 15101 随机性基准测试

图 15-101 显示了 50 次模拟运行的代表性子集与总回报指数的对比。粗黑线是标准普尔 500 总回报。为什么只选择 50 次运行的子集？因为即使是 50 次在图表中也有点过于繁杂。如果有 500 条线，它看起来就像是毕加索更受药物影响时期的作品。

如果你仔细观察这个图表，你会发现短期内任何事情都有可能发生。有些月份指数表现更好，有些月份随机策略表现更好。最开始的确有一段时间指数领先。然而，从长远来看，指数没有任何机会。

我并不是在认真建议你每个月随机选择一组股票。但我确实认真地说，如果你这样做，你很有可能会超过指数。

重要的是要记住，这种随机方法与本书大部分内容中解释的动量方法之间的真正区别。首先，我们要确保我们选择的是图 15-101 中上方的股票。我们希望提高我们的回报与那些更好表现的迭代相似的概率。其次，我们希望避免或至少减少回撤。从概念上讲，这非常简单。但在实践中，并不总是如此。

真正的问题是，面对华尔街这次随机的暴跌，你真的想购买指数产品吗？

图 15102 随机胜利 - 返回回撤

模拟策略

尽管股票动量策略在概念上看起来简单，但在建模和模拟时却出乎意料地复杂。在这个过程中，很容易错过关键细节或犯其他错误。技术不断变化，因此我在这里不讨论软件解决方案和数据提供商。这些内容更适合在网站上进行介绍，以便随着情况的发展及时更新信息。相反，本章试图指出一些在模拟股票动量策略时可能非常重要的更棘手的概念。

如果您接受本书中的模拟结果，并且对进行自己的模拟没有兴趣，您可以安全地跳过整个章节。

数据

如果你输入垃圾，输出的也会是垃圾。你可以制作世界上最好的模拟，但如果一开始数据不正确，它仍然是无用的。获取股票模拟的正确数据是很棘手的。

首先，您需要弄清楚您的数据宇宙是什么。它不应该是您喜欢的股票篮子。您喜欢它们的可能性是因为它们表现良好，因此对它们进行模拟也可能会显示出强劲的结果。这并不是非常有用的信息。您需要的是一个逻辑市场集合，可能是您很久以前选择的。

选择一个指数是解决这个问题的理性方式。交易一个指数的成分股是完全合理的，这是一种可以进行适当测试的基于规则的方法。在本书早些时候的模拟中，我使用了标准普尔 500 指数。

找出当前哪些股票是标准普尔 500 指数的一部分很简单，而且是免费的。问题当然在于，你不能假设在过去十年里你会交易当前的标准普尔 500 股票。该指数的成分一直在变化。

更糟糕的是，股票通常是因为其价格表现非常强劲而被纳入。因此，如果你对当前的标准普尔 500 指数股票进行 10 年的动量股票模拟，结果当然会看起来非常惊人。

你甚至可以说，

S & P 500

以及大多数其他股票指数，已经是动量策略。

不，你需要考虑历史上的加入者和离开者。也就是说，在你模拟的任何一天，你的代码需要知道哪些股票在那一天是指数的一部分。这让事情变得有点棘手，不是吗？

我提到过这包括退市股票吗？是的，即使一只股票在五年前破产，与另一只股票合并或因其他原因停止存在，它也必须被包括在内。获取这些股票的数据可能有点麻烦，确实排除了所有免费的来源。

下一个重要点是现金分红。随着时间的推移，这会产生非常显著的差异。一旦你找到获取分红数据的方法，就有两种处理分红数据的方式。要么使用数据提供商计算的分红因子来创建总回报系列，要么直接处理现金注入。这两种方式都能产生足够好的模拟结果。

如果您打算跳过这些部分，您的模拟工作将是浪费时间。您绝对需要历史成分信息、退市股票数据和现金分红数据。这可能会变得昂贵且复杂，但没有其他办法。

要复制本书中的策略，您只需要每日收盘数据。您不需要任何日内时间序列，尽管当然有这些数据也无妨。如果您确实有日内数据，您可以获得一些关于短期波动的有趣统计数据，但这并不会改善策略本身。

真实投资组合模拟

有几个不错的模拟平台可供选择。但还有更多完全无用的软件平台。后者通常更为人知，用户基础更广，价格也明显更低。

大多数面向零售交易社区的知名模拟平台都是基于单一策略和单一工具。这种过时的概念假设您想在单一市场上模拟一套规则。它基于寻找完美交易规则以交易纳斯达克的古老幻想。如果您列出您能想到的前十个模拟程序，几乎所有的程序都属于这一类别。

单一策略、单一市场类型的软件解决方案对于任何专业用途都是相当无用的。忘记使用这种软件，转向一些至少能够处理投资组合的东西吧。

下一个层次是为单一仪器构建的软件包，但经过改装后具有某种投资组合功能。这个组中的产品有些好有些差。有些工作还不错，其他的则是垃圾。根据我的知识和经验，没有一个是优秀的。

通常的问题在于他们如何处理数据，或者说是处理的顺序。那些经过改造以具备投资组合功能的平台，而不是从一开始就为此而构建的平台，往往以一种高度不现实的方式处理数据。这可能会，并且通常会，导致奇怪的结果，用技术术语来说就是这样。

这样的解决方案通常一次处理一个工具。如果你告诉它对一组工具进行模拟，它会先选择其中一个开始，然后逐个遍历该工具的每一个数据点，才会转到下一个工具。因此，如果你处理的是每日数据，它会首先遍历工具 1 的数据系列中的每一天，然后再遍历工具 2 的数据系列中的每一天，依此类推。

在按照顺序检查所有工具，寻找买入和卖出点后，常见的解决方案是再进行一次运行以确定头寸大小。

实际上，你并不是用十年时间交易股票 1，然后再用十年时间交易股票 2。即使软件试图在此过程中找出一些投资组合的相互作用，这也不是一种现实的建模方式，并且很容易导致问题。最重要的是，这允许数据窥探，即让你的代码看到未来。

一个合适的模拟环境运作方式不同。它不是一次处理一个工具，而是通过时间点进行处理。如果你处理的是每日数据，它应该一次查看一天的所有工具。你的代码不应该知道未来的任何事情，但应该了解截至目前发生的所有事情。那些有编程背景的人会知道我在谈论调度。不，我不会详细解释这个词，因为如果你不熟悉它，你可能不需要了解。只要你理解逐日或逐个工具处理之间的区别即可。

编程语言

如果你想成为一个系统化交易者，你必须学习如何编程。这不是你可以外包的事情。这个工作的这一方面常常被忽视。即使你是对冲基金量化团队的负责人，你仍然需要理解编程。

曾经，医生或律师不需要知道如何使用打字机。他们有专人来做这些事情，而他们忙得无暇参与这种琐碎的活动。不幸的是，许多有抱负的交易者对编程的看法也是如此。你能想象今天有一个不会打字的律师吗？当然，他有助手，但如果不能打字，他将完全无能为力。

好消息是，您不需要学习更深层次的编程技能。对于一些想要深入的人来说，这可能是一个优势，但并不是必需的。然而，如果您想进入系统交易领域，一些基本的编程技能是不可避免的。

当然，当我在最后一句中使用“基本”这个词时，我并不是建议你学习如何在 Basic 中制作 Goto 语句。不过，选择合适的语言来构建你的策略是非常重要的。

大多数零售模拟平台使用简化的专有脚本语法。营销文本通常强调即使是非程序员也能轻松入门。避免使用这些类型的程序。它们极其有限，无法进行任何有用的操作。

你需要的是灵活性。这是你在决定模拟环境时最重要的一点。速度并不是一个大问题，除非你转向非常低的频率，而在这个领域，大型企业反而有太多优势。

您不会在许多零售平台内置的简化脚本语言中找到灵活性。然而，您会在行业标准编程语言中找到它。如果您使用这些语言，您还会发现更多的支持、示例和资源。您想用 C#、R、MatLab 或类似语言编程是个人偏好和便利的问题。然而，您应该追求真正的编程语言，避免使用脚本平台。虽然在这些简化平台上开始似乎简单快捷，但当您意识到它们的局限性时，您会很快后悔。

灵活性

很少有模拟平台能够满足你所有的需求。可能没有一个能够做到。然而，好的平台可以被调整以实现这些需求。一个好的模拟平台足够灵活，可以以原开发者未曾想到的方式进行扩展。平台越开放，越好。作为策略开发者，你总会遇到希望你的平台能够做更多事情的情况。这也是行业标准语言重要的一个关键原因。

例如，可能没有任何模拟平台是针对我们这种策略而设计的。毕竟，我们所做的与大多数人模拟的内容截然不同。我们在计算分析、对股票进行排名、根据排名选择股票，并根据它们自身的波动性和当前整体投资组合的价值来确定股票的规模。这并不是你日常所见的模拟。

我们可能还对过去某个日期的行业归因或投资组合分配等数据感兴趣。也许我们想分析行业风险和归因随时间的变化，或者正负股票异常值的影响。一个好的平台能够做到这些，只需稍加努力。如果它足够灵活。

多币种支持

你可能已经注意到，我故意将货币排除在讨论之外。到目前为止，我们看到的策略仅应用于美国股票。这并不是因为它们在动量策略上表现得更好。甚至也不是因为卖一本关于美国股票的书比卖一本关于瑞士股票的书更容易。嗯，不仅仅是这个原因。这是因为我认为大多数想要复制该策略的人缺乏多货币模拟环境的访问权限。

仅以单一货币计价的股票交易是一种奢侈。如果你曾经管理过全球投资组合，然后又回到单一货币投资组合，那感觉就像度假一样。再也没有货币风险问题了！

当你拥有一个涵盖多种货币的股票宇宙时，你将面临一整套全新的问题。有许多实际考虑因素，例如是否、如何以及何时对冲风险，外汇差价带来的额外成本，以及货币归属这个恼人的小问题。这在实践中带来了全新的麻烦，即使在模拟阶段，这也使事情变得更加复杂。

当你模拟这样的策略时，确保你的软件了解你股票的货币面额以及任何给定时刻的汇率是至关重要的。货币波动将对你的表现产生很大影响。如果你计划对冲你的风险，你还需要对该对冲策略进行建模。这当然需要能够建模和模拟多种策略的能力。

或者你可以坚持投资标准普尔 500 指数的股票，这样可以轻松解决这个问题。

构建模拟

在你的模拟中，每一天你需要检查或计算一些事情。

首先，您需要检查该股票是否符合纳入的资格。在这种情况下，我们检查该股票在相关日期是否是标准普尔 500 指数的成员。一个方便的方法是构建一个自定义指标，

它使用参考数据，在股票在相关指数中的日子返回 1，而在不在时返回 0。

然后我们需要计算股票在过去 90 天内最大的波动。记得我们有那个规则，我们不喜欢有超过

15 %

的缺口的股票吗？计算一下我们在过去 90 天内看到的缺口有多大，以便后续使用。

当然，我们需要一个粗略的波动性测量，对于这个目的，平均真实范围是一个不错的选择。在这个策略的基础版本中，我们将使用 20 天的 ATR，所以将其加入到组合中。

然后是排名本身。也就是说，我们用来选择交易股票的分析方法。因此，我们需要一个指标来告诉我们风险调整后的动量。如果你熟悉统计学，数学并不是特别复杂。你需要首先计算基于 90 天的年化指数回归斜率，然后将其乘以决定系数的相关性

(R^{2})

。

排名在前面的章节中已解释。

除了上述信息，我们还需要计算该指数的 200 日移动平均线，并确定它目前是高于还是低于该指数。

一旦计算完上述所有数据，我们就可以开始执行逻辑。您现在需要做的第一件事是对股票进行排名。使用我们计算的排名数字，列出在特定日期符合条件的所有股票，并根据我们计算的排名数字对它们进行排序。

请注意，到目前为止，这个过程旨在复制我们在现实中会做的事情。我们在一天结束时计算所有相关的分析，然后根据这些分析采取行动。

逻辑每周只执行一次。懒惰的解决方案是对每周数据进行模拟。更好的方法是检查逻辑应该在哪一天执行。如果你降到每周的周期性，

你将失去模拟结果的细节，这是一大损失。

如果今天是交易日，我们首先检查是否需要卖出任何东西。如果我们持有的股票退出了指数或因其他原因停止交易，则退出。如果动量排名不再进入前 100 名，则退出。如果股票的交易价格低于其 100 日移动平均线，则退出。如果其缺口大于

15 %

，则退出。

下一步是检查今天是否是再平衡日。如果是，我们需要检查每个头寸，计算我们应该持有的规模以及与我们当前持有的规模之间的差异。记住规则以及我们如何确定头寸大小，如章节中所述。使用相同的公式重新计算规模，并根据需要上下调整头寸大小以匹配。为了减少交易，您可以设置一个过滤器，仅在差异大于

5 %

时进行调整。

现在我们已经卖掉了不再想要的股票，并重新平衡了想要保留的股票，我们知道可用的现金是多少。那时我们可以开始购买。

从排名列表的顶部开始。按照之前相同的风险平价规模，从顶部购买，直到现金用完。如果一只股票排名靠前而我们还没有持有，便购买它。

就是这样。

我听到有人在问源代码吗？好吧，这并不像看起来那么有用。你最好理解逻辑步骤并自己构建。我的源代码是用特定语言为特定环境编写的，对大多数读者来说，它可能本身并没有太大用处。

如果你真的想进入模拟领域，你面前有很多艰苦的工作。我非常鼓励你这样做，但你必须付出很大的努力。

通过我在这里解释的逻辑，加上高质量的数据和适当的模拟环境，您将能够复制我的发现并尝试自己的改进。这并不适合每个人，但通过

在本章中，我想给每一个感兴趣的人提供足够的信息，以便开始工作。

祝你好运，希望能看到许多新的成功动量投资者！

参考书目

安东纳奇，G.（2014）。双重动量投资：一种创新策略，以更低风险获得更高回报。麦格劳-希尔。

克莱诺，A. F. (2013)。跟随趋势：多元化管理期货交易。威利。

https://us. spindices. com/resource-center/thoughtleadership/spiva/. (n. d.). 从 S&P 道琼斯 SPIVA 评分卡获取：https://us. spindices. com/resource-center/thoughtleadership/spiva/

Jegadeesh, N., & Titman, S. (1993). 买入赢家和卖出输家的回报：对股票市场效率的影响。Blackwell 出版。

卡敏斯基，K. M.，& 格雷瑟曼，A.（2014）。管理期货的趋势跟随。威利。

莱维，R. A. (1967)。相对强度作为投资选择的标准。《金融学杂志》。

拉奇，N.（2012）。不圣的圣杯：通往财富的新道路。拉奇出版社。

威尔科克斯，C.，& 克里滕登，E.（2005）。趋势跟随在股票上有效吗。长板资产管理。

温顿资本管理公司. (2015). 全球猴子.

- 检查索引过滤器。

开 the M OV C

股票动态 通过对冲基金动量策略击败市场

版权 © 2015 Andreas F. Clenow

前言

动量投资

为什么要写一本书？

共同基金的问题

相互确保毁灭

交易所交易基金

股票是最难的资产类别

同伴压力

幸存者

分而治之

选择指标

市值

部门

趋势跟随在股票上有效吗？

历史最高模型

动量效应

动量投资背后的理性

系统方法的优势

市场状态过滤器

排名股票

头寸大小

头寸再平衡

何时出售

投资组合再平衡

完整的动量交易策略

确切的交易规则

每个第二个星期三重新平衡头寸。

交易策略

初始投资组合

头寸再平衡

投资组合再平衡

动量策略表现

表 1211 核心股票动量策略表现

逐年回顾

表 1313 1999 年结果

2000

表 1318 2002 年 3 月 投资组合

表 1320 2003 年 4 月投资组合

表 1323 结果 2004

表 1325 结果 2005

图 1356 绩效 1999-2005

2006

2007

2008

2009

2011

2014

战略分析

风险平价有多重要？

排名方法有多重要？

表 1447 不同的排名方法

选择指数有多重要？

华尔街的随机踢屁股

标准普尔 500 交易系统

模拟策略

数据

真实投资组合模拟

编程语言

多币种支持

构建模拟

参考书目

股票动态通过对冲基金动量策略击败市场

表 1318 2002 年 3 月投资组合