20170104【充实计划】第331期

今日阅读《鱼羊野史》。
今日阅读1小时，累计阅读175小时。

挑战30天第10天，昨日阅读2小时，累计阅读160小时

昨日阅读2小时，累计阅读7.5小时。

42Money 发表于 2017-1-4 10:04
昨日阅读2小时，累计阅读7.5小时。

1.Visualize This The FlowingData Guide to Design, Visualization, and Statistics
2.Chaoes Monkeys
全部看完后再发读后感，与大家交流。

昨日阅读1小时，累计阅读38小时

昨天阅读3小时，总共阅读130小时

昨日阅读1小时，总阅读时间22小时

昨日2小时，累计322小时

昨天阅读1小时，累积阅读36小时

内容：Multi-Asset Seasonality and Trend-Following Strategies, Nick Baltas

来源：https://bbs.pinggu.org/thread-4954321-1-1.html

总结：主要提到用趋势跟随策略和季节性结合的方式，用季节性给趋势跟随增加Alpha且减少季节性因为交易成本而难以独自实现Alpha的问题。用的套路是长期panel regression（把最近的回报率作为y通过过去n个月的不同回报率作为一组x来回归。结论是股票/商品的季节性明显（尤其按因子大小排序，多排名靠前的品种同时空靠后的。文章关注的是calender month），而各个国债和外汇的不多。

对各国股票指数的回归其实显示12个月内尤其按季的动量因素显著但是季节性（按年）的只测出了36个月时延的（个人觉得这个有点不靠谱，更多可能是因为36个月是大周期轮回）。而12个月之后市场反转的厉害。大宗商品的年内波折反转很多，但10~11个月lag的相关性破表，而过了13~15个月lag的负相关破表。同样有很强的3/4/5整年的高相关，不明原因。国债在12个月内的正相关较高但后面略乱，有趣的是外汇居然没有像国债那样显示出套路，说好的外汇以利差为导向呢？

实操的部分讲到商品的近月合约回报和现货回报相差很大，构筑组合的时候要用近月的（也要根据近月的季节性来做），哪怕两者的价格波动相关性很高。组合另一个有趣处是用的波动性比重，就是用过去100天的资产波动性来决定接下来该品种的仓位。总的来说，用12个月时延（做多去年此月回报最高的几个指数/商品，同时做空最低的几个）可以获得稳定Alpha（指数约年化4%而商品约3%）。

文在结尾分析传统的趋势跟随策略（做多过去12个月高回报的资产并做空低回报的）时，看到这个趋势跟随的统计数字都很好看，但似乎更多因为历史引起，而在近年表现的波动很大。

我觉得这里的问题是用到6~20个月的回报率做回归，逻辑意义有限，有点强行data mining的感觉，而且历史回报率之间不是正交。不过总的来说，这个作者是UBS的ED，实战派，写得清晰明了，方法思路和结果分析都有一定强度。只是这个Alpha暂时不是聚宝盆，读者不要预期太高哈哈。

昨日阅读时间1小时，总阅读时间24小时。
关注职业资格证的调整：
http://www.gov.cn/xinwen/2017-01/02/content_5155588.htm