《超越技术分析》 作 者：图莎尔·钱德

现在抛开CTA的RGP、 投资组合和平均账户规模等因素来研 究CTA的 比较问题。在这种情况下，我们可以对长期交易者和短期 交易者进行比较，对专门交易外汇的交易者和交易多元化投资组合 的交易者进行比较，而不考虑分析周期上的市场行情。交易账户的 规模也会对相对业绩产生影响，CTA交 易的规模越大，业绩就越 稳定。例如，趋势跟随模型可能都表明账户应该做多日本政府债券 (JGB)。 但是，对于一些CTA来说，账户可能太小，以 致不能够 交易该市场。所以，即便是多元化投资，账户规模也是相对业绩的 一个重要决定因素。于是，没有理由认为在随机选择的一篮子CTA中会出现稳定的相对、绝对或风险调整后业绩，因 为影响他们业绩 的因素实在太多。 

那么我们可以期望业绩度量会显示出任何的稳定性吗?如果 仔细选择样本的话，答案是响亮的“ 可以 ” 。首先，我们应该通过 选择使用类似策略和投资组合的CTA来实现同等条件下的比较。例 如，可以选择都交易多元化投资组合的趋势跟随型CTA。 即使存在 许多趋势跟随策略，也预计在主要的上涨趋势中这些CTA会做多 ， 而在主要的下跌趋势中这些CTA会做空。策略中的差异将反映在不 同的入场和出场点上。在我们选择的任何一组中，都假设CTA们不 会随着时间的推移而对杠杆进行很大地改动。甚至用投资组合分组 也是有问题的，因 为大多数CTA不会提供交易市场和相对比重的足 够细节。假设所有CTA以相同的比重交易所有市场可能有些过度简 化，例如，两位 “ 多元化 ” 趋势跟随者可能以不同的比重交易他们投 资组合中的外汇市场，所以我们不能完全考虑到所有的业绩差异。 

其次，我们可以使用重叠样本来对CTA随着时间的推移所用 交易策略的变化进行内部平滑。例如，当分析连续日历年度12月 31 日的业绩时，我们使用最近两年的数据。使用重叠时间间隔来做 业绩比较可以得出极好的示例，虽 然我们在前面的分析中使用非 重叠时间间隔进行比较。抽样统计理论允许在所选样本中进行系 统性循环，只要50%或更多的样本具有新鲜数据(见 杰森的著作 ， 1978)。 在案例中，我们使用两种不同的重叠策略来测试这种思 想：使用两年数据，12个旧数据点和12个新数据点(50%置换)， 或者使用21个月的数据，9个旧的数据点和12个新的数据点(57% 置换)。

再次，我们可以根据风险调整后的盈利使用盈利效率来比较相 对业绩。盈利效率被定义为平均月盈利与这些盈利的标准偏差的比 值。例如，盈利效率最高的CTA将被评定为1号 ，其他CTA将根据盈 利效率按降序被赋以更高的值。绝对盈利的比较因CTA所用杠杆的 差异而流产。相对风险调整后业绩的比较，假设RGP设计的结构性 差异将会持续，于是优良的设计将比劣等的设计表现良好。所以我 们预计使用类似交易策略和类似投资组合的CTA之间具有相对稳定

的相对风险控制业绩等级，同 时还预计由于CTA不断地研究，他们 会改变自己的RGP，此时相对等级会出现一些变化。

 所用统计测试与前面分析中所用的相似。我们先在24个月的周 期(结束于12月 31日 )上计算盈利效率，接着根据盈利效率对CTA 进行评级。然后，将时间向前推进12个 月，到 达下一个日历年度的 末尾，并且使用最近24个月的数据。这创建了一个重叠样本，它具 有从第一个12个 月样本中接转的12个数据点。最后我们使用第二个 样本中的盈利效率对CTA进行评级。统计测试为非参数的Spearman 相关性测试或Spearman相 关系数，它等价于在两组评级之间进行线 性回归分析，并计算它们之间的相关系数。如果这两组评级是相关 的，那么较低级别的CTA将在第二组中继续为低级别，较高级别的 CTA也会将他们的高级别评定带到第二组中。

国际交易者研究中心(位于美国加利福尼亚州的拉霍亚)的数 据库是17位CTA数据的来源，他们报告自己在多元化投资组合上使 用趋势跟随交易策略。为了保护隐私，他们的姓名已经被替换。数 据库的时间跨度从1995年 ~1999年，允许在所有17位资金经理人之 间进行比较，于是我们便有4个重叠的两年间隔周期。相对等级评定 和相关性被总结于表6.4中 。三个周期上的等级相关性在1%的置信 度上是显著的。对于投资组合的构成，等级评定具有有趣的暗示。 表6.5所示投资组合包括5位顶级CTA在每个两年期末的投资组合。 每个周期开始的投资组合与前一周期结束时的投资组合是相同的。 在测试周期上的等级评定将根据风险调整后的业绩把投资组合滚向 业绩最佳的CTA。