超越横截面排名：双重动量如何重塑大宗商品风险收益特征

大宗商品代表了一个至关重要但具有高波动性的资产配置类别，其特点是具有强烈的周期性、缺乏利息收益，且容易受到宏观经济剧烈下行的影响。虽然横截面（相对）动量是一个已被广泛证实的市场异常现象，但它在大宗商品中的应用往往会迫使投资组合在全面熊市期间持有“跌幅最小”的资产，从而导致不可接受的尾部风险。

本研究对 2007 年至 2026 年期间，将双重动量（Dual Momentum）框架（结合相对强度排名与绝对时间序列趋势过滤）应用于多样化的大宗商品板块 ETF（DBA、DBB、DBE、DBP）的有效性进行了实证评估。我们证明，虽然纯粹的相对动量表现出极高的参数敏感性且无法稳定战胜基准，但加入绝对动量过滤能够从结构上减轻最大回撤，并在所有测试的参数组合中普遍战胜静态的等权重基准。研究结果表明，双重动量为寻求战术性大宗商品配置并期望获得优异风险调整后收益的投资经理，提供了一个强健且不受参数选择影响（parameter-agnostic）的框架。

1. 引言

长期以来，学术界和业界一直提倡将大宗商品纳入战略资产配置，以实现投资组合多元化和抗通胀对冲。然而，大宗商品市场固有的高波动性和周期性对静态配置策略提出了重大挑战。传统的买入并持有（Buy-and-Hold）策略往往会经历漫长的资本贬值期，因此需要引入动态的全球战术资产配置（GTAA）叠加。

在众多动态策略中，动量（Momentum）依旧是金融市场中最具持续性和强健性的因子溢价之一。然而，在大宗商品中实施动量策略需要谨慎的结构性考量，以避免在系统性低迷时期陷入横截面排名的陷阱。

1.1 背景

动量策略大致分为两种截然不同的范式：横截面（相对）动量和时间序列（绝对）动量。

横截面动量对资产进行横向排名，系统性地超配近期表现优异的资产，低配表现落后的资产。虽然这种方法在股票市场很有效，但在不受约束的大宗商品市场中存在固有缺陷；在全球大宗商品熊市期间，相对动量只会将资金分配给跌得最慢的资产，无法起到资产保护的作用。

相反，时间序列动量评估的是资产当前价格相对于其自身历史轨迹的表现，实际上起到了一种趋势跟踪（Trend-following）的作用。

通过将这两种方法相结合，投资者可以在一个资产池中筛选出相对的绩优股，同时利用宏观层面的“一票否决权”，确保只有在更广泛的趋势顺风时才部署资金。这种融合构成了双重动量框架的基础，旨在捕获相对强度的阿尔法（Alpha）收益，同时将绝对趋势作为结构性断路器（Circuit Breaker）来防御严重的市场回撤。

1.1.1 理论基础

动量的学术根基可以追溯到 Jegadeesh 和 Titman（1993），他们首次记录了股票市场中横截面收益的持续性，并将其归因于行为偏差和信息扩散的滞后。在大宗商品领域，Moskowitz、Ooi 和 Pedersen（2012）确立了时间序列动量（趋势跟踪）的有效性，证明了大宗商品期货表现出强烈的序列相关性，可以利用这一点在不同的市场环境下产生正的风险调整后收益。Antonacci（2014）随后正式将这些概念整合到双重动量框架中，证明了将相对资产选择与绝对趋势过滤相结合，能通过截断收益分布的左侧尾部，在数学上优于单一因子方法。

1.1.2 研究动机

我们最近的量化研究（包括对全球战术资产配置（GTAA）的广泛分析以及双重动量在比特币和黄金等资产中的特定应用，Quantpedia 2024; 2025）同样强调了绝对过滤在缓解特定环境风险方面的优越性。此外，诸如务实资产配置（PAA）框架等模型强调，需要半主动、具风险意识的叠加策略，这些策略能适应市场条件，同时又不会产生高频战术模型那样过高的换手率。

在某种程度上，我们的目标是开发一种适合多元化各类多资产投资组合的策略。大宗商品通常与传统的股票和固定收益表现出低相关性，使其成为战术叠加的理想选择。然而，一个可靠的叠加策略绝不能引入未带来风险补偿的波动性。

以上就是ai量化交易系统的小编总结。