基于深度动量网络的CTA基金绩效研究.pdf

摘要

摘要

近些年来，随着中国资本市场不断成熟以及机构投资者的专业程度不断

提升，国内的管理期货基金（CTA）越来越受到投资者的青睐。特别是在2020

年新冠疫情爆发之后，在其他策略基金净值受到市场的剧烈波动而表现不尽

人意时，做多波动率策略的CTA基金表现却十分亮眼。伴随着国内金融衍生

品市场的不断完善以及投资者观念进步等因素，国内CTA市场还将有广阔的

发展空间。然而，对于CTA基准的评估不像股票基金那么容易，目前市场上

仅有以基金管理人业绩构建的指数作为CTA市场的基准，还没有出现以标的

资产构建的基准指数。而国内私募市场仍处于较不成熟的发展阶段，国内学

者对于私募基金特别是CTA基金相关的研究较少，在市场前景向好的基础上，

丰富国内CTA基金相关的研究有助于提升国内CTA基金市场的定价效率，

营造良好的金融衍生品投资环境。

国内绝大多数CTA基金使用的投资策略都是趋势跟踪策略，由于CTA策

略的特殊性，在CTA绩效的相关学术研究中往往使用Moskowitz等人（2012）

与Baltas和Kosowski（2013）构建的时间序列动量策略来度量CTA基金的时

间序列动量效应。虽然时间序列动量策略在捕捉时间序列动量上是有效的，

但因为模型的一些缺点，如没有对模型进行优化和过于简单的趋势和仓位大

小估计等问题，招致了国内外学者的许多批评。

因此本文在Lim等人（2019）的研究基础上，将基于深度学习的交易规

则与时间序列动量的波动率缩放框架相结合，构造深度动量网络来对国内期

货市场的时间序列动量效应进行度量，进而构造CTA市场基于资产的基准，

对个体CTA基金进行绩效的测度和归因研究。

本文选取2012-2021共10年的国内70只商品期货连续价格序列作为样

本，在传统的时间序列动量模型的基础上，针对传统模型的缺点，利用深度学

习的框架进行改进，构建深度动量网络，并对该模型在盈利能力、风险控制和

性能比三个维度进行评估。然后将深度动量网络模型与目前市场上基于基金

基于深度动量网络的CTA基金绩效研究

管理人构建的CTA指数进行市场解释力研究。最后，选择国内净值披露密度

较高的CTA私募基金作为本文个体CTA基金样本，利用深度动量网络作为

市场基准对CTA绩效进行分时期分市场的测度与归因研究。

本文得出的结论主要包括：（1）基于夏普比率优化的长短期记忆神经架

构的深度动量网络表现最好，能够在控制风险的同时把握时间序列动量的超

额收益，波动率归一化的日回报率以及波动归一化移动平均线（8，24）对于

深度动量网络训练的贡献程度较大。（2）基于资产分类的深度动量网络能够

提高对管理人业绩基准的解释力，工业品和金属类别的深度动量网络对于管

理人业绩基准的解释力较好，而农产品和金融衍生品类别的解释能力较差，

管理人业绩基准筛选的个体CTA基金可能更偏好于工业品类和金属类期货。

（3）本文构建的深度动量网络对于个体CTA基金的解释能力较管理人业绩

构建的基准要好。（4）在牛市期间，个体CTA基金的Beta和Alpha评估效

果较好，但在熊市或者中性市场则表现一般。（5）国内CTA基金的业绩具有

持续性，越大规模的基金公司和存续期越长的CTA产品能够获得更好的业绩，

在牛市期间CTA业绩的持续性会增强。（6）在牛市配置工业品期货能给CTA

基金带来超额收益，在熊市则是农产品的表现更好，而在全样本期间，金属类

期货和工业品期货对于CTA基金业绩的贡献较突出。

本文的研究创新点主要有以下三个方面：（1）在由Moskowitz等人（2012）

提出的传统的时间序列动量模型上，通过自定义的损失函数以及深度学习网

络框架构建深度动量网络模型，改进了传统时间序列动量模型的缺点并融合

了深度学习在时间序列预测上的优点，完善了时间序列动量在国内期货市场

上的测度方法。（2）利用本文测度的时间序列动量单因子模型来对个体CTA

基金进行绩效测度和归因研究，为国内CTA市场构建了基于资产的基准，提

高了个体CTA基金的定价效率，为国内CTA基金绩效研