難的不是買進趨勢追蹤|系統化投資人|第426集
難的不是買進趨勢追蹤|系統化投資人|第426集
Yoav Git 說明,趨勢追蹤真正的難點不在進場,而在於打造一個 CTA 投資組合,讓其凸性主要來自快速趨勢與商品曝險,因為股票趨勢很難做,而債券的保護效果則取決於通膨環境。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
Yoav Git 是一位系統化投資研究者,他主張順勢策略(trend following)難的不是買進,而是先講清楚你要它做什麼——獨立 alpha、股票凸性,還是債券凸性——因為每種目標對應的投資組合籃子都不同。這集節目由 Alan Dunne 代班主持、與 Niels 對談,71 分鐘裡大半時間都花在這個建構問題上:如何定義與衡量凸性、為什麼 CTA 的保護主要來自債券與商品而非股票空頭、通膨體制如何改變債券與商品趨勢的貢獻,以及快速、慢速、另類、價差與各資產類別專屬策略在「額外貢獻」上的差異。節目標題的框架合理但偏窄:「難在建構」這個論點是全集的組織主軸,但節目很大一部分其實是逐項資產拆解 CTA 凸性究竟從何而來。
Git 帶來實務者的底氣——他操作各資產類別專屬的 CTA 策略、正在招募研究與技術實習生,並在 LinkedIn 發表過兩篇談凸性的文章,2026 年 1 月還與 Adam Pettle 合著一篇論文,探討商品趨勢與債券在不同通膨體制下的表現。讀者讀完應該帶走一套可用的框架:一張表說明哪種 CTA 型別加的是 alpha、哪種加的是股票或債券凸性;報酬凸性與曝險凸性的區別;以及對 Man Group 近期一篇談停滯性通膨與工業生產論文的質疑解讀。
凸性是一種類選擇權報酬,且分為兩種機制截然不同的形式
Git 把凸性定義為:策略報酬對股票大幅上下波動的敏感度——「有點像買進一口選擇權」,漲也賺、跌也賺。相關係數告訴你預期的同向變動;凸性則告訴你,當股票上漲或下跌 5% 時,CTA 預期能多賺多少。他把數字講得很具體:凸性 15% 意味著當股票單季回檔 5% 時,CTA 大約多賺 75 個基點。
接著他把這個概念一分為二,而這個切分撐起了整集節目:
- 報酬凸性——你持有另一個資產類別的部位,而它剛好與股票反向。典型案例是低通膨時代的長天期債券,股票一跌、債券立刻上漲。它很快(顧問圈的說法是「第一時間反應者」),但不保證有效,因為取決於宏觀體制與危機的性質。
- 曝險凸性——CTA 透過放空同一個資產類別,機械式地降低你的股票 beta。方向保證正確,但速度很慢:回檔定義上總是跟在漲勢之後,所以危機爆發時 CTA 手上是多頭股票、先虧錢,要過一、兩個月才會翻空。
Git 的警告是,投資人高估了第二種機制。因為 CTA 以各資產類別風險相等為目標,內部會降低股票槓桿、拉高債券槓桿。因此配置 10% 的 CTA,實際只帶來約 ±3.5% 的股票曝險(快速策略約 ±2%),相較之下債券曝險約 ±10%。他說:「如果你指望靠機械式的曝險調整來保護股票部位,CTA 其實辦不到。」反過來說,從 40% 的債券配置中抽出 10% 轉進 CTA,市況好時你手上仍有接近原本的 40%,市況差時約 20%——同樣的資金換來有意義的動態債券曝險。
「CTA 有個漂亮的行為:股票跌的時候它往往會漲。這就是我們定義的凸性。」
CTA 的危機保護大多來自債券趨勢,而非股票趨勢
Git 的歷史拆解顯示,股票趨勢凸性約佔 35%、債券趨勢凸性約佔 20%——兩者都有份量,但可靠度差很多。債券趨勢在各種通膨環境下都站得住,因為它能偵測債券與股票相關性體制的變化並隨之翻向。股票趨勢則是弱點:單一資產的股票趨勢策略歷史 Sharpe 約 0.1–0.2,Git 歸因於價值型買盤造成短期負自我相關(股票今天跌、明天往往反彈)。ETF 資金流資料也支援這點——下跌後一個月的資金流與該跌幅略呈負相關,也就是說,大家在逢低買進。
危機長度的差異對挑選經理人很重要。股票趨勢在曠日持久的回檔中幫得上忙,因為有時間翻空獲利。但在急跌後迅速復原的情境——Git 舉 2025 年 3 月川普關稅事件與 2025 年 4 月的「解放日」為例——股票趨勢「進場太晚」,凸性反而來自債券端。
商品與外匯趨勢對股票的相關性大致為零:既非正凸性也非負凸性,而是不相關,Git 指出這在投資組合裡已經勝過大多數資產。他點出的不對稱在於:股票幾乎提供不了債券凸性。如果你擔心通膨傷到債券部位,股票趨勢歷史上對你「什麼都沒做」。
| CTA 型別 | 與液體趨勢策略的相關性 | 增加獨立 alpha | 增加股票凸性 | 增加債券凸性 |
|---|---|---|---|---|
| 液體型/指數複製 CTA | 1.0(基準) | 基準,成本低 | 有限(每 10% 配置約 ±3.5% 曝險) | 中等 |
| 另類市場 CTA | 約 70–80% | 小(Sharpe 1.0 → 50% 權重下約 1.08) | 極少 | 一些(利率交換、現金債券) |
| 快速趨勢(STTI) | 約 50–60% | 歷史上為負 | 1 個月期危機時為正常的兩倍,季度回檔則與正常相同 | 有限 |
| 商品趨勢 | 約 20–30% | 大(Sharpe 0.6 → 約 0.8) | 無 | 一些 |
| 價差 CTA | 低 | 一些 | — | — |
| 股票趨勢 | 高 | 獨立表現弱(Sharpe 約 0.1–0.2) | 需接近 1:1 配置 | 無 |
| 債券趨勢 | 高 | 歷史上良好,近四年 Sharpe 為負 | 一些(第一時間反應者) | 資本效率最佳 |
通膨體制決定是債券還是商品趨勢負責保護
Git 與 Adam Pettle 在 2026 年 1 月合著的論文,檢視商品趨勢與債券在不同通膨體制下如何互動。結論是:債券與商品趨勢幾乎互為映象,合起來約可構成一個「通膨加 4%」的防禦型投資組合。當通膨低、成長溫和,債券表現極佳而商品趨勢落後;當通膨高,債券初期受傷、退居第二時間反應者,商品趨勢則大放異彩,因為商品本身就是通膨訊號。
他引用債券與股票相關性翻正的通膨門檻約在 4–5%。超過這個水準,相關性轉正,債券不再緩衝股票回檔——2022 年通膨約 8%、股債齊跌就是實例。他也點出財政背景:已開發市場債務約達 GDP 的 120%,讓央行與政府緩衝股市下行的空間大減,他認為投資人的擔憂其來有自。
在他的框架裡,股票是成長型資產,市況溫和時能帶來通膨加 10–12%,但在高通膨環境下幾乎只勉強跟上通膨。債券加上商品趨勢則能帶來通膨加一個大致固定的數字。這就是全天候配置的積木論證。
Git 認為 Man Group 的停滯性通膨論文除了商品之外都得不出結論
2026 年 10 月 Man Group 的論文——Git 點名 Panashi Bera、Christina Hooper 與 Kamarvi,並提到該公司早先與 Otto van Hemert 的合作——把約 150 年的資料先切成通膨體制,再依工業生產切成停滯性通膨與過熱。Git 直言不以為然。高通膨期間只佔樣本約 30%,再切成停滯性通膨與過熱後,每桶只剩約 15 年。他看不出各股票因子(品質股對垃圾股、大型股對小型股)之間有有意義的差異,唯一例外是 betting-against-beta,而他認為那是分散化論證,不是選股因子。他希望能看到誤差範圍,並懷疑那會顯示「幾乎什麼都沒有」。
他對資料品質的質疑很具體:商品期貨資料大約從 1960–70 年代才開始,TIPS 要到 1997 年才開始交易,而 1970 年代末佈列敦森林體系瓦解後的時期加上兩次世界大戰,都會扭曲任何長天期的定態分析。工業生產與通膨序列本身還需要回推補值。
他願意接受的是:工業與能源商品在工業生產上升時表現良好,且與通膨無關——這個直覺上的連結他沒問題。只要通膨偏高,商品趨勢在停滯性通膨與過熱兩種情境下都表現良好,因為它對工業生產有凸性。他提到美國工業生產約以 1.6% 成長、產能利用率上升,稱這「還不至於一片黯淡」。
Git 看好 AI 應用,對超大規模雲端業者的資本支出題材持保留態度
在談 AI 的離題段落中,Git 明確類比網路泡沫:鋪設網路管線的公司——基礎建設建造者——並不是收割榮景的人。Google、Amazon、Facebook 是在那套基礎建設之上,建立起現金充裕、資本支出低的生意。他認為今天的超大規模雲端業者正變成替 LLM 鋪管線、拉電纜的基礎建設公司,並說「我們甚至還沒開始探索能用它做什麼」。比起超大規模雲端業者本身,他更興奮的是將消費 AI 的低資本支出軟體公司,並提醒在實體經濟應用真正起飛前,可能先出現一波估值修正。商品方面,若 AI 資本支出與工業生產撐得住,他看好工業商品與能源期貨——同時也提醒,若停滯性通膨真的來臨,商品趨勢會從反方向提供保護。
建構的答案取決於你選哪一個目標
Git 把整個問題框成三選一的目標,並說最常見的失敗,是讓最佳化器決定配置(他舉例,人們從 Claude 得到的輸出就是「20% CTA」),卻沒先講清楚目標。
1. 對沖基金組閤中的獨立 alpha。 先從成本低的液體型 CTA 或指數複製策略開始,再加入商品趨勢,Sharpe 可從約 0.6 拉到 0.8。商品趨勢進來之後,再加另類趨勢對 Sharpe 的額外貢獻「 literally 是零」。
2. 股票凸性/危機 alpha。 這條路最貴。股票趨勢需要接近 1:1 的配置,才能把 60% 的股票部位降到 40–60。快速趨勢在 1 個月期衝擊上提供正常策略兩倍的凸性,但對季度回檔沒有更多幫助,因為它只有約 30% 的資金投入,慢速趨勢則約 60%。債券趨勢則能便宜地提供第一時間反應者曝險。
3. 債券凸性。 就資本效率而言,債券趨勢是明確答案——「沒有東西比得上」——商品與另類趨勢則有小幅貢獻。
他也點出行為陷阱:投資人會對自己的順勢基金做順勢操作,追高殺低、在回檔後贖回,他稱這「非常有破壞性」。他引用 Quantica 近期一篇談「付費才能上場」的論文,該文量化了這個成本,並說經理人數量的問題值得另闢一集討論。
結語
本集真正的貢獻是一套紀律:在決定 CTA 配置比重之前,先講清楚它要做什麼工作。Git 的數字意味著,多數自認買到股票崩盤保護的投資人,實際上買到的是債券加商品的通膨避險,附帶一個緩慢、部分部位的股票空頭——而這個股票空頭正是整套組合裡資本效率最差的一塊。兩個矛盾仍未解。第一,債券趨勢的歷史強度,與其近四年債市橫盤期間的負 Sharpe 擺在一起顯得尷尬,Git 承認這點但沒有解決。第二,他否定 Man Group 停滯性通膨研究,靠的是樣本數與資料品質的理由,而非提出競爭性的實證結果,所以停滯性通膨的問題仍懸而未決。值得持續追蹤的是:債券與股票相關性是否會在 4–5% 通膨門檻之上維持正值,以及 AI 資本支出是否如他預期反映在工業生產與工業商品趨勢上。