曲線一路向上、年化報酬漂亮,看起來就是一個好策略。但這條曲線是每天穩定累積上來的,還是大部分時間平淡無奇、靠少數幾天的暴漲撐起來的?這個問題決定了策略的可複製性,如果獲利集中在少數幾天,那幾天不出現,策略還剩什麼?本文想談談如何計算損益集中度,並用它來判斷一個策略是穩定累積還是靠少數幾天撐場。
損益集中度怎麼算
損益集中度的計算方式很直觀,有幾種常見的版本。
- 第一種是前 N% 交易日貢獻佔比。 將策略的每日損益由大到小排序,取前 5%的交易日,計算這些交易日的損益總和,再除以整段期間的總損益。這個比率告訴你:策略的獲利有多大比例來自於這少數幾天。
- 第二種是剔除後的報酬。 直接將前 N% 的交易日設為零,重新計算策略的累積報酬、年化報酬與夏普比率。這種做法更直觀,它直接回答,拿掉那幾天,策略還剩下什麼。
- 第三種是損益集中度指數。 計算每日損益的赫芬達爾指數,或計算前 1%、前 5%、前 10% 的貢獻佔比,觀察這個佔比隨門檻變化的曲線。這條曲線的形狀,比單一的數字更能反映損益的分布結構。
怎麼解讀
損益集中度沒有一個絕對的好或壞的門檻,它必須放在策略類型與持有期的脈絡中來解讀。
對於日內高頻策略而言,損益通常分散在大量交易日中,前 5% 的貢獻佔比可能只有 20% 到 30%。這是因為高頻策略每天進行大量交易,單日的極端損益會被平均掉。
對於中頻的動能或事件驅動策略而言,損益集中度通常較高。這是因為這類策略的獲利往往來自於少數幾次大行情,趨勢啟動時的一段快速上漲、或事件發生後的一段劇烈調整。在這類策略中,前 5% 的交易日貢獻 50% 到 80% 的獲利,是相當常見的。
對於低頻的價值或品質策略而言,損益集中度又會下降,因為這類策略的持有期長,報酬來自於長期的估值修復或基本面改善,而不是少數幾天的極端行情。
因此,判讀損益集中度時,第一個該問的問題是:這個數字與同類型策略相比,是偏高還是偏低? 第二個該問的問題是,這個集中度是否與策略的邏輯一致? 如果一個標榜穩定累積的策略,卻有 90% 的獲利來自前 5% 的交易日,那麼它的邏輯與實際表現之間就存在矛盾。
一個更關鍵的問題:那幾天是可以被預測的嗎
損益集中度本身是一個描述性的指標,它告訴你,獲利集中在哪裡,但不告訴你為什麼集中在哪裡。要判斷這個集中度是否構成風險,下一個該問的問題是:那幾天之所以賺錢,是因為策略的邏輯正確地捕捉到了某些可預測的機會,還是只是運氣?
如果那幾天是策略邏輯的必然結果,例如動能策略在趨勢啟動時必然會賺錢,那麼這種集中度是可以接受的。它反映的是策略的報酬結構,而不是策略的脆弱性。
但如果那幾天是無法解釋的偶然,例如某一筆交易因為流動性斷層而意外成交在極端價格,或者某一天的損益來自於一個與策略邏輯無關的市場事件,那麼這種集中度就是一個警訊。它代表策略的績效高度依賴於不可複製的運氣。
判斷的方法是:把那幾天找出來,逐一檢視。 那幾天發生了什麼?策略為什麼在那幾天賺錢?這個原因是否會再次出現?如果答案是不知道或不會再出現,那麼這個策略的可靠性就值得懷疑。
損益集中度與其他指標的關係
損益集中度不是一個孤立的指標,它與其他績效指標之間有密切的關係。
第一個關係是與最大回撤的關係。損益集中度高的策略,通常也有較大的最大回撤,因為如果獲利集中在少數幾天,虧損往往也集中在少數幾天。這種大賺大賠的結構,使得策略的淨值曲線波動劇烈,持有體驗不佳。
第二個關係是與夏普比率的關係。損益集中度高的策略,其夏普比率可能被高估,因為夏普比率假設報酬服從某種穩定的分佈,而損益集中度高的策略,其報酬分佈具有明顯的厚尾特性,標準差無法完整反映尾部風險。
第三個關係是與勝率的關係。損益集中度高的策略,勝率可能不高,它可能大部分交易日都是小賺小賠,靠少數幾天的大賺來拉高整體報酬。這種低勝率、高盈虧比的結構,在心理上比高勝率、低盈虧比更難承受,因為投資人需要忍受長期的平淡或小虧,才能等到那幾天的大賺。
實務上的應用
第一個應用是策略的可行性評估。在策略上線之前,計算它的損益集中度,並問自己:如果那幾天沒有出現,策略的報酬會剩下多少?如果答案是幾乎不賺錢或虧錢,那麼這個策略的實盤表現就高度不確定,它依賴於市場在未來是否會重現那幾天的極端行情。
第二個應用是策略的資金配置。損益集中度高的策略,應該配置較少的資金,因為它的報酬不確定性較高。相反地,損益集中度低的策略,可以配置較多的資金,因為它的報酬較為穩定。
第三個應用是策略的組合分散。如果一個投資組合中的多個策略都具有高損益集中度,而且它們的大賺日集中在相同的時期,例如都在市場大幅反彈時賺錢,那麼這個組合的分散效果就非常有限。在組建多策略組合時,應該選擇那些大賺日分散在不同時期的策略。
第四個應用是績效歸因。當策略在某段期間表現特別好時,計算那段期間的損益集中度,可以幫助你判斷這個好表現是全面性的還是集中在少數幾天。如果是後者,那麼這個好表現的可持續性就值得懷疑。
原文出處:voltima_quant (@voltima_quant) 於 Threads · 查看原文

