“该策略涵盖MSCI ACWI股票。首先，通过自下而上的层次聚类分析，使用过去五年的每周回报将股票分为150个集群，基于平均连接法定义距离。然后，为每只股票计算动量指标（过去一年每周平均回报除以五年回报标准差的夏普比率）。在每个集群中选择动量最高的股票，筛选出动量为负的股票后，投资于剩余动量为正的股票。策略每月等权重重新平衡。”
资产类别：股票 | 区域：全球 | 频率：每月 | 市场：股权 | 关键词：分层，动量
策略概述
投资范围包括MSCI ACWI股票。第一步是进行聚类分析。使用过去五年的每周回报数据，通过自下而上的层次聚类（凝聚聚类）将股票分为150个固定的集群（作者在附录中也探讨了其他选择）。两个对象之间的距离定义为1减去两个对象之间的相关性的一半平方根（详见第4页的第一个公式），集群基于平均连接法。接下来，为每只股票构建动量指标，使用过去一年的每周平均回报除以基于过去五年每周回报的标准差来计算夏普比率。在每个集群中，识别出动量最高的股票（横截面方法）。从这些股票中，筛选出动量为负的股票（时间序列方法），并投资于剩余动量为正的股票。该策略每月重新平衡，且等权重分配。
策略合理性
该论文结合了两种逻辑严密的策略。首先，动量策略已经多次被证明能够提供正回报（超额表现），这是一种有效的策略。然而，动量策略也存在一些问题，例如集中性、崩盘风险和高风险性。虽然使用风险调整后的动量（如夏普比率）可以降低风险，但作者提出了另一种降低风险和集中性的方式，即更好地进行多样化。因此，作者建议采用层次聚类，它不像其他方法那样易受估计问题的影响，且能够成功识别相似和不相似的资产。
论文来源
Portfolio Construction with Hierarchical Momentum [点击浏览原文]
- Antonello Cirulli, Michal Kobak, Urban Ulrych，OLZ AG, 苏黎世大学金融系，洛桑联邦理工学院，瑞士金融研究院
<摘要>
这篇论文提出了一种结合大规模资产池的层次聚类与股票价格动量的投资组合构建方法。一方面，投资于高动量股票能够在不同经济周期中稳定投资组合表现，并提高风险调整后的回报。另一方面，对高维资产池进行层次聚类可以确保稀疏多样化，并缓解动量投资组合中通常存在的回撤增加和高换手率问题。此外，该方法避免了协方差矩阵的逆运算。
基于无幸存者偏差的国际股票数据进行的样本外回测显示，层次动量投资组合在累计收益和风险调整后回报方面显著优于无模型基准，同时减少了投资组合的回撤。我们进一步展示了层次动量投资组合的独特特征，归因于通过聚类进行的维度缩减和基于动量的股票选择。
回测表现
| 年化收益率 | 10.58% |
| 波动率 | 12.87% |
| Beta | N/A |
| 夏普比率 | 0.81 |
| 索提诺比率 | N/A |
| 最大回撤 | -50.75% |
| 胜率 | N/A |
