表1展示了所有品种的描述性统计分析，包括数据起始结束日、所属板块和月收益率分布等内容。从该表可以看到，铝(AL)、铜(CU)和橡胶(RU)是数据长度最长的品种，在样本起始日之前就已经上市交易；权益资产从2010年4月沪深300股指期货(IF)上市之后开始有数据，国债期货从2013年9月5年期国债期货上市(TF)开始有数据；从偏度来看，左偏和右偏差不多各占一半；从峰度来说，所有品种收益率均呈现出肥尾特征，这有利于趋势跟踪[5]；三个股指期货，收益率均为右偏，肥尾特征也非常明显。

表1研究范围单品种描述性统计分析

接下来看所有品种和板块的长期表现，见表2和表3，其中板块由所有成分等权重构建。首先，从年化收益率来看，不同品种之间差异较大，有18个品种收益率为负，18个品种收益率为正，收益率最惨的沥青(BU)年化收益率为-13.56%，收益率最高的铁矿石(I)年化收益率有14.01%，所有国债和权益资产均能获得正向收益。其次，不同期货品种波动率差异巨大，权益类、工业品和能源化工年化波动率最高，接着是金属和农业，波动率最小的是国债类。然后，从最大回撤的角度来看，除国债类资产外，其他所有品种历史最大跌幅都不小，持有单一品种可能招致巨大损失。最后，如果仅仅只看商品期货的话，单个商品的年化收益平均值和中位数接近0，而一个分散化且定期再平衡的商品多头组合，却能获得显著大于0的收益，这和Gorton和Rouwenhorst(2006)的结论一致。

表2单品种长期表现

4.3收益率持续性

趋势跟踪获利的关键点之一便是价格具有持续性，来回振荡是最最讨厌的。一般来说，收益率持续性越好，趋势行情越顺畅，策略获利越多。在正式构建趋势跟踪组合之前，参照Moskowitzetal.(2012)的方法，先来探索一下品种收益率的持续性如何。具体方法为，以所有品种风险调整后月度收益率为因变量，滞后h个月的风险调整后月度收益率为自变量，运行面板回归，回归系数的显著性水平即可用来度量收益率的持续性，面板回归模型如下。

其中，r(t,s)为品种s在月份t的收益率，(t,s)为品种s的实现波动率，h为滞后月份数。滞后期h取值1~60，对每一个滞后期h，估计一次面板回归模型，得到一个回归系数的t统计量。直观来说，如果回归系数显著大于0，则说明价格持续性较好；如果回归系数显著小于0，则说明价格呈现明显的反转特征。

之所以要用风险调整后收益率，是因为不同品种之间波动率差异较大，直接用简单收益率会导致不可比。在计算每个品种的实现波动率时，采用的日收益率指数加权的方式，即：

其中，252表示每年交易日天数，用来将日度波动率调整到年度；由COM决定，COM取63个交易日，即:

图4展示了所有滞后期对应的t统计量。从中可以看到，在1~12个月，回归系数绝大多数时候显著大于0，表明在1年内收益率持续性较高；相反，12个月以上更多地呈现出反转特征，这和Moskowitzetal.(2012)的结论基本吻合。

分版块来看，如图5所示，能源矿产和金属版块展现出较好的收益持续性，这和近几年观察到的现象一致；农产品和工业品持续性一般；国债和股指的持续性最差，可能是品种数量和数据长度较少导致的。

图5分版块持续性分析

接下来，按照Moskowitzetal.(2012)和Hurstetal.(2013)的方法，构造趋势跟踪组合。在每月月末t，对每一个品种s，计算其过去h个月的收益率，根据符号确定交易方向，如果为正则看多，如果为负则看空，即品种s在t+1月的趋势跟踪收益为：

其中，h表示回看窗口，即多少个月的动量，这里h取值1、3和12，对应1个月、3个云财经股市情报网TrendsEverywhere月和1年。

每个品种权重由波动率倒数决定。波动率倒数加权又被称为NaiveRiskParity，是简