問い：

• CTA 戦略は広く用いられていますが、コモディティ・セクター単独など、より少数の市場には適さないことが多くあります。
• 従来の CTA 戦略の主なパフォーマンス特性を捉える ML 戦略を構築できるでしょうか。
• トレーディング戦略のモデリングには AiLA のアプローチを用います。

アプローチ：

• 公開文献 [Baz15] に基づき、ML の学習用にモメンタム、キャリー、バリューの CTA シグナルを再現します。
• CTA の ML モデリングのセクションで説明しているとおり、ロング／ショートのシグナル予測モデルを構築します。
• BCOM や GSCI などの指数に通常含まれる 29 のコモディティ市場について、従来の CTA シグナルと ML シグナルのパフォーマンスを比較します。

[Baz15] J.Baz et al., Dissecting Investment Strategies in the Cross Section and Time Series (December 4, 2015). Available at SSRN:https://ssrn.com/abstract=2695101

• 明確に比較するため、CTA と CML（CTA-ML）のシグナルを同等の形式で生成し、同じ市場リターンに適用します。
• したがって、パフォーマンスの差はシグナルに直接関係するものであり、ポートフォリオは同じ日次リスクで比較しています。
• CML と CTA のポートフォリオの間で日次損益の相関は 58% となり、従来の CTA 戦略のパフォーマンスとかなりの類似性があることを示しています。
• 同時に、CML ポートフォリオは、対象期間においてリスク調整ベースで、CTA 戦略よりも大幅に高いパフォーマンスを示しています。
• なお、CML は平均して CTA 戦略よりもポジションを保有する頻度が低く、またすべての結果は取引コストを考慮していません。取引コストは CML の結果に最も大きく影響すると予想されます。

（* 使用したリターンは各市場の期近限月に基づいており、通常、満期の 2 週間ほど前にロールしています）

• 個々の市場で CML がゼロでないポジションを持つ日を抽出するマスクを用いて、タイミングの役割を調べます。
• このポジション・マスクを CTA シグナルに適用すると、CML が選んだ日に CTA シグナルを用いることで改善が見られます。
• CML のパフォーマンスを、CTA シグナルの種類が異なる日ごとの寄与に分解します。すなわち、CML シグナルと同じ／異なる CTA シグナルの日、または CTA シグナルがゼロに分類される日です。
• CML のポジションがある日の大半は同じシグナル・カテゴリーに属しており、このことは CML と CTA の相関にも表れています。
• CTA シグナルが同じまたはゼロのカテゴリーに属する日の CML のパフォーマンスは、CML による大きなプラスの寄与を示しています。
• CTA シグナルが異なるカテゴリーに属する日の CML のパフォーマンスは、CML が CTA よりも正しい頻度が高いことを示していますが、シグナルが食い違う場合にはパフォーマンスが弱くなることも示しています。

（* CTA と CML のシグナルを比較するため、ある日のネットの CTA シグナルを、ロング、ショート、ゼロのいずれのシグナル・グループに属するかで分類しています）

• AiLA の投資戦略モデリングの手法を用いてロング／ショートの予測モデルを構築したところ、従来の CTA 戦略の主なパフォーマンス特性を捉えているように見えます。
• CML（CTA-ML）戦略は、公開文献の 3 つの CTA シグナル（モメンタム、キャリー、バリュー）を用いて学習させ、BCOM や GSCI などの指数の典型的な構成銘柄である流動性の高い 29 のコモディティ市場に基づいてパフォーマンスを比較しました。
• CML 戦略は、CTA 戦略のパフォーマンスとかなりの重なりを示すとともに、大幅に高いリスク調整後リターンを示しています。
• 結果を分解すると、CML の超過パフォーマンスは、シグナルのタイミング（CML がゼロでないシグナルを生成すると判断する、より少数の日に絞られること）と、CTA 戦略とは異なるシグナル値を生成することの両方に由来することが示唆されます。
• なお、本調査は取引コストを考慮せずに行っており、取引コストは従来の CTA の結果よりも CML の結果により大きなマイナスの影響を与えると予想される点に留意が必要です。