问题：

• CTA 策略广受欢迎，但通常不适用于较小的市场集合，例如单一的大宗商品板块。
• 我们能否构建一种 ML 策略，捕捉传统 CTA 策略的主要表现特征？
• 采用 AiLA 的交易策略建模方法。

方法：

• 基于公开文献 [Baz15]，复制动量、展期收益（Carry）和价值 CTA 信号，用于 ML 训练。
• 按照 CTA ML 建模部分所述，构建多空信号预测模型。
• 针对通常纳入 BCOM 和 GSCI 等指数的 29 个大宗商品市场，比较传统 CTA 信号与 ML 信号的表现。

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

• 为便于清晰比较，CTA 信号与 CML（CTA-ML）信号以同等格式生成，并应用于相同的市场收益。
• 因此，表现差异直接与信号相关，且投资组合在相同的日风险下进行比较。
• CML 投资组合与 CTA 投资组合之间的每日损益相关性为 58%，表明其与传统 CTA 策略的表现存在较大相似性。
• 同时，在给定的历史区间内，经风险调整后，CML 投资组合的表现显著高于 CTA 策略。
• 需要指出的是，平均而言 CML 持仓的频率低于 CTA 策略，且所有结果均未考虑交易成本，而交易成本预计对 CML 结果的影响最大。

（* 所用收益基于各市场的近月合约，通常在合约到期前几周进行展期）

• 通过屏蔽 CML 在各个市场持有非零头寸的交易日，研究择时所起的作用。
• 将该头寸掩码应用于 CTA 信号后显示，在 CML 选定的交易日使用 CTA 信号可提升表现。
• 将 CML 表现分解为来自不同类型 CTA 信号交易日的贡献，即 CTA 信号与 CML 信号相同/不同，或 CTA 信号被归类为零。
• 大多数 CML 持仓的交易日属于信号相同的类别，CML 与 CTA 之间的相关性也表明了这一点。
• 在 CTA 信号相同或为零的类别交易日中，CML 的表现显示出相当可观的正向贡献。
• 在 CTA 信号不同的类别交易日中，CML 的表现显示 CML 判断正确的次数多于 CTA，但在信号不一致时表现也较弱。

（* 在比较 CTA 信号与 CML 信号时，某一交易日的 CTA 净信号按其所属的多头、空头或零信号组进行分类）

• 我们采用 AiLA 投资策略建模方法论构建了一个多空预测模型，该模型似乎能够捕捉传统 CTA 策略的主要表现特征。
• CML（CTA-ML）策略使用公开文献中的三种 CTA 信号（动量、展期收益和价值）进行训练，并基于 29 个高流动性大宗商品市场（即 BCOM 和 GSCI 等指数的典型成分）比较了表现。
• CML 策略与 CTA 策略的表现存在较大重叠，且经风险调整后的收益显著更高。
• 对结果的分解表明，CML 的超额表现既来自信号择时（即 CML 决定生成非零信号的较少交易日子集），也来自其生成的信号值与 CTA 策略不同。
• 需要指出的是，本研究未考虑交易成本，预计交易成本对 CML 结果的负面影响将大于对传统 CTA 结果的影响。