問題：

• CTA 策略廣受歡迎，但往往不適用於範圍較小的市場組合，例如僅限於原物料商品類別。
• 我們能否建立一套 ML 策略，掌握傳統 CTA 策略的主要績效特性？
• 採用 AiLA 的交易策略建模方法。

研究方法：

• 依據公開文獻 [Baz15]，複製動能（Momentum）、持有收益（Carry）及價值（Value）CTA 訊號，用於 ML 訓練。
• 依 CTA ML 建模章節所述，建構多空訊號預測模型。
• 針對 BCOM 與 GSCI 等指數通常涵蓋的 29 個原物料商品市場，比較傳統 CTA 訊號與 ML 訊號的績效。

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

• 為求比較清晰，CTA 與 CML（CTA-ML）訊號以相同格式產生，並套用於相同的市場報酬。
• 因此，績效差異直接與訊號相關，且各投資組合以相同的每日風險進行比較。
• CML 與 CTA 投資組合之間的每日損益（P&L）相關性為 58%，顯示與傳統 CTA 策略的績效有相當程度的相似性。
• 同時，在本研究的歷史期間內，以風險調整後的基礎而言，CML 投資組合的績效顯著高於 CTA 策略。
• 須注意的是，CML 平均持有部位的頻率低於 CTA 策略，且所有結果均未計入交易成本，而交易成本預期對 CML 結果的影響最大。

（* 所使用的報酬以各市場的近月合約為基礎，通常在合約到期前數週進行轉倉）

• 透過遮蔽 CML 在個別市場持有非零部位的日子，研究時點選擇所扮演的角色。
• 將部位遮罩套用於 CTA 訊號後顯示，在 CML 所選定的日子使用 CTA 訊號，績效有所提升。
• 將 CML 績效依不同類型 CTA 訊號的日子拆解其貢獻，亦即與 CML 訊號相同或不同，或 CTA 訊號被歸類為零。
• CML 持有部位的日子大多屬於相同訊號類別，這一點也從 CML 與 CTA 的相關性中可見。
• 在 CTA 訊號類別為相同或為零的日子，CML 績效顯示出可觀的正向貢獻。
• 在 CTA 訊號類別不同的日子，CML 績效顯示 CML 判斷正確的次數多於 CTA，但在訊號分歧時績效也較弱。

（* 為比較 CTA 與 CML 訊號，特定日子的淨 CTA 訊號依其屬於多頭、空頭或零訊號群組加以分類）

• 本研究運用 AiLA 投資策略建模方法論，建立一套多空預測模型，此模型似乎能掌握傳統 CTA 策略的主要績效特性。
• CML（CTA-ML）策略以公開文獻中的三種 CTA 訊號（動能、持有收益及價值）進行訓練，並以 29 個具流動性的原物料商品市場（即 BCOM 與 GSCI 等指數的典型成分）比較績效。
• CML 策略與 CTA 策略的績效有相當程度的重疊，同時風險調整後報酬顯著較高。
• 結果拆解顯示，CML 的超額績效一方面來自訊號時點（即 CML 決定產生非零訊號的較少數日子），另一方面也來自產生與 CTA 策略不同的訊號值。
• 須注意的是，本研究並未考量交易成本，而交易成本預期對 CML 結果的負面影響將大於傳統 CTA 結果。