پرش به محتوای اصلی
تریدیاررصد بازار فیوچرز

پیشرفته

آموزش

Momentum پیشرفته

Cross-Sectional vs Time-Series.

  • advanced
  • strategy

هدف یادگیری

پس از مطالعه این درس، قادر خواهید بود دو رویکرد کمّی اصلی مومنتوم — سری‌زمانی (TSMOM) و مقطعی (CSMOM) — را با فرمول‌های دقیق تعریف، محاسبه و در پورتفولیوی رمزارزی پیاده‌سازی کنید. همچنین شرایط بازاری که هریک از این رویکردها برتری دارند را تشخیص داده و استراتژی ترکیبی طراحی خواهید کرد.


1. پایه‌های کمّی: مومنتوم چیست؟

مومنتوم در ادبیات دانشگاهی به تمایل دارایی‌ها به ادامه روند قبلی خود اشاره دارد. جگادیش و تیتمن (1993) نشان دادند که سهام‌هایی که در 3 تا 12 ماه گذشته بازده بالاتری داشتند، در ماه‌های بعد نیز عملکرد بهتری دارند. اما این تعریف کلی دو نوع مجزا از مومنتوم را پنهان می‌کند که منطق، محاسبه و کاربرد متفاوتی دارند.

سیگنال خام مومنتوم معمولاً به شکل زیر محاسبه می‌شود:

$$r_{t-L:t-1} = \frac{P_{t-1}}{P_{t-L}} - 1$$

که در آن $L$ دوره lookback (معمولاً 1 تا 12 ماه) و $P$ قیمت دارایی است. یک‌ماه اخیر اغلب حذف می‌شود تا از اثر بازگشت کوتاه‌مدت (short-term reversal) اجتناب شود.


2. Time-Series Momentum (TSMOM)

تعریف و منطق

مومنتوم سری‌زمانی می‌پرسد: آیا این دارایی خاص در گذشته روند صعودی یا نزولی داشته است؟ سیگنال صرفاً به رفتار تاریخی همان دارایی وابسته است و هیچ مقایسه‌ای با سایر دارایی‌ها انجام نمی‌گیرد.

فرمول رسمی

موسکویتز، اوی و پدرسن (2012) TSMOM را چنین تعریف کردند:

$$s_i^{TSMOM} = \text{sign}\left(r_{i,t-12:t-1}\right)$$

وزن دارایی $i$ در پورتفولیو:

$$w_i = \frac{s_i^{TSMOM}}{\sigma_i}$$

که $\sigma_i$ انحراف معیار بازده 60 روزه است و برای نرمال‌سازی ریسک به کار می‌رود.

مثال عملی با اعداد

فرض کنید سه رمزارز دارید:

داراییبازده 12 ماههانحراف معیار 60 روزهسیگنالوزن خام
BTC+48%3.2%+1+0.312
ETH-12%4.1%-1-0.244
SOL+93%5.8%+1+0.172

BTC و SOL وزن مثبت (Long) و ETH وزن منفی (Short) می‌گیرند. پس از نرمال‌سازی برای هدف نوسان 10% سالانه، وزن‌های نهایی تعیین می‌شوند.

ویژگی کلیدی

TSMOM در واقع معادل یک استراتژی trend-following است. این رویکرد در بحران‌های مالی (مانند 2008 یا ریزش 2022 کریپتو) بازده مثبت تولید می‌کند، زیرا در بازارهای یکطرفه نزولی، Short بودن یک دارایی ضعیف سودده است.


3. Cross-Sectional Momentum (CSMOM)

تعریف و منطق

مومنتوم مقطعی می‌پرسد: این دارایی نسبت به همتایانش چه عملکردی داشته؟ در هر دوره، دارایی‌ها رتبه‌بندی می‌شوند و پورتفولیو به شکل Long/Short بر اساس این رتبه‌بندی ساخته می‌شود.

فرمول رسمی

بازده مومنتوم مقطعی برای دارایی $i$ در ماه $t$:

$$r_i^{CSMOM} = r_{i,t} \cdot w_i^{CSMOM}$$

وزن بر اساس z-score رتبه‌بندی:

$$z_i = \frac{r_{i,t-12:t-1} - \bar{r}_{t-12:t-1}}{\sigma_{cross}}$$

$$w_i^{CSMOM} = \frac{z_i}{\sum_j |z_j|}$$

که $\bar{r}$ میانگین مقطعی و $\sigma_{cross}$ انحراف معیار مقطعی بازده همه دارایی‌هاست.

مثال عملی با اعداد

در همان پورتفولیو بالا، فرض کنید یونیورس 5 دارایی است:

داراییبازده 12 ماههZ-Scoreوزن CSMOM
SOL+93%+1.84+0.36
BTC+48%+0.72+0.14
AVAX+15%+0.11+0.02
ETH-12%-0.63-0.12
ATOM-41%-2.04-0.40

میانگین مقطعی: +20.6% — انحراف معیار مقطعی: 50.8%

دارایی‌های برتر (SOL, BTC) Long و دارایی‌های ضعیف (ATOM, ETH) Short می‌شوند. نکته مهم: اگر همه بازار نزولی باشد، CSMOM همچنان فقط بهترین‌ها را Long می‌کند، حتی اگر بازده مطلق آنها منفی باشد.


4. مقایسه کمّی و تفاوت‌های بنیادین

معادله تجزیه بازده

رابطه ریاضی بین دو نوع مومنتوم:

$$r_i^{TSMOM} = r_i^{CSMOM} + \bar{r}_t \cdot s_i^{TSMOM}$$

این معادله نشان می‌دهد TSMOM ترکیبی از CSMOM و یک جزء market-timing است. جزء دوم، $\bar{r}_t \cdot s_i^{TSMOM}$، زمانی که بازار کلی صعودی باشد و دارایی سیگنال مثبت داشته باشد، بازده اضافی تولید می‌کند.

جدول مقایسه جامع

ویژگیTSMOMCSMOM
سوال اصلیروند مطلق دارایی؟عملکرد نسبی در گروه؟
وابستگی به بازاربله (market-timing)خیر (market-neutral)
عملکرد در بازار خرسیمثبت (short کل بازار)خنثی تا منفی
عملکرد در بازار گاویمثبت (long کل بازار)مثبت
عملکرد در بازار رنجمنفی (ضررهای trend reversal)مثبت
نیاز به یونیورسخیربله (حداقل 10 دارایی)
بتا نسبت به بازارمتغیر و مهمنزدیک به صفر
ریسک اصلیwhipsaw در بازار رنجcrowded trade

شارپ نسبی در شرایط مختلف

بر اساس تحقیقات آکادمیک در بازارهای توسعه‌یافته:

  • در دوره‌های trend واضح: TSMOM برتری دارد
  • در دوره‌های رنج با dispersion بالا: CSMOM برتری دارد
  • correlation بین دو استراتژی: معمولاً 0.3 تا 0.5 در بازارهای کریپتو

5. پیاده‌سازی در بازار رمزارز

چالش‌های خاص کریپتو

1. تعریف یونیورس: CSMOM نیاز به یونیورس پایدار دارد. در کریپتو، سکه‌های جدید مدام اضافه می‌شوند. راه‌حل: استفاده از top-N به market cap (مثلاً top 50 به حجم 30 روزه) با rebalancing ماهانه.

2. نقدشوندگی: وزن‌ها باید با فیلتر نقدشوندگی تنظیم شوند:

$$w_i^{adj} = w_i \cdot \min\left(1, \frac{ADV_i}{\theta \cdot |w_i \cdot NAV|}\right)$$

که $ADV_i$ میانگین حجم روزانه و $\theta$ ضریب تأثیر بازار (معمولاً 0.1 تا 0.2) است.

3. ساعات بازار: برخلاف سهام، کریپتو 24/7 معامله می‌شود. برای lookback period، استفاده از UTC midnight یکسان برای همه دارایی‌ها ضروری است.

پارامترهای بهینه برای کریپتو

بر اساس مطالعات empirical در بازار کریپتو (2018-2024):

  • Lookback period TSMOM: 3 ماه (بهجای 12 ماه سهام) به دلیل چرخه‌های سریع‌تر
  • Lookback period CSMOM: 1 تا 6 ماه
  • Rebalancing: هفتگی یا دو هفتگی (کاهش transaction cost در مقابل ماهانه)
  • Volatility target: 15-25% سالانه (بالاتر از سهام به دلیل نوسان ذاتی)

6. ترکیب دو رویکرد: استراتژی Combo

منطق ترکیب

از آنجا که TSMOM و CSMOM به ریسک‌های متفاوتی expose هستند، ترکیب آنها می‌تواند شارپ کلی را بهبود دهد. فرمول پورتفولیو ترکیبی:

$$w_i^{combo} = \alpha \cdot w_i^{TSMOM} + (1-\alpha) \cdot w_i^{CSMOM}$$

مقدار $\alpha$ بهینه به رژیم بازار بستگی دارد، اما $\alpha = 0.5$ نقطه شروع مناسبی است.

رژیم‌بندی پویا

یک رویکرد پیشرفته‌تر، تنظیم $\alpha$ بر اساس رژیم بازار است:

$$\alpha_t = \frac{1}{1 + e^{-\beta \cdot (\bar{r}_{t-3:t} - \bar{r}_{mean})}}$$

این تابع sigmoid وزن TSMOM را در بازارهای trend‌دار (بازده میانگین بالا) افزایش می‌دهد و در بازارهای رنج کاهش می‌دهد.

مثال محاسباتی نهایی

فرض کنید در ماه جاری:

  • BTC: TSMOM weight = +0.30، CSMOM weight = +0.15
  • ETH: TSMOM weight = -0.20، CSMOM weight = +0.25
  • SOL: TSMOM weight = +0.18، CSMOM weight = +0.35

با $\alpha = 0.5$:

  • BTC combo: $(0.5)(0.30) + (0.5)(0.15) = +0.225$
  • ETH combo: $(0.5)(-0.20) + (0.5)(0.25) = +0.025$
  • SOL combo: $(0.5)(0.18) + (0.5)(0.35) = +0.265$

اینجا ETH جالب است: TSMOM می‌گوید Short ولی CSMOM می‌گوید Long. وزن ترکیبی تقریباً صفر می‌شود — که معنای آن است پورتفولیو در مورد ETH بی‌طرف است و این uncertainty را به درستی capture کرده.


نتیجه‌گیری

TSMOM و CSMOM دو دیدگاه مکمل به پدیده مومنتوم هستند. TSMOM ابزاری برای trend-following با قابلیت market-timing است و در بازارهای یکطرفه قوی عمل می‌کند. CSMOM ابزاری برای شناسایی برندگان نسبی است و در بازارهای رنج با پراکندگی بالا برتری دارد. در بازار کریپتو، چرخه‌های کوتاه‌تر و نوسان بالاتر نیاز به تنظیم پارامترها دارد. استراتژی ترکیبی با $\alpha$ پویا، راه‌حل عملی برای navigate کردن رژیم‌های مختلف بازار است.


خلاصه نقطه‌ای

  • TSMOM: سیگنال = sign(r_past) × 1/σ؛ به روند مطلق دارایی نگاه می‌کند؛ market-timing دارد
  • CSMOM: سیگنال = z-score بازده نسبت به همتایان؛ market-neutral؛ نیاز به یونیورس دارد
  • معادله تجزیه: TSMOM = CSMOM + جزء timing بازار کل
  • کریپتو: lookback کوتاه‌تر (1-3 ماه)، rebalancing هفتگی، فیلتر نقدشوندگی اجباری
  • ترکیب: combo = α·TSMOM + (1-α)·CSMOM؛ با $\alpha$ پویا بر اساس رژیم بازار
  • ریسک TSMOM: whipsaw در بازار رنج (سیگنال‌های کاذب متناوب)
  • ریسک CSMOM: crowded trade؛ همه به یک سمت می‌روند و reversal ناگهانی رخ می‌دهد
  • correlation بین دو استراتژی در کریپتو: 0.3 تا 0.5 — تنوع‌بخشی معنادار است

مسیر «strategy» — 3 درس دیگر.