上涨的不一定会下跌，但夏普比率较低

对于股市来说，这是不平凡的一年。 2023 年，科技股以超过 40% 的回报率领跑，引发了对该行业估值过高的担忧。尽管如此，过去的行业繁荣与波动但平均为正的未来回报有关。

正如我最近所写的，过去几个月通胀下降和经济增长温和放缓为风险资产提供了良好的背景。事实上，整体股市和一些行业（例如科技行业）的表现如此之好，以至于徘徊在接近或处于历史高点附近。技术催化剂是众所周知的：对人工智能的兴奋、在家工作的趋势以及强劲的盈利能力。下图显示了过去六年美国股市板块的回报率。图例中标明了最近 12 个月 (LTM) 回报率以及 LTM 回报率的十分位数。

十分位数是使用自 1990 年以来滚动月度窗口中的部门年观测值来计算的。十分之一为 10 (D=10) 意味着该部门的 LTM 回报率高于所有部门年观察值的 90%（即，过去 30 多年来，一年一个部门）。十分之一 5 (D=5) 意味着 LTM 回报高于样本中所有部门年回报观测值的 40%。行业名称右侧的数字显示 2018 年初投资于该行业的 1 美元价值。

2023 年表现最好的三个板块是纳斯达克 100 指数、科技板块和通信板块。在大型科技股强劲表现的推动下，这三只股票在过去 12 个月内均上涨了 40% 或更多。根据 LTM 表现，这三个指数位于行业年回报分布的第 10 个百分点（即优于所有先前行业年回报观察值的 90%）。

但人们可能会担心，经过一段时间的极端表现后，未来的回报前景将会黯淡。

过去的繁荣

股市某个板块的同比回报率较高这一事实本身并不能成为悲观的理由。下表显示了自 1990 年以来的最高同比行业回报率。LTM Rets 列显示了过去 12 个月的行业回报率，NTM Rets 列显示随后 12 个月期间的回报率。该日期对应于 LTM Rets 计算中的最后一个月。例如，截至2022年1月31日的12个月期间，能源行业的回报率为75.7%。随后 12 个月的回报率进一步达到 42.2%。

事实上，自 1990 年以来年回报率最高的 25 个行业中，有 16 个在接下来的 12 个月内进一步上涨，只有 9 个出现了亏损，尽管其中一些亏损相当大。此外，许多最负面的行业年回报观察涉及 1999 年末和 2000 年初互联网泡沫破裂期间重叠的 12 个月时期，也就是说，这些不是独立事件，而是反映了一个特定的抛售事件。 （为了完整起见，文章底部列出了 LTM 回报率最低的 25 个行业年度事件。）

为了更深入地了解大型板块反弹后的市场行为，我根据过去的表现将 LTM 板块的回报分为十分之一。第一个十分位数包含最低的 LTM 行业回报，第十个十分位数包含最高的 LTM 行业回报。下图中的左上面板显示了每个箱中的平均 LTM 回报。十分位箱 1 中的平均 LTM 回报率为 -28%，箱 10 中的平均 LTM 回报率为 49%。 LTM 回报按构造在各个垃圾箱中单调增加。

该图的右上面板显示了 LTM 回报落入每个十分位区间后接下来 12 个月内发生的情况。有趣的是，对于过去最糟糕的结果，未来 12 个月的平均回报率非常高，达到 20%。然后，接下来的 8 个 bin 下降到 10%-12% 范围，然后 10 个 bin 上升到 13%。也就是说，平均而言，进入 LTM 回报率前十分之一的部门年观察值之后，会出现下一个-12 个月回报率为 +13%，高于除第一个十分之一之外的所有分箱的结果。

上涨的不一定会下跌。

但事情并非一帆风顺。左下面板显示了每个十分位箱中未来 12 个月回报的波动性。未来 12 个月回报率的波动呈现出明显的 U 形模式。基于 LTM 回报的极端分箱显示出未来 12 个月回报结果的最高波动性。第一个十分位（过去的萧条）具有最高的远期波动性，为 31%，而顶部十分位（过去的繁荣）具有第二高的远期波动性，为 26%。 bin 3-9 的未来波动率要低得多，在 15%-18% 范围内（而 bin 2 的回报波动率仍然较高）。箱 1 和箱 10 的高平均回报与更高的未来波动性相关。

为了评估每个 LTM 回报箱中的风险回报权衡，右下面板显示了接下来 12- 的 夏普比率月回报。计算方法为未来 12 个月每个部门的平均超额回报（即高于短期国债收益率的回报）除以这些超额回报的波动性。除了 bin 2（可能是统计侥幸）之外，夏普比率表现出明显的驼峰形模式。最高的夏普比率出现在中间的垃圾箱中，回报率不太高，波动性也不太高。萧条箱（十分位数 1）的夏普比率相对较低，为 0.49，而繁荣箱（十分位数 10）的夏普比率倒数第二低，为 0.41。未来 12 个月的高平均 bin 1 和 10 回报率伴随着非常高的波动性，并且这种效应占主导地位，导致极端 bin 夏普比率低于中间 bin 夏普比率。

结果范围

为了更好地了解每个 LTM 回收箱的未来回报结果的分布，下一个图表显示了下一个的箱须图每个十分位箱的 -12 个月回报。每个框中的水平线代表每个十分位箱未来 12 个月结果的中位数。这与上图中所示的平均回报具有相似的形状。每个方框的高度，即从上到下的垂直距离，代表未来 12 个月回报率第 25 个百分位数和第 75 个百分位数之间所有结果的一半。从每个盒子的顶部和底部延伸的垂直线的长度等于盒子高度的 1.5 倍。每个十分位顶部和底部的点显示了每个分箱未来 12 个月的极端异常回报。

例如，对于 bin 1，未来 12 个月的平均回报率为 19.96%。第 25 至 75 个百分位数的结果范围为 0% 至 40% 左右。未来 12 个月最极端的正回报率为 +110%，最极端的负回报率为 -70%。对于 bin 10，这两个极端值分别为 +122% 和 -67%。箱线图强化了夏普比率分析的信息。极端仓具有极端范围的未来可能结果，并且由此产生的波动性如此之高，以至于极端仓未来 12 个月回报的夏普比率低于中间仓的夏普比率，尽管平均未来 12 个月回报率很高。 12 个月回报。

展望未来

需要注意的是，过去并不能保证未来，我对极端回报的分析表明，科技股不一定会因为过去一年的大幅上涨而出现重大调整。事实上，过去经历过类似繁荣的行业的平均回报率相当高。与此同时，此类繁荣行业的一年远期回报波动性也很高，有一些非常积极的结果，但也有一些极端的负回报。

在我的公司 QuantStreet，我们使用两个指标来评估资产类别未来 12 个月的回报：机器学习预测模型的输出和过去 12 个月的回报趋势。基于前者（机器学习模型），科技股看起来不太好。基于后者（趋势），科技股看起来极具吸引力。模型和趋势的混合信号使科技股看起来很有吸引力。目前的研究结果并没有对这一分析提出质疑，但它们确实对科技行业近期的前景提出了一些警告：平均回报率很高，但波动性非常高，并且有可能出现极端的负面和正面波动。

过去的半身像

为了完整起见，下表显示了不同行业 25 个最大的同比衰退。

Harry Mamaysky 是哥伦比亚商学院教授以及QuantStreet Capital合伙人