你看到价格连续上涨，于是跟着买；连续下跌，就转而做空。这是趋势跟踪最直白的样子。难点不在这句规则，而在于另一串问题：怎样判断趋势，仓位该多大，持有多久，赚的是趋势延续还是长期漂移，交易成本又会吃掉多少？Artur Sepp 与 Vladimir Lucic 的论文试图把这些问题放进同一套数学框架，并把趋势系统分成 European、American 和 Time Series Momentum 三类。这里的分类是作者提出的统一视角，不是行业公认标准。全文的理论、模拟和实证也都来自同一作者团队。
三条路，押的是同一件事
趋势跟踪（trend following）不判断资产“值多少钱”。它只看过去的价格路径，并押注一段走势还会延续。
论文所称的 European 系统使用连续信号。它以 EWMA——指数加权移动平均，也就是越近的数据权重越高——过滤历史收益，再让仓位随信号强弱连续变化。趋势越明显，仓位越大；信号减弱，仓位也随之收缩。
American 系统更像开关。价格突破某个区间时进场，触及移动止损时退出。它采用离散的多空信号，开仓时确定固定仓位。这里的 European 和 American 指两种交易传统，与期权的欧式、美式行权无关。
Time Series Momentum，简称 TSMOM，则用资产自身过去一段时间的涨跌判断未来方向。它不是横向比较哪种资产更强，而是问同一资产：你最近究竟在涨还是在跌？论文的实现还会对过去收益做波动率调整，并建议按周到按月再平衡。
三套体系看起来差别很大：一套像可连续调节的旋钮，一套像突破后才拨动的开关，一套按固定周期回看成绩。但作者在流动性期货合约上的评估显示，选取适当参数后，三者的收益高度相关，也能产生与 SG Trend Index 相近的表现。摘要没有给出合约清单、样本区间和具体相关系数，因此这里不能把“高度相关”进一步量化。
先把风险尺子拉齐
论文主要分析 European 系统，因为连续、线性的信号更容易得到精确公式。第一步是波动率标准化：把收益除以此前估计的波动率。这样，高波动与低波动资产的风险贡献更接近，不会把“承担了更多风险”误认成“信号更有效”。
经过标准化后，系统今日的收益可以理解为：昨日根据历史数据形成的趋势信号，乘以今日的标准化收益。作者据此把累计损益拆成几块，包括经过滤器加权的自相关、收益方差、样本均值的平方，以及有限样本带来的边界项。
自相关衡量当前收益与过去收益的线性联系。若某些滞后上的相关性为正，过去上涨之后更容易继续上涨，趋势策略就可能从中获利。但论文也提醒，关键不是某一个滞后，而是过滤器如何给不同滞后分配权重。
这带来一个实用变化：策略设计不再只是“试一个回看期，看看回测好不好”。研究者可以从收益过程的自相关和漂移出发，解释某个过滤器为什么赚钱。
短期反转，不一定否定长期趋势
价格可能今天反转、长期却仍有延续性。论文用 fractional ARFIMA——一种能同时描述短期与长期序列依赖的统计过程——研究这种情形。作者推导称，只要长期自相关为正，European 系统即使面对短期均值回归，仍可取得正的期望收益。均值回归指价格偏离后倾向回到原处。
作者还把同一问题搬到频域。频域分析不再按“昨天、前天”看相关性，而是把价格变化拆成快慢不同的周期。European 系统相当于用 Poisson kernel——一种对不同频率分配平滑权重的数学核——读取标准化收益的频谱。
在零漂移条件下，作者得到的判据是：经该核加权后的谱质量超过 1，系统才有正的期望收益。换句话说，论文把 trend-following alpha，也就是不能简单归于市场方向的趋势收益，解释为低频区域的超额谱质量。慢变化聚集得越多，较长的过滤器越可能读到它。
更长的 lookback——回看历史的长度——还有另一条收益来源：收益过程的 squared drift，即漂移的平方。漂移是收益长期偏向某个方向的平均趋势。由于它以平方进入，多数时候持续上涨和持续下跌都可能被趋势策略利用。
收益之外，还要看风险和成本
只比较预期收益不够，因为不同回看期承担的风险不同。论文在额外假设标准化收益可由独立创新项线性生成后，给出了 European 系统 Sharpe ratio 的闭式表达。Sharpe ratio 用单位波动对应的收益衡量风险调整后表现；闭式表达则意味着无需每次都靠模拟试算。
创新项可以理解为历史信息之外的新冲击。它的 excess kurtosis——超额峰度，用来描述分布相对正态分布有多厚的尾部——只通过一个载荷进入公式。作者还推导了计入比例交易成本后的净 Sharpe ratio，以及成本意义下的最优过滤器跨度。不过，净值公式使用的是基于独立高斯收益的信号换手率近似；序列相关和波动率更新都会让真实换手偏离该近似。
论文也讨论了趋势收益常被关注的正偏度：多数时候小幅波动，少数时候出现较大的正收益。在零均值白噪声这一理想假设下，作者推导称，聚合后的趋势收益在所有期限上偏度均为正，并在大约半个过滤器跨度附近达到峰值。作者进一步称，这种正偏度在多种模型设定下具有结构性，Monte Carlo 模拟也支持解析结果。但“结构性”不等于现实市场中无条件成立，论文摘要也没有披露完整的模拟参数和稳健性数字。
为什么这张地图值得看
这篇工作的价值，不是宣布哪一套信号最好，而是把信号设计、收益来源与执行成本接在一起。连续调仓、突破交易和时间序列动量可以继续保留各自的操作方式，却能用相近的语言做绩效归因：收益来自哪些滞后的延续，来自长期漂移多少，过滤器读到了哪段频率，又付出了多少换手成本。
这也解释了为何形式不同的系统可能高度相关。它们的交易规则不同，却可能都在提取同一段缓慢延续的价格运动。所谓“三套体系一张地图”，重点正在这里：统一的是分析坐标，不是把三种策略改造成同一个策略。
局限与未知
- 全部结果来自同一篇论文及同一作者团队，材料没有提供独立复现或第三方验证。
- “高度相关”“流动性合约”与“多种模型假设”等表述缺少样本区间、合约清单、相关系数和显著性数据，不能外推为所有市场都成立。
- 精确结论各有前提：预期收益公式要求平稳的均值、方差和自相关；Sharpe ratio 还要求线性过程与独立创新项；全期限正偏度结论则建立在白噪声等特定设定上。