拥挤是一个很难定义的有趣话题。期货市场与股市都存在着拥挤的情境。

      拥挤交易通常会导致资产价格超出基本面的上涨或下跌，也就是我们常说的泡沫。当泡沫破裂时，投资者又会争相抛出平仓。因此拥挤交易存在于泡沫从产生到破裂的整个周期。

      在过热的市场中，拥挤交易带来的尾部风险（泡沫的破灭）尤其会在分析师们都一致看多或看空时将投资者杀个措手不及。策略的拥挤也可能导致投资者的预期回报减少（潜在阿尔法的衰减）。相对而言，后者更难被我们所检测到。

      然而，拥挤也可能创造机会。例如，从资产定量研究的角度来看，我们经常将拥挤视为阿尔法的一个潜在来源。并且，当我们定义拥挤时，考虑参照是非常重要的，因为不同的策略的容量是不同的。市场流动性对于决定策略或市场的拥挤程度也很重要。

      在激烈竞争的市场环境中，企图规避风险和获利的投资管理者，恐怕不得不在其策略的可行能力范围内，监控拥挤对其总体回报的影响。

      造成拥挤的最大因素是投资者倾向于做同样的事情。观察来看，投资者有一种倾向，即用相同的统计技术分析相同的数据集，从而最终得到大量重叠的头寸。他们会倾向于从不同的策略中追求回报高的那个策略，这加剧了拥挤效应。拥挤的另一个原因是投资经理们普遍在使用类似的标准的投资组合构建技术。消息面与市场情绪的扩大也可能导致投资者们在短时间内做出疯狂的相似行动。 

3. 拥挤的识别

      考虑到拥挤具有多方面的性质，我们在识别拥挤时，可能会侧重于不同维度的识别指标。

      例如：如果你对拥挤可能带来的尾部风险感兴趣，那么持仓数据可能是重要的衡量标准，因为这些数据能让你了解面临类似风险的投资者的头寸。而如果你更关心拥挤对策略阿尔法的影响，相关性度量可能是拥挤对回报影响更直接的度量。（以股票的策略交易为例。如果我们观察到该策略的顶部篮子的股票之间或底部篮子的股票之间的日内相关性增加，那么这可能意味着有许多参与者都在遵循该策略，同时进行买卖。）

      直观上最显而易见的拥挤特征就是成交量和价格的大幅提升（如：动量、流动性和乖离率指标）。除此之外，市场波动率增大（如：波动率指标）、量价变化趋势不匹配（如：量价相关性指标）等异常现象，也表明当前市场风险正在累积，可能存在交易拥挤。

4. 拥挤交易信号识别及策略构建的案例解读

      下面我们将简单分享Kinlaw W , Kritzman M, Turkington D（2019）在论文《Crowded Trades: Implications for Sector Rotation and Factor Timing》中所探讨的有趣话题。该论文指出：如果我们能足够早的识别出泡沫，并且在泡沫破裂之前出场，那么是能够从泡沫中获利的。

      核心内容：该论文使用“资产中心度（集中度）”和“相对价值”两个指标相结合来区分泡沫上升期出现的拥挤交易和泡沫破灭期出现的拥挤交易。证据表明，基于拥挤交易的行业轮动策略能够显著跑赢市场基准，并取得较优的风险回报比，且拥挤交易在因子择时中的应用也能带来显著的超额收益。需要指出的是，作者是用股市的数据进行这项研究的，但其背后的思想在期货市场也是值得借鉴的。

      度量交易是否拥挤的方法：

      首先，我们使用资产中心度（集中度）来衡量判断是否存在交易拥挤。

      行业在某一时间的资产中心度C_i定义如下：

其中  

       注：N是资产的数量，w_i^j是资产i在第j个特征向量中的权重。σ_{（E_j)}²是第j个特征向量的方差，σ_{(A_i)}²是第i个资产的方差。AR是第j个特征向量的吸收度，通常用来衡量风险集中度。直观上来讲，AR_j度量了第j个特征向量对样本总方差的解释力度，而C_i则度量了资产i对总样本方差的影响力。我们可以这样理解，某一资产中心度越大，代表着该资产和其他资产关联度高，且自身的波动率也更大。

       资产中心度指标本身可以用来测量拥挤交易的程度，据此来找到泡沫。如下图展示了1985至2017年美股11个行业的资产中心度。但是单凭此无法得知当 前处于泡沫的哪个阶段。为此，还需要其他指标的辅助。

      我们可以用历史数据的回测来看看这两个指标的效果。在过去30年里，我们熟知的两个大泡沫分别是1998年-2000年的科技股泡沫和2008年的次贷危机。