宏锡策略篇：精耕细作，CTA要追求多元化收益
关于策略和品种配比，宏锡倾向于以品种的波动率和流动性为权重进行配比，即赋予波动率越大和流动性越好的品种更大的权重。因为一个品种有充足的流动性才能承载到一定的资金量，同时量化CTA与波动率长期呈正相关，波动率越大，量化CTA表现大概率越好，所以公司量化交易分配权重主要取决于品种的流动性与波动率。公司每个季度会对所有品种与策略进行业绩归因，并通过数据说话对品种与策略进行末位淘汰与权重微调。比如2015年股指期货受限时，当时宏锡根据策略组合回测与数据说话，选择了降低股指期货的权重，同时提高商品期货的权重，比较平稳地度过了困难阶段。
公司一直以来专注于期货市场，同时不对市场进行预判，仅对大数据进行客观分析与深度挖掘，主要在6大板块进行交易，分别是金融期货、有色金属、贵金属、黑色金属、能源化工、农产品及其它。在中国期货市场中，黑色金属板块与能源化工板块上市了更多的品种交易与拥有很好的流动性，所以权重相对稍微较大。
纵观海外对冲基金多年以来的发展历程，历史业绩越长的产品，卡玛比率都趋向于越低，因为面临的显性风险会更多。而宏锡的策略库与风控体系在最近几年不断完善和升级，包括策略研究和交易系统，多元化策略布局能平滑资金曲线，多样化品种交易能降低交易组合的相关性。未来10年，宏锡基金还会不断提升投研水平，扩大投研团队，继续专注于量化CTA，精耕细作，回馈信任与支持的投资者。
三、风控篇：如何应对CTA策略的大小年？
CTA策略虽说是一种绝对收益型策略，但其表现仍会和期货市场的波动息息相关，因此这类策略本身并非是均匀和线性地上涨，相反CTA策略既会有品种同向变化，波动明显的年份，也有结构性的、个别品种供需矛盾突出的行情。靠期货市场在短期赚钱并不难，更难的反而在于低波动率时的回撤控制与同质化竞争。市场环境竞争越恶劣时，越考验机构的专业能力，所以要专注于自己擅长的领域并不断提升。
无论哪一类大类资产，客观是存在大年和小年的。量化CTA的经典策略是趋势跟踪策略，以中长周期策略为代表，相对适应的行情是趋势性行情与波动率较高的行情，相对不适应的行情是窄幅震荡行情与波动率较低的行情。近几年看CTA的发展，2015年、2016年和2020年是大年，收益率普遍较高，但到了2017年至2019年这3年的时间，商品波动率一直在低位，量化CTA收益率普遍较低，皆低于历史平均收益率。
在这一阶段，宏锡在原有策略的基础上，开发出低相关性的策略类型，并不断升级算法交易系统从而提升交易容量能力，以待厚积薄发，所以在2017年和2018年相对不好做的年份，宏锡也能有比较稳健的收益。宏锡一直以来坚持以中长周期策略为主，长中短周期结合的多元化量化策略体系展开，尽可能让业绩穿越牛熊。
到了2020年，因为疫情爆发、原油剧烈波动和黑色金属大涨等多种因素影响，导致最近一年商品整体波动率有很大的上升，宏锡旗下所有产品皆获得较好的正收益，充分体现了量化CTA的“危机阿尔法”作用。宏锡预计未来商品波动率会大概率维持在高位，因为国际不确定性因素还存在，包括疫情影响、中美关系和中东局势动荡等，这些不确定性都将有利于中长周期趋势跟踪策略的发挥。
宏锡的风险控制体系如何设计？
CTA策略作为一种试图部分参与品种趋势的策略，通常来说风险管理需要在没有趋势的时候发挥作用，也就是趋势不明显的时候，如何通过有效的风险控制，尽可能做到回撤可控。宏锡认为收益是市场给予的，要敬畏市场，而他们的风控理念重点也就在于管理回撤风险。
宏锡的风控体系分为事前风控、事中风控和事后风控。事前风控主要是对策略组合、交易计划和头寸规模进行提前规划与仔细论证，并通过自主研发的智能交易系统限制每个品种的最大委托手数和笔数等；事中风控主要是指在交易过程中，交易部与风控部要严格监控信号出现与实际成交情况等；事后风控指突发情况出现或超出预期风险时，要采取事先制定的风险预案进行控制等。
此外，团队还根据过去10年的量化交易经验总结出来了一套四维风控体系，包括产品风控、板块风控、品种风控和策略风控，这些风险控制的细节会完全嵌入在交易系统里自动化执行，曾经历过多年的极端行情与市场验证。
2022年CTA线性趋势及展期策略专题报告 CTA策略指数收益率稳步上升
2019 年至今，各个头部的量化私募开始搭建自己的集群服务器，几乎百亿规模 以上的量化私募都有自己的中型或者大型的集群云服务器。集群云服务器带来 的开发便利性，让大范围的策略协作开发成为可能。如：将 CTA 的投研方法运 用到股票、可转债和场内 绝对收益之CTA策略开发 ETF 等。其中股票全市场每天的 Leve2 行情数据量达 到 15-20G，如果用非集群的方式，每个研究员都需要下载并清洗这么大的数据 量，开发效率会大打折扣，而且分工协作也会受到很大的限制。同时集群服务 器的搭建，也为大范围机器学习用于交易层面的研究提供了很好的算力平台。
1.7.CTA 策略收益来源
价格的趋势延续收益，也即趋势策略。在金融市场，不论是商品期货还是股 票，市场的波动分布都呈现出肥尾状。即出现单边行情时，价格往往会延续 同方向运行。
CTA 的另一个收益来源于展期收益，即商品远近月合约不同的结构带来的 收益。即：通过做多贴水较多的合约，做空升水较多的合约。获得一个较为 稳定的展期收益。
2. 线性趋势策略开发
2.1.使用数据来源、各品种的板块分类
本研报所有 tick 级的原始数据来源于 CTP 柜台接收的行情。历史上缺失的 数据，来源于掘金量化平台数据库。
分钟 K 线数始的 tick 数据自行合成各类字段。
2.2.线性趋势策略开发步骤
线性趋势策略的特点体现在线性和趋势两个方面，线性主要区别于非线性的趋势 策略。如：海归策略，压力位支撑位判断这种类型的策略都是非线性的。线性策略实 际交易展现出来的特点是随着信号值越大，仓位越大。
一般的线性趋势策略的开发步骤： 单因子挖掘 ； 进行因子评价，衡量因子对未来收益的预测能力 ；组合回测。
因子挖掘方式：用分钟 绝对收益之CTA策略开发 K 线的量价数据、盘口数据合成的因子数据、以及高频 tick 数据合成的低频字段数据来进行因子挖掘。遗传规划这类因子挖掘方式通常容易 过拟合，因子的直接解释性较差。
组合回测方式：简单的线性组合、线性回归组合和神经网络训练组合。量化 CTA 策略，特别是分钟 K 线驱动的，由于数据量较少，常用的组合方式就是简单的线性 组合，因为稳定、可解释并且可以减少单因子失效带来的组合影响。
2.3.STM 因子开发
接下来，分享一个量价因子构建和高频 绝对收益之CTA策略开发 tick 数据合成因子构建。 首先介绍一个 STM 因子，这个因子是通过构建一个移动窗口的平台，然后用判 断最新价格位于这个平台的位置，来计算因子值。在构建原始因子值的时候，建议是 把因子的值域调整为多空均衡分布，这样有利于后面的计算和数值处理。
计算因子参数和未来收益的矩阵： 根据因子公式，计算因子各不同参数的值。 计算未来第一根 bar 买，第 N+1 根 bar 卖的收益率。
计算因子半衰期： 将因子值的时间序列 factor 移位 N，得到移位后的时间序列 factor_N。然 后循环计算两者相关系数，直到满足： correlation(factor, factor_N)
回测参数设置：
数据驱动频率：5min 的主连 K 线数据，20130104 至 20220302。
成交价格：下一个 5min 的 vwap 绝对收益之CTA策略开发 价格，单边两倍交易所手续费。
档位组合：以多头为例（0.6 进，-0.2 出），（0.8 进，0.2 出），（1.0 绝对收益之CTA策略开发 进， 0.4 出），空头类似。
因子分组收益计算： 计算原始因子值的时序排名，窗口取值长度一般为 5 倍以上的因子值参数长度。 将排名后的值分成 10 组，计算每组未来第一根 bar 买，第 2 根 bar 卖的平均收益率。
2.4.VwapLim 因子开发
高频 tick 数据合成低频字段的因子示例： 取 5min 内，600 个 snapshot 绝对收益之CTA策略开发 数据，按成交量排序 ； 计算成交量最大的 200 个 snapshot 的成交均价（5min 内 snapshot 小于 300， 取全部数据），定义为：VwapLim200 ；定义 5min 内所有订单的成交均价为 vwap ； 构建大单均值因子：factor = VwapLim200 / vwap - 1 (趋势因子)。
2.5.STM 因子和 VwapLim 因子组合回测
商品 CTA 多因子组合，实盘交易时，大多是直接让每个有效因子独立运行一部 分资金，这样可以扩大策略容量，减少短时间内的执行压力。两种不同方式构建的趋势因子，宽参数网格遍历相关性系数后， 可以观察到两者相关系数最高的地方为 0.31。这侧面印证了，两个不同因子的构建 方式带来的信息增量是可观的。不同构建方式的因子用来组合时，由于其构建方式差异，因子相互组合，最终呈 现出来的绩效曲线是更加平稳的。
3. 展期策略的开发
3.1.展期策略逻辑介绍
3.2.展期因子构建
展期策略 BTG 因子构建步骤：（以下值都是逐日计算的）； 将最近月期货合约价格当作近似的现货价格：SpotPx ； 获取每个期货合约的价格为：FutPx ；获取每个期货合约剩余交易日：Rdays(大于 0） ； 计算每个期货合约的展期收益率，公式如下： . = [log(. ) − log(. )] ∗ 365/. /100.0； 将每个期货合约的 Cret 值用成交量加权得到品种展期收益率：FctCret(值越 大，远期升水越多） ； 每日对 FctCret 值进行横截面升序排名 FctCret_RankAsc，即：BTG 因子。
3.3.展期策略回测
数据驱动频率：日频，20130104 至 20220302。
成交价格：次日开盘前 30min 的 vwap 价格，单边两倍交易所手续费。
每天取 BTG 绝对收益之CTA策略开发 因子最小的 N 个标的做多，BTG 因子最大的 N 个标的做空。
平仓时，边界档往外延伸 3 个排名。（例：平多时，FctCret_RankAsc 值至 少大于 N+3）
遍历 N 的值为（3，5，10），最终选择 N=5：
4. 线性趋势策略和展期策略组合
简单线性组合
在策略开发中，从不同视角和不同交易行为逻辑开发不同的策略，能给整体的 portfolio 绩效带来较为显著的一个边际提升。所以对策略底层逻辑的研究比策略的过 度优化能更容易带来显著的绩效提升。
CTA策略指数自2000年以来稳步上升，指数呈现出非常明显的非线性特点。 这也是危机 alpha 的一个很好的验证，当市场整体波动率低迷时，CTA 策 略指数横盘调整；当市场整体波动率上升时，CTA 策略指数出现阶跃式的 上升。所以当权益市场大跌之时，CTA 策略能很好的弥补权益端的回撤。
CTA 策略收益来源：价格的趋势延续收益，远近合约的展期收益。其中趋 势延续收益源于金融市场的肥尾效应；远近合约的展期收益来源于商品库存 周期的带来的远近月合约显著价差的收益。
线性趋势类策略：分钟级数据驱动的中高频策略和日频数据驱动的低频策略。 分钟级数据驱动主要以量价因子、盘口因子为主，日频数据驱动以现货数据、 仓单和会员持仓等数据为主。
两类策略组合：两种策略类型收益来源不同，策略日收益率序列的相关系数 为负相关性。所以两类策略进行组合时，可以明显提升整体绩效曲线的平稳 度，并且从分年绩效指标来看，显著提高夏普比率。
CTA 策略方法应用于股票
我们认为 CTA 策略研究的思路也可以用来开发交易股票的策略，对于上述的一些CTA策略应用于股票的不利之处，我们可以通过一些方法得以解决：1）虽然个股之间的相关性较大，但是剔除基准市场收益后的个股超额收益之间的相关性就较低，不考虑仓位大小的股票交易策略的核心就是获得个股超额收益；2）我们的策略只做多个股，通过做空对应的股指期货来获得绝对收益；3）我们使用股票组合来降低风险，包括个股的流动性风险和个股自身的价格波动风险。
绝对收益之CTA策略开发
类 CTA 股票交易策略设计思路
我们使用上一节中所述的第二代 CTA 策略的思路来构建股票交易策略：首先根据个股的一些特征（例如市值大小、近期涨跌幅、PE 股指倍数、波动
性等）来决定该个股适用于趋势跟踪策略还是均值回复策略，还是两者都不适合；然后在个股超额收益（个股收益减去基准指数收益）曲线上使用对应的策略系统进行交易。下面的历史回测中，我们使用中证 500 作为基准指数。
我们把策略的平均持有时间设定在一到两月之间，因为太长的时间周期使得数据量不够而容易使我们的策略过优化，时间周期短的话交易过于频繁使交
易成本高企。我们发现在一到两月这个持有时间窗口上，反转策略更容易获成功，虽然趋势策略在一些市值较小或前期涨跌幅适中的个股也能获得收益，但是收益率远不如反转型策略。下面的结果主要是针对反转型策略。具体的反转策略我们使用一种经典的反转交易系统：当长期价格平滑曲线
和短期价格的差超越其历史差值标准差的 1.5 倍时进场，当短期价格在长期价格平滑曲线之上时出场。价格曲线平滑的方法可以是简单移动平均，我们使用的是一种基于 Kalman 滤波的平滑方法。
适用反转策略个股的特点
CTA 交易策略的成功在于标的的选择，选择策略友好的标的即标的在该CTA 模型设置下获得高收益的可能性较高。我们在上述反转策略的基本设置下，
根据个股的一些指标进行分组，考察不同指标值区间反转策略的收益率。我们分析的指标包括：流通市值排序、PE 倒数排序、最近两个月的波动性排序最近一个月成交金额排序。这些指标不同分组中反转策略的收益如下面图中所示，横坐标为按指标从小到大分组的组别，纵坐标为反转策略的平均收益（个股超越基准指数的收益，平均持有期为 35 天）。可以看出，市值小、波动性高、成交金额低和 PE 高的个股中反转策略比市值大、波动性低、成交金额高和 PE 低的个股有效，而且这种关系比较明显。
A 股市场的个股反转效应并不是基于公司基本面的反转，而是来自于投资者的行为心理。价格锚定效应（Anchoring Effect）让投资者认为近期下跌的股票已经相对便宜而买入，风险厌恶又让投资者卖出近期盈利的股票而落袋为安，这两点对个人投资者尤其如此。因为个人投资者比较偏好市值小和波动大的股票，所以小市值和高波动股票上反转策略更能奏效。基于上述发现，考虑到个股的流动性，我们筛选适用进行反转交易的个股的方法步骤如下：
1）剔除流通市值排序在前 20%的大市值股票；
2）剔除近期涨跌幅排序在后 10%的股票；
3）剔除波动性最低的 20%的股票；
4）剔除近期成交金额最大的前 20%的股票；
5）剔除 PE 倒数最大的前 20%的股票。
个股 绝对收益之CTA策略开发 CTA 策略回测结果
对 2009 年 1 月至 2014 年 11 月的数据进行历史回测，以产生进场或入场交易信号的下一个交易日的成交均价为模拟成交价格，上述反转策略每次交易获得的平均超越中证 500 的收益为 3.8%，每次交易的平均持有期为 32 个交易日，平均每天产生 26 个股票的入场交易信号。如果进行更严的筛选条件，那么每次交易的平均收益更高，但是产生的交易信号更少，也更倾向于中小市值股票。
虽然我们的交易标的中剔除了大市值股票，模拟交易时持有的组合的风格也偏向中小市值股票，但是和代表市场中等市值风格的中证 500 指数相比，该
策略的超额收益比较明显。并且每天产生的可交易信号的个数较多，我们认为可以应用于中小规模的资金管理。通过上面的测试，我们认为 CTA 交易策略的方法同样也可以应用于个股量化交易策略的设计上。把 CTA 策略的方法用于交易股票的好处一是交易策略具有严格的纪律性和进出场的方法，二是该方法为我们提供一类新的交易股票的策略。
绝对收益之CTA策略开发
一、国内主流量化策略体系
二、公募基金量化投资策略篇
指数增强
三、基金专户和私募基金量化投资策略篇
CTA策略——分散组合投资风险
海外长期数据显示，CTA 策略与其他策略之间呈现出显著低相关性，加入CTA 策略可平滑组合净值曲线，降低组合的波动性，其核心收益来源于低频、小概率的大幅正收益，需要长期持有。
CTA以做多波动率为主，跟随趋势而非预测趋势，从交易策略上可分为趋势跟踪策略、反转策略和套利策略，从交易频率上又可分为日内高频、短、中、长周期策略。由于CTA策略主动控制各类资产交易风险，并很好地在事前事中事后做风险控制，往往在市场大幅波动时有不错表现，对投资组合起到保护作用。如2008 年美国市场，道指下跌33.8%、对冲基金整体亏损21.6%、股票多空类策略亏损11.9%，而CTA 策略获得了14.1%的正收益。