 CTA目前在市场上来讲是比较火的名词。我们今天就进入到这个主题当中，看一看量化 CTA 究竟是如何来做的，交易策略又有哪些？ 作者|孙远山 来源|潮讯财经  CTA概念与优势 CTA全称是Commodity Trading Advisors，即"商品交易顾问"，也称作管理期货。一般是指通过给客户提供期权、期货方面的交易建议或者直接通过受管理的期货账户参与实际交易来获得收益的机构或个人。也就是投资于期货、期权品种的资管产品。在国外，CTA一般受聘于某个期货投资基金的商品基金经理。 CTA具有四大优势： 1. 持续创造绝对收益 与股票或债券策略不同的是，CTA对于系统性的风险并不敏感。CTA不是在某一个参考业绩基准之上获取一个超额收益，而是说它在创造绝对性的正收益的这种概念。 2. 与股市债市呈低相关性 比方说股票或者债市，当其他的市场出现回调的时候，商品市场并不一定会出现相同方向的走势，这就为我们进行资产配置创造了条件，通过配置 CTA 的产品就可以起到分散风险的一个作用。 3. 收益相对稳健 4. 危机时刻表现更亮眼 往往 CTA 在爆发危机的时候表现会比较好，也称作CTA基金具有危机α这样一种属性。比方说在 2008 年次贷危机的时候，大宗商品产生了巨大的波动。这个时候的 CTA 的表现是要远远好于股票基金的，因为股票基金这个时候产生的是一个负收益，而投资于大宗商品的 CTA 基金反而产生了非常好的收益。 那再比方说像之前疫情阶段的时候，原油市场出现了剧烈的波动，从美国WTI原油交割都出现了负值，一直涨到目前的 80 美元以上。在这么一个巨大的波动幅度下， CTA 基金也创造了比较好的收益。  CTA的分类 那 CTA 策略的分类究竟又有哪些呢？  首先按照交易模式分类：分为主观CTA 、量化CTA 、宏观对冲CTA、也有基于基本面产业链的CTA 、还有复合型的CTA，也就是任意两种的组合都是复合型CTA， 比方说我们的量化加宏观对冲或者是主观加这个基本面产业链都是一种复合型的CTA。 其次基于它的交易依据来进行分类： 宏观经济（政治因素、国际宏观局势、地缘政治等）、基本面分析（行业中观）、技术分析、数据挖掘、行为金融（认知科学）这个领域方面得到的一些结论，也可以作为交易依据，另外还有计算科学与哲学都可以成为我们CTA 的交易依据。  CTA量化交易策略分类 前面我们讲的是整个CTA 概念下的分类，那么在CTA 下面的量化这个分支里面的策略又有哪些分类呢？我们可以看一下：  我们的CTA 量化交易策略可以大致分为这些方面： 趋势策略：分为长线趋势策略、中线波段策略以及短期趋势策略。 震荡策略：不能说是非趋势策略就是反趋势策略，比方说像网格策略或者支撑压力位这样的一些策略。 套利策略：套利策略包括无风险套利策略，期现套利策略，一般来讲我们国内的 CTA 它是做不了商品现货端的，是没办法用我们现有的这种资管产品去投资的。比方说像大豆，你不可能在账户里面去购买很多车大豆进行交割。这里期现套利策略，主要指的是金融期货，像是股指，因为我们国内股票缺乏这种做空机制，股指会持续存在一定的贴水，所以会存在这种期现套利策略。 跨期套利策略，这个大家都很熟悉。另外还有就是跨品种套利，跨市场套利，跨品种套利，比方说棕榈油、豆油它们之间的价差关系，再基于产业链信息得出一定的套利结论，也都可以作为我们 CTA 的一种交易依据和交易策略。 还有统计套利策略，这是基于数理方面的分析，前面这张交易依据图当中给大家讲到的这个数据挖掘啊，就是指这方面的应用，然后还有叠式套利策略，期权套利策略，另外就是基本面量化策略。 高频策略：高频策略分为做市商策略，做事商策略又分为被动做市策略和主动做市策略，高频策略还包含了超短趋势策略，也就是以tik 数据为基础的这样一种短期趋势的高频交易和高频套利，基于微观市场结构的一些做法。 日内策略：日内策略一般不持仓过夜，它也可以根据我们之前分类里面分成的日内的趋势策略、日内的震荡策略以及日内的高频策略。 另类策略：另外再有就是一些比较新的被称作为另类策略的一些新潮的交易策略，比方说像横截面策略，还有事件驱动策略，还有人工智能算法策略。人工智能算法策略的这个交易依据，就是我们上图中交易依据里面的计算科学，这方面的应用就是一个最新的应用。 以上就是我们 CTA 量化交易策略大体的分类。  量化因子 我们再来看一下我们进行量化交易的涉及到的因子：  宏观因子：举例来说，比方说像物价指数、CPI美国的核心、pce还有美元指数等等，这些方面都是一些宏观方面的东西，叫做宏观因子。 基本面因子：比方说像产量，表需，库存、开工率，还有新增产能等等，这些是工业品的整个产业链的基本面因子。然后就是农产品产业链的因子包括种植面积、种植进度、优良率、收获面积，还有收割进度，进口还有出口。这里面还有天气因素，这里也有一些数据是可以进行量化的，比方说像温度数据、降水量数据，还有低温数据等。 统计因子：统计因子是一些统计特征方面的东西，比方说像偏度因子等等。 技术因子：技术因子包括动量因子、波动率因子、均价突破因子，还有流动性因子等等，都是我们平时进行技术分析方面所看的一些技术指标。 行为因子：行为因子与技术因子往往是一个互为表现的关系，技术因子体现的是一个我们市场行为的特征。比方说行为因子包含了人们的恐惧心理，像恐慌指数，那么往往会通过动量或者波动率等这些技术因子体现出来。所以我们说技术因子是行为因子的一个表现形式。 事件因子：事件因子不是特别容易进行量化，比方说像非农就业、美国农业部报告这种定期的事件。这种报告的公布，可以认为它是一种事件，对市场产生一种影响的事件，可以作为一种因子。 衍生品因子：那么对于一些品种来讲，它具有一些衍生物，比方说我们的原油就有原油期权，铜或者棉花都有期权。那么期权对于标的本身来讲可能会有一定的影响或者说一种指示作用，包括以后可能会推出的商品指数。 商品因子：这个跟商品期货本身有关系的，比方说Curve 因子，也就是期限结构曲线因子，债券的收益率曲线。期限结构因子，是back 结构还是ontago结构？还有价值因子，就是它的基差是多少，它的期货升贴水是多少？持仓因子，这个期货品种的持仓量以及它的持仓量变化。  cta量化系统架构 说完了策略我们也大体讲一下关于量化系统的一个架构问题，CTA量化系统架构大致分为这么几个部分，第一个就是数据部分，你首先得有相应的决策依据，就是你的数据究竟有哪些？行情数据、基本面数据等。第二部分是策略部分，第三个就是你交易执行的部分，包括你的这个风控等。  再一个部分就是关于量化基金的架构，它主要分为这四个板块。第一个就是我们的策略，这是一个核心问题，你的策略究竟好不好，那么它就会形成一个策略池在你的这个基金当中。 然后就涉及你的这个投资决策品种配置的问题，怎么去配置它，然后你怎么去销售它，你怎么去让别人配置你的产品作为他的资产配置的一部分。 另外就是研究，也是策略方面的迭代优化。再有对你目前交易方面的一个风险的处置和管理。  深度学习与量化交易 最后我想说一下最近我在研究的关于深度学习与量化交易的内容。人工智能是现在最火的研究的方向，任何一个东西如果想要变得更加智能，都会涉及人工智能算法。 电脑它不仅能模拟我们人类思考问题的方式，它还能够避免我们人类的一些冲动化决策和这种情绪化决策的问题。而且它能够自动地去发现市场里面的特殊现象，而不是通过你的经验去找到这些东西。 往往很多很多优秀的操盘手，他们是有一定的盘感。但是你问他为什么？他可能说不出来，这是一种感觉。有点像人工智能的这种训练模型，让它反复大量的去接触这种数据的过程当中，它就会训练出来相应的一些盘感。但是这种东西你可能理解不了，从大的面上我是这么去看这个问题的。 那么对于这样一种利用人工智能的方式进行的量化交易，是怎么样一种结构呢，大概分为这么四个部分： 第一个部分叫做预处理，也就是说你的数据准备的工作，首先你要把你的数据准备好，你先把菜买好了，然后把它做成饭，再喂给你的机器，好比预制菜。第二个就是交给机器来进行学习。第三部分就是学习完了之后会对这个叫做验证集的数据进行验证。好比是我们做回测一样。第四个就是我们要进行实盘交易，对这个新的产生的数据和未知的数据进行预测。 |
|
|
