朱雀基金量化组负责人Cathy
2018年权益市场的低迷背景下，CTA（管理期货策略）策略一枝独秀。据私募排排网统计，融智-中国对冲基金管理期货指数2018年上涨 4.77%，位居八大对冲基金策略之首，而同期沪深300指数下跌25%。
我们再来看看CTA策略在国内的长期表现如何？根据海通证券研究所的统计，从全市场平均表现来看，CTA基金每年都能获取超过10%的正收益，而量化CTA产品表现更为出色，无论是夏普比率还是最大回撤均超过CTA产品的平均水平，2013-2015更是连续三年取得了超过1的平均夏普比率。
那么，量化CTA策略到底是什么呢？小雀小黑板特地请到朱雀基金量化组负责人Cathy来讲解。
既然是量化CTA，我们先来认识什么是量化投资。
量化投资，是指通过系统化、有纪律的手段来实践投资理念。同时，基于概率论及统计学的方法来判断某一个理念/策略的可投资性。基于历史行情数据的回测可以得到按照该投资理念进行模拟交易的结果，包括夏普比率、最大回撤以及该策略在不同市场环境下的收益分布等。基于这些指标，我们得以评估某一个投资策略的盈利能力和风险水平。
量化投资有什么特点？
注重长期正收益期望、多策略横向比较、科学衡量收益风险特征、纪律性规避非理性行为。
第一，由于量化投资的决策往往依赖于大样本下的统计显著性，所以量化投资者会以更长远的眼光来评估一个策略。任何投资策略都无法达到100%的胜率，哪怕是再优秀的策略在短期内都有亏损的可能性。因此，我们注重的是长期多笔交易累积后的正收益期望，而不计较单笔交易的得失。
第二，在单策略评价的基础上，我们还可以借助量化的手段建立起不同策略间的横向比较体系，进行策略的筛选。
第三，通过量化的手段，我们得以衡量各投资策略的收益风险情况，而这又为组合资产配置奠定了基础。量化得到的风险评估结果也可以辅助进行资金管理，控制整个组合的风险水平。
最后，在上述过程中，基于量化的投资决策可以帮助我们在一定程度规避非理性交易行为，这主要是由量化投资的纪律性决定的。在很多时候，交易其实是反人性的（尤其是在回撤期间或是执行一些低胜率的交易策略时）。同时，也有大量的行为金融学理论证明了投资者的非理性交易行为。而量化投资在基于历史回测结果确定交易规则后，程序即会按照既定的规则自动执行盘中交易，可在一定程度上避免情绪化的干预行为。
量化CTA策略如何在极端环境中盈利？
按照所投资的资产来分类，量化策略包含选股策略、期货择时策略，期权策略等。期货择时策略通常被称为量化CTA策略。
在了解了量化投资的内容后，我们可以来看一下量化策略的分类。主流的量化策略大体包含选股策略、期货择时策略（量化CTA策略）、期权策略等等。其中，期货择时策略主要进行期货的方向性投机交易。
走出量化CTA策略的误区：不是高杠杆、高风险，而是分散化投资多期货品种
投资者往往有一个误区，认为期货交易等同于高杠杆、高风险；但事实上，多数量化CTA策略都会通过分散化投资于不同的期货品种来提高策略的稳健性。品种分散化可以提升所投资的品种出现高波动行情的几率，但更重要的是可以帮助我们更好地控制回撤。
相比于股票类资产（股票类资产具有内部正相关性，不同个股的走势长期来看同受市场beta影响，特别在极端行情中往往同涨同跌），不同大类的大宗商品期货之间走势的异质性更强，而正是由于商品品种间的低相关性甚至负相关性，使得分散化投资在期货上可以更有效地实现风险的分散化。我们的投资理念是通过量化的方法寻找长期期望收益为正的策略，并通过在持仓周期、持仓品种和投资逻辑上的充分分散来控制回撤。
CTA策略与股票市场、其他投资策略之间相关性低，被称为“Crisis Alpha”（ 危机保护策略）
更进一步， CTA类产品与传统的股票型产品之间同样具有低相关性。由于大部分CTA策略的收益往往与波动率水平呈正相关；在市场大幅下跌时，此类策略能获得较高收益，从一众策略中脱颖而出，因此CTA策略在海外也被称为“危机保护策略”。从大类资产配置的角度来看，在持有股票类资产的前提下，进行CTA策略的配置可以从整个资产组合的层面起到一定的净值保护作用。
表1：CTA策略往往在市场大幅下跌时盈利
在2001-2002年全球股票熊市及2008年次贷危机时，CTA策略依然取得0.8%，12.4%及14.1%的收益率。
表2：CTA策略与其他类型策略呈低相关性
数据来源：朝阳永续、中信证券
量化CTA策略的新方向：机器学习
近年来，传统策略的收益有所减弱，寻找新的策略、方法、逻辑势在必行。随着机器学习、人工智能浪潮的到来，越来越多的机构开始试水通过机器学习的方法来开发量化策略。
回顾本轮机器学习的快速发展，主要由三个因素共同催化而成：互联网时代下数据量的爆发式增长、计算机算力的大幅提升、以及机器学习算法的进步。卷积神经网络和循环神经网络在模型结构上进行了大幅度的创新；海量的互联网数据为大型的深度学习模型提供了充足的“原料”；各种新型的梯度下降算法提升了训练速度、叠加GPU运算的推出，降低了计算成本，使得深度模型的训练变得可行。受益于上述各个因素，本轮机器学习的浪潮下，图像识别、语音识别及自然语言分析等多个领域取得了较大发展。
机器学习：相较传统线性模型，提供了非线性的视角
回到金融领域，受制于数据量的限制和数据噪声，机器学习在金融的应用和科技领域有所不同。但总体来说，传统量化更依赖于线性模型，而神经网络等机器学习模型则为我们提供了一个非线性的视角。
图1：某些情况下，非线性模型可以实现比线性模型更好的分类/拟合效果
机器学习的理论基础：并非黑箱的魔法，而是基于人性的“历史会重演”的假设
在策略开发过程中，机器学习模型的主要作用是通过对历史数据的挖掘来寻找价格模式的规律，并基于其从历史数据中习得的规律来给出实盘的交易决策。其盈利的来源并非大家所想象的是黑箱的魔法。与传统量化一样，机器学习策略的盈利模式来自于“历史会重演”的假设，即价格模式的重复性。更进一步地，价格模式的重复性来自投资者根深蒂固的非理性交易心理，包括损失厌恶、处置效应、近期偏好等。这些交易心理难以在短时间内被戒除，从而导致某些非理性交易行为的重复发生，最终的结果就是价格模式的重复出现。
机器学习的成败：细节
决定机器学习策略成败的关键在于细节。包括特征工程的构建、样本数据的划分、样本标记方法、模拟过度拟合的预防、策略评估等各个方面，都需要形成成熟、完整的策略开发流程。
股指期货政策再度松绑，有望提升量化CTA策略的资金容量
中国金融期货交易所进一步调整股指期货交易安排：一是自2019年4月22日结算时起，将中证500股指期货交易保证金标准调整为12%；二是自2019年4月22日起，将股指期货日内过度交易行为的监管标准调整为单个合约500手，套期保值交易开仓数量不受此限；三是自2019年4月22日起，将股指期货平今仓交易手续费标准调整为成交金额的万分之三点四五。此次的松绑有望提升股指期货流动性和活跃度。对量化CTA策略而言，单日可开平仓手数的大幅增加以及市场流动性的上升，可以大幅扩充单账户规模，策略资金容量有望提升。
朱雀量化团队于2016年即开始机器学习的研究，至今已形成较为成熟的投资体系和量化CTA策略，为追求绝对回报、寻求多元资产配置的投资者提供了新的选择。
重要声明
朱雀基金财富号所发布的文章或其他内容是基于我们认为可靠且已公开的信息，但我们对这些信息的准确性及完整性不作任何保证，也不保证文中观点或陈述不会发生任何变更；在不同时期，可发出与这些信息所载资料、意见及推测不一致的内容。文章或信息均免费提供，除运营商、微信平台自行产生的流量及其他费用外，不收取任何其他费用。文中信息或意见不构成任何投资操作建议，不构成任何销售要约，朱雀基金不对此提供任何担保。
（来源：朱雀基金的财富号 2019-06-11 17:21） [点击查看原文]
本文作者可以追加内容哦 !
