一、商品期貨CTA模型現(xiàn)狀

在很多時(shí)候，選擇波動(dòng)率強(qiáng)度足夠、波動(dòng)流暢的品種，比思考優(yōu)化和改進(jìn)模型本身更為重要。感謝七禾網(wǎng)提供這個(gè)交流機(jī)會(huì)，今天通過此文結(jié)合最近對(duì)多位交易者的交流，和近期實(shí)盤感受，淺談一些CTA模型的問題和想法。

大部分程序化交易者聚焦交易模型開發(fā)，這并沒有問題，可能我們并未注意到，能否發(fā)出交易信號(hào)的模型，并非程序化的核心邏輯，我將這類模型稱作信號(hào)模型。因?yàn)橼厔?shì)交易的本質(zhì)是做多波動(dòng)率盈利，所以能否尋找到波動(dòng)率高的品種，或者剔除掉波動(dòng)率低且不規(guī)律的品種，才是面對(duì)CTA模型盈利根源做出的更加理性的方向性選擇。

幾乎每年都有一兩段時(shí)間期貨非常難做的階段，2017年出現(xiàn)在年初和年末，所以導(dǎo)致市場(chǎng)尤其艱難，2018年市場(chǎng)上此起彼伏出現(xiàn)三波整體性行情，并不十分難做，那么2019年情況會(huì)如何？

2019年大部分交易者的資金曲線并未創(chuàng)新高，原因是2018年末發(fā)生了能源化工板塊的下跌趨勢(shì)后，2019年僅有4月、5月的農(nóng)產(chǎn)品趨勢(shì)，和6月初的能源化工板塊下跌趨勢(shì)，能夠彌補(bǔ)一些震蕩帶來的虧損，大部分時(shí)候我們還是在忍受著模型的回撤。而且2019年在日頻級(jí)別，發(fā)生了連續(xù)3次工業(yè)品整體突破失敗，很多信號(hào)模型被誘騙入場(chǎng)之后止損。

上圖由CTA基金經(jīng)理代丹斌提供。粗線條為55周期高低點(diǎn)（衡量突破），細(xì)線條為20周期高低點(diǎn)（衡量突破），白色虛線為10周期高低點(diǎn)（衡量止損）?？梢钥吹?019年工業(yè)品每次突破后，都出現(xiàn)了明顯的反向運(yùn)行。

同時(shí)，2019年開始商品期貨市場(chǎng)的保證金沉淀量總體新增不多，乙二醇、紙漿、紅棗等新品種卻不斷上市爭(zhēng)奪有限的存量資金，導(dǎo)致了單品種獲得的投機(jī)資金更少，疊加國(guó)際貿(mào)易的不穩(wěn)定因素，交易者越來越謹(jǐn)慎，很多品種被限制價(jià)格大波動(dòng)區(qū)間，難以形成更高的波動(dòng)率。

但是市場(chǎng)并非沒有熱點(diǎn)，原油的大幅度下挫、紅棗猶如小蘋果的流暢走勢(shì)，乙二醇、紙漿跌跌不休都能夠給投資組合帶來可觀利潤(rùn)。

但是我們真的做到“好鋼用在刀刃上”了嗎？

二、慎重考慮CTA等權(quán)部署的邏輯假設(shè)

大部分情況下，我們做模型回測(cè)，為了不遺漏品種，且盡可能增加測(cè)試樣本，都采用了盡可能多的品種部署，比如超過30個(gè)品種加載某個(gè)普適性強(qiáng)的趨勢(shì)模型，或者剔除掉全市場(chǎng)流動(dòng)性最差的部分品種，其他品種均部署模型。

但是等權(quán)資金分配在測(cè)試中可以借鑒，實(shí)際投資中需要慎重考慮。這種模式的背后假設(shè)是，我們不知道每個(gè)品種的波動(dòng)率是否適合模型運(yùn)行，也不知道其基本面是否出現(xiàn)不利于趨勢(shì)運(yùn)行的問題，或者該品種是否是一個(gè)產(chǎn)業(yè)套保資金為主，投機(jī)資金較少的品種。

在各種情況都不知道的情況下，等權(quán)部署資金是有道理的。但是我們真的不知道一些基本的信息嗎？我認(rèn)為并非是這樣。用波動(dòng)率舉例，我們知道波動(dòng)率的“均值回復(fù)特性”強(qiáng)烈，如果A品種最近已經(jīng)爆發(fā)較大波動(dòng)，則可以在下階段降低權(quán)重。

等資金量部署這種方式在2016年雙11之前是很有效的，起碼做到熱點(diǎn)不遺漏，但是近幾年如上圖，這種模式在一些普通模型測(cè)試中，資金曲線的上升斜率顯著下降（兩段時(shí)間斜率差異較大）。一方面和市場(chǎng)成熟度有關(guān)系，另一方面和品種增加，且投機(jī)資金難以增加有很大關(guān)系。

三、由簡(jiǎn)到繁 探索主要的資金分配模式

海通證券在《FICC系列研究之三 —— 多品種期貨策略中的權(quán)重》研報(bào)中，詳細(xì)介紹了幾種資金權(quán)重調(diào)整方式，通過本節(jié)和大家簡(jiǎn)單分享，并做進(jìn)一步描述，其實(shí)很多數(shù)學(xué)公式并不晦澀，在理解其構(gòu)造后，很多交易者自己通過簡(jiǎn)單的數(shù)據(jù)處理也能做到。

總體來看，商品必做已經(jīng)成為業(yè)界共識(shí)，投資者可以通過投資商品期貨平抑傳統(tǒng)股債組合的波動(dòng)、獲得潛在的風(fēng)險(xiǎn)溢價(jià)、對(duì)沖通脹風(fēng)險(xiǎn)等等。在整體商品市場(chǎng)中，通過對(duì)于波動(dòng)率的追蹤，來控制板塊和品種的選擇又至關(guān)重要。

1、等權(quán)配置

這種方法可以剝離風(fēng)險(xiǎn)分散化對(duì)策略的貢獻(xiàn)，直接考察因子（和模型）本身的表現(xiàn)，等權(quán)一般作為我們構(gòu)建模型的工作環(huán)境。但等權(quán)配置的策略波動(dòng)和回撤較大，并非最佳方案。

2、ATR（或標(biāo)準(zhǔn)差）倒數(shù)加權(quán)歸一化

這種方式計(jì)算了ATR（或標(biāo)準(zhǔn)差）作為波動(dòng)率的表達(dá)變量，然后用ATR除以價(jià)格均值達(dá)到去量綱目的，在不同品種間方便橫向?qū)Ρ取Ｋ梢云鸬酵瑯拥娘L(fēng)險(xiǎn)分散效果，第 i 個(gè)品種在 t+1 期初的權(quán)重為：

3、單品種目標(biāo)波動(dòng)率

單品種目標(biāo)波動(dòng)率策略是為組合內(nèi)的每個(gè)品種，設(shè)置一個(gè)固定的目標(biāo)波動(dòng)率，通過加減杠桿將品種波動(dòng)調(diào)整到目標(biāo)波動(dòng)水平。比如我為20個(gè)品種構(gòu)成的組合，設(shè)置每個(gè)品種的目標(biāo)波動(dòng)率為20%，如果一個(gè)品種開倉5手只能達(dá)到10%，那么就再開5手，以達(dá)到20%這個(gè)額定的目標(biāo)波動(dòng)率值。

4、組合目標(biāo)波動(dòng)率

以上幾種加權(quán)方式均沒有考慮品種間的相關(guān)性。下面我們考慮一個(gè)包括N個(gè)品種的組合。組合內(nèi)品種間兩兩相關(guān)系數(shù)實(shí)際上是期貨市場(chǎng)內(nèi)一個(gè)很有效的風(fēng)險(xiǎn)控制指標(biāo)。

上圖為某個(gè)日期截面上，一個(gè)25個(gè)期貨品種的20日滑動(dòng)窗口期兩兩相關(guān)系數(shù)矩陣。將其轉(zhuǎn)化為一個(gè)上三角矩陣后，可以橫縱求兩次均值，得到全市場(chǎng)兩兩相關(guān)系數(shù)均值。

分散化使得組合的波動(dòng)率低于單品種的目標(biāo)波動(dòng)率，這是我們構(gòu)建組合最基本的假設(shè)，也是一個(gè)穩(wěn)定的統(tǒng)計(jì)結(jié)果。我們可以通過每日橫截面平均相關(guān)系數(shù)來調(diào)整單品種的目標(biāo)波動(dòng)率，即在品種間相關(guān)系數(shù)上升（下降）時(shí)降低（提高）單品種目標(biāo)波動(dòng)率。

也就是說，在觀測(cè)到組合內(nèi)各品種相關(guān)性降低的時(shí)候，通過構(gòu)建的相關(guān)性因子，來提升單品種目標(biāo)波動(dòng)率，也就是給予單品種更大資金量。

不同資金分配方案的效果大致如上表所示。可以看到組合目標(biāo)波動(dòng)率管理是大致表現(xiàn)最好，需要說明一點(diǎn)，在測(cè)試任何資金管理方案時(shí)，都要使用最簡(jiǎn)單最穩(wěn)健的模型，我們一般使用雙均線和高低點(diǎn)突破模型，研報(bào)中使用了時(shí)間序列動(dòng)量模型（單品種時(shí)間序列動(dòng)量為正做多，為負(fù)做空）。

四、實(shí)盤中建議的品種選擇技巧

1、基本面負(fù)面篩選

除了上一節(jié)所說完全的數(shù)量化分析方法外，在基本面方面我們可以發(fā)揮自己擅長(zhǎng)的知識(shí)儲(chǔ)備進(jìn)行CTA模型品種優(yōu)化部署。部分品種在產(chǎn)業(yè)鏈方面容易將價(jià)格直接傳導(dǎo)到CPI，深加工鏈條較短，且受到政策保護(hù)和控制嚴(yán)重，這類品種價(jià)格波動(dòng)必然?。ㄈ甾r(nóng)產(chǎn)品），不適合執(zhí)行趨勢(shì)交易。

部分品種如果價(jià)格翻倍也難以對(duì)國(guó)計(jì)民生造成顯著影響，大家自然想到的就是工業(yè)品，和部分工業(yè)中的小需求量品種，存在較大的價(jià)格波動(dòng)空間。

這些基本面預(yù)判因素，是我們通過對(duì)于期貨市場(chǎng)的各品種特性學(xué)習(xí)，和產(chǎn)業(yè)新聞分析得到的，它們是完全可以引入品種選擇的。

還有股指期貨最近發(fā)生的特殊小幅度震蕩，是國(guó)家在下跌后進(jìn)行政策保護(hù)和市場(chǎng)干預(yù)，強(qiáng)力托市情況下的市場(chǎng)謹(jǐn)慎情緒表達(dá)為區(qū)間窄幅震蕩，這會(huì)造成短周期模型反復(fù)虧損。這些宏觀的基本面風(fēng)險(xiǎn)，都可以進(jìn)行一定程度的規(guī)避。

2、資金曲線篩選

簡(jiǎn)而言之，資金曲線如果長(zhǎng)時(shí)間萎靡不創(chuàng)新高，說明該品種和該模型發(fā)生了不匹配，與其等待品種重新走出適合模型的行情，還不如暫時(shí)擱置這個(gè)品種，降低資金配置。但是我建議還是要維持對(duì)于一些主要品種的配置，可以降低短周期模型的比例，維持中長(zhǎng)期模型的比例。

上圖是PTA品種在某個(gè)日線模型上的資金曲線，經(jīng)歷了2015年7月~2018年7月連續(xù)3年的不創(chuàng)新高后，2018年終于走出歷史性行情。PTA有其基本面的問題，很復(fù)雜也涉及到很多產(chǎn)業(yè)邏輯細(xì)節(jié)，我們拋開基本面不說，該品種在2018年爆發(fā)之后，在識(shí)別到資金曲線突破2017年11月高點(diǎn)，和2015年7月高點(diǎn)這兩個(gè)時(shí)間節(jié)點(diǎn)上，是可以加大模型部署的。

換句話說，資金曲線完全可以擇時(shí)，隨模型原理不同，擇時(shí)方法多種多樣，相信這也是很多量化愛好者研究的領(lǐng)域。資金曲線擇時(shí)在CTA領(lǐng)域可以作為“事件驅(qū)動(dòng)”策略（假設(shè)突破會(huì)有進(jìn)一步行情），也可以作為“困境反轉(zhuǎn)”策略（假設(shè)長(zhǎng)期下行后資金曲線有回升）。

3、歷史走勢(shì)突破篩選

如果覺得資金曲線選擇品種不夠直觀，通過歷史走勢(shì)選擇品種應(yīng)該更容易理解，而且此方法不受到模型這個(gè)函數(shù)關(guān)系的影響（可以將模型理解為市場(chǎng)走勢(shì)與利潤(rùn)之間的函數(shù)關(guān)系）。我們依然以PTA舉例：

2018年7月23日，該品種突破了大致一年前2017年2月13日高點(diǎn)，呈現(xiàn)出上無壓力，下有支撐的運(yùn)行狀態(tài)，隨后出現(xiàn)一輪劇烈的上升行情。也有很多人認(rèn)為這個(gè)點(diǎn)位存在較大的不確定性，所以我們的應(yīng)對(duì)方案是，在方向性不確定而波動(dòng)率放大確定的點(diǎn)位，部署較大資金比例的CTA模型。上圖子圖中，體現(xiàn)了2018年7月之前，突破類模型已經(jīng)入場(chǎng)做多，從6000點(diǎn)吃到了8000點(diǎn)，最終大致在8000點(diǎn)附近以追蹤止損方式離場(chǎng)。

結(jié)語：

今天通過本文首先分析了CTA信號(hào)模型的脆弱性，也可以理解為局限性。我們?cè)跇?gòu)建這類模型時(shí)，越來越傾向于安全、原理清晰。這種信號(hào)模型不能奢求運(yùn)行得到很高績(jī)效，尤其是市場(chǎng)激烈的競(jìng)爭(zhēng)環(huán)境，和不斷退出市場(chǎng)的流動(dòng)性提供交易者，導(dǎo)致很多精致的CTA模型已經(jīng)無法使用。所以如何開發(fā)出更高層面的模型管理器，顯得至關(guān)重要，通過這個(gè)管理器，將有限資金放在有效且規(guī)律波動(dòng)的品種上，是下階段大部分模型開發(fā)者要思考的重點(diǎn)問題。

作者介紹：濮元愷

2009年開始專注于程序化模型研究，隨后經(jīng)歷股票多因子模型、商品期貨時(shí)間序列模型等開發(fā)工作。

2016年加入中國(guó)量化投資學(xué)會(huì)專家委員會(huì)。

隨后作為勵(lì)京投資管理（北京）有限公司創(chuàng)始團(tuán)隊(duì)，發(fā)行了多只陽光化私募基金產(chǎn)品，業(yè)績(jī)穩(wěn)定。其中穩(wěn)利二號(hào)產(chǎn)品在朝陽永續(xù)私募行業(yè)2018年度排名（債券混合類基金）中排名第8。

2018年撰寫的《量化投資 技術(shù)分析實(shí)戰(zhàn)》圖書獲得眾多業(yè)內(nèi)人士推薦成為暢銷書，幫助很多量化投資交易者走上了起步之路。

七禾網(wǎng)聯(lián)合量化交易高手濮元愷先生推出了免費(fèi)量化系列課程，同時(shí)分享股指日內(nèi)、海龜高性能改進(jìn)等10多套策略模型，帶您學(xué)習(xí)和提高量化交易！

相關(guān)鏈接：【免費(fèi)量化培訓(xùn)】?jī)纱筚Y深基金經(jīng)理授課，送股指日內(nèi)等10多套模型！