七禾網9、如何看待當前全球宏觀經濟對CTA策略的影響？您認為未來哪些宏觀經濟因素將對CTA策略產生重大影響？

王凱：在過去兩三年中，我們確實觀察到宏觀因素對CTA策略的影響在不斷增強。早先，CTA策略更多地關注趨勢、資金面以及產業(yè)信息等微觀層面的因素。然而，近兩年來，交易越來越多地受到宏觀邏輯的驅動。這種變化可能源于市場參與者結構的某些結構性變化，特別是大型資金帶著宏觀視角進入市場，使得宏觀邏輯在CTA策略中占據(jù)了更重要的位置。

從當前影響CTA策略的重大宏觀因素來看，美元進入降息軌道是一個關鍵點。降息的力度和持續(xù)性無疑將對市場產生深遠影響。此外，市場參與者普遍在交易美國可能實現(xiàn)軟著陸的預期，而除了美國之外，其他西方國家也可能進入衰退。美國由于其經濟的強勁和韌性，以及其AI產業(yè)的驅動，相對來說更有可能避免衰退。因此，美國與其他西方國家是否進入衰退，成為具有不確定性的宏觀因素之一。

第三個受到廣泛關注的宏觀因素是國內政策。從經濟數(shù)據(jù)來看，國內經濟相對偏弱，但市場對政策的預期強烈，政策的決心和實施力度也在逐漸顯現(xiàn)。后續(xù)可能推出的政策，特別是在商品領域，如房地產和工業(yè)品產能控制等方面的政策，都可能對市場產生重大影響。這些政策的實施和調整，將對CTA策略產生直接或間接的影響，表達了宏觀因素在當前CTA策略中的重要性。

七禾網10、近段時間，國內出臺一系列的金融和地產支持政策，這些政策是否能夠為A股市場和大宗商品市場帶來正面的預期效應？

王凱：股票市場對近期政策的反應較為積極，這不難理解，因為股票市場本質上是在交易預期，而商品市場則更多地反映現(xiàn)實情況。雖然這些政策可能會對未來兩到三年的經濟狀況產生重大影響，但對當前短期內，比如幾個月內的基本面影響可能并不顯著。

在所有政策中，房地產政策尤其特殊，因為它直接影響最廣泛的人群對經濟規(guī)劃的預期。因此，諸如刺激性政策、保障交樓政策以及實質性降低貸款利率等措施，對市場預期的調整具有即時效應，并在股市中得到了一定的反映。近期，黑色系商品市場也出現(xiàn)了相對較強的反彈趨勢，這可能與市場對政策預期的積極反應有關。

七禾網11、在CTA策略的研發(fā)方向上，越來越多的頭部機構開始加大對機器學習的開發(fā)與投入力度，您如何看待包括人工智能以及機器學習未來在這一領域的應用？

王凱：從機器學習的角度來看，我們可以將這一領域劃分為兩大板塊。第一大板塊是傳統(tǒng)的統(tǒng)計學習，它包括線性回歸、貝葉斯方法、各種樹模型以及許多經典的深度學習模型。這些技術在量化投資中已經得到了非常廣泛的應用，無論是在因子開發(fā)、基于因子的信號預測，還是組合管理和優(yōu)化等方面，都發(fā)揮著重要作用。

第二大板塊則是以ChatGPT為代表的新一代人工智能技術，我們認為這標志著通用人工智能（AGI）的曙光初現(xiàn)。這種通用智能有潛力成為一個極其強大的生產力工具。雖然只有少數(shù)頂尖公司具備研究基礎模型的能力，但對業(yè)內的大多數(shù)從業(yè)者和團隊而言，他們在應用這些技術方面仍然有很大的空間。我們觀察到，傳統(tǒng)量化投資中的許多細分工作都可以通過大型模型的應用實現(xiàn)高度自動化。

在這方面，我們已經做了大量的準備和探索。包括因子開發(fā)、因子管理、解讀和復現(xiàn)研究報告、情感分析，以及在代碼自動化實驗中，我們都在積極應用AI技術。這些努力不僅提高了工作效率，也為量化投資領域帶來了新的視角和可能性。

七禾網12、如何識別和評估套利機會？您使用哪些工具或模型？

王凱：在套利領域，我們可以將其劃分為兩大板塊：基于量價的統(tǒng)計套利和基于基本面及邏輯驅動的套利策略。量價套利主要依賴于傳統(tǒng)的統(tǒng)計模型，這些模型在量化投資中已經得到了廣泛的應用，尤其是在因子開發(fā)、基于因子的信號預測以及組合管理和優(yōu)化方面。股票阿爾法策略本身也可以被視為一種廣義的截面統(tǒng)計套利。

對于基本面驅動的套利而言，它更多地考慮產業(yè)邏輯和宏觀邏輯。這種策略不是單純依賴技術方法，而是將邏輯轉化為可交易的觀點。例如，一些刺激性政策對遠期合約的影響可能強于近期合約，而宏觀邏輯的變化也可能在利率結構和股票大小盤風格上產生套利機會。這些宏觀因素對CTA策略的影響在不斷增強，特別是隨著市場參與者結構的變化和大資金帶著宏觀視角進入市場，使得宏觀邏輯在套利策略中占據(jù)了更重要的位置。因此，基本面和宏觀因素的考量在套利策略中的重要性不言而喻，它們?yōu)槭袌鎏峁┝素S富的交易機會和策略多樣性。

七禾網13、對于量化機構而言，策略迭代能力是保持策略有效性的關鍵，您能描述一下遠瀾當前的策略迭代流程嗎？

王凱：對于任何量化團隊而言，策略迭代都是一項至關重要的能力。我們認為策略迭代主要涉及以下幾個方面：

首先，探索新策略類型或研究方向時，初期階段通常是發(fā)散的。隨著探索的深入，方向逐漸明朗，就需要將過程變得更加流程化和工程化，每個步驟都需要被精確定義和精細打磨。在此基礎上，我們可以提高技術要素的自動化程度，例如自動挖掘因子、模型的自動滾動訓練等，這些都是量化領域中常見的自動化能力。

隨著大型模型和智能體技術的發(fā)展，我相信自動化能力將變得更加強大。因此，在迭代過程中，團隊需要不斷拓展邊界，挖掘更多數(shù)據(jù)邏輯、方法和技術。探索過程雖然起初是發(fā)散的，但隨著時間的推移，它將變得更加工程化。一旦實現(xiàn)工程化，就可以利用技術手段實現(xiàn)底層技術要素的高度自動化。

綜上所述，將人力驅動的知識邊界探索與技術驅動的技術要素自動化相結合，就能形成一個有效的迭代能力。

七禾網14、今年以來，您認為哪些主要因素導致了股票Alpha策略面臨挑戰(zhàn)？如何應對挑戰(zhàn)？

王凱：今年對于股票阿爾法策略來說確實是充滿挑戰(zhàn)的一年。從大的方向來看，市場經歷了三波主要的挑戰(zhàn)：春節(jié)前的股災、春節(jié)后“國九條”政策的出臺導致市場結構發(fā)生根本性變化，以及從九月底開始由于政策刺激而形成的市場強烈上漲行情。量化策略主要依據(jù)歷史統(tǒng)計規(guī)律來驅動交易，而今年這些重大事件伴隨著強烈的市場情緒和運行狀態(tài)軌跡的重大改變，對典型的量化策略構成了較大挑戰(zhàn)。

當然，任何事物都有兩面性，風險所在之處也意味著機遇。從某種角度來看，股票量化主要追求的是阿爾法，而阿爾法和貝塔之間存在互補效應。在阿爾法面臨挑戰(zhàn)的時候，主動管理貝塔、擇時方面實際上存在一些機會。因此，我們目前的主要研究方向是將阿爾法和貝塔進行更智能的結合，在市場擇時、風格擇時、寬基指數(shù)擇時以及個股擇時等方面進行更深入的開發(fā)。我們相信，通過主動管理阿爾法和貝塔的結合，可以使得模型和策略更好地適應市場變化，這是我們正在努力實現(xiàn)的目標。

七禾網14、Alpha策略在哪些市場環(huán)境下最為有效？

王凱：在市場沒有出現(xiàn)極端的暴漲暴跌，且成交量保持在合理水平的情況下，大約有70%至80%的市場狀態(tài)是處于這種相對穩(wěn)定的區(qū)間。在這種市場環(huán)境下，阿爾法策略通常能夠較為有效地運作。

七禾網15、在投資策略中，技術分析和基本面分析各占多大比重？

王凱：在商品CTA策略中，量價類型的策略和基本面驅動的策略的占比大約是5:5，即各占一半。而在股票量化策略中，量價信息大約占到70%，基本面信息和分析師提供的另類數(shù)據(jù)加起來大約占到30%。

七禾網16、遠瀾如何定義宏觀量化策略？它與傳統(tǒng)的量化策略有何不同？

王凱：在國內，宏觀量化策略確實是一個相對較新的領域。許多優(yōu)秀的宏觀投資者主要依賴于主觀判斷，而完全以量化方法進行宏觀投資具有其獨特性。與傳統(tǒng)量化策略相比，傳統(tǒng)量化更多關注如何在市場中獲取阿爾法（Alpha），即超越市場平均水平的收益；而宏觀量化則致力于更合理、更智能地進行資產配置，主動管理貝塔（Beta），即市場整體的波動和系統(tǒng)性風險。因此，在定位上存在一定差異。

宏觀量化策略的邏輯主要考慮市場的增長、景氣度、通脹和流動性等因素，這些因素對資產配置、資產估值和價格變化趨勢產生影響。因此，宏觀量化關注的數(shù)據(jù)和邏輯與傳統(tǒng)量化有所不同，差異化較大。從我們的實踐來看，宏觀量化策略的回測和實盤表現(xiàn)與傳統(tǒng)量化策略的表現(xiàn)相關性較低，顯示出其獨特的風險和收益特征。

七禾網17、宏觀策略宏觀量化策略，遠瀾是如何把一些基本面的信息量化下來的？

王凱：在宏觀量化領域，我們構建了一個系統(tǒng)性的數(shù)據(jù)庫，廣泛采集從宏觀高頻到低頻的數(shù)據(jù)。低頻數(shù)據(jù)主要包括各權威機構官方定期發(fā)布的數(shù)據(jù)，而高頻數(shù)據(jù)則包括日評等更活躍、更新更快的經濟數(shù)據(jù)。我們認為高頻數(shù)據(jù)對低頻數(shù)據(jù)有一定的領先作用，因此綜合考慮增長、景氣度、通脹、貨幣流動性和信用流動性等因素，形成對大類資產配置的邏輯。這種方法論不僅邏輯順暢，而且科學合理。從回測和模型驗證的表現(xiàn)來看，這種配置策略確實能夠改善期望收益的同時降低最大回撤，顯示出與傳統(tǒng)全配置策略相比的優(yōu)勢。

宏觀量化策略更多地關注市場的增長、景氣度、通脹和流動性等因素，從而對資產配置、資產估值和價格變化趨勢產生影響。因此，宏觀量化所關注的數(shù)據(jù)和邏輯與傳統(tǒng)量化有所不同，差異化較大。從結果來看，公司宏觀量化策略的回測和過去一年左右的表現(xiàn)與國外傳統(tǒng)量化策略的表現(xiàn)相關性較低，顯示出其獨特的風險和收益特征。

此外，在經濟周期之上，我們還關注情緒周期，這涉及到一些更敏感的市場指標，如市場投資的擁擠度、市場的各種比率，包括債券結構比率、金銀比等資產價格變化的比率。通過這些指標，我們試圖對情緒周期進行更好的適配，以實現(xiàn)更精準的資產配置。