由东方证券和新浪财经联合主办的“东方证券杯”私募梦想创业营期货专场沙龙9月1日在杭州举办。上海双隆投资有限公司总经理兼投研总监马俊在沙龙上表示，双隆不追求暴拉的线，但每年一定是盈利的线，这是双隆对于CTA策略上的理解。
上海双隆投资有限公司总经理兼投研总监马俊
他表示，CTA策略在海外更多的作为资产配置概念，可以很有效地把握市场波动，盈利最好时就在市场高波动情况下，同时根据其特性可做多、做空，与常规股票市场具有低相关性。在资产中加入一部分CTA就可非常有效地帮你大幅提高整体资产的风险回报比，所以CTA策略的价值很大程度上体现在资产配置理论中。
他认为，2018年CTA策略的未来更多会在机器学习上，传统意义上的策略大部分都被挖掘完了，未来更多的是将不同的策略有效结合，让模型自适应地去寻找合适周期进行交易。人工智能可以定义为非线性模型，通过这一块尝试去找到用传统量化投资无法去解析的方向。
在他看来，未来CTA策略会朝着两极化，分散化，精细化的方向发展。两极化意味着未来的市场要么非常快，做分钟级别或分钟级别以下的高频策略，依赖非常强大的计算机能力把握高频策略。好处是盈利非常稳定，缺点是整个策略容量并不大。要么是偏慢，即长期持仓，把握住商品市场的日线或月线波动策略，每年的盈利相对较少，但能够容纳较大的资金。
分散化意味着可以有效地分散投资，不是去重仓任何一个标的，从单边趋势到对冲都进行分散，从线性模型到非线性模型也进行分散，多层分散后整个策略就会非常稳定，具备有效性。精细化是指在具体操作的过程中考虑方方面面，所有的策略要更加强调精细化细节。（新浪财经李文航 发自杭州）
以下为发言实录：
马俊：首先谢谢各位，在这里给大家分享一下包括整个CTA策略或之前发展和之后对整个CTA策略发展的观点。
前面很感谢施总讲的，施总介绍的更多的是针对整个行业或未来我们如何发展所思考的问题。我主要的分享更多的是在策略层面，我也会由浅入深，首先跟大家讲一下量化，引申到CTA策略，之后讲讲从2010年到现在在CTA策略上的变化，以及未来看待CTA策略的发展路径，包括接下来不局限于2018年四季度，包括未来一两年CTA的变化。
这里简单介绍一下我本人，我是2012年加入双隆投资，加入双隆投资以后从金融工程师做起，市面上大部分的量化策略从股票、期货到期权我都自己做过，2016年以后开始负责整个投研工作，2017年负责公司全部工作，所以对市面上绝大多数的量化策略还是有所了解的，这里与大家分享一下。
这是我今天会给大家介绍的一些内容，不知道大家有没有看过这本书，《算法帝国》，描绘了一些场景，大家有印象的话最早的股票交易市场是在交易中心有很多红马甲在那里不停地喊价交易，之后到红绿闪烁的电子屏的电子化交易，到现在是高盛交易员从原先600多人到寥寥无几，现在全是自动化下单，选择最优价格，这是算法的魅力。所有的量化投资都基于算法所演变出来的。
什么是算法？算法很简单，对解决问题清晰而完整的描述，很多算法非常常见，如最大公约数的概念。现在做所有的量化模型大家会用到正态分布，包括所有的计算机语言等，这些算法构成了整个量化投资的基础。
这位大家也都是非常熟知的西蒙斯，大家认为是教父级的量化投资人物，他的很多员工都是物理学家，他们最擅长的是处理信号。我们日常生活中大家看到的股票交易价格、期货价格交易是上下不停跳动的，更多的跳动是噪音，这些信号学专家就将这些跳动剥离掉，还原到价格的真实波动，这是做量化投资所要面对的。整个市场的噪音非常多，我们所要做的是将这些无效信号剥离，最后到价格真正做的区间，比如小波降噪，这也是在量化投资中经常做到的。
在国内做量化投资在2006年就开始了，当时最早做的是一些商品跨期跨品种套利，量化投资真正被大家所熟知或在国内发展是在2010年，当时随着股指期货的上市在国内蓬勃发展起来。其实在国外量化投资规模不停的往上升，无论是在总管理规模还是市场成交占比中都是不断上升的局面，包括在现在的股票市场中整个市场成交量不断创新低，这个新低比2014、2015年和2012年见到的低点低更多，因为当时整个市场还是散户更多，现在整个股票市场里更多的是一个机构市场，机构市场做得很多都是一些高频alpha策略，提供了很多交易量的支持，实际上股票交易量更低，这也反映了在市场成交占比中不管是现在的股票还是期货，量化投资所占的比重是不断上升的。
前面给大家简单介绍了一下从算法引申到量化投资，我们认为量化投资是很大的概念，包含了股票和期货、期权等，每一类资产都有一个上限，包含了市场的成交量、对手盘成交量等。每一类资产能做多大的规模，一个管理机构能管多少资产？反向也决定了整个公司能管多大规模。
常见的量化投资至少在国内定义为三大资产（股票、期货、期权），这三类资产一定是股票最多，其次是期货，最后是期权。
策略类型很多，包括alpha、指数增强、CTA策略，还有期权，归根到底是在每一类资产下能做多大规模。
今天的重点是CTA策略，CTA最早是商品顾问的概念，它给大家做的更多的是在期货市场上做趋势跟随策略，这是最早对CTA策略的定义。渐渐的随着量化投资的发展，CTA策略泛指是利用计算机或程序化交易对整个市场、股票、期货期权等进行复杂的趋势跟随、套利、统计意义上判断类型的策略，这里的CTA泛指既能做多也可以做空，同时投入量化模型进行投资的策略。
国内CTA更多的也是在2010年之后才蓬勃发展，最早国内的CTA做得更多的是股指CTA，2015年9月股指期货受限以后，CTA权重更多地应用到商品期货市场，整体保证金在4000亿以下的范围之内，限制国内CTA发展。未来国内CTA管理人不仅仅局限于国内商品CTA，未来也可以做全球CTA布局的概念。
这里大家更关注的是CTA策略的好处，CTA策略在海外更多的作为资产配置概念，比如一个客户有很多资产，通常在海外会如何配置？会配置5%—10%资金到指数增强上，剩下的就会配置CTA概念。CTA策略可以很有效地把握市场波动，盈利最好时就在市场高波动情况下，同时根据其特性可做多、做空，更有效地与常规市场，比如股票市场等有低相关性。整个CTA指数（红线），从1989年开始每年都是稳固上升的局面，虽然2012年有一点回撤，但2017到2018年是有新高的。
右图是从一个资产配置学的角度所讲的，大家所熟知的最简单的资产配置是集中在债券和股票上做40%60%的配置（右下角），当我们考虑在资产中加入一部分CTA就可非常有效地帮你大幅提高整体资产的风险回报比，那从回来的右下角移到了左一的位置，概念是你承担更少的风险，可以带来更好的回撤。这可以在今年做很好的论证，比如在去年是股票单边上涨市场，但在今年整个市场在下挫时，CTA策略，无论是股指CTA还是商品CTA都能把握住一定行情。从一定的资产配置上可以有效地帮你对冲掉一部分股票市场风险，所以CTA策略很大意义上的价值也可以体现在资产配置理论上。
这里提到的也是我前面提到的，从原来狭义上的CTA策略局限的是商品期货，但CTA策略只要是一个能接受程序化交易，同时能够可做多做空的资产交易都是CTA策略，国内市场能做的分为四大块，左边是商品期货市场，分为农产品(5.200,-0.04,-0.76%)期货，下面是类似于工业品和非工业品。右边是两块。金融期货包括现在的股指期货，两年期的国债期货上市后未来国债期货也是非常重要的标的。在国外国债期货占到所有CTA策略30%以上的权重，在未来是很大的市场。下面是场内期权，更多是指vix.shtml" target="_blank" class="relatedlink">50ETF期权，CTA策略将各个品种都铺齐。
这里给大家讲一下在过去至少在美国过去十几年周期下CTA策略如何有效地对冲掉市场风险的，无论是最早的2000年附近的互联网泡沫或911事件以及2008年金融危机，每年当股市大幅下挫代表波动率的大幅上升，这时CTA策略获得相对正收益，有效对冲了股票市场的风险。
这讲的是过去几年在CTA策略上的一些思考给大家抛砖引玉一下。我们最早做CTA策略，认为很简单，你做一个技术指标，双均线、通道突破等，根据海外的文献都可以做一些策略，因为当时在高波动市场下一个非常简单的策略就能把握市场波动，赚取一部分利润。之后将指标因子化，通过模型去计量，选择有效的指标放在一起组合最后的策略，这是第二个阶段。
从2017年之后做的更多的阶段，一是将产品线归整，二是商品策略非参数化概念。所有的商品策略、CTA策略指标都基于参数，比如五天均线、十天均线、十五天、二十天，不同周期下都可以找到非常好的参数，像今年是短期五天非常好，去年偏慢一点，二十天好一点，之前的年份都差不多。我们回过去看每年都可以找到非常好的参数。但问题是我们不知道未来哪个参数最好？这是量化投资一直面临的问题之一。如果能将所有的策略参数去掉，策略才具有泛用性或适用性，而不具有样本内的选优过程。
2018年更强调不仅所有的品种放在一起尝试做多品种优化分散风险，也包含了未来对整个市场的思考，我们提出的更多的是引入基本面的因素加入到商品策略中，这是一方面；第二方面，加入更多机器学习概念在商品策略中，这是我们定义未来整个市场的发展方向。
这是一个简单的策略去跑整个商品市场的全品种线，这更好地解释CTA概念，下面是所有的资产标的，包含了所有商品市场绝大多数有持仓量和成交量的标的，我们通过一个策略去跑，看看他过去7到8年各个品种上的走势，商品市场有一个概念，你很难定义什么样的标的未来会有行情，比如PTA连续两三年没有行情，但今年的行情非常好，你能做的就是对所有的标的对进行一定的配置，但在适时进行权重调整。
假设所有的标的都进行等权配置，我们得到各个品种上的线，当我们把所有的线合并在一起后就构成了一个标准版的CTA策略的收益率曲线，这是针对单一策略的收益率曲线。
接下来我们研发不同逻辑的不同策略思路的线，得到的是不同策略对每一个走势的线，不同频率，有单边也有对冲，这里的十根线走的不一样，我们有效地将十根线配置在一起构成最后的线，至少在CTA策略上对于整体策略的思路，在任何一个单一策略下要求的是多品种分散，进行分散投资，然后把握市场的机会。
第二点，在上一层去研发不同策略思路的多种策略，将这些策略叠加在一起，最后得到一个最优线，我们不追求暴拉的线，但每年一定是盈利的线，这是双隆对于CTA策略上的理解。
前面提到的是过去所做的，接下来更多的是今天的主题，不仅是2018年四季度，包含我们对未来整个市场的看法以及未来的发展方向在哪里。
商品CTA上更多带入的是基本面信息，这是一块。第二，更多的还是在机器学习上。为什么这样说？因为传统意义上大家去寻找的一些策略大部分都被挖掘完了。量化和人工智能，这二者并不是包含关系，更多的是两面，人工智能也是量化投资，只是我们将它定义为非传统的量化投资，之前做得最多的传统的量化投资是线性模型，包括指标。人工智能更多定义为非线性模型，通过这一块尝试去找到用传统量化投资无法去解析的方向。
这里给大家举几个简单的例子，首先普及一下我们用到的更多是神经网络的概念，用神经网络做一些策略。什么是神经网络？就尝试去模拟人的神经单元做一些思考和非线性模型，当中是一个黑盒，其实在做策略的过程中也非常简单，就是一个输入输出，当中包含的是多神经元层，用谷歌的TensorFlow，大家可以输入商品的行情，输出是对价格的一些预测，要做的是损失函数以及层数，最后做到非线性模型对商品CTA进行交易，与传统的还是不一样，可以进行分散，补充现有的策略体系。
我给大家普及一下，在机器学习上人工智能用得非常多的，比如大家日常生活中用到的车牌识别是非常简单的人工例子，BP神经网络是单层的，我们输入所有的数字，转化为像素，再进行输入。我们得到的任何一个商品品种的走势，如果你把它的K线图变成K线走势，我们只要固定好过去回看的K线周期，30根，像素识别是01的数码识别，也可以更有效地通过图像识别的概念放到CTA的策略投资中。
做CTA策略很重要的一个假设是历史会重演，至少是在一个非有效市场下存在的假设，通过这个假设，当你把图像录入进去以后，机器会自动识别告诉你未来的走势和概率。
很多时候我们会听到深度学习的概念，这是多层神经网络的概念，像前面提到的BP算法是单层神经网络，当我们把网络层数提高到两层或三层后就是深度学习的概念，你输入的因子过少，只有十个二十个，一般两层网络深度，当你输入的因子达到五十或六十以上时需要三四层网络，每层网络可以非常有效地提取单一值，不同的层数下，比如它的上涨是否是同时伴随着量的增加，比如持仓量的上升和价格的上升，是否存在明显的减仓下来，每一层提取不同的特征值，最后给出结果告诉你这个商品未来做多还是做空的概率更高一点。
最后给大家分享一下我们对未来整个CTA策略的发展方向的思考。
首先是两极化。未来整个市场最大的竞争要么特别快，你做分钟级别或分钟级别以下的高频策略，你把握的是精确算法，把握住未来行情的准确预测，依赖非常强大的计算机能力把握高频策略。好处是盈利非常稳定，缺点是整个容量策略并不大，1亿到2亿的规模，往特别快的方向发展。
其次是偏慢的长期持仓，把握住商品市场的日线或月线波动策略，每年的盈利相对较少，但能够容纳较大的资金。首先在策略的方向上，日内，商品市场慢慢地变成高度成熟化的日常；日间，商品的跳涨跳跌是在瞬间一两分钟完成，接下来围绕日间成交均价进行涨幅振荡，所以未来的波动区间非常小，所以策略未来的方向要么快要么慢。
分散化，我们做CTA策略，靠计算机做的好处是有效地进行分散投资，而不是去重仓任何一个标的，不仅分散在单一的标的上，从化工到有色、黑色等，分散在策略类型上，从单边趋势到对冲都进行分散，包含了从线性模型到非线性模型进行分散，到多层分散后整个策略就会非常稳定，具备有效性。
旁边的精细化提到的是做所有的策略更强调精细化细节，举一个例子，商品市场都需要换月，现在做完了9月合约要往1月合约换，换月时要做到主力和次主力的持仓差异，跨越的价差等，还有在下单的价格上，市场波动相对较低，是否可以等一等，挂个单再出去？在所有下单细节上都要精细化考虑的地方，这是未来整个CTA策略各位需要考虑的地方，也是未来的一个重点发展的方向。
今天主要跟大家讲了一下对于CTA策略以及未来的发展方向，谢谢大家。
|
|
转播
