一文彻底了解CTA策略（全部都是干货）
基金小爱
商品交易顾问(Commodity Trading Advisor，简称CTA)是指通过为客户提供期货、期权方面的交易建议，或者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。由于CTA的交易对象通常是商品期货和金融期货，所以CTA策略也被称作管理期货（Managed Futures）策略。
1、 CTA的交易对象
| 常见期货投资标的 | |
| 商品期货：（1）农产品期货：大豆、豆油、豆粕、小麦、玉米、棉花、白糖等。（2）金属期货：铜、铝、铅、锌、镍等有色金属和黄金、白银等贵金属。（3）能源期货：原油、燃料油等。（4）黑色期货：螺纹钢、焦炭、铁矿石、螺纹钢等。（5）化工期货：天然橡胶、PTA、PVC、甲醇等。 | 金融期货：（1） 国债期货：2年期国债期货、5年期国债期货、10年期国债期货。（2） 股指期货：沪深300股指期货（IF）、中证500股指期货（IC）上证50股指期货（IH） |
2、 CTA策略子策略分类
依据人或者机器的判断逻辑可以分为主观CTA或者量化CTA
从交易策略分类可以分为趋势跟踪、趋势反转、套利对冲
依据持仓周期策略又可以分为长周期、中周期、短周期、高频。
策略风险调整后收益和股票相关性
优点一：CTA策略具备较好的风险收益比
数据来源：爱方财富研究中心 数据截至：2021年11月18日 *存在幸存者偏差
数据来源：爱方财富研究中心 数据截至：2021年11月18日 *存在幸存者偏差
优点二：CTA策略与股票相关性系数低
近五年来，中证500与沪深300指数相关性系数较强，而CTA组合与两大指数之间的相关性系数较弱，CTA与股票是非常好的组合策略。
元盛资产管理（Winton）：是全球最大的CTA私募之一，2019年管理资产规模约270亿美元，占全球3670亿美元CTA资产管理规模的7%。
元盛目前在中国发行的 CTA 产品均采用其独立开发的中国多元化投资策略（CDP）。元盛在 2008 年就开始收集并研究中国期货市场数据，两年后形成针对中国期货市场的 CTA策略——中国多元化投资策略（CDP），目前策略运行已超过 10 年。CDP 是基于期货中长期趋势的量化策略，以趋势跟踪作为策略基础信号，结合其他低频、且与趋势跟踪在风险回报特征上互补的技术面和基本面信号，预测标的价格走势，投资标的包括近 50 种中国在岸期货、远期以及互换，如工业品、能源、农产品、基本金属、贵金属、股指期货和国债期货等。
量化基金学习笔记：认识CTA管理期货策略
第一类是涉及商品现货交易的企业或手中拥有现货多头头寸的投资者，为了防止未来现货价格变动的不确定性所造成的风险，需要通过与现货头寸相反的期货交易进行对冲，这类参与者被称为套期保值者。而另一类参与者则被称为投机者，即希望从期货价格变动中获得收益的投资者，将其向下细分可以分为套利者和趋势投机者。前者通过发现市场合约之间的定价错误，利用期货品种双向交易的特点进行套利交易获取利润，而后者主要交易期货品种的单边趋势获利。
1. 主观CTA及量化CTA
根据管理人的交易方式，CTA策略可以被分为主观CTA及量化CTA。
2. 商品CTA、股指CTA以及复合CTA
依据交易标的的不同，CTA策略可以分为商品CTA、股指CTA以及复合CTA三类。目前，我国的CTA策略主要基于活跃商品期货标的（各管理人对活跃品种的界定因交易能力能因素有所差异，公认较为活跃的品种约有40余种）
3. 高频CTA、中高频CTA、中频CTA、低频CTA
交易频度是区分CTA策略属性的一个重要标签，能够有效反映出管理人CTA策略的交易是否与其投资理念相匹配。通常，我们将依据Tick级及分钟级信号的交易认作高频交易，依据小时级及其他日内级别信号的交易分类为中高频交易，持仓从隔夜至10个交易日的交易分类为中频交易，持仓10个交易日以上的交易分类为低频交易。CTA策略产品净值曲线的波动率及策略容量与交易频率呈反比关系，会随着交易频率的降低而逐步增加。
三、策略构成及其收益来源
1. 趋势策略
趋势策略是CTA策略中最为核心的策略，着眼于捕捉市场方向性波动的收益，向下可以拆分为趋势跟踪策略（主要策略）及趋势反转策略。该策略胜率总体相对较低，而一旦成功捕捉趋势行情，则该策略的收益将显著较高。
2. 统计套利策略
统计套利策略即通过交易两个或多个相关品种，利用价差回归的原理做空高估品种，做多低估品种来获取收益。由于相关品种受到相同基本面因素的影响，其价差通常应当稳定在某一区间内，一旦出现较为明显的偏离，便存在套利空间。
3. 做市策略
做市策略是一种通过被动接受标的市场的双边报价，赚取低买高卖收益的策略。由于通过成交价格在价差间的窄幅波动而非方向性变化获得收益，该策略主要关注中间价的估算及买卖双边报价的设置。
四、CTA策略的简要发展历程
1949年，作为美国海登斯通证券公司经纪人的Richard Donchuan设立了第一个公开发售的期货基金Richard D Donchians Futures Inc，标志着CTA这一策略分类的正式诞生。伴随着国外期货市场的不断发展，海外CTA策略的产品规模在2020年便已经超过3000亿美元，其中最具代表性的管理人为Winton Capital，即元盛资本。元盛资本1997年10月在英国成立，创始人David Harding预见了计算机在金融领域的重要作用，秉持着金融市场可以像自然现象一样通过科学的方法加以研究，数学与计算机交易能够持续创造正收益的投资理念，将其从200万美元的小规模管理人一路发展为目前全球规模最大的CTA策略管理人之一。
量化CTA策略背后的逻辑？
原本分为自由型（Discretionary）和系统型（Systematic），分别指代手工交易与程序化交易。据对冲基金评估机构 Barclayhedge 统计，本世纪初 CTA 策略程序化交易占比 73.6%，2012年超过 90%，并一直向更高的程度普及。CTA 策略与程序化越来越紧密的结合在了一起，一方面因为机器代替人工是普遍的大趋势，但道汇认为更核心的原因在于程序化这种交易形式更契合了 CTA 策略只基于价格的本质，毕竟对于代码而言不知道何为基本面。
相对来说属于非暴利小康路线，据 Barclayhedge 编制的 Barclay CTA Index 显示，从 1979 年至 2016 年区间，指数的年化收益率为 9.59%。
注：Barclay CTA Index 是 CTA 基金界具有代表性、准确性和可靠性的主要行业基准。
对基本面的依赖性过大，甚至可以说受制于基本面，当经济衰退周期到来，宏观策略会极其被动，甚至接近全军覆没。例如曾经威震寰宇的量子基金，在 1998 年遭遇惨重亏损，于 2000 年关闭，这两个年份恰恰是经济衰退的重大时间节点：1998【俄罗斯国债违约造成全球经济危机】、2000【全球股票超级熊市】。
基于纯价格驱动，只需监测是否有趋势启动的迹象，而不用管因何启动，也无所谓启动的方向，突显出与传统资产配置的低相关性。Barclay CTA Index 与标准普尔 500 指数的相关系数仅为 0.01，而与全球债券的相关性为 0。因此对于 CTA 策略也就没有牛熊市的概念，甚至当全球证券市场表现不佳时，CTA 策略往往还能脱颖而出。例如在 2008 年次贷危机时，全球对冲基金规模下降了 31.7%，而 CTA 基金的规模几乎没有变化；当时的许多金融机构纷纷倒闭，但 CTA 基金居然实现了正收益。
此外，CTA 专注量化CTA策略 策略可将意外的风险因素（诸如天气、地震、政治、军事）纳入正常范围内。例如一波空袭事先不会让任何公众知晓，超出基本面的可控范围，堪以扰乱基本面派的操作计划，但 CTA 策略没有预设计划这一说，只监测是否有趋势启动，因此这些突发事件引发的趋势反倒有可能成为 CTA 策略的盈利来源。本质上，CTA 策略做多的是「波动率」本身，当市场波动性越强，收益越轻松，但若市场处于窄幅震荡期，则对 CTA 策略非常不利。
需要依赖不断的资源输入（烧钱堆高科技装备）来保证产出。例如高频公司 Jump Trading 在芝加哥商品交易所数据中心对面花 1400 万美元买了块空地来架微波通信基站，外界传说行情响应速度能提高 70 微秒。而这种开销并非一劳永逸，因为它的对手们也在做同样的事。例如 Renaissance Technologies 公司已向美国专利及商标局申请了一项反套利专利，在各个交易所服务器中使用原子钟或 GPS 时钟实现纳秒内同步所有交易指令，消除下单延迟，从而使高频交易无法捕捉因延迟产生的价差。可谓道高一尺魔高一丈。但资源归根结底是有限的，拼到最后就会面临一个困境：投入的资源要比之前多得多，但能从市场套出利的空间却越来越少。这种依赖生产工具致胜的模式可抽象为「沙堆效应」：刚开始沙堆的高度突飞猛进，但高到一定程度沙子就会四散摊开，后期需要很多的沙子才能勉强维持沙堆高度的缓慢增加，趋于瓶颈而无法跨越。正如这个指数函数图的发展趋势：
则倾向于非暴利稳健型收益投资者。在 2008 年次贷危机前，CTA 基金占对冲基金规模的比重只有 9.6%，但在次贷危机后，全球基本面越来越诡谲莫测，CTA 策略的稳定表现开始凸显出巨大价值，市场份额突飞猛进，2012 年即实现翻倍。
例如 专注量化CTA策略 Renaissance Technologies 公司旗下的高频策略基金 Medallion 匪夷所思的长期实现了超出常识范围的年均35%收益率，况且还是在收取5%管理费及44%盈利分成的前提下。
又如 Bridgewater 公司旗下的宏观策略基金 Pure Alpha 在 2008 次贷危机爆发年竟违反常理的实现了 9.5% 收益率，要知道这一年对于宏观策略基金可谓血流漂杵。
例如一只股票在数天内上涨了 10%，交易员甲从头到尾持仓，最终获利了结 10%，那这里不存在阿尔法；而交易员乙以 2% 为单位分成五段复利操作，最终获利 10.4%。相对来说交易员乙就实现了阿尔法。
任何类型的策略都致力于寻找自己的阿尔法。对于 CTA 策略而言，把握价格的自相关性永远是核心要素。
这幅图是其作者基于一定的算法，统计出标准普尔 500 指数从 1951 至 2013 年的走势，蓝色代表自相关性强，红色代表自相关性弱。
其结论为：1998 年以前，标准普尔具有极强的自相关性。1998 年之后，自相关性的存在期只占总时间的 30% 左右，到 2007 年之后，这一比例下降到了 10% 左右。原因是 1998 年之后随着个人计算机的流行、电子交易普及、策略的同质化严重，市场的自相关性变得越来越差。
在愈发艰难的市场中，道汇认为只有依托 CTA 策略的三条核心特征，充分深入其内涵，才能挖掘出市场更深度更普适的自相关性。说到底就是「认知到什么层次，变现到什么程度。」
专注量化CTA策略
因为非线性是无线，所以大厂还是愿意花大量人力在3和4里找。但是大厂又会设知识壁垒，导致很多新研究员不能在feature importance最好的结果里再去寻找变换。关于因子的评估标准，还有怎么筛选入库我在Charlie：在私募做量化研究半年能学到什么？有提到过。因为有很多更新，之后也会为大家继续免费创作和分享。
遗传算法的做法是设计一堆连续型算子（operator）或者表达式，如min, max, mean, std, median, sum, count都是连续性函数，但是add和multiply就不是。然后根据目标函数如correlation, least mean square, LDA classification rate等做有监督的 组合，排序，分类取平均。但是遗传算法和树模型一样，是给定特征来组合。
深度学习其实才是真正意思上的无限，它的做法是orderbook切片直接作为输入，用最大化log likelihood输出best bid和best ask的未来离散概率分布：
(Sirignano 2016)
| 好处 | 坏处 | |
|---|---|---|
| 回归 | 解释度高，每个因子权重都看得到。 | 残差项不能转化为alpha，而且很多东西线性表达不了，如果癌症几率在60岁以上以下是分界线，从20岁到60岁得癌症的几率并不是线性增加的 |
| 树模型 | 非线性组合，对输入要求更低，因为是根据信息增量分类，不用求导 | 不能用在稀疏类因子，本质上有点欠拟合 |
| 神经网络 | 不用通过固定的特征来寻找无限 | 比如cnn是根据图形开发的，rnn要求数据有记忆性，这些都不是金融时间序列的特征。黑盒模型缺乏解释度，不适合对风险厌恶的投资人 |
数字货币与传统期货CTA对比
ln(*)是以 自然对数函数 ，Pn是近月合约当前价格，Pd是远月合约当前价格，Nn是近月合约交割日期距当前日期的天数，Nd就是远月合约交割日期距当前日期的天数。
不同点
| 数字货币 | 传统期货 |
|---|---|
| 频繁替换操盘者，会导致信号挖掘不稳定，失效快 | 如黑色系普遍趋势行情因子同质性高 |
| 原始数据有level3，有逐笔交易和委托队列 | 原始数据有level2，无逐笔交易和委托队列 |
| 期限结构为线性内插：公式1 | 期限结构为：公式2 |
| 永续合约交易量大于交割合约，可赚取资金费率 | 没有永续合约 |
| 牛市长期升水，熊市长期贴水 | 期货通常升水并且价格右端有溢价，因为长期供大于需 |
| 有明确不同交易所平均的现货价格 | 无明确现货价格 |
| 有外汇波动率微笑属性，币本位在熊市赚币但也亏U | 通常都是正的put call skew |
| 一天24小时交易 | 一天基本上午，下午，晚上各交易2小时 |
| 通信通过网络传送，相对不稳定 | 券商机房托管拿交易所专属席位，相对稳定 |
| 最多100倍杠杆，因此交易所收高风险准备金和资金费率 | 最多10倍杠杆 |
| 基差多由市场情绪和流动性导致 | 基差多由市场货物供需导致 |
| 交易所分散，返佣不高只能交易所自己做市 | 通常由券商或第三方科技公司做市 |
| 期权双taker有隐波无风险套利机会 | 报价更宽，无风险套利机会少 |
| 数字货币 | 传统期货 |
|---|---|
| 大币种被成熟机构接管，难挖掘领先因子赚零和的alpha | 量化被成熟机构接管，难挖掘领先因子赚取零和的alpha |
| 期期套利回归不稳定 | 期期套利回归不稳定 |
（https://journals.plos.org/plosone/article/figure?id=10.1371/journal.pone.0234107.t003）