2020年無疑是股票多頭策略的“大年”,與此同時管理期貨(CTA)策略也迎來了春天。疫情影響下,市場不確定性增加,商品市場大幅波動,趨勢性機會涌現,顯著提升了CTA策略的盈利空間。

  根據海通證券研究所的統計,從全市場平均表現來看,CTA基金每年都能獲取超過10%的正收益,而量化CTA產品表現更為出色,無論是夏普比率還是最大回撤均超過CTA產品的平均水平。

2010年,CTA基金在國內萌芽,主要以私募基金形式存在。隨著公募基金專戶投資范圍的放開,基金專戶形式的CTA基金應運而生,其運作更加公開,豐富了投資者的資產配置工具。

  朱雀基金量化團隊在私募時期便開始開發CTA策略,至今已形成較為成熟的投資體系和量化CTA策略。朱雀基金量化組負責人章曉玨表示,投資者往往有一個誤區,認為期貨交易等同于高杠桿、高風險。但事實上,多數量化CTA策略都會通過分散化投資于不同的期貨品種來提高策略的穩健性。品種分散化可以提升所投資的品種出現高波動行情的幾率,但更重要的是可以更好地控制回撤。

  她解釋,股票類資產具有內部正相關性,不同個股的走勢長期來看同受市場beta影響,特別在極端行情中往往同漲同跌,而不同大類的大宗商品期貨之間走勢的異質性更強,正是由于商品品種間的低相關性甚至負相關性,使得分散化投資在期貨上可以更有效地實現風險的分散化。朱雀基金量化團隊的投資理念是通過量化的方法尋找長期期望收益為正的策略,并通過在持倉周期、持倉品種和投資邏輯上的充分分散來控制回撤。

  由于CTA策略的收益往往與波動率水平呈正相關,因此在市場大幅下跌時,該策略能獲得較高收益,被稱為“危機保護策略”。例如2018年權益市場低迷的背景下融智-中國對沖基金管理期貨指數上漲 4.77%,再如去年2月3日和3月份市場大跌的時候,CTA策略也表現突出。從大類資產配置的角度看,由于低相關性,在持有股票型基金獲取阿爾法的同時,配置CTA產品可以在資產組合的層面起到風險分散化的作用。

  隨著機器學習、人工智能浪潮的到來,越來越多的機構開始試水通過機器學習的方法來開發量化策略。朱雀量化團隊2016年即開始機器學習的研究,目前已經進入2.0階段。

  章曉玨介紹,傳統的因子挖掘主要由投資經理根據自己的交易經驗和邏輯來手工完成,人工挖掘得到的因子因為具有較強邏輯性,因此往往可以在較長時間內都保持有效。但缺點是因子挖掘的周期較長,并且這兩年隨著各家機構研究的不斷深入,人工挖掘因子的效率不斷降低。所以朱雀基金在傳統的人工因子挖掘外引入了遺傳規劃,由算法自動對因子進行挖掘。算法挖掘因子的優勢是可以依托計算機的強大算力,因子挖掘效率非常高,但缺點是由于因子的邏輯性較弱,所以需要定期的迭代更新來維持因子的有效性。

  因為機器學習特別是神經網絡模型的決策流程是一個黑箱,所以這類模型一直以來也被批評可解釋性太差。章曉玨介紹,朱雀基金去年在機器學習的可視化方面也有所突破,試圖打開神經網絡的黑箱,觀察它到底是如何做出價格預測的。通過熱力圖的表征,可以更清晰地看到,神經網絡在做訓練的時候,通過不斷吸納學習新的數據來調整模型自身,并且在實盤做出價格預測的時候也較好地適應了市場環境的變化。

  在CTA之外,朱雀基金量化團隊還對阿爾法策略做了升級改造:首先挖掘一些可以預測股票未來相對強弱的選股因子,數據源包括個股的基本面、量價特征、資金流、分析師對個股的一致預期等等,然后將因子放入機器學習模型做因子組合。最后通過對股票流動性的篩選確定選股范圍,再用組合優化的手段,使得所選股票組合在風格和行業上的分布盡可能貼近基準指數,從而得到一個跟蹤誤差低又可以跑贏基準指數的股票組合。

  章曉玨透露,朱雀基金將在今年推出全新的“CTA+阿爾法策略”量化產品,使用機器學習的手段,挖掘股票和期貨中的投資機會。