本报告系统介绍了量化CTA策略的发展、分类及两大核心收益来源:价格趋势延续和远近合约展期收益。重点开发并验证了基于分钟级数据的线性趋势策略与基于日频数据的展期策略,通过STM和VwapLim因子的构建,以及BTG展期因子的开发,提供了完整的因子挖掘、评价与组合回测流程。报告展示了两类策略收益构成的负相关性,推动策略组合显著提升风险调整收益率。后续通过Markowitz组合优化进一步验证策略组合的稳健性,为CTA量化策略投资提供科学方法论与实证支持
1.1 CTA策略指数收益率稳步上升
报告援引Eurekahedge数据,2000年至2022年3月,CTA指数总体趋势稳步上升,呈现非线性收益特征。非线性体现在当市场波动率低时,指数表现为横盘震荡,而波动率上升则出现阶梯式上涨,验证了CTA的危机alpha能力,即在市场危机期表现突出。2018年为唯一负收益年度,其余年份均正收益,长期表现稳健。
1.2 CTA策略特征
CTA策略具备五大特点:多空对称、收益曲线非线性、危机alpha、与权益策略低相关性、多周期多品种。多空对称指交易多空头寸成本和资金权重对称,危机alpha体现为权益市场大跌时波动率提升推动策略收益。多周期多品种则强调策略覆盖广泛。
1.3 国内量化私募公司规模分布
国内量化私募公司以规模小型为主,0-5亿元占比近六成,10亿以下占比超过九成,显示国内量化CTA市场尚处发展早期,缺少头部集中,成长空间大。
1.4 CTA策略分类
从投资者视角分为主观交易、量化交易和CTA的FOF。主观交易依赖行业研究获得beta收益,量化交易以数学模型和程序执行获取稳定收益,FOF现多为探索状态。因此,现阶段量化CTA占主导。
策略逻辑分为低频策略(包括主观与量化,基于经济周期、库存数据等)、中高频策略(利用量价、盘口等多因子趋势追踪)、极速高频抢单(15分钟以内利润捕捉)、做市(提供流动性赚价差及手续费)及套利策略(跨期、跨品种、跨市场的价差套利)。
1.5 各类策略绩效表现特征
图表展示四大策略类型的净值曲线及特征:
1.6 国内量化CTA发展历程
回顾国内CTA发展:20世纪90年代萌芽期依赖主观与半程序化;2010-2015年程序化、股指期货推出,商品期货多样化刺激中低频量化;2015-2018年算力提升推动高频化竞争激烈;2019年至今,私募以集群服务器推动多策略、多资产联动及机器学习研究,策略日益多样化。
1.7 CTA策略核心收益来源
2.1 数据来源及品种分类
全部tick数据来源CTP柜台行情,历史缺失数据用掘金量化等平台补充,分钟K线为tick合成。主力合约选取原则是当天成交量最大合约为次日主力,月份远递延。复权因子基于成交均价和复权系数计算。策略覆盖商品全市场42个品种,分属塑料、黑色建材、农副产品、金属四大板块。
2.2 线性趋势策略开发步骤
线性趋势策略以线性关系为核心,信号值增大对应仓位增大,与非线性策略区别明显。开发流程包括三个阶段:单因子挖掘、因子评估(信息相关系数、因子半衰期、相关系数、分档收益)、组合回测(简单线性组合为主,因数据量限制和稳定性考虑,少用复杂模型如神经网络)。用分钟K线量价与盘口数据进行因子设计,遗传规划等方法风险在于过拟合。
2.3 STM因子开发详解
STM因子基于移动窗口内最高价(HH)、最低价(LL)及收盘价,计算收盘价格在高低区间的位置比例(优化后围绕0对称分布),作为趋势信号。因子参数多样,结合未来买入卖出收益率进行评估,部分参数半衰期跨越15至1500分钟区间,表明因子信号在不同时间尺度有预测力。相关参数组合之间相关系数适中,可用以组合分散风险。对应因子值分档显示明显的收益梯度,表明因子有效。回测结果平稳上升,表现良好。
2.4 VwapLim因子开发
该因子基于5分钟内最大成交量200个snapshot的成交均价与所有订单成交均价之差,反映大单资金的价格倾向,为趋势因子。因子评估显示信息相关系数和半衰期表现较优,具有效果。STM因子和VwapLim因子相关性较低(最高0.31),能作为组合互补因子使用。
2.5 因子组合回测
两因子组合绩效曲线更为平滑,表现优于单因子。年化收益率、最大回撤、波动率及夏普率指标均显示组合具备稳健性。
2.6 线性趋势因子策略绩效归因
板块贡献中黑色建材(约32%收益)和金属部贡献最大,农副产品、石化次之。交易所方面,大连商品交易所贡献最高,郑州商品交易所、上海期货交易所次之。细看品种,焦炭、螺纹钢等主力品种贡献较大,而个别品种如锌出现负贡献
3.1 展期策略逻辑介绍
商品库存周期引导远近月合约展期呈现两种结构:Backwardation(远月贴水)和Contango(远月升水),库存高低位推动价格结构轮换。展期策略通过买入贴水聚集的合约,卖空升水合约,赚取展期收益,属于趋势之外的另一收益来源。
3.2 BTG因子构建
因子基于每个期货合约的展期收益率(用远近月合约对数差价年化调整除以剩余交易天数),以成交量加权,得到品种统一的展期收益率。对所有品种日内按升序排名,排名值作为BTG因子,表示相对展期水平。
3.3 展期策略回测
数据以日频为主,对42个品种均匀分配资金。BTG因子最小值的N个品种做多,最大值N个品种做空,N取3、5、10对比,最终选取中间值5。回测结果表明持仓数量N变化对收益影响明显,换手率数据及回测绩效曲线均进行展示,显示策略有效且有一定灵活性。
4.1 简单线性组合
线性趋势策略与展期策略的日收益率相关系数为-2.57%,说明两类策略收益来源具有负相关性,有利于风险分散。组合后净值曲线平稳提升,夏普率及年化收益均优于单独策略,组合策略月度和年度表现均明显改善,风险调整后收益提升显著。
4.2 Markowitz组合优化
通过10,000次蒙特卡洛模拟,得到有效前沿曲线,探索不同风险收益权衡下的资产配置。以最大化收益和最大夏普率为目标的组合优化效果接近简单等权组合,显示组合策略稳健且鲁棒性高,未因优化造成过拟合风险。
总结
CTA策略指数长期稳步增长,展示危机alpha效应。其收益主要依赖价格趋势延续和合约展期结构两大部分。
线性趋势策略基于分钟及日级数据,侧重量价和盘口因子,覆盖多品种多个周期。展期策略利用期货合约升贴水结构捕捉稳定收益。两种策略因构建逻辑和收益来源不同,组合后显著提升风险调整收益。
报告强调关注策略底层逻辑多于过度优化,有助于提升策略表现和鲁棒性。
风险提示
报告结果基于合理假设和历史数据统计规律,未来市场环境变化存在模型失效风险,投资者需谨慎对待数据带来的不确定性。
本报告并未涉及具体的公司或标的估值模型,而是聚焦于CTA策略本身的收益构建、因子开发及多策略组合优化。
报告使用了经典的组合优化方法(Markowitz均值-方差模型),通过大量蒙特卡洛模拟探索策略组合权重,确定效率前沿。关键输入为两类策略的历史日收益序列,计算收益期望和波动率,得到组合的夏普率和最大回撤指标。
三种优化目标(最大收益、最大夏普率及简单等权)结果接近,说明策略组合稳健具有较好鲁棒性。
报告重点风险提示:
报告并未明确涉及风险缓解措施,投资者需结合自身风险承受能力动态调整策略和仓位。
整体来看,报告分析专业且系统,较好平衡理论方法和实操经验,但依然依赖大量历史规律,提示关注环境变化风险。
本报告系统全面地分析了CTA策略,特别是线性趋势策略与展期策略,详细阐释了策略的理论基础、因子构建、数据来源、策略特点及组合优化:
图表及数据的丰富支撑了上述结论,特别是收益曲线、因子半衰期、相关系数矩阵和年度绩效分解,为理解策略稳定性、多样性和组合优势提供了强力佐证。整体来看,报告定位精准、分析详尽,适合作为CTA策略研究和产品开发的专业参考资料。
该报告以丰富数据和严谨分析完整呈现了CTA策略框架和实务操作细节,特别是线性趋势和展期策略的开发逻辑、因子评估、回测表现及组合优化。重点在于策略组合对冲与收益提升,尤其适合量化研究员和CTA产品经理借鉴。文中对策略的理性认知和风险警示较为充分,但仍需关注策略环境适应性和数据准确性。对推动国内CTA行业成熟和量化策略多元化有建设性的理论及实践贡献。
量化CTA系列报告:线性趋势策略和展期策略.pdf