分类
期权交易怎么赚钱

专注量化CTA策略

Quant最爱 ​

国内主流量化策略:Alpha策略,CTA策略以及高频交易策略

1. Alpha策略
Alpha策略包含不同类别:
按照研究内容来分,可分为基本面Alpha(或者叫财务Alpha)和量价Alpha。业内普遍不会将这两种Alpha完全隔离开。但是不同团队会按照其能力、擅长方向以及信仰,在做因子上有所偏向。有的团队喜欢用数据挖掘的方式做量价因子,而有的团队喜欢从基本面财务逻辑的角度出发,精细地筛选财务因子。
按照是否对冲可以分为两类。全对冲的叫做Alpha策略,不对冲的在市面上常被称作指数增强策略。二者所用模型一样,但后者少了期货的对冲。缺少对冲有坏处也有好处,坏处是这种策略的收益曲线是会有较大的回撤。但好处方面,在大涨的年份,这种策略的表现会特别好;从长期看, 公司可以赚取BETA分红收益, 并且可以吸引看好指数的客户。相比之下而对冲Alpha策略一般在大牛市中会远远跑输指数;此外不对冲的好处是节约资金,对冲的Alpha策略至少要放20~30%的资金在期货端用来做保证金。
2. CTA策略
关于CTA策略,我是在2010年开始做CTA策略的。CTA是我入行的起点,正好在2010~2013年这三年CTA都非常好做。算是我运气比较好,这三年赚到了一点钱。更重要的是在一开始就给了我足够的信心。记得在2010年末的时候,手上基本上做好了一些模型,准备要实盘。当时犹豫了很久,只拿了一小部分资金去验证自己的模型。然而,很快来了一波橡胶的趋势和一波螺纹钢的趋势。自己马上就有了不少浮盈,于是利用浮盈作为安全垫,我又追加了不少资金。这样一点一点的逐渐算是慢慢做起来了。
CTA的核心在我看来在于分散投资。具体来说是以下三个维度:多品种、多策略以及多周期。简单地做一些计算,比如说你的策略一共覆盖了10个主流的品种,而策略类型则大致分为相关性较低的三类,并且这三类策略中每一个你都可以在5分钟、半小时和日线三个周期上去运行。那么即便你单独一个策略运行在一个品种的某一个周期上的夏普比率只有1甚至不到1,你最终组合的夏普比率可能运气好的话会在2左右。
CTA策略最早期的时候,研究平台大家都使用一个叫交易开拓者的软件,就是俗称的TB。目前,这个软件也可以用来对CTA做初步了解。因为TB上有很多技术指标以及相对传统的策略可以作为大家的入门教材,并且它也支持实盘交易。当然不太建议大家用它做实盘交易,实盘交易还是老老实实等自己的策略真的完全成型了再说,毕竟亏钱还是挺容易的.
3. 高频交易策略
第三类策略就是高频交易策略,高频交易在国内的主要应用有以下几类,期货趋势、期货套利、期货做市、股票T+0以及全做市交易。做高频交易的基本上都是私募,但高频交易的产品基本上不会对外募集或者极少对外募集。高频交易有收益高回撤小的优点,但是做高频的软硬件投入也都昂贵(比如一台服务器的花费在8-10万左右) 。所以去募资的话可能是得不偿失的,一般都是自营资金在做。就像国外的文艺复兴公司的大奖章基金在早期是管理其他人的资金,后期逐渐归还了外部投资者的资金,并将其全部替代为公司自有资金以及员工资金了。


Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

CTA策略的基本类型浅析

从交易频率来看,分为超高频,日内,中高频,低频不同周期。超高频策略多为机构自营或做市商使用,一般不会对外募集资金。日内策略容量有限,同样一般不对外发售,或包含在混合策略中用以增强收益。对于中高频CTA 策略来说,持仓周期一般为一至三天,这也是国内头部量化私募CTA 策略的主要战场。如果将持仓周期进一步拉长,CTA 的收益需求将会逐渐转变为配置需求,在整个资产配置组合中,提供大容量低相关的收益曲线。

相比于量化CTA,主观CTA 在2021 年度大放异彩。量化策略本质是上做极致的归纳,而主观策略则是归纳和演绎的结合。当面对样本外事件,或原有样本分布发生变化时,量化CTA 的优势将不复存在,需要对新数据进行重新学习以逐渐掌握新的规律。而此时优秀的主观CTA 则能通过逻辑演绎快速做出正确的判断。

2021 年10 月之际煤炭三兄弟再遭强监管,期货直接跌停,丧失流动性。若从量化归纳的角度出发,策略甚至可能会做出加仓的举动,因为监管发声并不是一蹴而就的,而是多次公开指导市场,但是在9月乃至更早的市场中,期货标的基本没有做出任何的响应,而是继续上涨,所以单纯的归纳法并不会帮助量化策略对监管发声做出反应。

在数据层面,比如期现货价格,产品供需数据,量化CTA 和主观CTA都会利用到,只不过两者的解构方式不同。主观CTA 的优势在于宏观政策解读以及信息优势上。例如交易所对期货品种交易手续费以及交割限制的调整,国家对于产业链税收政策的调整等等,这不光是明面上的解读,更需结合实际现货市场解读背后深层含义。

信息优势更是区别主观CTA 以及量化CTA 的关键点,优秀的主观CTA拥有相关产业的第一手信息,更有背后大资金的动向信息,这也使得主观CTA 的决策更具备领先性。

然而主观CTA 往往在风控体系上较量化CTA 有所欠缺,毕竟主观CTA给出的决策往往只是判断标的的方向,对于保证金比例的控制往往依靠直觉或者经验,当判断失误后容易使得产品净值波动变大,仓位控制水平亦是CTA 策略表现的重要因素。

量化CTA 主要分为,时序模型、截面模型、统计套利以及高频交易等。这几类模型各自单独构成体系,这也是CTA 策略表现参差不齐的主要原因之一。

时序模型中的趋势跟踪策略是最为经典且运用最为广泛的CTA 策略。趋势跟踪策略的本质还是捕捉不同周期上的价格趋势,大前提是标的在时间序列上具备一定的自相关性。早期的趋势跟踪策略多为根据技术指标开发的规则型(Rule Based)策略,意图通过指定严格的进出场条件捕捉价格趋势,下图为较为经典的传统趋势跟踪策略表现。

可以发现对于长期上行的资产来说,传统趋势跟踪策略很难跑赢标的自身收益,但却可以大幅提高收益回撤比,减少整体收益波动,且资金使用效率更高。本质上来说,传统趋势跟踪策略并不是一个预测模型,而是一个类似长期做多波动率的模型。这也就意味着趋势跟踪策略的容量可能仅受限于交易的标的容量及流动性的约束,其背后坚实的行为金融学逻辑更是其生命力的保证。Hurst, Ooi 专注量化CTA策略 and Pedersen (2013)中描述了趋势形成、延续以及结束的过程。

趋势形成:由于锚定效应、处置效应,非盈利操作以及市场摩擦等,导致价格对信息反应不足。

锚定效应:投资者往往将注意力集中在最近的历史数据上,当新信息到来时很难及时调整观点,造成价格反应缓慢;

处置效应:投资者往往会过早卖出浮盈股票以兑现收益,持有浮亏股票不愿止损,导致上涨和下跌的过程变得更为缓慢。

非盈利操作:一些非盈利操作,也会减缓价格的反应速度,例如中央银行在外汇市场和固定收益市场进行对冲操作,以减少汇率和利率的波动。一些60/40 投资者会机械的再平衡其组合资产,同样也会导致趋势变缓。

市场摩擦:若市场有较大的交易摩擦成本,也会减慢价格发现的效应。趋势延续以及过度反应,由于羊群效应,以及确认和代表偏差以及基金资金流入等因素导致的。

羊群效应:羊群效应也叫从众效应,投资者容易受到群体观点影响,改变自身观点以保持和他人一致,这种做法往往会加强趋势。

确认和代表性偏差:在趋势行情中,投资者会自我暗示以加强自身信念,这进一步加强了趋势。

基金资金流入和风险管理:表现好的基金往往会得到正向资金流入,表现不佳的基金往往会缩减规模,这一步加强了趋势,且会形成正向反馈。

数据来源:《Demystifying Managed Futures》

相较于股票策略,CTA 预测模型难度显然更胜一筹,由于可选标的的减少导致的样本数量稀缺,CTA 预测模型出现过拟合的风险大大增加。且其特征构造限制及可选alpha 来源相比于股票也更少,这进一步增加了策略难度。但是我们也可知道,若策略研发者成功研制出切实可行的时序预测模型,则可完全包容截面模型及后续的统计套利模型,成为大一统模型。

横截面多因子模型则类似于股票多因子的做法,通过一些动量,偏度,期现结构因子将一个标的池进行排序,得到相对强弱关系并双向开仓将市值中性。然而相对于股票多因子策略,商品策略可选标的较少,其横截面显著性存疑,且仅能做到市值中性,并没有类似Barra 的风控模型,其尾部风险甚至会较单边暴露的策略更大。虽然相较于股票多因子模型来说,CTA 多因子模型更为简陋,但相比与时序策略较为散乱的艺术发挥,已经有了较为统一的研究范式。

期货仓单策略:期货仓单即期货标准仓单,是由期货交易所指定交割仓库按照交易所规定的程序签发的符合合约规定质量的实物提货凭证。仓单数量的变化会在一定程度上反映双方的交割意愿,当大量的仓单生成,说明期货价格高于现货价格,空头的交割意愿较强,空头力量比较强;反之大量仓单被注销,说明现货价格高于期货价格,多头力量占优。

我们可以简单的假设仓单减少的品种,近期商品价格继续上涨的可能性更大,而参考期限结构因子的计算,将所有商品的升贴水大小进行排序,选择仓单增加的商品做空(做空当前库存充足的品种),选择仓单减少的商品做多(做多当前库存紧张的品种),据此可以检验仓单因子是否能够提供 alpha 收益。

截面动量策略:横截面动量因子是指在资产池中,在给定时间点上买入前期收益率较高的资产,同时卖出前期收益率较低的资产,形成一个多空对冲组合。其盈利逻辑为强者恒强,品种之间强弱表现能够持续。

期限结构策略:期限结构因子不同于动量因子,其考虑的是品种期货合约近远月的升贴水情况,反映商品不同月份的价格结构。如果远期价格高于近期价格,则认为是正向期限结构,相反的,如果近期价格高于远期价格则称为反向期限结构。Kaldor(1939)提出商品的库存水平将影响商品的期限结构。具体而言,正向市场反映商品当前库存充足,不存在供不应求的情况,而反向市场反映的是商品当前库存紧张,可能存在供不应求的情况。我们可以简单的假设,库存紧张的品种,近期商品价格继续上涨的可能性更大,而参考动量因子的计算,将所有商品的升贴水大小进行比较,选择升水结构的商品做空(做空当前库存充足的品种),选择贴水结构的商品做多(做多当前库存紧张的品种),据此可以检验期限结构因子是否能够提供 alpha 收益。

若高频交易的定义更接近于海外高频交易,则其挣的是spread 的钱,在低延时的要求下,模型必然不可能过于复杂,可能还是基于一些强因子结合下的规则策略。在模型并不复杂的前提下,比拼的是工程经验以及软硬件结合能力,海外团队可能有较大的优势。若此处的高频交易泛指国内的日内T0 策略,则其研究方法应与统计套利并无二致,只不过更换了相应的时间尺度以及目标函数,各家团队应自身特点可能百花齐放。

CTA策略火了!一文快速了解什么是CTA量化策略?

▲资料来源:券商研报,仅供参考

根据估算结果,国内CTA策略私募基金在证券类私募基金中规模占比约1.2%,远远低于海外CTA策略对冲基金10~20%的水平。

▲以上数据来源于网络,仅供参考

基于情绪因子的CTA截面策略

Quant最爱 ​

量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者,连续2年被腾讯云+社区评选为“年度最佳作者”。

作者:John Hua FANa、Sebastian BINNEWIESb、Sanuri De SILVAa

前言

本文主要研究了情绪因子在商品期货截面策略的应用。文章发现,情绪变化较大的商品的表现比情绪变化较小的商品要好。虽然情绪乐观/悲观的程度也很重要,但与情绪的变化相比,它的预测能力明显较弱。从2010年到2020年,一个基于高与低情绪变化的加权和月度再平衡的多空投资组合每年产生7.2%且统计显著的平均回报。这种naïve策略的夏普比率为0.75,最大跌幅为12.2%,与传统因子相比该因子收益翻了一倍多,风险降低了一半。情绪因子与动量、对冲压力、偏度和基差动量无关,但与基差风险负相关。与时间序列跨越检验一致,截面定价检验进一步表明,情绪因素具有显著的定价能力,超越商品基本面。

我们发现,在紧缩的宏观环境和资金流动性恶化的时期,情绪导致的错误定价最明显,主要来自投资组合的空头。

怎么计算期货情绪?

我们使用Twitter academic API获取了在2009年1月1日至2020年12月31日,所有匹配以下商品名称关键词的推文(如Table 1 Commodity Name),总共近4160,000,000条。

情绪因子策略测试

在每个月的最后一个交易日,我们将28种商品的横截面按∆ 分类,分为两个投资组合,即情绪变动高与情绪变动低。我们不应用任何平滑、缩放或优化来修改信号或资产权重。我们只是在大宗商品的TOP组中持有多头头寸,在BOTTOM组中持有空头头寸。多空组合的权重相等,按月进行再平衡。我们按照相同的逻辑来构造carry、动量、套期压力、偏度、动量和相对基差因子组合。下表给出了策略表现:

不同的tweet构建的情绪因子是否有区别?

如果情绪诱发的错误定价是有影响力的推文的结果,我们预计,当只使用非零转发和/或点赞的推文衡量商品情绪时,比使用所有推文衡量商品情绪时,会观察到更强(或类似)的表现。但是我们观察到,相反的是,有点赞的平均回报率有所下降。当同时考虑转发、点赞使用时,这些策略的回报大多不显著或弱显著。与表3中的主要结果相比,零tweet和非零tweet都不会产生更强的性能。此外,情绪是基于高关注还是低关注的推文来衡量,在统计上并没有差异。总的来说,这些发现表明情绪的预测能力取决于群体的集体智慧,而不是特定的用户群体。这一发现也暗示,至少在横向设置中,高关注用户/推文的定价影响是相当有限的。

不同的情绪计算方法是否有区别?

在上面的测试中使用了Loughran-McDonald sentiment lexicon。如果换一个词性词典结果会不一样吗?下面给出了结果,与其他替代方法相比,金融特定词典在股票定价方面表现良好,词典的选择在捕获大宗商品期货中情绪诱发的错误定价方面至关重要。