1.2　商品趨勢策略

商品趨勢策略是最傳統的量化交易策略，一般人們稱為程序化交易策略。下面簡單介紹一下。

1.2.1　程序化交易的摯愛

傳統的程序化交易者都是交易商品起家的，因為股指期貨2010年才上市。例如，TB開拓者陳劍靈就是做商品趨勢策略起家，然后反過來收購了TB開拓者，這種商品趨勢策略又統稱為CTA策略。

一開始的CTA策略一般基于日線指標，因為商品波動太低，持倉時間需要比較長，另外第三方平臺處理數據、優化策略的速度實在太慢，很難處理更高頻率的數據，因為有數十個品種，如果每個品種每個策略都優化一下，再放到幾十個品種重復做一遍，計算量會非常大。因此，CTA策略一般以日線為主，每天收盤前下單。

其實現在很多提及的機器學習、現代統計模型，實際上他們的建模過程比傳統的基于靈感和規則的程序化交易模型死板很多，也正因為建模分析過程很死板，因此容易規模化，也更方便嚴謹測試。實際上，很多靈活處理的交易策略未必能很好地轉成機器學習的模型。但從大規模生產和高速計算的角度來看，機器學習優勢明顯，此內容后面會提到。

下面看一下商品日線策略的例子，如圖1-4所示。

從2009年3月27日螺紋鋼期貨上市開始，至2017年7月18日，單手螺紋鋼初始資金3萬，由此可見年回報達到22.31%，累計回報433.31%，最大回撤11.22%，交易次數只有116次，相當于每年15次左右。交易成本是交易所手續費加兩個滑點，但由于交易次數非常少，因此加多一些滑點也不會差很多。

一般商品的買賣價差比較大，比如螺紋鋼，買賣價差一般占合約價值的0.3%～0.6%，而手續費只有萬分之一左右，因此對于商品低頻交易，成本更多指的是買賣價差，而不是手續費。

還有一項叫作MAR比率，它實際上是年回報與最大回撤的比值。由于最大回撤一直增加，而年回報一般來說每年會有波動，但整體來說不會隨著時間的增加而增加，因此MAR比率對時間長的資金曲線不利。比如一些國際知名的CTA產品，它的MAR或許只有1:1，因為它成立了20多年，總有回撤大的時候。因此，利潤率與最大回撤的比值更為合理。CTA策略的利潤率／最大回撤約38倍，是非常好的策略了。

這個策略是2014年8月10日前做的，之后沒有修改，如果看完全樣本外的情況，那么近3年表現，如圖1-5所示。

從圖1-5可以看出年回報沒有多少改變，利潤率／最大回撤也有3.35，應該說對單策略品種來說是不錯的。其實最大回撤的計算也按實際發生時的曲線值作為分母，如果最大回撤發生時間較晚，此時曲線值已經增長比較高了，計算出的結果就比較小。

可以再看看樣本外測試的一些指標，如圖1-6所示。

勝率是46.81%，盈虧比是2.01，一般趨勢策略的勝率都不會很高，40%～50%是比較理想的，而盈虧比會比較高，這里也有2倍以上。另外夏普率2.56也是比較高的，一般來說CTA策略的夏普比都不會很高，1～2倍比較常見。螺紋鋼是目前國內最活躍的商品期貨，因此一個CTA組合能否擴大盈利，很大程度上取決于它在這種活躍品種上的盈利程度。有些策略難以擴大容量是因為它盈利的都是小品種，而大品種虧錢。

1.2.2　2016年的輝煌

2015年股災之后，很多股民選擇把資金轉向商品市場，并且由于股指限倉，把原來交易股票的資金也轉去交易商品。基于股民炒股票只能做多不能做空的特點，這些股民進入商品市場后也維持了只做多不做空的風格，導致一時間多空失衡，因而引起了2016年商品市場的暴漲。很多原來做商品的大戶，包括現貨商和投機大戶，他們從基本面角度出發，維系著原來偏空的思路，隨著行情的上漲不斷做空，因此出現了散戶賺錢大戶虧錢的景象。由于散戶的進入，商品單邊趨勢行情明顯，因此CTA基金表現良好，很多第三方評價機構稱商品CTA策略是2016年的最佳策略。智道金服研究院統計數據顯示，CTA等權平均收益為9.40%，在所有大類資產配置策略中排名第一。

2016年雖然全年表現良好，但中間也出現了一些波折。比如7月、8月、9月很多CTA出現了回撤，10月、11月的大漲又恢復了過來。2016年11月11日星期五晚上，商品期貨價格全面大跌，大多數基金產品凈值出現了大幅度的回撤。由于此前的行情很好，大家倉位都比較重，因此這次回撤帶來的損傷也是非常嚴重的。此后的11月、12月大多數商品趨勢策略沒有太好的表現。

1.2.3　2017年的慘淡

很多基金產品從“11.11大屠殺”開始到2017年7月中旬一直回撤，甚至看不到凈值曲線有好轉的跡象。少數基金產品由于CTA基金控制了倉位，在連續七八個月的時間里窄幅振蕩，然后在2017年6月、7月的大行情中重新創了新高，結束了長達8個月的平臺期。

仔細分析這段時間，其實還是有很多值得思考的地方。比如著名的“11.11”行情，發生在周五晚上，商品集體跳水，原來持有多頭的CTA策略肯定是虧錢的，但如果反應及時，還是可以止損平倉出來，甚至反手做空，然后在11月14日即周一把周五晚上的虧損彌補回來。由于周五晚上和周一白天是同一個交易日，因此，如果處理得當是不會出現大幅虧損的。那段時間，商品日內策略和持倉3～5天的策略表現還是不錯的，但持倉7～10天的長線策略則不盡如人意。

在接下來的2017年1月、2月，持倉3～5天的策略則持續虧損，但一些更長期持倉的策略則表現良好，不少持倉1個月以上的策略不受短期波動的影響，在1月、2月表現良好。這類基金一般容量很大，達30億以上。日內交易的商品，表現也不錯。事實上，商品日內策略在2016年之后才有比較好的表現，因為之前商品波動太小，日內波動不足以覆蓋手續費，所以持續虧錢的。高頻和日內策略都與波動性高度相關。

一般持倉1個月以上的策略都要基于基本面的數據，國內目前存在的問題是基本面數據缺乏有效的來源，數據質量也很差，并且很難保證每天準時更新數據。萬德對每個品種有上中下游三類指標，每類指標都有數百個，因此每個品種可以有上千個基本面數據，除去月度、季度、年度的數據，日頻數據也有數百個。如何從數百個指標中找到有預測力的指標屬于統計學問題，畢竟日線的樣本不會很多。而且每個指標也可以通過一些公式衍生出不同的技術指標，總體來說預測因子的數目p特別大，而樣本數量n卻很小，畢竟每年才240多天，因此，這屬于p>>n的問題，屬于高維統計（high-dimensional statistics）問題，應該用一些稀疏性（sparsity）的模型來求解，如lasso模型，而不是那些神經網絡、深度學習等復雜的模型。

然而，3～6月，持倉3～5天的策略逐漸變好，而持倉1個月以上的策略卻損失慘重。這或許是因為持倉時間過長的策略被頻繁止損出局，由于這段時間的總體趨勢并不明顯，無論多空都有可能虧損嚴重觸及止損，而一般趨勢策略讓盈利充分奔跑，不會有強制的止盈措施，因此對長線持倉策略不利。

值得慶幸的是，2017年6月、7月商品又開啟了新一輪的大漲行情，商品CTA結束了長期的徘徊期，不少產品也創了歷史新高，開始迎接新的征程。

CTA作為一種策略類別，其本身或許會有很長的平臺期、回撤期，但由于它跟股票、債券、貨幣等其他投資品種相關性很低，因此，作為資產配置的一種手段，分散風險是非常必要的。對于個人投資者而言，期貨的高杠桿型本質上是零息貸款，并且杠桿可達5～10倍，比如個人可以放20～30萬元作為保證金進行全自動交易，每年預期收益100%，最大回撤30%～50%，10年獲得上千倍的回報，也不過二三億元，即使打個折扣，10年后100倍，也有兩三千萬，相當于合約價值1個億，對期貨市場影響非常小，完全在策略容量允許的范圍內。第二個10年，從兩三千萬元起家，如果是20倍的收益，也有5億元左右的收入。第三個10年，從5億元起家，如果是10倍收益，則是50億元的身家。30年時間，進可得50億元，退也不過損失20萬～30萬元，其實是值得考慮的。CTA策略1980—2010年這30年的表現與標準普爾500指數的對比，如圖1-7所示。

可見，從30年的時間段來看，相比于標準普爾500指數來說，CTA指數的收益增長要穩定得多，表現為收益更高，波動更小，回撤也不大。當然，CTA策略的總容量只有3千億美元，而標準普爾500的總市值高達幾十萬億美元，因此CTA更適合小眾市場，對個人投資者和小型機構投資者來說足夠了。

1.2.4　在公募機構做商品交易

一般來說，做商品CTA的大多以初創私募團隊和個人散戶為主，因為商品期貨具有高杠桿特征，可以獲得較高的收益。對于小團隊來說，募集資金比較困難，只能依靠高收益來吸引客戶，比如15%～20%的年化收益對客戶而言才有吸引力。如果是10%～15%的收益，股票量化對沖就可以實現，沒必要做高杠桿的期貨，很多大機構都在做，小私募沒有競爭力。

但是，對于商品CTA，公募基金很多都沒有涉足。主要是合規、風控方面的原因所導致。公募基金即使有專戶，也是偏向于頻率很低的股票對沖策略，因為公募基金自己的公募部門就有股票，對股票比較熟悉，對股票的風控也比較有經驗。但是對于商品，很多有夜盤。傳統的風控系統要加入夜盤模塊的話需要額外增加一二百萬元，加入商品本身也需要一二百萬元，如果是國債期貨可能又需要額外的一二百萬元。有人會說公募基金每年收入幾十億元，加入幾百萬元的成本似乎并不算什么。但每塊業務單獨核算，對于商品CTA而言，公募在募集資金方面跟私募是一樣的，并沒有優勢。因此，想要覆蓋數百萬元的成本，必須有幾個億的管理規模，這對于一開始成立商品的團隊來說是非常困難的。另外，公募對全自動交易非常抵觸，只允許出了信號后由交易員手動下單，這對期貨而言可以說是噩夢，畢竟波動大起來遠超股票，賬戶一多更是難以處理。很多在公募做CTA策略的都苦不堪言。另外，公募在量化人才方面儲備嚴重不足，在IT方面投入更加滯后，這些均遠遠比不上私募。因此，如果想在CTA方面發展，最好的選擇是去私募基金。