来源：雪球App，作者： 小轶洞见，（https://xueqiu.com/8048575055/220168377）

从策略类型来看，CTA 策略主要由交易方式和交易频率进行区分。

从交易方式来看，可分为量化CTA 以及主观CTA。

量化CTA 可分为时序策略、截面策略以及部分统计套利，主观CTA 则多集中在套利以及单边趋势策略中。

附图：CTA 策略类型

数据来源：Wind，国泰君安证券研究

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。

主观CTA

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。

附图：主观CTA

数据来源：Wind，国泰君安证券研究

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

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

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。

附图：传统趋势跟踪策略

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 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。

附图：趋势的生命周期

数据来源：《Demystifying Managed Futures》

最后，趋势终将结束，回归基本面。趋势策略的收益分布往往呈现右偏态，即较高的盈亏比，较低的胜率，这也是其特点所在。

规则模型

时序模型还分为规则模型以及预测模型。

规则模型较为经典，如双均线，通道突破，布林带等。构建简单，技术门槛低。规则模型的缺点在于仅能判断标的的变化方向，在仓位管理上需要额外叠加额外的量化模型或进行人为主观控制。

规则型模型的另一问题是，规则依靠人为定义，而人的认知是有限的，所以规则数量也是有限的，策略表现依靠规则定义中的参数控制，从而导致两个问题。从整体策略角度看，有限的规则导致欠拟合，从单体策略角度看，参数控制导致过拟合。下图所示为典型的布林轨以及均线策略，通过标准差倍数以及均线周期控制策略表现。

附图：规则模型

数据来源：Investopedia

预测模型

虽然规则模型仍具备旺盛的生命力，但不少顶级量化私募已经开始转变为预测模型。预测模型与规则模型最大的区别在于，前者不仅能给出标的的变化方向，还能给出预期的变化幅度。预测型时序策略是最新基于机器学习的CTA 策略，策略构建复杂，技术门槛高，但扩展性强。

附图：预测模型

如上图所示，这是某海外对冲基金针对布油所做的策略比较。红线为预测模型发出的信号，灰色为传统规则模型发出的信号。预测模型的信号显然换手更高，但不仅能捕捉到大时间尺度下的价格波动，在震荡行情中也能通过小时间尺度的价格波动进行盈利。

不同于规则模型的叠加，预测模型的整体生成流程有点类似于头部量化私募股票策略的处理方式，历经数据清洗-特征工程-拟合工程大致三个步骤。不同点在于目标函数的设置，以及特征生成的偏好，以及拟合目标的选择上。个别量化CTA 产品在对外宣传过程中，也有采用端到端的方式生成交易信号，即将特征工程以及拟合工程融合到神经网络中进行一致解决的方案。

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。

截面模型

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。

下图为CTA 策略中常见因子大类及细分因子。

附图：常见CTA 因子

数据来源：国泰君安证券研究

统计套利类策略的收益特征和趋势跟踪相反，收益分布往往呈现左偏态，即胜率高，盈亏比较低，一旦品种（组）之间的价差突破历史区间，收敛预期被打破，会面临更大的尾部风险。

下图为常见CTA 单因子策略表现

数据来源：Wind，国泰君安证券研究

相关策略逻辑及构建方式节选自相关指数编制方法。

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。

统计套利

传统套利策略通过同时交易两或者多个相关的品种，并且进行双向开仓，期望从两者的价差回归中获取收益，具体包括期现套利、跨期套利、跨品种套利、跨市场套利等。

期现套利需要结合产业知识及信息，往往不在纯量化CTA的范畴之内。跨市场套利在国内基本等同于跨境套利，需要跟踪国内外品种的之间的联动，对时间效率要求较高，需要及时获取多个市场的交易数据。

跨期及跨品种套利分为两种做法，即价差的时序预测及横截面多因子，前者将调整过的价差曲线看作一个新的标的，并运用趋势跟踪或预测模型，最终得到信号，模型整体较为灵活，但是策略难度也相对横截面策略更高。

高频交易

高频交易主要有做市、套利或短期预测等方式，对交易系统要求较高，容量也相对有限。其具体做法素来神秘，并无系统化的公开信息，毕竟在稳定盈利面前，从业者大多三缄其口，可谓知者不言，言者不知。所以我们并不打算班门弄斧，只是从个人研究经验上作一些猜测。

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。

近段时间随着保证金及手续费的提高，高频策略直接受到影响，监管的加强无疑又给这一赛道笼罩了一层阴霾，或许以后高频交易会变得愈发神秘。

本文参考：国泰君安证券：《量化CTA 策略：理念、框架与实战》，2022/4/24

主观CTA：$明睿聚宝盆主观择时CTA策略(P001123)$   量化CTA：$会世元丰8号(P001095)$      $量道CTA精选18A号(P001110)$