1.2　商品趋势策略

商品趋势策略是最传统的量化交易策略，一般人们称为程序化交易策略。下面简单介绍一下。

1.2.1　程序化交易的挚爱

传统的程序化交易者都是交易商品起家的，因为股指期货2010年才上市。例如，TB开拓者陈剑灵就是做商品趋势策略起家，然后反过来收购了TB开拓者，这种商品趋势策略又统称为CTA策略。

一开始的CTA策略一般基于日线指标，因为商品波动太低，持仓时间需要比较长，另外第三方平台处理数据、优化策略的速度实在太慢，很难处理更高频率的数据，因为有数十个品种，如果每个品种每个策略都优化一下，再放到几十个品种重复做一遍，计算量会非常大。因此，CTA策略一般以日线为主，每天收盘前下单。

其实现在很多提及的机器学习、现代统计模型，实际上他们的建模过程比传统的基于灵感和规则的程序化交易模型死板很多，也正因为建模分析过程很死板，因此容易规模化，也更方便严谨测试。实际上，很多灵活处理的交易策略未必能很好地转成机器学习的模型。但从大规模生产和高速计算的角度来看，机器学习优势明显，此内容后面会提到。

下面看一下商品日线策略的例子，如图1-4所示。

从2009年3月27日螺纹钢期货上市开始，至2017年7月18日，单手螺纹钢初始资金3万，由此可见年回报达到22.31%，累计回报433.31%，最大回撤11.22%，交易次数只有116次，相当于每年15次左右。交易成本是交易所手续费加两个滑点，但由于交易次数非常少，因此加多一些滑点也不会差很多。

一般商品的买卖价差比较大，比如螺纹钢，买卖价差一般占合约价值的0.3%～0.6%，而手续费只有万分之一左右，因此对于商品低频交易，成本更多指的是买卖价差，而不是手续费。

还有一项叫作MAR比率，它实际上是年回报与最大回撤的比值。由于最大回撤一直增加，而年回报一般来说每年会有波动，但整体来说不会随着时间的增加而增加，因此MAR比率对时间长的资金曲线不利。比如一些国际知名的CTA产品，它的MAR或许只有1:1，因为它成立了20多年，总有回撤大的时候。因此，利润率与最大回撤的比值更为合理。CTA策略的利润率／最大回撤约38倍，是非常好的策略了。

这个策略是2014年8月10日前做的，之后没有修改，如果看完全样本外的情况，那么近3年表现，如图1-5所示。

从图1-5可以看出年回报没有多少改变，利润率／最大回撤也有3.35，应该说对单策略品种来说是不错的。其实最大回撤的计算也按实际发生时的曲线值作为分母，如果最大回撤发生时间较晚，此时曲线值已经增长比较高了，计算出的结果就比较小。

可以再看看样本外测试的一些指标，如图1-6所示。

胜率是46.81%，盈亏比是2.01，一般趋势策略的胜率都不会很高，40%～50%是比较理想的，而盈亏比会比较高，这里也有2倍以上。另外夏普率2.56也是比较高的，一般来说CTA策略的夏普比都不会很高，1～2倍比较常见。螺纹钢是目前国内最活跃的商品期货，因此一个CTA组合能否扩大盈利，很大程度上取决于它在这种活跃品种上的盈利程度。有些策略难以扩大容量是因为它盈利的都是小品种，而大品种亏钱。

1.2.2　2016年的辉煌

2015年股灾之后，很多股民选择把资金转向商品市场，并且由于股指限仓，把原来交易股票的资金也转去交易商品。基于股民炒股票只能做多不能做空的特点，这些股民进入商品市场后也维持了只做多不做空的风格，导致一时间多空失衡，因而引起了2016年商品市场的暴涨。很多原来做商品的大户，包括现货商和投机大户，他们从基本面角度出发，维系着原来偏空的思路，随着行情的上涨不断做空，因此出现了散户赚钱大户亏钱的景象。由于散户的进入，商品单边趋势行情明显，因此CTA基金表现良好，很多第三方评价机构称商品CTA策略是2016年的最佳策略。智道金服研究院统计数据显示，CTA等权平均收益为9.40%，在所有大类资产配置策略中排名第一。

2016年虽然全年表现良好，但中间也出现了一些波折。比如7月、8月、9月很多CTA出现了回撤，10月、11月的大涨又恢复了过来。2016年11月11日星期五晚上，商品期货价格全面大跌，大多数基金产品净值出现了大幅度的回撤。由于此前的行情很好，大家仓位都比较重，因此这次回撤带来的损伤也是非常严重的。此后的11月、12月大多数商品趋势策略没有太好的表现。

1.2.3　2017年的惨淡

很多基金产品从“11.11大屠杀”开始到2017年7月中旬一直回撤，甚至看不到净值曲线有好转的迹象。少数基金产品由于CTA基金控制了仓位，在连续七八个月的时间里窄幅振荡，然后在2017年6月、7月的大行情中重新创了新高，结束了长达8个月的平台期。

仔细分析这段时间，其实还是有很多值得思考的地方。比如著名的“11.11”行情，发生在周五晚上，商品集体跳水，原来持有多头的CTA策略肯定是亏钱的，但如果反应及时，还是可以止损平仓出来，甚至反手做空，然后在11月14日即周一把周五晚上的亏损弥补回来。由于周五晚上和周一白天是同一个交易日，因此，如果处理得当是不会出现大幅亏损的。那段时间，商品日内策略和持仓3～5天的策略表现还是不错的，但持仓7～10天的长线策略则不尽如人意。

在接下来的2017年1月、2月，持仓3～5天的策略则持续亏损，但一些更长期持仓的策略则表现良好，不少持仓1个月以上的策略不受短期波动的影响，在1月、2月表现良好。这类基金一般容量很大，达30亿以上。日内交易的商品，表现也不错。事实上，商品日内策略在2016年之后才有比较好的表现，因为之前商品波动太小，日内波动不足以覆盖手续费，所以持续亏钱的。高频和日内策略都与波动性高度相关。

一般持仓1个月以上的策略都要基于基本面的数据，国内目前存在的问题是基本面数据缺乏有效的来源，数据质量也很差，并且很难保证每天准时更新数据。万德对每个品种有上中下游三类指标，每类指标都有数百个，因此每个品种可以有上千个基本面数据，除去月度、季度、年度的数据，日频数据也有数百个。如何从数百个指标中找到有预测力的指标属于统计学问题，毕竟日线的样本不会很多。而且每个指标也可以通过一些公式衍生出不同的技术指标，总体来说预测因子的数目p特别大，而样本数量n却很小，毕竟每年才240多天，因此，这属于p>>n的问题，属于高维统计（high-dimensional statistics）问题，应该用一些稀疏性（sparsity）的模型来求解，如lasso模型，而不是那些神经网络、深度学习等复杂的模型。

然而，3～6月，持仓3～5天的策略逐渐变好，而持仓1个月以上的策略却损失惨重。这或许是因为持仓时间过长的策略被频繁止损出局，由于这段时间的总体趋势并不明显，无论多空都有可能亏损严重触及止损，而一般趋势策略让盈利充分奔跑，不会有强制的止盈措施，因此对长线持仓策略不利。

值得庆幸的是，2017年6月、7月商品又开启了新一轮的大涨行情，商品CTA结束了长期的徘徊期，不少产品也创了历史新高，开始迎接新的征程。

CTA作为一种策略类别，其本身或许会有很长的平台期、回撤期，但由于它跟股票、债券、货币等其他投资品种相关性很低，因此，作为资产配置的一种手段，分散风险是非常必要的。对于个人投资者而言，期货的高杠杆型本质上是零息贷款，并且杠杆可达5～10倍，比如个人可以放20～30万元作为保证金进行全自动交易，每年预期收益100%，最大回撤30%～50%，10年获得上千倍的回报，也不过二三亿元，即使打个折扣，10年后100倍，也有两三千万，相当于合约价值1个亿，对期货市场影响非常小，完全在策略容量允许的范围内。第二个10年，从两三千万元起家，如果是20倍的收益，也有5亿元左右的收入。第三个10年，从5亿元起家，如果是10倍收益，则是50亿元的身家。30年时间，进可得50亿元，退也不过损失20万～30万元，其实是值得考虑的。CTA策略1980—2010年这30年的表现与标准普尔500指数的对比，如图1-7所示。

可见，从30年的时间段来看，相比于标准普尔500指数来说，CTA指数的收益增长要稳定得多，表现为收益更高，波动更小，回撤也不大。当然，CTA策略的总容量只有3千亿美元，而标准普尔500的总市值高达几十万亿美元，因此CTA更适合小众市场，对个人投资者和小型机构投资者来说足够了。

1.2.4　在公募机构做商品交易

一般来说，做商品CTA的大多以初创私募团队和个人散户为主，因为商品期货具有高杠杆特征，可以获得较高的收益。对于小团队来说，募集资金比较困难，只能依靠高收益来吸引客户，比如15%～20%的年化收益对客户而言才有吸引力。如果是10%～15%的收益，股票量化对冲就可以实现，没必要做高杠杆的期货，很多大机构都在做，小私募没有竞争力。

但是，对于商品CTA，公募基金很多都没有涉足。主要是合规、风控方面的原因所导致。公募基金即使有专户，也是偏向于频率很低的股票对冲策略，因为公募基金自己的公募部门就有股票，对股票比较熟悉，对股票的风控也比较有经验。但是对于商品，很多有夜盘。传统的风控系统要加入夜盘模块的话需要额外增加一二百万元，加入商品本身也需要一二百万元，如果是国债期货可能又需要额外的一二百万元。有人会说公募基金每年收入几十亿元，加入几百万元的成本似乎并不算什么。但每块业务单独核算，对于商品CTA而言，公募在募集资金方面跟私募是一样的，并没有优势。因此，想要覆盖数百万元的成本，必须有几个亿的管理规模，这对于一开始成立商品的团队来说是非常困难的。另外，公募对全自动交易非常抵触，只允许出了信号后由交易员手动下单，这对期货而言可以说是噩梦，毕竟波动大起来远超股票，账户一多更是难以处理。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储备严重不足，在IT方面投入更加滞后，这些均远远比不上私募。因此，如果想在CTA方面发展，最好的选择是去私募基金。