作者：探普基金研究院
在私募基金分类中，CTA(管理期货)策略指的是投资于期货市场的一种策略，而量化CTA策略则是用量化投资的手段来交易期货。由于期货和量化投资都是离普通投资者较远，使得量化CTA策略披上了一层神秘的面纱。
CTA策略为什么值得关注
CTA作为一个传统的策略，在海外发展了50-60年的历史，在中国有20年左右的历史，作为相对较主流的资产配置策略发展超过10年。先来看看这一策略的长期业绩到底如何？
根据海通证券的研究，海外市场CTA策略在2000-2023期间年化约8.72%，国内市场CTA策略表现在2014-2023期间年化约8.94%。
可以看出，无论是国内还是海外，CTA策略具有如下几个特点：
1. 从绝对收益角度来说，CTA策略是很靠前的，长期收益跑赢了股票多头、中性策略、对冲策略、事件驱动策略等其他策略。
2. CTA策略从夏普比率、最大回撤、日均波动率等性能指标来看，即从平稳性维度来说，也是比较突出的。长期收益高，但是波动却明显小于其他资产类别。
3. 由于CTA策略交易的对象就是代表通胀的商品，天然有防御通胀特征。此外，每当重大金融危机发生，商品反而会迎来较大的行情。从2008年金融危机、2020年新冠疫情、2022年俄乌冲突期间的表现来看，CTA策略在其他策略大幅下挫时都有一段向上的行情，这体现出了其“危机Alpha”的特性。
由于长期收益较高，且和其他大类资产的相关性较低，CTA策略已经成为大类资产配置中一类重要的资产类别，值得我们关注和研究。
CTA在国内的发展历程
在2010年以前，期货市场还是一个高度散户化的市场。2010之后，随着股指期货的上市，带来期货、套利这样的期货投资者，市场逐渐走向成熟化、机构化。2018年，原油期货上市，市场进一步走向国际化，未来，商品指数期货，南华商品指数等令人期待。
过去5年中，CTA在不断的证明自己，随着CTA业绩越来越亮眼，被机构投机者重视。2016年，黑色系的商品有一波强烈的上涨，带动CTA的表现，2020年又是CTA的另一个大年，大家越来越深切体会到CTA的配置价值， 目前已经发展成为一个主流私募策略。
从行业发展空间来看，海外CTA资产规模约3700亿美元，约为总对冲基金规模的6%。国内CTA资产规模约1000亿人民币，约为私募证券基金管理规模的0.8%。过去5年，期货市场成交量及上市品种都接近翻倍，国内CTA的发展空间还是足够的。
量化和主观CTA的区别
和股票投资一样，CTA也有量化和主观之分，主观投资更注重主要矛盾和大级别的机会，而量化CTA会看到很多细节，更多是追求每一笔交易在概率上的统计优势。主观和量化的区别主要体现在以下几点：
由于CTA投资的标的国内有几十个，交易的接口、标的的数量和信息的丰富程度对于量化是比较友好的。
量化CTA又可以进一步分为投机和套利。
从占比来看，量化CTA里投机的比重还是显著大于套利。因为套利涉及到两端的交易，需要相对更精细化的下单，使得套利的总体的容量更受限。投机主要是通过量价、基本面和宏观层面的分析来预测期货的价格走势。
CTA主要交易什么
从商品板块维度，期货分为商品和金融，商品包含黑色、有色金属、能化、贵金属，有色等板块，这些板块的商品各有特色。
能化以石油作为最上游，贵金具有避险属性，农产品也可以避险，它们通常和通胀相关联；工业品的供给端相对稳定，因为供给端需要大量资本的投入；而农产品的需求段则相对稳定，它的供给端更多的受到天气等因素的影响。相对来说黑色和有色的趋势性是比较好的。金融期货，主要包括股指和国债期货，是非常好对冲工具。
从因子维度，量化CTA主要交易动量、期限结构、库存和仓单这几大类因子。
动量因子本质上是趋势交易，是CTA策略中历史最悠久、同时也是最主流的一种交易模式。粗略估计，从全市场典型的CTA产品在因子上的暴露上看，动量因子所占的比重可能在60%-80%之间。
动量的来源主要是由于经济活动有计划性，经济周期、经济政策、财政政策在一段时间内通常具有一致性和持续性。比如说本轮美联储加息，已经持续了两年了。动量为主的CTA策略的特点通常呈现低胜率、高赔率的盈亏分布和做多“波动率”的特点。
如果说动量因子属于量价型因子，期限结构则属于和基本面相关的因子。
仓储价格理论认为期限结构与现货市场的供求关系和库存水平有关。
当现货市场供大于求，库存高企时，远月合约定价时需要考虑更高的持有成本，期限结构将呈Contango(升水)，Contango结构一方面反映现货供求关系的熊市，利于做空。
反之，当现货市场供不应求，库存较少时，远月合约定价时要考虑持有现货更高的便利收益和更低的持有成本，期限结构将呈 Backwardation(贴水)，利于做多。
粗略估算期限结构类因子暴露在CTA产品中的占比约占20%左右。
第三大因子是库存和仓单，表征商品的供给端属性，其中仓单属于显性库存，供给的变化将影响商品的涨跌。
CTA策略的持仓周期
持仓周期也是CTA策略的一个重要策略分类特征，一般将持仓5天以下的称为短周期，5-14天称为中周期，14天以上的称为长周期。
短周期和长周期有较大的互补性。比如今年以来，上半年短周期比较有利，后面长周期比较有利，过去两年长周期比较有利，而再往前短周期比较有利。这也是一些多策略基金会将长短周期相结合的原因。
综上，量化CTA可以从3个维度进行划分，即信息来源、时序还是截面以及时间周期。因此，比如我们说一个CTA策略是短周期时序动量策略才是较为完整的描述。
CTA交易的技术发展及创新
整体上，量化CTA的交易技术可分为两大类，一种是归纳法，就是面对大量的数据通过模型或者是其他的统计技术手段，从这些数据里面去提取规则。而这个规则有可能是随着时间变化的，需要归纳法以数据驱动的方式驱动模型。
有两个非常重要的因素都会驱动这个技术的发展，一个是AI技术发展，使得各种统计学习的手段变得更加成熟，更加工业化。另一个是量化股票量化的发展，从早期比较朴素的一些因子，到现在越来越精细化。
基本面的数据有蕴含着经济学原理，和面对数据挖掘规则不同，对于基本面数据和宏观数据，要找出他们自身所蕴含的规则，这就需要用演绎法。属于逻辑驱动的投资，其投资过程为整合清洗数据、建立数据库、解读数据背后的逻辑并用模型表达逻辑。相对于量价数据，基本面数据是非常庞杂、混乱的，处理难度很大。
展望未来，一方面，从交易频率来看，接下来可能会放缓。因为当一个市场变得更成熟的时候，它的波动率会趋向于下降，而交易频率和波动率相匹配。另一方面，从动量维度来看，交易动量的友好程度在下降，动量相对来说会变得更隐含，或者说就是需要更精细的方法把它提取出来。
对CTA管理人来说，要保持相对竞争力，就需要不断创新。根本的路径就是数据聪明和模型聪明。所谓数据聪明，就是使用一些更难获得的数据，比如深挖基本面数据及其背后的逻辑。深挖微观数据及关联性数据、结合宏观数据、探索市场新闻及情绪数据等另类数据等。模型聪明，就是用更聪明的模型去表达数据内隐含的关系，引入强化学习及大模型技术等。
配置CTA的时机
从历史数据来看，16年是个比较好的配置CTA策略的年份，20年又是个比较好的年份，那么下一个24年或者25年会不会是一个比较好的年份呢？宏观能够给我们一些启示，通过整合大量的经济和金融的数据，包括经济增长、通胀、货币流动性和信贷流动性，把市场划分成六种阶段，每种阶段都会有对应的资产配置。
随着宏观周期的演变，先衰退，然后进入到复苏，最后耐心的持有到过热，这期间配置商品就能获得较大回报。站在当前时点：
国内货币因子短期趋于收紧，信用因子还在低位徘徊，经济增长因子和通胀因子小幅抬升，还是停留在衰退末期、复苏前期阶段。
海外货币因子依然维持收紧态势，通胀因子小幅反弹，经济因子持平，整体经济周期指向从衰退期向滞涨期转移。
总体来看，整个大环境对商品会变得相对的更加有利。对于CTA来说，下一个大年也许就在不远的将来。
