CTA策略指数稳步上升的非线性收益特征 [page::3]

• 2000年以来Eurekahedge CTA指数展现阶跃式上涨，尤其在市场波动率上升时期表现突出。

- 2018年为唯一全年负收益，其他年份维持较好正收益表现。

CTA策略分类及特点概览 [page::4][page::5][page::6]

• 按投资人视角划分为主观交易、量化交易和FOF三类。

- 按策略逻辑划分为低频、高频、做市和套利四大类。

• CTA策略特征包括收益非线性、多空对称、危机Alpha和多周期多品种。

CTA量化策略的因子开发流程和典型因子示例 [page::11][page::12][page::14][page::15]

• 因子开发遵循单因子挖掘、因子评价（信息相关系数、半衰期、相关性、分档收益）和组合回测步骤。

- STM因子基于价格区间位置构建，数值经过平衡优化。

• VwapLim因子基于5分钟内大单成交均价与总体成交均价比率构建，作为趋势指标。

- 两因子组合相关性较低，合力提升策略的效果和稳定性。

展期策略核心逻辑与因子构建 [page::18][page::19][page::20]

• 通过远近月合约升贴水数据，利用BTG因子进行横截面排序，做多贴水最远月合约，做空升水最多合约。

- 展期策略持仓规模遍历后选择最优持仓N=5。

• 策略日均换手率整体适中，较高流动性保障策略实施。

线性趋势策略与展期策略组合效果及优化 [page::21][page::22][page::23]

• 策略日收益相关系数为负，组合显著提高整体平稳性和夏普比率。

- 10000次蒙特卡洛模拟得到稳定有效前沿，多种组合优化方法均表现接近，验证组合鲁棒性。

• 组合策略在多个年度表现优异，能有效分散风险。

绩效归因与细分板块贡献 [page::17]

• 线性趋势因子策略收益主要由黑色建材和金属板块贡献。

- 各交易所和品种表现差异明显，提供多样化投资标的。

量化CTA系列报告——线性趋势策略和展期策略深度解析

---

1. 元数据与报告概览

• 报告标题：《量化CTA系列报告——线性趋势策略和展期策略》

- 作者与机构：分析师朱人木，国联证券研究所

• 发布时间：未明确具体日期，但报告数据覆盖至2022年初

- 主题：围绕CTA（商品交易顾问）策略，重点聚焦线性趋势策略与展期策略的开发、绩效和组合优化

• 报告核心论点：

- 自2000年以来，CTA策略指数整体稳步上升，具备非线性收益特征，同时呈现危机alpha属性
- CTA策略核心收益来源分为价格趋势延续收益和远近合约展期收益
- 线性趋势策略基于分钟级和日频数据驱动，构建量价、盘口等因子
- 展期策略基于商品远近月合约的升贴水结构，通过做多贴水多合约、做空升水合约获取收益
- 两类策略因收益来源差异，策略相关性负，为组合优化提供良好基础，显著提升绩效稳定性和夏普率

• 评级：报告未直接给出具体标的评级，但提供了标准的投资评级说明，强调策略研究而非单一投资建议[page::0][page::24][page::25]

---

2. 逐章深度解读

2.1 CTA 策略发展与分类

• 1.1 CTA策略指数收益率稳步上升

报告援引Eurekahedge数据，2000年至2022年3月，CTA指数总体趋势稳步上升，呈现非线性收益特征。非线性体现在当市场波动率低时，指数表现为横盘震荡，而波动率上升则出现阶梯式上涨，验证了CTA的危机alpha能力，即在市场危机期表现突出。2018年为唯一负收益年度，其余年份均正收益，长期表现稳健[page::3]。

• 1.2 CTA策略特征

CTA策略具备五大特点：多空对称、收益曲线非线性、危机alpha、与权益策略低相关性、多周期多品种。多空对称指交易多空头寸成本和资金权重对称，危机alpha体现为权益市场大跌时波动率提升推动策略收益。多周期多品种则强调策略覆盖广泛[page::4]。

• 1.3 国内量化私募公司规模分布

国内量化私募公司以规模小型为主，0-5亿元占比近六成，10亿以下占比超过九成，显示国内量化CTA市场尚处发展早期，缺少头部集中，成长空间大[page::4]。

• 1.4 CTA策略分类

从投资者视角分为主观交易、量化交易和CTA的FOF。主观交易依赖行业研究获得beta收益，量化交易以数学模型和程序执行获取稳定收益，FOF现多为探索状态。因此，现阶段量化CTA占主导。
策略逻辑分为低频策略（包括主观与量化，基于经济周期、库存数据等）、中高频策略（利用量价、盘口等多因子趋势追踪）、极速高频抢单（15分钟以内利润捕捉）、做市（提供流动性赚价差及手续费）及套利策略（跨期、跨品种、跨市场的价差套利）[page::5][page::6]。

• 1.5 各类策略绩效表现特征

图表展示四大策略类型的净值曲线及特征：
- 低频趋势CTA收益稳定，容量大，回撤适中
- 中高频趋势收益更稳健，回撤更小，但容量受限
- 极高频CTA回撤小但容量极小，交易事故影响大
- 套利CTA回撤极小，收益适中，容量较大，策略较稳健
- 主观CTA收益最高但波动大
- CTA的FOF则处于探索学习阶段，产品数据不足[page::6][page::7]。

• 1.6 国内量化CTA发展历程

回顾国内CTA发展：20世纪90年代萌芽期依赖主观与半程序化；2010-2015年程序化、股指期货推出，商品期货多样化刺激中低频量化；2015-2018年算力提升推动高频化竞争激烈；2019年至今，私募以集群服务器推动多策略、多资产联动及机器学习研究，策略日益多样化[page::8]。

• 1.7 CTA策略核心收益来源

- 趋势延续收益：市场波动呈肥尾状态，趋势行情中价格延续运动提供收益
- 展期收益：商品远近月合约的价差结构（Backwardation和Contango）产生稳定展期回报，通过买入贴水合约卖出升水合约获取收益[page::9]

---

2.2 线性趋势策略开发

• 2.1 数据来源及品种分类

全部tick数据来源CTP柜台行情，历史缺失数据用掘金量化等平台补充，分钟K线为tick合成。主力合约选取原则是当天成交量最大合约为次日主力，月份远递延。复权因子基于成交均价和复权系数计算。策略覆盖商品全市场42个品种，分属塑料、黑色建材、农副产品、金属四大板块[page::10]。

• 2.2 线性趋势策略开发步骤

线性趋势策略以线性关系为核心，信号值增大对应仓位增大，与非线性策略区别明显。开发流程包括三个阶段：单因子挖掘、因子评估（信息相关系数、因子半衰期、相关系数、分档收益）、组合回测（简单线性组合为主，因数据量限制和稳定性考虑，少用复杂模型如神经网络）。用分钟K线量价与盘口数据进行因子设计，遗传规划等方法风险在于过拟合[page::11]。

• 2.3 STM因子开发详解

STM因子基于移动窗口内最高价（HH）、最低价（LL）及收盘价，计算收盘价格在高低区间的位置比例（优化后围绕0对称分布），作为趋势信号。因子参数多样，结合未来买入卖出收益率进行评估，部分参数半衰期跨越15至1500分钟区间，表明因子信号在不同时间尺度有预测力。相关参数组合之间相关系数适中，可用以组合分散风险。对应因子值分档显示明显的收益梯度，表明因子有效。回测结果平稳上升，表现良好[page::12][page::13][page::14]。

• 2.4 VwapLim因子开发

该因子基于5分钟内最大成交量200个snapshot的成交均价与所有订单成交均价之差，反映大单资金的价格倾向，为趋势因子。因子评估显示信息相关系数和半衰期表现较优，具有效果。STM因子和VwapLim因子相关性较低（最高0.31），能作为组合互补因子使用[page::15]。

• 2.5 因子组合回测

两因子组合绩效曲线更为平滑，表现优于单因子。年化收益率、最大回撤、波动率及夏普率指标均显示组合具备稳健性。

• 2.6 线性趋势因子策略绩效归因

板块贡献中黑色建材（约32%收益）和金属部贡献最大，农副产品、石化次之。交易所方面，大连商品交易所贡献最高，郑州商品交易所、上海期货交易所次之。细看品种，焦炭、螺纹钢等主力品种贡献较大，而个别品种如锌出现负贡献[page::16][page::17]

---

2.3 展期策略开发

• 3.1 展期策略逻辑介绍

商品库存周期引导远近月合约展期呈现两种结构：Backwardation（远月贴水）和Contango（远月升水），库存高低位推动价格结构轮换。展期策略通过买入贴水聚集的合约，卖空升水合约，赚取展期收益，属于趋势之外的另一收益来源[page::18]。

• 3.2 BTG因子构建

因子基于每个期货合约的展期收益率（用远近月合约对数差价年化调整除以剩余交易天数），以成交量加权，得到品种统一的展期收益率。对所有品种日内按升序排名，排名值作为BTG因子，表示相对展期水平[page::19]。

• 3.3 展期策略回测

数据以日频为主，对42个品种均匀分配资金。BTG因子最小值的N个品种做多，最大值N个品种做空，N取3、5、10对比，最终选取中间值5。回测结果表明持仓数量N变化对收益影响明显，换手率数据及回测绩效曲线均进行展示，显示策略有效且有一定灵活性[page::20]。

---

2.4 两类策略组合与优化

• 4.1 简单线性组合

线性趋势策略与展期策略的日收益率相关系数为-2.57%，说明两类策略收益来源具有负相关性，有利于风险分散。组合后净值曲线平稳提升，夏普率及年化收益均优于单独策略，组合策略月度和年度表现均明显改善，风险调整后收益提升显著[page::21][page::22]。

• 4.2 Markowitz组合优化

通过10,000次蒙特卡洛模拟，得到有效前沿曲线，探索不同风险收益权衡下的资产配置。以最大化收益和最大夏普率为目标的组合优化效果接近简单等权组合，显示组合策略稳健且鲁棒性高，未因优化造成过拟合风险[page::22][page::23]。

---

2.5 总结与风险提示

• 总结

CTA策略指数长期稳步增长，展示危机alpha效应。其收益主要依赖价格趋势延续和合约展期结构两大部分。
线性趋势策略基于分钟及日级数据，侧重量价和盘口因子，覆盖多品种多个周期。展期策略利用期货合约升贴水结构捕捉稳定收益。两种策略因构建逻辑和收益来源不同，组合后显著提升风险调整收益。
报告强调关注策略底层逻辑多于过度优化，有助于提升策略表现和鲁棒性[page::24]。

• 风险提示

报告结果基于合理假设和历史数据统计规律，未来市场环境变化存在模型失效风险，投资者需谨慎对待数据带来的不确定性[page::0][page::24]。

---

3. 图表深度解读

3.1 Eurekahedge CTA指数表现（图表1 & 2）

• 图表1 展示从1999年底至2022年的持续上升曲线，绘制红线为CTA指数，灰色区域为回撤幅度。观测显示指数在波动率低迷期震荡，波动率上升则显著上涨，体现了危机alpha特征。

- 图表2为分月收益矩阵，显示除了2018年全年为负，其他年份均为正，突出稳定性及非线性收益特征。最近年份如2021、2022年初表现尤为良好[page::3]。

3.2 CTA策略特征与市场分布（图表3 & 4）

• 图表3用五个八边形直观展现CTA五大策略特征，有助理解CTA的多样性与韧性。

- 图表4展示私募公司规模占比饼图，0-5亿私募占近六成，体现市场集中度低，成长空间大。但图中部分数据未完整展示，需关注数据准确性[page::4]。

3.3 策略分类与表现（图表5至12）

• 图表5和6详细阐释投资人与策略逻辑视角的CTA分类，条理清晰，有助理解策略多元形态。

- 图表7-12各类策略净值曲线展示，不同策略表现差异明显，方便投资者评估策略风险收益特征。如极速高频回撤极小但容量极小，主观CTA波动大收益高等[page::5][page::7]。

3.4 线性趋势策略因子开发与回测（图表16至29）

• 图表16展示交易品种详细分类，覆盖面广，确保策略多样化。

- 图表17、18阐明开发流程和技术路线，强调简单线性组合的稳定性和解释性。

• 图表19至25对STM因子构建、参数优化、半衰期计算方法及回测展示，量化指标丰富。

- 图表28展示因子组合提升策略稳定性，绩效曲线更为平稳。图表29详细罗列各年度绩效指标，夏普率、回撤等核心指标均展现良好[page::10]-[page::16]。

3.5 线性趋势策略绩效归因（图表30至32）

• 板块收益主要来源于黑色建材和金属，体现这些板块的趋势性和流动性强。

- 交易所贡献排序为大连商品交易所居首，反映出市场主力品种的权重分布及活跃度[page::17]。

3.6 展期策略因子与回测（图表33至38）

• 图表33展示库存驱动商品期货切换库存周期以及展期结构变化，图示清晰显示了库存、需求与展期结构的内在关系。

- 图表35详细列举BTG因子计算流程及排名示例，辅助理解展期收益捕捉逻辑。

• 图表36展示历史品种数量增长体现市场扩容。

- 图表37和38通过持仓数量与换手率遍历探讨了参数敏感性，有助优化执行策略[page::18]-[page::20]。

3.7 策略组合相关性及绩效（图表39至44）

• 图表39明示两个策略日收益率负相关（-2.57%），成为风险分散的理论基础。

- 图表40与41展示简单1:1组合带来的净值提升效果及分年度详细数据，策略组合显著提升夏普率和回撤控制。

• 图表42显示蒙特卡洛额度模拟出的有效前沿，表明组合策略在收益与波动权衡上具备多样选项。

- 图表43、44对比三种组合优化策略的净值和绩效，结果显示优化改善有限，证实简单组合已较为稳健[page::21]-[page::23]。

---

4. 估值分析

本报告并未涉及具体的公司或标的估值模型，而是聚焦于CTA策略本身的收益构建、因子开发及多策略组合优化。

报告使用了经典的组合优化方法（Markowitz均值-方差模型），通过大量蒙特卡洛模拟探索策略组合权重，确定效率前沿。关键输入为两类策略的历史日收益序列，计算收益期望和波动率，得到组合的夏普率和最大回撤指标。
三种优化目标（最大收益、最大夏普率及简单等权）结果接近，说明策略组合稳健具有较好鲁棒性[page::22][page::23]。

---

5. 风险因素评估

报告重点风险提示：

• 模型风险：模型基于历史统计规律及合理假设，未来市场环境变化可能导致模型失效，此为系统性风险。

- 数据风险：因子和策略回测数据准确性、完整性影响模型表现，尤其高频数据处理中的信息误差可能带来影响。

• 执行风险：高频策略及展期策略涉及频繁交易，滑点、交易成本变化及市场冲击可能影响实际收益。

- 市场风险：突发事件、流动性枯竭或市场结构变化可能导致收益非预期偏离。

报告并未明确涉及风险缓解措施，投资者需结合自身风险承受能力动态调整策略和仓位[page::0][page::24]。

---

6. 批判性视角与细微差别

• 策略开发的过拟合风险

报告指出遗传规划方法易过拟合，复杂非线性模型解释性较差。当前多以简单线性组合降低过拟合风险，但仍需警惕模型失效。

• 样本外表现不确定性

所有因子和策略基于历史数据，未来行情可能出现新特点，导致策略失效，尤其在非正常市场环境。

• 数据展示与清晰度问题

部分图表（如国内私募规模饼图）因格式错误缺少具体数值，部分表格格式不规范，可能对读者理解略有障碍。

• 组合优化效果有限

股价优化组合显示三种目标下结果相近，说明简单组合已具有较好的性能，过度优化收益边际递减。

• FOF策略尚处于探索阶段

国内CTA产品历史数据不足，致使FOF应用尚未成熟，需要更多数据积累和规范化产品开发。

整体来看，报告分析专业且系统，较好平衡理论方法和实操经验，但依然依赖大量历史规律，提示关注环境变化风险。

---

7. 结论性综合

本报告系统全面地分析了CTA策略，特别是线性趋势策略与展期策略，详细阐释了策略的理论基础、因子构建、数据来源、策略特点及组合优化：

• CTA策略长期表现稳健，拥有非线性收益和危机alpha属性，特别是在市场波动性上升期表现突出。

- 核心收益来源二分明：趋势延续收益依托市场肥尾波动；展期收益基于商品远近月合约升贴水差价。

• 线性趋势策略基于分钟及日频量价、盘口和结构化现货数据构建，因子如STM、VwapLim均表现良好，历史回测结果稳定，主要收益由黑色建材和金属板块贡献。

- 展期策略利用BTG因子捕捉升贴水排名，交易规避成本，表现同样稳健，策略参数（持仓数量等）对绩效影响明显。

• 两类策略的收益率呈负相关性，组合策略明显提升稳定性和夏普率，组合优化验证组合鲁棒性，简单线性组合已较优。

- 风险提示明确基于历史和模型假设，强调市场环境变化和模型失效风险，提醒投资者保持警惕。

图表及数据的丰富支撑了上述结论，特别是收益曲线、因子半衰期、相关系数矩阵和年度绩效分解，为理解策略稳定性、多样性和组合优势提供了强力佐证。整体来看，报告定位精准、分析详尽，适合作为CTA策略研究和产品开发的专业参考资料[page::0][page::3][page::4][page::7][page::9][page::14][page::16][page::20][page::21][page::23][page::24]。

---

总体评价

该报告以丰富数据和严谨分析完整呈现了CTA策略框架和实务操作细节，特别是线性趋势和展期策略的开发逻辑、因子评估、回测表现及组合优化。重点在于策略组合对冲与收益提升，尤其适合量化研究员和CTA产品经理借鉴。文中对策略的理性认知和风险警示较为充分，但仍需关注策略环境适应性和数据准确性。对推动国内CTA行业成熟和量化策略多元化有建设性的理论及实践贡献。

报告