2020年无疑是股票多头策略的“大年”，与此同时管理期货(CTA)策略也迎来了春天。疫情影响下，市场不确定性增加，商品市场大幅波动，趋势性机会涌现，显著提升了CTA策略的盈利空间。

　　根据海通证券研究所的统计，从全市场平均表现来看，CTA基金每年都能获取超过10%的正收益，而量化CTA产品表现更为出色，无论是夏普比率还是最大回撤均超过CTA产品的平均水平。

2010年，CTA基金在国内萌芽，主要以私募基金形式存在。随着公募基金专户投资范围的放开，基金专户形式的CTA基金应运而生，其运作更加公开，丰富了投资者的资产配置工具。

　　朱雀基金量化团队在私募时期便开始开发CTA策略，至今已形成较为成熟的投资体系和量化CTA策略。朱雀基金量化组负责人章晓珏表示，投资者往往有一个误区，认为期货交易等同于高杠杆、高风险。但事实上，多数量化CTA策略都会通过分散化投资于不同的期货品种来提高策略的稳健性。品种分散化可以提升所投资的品种出现高波动行情的几率，但更重要的是可以更好地控制回撤。

　　她解释，股票类资产具有内部正相关性，不同个股的走势长期来看同受市场beta影响，特别在极端行情中往往同涨同跌，而不同大类的大宗商品期货之间走势的异质性更强，正是由于商品品种间的低相关性甚至负相关性，使得分散化投资在期货上可以更有效地实现风险的分散化。朱雀基金量化团队的投资理念是通过量化的方法寻找长期期望收益为正的策略，并通过在持仓周期、持仓品种和投资逻辑上的充分分散来控制回撤。

　　由于CTA策略的收益往往与波动率水平呈正相关，因此在市场大幅下跌时，该策略能获得较高收益，被称为“危机保护策略”。例如2018年权益市场低迷的背景下融智-中国对冲基金管理期货指数上涨 4.77%，再如去年2月3日和3月份市场大跌的时候，CTA策略也表现突出。从大类资产配置的角度看，由于低相关性，在持有股票型基金获取阿尔法的同时，配置CTA产品可以在资产组合的层面起到风险分散化的作用。

　　随着机器学习、人工智能浪潮的到来，越来越多的机构开始试水通过机器学习的方法来开发量化策略。朱雀量化团队2016年即开始机器学习的研究，目前已经进入2.0阶段。

　　章晓珏介绍，传统的因子挖掘主要由投资经理根据自己的交易经验和逻辑来手工完成，人工挖掘得到的因子因为具有较强逻辑性，因此往往可以在较长时间内都保持有效。但缺点是因子挖掘的周期较长，并且这两年随着各家机构研究的不断深入，人工挖掘因子的效率不断降低。所以朱雀基金在传统的人工因子挖掘外引入了遗传规划，由算法自动对因子进行挖掘。算法挖掘因子的优势是可以依托计算机的强大算力，因子挖掘效率非常高，但缺点是由于因子的逻辑性较弱，所以需要定期的迭代更新来维持因子的有效性。

　　因为机器学习特别是神经网络模型的决策流程是一个黑箱，所以这类模型一直以来也被批评可解释性太差。章晓珏介绍，朱雀基金去年在机器学习的可视化方面也有所突破，试图打开神经网络的黑箱，观察它到底是如何做出价格预测的。通过热力图的表征，可以更清晰地看到，神经网络在做训练的时候，通过不断吸纳学习新的数据来调整模型自身，并且在实盘做出价格预测的时候也较好地适应了市场环境的变化。

　　在CTA之外，朱雀基金量化团队还对阿尔法策略做了升级改造：首先挖掘一些可以预测股票未来相对强弱的选股因子，数据源包括个股的基本面、量价特征、资金流、分析师对个股的一致预期等等，然后将因子放入机器学习模型做因子组合。最后通过对股票流动性的筛选确定选股范围，再用组合优化的手段，使得所选股票组合在风格和行业上的分布尽可能贴近基准指数，从而得到一个跟踪误差低又可以跑赢基准指数的股票组合。

　　章晓珏透露，朱雀基金将在今年推出全新的“CTA+阿尔法策略”量化产品，使用机器学习的手段，挖掘股票和期货中的投资机会。