圆桌论坛：CTA策略未来新机遇
和讯基金消息 由财视中国主办的“2017第四届对冲基金中国年会”于2017年10月28日在北京隆重举行，年会得到AIMA、CFA Insitute、康州对冲基金协会、CAIA协会、芝商所、Interactive Brokers、宜信财富、阿法金融、平安银行(000001,股吧)、衡力斯、聚宽量化、东英资管、广州九逸资产、Imagine Software、Campari、厚石天成投资的大力支持。本次年会汇聚来自对冲基金行业顶级投资人、投资机构、基金管理人共计300余人到会。
在分会场B：量化投资与智能BETA策略中，创金合信基金量化投资部经理王威、顺时国际合伙人兼CTA量化研发总监杨晓以及通琨投资总经理兼基金经理王亚萌就“CTA策略未来新机遇”进行了圆桌讨论，论坛主持人为北京聚圆汇金资产CEO赵庆军。
杨晓为大家详细地介绍了CTA基金。杨晓表示，CTA基金直译就是商品投资顾问，也称作管理期货，简单讲就是交易期货的基金。如果从商品大类来看，包括股票、债券、商品以及房地产等这么几大类。CTA本身有三个特点，第一个特点就是T+0，意即当天买了当天就可以卖，随时可以卖掉；第二个特点就是杠杆，目前商品期货的杠杆大约是10倍左右，低则七八倍，高可达十三、四倍；第三个特点就是可以做空。这三个特点决定了它跟着其他的债券类股票确实是非常大的差异。
王威认为，机器学习是一个大的趋势，或者是一个循序渐进的过程。当前科技发展非常迅速。在王威自身对机器学习的研究中，因为在样本里操做会陷入局部优化的问题，这可能很难解决。王威认为科技发展快速，这是一个大的趋势，也需要一个过程。
王亚萌表示，在量化投资中，相较于数据，她更注重逻辑――先有逻辑的立意，再有数据的验证，就是东方的核心，西方的工具，这么一个结合点。就交易逻辑而言，可以概括为动能+波动。
以下为发言实录：
主持人：非常感谢李总的分享，李总带着我们从量化的过去走向量化的未来，让我们看到量化的发展方向。刚才提到“大类资产配置”这么几个字，在大类资产配置当中，CTA策略也是非常重要的策略，接下来圆桌会谈的内容就跟CTA策略有关系，下面专题讨论的内容是CTA策略未来新机遇，我们欢迎论坛讨论的主持人北京聚圆汇金资产CEO赵庆军，以及三位讨论嘉宾，他们分别是：
创金合信基金量化投资部经理王威；
顺时国际合伙人&CTA量化研发总监杨晓；
通琨投资总经理兼基金经理王亚萌。
赵庆军：谢谢主持人。很高兴这次采新中国能邀请我们来参加这个会议，这次由我主持CTA这个会，在今天讨论前我们先让三位嘉宾作一个简单的自我介绍。从王总开始。
王亚萌：我是通琨投资的，我们主要的就是CTA策略，股指期货的策略也还可以，但是因为境内股指期货的限制，所以股指策略是延伸到境外股指，目前主要这两块，投研这一块进展跟刚才的李总讲的有关系，投研这一块我们股票的多因子量化在进行，我们主要就是这三块内容。
王威：大家好，我来自于创金合信基金，刚刚主持人也介绍了我们是一家公募基金，目前我们创金合信量化投资部大概总规模是100亿左右，公募大概占比60多亿，庄户这边大概30多亿到40亿的水平，应该说这样一个管理规模在公募里面的量化团队里面也是属于一个第一梯队的管理规模，我们团队策略也是比较齐全的，包括像量化股票多投，量化对冲，还有类固收，以分级基金为主的类固收，还有量化多策略。我在团队里面主要是负责CTA策略管理这一块。说到CTA策略，我们团队可能是市场上做得比较早的，我们在2011年的时候就发了CTA的产品，到今年大概是有6年多的实盘业绩，从这六年的实盘业绩来看，每年都是实现了正的收益，所有的产品都实现了正收益，所有产品最大回撤也就控制在2%的水平，这个可能也是跟我们的资金来源有关，因为我们可能跟银行那边合作得比较多，所以我们对风险这一块是比较严格的，所以我们的产品特征就是追求绝对收益，严格控制产品的风险和回撤。
杨晓：我来自顺时国际，我们顺时国际是一家私募公司，目前来说管理资金大约也就三四十亿。包含了债券、股票、CTA，我是负责CTA这一块的，我过去做CTA也做了不少年了，一直算是非常努力地在做，但是一直达不到自己心中的预期，只能说勉强让一些客户勉强满意。
赵庆军：杨总有点谦虚了，我们都知道，自从2016年由于股指限制了流动性以后，CTA的产品在2016年才比较受到更多人的关注，其实CTA市场以前主要是小众的市场，因为期货本身的容量还是有限的，由于2016年黑色系大幅的波动，导致CTA收益特别高，因此很多资金又关注到了CTA基金，但是到了今年以后，我们知道一、二季度整个CTA基金的回报率都不尽人意，我们看到第三季度又有所回升。因此我们今天请到的这几位嘉宾，包括我自己都属于交易一线的，也就是直接都是针对市场的，因此我们今天可能会讨论一些大家比较关心的问题。
第一个问题我们想了解到，包括有时候我在跟券商同行，只要他不是做CTA的，大家在了解的过程中，一说你们是做什么？做期货，他第一反应是说这个风险很大。我们要花费很多很多时间跟他解释什么是CTA基金，所以借这个机会我们先请杨晓给大家分享到底什么是CTA基金？到底怎么去定义它？
杨晓：我给大家闲聊一下。CTA基金直译就是商品投资顾问，也称作管理期货，简单讲就是交易期货的基金，就这么简单。如果从商品大类来看，从大类资产来看的话，股票、债券、商品以及房地产等，也就这么几大类。商品主要对应的是抗通胀功能的，如果从资产配置来讲，它是需要抗通胀的时候需要配置商品。但是这只是CTA的一部分功能，只是配置功能。CTA本身有三个特点，可能大家都知道了，我再重复一遍，给一些不是很熟悉的人做一下科普。它的第一个特点就是T+0，就是说我们当天买了当天就可以卖，随时可以卖掉。第二个特点就是杠杆，目前商品期货的杠杆大约是10倍左右，低的话，也得七八倍，高的话可能到了十三四倍。第三个特点就是可以做空，这三个特点决定了它跟着其他的债券类股票确实是非常大的差异。大家都知道股票其实偏向于经济增长或者什么情况下，或者公司经营好，你赚取的相当于收益。而商品期货其实偏向于交易性，配置性只有在做通胀的时候才会用到，它的大部分收益都是靠交易性的收益。
赵庆军：可不可以理解杨总说的这几点，也就是为什么CTA基金与股票型基金，比如说股票的Alpha，还有宏观对冲基金之间的低相关性，关于CTA基金和其他几类对冲基金的低相关性，正好是我们在做资产配置的时候，包括像FOF、大类资产配置越来越受到关注，低相关性这一块，王总有没有补充的？为什么CTA基金和其他的大类资产是低相关性或者是负相关性。
王威：刚才赵总谈到很多人觉得CTA基金可能是做期货的，因为期货是高杠杆，所以它的风险要高。其实对于CTA基金的话，特别是量化CTA基金其实是有一套严格的风控纪律和止损策略在里面，所以它其实相对于别的产品更容易打造成收益稳健型的产品。对我们做的CTA产品跟市场上股票类以及债券类的基金做了一个比较，我们的产品其实风险收益比是大幅超过于股票类基金和债券类基金的。
因为我刚刚说到我们的产品是追求一个绝对收益，严格控制风险。所以我下面介绍一下我们是怎么样达到这样一个回撤很小的这样一个目标的。这个其实是跟我们的策略体系是有关的。其实主流的就是分两大类，就是对冲类跟趋势类，市场上大部分以趋势类为主，我们这两块都会配，但是很重要的是我们这两块策略里面会延伸出很多子策略，一百多个子策略，并且这些子策略不是单纯通过多周期或者跨品种的方式进行分散，我们更多的是注重于子策略的逻辑，可能不同的品种之间的逻辑是不一样的。所以进行策略开发的时候对不同的品种之间，它的逻辑适用不同的策略，通过这种方式进行一个分散，这一百多个子策略其实对我的风险分配机制是很重要的。我一个产品成立的话，我从最开始产品成立的时候就会确立产品最大风险额度，再把这个风险额度分配到各个子策略里面，假如说产品成立的时候是一亿的规模，假如客户最大只能承受5%的风险，可能就500万，我会把这500万的风险分配到各个子策略当中，每个子策略在它产品成立的时候，它就会领到他自己的风险额度，当子策略表现好的时候我会给它加仓，表现差的时候减仓，直到停止。整个产品的风险底线就守住了，就是我一定不会亏到。基于这样一个风险控制的手段，我们对收益进行了一个回撤。大概我们的一个产品连环收益率是差不多3倍最大的风险额度。目前所有产品我们也是达到了这样的一个风险控制水平，也达到了这样一个收益的水平。谢谢。
赵庆军：王威本身就是做策略，在座的三位都是做交易的，做交易的人特别讲究逻辑，他其实讲了两个问题我觉得，第一个问题就是为什么CTA策略跟其他的策略是负相关的，或者说相关性非常低的。第二个问题他其实讲了到底怎么做风险控制。低相关性这一块是很显然的，因为它本身商品市场的波动特征跟股票本身就是不相关，相关性比较低，而且它还是有一个可以做多、也可以做空。第三点，即使CTA策略本身的分化还是比较多的。我想请问一下王威，你们刚才讲你们的子策略很多，你能分大类吗？你分几大类的策略进行组合呢？能不能给大家多介绍一下呢？
王威：首先刚才谈到整个大类板块，一个就是趋势类的，一个就是套利类的，这是两大块，但是下面会细分。
赵庆军：趋势跟他们之间的比例大概是多少？
王威：就是一个被动调整的过程，我会根据市场的表现，譬如说从去年“双11”之后趋势类策略会一直表现不好，今年一季度趋势类策略都表现不好，在这个过程中我会被动地减仓。另一部分，可能收益好可能自动仓位就会起来。这就是为什么我们在今年上时候，为什么我们的策略在市场大幅回撤的时候，我们还是一个比较稳定的收益。这两大类策略是一个动态调整的过程，这两大类策略里面也细分，刚刚说细分了很多，板块之间可能逻辑都不太一样。譬如说对冲类的话，像黑色系里面、农产品(000061,股吧)里面更多的是上下游的关系，有色金属里面是替代性的关系，像这种关系的话，你做策略的话，它肯定也是不太一样的，就是你的逻辑。
赵庆军：我的理解就是你们其实，一个是套利，还有一个是趋势。
王威：对。
赵庆军：王总那边呢？对CTA策略这一块你们大概都是哪几类大类呢？
王亚萌：一大类还是趋势，因为最近十年左右，趋势还是很明显的。另外第二大类是对冲的，但是这个对冲没有做到像“海归派”那么详细、缜密，日内的波动他也能抓到的这么一个波动对冲。第三类就是刚才自我介绍时说的股指的波动策略，我们这个波动策略比较突出，是产生于中国的《易经》，当然对《易经》的理解我不敢说多深刻，反正不是成形的国外的西方的策略直接拿过来改变的，是我自己自创的。所以说这个策略为什么普世性那么高呢？我觉得大道至简，可能融合了，要是非得说靠上几个策略特征的话，它是动能+波动这么一个策略特征，它对于国外的股指、国债都普世性很高的，所以这就是我们三大类策略吧。
赵庆军：我对王亚萌王总那边很感兴趣，因为今天机会很难得，提到了《易经》，因为我们知道他们也是做量化的，而且做得也不错，既然是做量化，量化中最注重的是两块，一块是你的逻辑，就是策略里面的逻辑成立不成立。第二块是数据，因为所有量化最基本得通过基础数据的分析来验证你的逻辑。这两块之间是什么样的关系，我想请问王总，你们更注重数据还是更注重逻辑？逻辑和数据之间你们怎么处理关系？
王亚萌：肯定有逻辑的立意，没有一个核心灵魂的话，数据纯统计的话，当然统计做到很深入的，像西方“海归派”里面，做到很严谨、缜密、深入、概率、致信等等研究很透的，还有用得很好的同行。我们是先有逻辑的立意，再有数据的验证，就是东方的核心，西方的工具，这么一个结合点，我认为。
赵庆军：如果方便的话能不能简单地说一下你们大概是什么样的交易逻辑呢？让大家有点了解。
王亚萌：刚才也说了，基本上就是一个动能+波动，其实动能大家都清楚，波动也清楚，只不过是我们把它，其实没有那么复杂，说叠加了两个逻辑就那么写得很复杂。只不过是我觉得简单程度有点像《易经》，就是阴阳和多空的问题，没有多复杂的。我们参数也就三五个，少的体系就三个。
赵庆军：会用到非常复杂的吗？我们看到做量化的出身背景要么是学物理的、学量子力学的，要么是学高等数学的，都会有很多的学术背景，你们的策略逻辑中会遇到很复杂的，比如说高等数学会用到很复杂的数学逻辑吗？还是就是一些简单的指标？
王亚萌：我们立意逻辑肯定是没有想到那么多的，但是验证的过程中，包括在不同标的、不同的市场验证过程中，发现了一些问题。当然这不是主线的问题，就是它普世性还是很高的，就是细节上有一些不同，发现了这些不同点，我们去寻找它归因的时候，我们会用到一些数据统计或者更高的分析的数理分析的一些东西。但是最后如果这个逻辑点能找到它的逻辑所在，就是市场特征所在，归因就是能归到因，我们就可以大胆地使用，但是如果说归不到因，我们可能要画问号的。
赵庆军：关于这个问题，因为我自己也是在做策略，也做了很多年。所以说也正好是顺着王总刚才的议题，量化策略最终要有效，就是实际应用中，因为他们都是做一线的，真正在交易中要有效，我非常同意刚才王总的观点，就是你的底层逻辑一定要OK的，而且你的底层逻辑要能解释你的归因是拿哪里的钱，就是你的策略能赚钱，你的基金很好，你要讲你用的是什么逻辑，你赚的是哪部分钱，这部分钱今年有效，明年还能不能够有效？这个逻辑讲不通，完全基于数据的话可能要打问号的。关于这个问题我们再请教一下杨总。因为现在大家都在做量化，能不能简单讲一下你们对逻辑和数据，包括这个策略的有效性，因为我们为什么很多人会很奇怪，为什么CTA在2016年表现很好，但是2017年上半年又表现很差，是不是你们策略失效了呢？能不能简单介绍一下CTA的特征是什么样子的？
杨晓：我先就着刚才的话题说，因为我不同意你的观点。刚才赵总说多要有逻辑，其实是不对的，至少我认为是不对的，市面上做CTA的有很多很多种的做法，有些做法是不需要的，大部分做法都可能需要，特别是偏长期一点、宏观一点，像高频策略，你需要什么逻辑？是不需要的。要看是哪一类策略。按照我的理解，其实CTA的策略类型远比大家想的要多得多。举一些例子，像聚宽的CEO，刚才讲了很多关于数据的，用这些数据做这些商品期货是完全可行的，我验证过，现在用的实盘也有这些数据。就是用一些宏观或者基本面的数据做参考来交易具体的某些期货品种，这是一条路。当然，这种方式可以延伸为类似于股票因子类的模型是可以的，他们的理念是有点相似的。还有一些是大家最常见的趋势跟踪模型，你说他用到的是什么？其实说到本质上就是用到了一个动量模型或者说是动量因子。这种你要是讲逻辑，其实有时候也讲不太通，如果说现在有很多对行为心理学的研究的话，也是有一定道理，一些心理驱动以及信息的有效性这方面做得不够好，导致这个趋势在延续，但是如果说纯逻辑是没法说太清楚的。
赵庆军：有不同观点好，本来就是要有不同的观点。王总，逻辑和数理统计之间可以没有关系吗？你们在实践中大概是什么样的结论呢？
王威：我觉得应该分两块来看，第一个就是趋势类策略，其实我们要明确你做趋势类策略的话，它其实赚的是什么？它赚的就是波动率的钱，所以他刚刚说没有逻辑在里面，高频赚的就是波动率的收益，但是从逻辑层面上，如果你是做套利类的策略的话，你是赚了什么钱？你赚的可能是商品定价发生偏差，我觉得这个里面逻辑还是比较重要的。譬如说，假如我两个产品之间做一个价差的趋势的话，这两个品种之间是一个什么关系我觉得是很重要的。假如豆粕和豆油这两个都是通过大豆压榨过来的，可能在豆油需求强盛的时候，豆粕需求并不是有那么大的需求量，我通过大豆来压榨成这两个副产品的话，我一个需求强劲，另外一个需求偏弱的话，它们之间可能会压榨得越多，另外一个就需求会比较强盛，相当于供给就会增加，它就相当于是一个多、一个空的逻辑在里面。所以这就是为什么这两个品种可以做价差与趋势。但是另两个品种之间是相关性很高的，从逻辑上来讲就是做策略，我觉得是这样一个逻辑在里面。
王亚萌：我觉得大家说的逻辑不是一个逻辑，此逻辑非彼逻辑。就是交易的逻辑和市场行为的逻辑，还有就是市场特征的逻辑都不是一个逻辑。我觉得刚才大家探讨的可能都包括了，其中有包括市场运行特征的逻辑，比方说这个运行趋势合理不合理，有没有逻辑支撑。但是交易的逻辑跟市场行为特征的逻辑不是一回事，交易逻辑可以交易它的不合理，也可以交易它的合理，就像做价差，也可以做它的扩大，也可以做它的缩小。所以我说策略要有逻辑就是交易的逻辑，当然交易的逻辑里边有可能包括合理的市场逻辑，也可以包括那种不合理的。索罗斯是做不合理的回归，有做这样的、有做那样的，说的各种逻辑不一样。
赵庆军：刚才讲的其实也是这个意思，底层的逻辑就是交易的逻辑，做量化的人并不能违背交易的逻辑，这就是刚才我提的一个观点。我们进入下一个话题，刚才这个讨论时间太长了。现在关于量化交易本身大家说得很多，现在面临两个问题，第一个量化交易本身和主观交易之间是一个什么样的关系？或者未来是一个什么样的情况？这是第一个，还有一类竞争，就是说作为量化现在可能会逐渐地细分，现在主会场讲的机器学习，就相当于AlphaGo又升级，通过学习，我就学习交易特征，然后就能够实现交易的盈利。对于机器学习未来对金融市场，或者在量化CTA这个领域到底会不会尤应用？我们也请三位针对这两个问题大家讨论一下观点，给大家指引一个方面，一个就是跟主观交易者、跟量化交易者未来的区别，再就是机器学习或者大数据，对量化CTA应用到底会是什么样的？大家的想法是什么样的？
杨晓：我跟主观交易员接触得也算不少，刚开始做主观的时候可能很多都受情绪的干扰，很冲动，但是后面做着做着，慢慢地成为一个很不错的，算是一个高手的情况下，他其实大部分的做事方式也是趋于那种固定的模式，而不是随心所欲地下单。他的做事方式中有点像量化中的某一类策略。做主观的人一般情况下会有一个他自己的定位，比如他要看多某个东西，他可能是基于各方面的评价，然后去做决策，具体下单的时候，他就按照自己的特定逻辑去下单。他做的前提条件，比如看多或者看空某个东西，这个东西是，不管是基于什么原因，相当于，如果说他能够带来数学期望的话，他的数学期望如果大于零的话，其实这个东西就相当于是有意义的，跟着做量化倒是没有太大的冲突，我一直没有觉得它们有太大的冲突。不过主观的也有一个缺点，就是在行情比较剧烈的时候，比如说2015年股票一直在飙飙飙，如果做主观，刚开始出了或者是没来得及进，他一般的情况下就不敢追了，这是做主观交易一个最大的弱点。
赵庆军：人性的弱点。
杨晓：其实也不能算是人性的弱点，不太好解释。一般情况下，如果说站在我做量化的角度来看的话，我觉得他应该做，就是波动率很大，涨得很高的情况下，后面继续涨的概率其实挺高的，但是这个时候是要控制仓位，把做与不做的问题转变成了一个风险管理的问题。只要他是挣期望的，我们就可以通过控制风险的情况下去尝试做一下。当然这个话题可能涉及到另外一个话题，就是我的一些交易理念。我的交易理念中有一个最大的理念就是分散化，各个不相关的策略或者是模型，或者是什么东西，他们一起用，这个东西带来的价值是非常大的，用一句经常说的话就是“这是免费的午餐”。
赵庆军：说了一个不相关的投资组合，其实这个投资组合理论在CTA用得也是非常多，大概会用到几种，为什么CTA做到低风险？除了低相关性以外，还有就是它可以做各种组合，第一叫策略组合，就是刚才王威总介绍的，你可以做趋势，还可以做高频，还可以做日间，还可以做基于波动的，还可以做基于套利的。另外还可以做品种的组合，农产品的波动特征和股指的波动特征、和金属的波动特征不一样，可以做一个品种的组合。除此之外还有第三类选择，为什么它会有上百个子策略呢？就是还可以做一个周期的组合。也就是说我在分钟级别也在做趋势追踪，但是它在分钟级别的趋势和在日限级别的，甚至季限级别、周限级别的策略又不一样，为什么说CTA的低相关性，包括低风险，从刚才的杨晓介绍可以知道，它就是做投资组合，我觉得这一点是大家选择CTA基金中非常重要的一点。还是继续刚才的话题，请王威，大家刚才提的问题其实并没有回答。刚才问到人工智能，大家说机器学习、人工智能，你们会在量化投资中用到这些方法吗？或者现在用的实际效果怎么样？
王威：其实目前公募那边有产品在采取这种舆情的方式，成立了一个公募的产品来选股。CTA这一块的话，目前暂时用到的不是特别多，但是我们用人工智能这一块，现在主要是两块，一个就是信息的检索，一个就是优化。其实现在这两块用得是比较多的，譬如说像用它来做一个文本的检索，做舆情也是涉及到这方面的，还有就是你做一个优化，这两块是用得比较多的。但是现在更多的，在国内其实是一个辅助的功能。
赵庆军：也就是说单纯靠机器学习并不能真正实现收益是吗？
王威：但是我觉得这是一个大的趋势，可能是一个循序渐进的过程，不可能马上就到这样一个地步，但是我觉得现在确实科技发展是比较快的。之前我研究过一段时间的机器学习，因为在样本里面做会陷入局部优化的这种问题，我觉得可能会很难解决。但前段时间Alpha源（音）的出现把AlphaGo打败了，他不需要学习人类的东西，他进入自我学习，他就不会陷入优化的陷阱里面。我觉得科技发展比较快。这是一个大的趋势，还需要一个过程。
赵庆军：你的结论还是比较看好，机器学习未来还可以在量化CTA这一块有比较大的发展，这是你的观点？
王威：这几天新闻比较火的就是10月十几号美国发了一款纯粹机器选股发的一个产品，最近不是表现不错嘛？所以我觉得肯定是慢慢向这方面发展。
赵庆军：有没有不同观点？
王亚萌：我觉得量化和人工智能应该说是一个体系的东西，最简单的词语是原来十年前我们就搞程序化，后来叫量化，现在叫人工智能，只不过是代表了专业深度的不同而已，我觉得没有什么本质的区别，比方说我们的策略体系里面也有一个小体系，就是期货、现货价差体系的交易策略，现货的数据就采集，初始的时候我们采集于比如说万德也好、网站也好，这种显性的数据。可能后期，我有一个朋友也是从美国回来的，从Google回来的，他可能后期就是采取了一些，比方说像Google有一篇文章里面，卫星照到一个超市的停车场的数量，他去做数据处理。出的财务预测值跟它直接年报的财务预测值应该说差不多，这样一个大数据处理，我们后期可能，如果说再往深走的话，可能就涉及到这样的一些模型。这算人工智能呢？还是算量化呢？我觉得应该不是特别大的区分，就是你走到一定深度，你的策略智能化到一定深度，它就是人工智能。
赵庆军：这个还不一样，我再把刚才的问题阐述一下，什么意思呢？做量化本身肯定是基于数据寻找符合你的逻辑的，但是基础是你有逻辑，比如你看到了停车场，你根据它的流动，当然能估算财报，本身它是有逻辑的。就像我说的机器学习是纯粹给你一堆数据，然后让它去学习，没有逻辑，机器没有逻辑，它也不知道，最后他找到了说你从什么时候买、什么时候卖可以赚钱，机器是没有逻辑的。
王亚萌：纯技术化的量化策略也是没有行为逻辑的、没有市场支撑逻辑的，只是有交易逻辑。我理解，就是深度不同而已，你的专业程度和你的整个的复杂程度、智能程度不同而已，没有太本质的区别。
赵庆军：好。针对这个问题我也谈一下我的观点，我觉得纯机器，我觉得在市场中是很难被看好的，这是我个人的观点，我们可以等着验证，我觉得它很难被纯靠，就是没有底层逻辑的支撑，所谓的底层逻辑，要么有交易逻辑，你得有理论基础，你的交易逻辑要么在，要么你得有行为逻辑。刚才很多的大数据是基于一个基本的经济的逻辑，它有这样基本的逻辑在，然后再让数据去分析、去学习，然后进行统计，这个东西才能用。围棋那个东西是死的，但是人的行为是有很多的随机性在里面，所以我觉得纯靠机器学习来做交易这件事情，我个人认为它是不太靠谱的。
杨晓：我说说我的观点。在我看来，人工智能这一块其实是由两部分组成的，一个是大数据，一个是深度学习，主要是针对量化这一块的。现在之所以没把大数据提出来，就是因为我们现在可以参考的数据还太少了，特别是商品期货，本来驱动商品期货的因子就不是太多，你要想达到你想要的那个效果，现在能有什么数据？供需数据、宏观数据，很少，而且这些数据准确度各个方面都还不够。现在还欠缺着太多的数据。至于深度学习这一块，深度学习在我的理解来看，就是把大家开发量化策略都是用线性思路，深度学习解决了非线性的问题，有一些关系是非线性的，你可能用普通的之前的量化思路就不好那么想了，但是深度学习可以解决这个问题。
赵庆军：就是参数估计的问题。
杨晓：对，至于能不能走下去，我觉得这是一个大概率事件，在现在这个形势下，我们应该去接触并且尝试使用，把我们原来的一些交易体系，整个交易体系慢慢地，比如说某一些东西你需要用到相关功能，当然是具体的，你可以先用这些东西尝试，做着做着你会发现你做的东西可能是符合你想要的了。
赵庆军：关于机器学习这个事就讨论到这儿。还有一个问题，无论是在公募的FOF，还是做投资人，还是做资产配置，市场会有很多的CTA基金或者CTA产品，能不能从你们交易一线的角度给大家一些观点，如何选择CTA产品呢？或者怎么能正确地选择？纯粹靠历史业绩吗？你们能不能给大家一些建议？
王威：我觉得首先要对CTA基金做一个定位，因为市场上其实有很多类型的CTA，有些可能就是追求绝对收益的，我一开始就定位通过多策略的方式来配，然后进行做绝对收益。有一些可能CTA定位就是做某一种风格的，或者我就是做中长线的，或者我就是做某两个品种套利，像现在市场有做黄金套利的，可能风格不一样，你要去评价一个CTA基金的话，首先要跟他的风格确定，如果叫我来选择的话，我也会根据我的需求进行选择。可能我希望把一些底层的东西交出去，选一个专业化的CTA，我自己做更上面一层的配置，也可能我只想追求绝对收益，我就会在这一类基金里面选择，这是我的一个观点。
王亚萌：我的观点跟刚才王总的观点一样，首先要关注自己的需求，然后去评判一个基金的风格是否飘移就足够了。供需双方都合适了就是一个最幸福的事。
赵庆军：杨总有没有补充？CTA其实分了很多的类，别不是说某一个基金能把所有的东西都给你配置到里面，还有高收益的，套利的风险就比较低，但是它的收益率也低。王亚萌他们主要做趋势，波动大，但是收益也高，一个是根据你的需求，第二个必须要知道你用的是哪类策略，这类策略的特征是什么样的，符合不符合你的需求，大家选CTA基金的时候，不仅应该看基金曲线，而且要看基金曲线背后的逻辑是什么样的，这是给大家的建议。
还有几分钟时间，给大家提问题的机会。
提问1：我想问一下，刚刚你们也提到说策略分为几大类，策略很多，有上百种策略，可能分为两三类、三四类，策略是怎么来的呢？是全部通过人思考想象出来的还是通过历史业绩总结出来的？
赵庆军：王总来回答。
王威：刚刚说趋势类里面，它其实现在比较大众化，一个就是通过多周期、多品种，这是市场上比较普遍的，我们一直就是希望做得跟市场上不太一样，所以我们是在对冲类的这一类策略里面下了比较大的功夫。比如说我刚刚也强调了对冲类其实是很注重背后的套利逻辑，很多都是通过数据统计来做的，但是我们很注重背后的东西，例如刚才讲到的，它究竟是一个产业链的关系还是一个相关性高的关系？基于这里面，在背后挖掘。比如说像黑色系里面有上下游的关系，我可以做两个品种的，像焦炭、焦煤这两个品种，也可以做三个品种的，例如多少铁矿石和多少焦炭，生成多少螺纹钢，这是三个品种之间的套利。依此类推，还有不同的板块，像农产品板块也是，这样衍生出来会衍生很多的。
赵庆军：提这个问题，我们也做一个澄清，它的类型，比如说都是趋势追踪，但是就趋势追踪本身的子策略可以做得非常丰富的。就像刚才我们讲的，我就是一个品种做一个趋势追踪，不同周期就算一个字策略，因为有时候多、有时候空，波动特征也不一样，收益特征也不一样，就是它是通过的，它的内核都是一样就是一个趋势，内核是一样的，但是通过品种分散、通过周期分散和参数分散来实现子策略库，大概是这么一个情况。
提问1：做量化涉及到回撤，回撤其实我认为有很多坑在里面，包括一些要注意的事项，包括一些坑，能不能介绍一下？
王亚萌：趋势策略容易研究这个问题，我们原来也发现过这个问题，补充一两个细节，其他的我就不细说了，你要注意价格区间的不同和波动率的不同，还有就是交易规则的不同，三者的不同带来的最大回彻有系数变化的，比方说我举一个例子，今年一季度为什么回撤大？就是因为交易所去年后半年把板的幅度从一般品种都是4和5，顶多6，一下扩到9，我们当时预计到了回撤，一波行情之后结束，如果把不回调的话，它的波幅肯定同比例放大，不是同比例，就是一定比例放大。在振荡期的时候会对趋势策略形成一个回撤方面要放大的效应。但是你主观预测到了，但是量化怎么去执行？是放大了多少波动？同时放大了多少振荡期的回撤？还得有一个量化处理的方式。举一个最简单的离子，天胶测试的时候报价是一万点，现在报价五万点，如果绝对回撤的话，绝对的一个数的回撤的话带来的资金的回撤肯定是不一样的，都是1%的回撤，一万和五万带来的回撤不一样的，这些都要综合考虑进去，把它的系数科学地做一下处理。也就是说比如我们测出来的历史最大回撤是五万，我们做万系数处理有可能现在是十万，历史是没有的，我们必须按十万处理，这是我们的简单处理方式，当然还有其他的东西，今天就不细说了。
赵庆军：针对这个问题我简单补充一点，你提的这个是专业的事情。量化策略的评估的重要性和专业程度超过了量化策略本身，你怎么评估一个策略？真正高手才问评估。大概讲一下，其实评估需要一套体系来评估，不要说一看回撤，一个资金曲线好看不好看，这个是没有用的，大概是什么样的方法呢？我简单说一下，第一我们会注重交易策略的逻辑，首先得有内核，符不符合交易逻辑，这是第一步。第二步，它得有稳健性，你有没有这个品种的分散的适应性，你不能说只适应一种品种，同类品种，甚至有外盘的品种，你要检验你的逻辑，一个是交易思想，还有一个就是普世性。第三个才是到了数据中用得比较多的，叫参数的敏感性分析，比如你要分析它的正态分布还是怎么分布？参数的分析等等。经过分析完之后还要进行压力测试，就是它对滑点的冲击等等。他们经常做策略的最核心的部分其实都是做策略评估，评估完了以后才会上到实盘对策略做一个评估，这个东西因为时间的关系我们只能简单讲，它的专业策略我个人认为是超过做策略本身的。我大概讲一下，不知道符不符合你的要求。
如果没问题的话就谢谢大家今天就讲到这儿，谢谢几位嘉宾。
主持人：真理不辩不明，交流和讨论的价值之所在。刚刚四位给我们带来了一场非常精彩的圆桌论坛，对CTA感兴趣的或者对这块有关注的同志应该能看到，因为几位都是做一线的，主持人的发问非常专业，各位的回答也是非常专业和非常踊跃的，相信大家能够从刚才的讨论中获益。
