漫谈CTA策略盈利来源和逻辑

文|华尔街见闻

很多CTA策略研究人员有时候都会去思考一个没有标准答案的问题，那就是为何CTA这类beta型的策略能盈利，我相信对于CTA研究者来说，大家会有很多不同版本的思考和答案。因为相比较于其他类型的策略来说，貌似人家盈利的理由都很明显且充分。作为一名CTA策略研究人员，下面我就和大家分享一下我的理解。

比如说，alpha类策略，很能理解对于这类策略来说，交易的一揽子标的物里面总会有强弱之分，那么只要能找出有强弱区分度的特征或者因子，那便基本找到了alpha类策略盈利的本质。

再比如说，对于market making的高频策略来说，那就是规避掉有较大可能出现单边趋势的行情，同时在没有较大可能单边行情的时候给market taker提供流动性服务。(对预测短期趋势并follow趋势的策略不在我们此处讨论之列)

对于CTA策略为何能盈利的这个问题，尽管在入行多年后，我依然始终还是百思不得其解。几乎每次这种类似问题浮现在我脑海里时，我都会默默告诉自己，能赚钱就行，需要个卵蛋理由。

在用机器学习强撸了几个月不同类型的策略之后，包括CTA、统计套利、甚至小部分高频策略，越来越强烈的感觉到其实对于策略研发人员，思考并理解为何某大类策略能盈利的本质其实极为重要。所以，想在此和大家聊聊为何CTA这类beta策略能盈利。

理由1——杠杆效应

期货本身普遍具有较大的杠杆，对于资金实力相对薄弱、风控观念淡薄的小散户玩家来说，他们在杠杆下显得尤为脆弱，容错能力很低。所以对他们来说，当顺着现成的方向交易和逆向交易这两个选择摆在他们面前时，第一个相对更为保守的选择对他们来说明显是最优解。这个理论较为完美的解释了为何散户投资者占比越多的市场或品种更容易走出趋势行情。

理由2——prospect theory

先上一个经典的图：

图中X轴基本可以等同看成是收益/亏损的百分比，Y轴则是价值函数，简单来说就是爽/不爽的程度。这个图包含了几层含义：

1. 不对称性，在abs(X)相等的情况下，损失结果对应Y的绝对值，比获利结果对应Y的绝对值更大。简单来说就是亏T%和赚T%这2种情况下，前者的abs(f(T%))要更大些。说明投资者总体是厌恶风险的;

2. Y函数，也就是爽/不爽函数在X小于0，也就是亏损的时候有凸面性 (convexity)，而在X大于0，也就是盈利的时候有凹面性(concavity)。简单来说就是投资者在面临获利时，尤其是获利不大的时候，更愿意落袋为安，风险厌恶程度增加而选择risk off;而在面临损失时，尤其是亏损较大的时候，更愿意在赌一把更大的，风险厌恶程度降低而选择risk on;

现在总结下来就是，当市场较为平淡，相对更接近于零漂移的随机游走的时候，赢者会落袋为安，高位平仓，从而强化了价格时间序列的反相关性。而当市场趋势性较为明显，尤其是基本面/宏观层面发生一定变化时，也就是行情属于带漂移项的随机游走的时候，多空双方平仓意愿都不会很强。那么即便在驱动价格变化的因素结束后，市场行情从带偏移项的随机游走进入到不带偏移项的随机游走时，亏损的投资者在选择死扛亏损的同时，这时候亏损方的△Y也会显著大于盈利方。直到价格随机游走到超出部分亏损方的心理承受或者被强制平仓之后，这部分亏损的投资者会被迫平仓从而引发下一轮亏损投资者的平仓，也就是俗称的多杀多和空杀空，从而强化了价格时间序列的正相关性。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。