私募基金专题报告：基于因子维度，构建量化CTA策略评价模型

基于因子维度，构建量化CTA策略评价模型 私募基金专题报告 2023年12月29日 证券研究报告|私募基金专题报告 分析师：李亭函 分析师登记编码：S0890519080001电话：021-20321017 邮箱：litinghan@cnhbstock.com 研究助理：柏逸凡 邮箱：baiyifan@cnhbstock.com 销售服务电话： 021-20515355 相关研究报告 1、《私募基金供给侧改革加速—《私募投资基金监督管理办法（征求意见稿）》点评》2023-12-19 2、《股票多空策略，还值得关注吗？—私募基金专题报告》2023-10-27 3、《当“固收+”变成“固收-”，利用私募策略拓宽股债配置收益来源—私募基金专题报告》2023-08-04 4、《【私募基金】T0策略适合什么样的环境—私募基金专题报告》2023-07-04 5、《正本清源，追求适度的灵活—《私募证券投资基金运作指引（征求意见稿）》点评》2023-05-08 投资要点 CTA策略，全称CommodityTradingAdvisorStrategy，也称之为管理期货策略，指的是投资于期货市场的一类策略。按照交易策略可以分为主观和量化，主观CTA策略中，基金经理基于宏观的基本走势、商品各品种的基本面以及量价数据主观判断商品走势，进行单边趋势投资或价差套利投资，而量化CTA基于程序化交易，通过建立量化交易模型，根据模型产生的交易信号进行商品投资决策。 本文的目的在于研究相关因子对量化CTA策略的影响。从结果上看，较为有效的因子包括日历效应、制造业PMI、美元指数、波动高低、波动趋势、趋势强度、成交集中度、轮动速度、基差结构、和市场投机度共10个因子。 在量化趋势策略模型中，主要思路是通过动态调整量化趋势策略“高波组合和“低波组合”的配置比例，以此获取更稳定的收益，从回测结果上看，使用该评价模型可以在一定程度上改善量化趋势策略表现。具体来看，和“五五组合”相比，“动态配置组合”在收益率、夏普比率和Calmar比率等方面均优于“五五组合”，年化收益率从12.05%提升至13.91%，夏普比率从1.65上升至1.76，Calmer比率从2.57上升至3.34。 考虑到量化套利策略具有收益稳健、波动较低的特征，我们采用货币基金指数与量化套利指数进行轮动，并更多地将重心放在风险防范上。从回测数据上看，使用该评价模型可以在一定程度上改善量化套利策略收益。具体来看，和套利指数相比，“套利配置组合”的年化收益率从5.69%提升至5.94%，并且夏普比率与卡玛比率均有一定上升。值得注意的是，今年以来，套利配置组合表现优异，相较套利指数来说获得了较高的收益，且夏普与卡玛比率也有较大的提升。 未来对该模型的改进上，主要有以下几点：一是在对量化策略的分类上，不简单地依赖于波动率，而是通过净值相互之间的关系特征，聚类分析，从而将净值与策略类型做到更好的划分；二是在策略组合方面，本文更多关注的是各因子的有效性程度，因此采用线性的方式进行组合可以更好地进行归因，如果可以采用动态非线性的打分方式，优化因子的组合方式，则可以获得更好的效果；三则是在因子方面，可以适当增加部分另类因子，降低模型的波动。 风险提示：本报告所载的信息均来源于已公开信息，但本公司对这些信息的准确性及完整性不作任何保证。在任何情况下，本报告所载的信息或所做出的任何建议、意见及推测并不构成所述证券买卖的出价或询价，也不构成对所述金融产品、产品发行或管理人做出任何形式的保证。 内容目录 1.CTA策略简介3 2.量化CTA相关影响因子3 2.1.日历效应4 2.2.宏观指标5 2.3.市场波动6 2.4.市场交易结构7 2.5.影响因子汇总9 3.量化CTA评价模型构建10 3.1.评价模型构建思路10 3.2.模型回测10 3.3.总结12 4.风险提示13 图表目录 图1：动态配置组合与基准组合净值走势11 表1：相关统计指标4 表2：量化趋势策略按月统计情况4 表3：量化套利策略按月统计情况4 表4：量化趋势策略收益在不同制造业PMI下的表现情况5 表5：量化套利策略收益在不同制造业PMI下的表现情况5 表6：量化趋势策略在不同美元指数下的表现情况6 表7：量化套利策略在不同美元指数下的表现情况6 表8：量化趋势策略收益在不同波动率下的表现情况6 表9：量化套利策略收益在不同波动率下的表现情况6 表10：量化趋势策略在不同波段状态下的表现情况7 表11：量化套利策略在不同波段状态下的表现情况7 表12：量化趋势策略在不同趋势强度下的表现情况7 表13：量化趋势策略在不同成交集中度下的表现情况8 表14：量化趋势策略在不同轮动速度下的表现情况8 表15：量化套利策略在不同基差动量下的表现情况9 表16：量化趋势策略在不同市场投机度下的表现情况9 表17：量化套利策略在不同市场投机度下的表现情况9 表18：量化CTA策略影响因子汇总9 表19：趋势策略模型评分标准10 表20：动态配置组合与基准组合业绩表现11 表21：动态配置组合与基准组合业绩表现（2022年12月31日至2023年11月1日）11 表22：套利策略模型评分标准12 表23：套利配置组合与基准组合评分12 表24：套利配置组合与基准组合业绩表现（2022年12月31日至2023年11月1日）12 1.CTA策略简介 CTA策略，全称CommodityTradingAdvisorStrategy，也称之为管理期货策略，指的是投资于期货市场的一类策略。按照交易策略可以分为主观和量化，主观CTA策略中，基金经理基于宏观的基本走势、商品各品种的基本面以及量价数据主观判断商品走势，进行单边趋势投资或价差套利投资，而量化CTA基于程序化交易，通过建立量化交易模型，根据模型产生的交易信号进行商品投资决策。 投资者为何对CTA策略情有独钟？首先，CTA策略与股债市场的相关性较低，同时CTA策略因其“危机alpha”的属性受到投资者的青睐；其次，商品市场可以做多也可以做空的交易机制，使得CTA策略在商品市场下行的过程中也具备博取收益的机会；此外，商品期货的保证金制度为CTA策略提供了杠杆属性，从而增加了获得更高收益的可能性。本文主要聚焦量化CTA策略的分析，主要考虑到量化策略框架较为清晰、业绩差异性较小，从中观层面构建环境因子较为可行。 从分类上看，量化CTA策略主要可以分为量化趋势策略以及量化套利策略。 量化趋势策略包括趋势跟踪和趋势反转策略。趋势跟踪策略即追涨杀跌，赚取趋势性行情的收益，此策略典型特征是“亏小赚大”，盈利依赖于市场的波动性。趋势反转策略理念的核心是均值回归，判断市场拐点，捕捉市场反转的交易机会。相对来说，趋势反转策略由于交易区间较短，判断难度较大，因此市场中主要以趋势跟踪策略为主。 量化套利策略主要包括跨市场、跨期以及跨品种套利。其中主要以跨期套利以及跨品种套利为主，跨期套利指的是当同一商品不同月份的合约出现不合理价差时，可以通过做多价格被低估的合约并做空价格被高估的合约，以此来获得价差回归的收益。跨品种套利指的是当两个或者多个相关性较强的品种出现不合理价差时，预测未来价差回归，即做多被低估的品种同时做空被高估的品种，以此来获取收益。 2022年下半年至今，CTA策略遭遇了较大冲击，趋势类策略经历了近1年的回撤周期。量化套利策略相较2020年以来收益也大幅下降。为了尽量规避市场环境对量化CTA策略产生的不利影响，本文旨在探究量化CTA策略的影响因素，从而对未来的投资决策产生指导作用。 2.量化CTA相关影响因子 本文的目的在于研究相关因子对量化CTA策略的影响。我们主要通过以下两步对相关因子进行挖掘。 第一步：构建样本基金池 本文通过私募排排网调取所有量化CTA策略产品净值，每月筛选成立满6个月、净值更新频率2周以内的产品作为样本基金池。选择2018年1月1日至2023年12月17日的数据作为测试时间。 第二步，相关影响因子分析 本文选择的因子维度包括日历效应、宏观经济、市场波动、市场交易结构等，为了度量指标的有效性，将指标生成相应的信号，并统计在不同的信号下产品的业绩表现。 具体来看，我们基于基金池中产品周度收益率序列，统计不同信号下收益分布情况，具体 指标包括： 表1：相关统计指标 统计指标 指标构建 count 样本数量 mean 平均值 std 标准差 min 最小值 25% 25%分位数 50% 50%分位数 75% 75%分位数 max 最大值 >0占比 收益大于0的占比 稳定性 mean/std 资料来源：华宝证券研究创新部 其中，我们主要关注平均值、>0占比、以及稳定性指标，分别代表收益的高低、收益的胜率、样本收益的稳定性，总体来看，这三个指标越高，说明收益更高、更稳定。 2.1.日历效应 日历效应在金融市场中扮演者重要角色，而在商品市场中，以农产品及能化产品为代表的商品价格对于季节性变化也非常敏感，基于以上假设，我们认为以商品期货作为底层资产的CTA策略也会受到日历效应的影响，基于这一角度对量化CTA策略收益，按照月度维度进行统计。在量化趋势策略中，以月度的统计结果来看，3月、5月、7月及12月量化趋势策略收益相对更高，胜率更高，稳定性也更好，而4月、6月、10月量化趋势策略收益表现相对不佳，胜率和稳定性也表现不佳。在量化套利策略中，1月、7月收益相对更高，胜率更好，稳定性也更好，而4月、10月的表现则表现不佳。 表2：量化趋势策略按月统计情况 count mean std min 25% 50% 75% max >0占比 稳定性 1月 1327 0.20% 1.98% -11.05% -0.67% 0.11% 0.99% 10.53% 55.31% 0.10 2月 1096 0.31% 2.63% -10.53% -0.69% 0.01% 1.05% 31.41% 50.18% 0.12 3月 1310 0.53% 3.01% -31.02% -0.76% 0.14% 1.39% 24.87% 55.42% 0.18 4月 1368 -0.08% 1.82% -9.20% -0.82% -0.07% 0.62% 11.34% 46.20% -0.04 5月 1476 0.44% 2.60% -12.63% -0.64% 0.13% 1.09% 29.10% 55.08% 0.17 6月 1343 -0.04% 2.52% -23.22% -0.88% -0.04% 0.74% 19.18% 48.18% -0.02 7月 1516 0.47% 2.53% -14.34% -0.64% 0.18% 1.27% 25.10% 57.12% 0.19 8月 1453 0.19% 2.65% -10.72% -0.81% 0.04% 0.94% 19.18% 51.20% 0.07 9月 1422 0.18% 2.30% -8.88% -0.76% 0.03% 0.95% 26.82% 51.13% 0.08 10月 1422 0.09% 2.20% -20.77% -0.74% 0.01% 0.78% 13.14% 50.28% 0.04 11月 1455 0.30% 2.13% -9.41% -0.58% 0.09% 1.02% 24.33% 55.12% 0.14 12月 1439 0.42% 2.51% -9.42% -0.52% 0.13% 1.05% 55.51% 57.75% 0.17 资料来源：私募排排网，华宝证券研究创新部 表3：量化套利策略按月统计情况 count mean std min 25% 50% 75% max >0占比 稳定性 1月 1240 0.29% 1.55% -12.19% -0.09% 0.15% 0.51% 21.61% 66.85% 0.18 coun