漫谈CTA策略盈利来源和逻辑思考

2024-06-05 10:08

本文主要是介绍漫谈CTA策略盈利来源和逻辑思考,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

很多CTA策略研究人员,包括我自己,很多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。

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开始,思考并理解为何某大类策略能盈利的本质其实极为重要。所以在此开个小型漫谈类节目,来聊聊为何CTA这类beta策略的艺(能)术(赚)性(钱)。

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,赢者会落单为安,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。

 

评价里出现了一些朋友的思路和评论,我简单回答下:

程峰说研究盈利原理,是因为需要理由相信未来仍旧能够赚钱。

我其实想说我从不怀疑这类策略未来会失效,但是我深知对目前国内的CTA funds来说,好日子会越来越少,夏普会不断降低,直到接近winton,ahl这种常年1不到的夏普,直到最后基本稳定在这个附近。有如下几个原因:

1. 高夏普策略意味着富矿,总会不断被新人发掘,也就意味着不稳定性,而CTA低夏普意味着贫矿,即使你知道如何玩,你未必受得了其中的回撤煎熬;

2. 没人知道何时会再现黑天鹅事件,或者说高波动行情,但是未来总有一天它会踩着七色云彩来娶我;

3. 即使没有高波动行情,也就是在一个生态系统里面没有鱼吃的时候,所谓趋势追踪这个伪命题会失效,也就意味着没有鱼来做接盘侠。取而代之的,是反应较慢的趋势追踪的CTA funds会被吃掉;

4. 不是原因的原因,CTA类策略比后来的alpha,即成体系的统计套利策略出现早了10-20年;

EricZ说cta盈利是因为fat tail,beta是择时,另外提到了cta和momentum的关系。

我认可fat tail的说法,但是cta也是择时,同样beta类策略也大都利用了fat tail,cta和momentum的关系,这么说吧,我用机器学习去筛选特征,得到的大概70%-80%都是momentum,也就是趋势类,即价格序列正相关的因子,剩下的比例是反转;

 

nova avon说CTA使用很多trend-following策略,而trend-following是靠管理具有方向性的exposures盈利的。CTA曾经被认为是alpha策略现在被看成beta策略, 主要由于trend-following的idea已被大众所知并使用, 这个alpha慢慢就没了。所以CTA策略可归结为一句话: "市场会往哪个方向走", 你在这个问题上判断的比别人好,你就有了edge。

第一个问题,我的印象中CTA应该是从一开始就被市场接受为beta策略吧。后面提到市场会往哪个方向走, 你在这个问题上判断的比别人好,你就有了edge。这句话我非常认可,趋势追踪是个伪命题,不是说趋势追踪就能挣钱,趋势追踪策略能挣钱是因为你的策略比别人更早判断出来这是一个趋势。尤其是在没有大波动的日子里,更是将大鱼吃小鱼,小鱼吃米虾体现的淋漓尽致。

这篇关于漫谈CTA策略盈利来源和逻辑思考的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1032762

相关文章

关于如何更好管理好数据库的一点思考

本文尝试从数据库设计理论、ER图简介、性能优化、避免过度设计及权限管理方面进行思考阐述。 一、数据库范式 以下通过详细的示例说明数据库范式的概念,将逐步规范化一个例子,逐级说明每个范式的要求和变换过程。 示例:学生课程登记系统 初始表格如下: 学生ID学生姓名课程ID课程名称教师教师办公室1张三101数学王老师101室2李四102英语李老师102室3王五101数学王老师101室4赵六103物理陈

服务器雪崩的应对策略之----SQL优化

SQL语句的优化是数据库性能优化的重要方面,特别是在处理大规模数据或高频访问时。作为一个C++程序员,理解SQL优化不仅有助于编写高效的数据库操作代码,还能增强对系统性能瓶颈的整体把握。以下是详细的SQL语句优化技巧和策略: SQL优化 1. 选择合适的数据类型2. 使用索引3. 优化查询4. 范式化和反范式化5. 查询重写6. 使用缓存7. 优化数据库设计8. 分析和监控9. 调整配置1、

设置Nginx缓存策略

详细信息 Nginx服务器的缓存策略设置方法有两种:add_header或者expires。 1. add_header 1)语法:add_header name value。 2)默认值:none。 3)使用范围:http、server、location。 配置示例如下: add_header cache-control "max-age=86400";#设置缓存时间为1天。add

女人的逻辑

段子一: “今晚妹子无意间在我电脑的某个文件夹内发现了前女友的照片,死活要和我分手。原因是觉得我前女友巨丑,进而怀疑我眼光,为了避嫌,她决定分手。” 段子二: “一妹子的钥匙弄不见了就去配钥匙,她问师傅:“可以配钥匙吗?”师傅说:“可以可以。”然后师傅看着她,她也看着师傅。良久,师傅忍不住问她:“钥匙呢?”那妹子说:“我有钥匙干嘛还找你

爬虫阶段思考

内容:写这篇文章是因为最近帮同学改了很多的爬虫代码,感触良多。 我用豆瓣为例,并不是不会用别的,而是这个我个人感觉最经典。然后还会写我遇到的一些问题以及解决方法。 首先,我们得先知道怎样爬取。我用的scrapy框架爬取。 我对此图的理解就是: 从spiders中获得一个请求(REQUEST),通过引擎传递给调度器,之后再返回给引擎,引擎把url封装好后传递给下载器,下载器将资源下载好后

Go 三色标记法:一种高效的垃圾回收策略

💝💝💝欢迎莅临我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 推荐:「stormsha的主页」👈,持续学习,不断总结,共同进步,为了踏实,做好当下事儿~ 专栏导航 Python系列: Python面试题合集,剑指大厂Git系列: Git操作技巧GO系列: 记录博主学习GO语言的笔

关于微信没有接入鸿蒙NEXT的思考

6月21日,纯血鸿蒙发布,国内的质疑声终于停止,不再被人喊叫换皮 Android 了.就连编程语言都是华为自研的。 可是发布会后微信却成了热点,因为余承东在感谢了一圈互联网企业,如:淘宝、支付宝、美团、京东、抖音、今日头条、钉钉、小红书、微博、B站、高德、WPS等等. 唯独没有感谢腾讯. 中国互联网巨头只有哪么几家,腾讯、阿里、字节、拼多多、美团、百度、京东、华为 他们这些派系又诞生了无数

文华财经T8自动化交易程序策略模型指标公式源码

文华财经T8自动化交易程序策略模型指标公式源码: //定义变量 //资金管理与仓位控制 8CS:=INITMONEY;//初始资金 8QY:=MONEYTOT;//实际权益 8QY1:=MIN(MA(8QY,5*R),MA(8QY,2*R)); FXBL:=N1; DBKS:8QY1*N1;//计算单笔允许亏损额度 BZDKS:=MAX(AA-BB,N*1T)*UNIT; SZDKS:=MAX(

vscode用vue框架2,续写登陆页面逻辑,以及首页框架的搭建

目录 前言: 一、实现登录页信息验证逻辑 1.实现登录数据双向绑定 2.验证用户输入数据是否和默认数据相同 补充知识1: 知识点补充2: 二、首页和登录页之间的逻辑(1) 1. 修改路由,使得程序被访问先访问首页 知识点补充3:  三、搭建基本首页框架 (1)在element-plus官网上找到对应的结构, (2)解决!白色背景未填充完全,  四、首页和登录页之间的逻辑(

【智能优化算法改进策略之局部搜索算子(五)—自适应Rosenbrock坐标轮换法】

1、原理介绍 作为一种有效的直接搜索技术,Rosenbrock坐标轮换法[1,2]是根据Rosenbrock著名的“香蕉函数”的特点量身定制的,该函数的最小值位于曲线狭窄的山谷中。此外,该方法是一种典型的基于自适应搜索方向集的无导数局部搜索技术。此法于1960年由Rosenbrock提出,它与Hooke-Jeeves模式搜索法有些类似,但比模式搜索更为有效。每次迭代运算分为两部分[3]: 1)