Winton CIO：关于CTA策略的深入的探讨
Winton CIO：关于CTA策略的深入的探讨
量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，曾荣获AMMA优秀品牌力、优秀洞察力大奖，连续4年被腾讯云+社区评选为“年度最佳作者”。
近期的Top Traders Uplugged的采访邀请到了Winton CIO | Simon Judes。对CTA策略进行了深入的探讨。以下是QIML对采访实录进行的提炼节选。
Winton目前的AUM是100亿美元。
Winton目前有三种产品：
- 量化多策略对冲基金
- 多样化的CTA（四分之三的趋势跟踪和四分之一的其他系统性宏观策略）
- 纯趋势产品
1、在多样化的CTA中，其四分之一的系统性宏观策略主要是什么策略？为什么是75/25的配比？
另外四分之一主要是Carry策略，但我们不会在股票上进行Carry交易，因为这通常只会给你的股票投资组合增加做多的倾向。其他还有一些纯统计的，也有些是有经济逻辑的，有些是其他技术信号，比如更快的趋势跟踪。关于策略配比，在某种意义上并没有什么不同。它们取决于你使用非趋势策略时所拥有的机会集。所以这只是我们现在认为合适的水平，但确定一个水平也很重要，这样投资者就知道他们会得到什么。
2、关于趋势跟踪策略速度的问题，从绝对回报和对于股票市场分散化的角度来看，你的观点是什么？
我们分析过不同速度下趋势跟踪的表现，更快的趋势策略确实会带来更恶化的策略表现。使用较慢的策略，不会看到表现有这么大的下降。关于在任何给定时刻选择的正确速度，有不同的目标。如果你纯粹想最大化夏普比率，那么我们的分析表明，你需要交易的够慢。但通常情况下，投资者并不是孤立地最大化其趋势配置的夏普比率，而是想要在一个包括股票的多资产组合里起到分散的作用，特别是股票出现系统性风险时的弥补作用。这时采用更快的策略是有好处的，即使随着时间的推移，整体夏普比率略有下降，它最终也能更好地符合投资者的目标。
3、我们是否有办法可以灵活的根据市场环境动态调整趋势跟踪的速度？
在2020年2月和3月的这段时间里，更快的趋势跟随暂时比更慢的趋势跟随表现更好，不难理解为什么。从2月份的最后一周到3月底美联储出手干预，市场几乎整整下跌了一个月。如果你在两周内扭转仓位并做空，那么你花了两周时间在市场继续下跌的时候赚钱。另一方面，如果你花了一个月的时间来扭转你的头寸，那么你在下跌的过程中损失了，然后当你做空市场反弹时，你又在上涨的过程中损失了。这是一个快速趋势跟踪优于缓慢趋势跟踪的时刻。问题是，在那一刻，有什么改变了吗？更快的趋势跟踪是否会继续优于较慢的趋势跟踪？我们没有看到任何证据表明这种情况已经发生，也没有看到任何变化。事实上，事实证明这是正确的。从那以后，缓慢的趋势跟踪再一次比快速的趋势跟踪做得更好。
从长远来看，更慢的趋势跟踪是更好的选择，但偶尔，你也会遇到更快的趋势跟踪效果更好的时候。我们的观点是，这不是系统性趋势策略组合经理的职责，如果你想象一下自己正在经历这些，你就会明白为什么了，因为在那一刻，你不知道这是否会发生。有些主观交易者是这方面的专家，他们预测美联储会怎么做。但在我们看来，这不是趋势追随者应该做的。
4、你能给我们讲讲这个研究过程是如何开始和结束的吗？从一个新想法是如何被研究的，它最初是从哪里来的？是来自市场观察，还是学术期刊？在评估、测试这个想法并将其作为一种潜在的投资策略方面，你在寻找什么？
我们对策略想法的来源持相当开放的态度，对于学术期刊，我不认为这是Alpha来源研究的前沿。我们有一个非常大的研究部门，因为我们更倾向自己做原创研究。比如，我们在中国的同事，有时当他们研究中国的商品时，结果是他们在那里应用并产生的一个想法，实际上在全球范围内也适用。
我们有两种不同类型的研究项目。一个是找到一个新的Alpha来源，你真的要想到一个新的想法或一个新的数据输入。另一种是，你已经有了现有的Alpha来源，你需要确保你尽可能地把它们做好。这包括审查趋势跟踪的速度，或者你构建趋势信号的方式的其他方面，你的波动模型，等等。通常情况下，你会从你所处的市场环境中学习。例如，对波动率模型的调整通常是由新类型的事件引起的。例如，2018年2月的事件对我们来说并不是那么糟糕，因为我们在2007年2月经历了一个非常类似的事件，实际上与2018年的行为非常相似，股票市场在相对较低的波动率下上涨，随后突然急剧逆转，尽管人们通常关注股票，但在CTA碰巧交易的市场空间中复制了这种情况。所以这看起来像是拥挤效应，因为这是一个逆转。他们专门攻击CTA的位置。但我们从中吸取了教训，并在2007年调整了我们的模型，这在某种程度上保护了我们在2018年发生的非常类似的事情。
5、我们关注到很多资方会对趋势策略，或者是CTA策略进行择时配置。他们会有这样的想法，既然它们2022年表现得很好，那么2023年大概率不会表现得很好。您会如何改变他们的这类看法，即不要对趋势类策略进行择时配置？
我很理解投资者的担忧，因为我们不能预测趋势。但对于资产配置者来说，如果他们做出决定之后马上出现糟糕的情况，这是有风险的。这给他们个人带来的风险超过了策略的长期表现。但是，也正如你所说，我们的观点是，我认为没有理由认为去年很好，所以明年会很糟糕。2008年是个好年份，在此之前，Winton历史上的每一年都是好年份。所以你经常会看到长时间的好年份。但在某种程度上，人们担心在某个特定点进行配置的风险，然后表现不佳，一种缓解方法是，你可以在几个月的时间里平均分配，这是一个很有帮助的想法，因为它经常解决真正的潜在问题。
6、关于机器学习，我想很多人觉得机器学习的希望在于，机器可以从不同的环境中学习，评估当前市场环境。这是对机器学习的期望的合理总结吗？你认为机器学习已经取得了多大的成功，并且能够取得多大的成功？
机器学习算法需要大量的数据来训练它们。在这种情况下，你到底有多少训练数据？答案实际上取决于你交易的速度。如果你的交易速度相对较慢，那么你所经历的事件只有几个例子，因为你不关心市场在这一分钟到下一分钟的走势，你关心的是在你可以改变头寸的时间范围内市场的走势。通常没有足够的数据使机器学习成为有用的工具。
不久前我们发表了一篇论文：
区分了不同的科学分析风格。在某种程度上，你有观测科学，比如天文学，然后你有实验科学，比如粒子物理学。不同的是，在观察科学中，你不能安排一个新的实验。如果你想研究黑洞，你只需要研究那些你能看到的黑洞。你不能为自己的目的创建一个新的。然而在粒子物理学中，你可以创造一个新的粒子加速器，你可以重复实验，只要你有足够资金，然后得到越来越多的数据。
这类研究在金融市场中也是成立的。如果你不是在谈论慢时间尺度下发生的事情，你如何处理像市场崩溃这样的事件，你不能根据需求制造市场崩溃。你必须研究已经发生的事情，并尽你所能从中吸取教训。但如果你在研究一个执行速度非常快的算法或者是在一天内运行速度非常快的东西，那么你就有很多机会尝试不同的东西，看看它是如何工作的，然后一次又一次地迭代。所以不同的分析风格适用于不同的情况，机器学习绝对适用于你有更多数据的快速日内策略，而不适合（至少我们还没有找到一种方法使它如此有用）我们一直在讨论的较慢类型的策略。
7、对于趋势策略，你们使用的是通用参数，也就是对所有市场都适用的参数，还是根据你交易的市场类型有不同的参数？一般情况下如何选择参数？也就是说，其中是否有人为因素，还是完全自动化？参数多久换一次？
我们是大部分使用通用参数，但也不是绝对的。不同市场之间往往存在实际差异，你必须考虑到这一点。有些交易成本更高，有些有不同的成本结构。在一些国家，市场影响更令人担忧。在其他情况下，它们本质上有更大的价差，这对成本有更大的影响，有时佣金是成本的更大组成部分。这有时需要在不同的情况下选择不同的参数。
至于如何选择参数，对于量化，人们很容易认为一切都是自动化的，一切都是由电脑完成的。这绝对是错误的想法。如果你不选择参数，那你就要选择决定参数的算法。这个问题可以换句话说，你希望人类在什么程度上承担责任？你想说我负责选择这个参数还是你想说我负责选择选择那个参数的算法？现在，哪个是正确的答案多少取决于我们所讨论的内容。有时，使用优化器为您做一些其他选择是一个好主意，有时，它不是。这取决于它对投资组合的影响，以及它对你理解投资组合行为的影响程度。你显然不想有一个黑盒子，你把所有的事情都委托给别人，你很难理解为什么系统会做出这样的选择。
我们的观点通常是，我们试图在相当早的时候就把责任推给人类。所以像趋势跟随速度这样的事情，我们说这是人类的决定。它们是根据通常的科学严谨的分析输入而制作的，但它们是人类决定的东西。
8、关于趋势跟踪，你从别人那里听到的你认为的最偏见的说法是什么？
我认为我们最不同意的观点是趋势追随是一种愚蠢的策略，只是人们在羊群行为中相互追随。事实上，真正有趣的是，很多时候，当趋势跟随最成功的时候，那是因为它实际上是一个反人性的策略。也许看一个具体的例子是最简单的。
如果你想想2014年的石油，当时由于美国页岩油产量的增加，石油价格下跌，你看看基本面分析师当时对价格的预测，你会发现没有人预测价格会下跌。为什么呢？这是因为当时的说法是围绕着石油供应峰值，这个词现在已经不常见了，但在当时很常见。
与此同时，新兴市场对石油的需求也在增长，比如中国、印度、巴西等等。在这些因素的综合作用下，人们认为价格永远不会真正下降，因为供应在减少，需求在增加。你认为会发生什么？你看到的是，没有人真正充分评估页岩油产量增加的影响。
趋势跟踪的好处在于它不知道那些关于应该发生什么的理论。它只是说，嗯，价格下降了，我们打赌它会继续下降。在这一点上，很明显，它是在做反向交易，因为它和其他人的想法相反，这是一笔非常成功的交易。为什么会成功呢？因为趋势是指价格在一段较长时间内从一个地方移动到另一个地方的情况。
如果价格立即上涨，那就不是趋势。你可能会对也可能会错，但这是50/50。要成为一种趋势，运动必须在时间上延长，通常，它可以延长，因为它是反向的，因为有一种说法，人们认为这意味着市场实际上需要向另一个方向发展。与此同时，在完全不同的德国固定收益领域，也发生了非常相似的事情。
当时的情况是，收益率越来越低人们普遍认为，如果央行愿意，可以设定负利率，这有点奇怪，但他们可以这么做。但是，谁会把钱交给政府10年，而得到的回报却更少呢？所以人们认为长期收益率不可能是负的。再说一次，趋势跟踪并不知道这一点。它不在乎。它只是说收益率一直在下降，让我们打赌收益率将继续下降，而且长期国债交易非常好。
显然，这些债券的收益率确实是负的。再一次，这种反向的态度，因为它在对抗这种叙述，它导致了一个非常平稳的趋势。所以很多时候，不总是，但很多时候，趋势跟随的一大好处是它实际上是一种反向策略。所以，我认为，这就是我们对趋势的看法，这与我们经常听到的不同。
9、你认为运行CTA组合时最重要的风险是什么？
我们思考风险管理的方式可能也与其他人有所不同。有一种奇怪的困惑尤其困扰着CTA行业，那就是将风险等同于波动性。通常情况下，当经理被问到，“你的风险等级是多少？”他们只会用自己的波动水平来回应。这会让你感觉很自然。但当你走出这个圈子的时候，你会觉得很奇怪，对吧？
如果你回想一下2017年，当时股市直线上涨，而VIX指数处于创纪录低点，世界上有人认为股市风险处于创纪录低点吗？没人真的这么想过。如果你问任何一个股票投资者:“你为什么不认为风险很低？”看看VIX有多低，他们会告诉你VIX可以突然上升。他们还会指出估值，他们会说估值看起来非常高。
这是什么意思呢？为什么我们最终会在投资界关注波动?这是一个奇怪的故事。这可能是因为实际估算风险，损失的风险，这是每个人都关心的，是非常困难的。然而，估算当前波动率的问题相对容易。所以我们尽量避免这种错误。我们该怎么做呢？你看看股票投资者是怎么说的他们说估值很高。
他们真正想说的是，好吧，我可以看看波动率指数，但我可以计算出所有其他数字，这些数字告诉我，实际上，现在的风险很高。所以你必须以同样的方式对待波动性。你把波动率当作一个数字，它告诉你一些关于风险的事情，但它只是一个，你应该关注很多很多其他的事情。你已经提到杠杆是另一件事但是看不同的场景测试和不同的压力测试是很重要的。
现在，回到你的问题，你应该考虑哪些情况？这是问“你现在担心什么”的另一种方式。你不会想要把自己限制在你当时碰巧能想到的事情上。这不是一个非常系统的方法。
所以我们经常做的是，看看我们目前的头寸，看看它们在我们有数据的所有以前的市场环境中表现如何。我们会问，以目前的风险敞口，我们会经历的最糟糕的一天或一周是哪一天？然后我们说，嗯，这确实发生了，所以根据定义，它是现实的。这种事不能再发生了。如果我们经历了这些，我们会有什么感觉？当你把它放在那个环境中时我们是否冒了太多的风险？通常，这会让你想起一些你没有想到的事情。
例如，在2014年，当石油价格下跌时，这是在说，1990年第一次海湾战争开始时发生了什么？油价上涨了30%。别以为这是不可能的。这是可能发生的。如果发生这种情况，你的投资组合会发生什么？现在情况如何？目前，大多数投资都是做空债券，做多股票。
因此，很明显，真正令人担忧的情况是一种非常典型的避险行为，即债券上涨，股票同时下跌。这不是我们最近从股票和债券中看到的表现。我们一直看到这些资产类别之间存在适度的正相关关系。显然，通货膨胀的动态使得这与人们购买债券作为避险资产的通常情况有所不同。
不过，这也不是不可能发生。可能会有一些不利于通货膨胀或对经济不利的消息，然后你就会看到这种情况。你可能会看到债券上涨而股票下跌，这对当前的投资组合来说恰恰是更糟糕的情况。这就是我们现在担心的情况。