用历史数据探知未来，是量化投资的一个重要任务。而机器学习（人工智能算法），在数据处理上兼具广度和速度，在量化投资中已经变得越来越普遍。
不过，和股票alpha策略相比，国内CTA策略里的人工智能算法应用发展得并没有那么广泛。主要是因为国内期货市场历时不长，可交易的品种又不及股票数量的2%，能用来分析的期货数据比起股票数据实在有些少。所以目前人工智能未能在CTA策略上大范围应用。
但是，在投资中，“未大范围应用”意味着更大的空间和更低的拥挤度。如果有量化CTA管理人能克服数据量、噪音、过拟合等等方面的问题，在国内期货交易中跑通AI技术，那也意味着更强的风险收益性价比。
象限就是这样一家以人工智能技术为长的量化CTA管理人。象限资产成立于2015年， 2018年发行了第一支CTA产品。2021年初，为管控规模，象限CTA产品暂停募集。
象限CTA产品之所以受到资金追捧，被迫封盘，原因有两个：一是因为业绩好，2018年以来，象限每个年度均实现了正收益。二是因为投资者相信好的业绩能够持续，象限的策略合作方是海外老牌CTA巨头Millburn（慕本）。
Millburn（慕本）2013年即进入中国期货市场，2017年左右开始和象限合作，将AI技术为内核的量化CTA策略通过私募产品应用到中国市场。
所以象限的量化CTA，内核其实是海外前沿的人工智能策略框架。这也是象限CTA风险收益性价比较好，与其他CTA管理人业绩相关性低，且倍受资金追捧的重要原因。
我们跟踪的象限CTA产品，截至今年10月底，年化收益率在15%之上，最大月度回撤不到-5%，投资月胜率超过70%。在业绩层面，也展示了象限以及Millburn的策略能力。
近期，象限CTA再次开盘。以下，我们也系统性地梳理下象限的策略打法和特征。
借海外巨头之力
引领机器学习走向本土
站在象限身后的是一家来自美国的老牌对冲基金——Millburn（慕本）。如果简单去搜索这个名字，通常会看到这样一些关键词“历史悠久”、“海外CTA巨头”。
或许光讲历史悠久还不够直观。
Millburn成立于1971年。这一年，位于美国华盛顿的管理期货行业协会刚刚建立，是全球期货投资基金业最大、最权威的行业组织，也标志着管理期货行业的正式形成。
直至今日，这家52年前成立的对冲基金仍在运营着，成为全球拥有最长实盘业绩的CTA管理人之一。
当然，Millburn及其策略能够在全球资本市场上屹立五十年之久，绝不只是因为他是行业内“第一个吃螃蟹的人”，而在于他在策略和技术上的不断更迭。
由于与美国学术圈有较深联系，几乎在人工智能算法崭露头角时，Millburn就试图把这种新方法运用到量化CTA策略上。
正如我们开头所言，驾驭智能算法需要见证过多样的市场环境，有足够的数据沉淀，否则就会出现很多诸如“过拟合”等问题。显然，对于Millburn这个身经百战的管理人来说，处理这个问题游刃有余。
2013年前后，Millburn完成了从老策略（传统的趋势跟踪）到以机器学习为主的新策略迁移，有了一直运作到今天的这套框架体系。
和Millburn深度合作后，象限从发产品之初就传承了这套框架，并很好地和国内特色的资本市场环境相结合，二者共同打造了一个高度适应中国本土的CTA策略方案。
提升策略自适应能力
更平稳地穿越震荡期
机器学习是一个近似“黑箱”的庞大的武器，通过降维提取市场特征、分析海量数据，它可以比较轻松地描述金融市场中非线性、非静态的关系。认识它，可以从两个主要特征入手：
1、动态自适应，在震荡中寻找机会
CTA策略还有两个分类方式，一种是规则型策略，另一种是学习型策略。
规则型策略，一般规则定好之后，无论市场环境怎么变，规则都不会有变动。由于市场环境总有周期，这类策略是相对静态地等趋势来临后大赚一笔，在市场震荡时控制好回撤，有点像守株待兔。
学习型策略，则会根据最新市场情况调整参数规则或因子权重，增强策略在不同市场环境下的盈利持续性，起到“自适应”效果。相比于爆发性趋势，震荡行情占据了市场的绝大多数时间，机器学习模型也由此更懂得如何在“震荡”中寻找机会。
象限和Millburn属于后者。
从结果上来看，这种动态调整改良了传统的趋势跟踪策略。2022年下半年，美联储超预期加息引发商品市场急剧反转，结束了大宗商品6月之前的连续上涨趋势。象限的模型意识到风格切换，6月中下旬由多转空，7月以空头信号为主，最终相对平稳地度过了这轮回撤。
2、捕捉左侧信号，提供较平滑的回报曲线
与传统趋势跟踪策略偏右侧的交易模式不同，机器学习下的CTA策略有一定的左侧特征，这在今年的行情中得以窥见。
7月以来，因各类利好政策密集出台影响，沉寂已久的商品期货迎来上涨。直到9月，从基本面看经济复苏、商品需求仍未有明显改善。象限的模型捕捉到此类反转信号，基于实时行情执行仓位调整，10月稳住了正收益。
此外，象限对于波动率的处理也能体现其策略的差异性。对于主流的CTA策略，波动率升高往往意味着行情启动，即趋势性机会的来临，不少CTA看到波动增加则会加大头寸。然而，对于象限，波动率越大反而是风险放大，此时他们多会选择降低头寸。
由此，更频繁但更小的调整给象限创造了相对比较平滑的回报曲线，在震荡环境中有出众的收益表现。
今年以来，商品市场行情整体以宽幅震荡为主，传导至各CTA策略上，展现出明显的短周期表现好于长周期的情况。
但还是那句话，市场运行有周期，不同CTA策略也有它适应的市场环境。在甄别CTA产品的时候，我们只需要确认两件事：
1、该策略本身是否长期有效。判断是不是长期有效，可以从历史年化回报率、收益稳定性、回撤控制等角度观察。只要不是不可逆的策略失效，那短期受阻可能只是阶段性环境不适的问题，未来是可逆的就好。
2、该策略是否与自己的投资偏好相匹配。长周期策略意味着用时间换空间，短周期策略意味着高胜率低赔率。收益和风险，不仅是管理人需要权衡的难题，也是每个投资人需要权衡的难题。当然，如果难以把握市场周期和自身偏好的，构建低相关性的多元配置，是更便利的做法。
利用机器学习方法，平滑CTA策略和各种市场行情之间不相适应的沟壑，是象限正尝试做的事。这无疑是一条有吸引力的路径，但因为机器学习技术更容易出现淘汰更新，且归因较难，也对身处其中的象限和Millburn提出了更高的要求。
对量化机构而言，不论是技术，还是策略，只有不断迭代革新，才有机会持续存活于市场。在历史这台称重器下，我们看到象限和Millburn不断革新、不断进化，成为时序更替中开拓量化前路的代表之一。
风险提示：投资有风险。基金的过往业绩并不预示其未来表现。相关数据仅供参考，不构成投资建议。投资人请详阅基金合同，并自行承担投资基金的风险。高端合格投资者要求：符合中国证监会规定的私募证券投资基金的“合格投资者”条件。即：具备相应风险识别能力和风险承担能力，投资于单只私募基金的金额不低于100万元。且个人金融资产不低于300万元或者最近三年个人年均收入不低于50万元。好买提醒：本文版权为好买财富所有，未经许可任何机构和个人不得以任何形式转载和发表。
