本課程實盤展示賬戶盈虧曲線圖

隨著國內商品期貨市場的日趨完善，可選擇品種增加，交易者能夠感受到市場大級別的波動率下降，但是中小級別仍然存在機會值得把握。

CTA策略的收益來源是多樣化的，目前市場上最熟悉的是利用動量策略賺取價差，往往以量化趨勢跟蹤作為CTA策略的代名詞。除了中長期動量之外，CTA策略本身存在相當多的收益來源，通過各種方法都可以為組合創(chuàng)造收益。

七禾網在2019年春季開啟的程序化培訓初始，就在為各位參與者提供了中長線時間序列趨勢追蹤、時間序列相對動量、橫截面動量、日內交易（以股指為主）、基本面多因子等策略。在過去的一年中，我們一共完成了5次培訓交流，3位講師（濮元愷、代丹斌、張瀚升）參與了該課程，為參與者提供了超過12套源碼模型。

同期和課程啟動的還有一個CTA實盤單賬戶（非產品戶，如下圖），這背后也有一個對七禾網諸位學員的承諾：我們使用培訓的模型+頭寸和模型選擇，來管理這個賬戶。雖然經歷了7月、8月幅度約8%的回撤，但依然靠著規(guī)則化交易模型的堅韌性，在2019年結束之際獲得了可觀收益。

2020年到了，我們回溯了大部分模型績效，發(fā)現(xiàn)這樣一個特征：

1、中長線模型盈利困難（如下圖），雖然年度有超過10%的盈利，但是伴隨著10%左右的最大回撤

2、相對動量模型盈利可觀，但是相比歷史略有衰退，回撤較小

3、股指日內模型需要在合適的時間點（股票指數(shù)進入較高波動率區(qū)間）調整頭寸

4、中短線模型盈利較為穩(wěn)定

5、期貨多因子模型中，展期收益率因子盈利穩(wěn)定，動量因子盈利衰退

在即將開始的2月23日新課程中，由代丹斌老師首先強化了中短線規(guī)則交易的課程內容，在本次課程中，將重點介紹以下幾個方面：

品種選擇：我們將提供一個因子化的品種選擇模板，學員可以定期（如1周或1個月）運行此模板，還會提供部分品種分層的經驗，比如最活躍的品種聚類，最不活躍的品種聚類。

異常波動監(jiān)控：在已經部署交易的部分品種中，如果出現(xiàn)了波動率異常升高（波動率的勻速升高意味著行情啟動，但異常升高常意味著風險），要及時降低頭寸。

及時止盈：止損對于中長期模型來說很重要，相對的，止盈對于短線模型很重要。建立規(guī)則化的止盈思路，可以在歷史相對高低位平倉盈利的頭寸。但是止盈的細節(jié)如何設定，是部分止盈還是全部止盈，代老師會在課程中，結合自己的CTA資產管理經驗，細致講解。

時間出場：在人工交易中，我們的出場邏輯都是多樣化的，但是在構建CTA模型時偶爾會忘記時間的重要性。一個單子在入場后，無論盈虧多少，到了一定時間點，其最初入場邏輯的影響力已經顯著降低（在股票中，我們將此現(xiàn)象描述為信號和收益率之間的IC衰減）。所以平掉倉位，重新由策略入場條件評估是否需要入場。

本次新增的另一大部分內容是機器學習在CTA中的應用，傳統(tǒng)的規(guī)則交易模型在我們看來有這樣幾個特點，是機器學習可以有效改進的：1、信息欠擬合（對于更多變量的關注被忽略（量、倉、時間等）） 2、參數(shù)容易過擬合（一些經驗欠缺的交易者，忽略對于模型邏輯的控制，反而去控制參數(shù)） 3、開發(fā)時間長、效率低，不容易迭代。

但是很火熱的機器學習工具，能夠用于金融投資嗎？讓我們回到最傳統(tǒng)的技術分析三大假設 ，也是我們構建CTA規(guī)則模型的三大假設：市場行為包容一切、市場以價格形式演變、歷史會重演。這三大假設存在很多漏洞或者過于理想，在實戰(zhàn)中無法完全應用。但是市場的非有效性給了技術分析生存空間。

我們認為量化交易的假設是，T+1期的收益率 = 一個函數(shù)關系F，將Pt個因素整合起來解釋，也就是說未來可預測（趨勢追蹤模型雖然說自己不預測行情，但依然是假設趨勢能夠延續(xù)而賺取利潤）。量化建模的實質是通過現(xiàn)有訓練數(shù)據(jù)，通過適當?shù)姆椒?，無限逼近這一函數(shù)F。但是探尋這個函數(shù)的真實形態(tài)是非常復雜和困難的，傳統(tǒng)的線性預測方法大部分是對訓練樣本進行加權求和作為結果，或者簡單擇時優(yōu)化是不妥的（擬合度不容易控制）。

本次課程的主講濮元愷老師，從2015年開始在機構負責CTA和股票Alpha模型開發(fā)，最近半年，他將股票Alpha中的集成學習和符號回歸兩項技術重新融入回到CTA領域，在本次2月初的課程中，也會展開細節(jié)講解。

比如在遺傳算法課程部分，業(yè)內程序化交易策略開發(fā)基本上都是從硏究經典交易策略開始的，在前人的基礎之上，結合自身的交易特點、風格以及心得或融合各家之長，最終形成自己的交易策略。這一過程與達爾文之物種進化頗有相似之處，物種適者生存及進化繁衍的過程與系統(tǒng)交易策略強者為王及策略改進升級的過程如岀一轍，人工智能領域的遺傳規(guī)劃因此可以用來進行系統(tǒng)交易策略研發(fā)。

而在集成學習部分，Bagging是并行式集成學習代表方法，代表算法為隨機森林。Boosting是可以將若學習器提升為強學習器的算法，可認為是串行執(zhí)行的算法，代表算法為AdaBoost。集成學習加多因子，在CTA領域也可以打開一條通路，同樣值得探索。

七禾網2020年免費量化培訓第一課即將在2月23日啟動，為了方便大家學習交流，本次培訓采用線上直播的方式。我們將為諸位學員帶來加強版的課程內容，并依然會提供所有源碼，并留出時間讓各位參與者深度交流。在過去的一年中，我們感觸和收獲良多，希望新的一年中，能夠繼續(xù)用這種免費培訓模式，打造一個內部交流圈，和各位交易者共同成長，在風云多變的期貨市場中長期生存下去！

課程形式

在線直播，手機端和電腦端都可以觀看

課程時間

第六期時間：2020年2月23日（周日一整天） 9:30~12:00，14:00~17:30

線上直播報名、咨詢

電話：15658003152

或掃描下方二維碼添加工作人員微信報名

課程詳細介紹（可點擊查看）：【直播】免費量化培訓，送日內、海龜改進等10多套優(yōu)質模型（2月23日）

免責聲明：以上所述講師投資業(yè)績、交易體系、經歷等均為事實表述，但不代表學習者可以完全復制并達到同等盈利水平，本次學習不作為盈利承諾及保證。