嘉宾介绍：司维，均成资产创始人／投资总监，北京大学物理电子学硕士。曾在微软亚洲研究院和全球最大半导体设备商ASML从事大数据研究分析工作，之后历任深圳市多和美投资顾问有限公司研究员，深圳嘉理资产管理有限公司投资经理，深圳前海厚诚敏基金管理有限公司基金经理，横琴均成资产管理有限公司执行董事。司维先生通过结合在买方机构多年实战经验和先进的数据分析方法已逐步建立了一套完备的量化投资体系。
量化市场竞争激烈，机构的核心竞争力有哪些？CTA策略后续为何值得看好？相对于股票类策略有哪些优势？构建量化策略需要关注哪些方面？对此，均成资产司维跟大家分享精彩观点。
司维表示，随着期货市场的活跃和情绪得到有效恢复，再叠加上CTA策略本身的管理规模降低，我们觉得CTA策略整体未来的表现会相对比较乐观。我们在做量化策略的时候，主要关注的还是策略本身的可持续性。策略的可持续性从两个维度来进行把控，包括策略本身的逻辑性和持续的收益能力。
其表示，规模是业绩最大的敌人，但是规模对于不同的策略会有不一样的效果。对于交易频率比较高的策略，它的容量上限一般来说会比较小，这个时候管理规模对于业绩的影响比较明显。CTA策略相对于股票类策略有一个天然的优势，它所依赖的市场环境相对比较独立。
以下为文字精华：
1、均成资产司维：CTA策略未来表现乐观
提问：当下市场竞争如此激烈，均成资产的核心竞争力是哪些？
司维：均成资产是2016年成立的，当时也是本着一个理念，那就是希望能和投资人、公司员工以及各个合作渠道共同发展的理念，所以叫做均成资产。
我们从成立以来也是经历了相对比较长的发展时间，我们在17年的时候成立第一个产品，到19年的时候开始慢慢的有外部的比较多的投资人，到20年经历了一个比较大的行业快速发展的阶段，整体公司的规模增长比较多，到了21、22年之后相对比较平稳，到现在也差不多是7年的时间，整体的管理规模也到了50亿左右。
均成资产，从整体的投资业绩和发展的速度看，算是相对比较平稳。我们发展理念上并不片面追求管理规模，我们更多的是追求给投资人带来相对比较稳定的收益。我们相对在商品期货的CTA策略这一块是做的比较早一点，在国内资管市场里面相对可能知名度高一些。
我们在股票这一块也投入了相当多的时间和精力，也有比较多的股票策略的研发产出。从21年5月份开始，我们的股票策略也进入了一个大规模的实盘交易，整体表现也相对不错。
提问：那行情走到现在，大家更聚焦关于CTA的一些情况，所以接下来第二个问题，大家也想听一听司总视角之下当下量化CTA赛道的一些现状。
司维：目前的量化CTA经历了2020年的快速发展阶段，当时整个市场对于CTA策略的关注度非常高，均成也在当时的市场环境下，管理规模快速发展，短期从几个亿规模发展到了几十个亿规模，同行的很多其他CTA策略管理人的规模也达到了将近百亿。这样快速增长的管理规模，给当时CTA量化策略业绩表现带来一个比较大的压力，因为规模永远是收益的最大敌人。
对于量化CTA这一大类策略类型来说，当时的管理规模快速增长，给后续的业绩表现增加了比较大的不确定性。我们当时也是在21年把 CTA策略的募集进行了一个暂停，这样子也是希望能够控制一下规模增速，再后来到22年的时候，整个效果才比较明显的体现出来。
在22年5月份6月份开始，国内的量化CTA的策略表现都相对不太好，一直到23年的5月份，差不多将近一年的时间里，全行业各个CTA量化管理人的业绩都不太理想。现在到了24年，我们也观察到，随着长时间的CTA量化策略的表现相对欠佳，大量的资金不断撤出，资金的撤出也意味着这一类策略的整体规模降低。
CTA策略规模降低的同时，市场交易活跃度正在恢复。21年3月份到目前为止单月期货市场成交金额最大的月份有48万亿。而在之后，整个期货市场的成交金额在不断降低，到了差不多22年甚至出现过10多万亿的低成交金额。到了23年11月份，我们观察到市场的成交金额又回到了45万亿的程度，整个活跃和情绪又得到比较有效的恢复，再叠加上 CTA策略本身的管理规模的降低，我们觉得 CTA策略整体未来的表现会相对比较乐观。
2、均成资产司维：关注量化策略的可持续性
提问：在做策略的时候，您更重视的是哪些指标，或者策略里有哪些亮点？
司维：我们在做这些量化策略的时候，主要关注的还是策略本身的可持续性，策略的可持续性从两个维度来进行把控。第一个维度是策略本身它的逻辑性，就是我们会去看这个策略它到底是靠什么市场环境，有一个持续的收益能力。
比如动量策略，潜在依赖一个有比较多参与资金的市场环境，这些资金是追涨杀跌的，它看价格上涨的时候就会买，我们就可以观察到市场它具有一个动量效应。之前涨了的这些标的，它后续涨的可能性会比较大，之前跌了的标的它后续跌的可能性也会比较大，这就是一个典型的基于投资逻辑去构建的策略模式。
另外一方面我们会去看策略本身的收益能力。这里说的收益能力还不是大家所关注的，比方说年化收益，或者说它的收益稳定性。我们关注收益能力更多的是关注我们通过一笔交易能够赚多少的回报，叫做单笔收益率，或者是把我们的总成交利润除以总成交金额，算出来收益能力。
它意味着我们每一次交易它能够带来的收益是多少，单次收益的能力意味着策略本身的资金容量，随着管理规模增加，如果你每次交易带来的收益越高，它能够承载的资金容量会更大。
第二就是当策略发生一些衰退，有不确定因素干扰的时候，它能够经得起更大的策略的衰减，或者是风格的偏移，使我们有更多的获利的剩余空间。
提问：关于风险管理和相关回撤的问题，您有哪些经验或者心得吗？
司维：在风险管理上，我们更多的是强调把各种极端的不确定的情况事先考虑到，而不是等真的发生了净值回撤或者策略的表现不好的时候，再去采取措施，这种情况我们觉得能做的事情是比较有限的。
我们在整个组合构建的时候，提前把这种相对比较极端一些的风险考虑进去。比如市值的敞口，我们希望是控制在一个比较小的范围，多空是相对比较平衡的，持仓的结构上也是，能够分散在尽可能多的品种，甚至不同的交易所。因为这样相对分散的情况下，个别品种出现了一些极端的情况，对于整个资产组合的收益的影响相对会比较可控。这是通过策略本身收益来源进行分散风险。
当市场情绪低迷的时候，我们也需要一个比较有差异化的策略来提供一些收益，比如我们去通过对产业的一些基本面的分析，来提高差异化收益。此外还包括比如交易频率的差异化，我们有短周期的和中长周期的不同交易频率，它们在不同的市场环境下面也会有不一样的表现。
所以整体来说第一最大的前提就是分散。第二就是我们把这种风险极端的情况考虑进去，避免我们的整个投资组合在极端市场环境下出现太大的净值波动，这是我们对于风险的整体管理的经验。
3、均成资产司维：规模对不同策略影响不一
提问：有关于均成资产的CTA策略，能不能借这个机会再多介绍一点？
司维：具体到我们的投资策略，我们在期货这一块主要是截面类策略，我们是通过选出一篮子相对未来涨幅可能比较大的标的作为多头，选出一篮子相对可能下跌或者是下跌比较多或者上涨比较少的标的作为空头，构建一个多空平衡的组合。
这样子的组合令我们在市值上是多空平衡的，就是我们比如一个产品有1,000万的多头，同时也有1,000万的空头，当这个市场它出现大幅上涨或者大幅下跌的时候，我们整个产品的净值表现相对是比较稳定的，不会因为说持仓和市场表现的方向相反，出现一个比较大的净值波动，这是我们的策略特点。
这个截面策略，最核心的点就是在于怎样去选取多头和空头的组合。我们会通过各种差异化的投资逻辑去选择多空。也可以通过供需的关系，通过现货价差的关系去看待这些品种的表现，我们尝试去选择出整体未来涨幅和跌幅相对有一个差别的组合。
股票这边大家可能也相对更了解一些，跟期货这边很像，也是个一篮子组合，只是它是选出相对涨幅比较大的股票投资组合，通过比如股指期货的空头对冲或者不对冲，通过把它做成一个指增产品的模式去构建我们的投资组合。
在股票投资组合的构建过程中，我们也是会考虑比方它的财务数据，它的量价的一些数据，以及各种其他的另类数据，如投资股东人数，分析师的盈利预测等等这些数据，基于我们对市场的一些理解，把这些数据加工成为我们的预测指标，最终构建我们的投资组合。
提问：策略的容量和业绩之间的关系，我们如何去正确看待？
司维：规模是业绩最大的敌人，这个是永远正确的，但是它对于不同的策略会有不一样的效果。对于一些交易频率比较高的策略，它的容量上限一般来说会比较小，这个时候它的管理规模对于业绩的影响就会比较明显。
如果说是一个相对交易频率比较低，持仓分散度非常高，能够整体上使每一个标的的持仓占比比较低的策略，其策略容量相对会高一些，特别是像一些高度分散的中低频的策略。但是所谓的高也是有一个限度的，一般期货可能是几十亿，对于股票来说可能是几百亿的上限，它很难去突破这样子的资金本身的约束。
对于容量来说，我们具体到均成的思考方式，我们对于规模的募集是比较克制的，所以我们对于这种规模大小影响业绩的情况是相对比较审慎的。
这里面还涉及到另外一个可能跟规模本身不直接相关，但是又间接相关的现象。大家会发现在一个产品表现比较好的时候，有大量的资金进来，这个时候这个产品它可能后续的表现就相对会变差了，这就是大家经常看到这种资金集中且人多的地方就不太赚钱的现象，也或者叫做产品赚钱，但是投资人不赚钱的规律。我们为了改善这种情况，会主动管理产品本身的募集速度，同时在产品本身的设计上，当产品比较热，投资人都比较认可，希望能够投进来的资金比较多的时候，会通过调整产品的一些结构，如设立一个更长的封闭期之类的一些方式，去试图让投资人在这个产品上最终仍然是赚钱的。当这个产品相对募集比较低迷，市场上比较冷清，关注度比较低的时候，我们会更用一些相对比较灵活的产品设计条款来吸引更多的投资人去投到我们的产品，去平缓本身的产品或者策略类型的周期。
4、均成资产司维：CTA策略相对独立于股票市场行情
提问：关于人工智能在量化里的应用，您怎么看？
司维：人工智能是一个比较宽泛的话题，这个技术出现也有可能40年的时间了，应该是1980年的时候开始出现人工神经网络这样一些技术，当时也火了一段时间，但是后面由于计算机的计算能力限制，大家发现它处理各种问题的能力比较差。
后来随着计算机技术的不断发展，到了近期大概是2000至2010年左右又开始出现逐步兴起的状态。随着相关技术的不断发展，它在投资领域的应用我们也看到了很多机会，但是我们从实操的角度看，完全自动化决策还不成熟。
比如我把数据全输入到计算机里去，让计算机自动做投资决策的投资模式，相对仍然不是特别成熟，金融市场的数据不足以支撑全自动化的人工智能的决策体系。
所以我们采取的思路或者是模式，是要依托于我们人对于市场的理解。我们在基于对市场的理解和观察的现象之后，再利用这些机器学习人工智能工具，去做一些精细化的特征捕捉，这样就大大缩减了模型机器学习对于数据的需求。
在这种有比较多对市场理解的约束条件前提下，再去使用这种机器学习的工具，对我们整个量化模型的构建是有比较大的帮助的，这是我们的使用方法方式。
提问：在行情比较极端的时候，CTA的策略相较于股市可能会好一点，CTA策略的产品在配置上有什么讲究吗？
司维：CTA策略它可能很多投资人不是特别熟悉，相对它是利用期货市场去进行交易，获得收益的一类策略。首先它相对于大家可能比较熟的股票类策略有一个天然的优势，它所依赖的市场环境相对比较独立。
股票这边可能暴跌的时候，期货市场不一定是跌的，甚至有可能是涨的。期货市场这边发生一些比较大的涨跌波动的时候，股票市场可能并没有什么特别大的波动。
在这样低相关的市场环境下，在不同的市场里面都有一些资产组合，对于投资人整体的投资组合的表现会有一个比较好的帮助，这就是 CTA策略和股票类策略的低相关的比较大的价值。
另外还有一方面就是从宏观的角度，因为不管是在期货市场还是在股票市场，它都是受宏观经济各种因素的共同影响的，所以它仍然是会有一定的关联，但是这种关联不一定是同向的，比如可能刚好有一个比较重大的宏观因素的影响，它可能短期对于股票市场有一个比较大的负面影响，但是对于期货市场，它可能刚好在贸易上产生一些影响，导致商品价格出现了一个比较大的上涨。
这种情况我们之前是经历过的，可能使得它有一个所谓的危机阿尔法的效果。但是我们要注意的一点就是这个事情它不是一定发生的，并不是说股市每次下跌的时候，商品市场都能有一个比较好的市场行情，它只是在一定概率上能够去弥补是股票市场的波动。
