CTA量化交易的优势:以大数据推导和程序化策略代替人为的主观判断,客服人性的弱点,如贪婪、恐惧和侥幸心理,也可以客服认知偏差,借助系统强大的信息处理能力,极大地减少投资者情绪的波动影响,避免在市场上极度狂热或悲观的情况下做出非理性的投资决策。
CTA量化交易根据数据来源和原理不同,可分为技术面量化、基本面量化和另类数据量化
技术面量化
技术面量化:
数据来源:价格、持仓量、 成交量等交易所场内数据
主要原理:运用趋势、波动率、流动性、跨品种跨月价差、基差、模式识别、统计套利等产生交易策略,大多采用程序化交易
代表性案例:海龟交易(上世纪80年代)、光大证券错单事件(2013.8)、伊斯顿公司事件(2015.7)
Principle One: A Trend Has Higher Probability of Continuation than Reversal.
趋势更易于持续而非反转 (趋势跟踪策略)
Principle Two:Momentum Precedes Price.
动量先于价格 (动量策略)
Principle Three:Trends End in a Climax.
趋势终结于高潮(反转策略)
Principle Four:The Market Alternates Range Expansion and Range Contraction.
波动率交替出现收敛与放大(波动率策略)
Linda Bradford Raschke
技术面量化案例:趋势跟踪策略(Trend Following Strategy)
趋势定义:道式理论(Higher high,Lower low)
趋势拐点识别:1-2-3法则 2B法则等
优点:截断亏损,让盈利奔跑;高盈亏比;资金容量最大
缺点:低胜率,净值波动较大
技术面量化案例:动量策略(Momentum Strategy)
什么是动量
收益动量与价格动量
追涨杀跌
落井下石与锦上添花
基本面量化:分析宏观数据与产业供需数据,寻找存在供需错配的品种与时机
基本面量化:以黑色系品种为例,影响期价的有五大类因子约170个指标,其中产业相关数据取自钢铁行业数据提供商如My Steel,宏观相关数据取自Wind
基本面量化策略原理:判断交易机会和方向; 提高交易胜率