一、投资实践业绩优秀
二、量化策略成果显著
三、过往荣誉
量化研究工作回顾
近年来,期货市场的蓬勃发展吸引了众多投资者,量化交易也随之受到了投资者的重视。本人从高校毕业之后,因为对量化投资的兴趣和向往,来到期货行业从事金融工程和量化策略研究。2011年4月至今,我在国泰君安期货从事金融工程研究,开发了多个优异的程序化交易策略,完善了程序化交易策略研究体系,并开展量化交易投资实践。
本人在这几年以来的研究工作主要包括:一、投资实践篇:管理多个产品获得良好收益,使用情绪对冲模型在实践中获利丰厚,产品设计得到国有大行认可,成功与国有大行合作发行业内首个管理型期货资管产品;二、量化策略研究篇:成果显著,创新地设计了多模块程序化交易系统,提出二维象限模型,开发了Alpha对冲、期现套利、风格轮动、市场情绪等多个策略。
一、投资实践业绩优秀
1、多个产品业绩优异:以多模块系统为核心的投资体系
在投资实践中,我们依据宏观与商品基本面的判断,从大周期上把握投资周期,在此基础上通过二维象限模型(见第二章)选择合适的交易品种,然后运行多模块程序化交易系统(见第二章),形成具有特色的投资体系,从而为客户提供有市场竞争力的资管管理产品。

投研体系
基本判断:基于宏观经济数据的预期及经济趋势判断,结合市场对于基本面的反应,做出中长期的市场走势选择,为投资过程做好框架性基础。
标的选择:二维象限模型。波动率和趋势效率这两个量化指标对策略运行的影响很大。波动率是策略盈利的来源,趋势策略的收益表现和市场波动率大小呈现比较强的相关性;趋势效率反应了趋势行情的强弱和流畅程度,趋势效率越大,趋势策略越容易盈利,反之越难盈利。我们通过分析国内主要期货品种的波动率和趋势效率,选择处于第一象限合的品种作为交易标的
策略选择:策略是由基本面量化模块、技术面量化模块、投资者行为量化模块、交叉市场共振模块、市场反应量化模块等共同构成的多模块程序化交易系统
资金管理:三重止损(单笔、单日和策略止损),风险额度预算,动态仓位管理,CPPI保本策略。
我们在以上投研体系下管理多个一对一资管产品,取得良好实盘收益。例如君易信-稳健1号资管产品取得了37.15%的收益率,实盘资金曲线如下:

君易信-稳进1号资管产品净值
名称 收益率 最大回撤 夏普比率
君易信-稳进1号 37.15% 6.5% 2.64
2、产品设计能力得到国有大行认可:与国有大行首发管理型期货资管产品
在2015年,中国银行国泰君安期货合作发行了一只期货类管理型产品。该产品名为“国泰君安-君易实-保本量化CTA资产管理计划”,是一款保本型产品,该产品属于国有大行参与期货公司管理型产品的“破冰之旅”,见下图。

我司和国有大行合作发行管理型资管产品(期货日报报道)
业内人士对此事件评价较高,海证期货资管部总经理对期货日报记者说:“此次国泰君安期货与中国银行的合作具有正面的带动作用,它表明了银行对期货公司资管通道和交易能力的一种认可。”
该产品设计采用CPPI策略,以固定收益类资产积累的安全收益为安全垫,通过多策略、多资产、多周期动态组合优化和风险管理来投资期货资产,投资于期货部分占资产总值的比例为0-20%;投资于固定收益品种占资产总值的比例为0-80%。期货CTA策略部分的投资对象为国内股指期货、商品期货,单一品种持仓占用的保证金在每日下午收盘时不超过总保证金的30%,投资品种应为大连商品交易所、郑州商品交易所、上海期货交易所、中国金融期货交易所、上海国际能源交易中心交易的主流品种和流动性好的主力及次主力合约。
该产品所涉及的CTA策略由个人所在的国泰君安期货策略工程所量化团队开发。
该项目为期一年,在2016年到期结束,收益达到预期,反响较好,下图为净值曲线。

二、量化策略成果显著
1、创新策略:多模块程序化交易系统
市场上绝大部分的CTA策略的决策依据是交易型数据:即价、量、持仓及其组合。我们无论怎样将这些交易型数据进行组合,构建CTA策略跟市场中的CTA策略总会有一定的同质化,因为处理的信息都是价、量、持仓。我们创新地将程序化交易处理的信息拓展开来,纳入基本面信息、投资者行为信息、交叉市场信息、市场反应信息等,使得信息来源多元化。基于多元化的信息设计的多模块程序化策略具有对不同市场特征的适应能力以及极强的可扩展性,每个策略及策略组合均由基本面量化模块、技术面量化模块、投资者行为量化模块、交叉市场共振模块、市场反应量化模块等共同构成。
多模块程序化交易系统
基于多模块交易系统是我们与交易系统的区别所在,同时也决定了策略绩效与市场其他产品的低相关性,共振程度较低。因此能够有效平滑客户的收益曲线,增强收益。
2、灵活配置:二维象限模型精选品种
在程序化策略交易的过程中,我们发现波动率和趋势效率这两个量化指标对策略运行的影响很大。波动率是策略盈利的来源,只有具备足够的波动空间趋势策略才能盈利;趋势效率反应了趋势行情的强弱和流畅程度,趋势效率越大,趋势策略越容易盈利,反之越难。根据我们的经验,一般来说,品种在波动率和趋势效率都比较大的情况下,趋势策略盈利效果最佳;品种在波动率和趋势效率都比较小的情况下,震荡策略的盈利效果越好;品种在波动率较大,趋势效率较小或者波动率较小,趋势效率较大的情况下,策略容易亏损。不过必须说明的是,波动率、趋势效率和策略运行效果的关系,更多表现出的是相关性,而不是决定性的关系。

二维象限模型
在我们量化策略的基础上,结合我们的二维模型,我们就可以灵活配置品种和策略,以此构建更加优秀的投资策略组合。经过二维象限模型精选的程序化策略收益表现非常优异,在此基础上可以构建更高收益风险比的投资策略组合,二维象限模型是我们的合理配置策略的利器。
3、多因子Alpha对冲策略
多因子量化Alpha套利策略在严格控制风险的基础上,精选股票池,运用市场中性策略,使用股指期货对冲系统性风险,追求长期稳定的绝对回报。我们通过选择因子、对因子进行有效性检验、建立综合评分模型和对模型进行评价及改进 4 个步骤构建量化阿尔法对冲模型。
候选因子选取:根据影响股票价格的驱动因素,从估值、财务成长、财务质量、市场动量、市场预期五大维度出发,选择因子。在时间上,选择在牛熊转换中均稳定有效的因子,在行业细节上,精细化分析每个行业不同的股价驱动因素。
因子有效性检验:因子的有效性检验至关重要,每一个单因子背后都是一个选股策略,如价值选股思想、趋势选股思想。我们力求因子简单,背后具有市场逻辑;在此基础上,通过分组收益率、区分度、显著性等角度分析因子值是否和股票收益具有相关性,具有长期相关性的因子才是我们追求的目标因子。
综合评分模型:根据每个因子对股票进行打分,并对每个因子进行分配权重,对每个因子的打分按权重进行求和,得到综合评分。在资金管理上,以行业中性方法分配资金权重,以最小资金回撤。
模型进行评价及改进:分析模型的收益率、最大回撤、年度收益,从整体分析对冲的效果。
4、事件驱动Alpha对冲策略
事件驱动策略是通过分析重大事件发生前后对投资标的影响不同而进行的投资行为,我们的事件驱动策略专注于业绩预告事件。业绩预告是上市公司发布的,对定期财务报告以预告的形式进行披露的报告。业绩预告内容包括:预告日期、预警类型、预告净利润上下限、预告净利润同比增长上下限等栏目。其中预警类型包括:预增、略增、续盈、扭亏等类型。
业绩预告事件驱动的选股标准:1. 业绩预警类型为业绩预增;2.剔除当年已知业绩后,业绩预告的单季度净利润1000万,净利润增速下限大于0,上限大于30%;3.上一期定期业绩报告净利润增速大于30%。
该对冲策略专注于选择业绩高增长个股,是典型的成长股选股策略,因此我们选取中证500指数作为对冲,在中证500股指期货上市之后,我们选择中证500股指期货作为对冲。
5、市场情绪交易策略
本策略在借鉴国外风险偏好指数的基础上,根据国内股市特点,构建了投资者情绪指数GTS。策略首先对申万三级行业的Beta 系数进行大小排序(即行业Beta 轮动),然后对行业指数收益率的大小排序(即行业收益率轮动),最后计算行业指数收益率大小排序和Beta 系数大小排序的一致性程度和方向。这种一致性的程度和方向体现投资者悲观或乐观程度,即投资者情绪。
具体过程:首先,计算225个申万三级行业周收益率以及其相对沪深300 指数的周Beta 系数;然后测算225个申万三级行业周收益率与其周Beta 系数的Spearman 秩相关系数;最后以Spearman 秩相关系数为基础构建投资者情绪指数GTS。
GTS模型:为提升策略测试长度,本文标的设为沪综指,沪综指亦为Beta 计算系数市场基准标的。操作流程为,若GTS 连续两次发出看多(或看空)信号,则看多(或看空)沪综指,若GTS发出多空交叉互现信号,则原信号方向操作平仓,交叉信号作废,以最新信号为重新判断起点,直到下次连续两次看空(或看多)信号出现再次入场。
6、国债期货多因子模型
为了协助投资者对国债期货走势进行判断,我们推出了国债期货指数,该指数的原始数据是从-100%到100%的连续数字,也代表了我们对下一交易日的多空观点,每日晚上10点发送,负值表示空头观点,正值表示多头观点,绝对值越大表示观点的强度越大,国债期货指数也可以直接转换为仓位进行跟踪。模型共有13个因子维度组成,包括常用的量价,以及基差、会员持仓等期货独有的视角,目前日常服务金融机构超过50家。
三、过往荣誉
个人所在的量化研究团队在过往几年中在量化研究领域成绩突出,得到了业界的充分认可,并获得多个荣誉。个人曾经在期货日报举办的第九届至第十四届中国最佳期货分析师评选中获得“最佳金融量化策略工程师”,2022年中金所最佳国债期货类优秀分析师团队和最佳股指期货和期权类优秀分析师团队,中金所“第六届金融期货与期权征文大赛”一等奖,中金所“上海金融业改革发展优秀研究成果”一等奖。
二、量化策略成果显著
三、过往荣誉
量化研究工作回顾
近年来,期货市场的蓬勃发展吸引了众多投资者,量化交易也随之受到了投资者的重视。本人从高校毕业之后,因为对量化投资的兴趣和向往,来到期货行业从事金融工程和量化策略研究。2011年4月至今,我在国泰君安期货从事金融工程研究,开发了多个优异的程序化交易策略,完善了程序化交易策略研究体系,并开展量化交易投资实践。
本人在这几年以来的研究工作主要包括:一、投资实践篇:管理多个产品获得良好收益,使用情绪对冲模型在实践中获利丰厚,产品设计得到国有大行认可,成功与国有大行合作发行业内首个管理型期货资管产品;二、量化策略研究篇:成果显著,创新地设计了多模块程序化交易系统,提出二维象限模型,开发了Alpha对冲、期现套利、风格轮动、市场情绪等多个策略。
一、投资实践业绩优秀
1、多个产品业绩优异:以多模块系统为核心的投资体系
在投资实践中,我们依据宏观与商品基本面的判断,从大周期上把握投资周期,在此基础上通过二维象限模型(见第二章)选择合适的交易品种,然后运行多模块程序化交易系统(见第二章),形成具有特色的投资体系,从而为客户提供有市场竞争力的资管管理产品。

投研体系
基本判断:基于宏观经济数据的预期及经济趋势判断,结合市场对于基本面的反应,做出中长期的市场走势选择,为投资过程做好框架性基础。
标的选择:二维象限模型。波动率和趋势效率这两个量化指标对策略运行的影响很大。波动率是策略盈利的来源,趋势策略的收益表现和市场波动率大小呈现比较强的相关性;趋势效率反应了趋势行情的强弱和流畅程度,趋势效率越大,趋势策略越容易盈利,反之越难盈利。我们通过分析国内主要期货品种的波动率和趋势效率,选择处于第一象限合的品种作为交易标的
策略选择:策略是由基本面量化模块、技术面量化模块、投资者行为量化模块、交叉市场共振模块、市场反应量化模块等共同构成的多模块程序化交易系统
资金管理:三重止损(单笔、单日和策略止损),风险额度预算,动态仓位管理,CPPI保本策略。
我们在以上投研体系下管理多个一对一资管产品,取得良好实盘收益。例如君易信-稳健1号资管产品取得了37.15%的收益率,实盘资金曲线如下:

君易信-稳进1号资管产品净值
名称 收益率 最大回撤 夏普比率
君易信-稳进1号 37.15% 6.5% 2.64
2、产品设计能力得到国有大行认可:与国有大行首发管理型期货资管产品
在2015年,中国银行国泰君安期货合作发行了一只期货类管理型产品。该产品名为“国泰君安-君易实-保本量化CTA资产管理计划”,是一款保本型产品,该产品属于国有大行参与期货公司管理型产品的“破冰之旅”,见下图。

我司和国有大行合作发行管理型资管产品(期货日报报道)
业内人士对此事件评价较高,海证期货资管部总经理对期货日报记者说:“此次国泰君安期货与中国银行的合作具有正面的带动作用,它表明了银行对期货公司资管通道和交易能力的一种认可。”
该产品设计采用CPPI策略,以固定收益类资产积累的安全收益为安全垫,通过多策略、多资产、多周期动态组合优化和风险管理来投资期货资产,投资于期货部分占资产总值的比例为0-20%;投资于固定收益品种占资产总值的比例为0-80%。期货CTA策略部分的投资对象为国内股指期货、商品期货,单一品种持仓占用的保证金在每日下午收盘时不超过总保证金的30%,投资品种应为大连商品交易所、郑州商品交易所、上海期货交易所、中国金融期货交易所、上海国际能源交易中心交易的主流品种和流动性好的主力及次主力合约。
该产品所涉及的CTA策略由个人所在的国泰君安期货策略工程所量化团队开发。
该项目为期一年,在2016年到期结束,收益达到预期,反响较好,下图为净值曲线。

二、量化策略成果显著
1、创新策略:多模块程序化交易系统
市场上绝大部分的CTA策略的决策依据是交易型数据:即价、量、持仓及其组合。我们无论怎样将这些交易型数据进行组合,构建CTA策略跟市场中的CTA策略总会有一定的同质化,因为处理的信息都是价、量、持仓。我们创新地将程序化交易处理的信息拓展开来,纳入基本面信息、投资者行为信息、交叉市场信息、市场反应信息等,使得信息来源多元化。基于多元化的信息设计的多模块程序化策略具有对不同市场特征的适应能力以及极强的可扩展性,每个策略及策略组合均由基本面量化模块、技术面量化模块、投资者行为量化模块、交叉市场共振模块、市场反应量化模块等共同构成。

多模块程序化交易系统
基于多模块交易系统是我们与交易系统的区别所在,同时也决定了策略绩效与市场其他产品的低相关性,共振程度较低。因此能够有效平滑客户的收益曲线,增强收益。
2、灵活配置:二维象限模型精选品种
在程序化策略交易的过程中,我们发现波动率和趋势效率这两个量化指标对策略运行的影响很大。波动率是策略盈利的来源,只有具备足够的波动空间趋势策略才能盈利;趋势效率反应了趋势行情的强弱和流畅程度,趋势效率越大,趋势策略越容易盈利,反之越难。根据我们的经验,一般来说,品种在波动率和趋势效率都比较大的情况下,趋势策略盈利效果最佳;品种在波动率和趋势效率都比较小的情况下,震荡策略的盈利效果越好;品种在波动率较大,趋势效率较小或者波动率较小,趋势效率较大的情况下,策略容易亏损。不过必须说明的是,波动率、趋势效率和策略运行效果的关系,更多表现出的是相关性,而不是决定性的关系。

二维象限模型
在我们量化策略的基础上,结合我们的二维模型,我们就可以灵活配置品种和策略,以此构建更加优秀的投资策略组合。经过二维象限模型精选的程序化策略收益表现非常优异,在此基础上可以构建更高收益风险比的投资策略组合,二维象限模型是我们的合理配置策略的利器。
3、多因子Alpha对冲策略
多因子量化Alpha套利策略在严格控制风险的基础上,精选股票池,运用市场中性策略,使用股指期货对冲系统性风险,追求长期稳定的绝对回报。我们通过选择因子、对因子进行有效性检验、建立综合评分模型和对模型进行评价及改进 4 个步骤构建量化阿尔法对冲模型。
候选因子选取:根据影响股票价格的驱动因素,从估值、财务成长、财务质量、市场动量、市场预期五大维度出发,选择因子。在时间上,选择在牛熊转换中均稳定有效的因子,在行业细节上,精细化分析每个行业不同的股价驱动因素。
因子有效性检验:因子的有效性检验至关重要,每一个单因子背后都是一个选股策略,如价值选股思想、趋势选股思想。我们力求因子简单,背后具有市场逻辑;在此基础上,通过分组收益率、区分度、显著性等角度分析因子值是否和股票收益具有相关性,具有长期相关性的因子才是我们追求的目标因子。
综合评分模型:根据每个因子对股票进行打分,并对每个因子进行分配权重,对每个因子的打分按权重进行求和,得到综合评分。在资金管理上,以行业中性方法分配资金权重,以最小资金回撤。
模型进行评价及改进:分析模型的收益率、最大回撤、年度收益,从整体分析对冲的效果。
4、事件驱动Alpha对冲策略
事件驱动策略是通过分析重大事件发生前后对投资标的影响不同而进行的投资行为,我们的事件驱动策略专注于业绩预告事件。业绩预告是上市公司发布的,对定期财务报告以预告的形式进行披露的报告。业绩预告内容包括:预告日期、预警类型、预告净利润上下限、预告净利润同比增长上下限等栏目。其中预警类型包括:预增、略增、续盈、扭亏等类型。
业绩预告事件驱动的选股标准:1. 业绩预警类型为业绩预增;2.剔除当年已知业绩后,业绩预告的单季度净利润1000万,净利润增速下限大于0,上限大于30%;3.上一期定期业绩报告净利润增速大于30%。
该对冲策略专注于选择业绩高增长个股,是典型的成长股选股策略,因此我们选取中证500指数作为对冲,在中证500股指期货上市之后,我们选择中证500股指期货作为对冲。
5、市场情绪交易策略
本策略在借鉴国外风险偏好指数的基础上,根据国内股市特点,构建了投资者情绪指数GTS。策略首先对申万三级行业的Beta 系数进行大小排序(即行业Beta 轮动),然后对行业指数收益率的大小排序(即行业收益率轮动),最后计算行业指数收益率大小排序和Beta 系数大小排序的一致性程度和方向。这种一致性的程度和方向体现投资者悲观或乐观程度,即投资者情绪。
具体过程:首先,计算225个申万三级行业周收益率以及其相对沪深300 指数的周Beta 系数;然后测算225个申万三级行业周收益率与其周Beta 系数的Spearman 秩相关系数;最后以Spearman 秩相关系数为基础构建投资者情绪指数GTS。
GTS模型:为提升策略测试长度,本文标的设为沪综指,沪综指亦为Beta 计算系数市场基准标的。操作流程为,若GTS 连续两次发出看多(或看空)信号,则看多(或看空)沪综指,若GTS发出多空交叉互现信号,则原信号方向操作平仓,交叉信号作废,以最新信号为重新判断起点,直到下次连续两次看空(或看多)信号出现再次入场。
6、国债期货多因子模型
为了协助投资者对国债期货走势进行判断,我们推出了国债期货指数,该指数的原始数据是从-100%到100%的连续数字,也代表了我们对下一交易日的多空观点,每日晚上10点发送,负值表示空头观点,正值表示多头观点,绝对值越大表示观点的强度越大,国债期货指数也可以直接转换为仓位进行跟踪。模型共有13个因子维度组成,包括常用的量价,以及基差、会员持仓等期货独有的视角,目前日常服务金融机构超过50家。
三、过往荣誉
个人所在的量化研究团队在过往几年中在量化研究领域成绩突出,得到了业界的充分认可,并获得多个荣誉。个人曾经在期货日报举办的第九届至第十四届中国最佳期货分析师评选中获得“最佳金融量化策略工程师”,2022年中金所最佳国债期货类优秀分析师团队和最佳股指期货和期权类优秀分析师团队,中金所“第六届金融期货与期权征文大赛”一等奖,中金所“上海金融业改革发展优秀研究成果”一等奖。
自荐综述