时间：2024年5月
内容：英仕曼AHL中国宏量策略解析
前言
英仕曼宏量策略在国内已经运行实盘运行超过了10年，整体业绩比较优异，尤其是今年表现非常亮眼，在多变的市场环境里，依然为投资人创造了非常可观的收益。截至3月底，成立以来累计回报超过326%，年化回报是15.5%，年化波动率14.2%，最大回撤只有11.6%，同期沪深300最大回撤是将近40%，也可以看出这家管理人有着极强的回撤控制能力，所以在当前波动率加剧的市场节点下，越来越多的客户和理财师也开始重视CTA策略的配置价值。
公司近况更新
更新下公司基本情况。英仕曼集团是一家总部位于英国伦敦的上市另类投资管理公司，总资产管理规模是1,700亿美元左右，我们也是全球上市的最大另类投资管理公司之一。
在全球的客户群体里面，既包括像主权财富基金、养老金、校园基金等等这些机构的客户，也包括全球各地的私人银行，然后还有像财富管理机构共同建立的渠道客户，在1,700亿美元的规模下面，公司大概有1,000亿美元左右的规模是属于偏量化的策略，比如量化CTA，量化大类资产配置，量化宏观还有像量化基本面等等，其余部分会是一些偏主观或者一级策略。
总部位于伦敦，我们在全球各大洲主要市场都有办公室，也都有客户资产，同时集团也在业界扮演着积极的先行者角色，包括我们是联合国负责任投资原则签署人，也是另类投资标准委员会的创立成员。
1,000亿美元左右规模是属于偏量化策略，其中量化策略主要的管理人就是上一页左边这两个，我们目前在国内实际上以运行的量化策略为主，其中运行时间最长的是以趋势追踪模型为主的CTA策略管理人AHL 英仕曼, 分别是 Michael Adam、David Harding和 Martin Lueck三位，当时是在上世纪80年代的时候，最早做 CTA策略的管理人。从上世纪80年代开始，最早交易早期的当时的一些大宗品种，像布伦特原油，还有像一些早期的比方说外汇，可能当时甚至还没有欧元，比方说英镑对法郎的一些早期外汇一些大宗的品种。发展到今天，它交易全球大概700多个市场品种。
团队这块，包括大部分都拥有像理工科的一些高等博士学位或者高等学位，同时我们也和牛津大学合作成立的牛津英仕曼量化金融研究院，专注于像机器学习，还有金融数据的一些前沿领域的分析研究。
说到公司在国内，发展到今天也是有10多年的时间，从最早设立国内的办公室，然后从国内的机构展开合作。到2014年，我们开始运行交易国内市场的第一个策略就是英仕曼宏量策略，采用的量化CTA或者趋势追踪的模型。
路演正文分享
说到宏量策略，简单概括为系统量化的趋势追踪策略，或者我刚才说的CTA策略， CTA三个字母代表Commodity Trading Advisor，就是商品交易顾问。它最早交易的是大宗商品，发展到今天，它交易的可能不只是商品，包括在全球交易的很多其它衍生品种等等。
目前我们在国内交易大概有50~60个高流动性的期货品种，然后还有大约是20个左右的股票板块。所以策略的话，我们当时2014年刚开始做的时候，交易大概20个相对大众的品种左右，发展到今天，整个品种范围已经扩大到60到80个。采用的基本方法就是趋势追踪，趋势跟踪顾名思义就是追踪市场品种的趋势，如果是上行趋势建立多头仓位，如果是下行趋势建立空头仓位，不管市场上行还是下行，它都是有收益潜力，它给我们带来一个最重要的好处是和传统资产或者市场本身的走势，它是不相关的。
不管市场在上行阶段还是下行阶段，我都有潜力去获得盈利。当然趋势追踪策略在全球来讲，从上世纪80年代就开始，包括不少像英仕曼等管理人在做，发展到现在实盘已经有三四十年，也是一个在全球范围内来讲，是一个经久不衰的策略。它背后也有一些市场本身的投资人或者交易行为背景在里面，后面也会再详细解释。
第一个特点：长期的业绩记录和传统资产有着较低的相关性。第二个特点：“危机阿尔法”，特别是传统股票资产出现持续性的下跌期间，趋势追踪策略往往有获得收益的潜力。
我们给国内的宏量策略设定了一个年化目标波动率是15%，这个也是整个策略非常重要的一个设计，我们整个仓位也好，或者整个风险控制也好，最基本的出发点就是15%的年化目标波动率。如果市场波动较高，我们可能会相应下调整个市场仓位；如果市场波动率较低，我们会上调仓位，最终让整个投资组合达到年化15%的目标波动率。
具体策略业绩表现：从14年3月实盘以来，总的费后收益大概是326.9%，年化收益率是15.5%，年化波动率是14.2%，风险调整后的收益也就是夏普比例大概是0.9，最大回撤是11.6%, 最大回撤发生在从22年5月到23年4月，策略可能在这段时间经历了几波回撤，主要是22年6月、22年11月、23年2月经历了一些回撤，总体上这段时间相对是市场上趋势机会比较缺乏的时间段。历史最大回撤后面用了四个月，到23年8月完成修复。宏量策略和沪深300指数的相关系数是0.03，和债券指数的相关系数是0.02，几乎都不相关。
除了低相关外，还有一个特性是“危机阿尔法”，我们也做了统计，从策略实盘运行以来到现在，股市经历了5次持续性或者比较急剧的下跌，分别包括像15年下半年到16年初、18年全年、20年初新冠爆发时、21年下半年到22年、23年下半年的几段时间，都经历了股市下跌的几个时间段。我们看到这几个时间段内，宏量策略都有正收益，还多次出现了两位数的正收益。也是反映了策略“危机阿尔法”的特点，因为往往可能股市的持续性下跌或者调整阶段，传导到商品市场来讲，它的趋势机会也常常比较丰富，对于CTA策略比较有利。
所以有了低相关性和“危机阿尔法”特性后，我们可以预见到把策略加入到传统的股票组合里面，它能够给组合带来一些风险收益特征优化。其中最重要的就是一个风险分散，来获得更好收益。
所以我们看到如果在沪深300的指数里做到一个指数里面加入了20%的宏量策略以后，它的总收益率和年化收益率水平都有提升，而波动率和最大回撤也有减小。具体到整个策略里面所交易的品种和板块的话，我们给它分成了7类，交易大概60个国内的期货品种，包括商品期货，然后有股指期货、国债期货，也包括21个个股的板块，当然总体我们的投资组合的构建是遵循风险分散最大化的原则，也就是说我们希望每一个品种在整体组合中的风险配置相对最均等。
整体我们看到板块的话，最后我们再给它划分成各个板块的时候，看到基本上各个板块是按照左边饼图配置占比比较多的，像基本金属能源、农产品、化工等等这些。每个板块里面大概都有10多个品种，都是我们国内的高流动性期货品种。
整个策略如果持有两年或者以上的话，基本上盈利概率接近100%，最高收益甚至可能达到100%。所以策略总体上建议持有两三年或者更长时间，持有体验会更好，总体偏中长期。
下面关于策略里面采用的模型，我们基本采用系统量化的趋势追踪，系统量化100%由模型生成仓位。基本上模型每天会生成一组仓位，趋势追踪市场价格的走势。下跌时相应建立空头仓位，上涨建立多头仓位，如何去追踪趋势？就是右边图上展示，如果我们看右上方的图，价格走势是深蓝色的这条线，然后我们根据价格走势去计算出一个短期均线和长期均线，短期均线比如过去的1-2个星期，长期均线可能在过去4-6个星期。然后我们计算短期均线和长期均线的一个差值，如果短期均线在长期均线下面的话，我们认为整个趋势是下行趋势，然后就计算出一个信号，信号就是中间这幅图。如果短期均线在长期均线上面的话，我们就认为这是一个上行走势，计算出来的信号可能是一个正信号，接下来我们就把信号转变成整个仓位，当然从信号转变成仓位的时候，是一个纯线性关系，更像右下方的线条函数模式，我会有一个最大的多头和空头仓位，但是如果信号过强，我非但不加仓，反而做减仓。往往信号过强的时候，可能是市场本身噪音比较多的时候，或者是波动很大的时候，这时我们为了维持整个组合的波动率，会相应降仓位，这也是风控里面的非常重要的一个设计。
为什么会存在趋势？更多跟市场行为有关系，比如我们有市场上投资者有追涨杀跌的倾向，或者是本身信息传播需要一些时间，在过程里面市场都会出现趋势。再一个就是说本身长期的宏观周期，从投资的发起到最终的逐渐收回，是需要有周期在里面的。所以均线交叉是我们最基本的一个模型。在均线交叉基础上，我们又补充了一些其它模型，像突破模型，有点类似于股市中的一些技术分析，比如阻力位、支撑位，突破就是这样的思路，我会设定一个上边界和下边界，如果突破了它的原始通道上边界，我们认为可能是一个实质性的利好消息出现了，可能它的价格会进一步往上走，如果反过来突破了下边界（技术上可能叫支撑位），可能有一些实质性利空，可能价格会进一步的下行，所以我相应得加一个多头或者加一个空头仓位，加入了突破信号以后，策略的盈利会有进一步提升。
如果只用均线交叉模型，那整个利润曲线是黄色的，这条线加入了突破信号以后，利润曲线就会变成蓝色的这条线，利润会有一个进一步的提升，当然突破信号可能更多的是一个二元信号，要么就是加一，要么就是减一，然后随着它的新通道逐渐形成，它的突破信号会逐渐衰减，基本模型思路就是这样，但是具体应用到每一个品种上，可能会是多个不同速度档的组合，而过程应该说都是经过比较多的一些优化回测等等，最终得到一个最佳的的模型配比。
除了可能看起来思路比较简单，但是实际操作起来有很多技术细节在里面，除了模型之外，还有关于新品种，我刚刚也提到了策略从最2014年刚开始运行的时候，当时也是交易国内的20多个品种，而到了现在期货品种就有60多个，然后再加上股票板块，股票板块用的同样模型追踪趋势，如果有趋势的话，我们就相应购买一篮子个股。
最后就是关于整个模型的生成信号，然后到我们在上海的交易员根据模型生成信号来进行交易，当然同时也会有人工核查的过程，比如要遵守相应交易所的一些限仓要求，或者相应进行一些风险上的人工核查，最终是进入到我们的私募基金里面来，策略的平均持仓周期大概是6~8个星期，所以我们从趋势追踪的角度来讲，也是属于一个偏中长期的趋势追踪策略，每天集中进行的两次交易。
风控也是非常重要的一个环节，风控也包括整体公司的业务、运营层面的风控。公司运营层面我们是分为三层风控，从第一层每一个一线人员的风控，然后到公司设有线上风险评估的委员会，然后集团的合规部门，他们是内部专门进行风险控制的部门，再到我们进行聘请外部的审计机构来我们内部去进行内审，然后包括独立于公司管理层的的审计与风险委员委员会，是我们外部的第三层风控。这样的三层的风控体系获得了四大会计师事务所和英国的金融市场行为监管局FCA的认可，来保障整个公司在机构体系下的企业化的基金管理。
除了运营层面的风控之外，我们还有策略内部风险监控，主要是四个维度，包括市场、对手方、模型、问题修复四个方面。
市场层面，我们会进行比如每天进行风险价值的叫Value at Risk也就是说，我以当前的仓位水平，如果第二天市场是最不利于我的一个环境下，最大的可能会产生多大的损失，是每天会进行风险价值的监控，这个值通常能在2%~3%水平，也就是说第二天市场最不利于我的条件下，可能发生的最大损失。压力测试，也就是说如果历史上的一些市场极端的行情发生了，对于我们的策略会有怎样？可能是消极影响，也可能是积极影响，两个方向都有可能，我们更多看的是极端市场的环境下，对策略本身的影响。每天会监控保证金的占比，监控市场上的流动性、交易量、持仓量等等，像策略的保证金占比的话，长期来看大概的范围是15%~40%之间。
对手方，我们每天会监控，比方说交易所的信用等级，采用非常保守的现金管理政策。
模型层面，我们在每一个新模型的设计阶段，就会把风险控制模型嵌入进去，也就是说在设计模型时就考虑这些风险控制的基本指标。
问题修复，历史上也没有发生过，但是我们要保证多地的服务器，一旦一个服务器出现一些不能使用的情况，另外一个地方的服务器需要能够及时顶上来，这是风险监控的四个维度。
最后关于整个策略的业绩表现。历史上多数年份都有正收益，我们看到历年的收益也相对比较分散，我们来自于不同板块的贡献，我们在每个板块、品种上相应的风险暴露都是比较小，更多是尽可能抓住不同品种、板块上的趋势，都给我们带来盈利机会。
今年截至上周五，策略收益水平大概有6%左右。今年主要收益发生在3月往后，比如贵金属里面的黄金、白银，在3-4月出现了一波强劲上涨，但是最近我们也看到香港黄金表有点回落的走势，因为月初是属于上涨比较快的，所以值得一提的地方是，今年以来黄金是表现最佳的一个品种。特别是在4月往后，整个黄金价格走势有一个明显的上行。黄金大概从3月上行趋势开始出现的时候，陆续建立多头仓位，在3月中下旬4月初，随着价格走势的上涨，相应获得盈利。
但是我们看到在4月的上中旬的时候，随着上涨逐渐的我们看到这一条线越来变得越来越陡，上涨逐渐加速的时候，市场的波动也在升高，我们非但不加仓，反而有一定减仓。就是刚刚最开始讲的仓位和趋势信号本身之间的关系，就是信号过强的时候，我们非但不加仓，反而相应减仓，因为我们要去控制风险。当然可能这两周黄金品种有一些价格回落，所以当它价格反转时，我们也不会有太大风险在里面。
今年以来除了贵金属之外，有色金属相应也出现了比较明显的价格上行走势。像农产品在一季度总体上有一些区间震荡，所以导致了一些损失。如果我们看出现损失的一些品种的话，比如像锌，当然它在金属里面，但是锌品种可能不像其它铝铜这些，总体上锌在一季度的时候是出现了一些震荡，锌的走势相对来讲是不利的，因为在价格上下浮动的时候，我们没有明显的持续性的上行或者下行的走势出来，相应的我们没有办法建立仓位，或者我们刚刚建立起来的仓位，由于价格走势的反转，可能会导致出现一些损失。比方说原来价格是下跌的，然后我建立了空仓，但是如果它价格突然又反弹了，空仓可能会出现一些损失，所以像今年的锌和白糖这两个品种的一季度的时候，大概都是震荡的走势。当然这两个品种特别是像锌在四月以来，它相对有一些盈利的，因为上涨的趋势开始更明显了一些，逐渐的建立起来更明显的一些，所以锌品种又是有一些盈利，所以基本上应该从年初到现在品种已经由亏损转成盈利。
策略展望的话，我们觉得有几个主要宏观背景在里面。
全球来看，总体上通胀从前两年通胀居高不下，然后去年下半年到今年总体上通胀开始得到控制。全球主要发达国家的央行政策，现在也基本上开始考虑降息，当然可能市场上在考虑早晚。最近一两周可能稍微有一点变化，因为本身由于可能像原油等等价格的上涨，最近这两周一些地缘政治紧张的局势，像以色列和伊朗之间等等出现了一些紧张局势，所以原油价格包括一些建物商品价格出现了上涨，然后再加上总体上发达国家经济也比较强劲，所以也给市场带来一个可能美联储降息推迟的消息，但是总体上是一个降息方向，包括我们看到一季度瑞士央行已经采取了一些降息动作。
所以这样的大背景下，我们也统计过从80年代有趋势追踪策略以来的数据情况。往往在降息周期中，趋势追踪策略相对表现可能最强，也就是说，比方我们大概统计是在升期的周期里面，可能趋势追踪策略的年化收益水平大概在7%- 8%左右，而降息周期价会更高一点，到10%左右。总体降息周期下，应该对于整体各种资产来讲，趋势机会通常比较丰富，这是一个背景。
到国内这块，我们也看到一些新的大背景出现，比如经过去年一年疫情放开之后的恢复，所以到现在为止，我们已经看到像消费的一些板块，不光是像旅游的娱乐性消费，还有一些比方说汽车、家电的一些居民消费，表现出非常强劲的增长，相应有一些商品品种，比方说像有色金属、一些化工品种等等，它的走势也有明显的上涨走势。
另外一方面，可能房地产整个板块的债务水平相对比较高，所以这个板块还是以防范化解风险为主，相应这一块的需求还是比较弱。在需求背景下，像煤炭、钢铁这一类的黑色板块，下跌走势在里面。
所以各个角度机会还是比较丰富的。当然可能我们也看到现在有一些品种，今年暂时还没有出现趋势机会，比如像农产品还有很多能源化工这块，还有很多品种还相应没有出现趋势，但我们觉得后面可能会有一些趋势机会，总体上我们觉得后面对于趋势追踪策略而言，也是一个相应的机会比较丰富的时间段，这是我们的总体展望。
Q＆A
Q1：英仕曼宏量策略是伦敦研发的模型，引入到中国市场时，你们如何做到适应中国市场，或者说本土化模型是如何进行调整和升级的？
A：说到投研这块，整个宏量策略的开发，包括现在维护的整体是由英仕曼的场外品种和新兴市场团队来完成。团队大概有20多人，其中大概8位在上海和香港，其余在总部伦敦。宏量策略里面主要采用趋势模型，当然这个趋势模型在海外运行时间很长，也非常成熟，从上世纪80年代就开始运行。
所以很多策略模型，我们最早从海外直接拿进来，当然拿进来不是直接用，我们需要针对国内市场的特点进行一些本土化优化和改进，这里面的重点比如在参数方面，然后针对国内，在我们针对国内市场数据的一些特征时长，然后去进行优化配比，有些品种可能更适合偏长期的模型，有些品种可能更适合相对短期的模型，会进行本土优化。
这个过程的话，每个季度会有一次正式回顾，然后平时也会不断的持续性得进行跟踪和改进，所以我们在上海和香港的这几位也扮演着非常重要的角色，包括整个策略投研总监-英仕曼集团的中国区总经理许铭总，他本人也是宏量策略的总监，平时常驻上海，他本人包括整个在上海和香港的团队，在这里面扮演着比较重要的角色，因为他们是最直接一线去接触国内市场，然后针对国内市场的这些交易特点，还有一些结合本土数据进行对整个模型不断改进和优化，所以应该说本土化做得非常深入到位。而且策略2014年开始示范运行到现在有10年多，现在宏量策略可以说是完完全全的一个本土策略。
Q2：伦敦总部的研究团队和国内研究团队到底如何分工？比如策略方面怎么分类，或者说国内的研究团队，他们是不是只对国内的那些品种进行研究，海外的那些他们不去涉及？
A：场外品种的新兴市场团队，从这个名字里可能看出来，就是说整个他们研究的品种不只是国内的这些品种，也包括其它新兴市场的国家的品种，也包括发达国家的这些场外品种。团队从投研的分工来讲，并不是绝对把国内和国外完全划分开。也就是说，我们在亚洲这边的投研人员，他们的研究范围也包括欧美的一些品种，当然由于时区关系，他们更多会侧重于亚太地区的研究。
具体到整个的品种上线，包括模型上线的话，是由整个的投资委员会来决定，投资委员会里面既包括我们这边的投研高管，也包括伦敦总部这边的投研的资深管理人员，是整个的由委员会来决定，比方说这个品种经过了一段时间的测试是否可以上线，或者是一个新模型，我们是否可以去经过了全球市场的回测可以进行上线，或者也包括像比如我们在调整模型参数的时候，是否我们可以去进行调整，这个既包括国内也包括海外的整个的会投决委员会去同意批准，那才可以去上线或者去进行调整，它也是一个国内外合作的模式，不是说绝对的把国内和国外去分开。
这里面一个最重要的优势，一方面可以利用海外的成熟的或者是比较丰富的年限更长的一些模型经验，另外一方面也能保证我们同时是能够适应本土市场。也就是说既有长期的成熟的经验在里面，不至于说比方说本土市场可能有时会短期有一些特点出来，但特征往往它不一定会持续很长时间，我们要尽量避免这样的特点，不是因为短期的一些特征，然后我们就去调整模型，一旦这个特征消失，可能我们短期的模型的话，效果很快会失效，这个是我们必须要避免的情况。既利用海外的成熟经验，又能有真正适应本土市场的长期特点在里面。
Q3：请教下基金杠杆比例控制是怎么样的？
A：策略杠杆是大概在1.5倍到4倍之间，也就是因为我交易的主体是期货，期货它本身只是放保证金就可以，所以期货有自带的杠杆属性的，整个我的对应仓位大概是1.5倍到4倍，但是说到控制风险的话，应该说杠杆倒不等同于风险，因为我们虽然是1.5倍到4倍的杠杆，但它对应的我们的为什么会有这么大的一个范围，因为我们控制的并不是一个杠杆，我们是把组合的波动率长期稳定的控制在年化15%。