路演链接：网页链接
一、CTA的策略介绍
(1) 从策略逻辑上的分类。
CTA策略从不同的维度上可以分为不同的策略类别，从策略逻辑上来划分，可以分为：a：趋势跟踪型的策略，这也是最传统最经典的策略类别，偏右侧交易的趋势跟踪策略。b：套利策略，通过期限之间的，或者跨合约跨品种之间的传统的套利策略。随着市场方法论的丰富，目前还有多空套利的，不同的各种策略的表现。c：基本面供需策略，通过基本面驱动的，研究产业链上下游逻辑的方式做的策略类别。
从品种上来划分又可以分为a：单一板块，只做某一板块品种的策略；b：活跃品种：在品种上有比较严格的限定，只挑选一些活跃品种来做的策略，c：全市场品种，交易覆盖全市场品种，就像我们交易的一样，我们的策略基本上也是一个全市场品种覆盖的交易。d：跨境品种，现在通过很多方式，通过一些场外的方式，可以去做一些境外品种的交易。
(2) 从实现的方式的分类
从实现方式上来看，大概可以分为两个不同的交易实现方式，一个是主观投资。主观投资跟大部分投资者的投资方式有点类似，基于我主观的判断或者我的研究，得出来一个信号跟结果去进行交易。另外一个是程序化的交易。整体策略的构建，或者交易执行的环节，是由程序化为主，由机器去做交易的执行。量道就是一个以量化为主，程序化交易为主的投资公司。
从策略的频率上来讲，我们又可以分为不同周期的策略类别。比如纯日内高频的，交易都是以日内的交易为主，基于tick级别数据及高能计算机高换手交易。还有日内中低频的，可能就做一笔到两笔趋势波段带来的盈利机会。还有日间中周期的策略类别，持仓周期可能在5到10个交易日，还有日间中长期的，持仓周期会更长，日间低换手甚至是周频调仓的策略。
在仓位上根据保证金占用或者仓位管理方法的差异，可以分为这么几大类，一个是低保证金，整体保证金控制是比较低的水平，杠杆是比较低的，可能就一倍不到两倍的水平。另外一个就是恒定保证金的比例，对标在仓位里面是固定的保证金占用的水平，期间保证金的占用保持在一个恒定的比例。另外一个是通过杠杆比例动态调整，特别是在量化模型里面，我们会根据信号强弱、波动率等指标实现仓位的管理，随着波动率指标的变化，保证金的只用也是呈现动态调整过程。
二、量道的CTA策略
量道CTA策略是围绕几个维度去开发相应的策略。
1.多品种
我们覆盖的品种基本上是主流的30到40个交易品种，包括它们的主力合约跟次主力合约，我们去开发相应覆盖标的的交易，不管是在趋势类里面的策略，或者在套利类里面的策略，我们基本上都是全品种覆盖，很分散的持仓。
2.多周期
围绕不同的周期我们去开发普适性的策略，周期级别上来讲，从偏中长期的，持仓周期大概在十几到二十个交易日左右，偏中短期的，持仓在一到三个交易日的水平。偏中周期的，持仓在十个交易日左右。组合下来，我们的策略会覆盖不同的维度，更能适应不同阶段市场行情的表现。
3.多策略
量道在策略的表现上更注重策略逻辑的多样性以及策略库的积累。在开发策略的情况下，会先有一定逻辑基础，再通过量化的方式做验证。不是简单的把历史数据拉出来统计归纳，然后得出一个规律就直接应用。我们是在有很强的逻辑基础的条件下，再以量化的方式来做表达。所以在策略的表现上来讲，逻辑的有效性会更高一点。策略的多样性也是基于逻辑的多元化。
4.程序化
策略开发的过程或者交易的执行环节，都是以量化开发、程序化交易为主的，中间不太涉及人为主观的去做干预执行的过程。交易是通过程序自动化下单实现，不是基于个人主观的判断。
5.归因分析
归因分析是一个常态化的工作了，我们每天盘后都会去做一个定期的归因统计，包括同策略不同产品一致性情况，实际持仓与理论持仓一致性情况，策略当天是否出现交易的异常，这些都是我们在日常盘后定期的归因工作。当然我们也会做一些极端行情策略发生一些变化的情况下，或者策略运作有超出理论范围的表现，我们会去做一个更深入的归因的分析工作。
二、带你了解一下我们的量化开发流程
量化CTA策略的开发流程，一个是数据部分，通过不同来源的数据，主要是来源于一些公开的数据，我们去做数据的收集、清洗、挖掘等工作，把有效因子纳入到因子库里面，再通过因子的组合，实现策略的建模，最终通过算法交易的方式进行交易的执行。
模型建立的时候会通过样本内样本外测试，经历一系列严谨科学的统计分析进行验证。当然我们也会进行实盘验证阶段，主要考量模型在历史数据中的表现，跟在接下来实盘的表现是否能够同样达到我们预期的效果。实盘验证之后没有问题，才会把它叠加到我们策略的组合里面。
技术平台目前都还是基于C++跟Python的底层架构去实现。构建的平台里面会分为几大部分，一个是数据库系统。数据库系统就涉及到数据开发流程过程中，最初的数据搜集、数据清洗以及数据挖掘的过程。另外一个是策略量化开发的平台，把因子拿到这个平台上做模型的构建及回测。
量化交易系统，这个模块主要是负责交易执行的环节。当然交易里面也会涵盖风控的模块。因为风控也会对交易环节做交易风控的处理。
三、严格的风控管理是很必要的
模型本身的风控。基于量化的特性，在投资策略开发过程中，充分融合风险管理模型，在模型建立初期的情况下，我们去验证逻辑的有效性，对品种的持仓集中度做上限，交易品种进行过滤等一些方式，通过把风控的指标直接写入到模型里面做约束的方式，来实现模型本身的风控。
模型上线之后就分为事前、事中、事后的风控。事前风控就是结合产品与投资者之间风险匹配的过程。对于喜欢高波动高风险的客户群体，在产品的设计上，流动性上，保证金使用上会设计更激进一点。对于稳健型的客户，保证金使用会更低一点。产品通过保证金使用的差异，来实现风险偏好上的匹配。
事中风控主要是在交易执行过程中的风控。交易执行过程环节中，主要是以系统风控为主，交易系统会包含风控模块。比如对交易单子的发出、成交、反馈进行跟踪，理论持仓与实际持仓匹配监控。包括有一系列风控的一些阈值来实现，比如账户保证金风险度，品种持仓集中度是否达到上限，来实现系统风控。
另外就是人工辅助风控的过程，在系统风控触发风险事件警报之后，交易系统会及时通知到交易人身上，交易人员及时进行干预调整保证交易的正常执行。事中风控是以系统风控为主，人工风控为辅的方式实现交易环节的风险控制。
事后风控是常态化的事后归因分析，包括定期不定期的归因统计，对持仓、仓位、收益进行检测，盘后及时做一个归纳跟统计，一旦出现异常的情况，会做及时的干预纠错，保证第二天交易正常进行。