量化、宏观、CTA，到底选谁？

这是最近俱乐部的朋友在讨论的一个话题。

像去年这样多类策略表现都非常出色的情况，确实容易让人有幸福的烦恼，不知道到底该选择谁了。

风云君看来，成年人就不要做选择，全都要。

那就是既有CTA，又有量化，还要有宏观。

最简单的实现方法，就是用量化CTA的方式去做宏观策略。

说到这，可能有人开始疑惑了。

量化CTA见过，用CTA方式做宏观也见过，无非是利用股指、国债、商品的期货品种，达到股债商资产配置的结果。

但量化和宏观，有点少见。毕竟大家常见还是依据主观的研判，做资产配置。

但实际上，在过去7年里，全球量化宏观的管理规模就呈现出爆发式增长，在2023年占全球宏观策略比例已超60%，并且这一比例还在上升。

而量化宏观，也就是将投资决策从依赖基金经理的“叙事驱动”，转变为由量化模型基于规则信号来执行。所以同时满足两个条件：一是量化交易；二是要体现宏观基本面的配置逻辑。

尽管如此，量化宏观还是一直被质疑。尤其去年量化宏观再次爆火，质疑声反而更多了一些，主要在两个方面：

（1）策略本身不合理。认为宏观策略是小数据战场，经济数据相对低频且有限，这与量化依赖海量、高频数据的特征相矛盾。

（2）不认可量化宏观策略业绩表现。怀疑量化宏观业绩亮眼，主要还是加杠杆吃到了资产Beta的红利，本身并没有多少Alpha。

实际，这些质疑很多都站不住脚。

针对第一个质疑，在数据口径对齐上，宏观经济数据相对低频对于量化宏观来说并不是问题。

虽然传统宏观策略依赖的一些经济数据更新频率确实比较低、且数据量有限，但对于量化宏观回测数据并不仅限于这些低频的经济数据。

随着机器学习、AI技术的应用，量化可以触及到更广的数据维度，很容易的利用更高频的数据推演低频经济数据背后的经济学、金融学逻辑，其中包括线性的，也包括一些复杂的非线性逻辑，据此做出资产配置的判断。

所以尽管经济数据相对低频，但量化宏观依然有更广泛的信息来源来弥补。

其次，主流的宏观策略通常包括Beta配置部分和Alpha增强部分，两部分的持仓周期有差异，自然对数据的频段要求就不同。

Beta部分通常偏中长周期，而Alpha部分通常是偏短周期，依赖一些更高频的数据，就很适合量化。

很多量化宏观策略在Alpha部分，就通过量化的方式做各品种的交易，尤其是利用CTA方式交易，可以根据偏短周期的量价等信号做多空交易，能达到不增加整体组合风险的基础上做短周期的增厚收益的效果。

比如量创的量化宏观，策略就划分为Beta和Alpha两部分。其中：

Beta部分：采用风险平价模型，给股指、国债、商品期货各分配1/3波动确定中长期的配置权重，获取市场Beta收益。

Alpha部分：采用机器学习模型，去挖掘偏短周期的信号，据此做股指、国债、商品期货的择时和多空交易增厚。另外有20%的仓位配置全球股、债、商的ETF获取全球资产的Alpha收益。

对于第二个质疑，去年量化宏观的业绩亮眼，Beta强势是一方面，但依然有很多量化策略在此基础上做出明显的超额增强。

无论是主观还是量化宏观，在Beta强势的大背景下，都会有不错的收益。但在极端反转的行情时，量化宏观更能排除行情等干扰，同时偏短周期的信号能快速响应行情并做出判断。

比如去年4月的“V”型反转行情、国庆节后的黄金趋势反转，部分量化宏观就能更快的捕捉到。这也让量化宏观在去年动荡的行情中，业绩显得更加平稳，长期体现正是量化宏观的Alpha。

比如远澜，纯量化执行的宏观策略。

底层自上而下、从宏观到微观配置量化子模型去做股指、商品和国债期货的交易。具体包括经济周期策略、情绪周期策略、多因子定价模型、经典趋势策略和风险预警模型。

该部分既包括对宏观的中长期预判，另外增加短周期的量化子模型也能抓住短期市场的变动。

也因此，策略能在年初抓住黄金大趋势，另外在股指和黄金的几次大跌中，模型也比较准确的判断到，提前减仓或者做空，从而降低波动甚至还能逆势取得正收益，体现更高的超额。

策略底层根据风险预算，确定股债商资产相对固定的配置权重，在突破阈值会自动降低权重，保证风险可控，也提升整体的灵活度。

另外灵活运用杠杆，本身就是宏观策略的优势。尤其是利用CTA的宏观策略，能够在有确定性机会时增加杠杆放大收益。

只不过量化在运用杠杆上，更加谨慎。

一方面在于其交易品种更分散，杠杆不会过于集中。相反主观宏观更倾向于使用杠杆去押注某一品种或某一方向，追求在确定性行情中抓到大趋势。

另外量化宏观有更程序化的风控机制，能实时监控杠杆使用情况，避免使用杠杆过度导致爆仓等情况。

最近俱乐部正在举办“私募年终策略会”，邀请了一些优质的管理人，包括头部量化黑翼、老牌CTA悬铃、强超额能力的棱镜等进行直播分享。感兴趣朋友，可以关注公众号，获取更多资料。