量化、宏觀、CTA，到底選誰？

這是最近俱樂部的朋友在討論的一個話題。

像去年這樣多類策略表現都非常出色的情況，確實容易讓人有幸福的煩惱，不知道到底該選擇誰了。

風云君看來，成年人就不要做選擇，全都要。

那就是既有CTA，又有量化，還要有宏觀。

最簡單的實現方法，就是用量化CTA的方式去做宏觀策略。

說到這，可能有人開始疑惑了。

量化CTA見過，用CTA方式做宏觀也見過，無非是利用股指、國債、商品的期貨品種，達到股債商資產配置的結果。

但量化和宏觀，有點少見。畢竟大家常見還是依據主觀的研判，做資產配置。

但實際上，在過去7年里，全球量化宏觀的管理規模就呈現出爆發式增長，在2023年占全球宏觀策略比例已超60%，并且這一比例還在上升。

而量化宏觀，也就是將投資決策從依賴基金經理的“敘事驅動”，轉變為由量化模型基于規則信號來執行。所以同時滿足兩個條件：一是量化交易；二是要體現宏觀基本面的配置邏輯。

盡管如此，量化宏觀還是一直被質疑。尤其去年量化宏觀再次爆火，質疑聲反而更多了一些，主要在兩個方面：

（1）策略本身不合理。認為宏觀策略是小數據戰場，經濟數據相對低頻且有限，這與量化依賴海量、高頻數據的特征相矛盾。

（2）不認可量化宏觀策略業績表現。懷疑量化宏觀業績亮眼，主要還是加杠桿吃到了資產Beta的紅利，本身并沒有多少Alpha。

實際，這些質疑很多都站不住腳。

針對第一個質疑，在數據口徑對齊上，宏觀經濟數據相對低頻對于量化宏觀來說并不是問題。

雖然傳統宏觀策略依賴的一些經濟數據更新頻率確實比較低、且數據量有限，但對于量化宏觀回測數據并不僅限于這些低頻的經濟數據。

隨著機器學習、AI技術的應用，量化可以觸及到更廣的數據維度，很容易的利用更高頻的數據推演低頻經濟數據背后的經濟學、金融學邏輯，其中包括線性的，也包括一些復雜的非線性邏輯，據此做出資產配置的判斷。

所以盡管經濟數據相對低頻，但量化宏觀依然有更廣泛的信息來源來彌補。

其次，主流的宏觀策略通常包括Beta配置部分和Alpha增強部分，兩部分的持倉周期有差異，自然對數據的頻段要求就不同。

Beta部分通常偏中長周期，而Alpha部分通常是偏短周期，依賴一些更高頻的數據，就很適合量化。

很多量化宏觀策略在Alpha部分，就通過量化的方式做各品種的交易，尤其是利用CTA方式交易，可以根據偏短周期的量價等信號做多空交易，能達到不增加整體組合風險的基礎上做短周期的增厚收益的效果。

比如量創的量化宏觀，策略就劃分為Beta和Alpha兩部分。其中：

Beta部分：采用風險平價模型，給股指、國債、商品期貨各分配1/3波動確定中長期的配置權重，獲取市場Beta收益。

Alpha部分：采用機器學習模型，去挖掘偏短周期的信號，據此做股指、國債、商品期貨的擇時和多空交易增厚。另外有20%的倉位配置全球股、債、商的ETF獲取全球資產的Alpha收益。

對于第二個質疑，去年量化宏觀的業績亮眼，Beta強勢是一方面，但依然有很多量化策略在此基礎上做出明顯的超額增強。

無論是主觀還是量化宏觀，在Beta強勢的大背景下，都會有不錯的收益。但在極端反轉的行情時，量化宏觀更能排除行情等干擾，同時偏短周期的信號能快速響應行情并做出判斷。

比如去年4月的“V”型反轉行情、國慶節后的黃金趨勢反轉，部分量化宏觀就能更快的捕捉到。這也讓量化宏觀在去年動蕩的行情中，業績顯得更加平穩，長期體現正是量化宏觀的Alpha。

比如遠瀾，純量化執行的宏觀策略。

底層自上而下、從宏觀到微觀配置量化子模型去做股指、商品和國債期貨的交易。具體包括經濟周期策略、情緒周期策略、多因子定價模型、經典趨勢策略和風險預警模型。

該部分既包括對宏觀的中長期預判，另外增加短周期的量化子模型也能抓住短期市場的變動。

也因此，策略能在年初抓住黃金大趨勢，另外在股指和黃金的幾次大跌中，模型也比較準確的判斷到，提前減倉或者做空，從而降低波動甚至還能逆勢取得正收益，體現更高的超額。

策略底層根據風險預算，確定股債商資產相對固定的配置權重，在突破閾值會自動降低權重，保證風險可控，也提升整體的靈活度。

另外靈活運用杠桿，本身就是宏觀策略的優勢。尤其是利用CTA的宏觀策略，能夠在有確定性機會時增加杠桿放大收益。

只不過量化在運用杠桿上，更加謹慎。

一方面在于其交易品種更分散，杠桿不會過于集中。相反主觀宏觀更傾向于使用杠桿去押注某一品種或某一方向，追求在確定性行情中抓到大趨勢。

另外量化宏觀有更程序化的風控機制，能實時監控杠桿使用情況，避免使用杠桿過度導致爆倉等情況。

最近俱樂部正在舉辦“私募年終策略會”，邀請了一些優質的管理人，包括頭部量化黑翼、老牌CTA懸鈴、強超額能力的棱鏡等進行直播分享。感興趣朋友，可以關注公眾號，獲取更多資料。