量化投資與機器學習微信公眾號，是業內垂直於量化投資、對沖基金、Fintech、人工智慧、大資料等領域的主流自媒體。公眾號擁有來自公募、私募、券商、期貨、銀行、保險、高校等行業30W+關注者，曾榮獲AMMA優秀品牌力、優秀洞察力大獎，連續4年被騰訊雲+社群評選為“年度最佳作者”。

近期的Top Traders Uplugged的採訪邀請到了Winton CIO | Simon Judes。對CTA策略進行了深入的探討。以下是QIML對採訪實錄進行的提煉節選。

Winton目前的AUM是100億美元。

Winton目前有三種產品：

量化多策略對沖基金
多樣化的CTA（四分之三的趨勢跟蹤和四分之一的其他系統性宏觀策略）
純趨勢產品

1、在多樣化的CTA中，其四分之一的系統性宏觀策略主要是什麼策略？為什麼是75/25的配比？

另外四分之一主要是Carry策略，但我們不會在股票上進行Carry交易，因為這通常只會給你的股票投資組合增加做多的傾向。其他還有一些純統計的，也有些是有經濟邏輯的，有些是其他技術訊號，比如更快的趨勢跟蹤。關於策略配比，在某種意義上並沒有什麼不同。它們取決於你使用非趨勢策略時所擁有的機會集。所以這只是我們現在認為合適的水平，但確定一個水平也很重要，這樣投資者就知道他們會得到什麼。

2、關於趨勢跟蹤策略速度的問題，從絕對回報和對於股票市場分散化的角度來看，你的觀點是什麼？

我們分析過不同速度下趨勢跟蹤的表現，更快的趨勢策略確實會帶來更惡化的策略表現。使用較慢的策略，不會看到表現有這麼大的下降。關於在任何給定時刻選擇的正確速度，有不同的目標。如果你純粹想最大化夏普比率，那麼我們的分析表明，你需要交易的夠慢。但通常情況下，投資者並不是孤立地最大化其趨勢配置的夏普比率，而是想要在一個包括股票的多資產組合裡起到分散的作用，特別是股票出現系統性風險時的彌補作用。這時採用更快的策略是有好處的，即使隨著時間的推移，整體夏普比率略有下降，它最終也能更好地符合投資者的目標。

3、我們是否有辦法可以靈活的根據市場環境動態調整趨勢跟蹤的速度？

在2020年2月和3月的這段時間裡，更快的趨勢跟隨暫時比更慢的趨勢跟隨表現更好，不難理解為什麼。從2月份的最後一週到3月底美聯儲出手干預，市場幾乎整整下跌了一個月。如果你在兩週內扭轉倉位並做空，那麼你花了兩週時間在市場繼續下跌的時候賺錢。另一方面，如果你花了一個月的時間來扭轉你的頭寸，那麼你在下跌的過程中損失了，然後當你做空市場反彈時，你又在上漲的過程中損失了。這是一個快速趨勢跟蹤優於緩慢趨勢跟蹤的時刻。問題是，在那一刻，有什麼改變了嗎？更快的趨勢跟蹤是否會繼續優於較慢的趨勢跟蹤？我們沒有看到任何證據表明這種情況已經發生，也沒有看到任何變化。事實上，事實證明這是正確的。從那以後，緩慢的趨勢跟蹤再一次比快速的趨勢跟蹤做得更好。

從長遠來看，更慢的趨勢跟蹤是更好的選擇，但偶爾，你也會遇到更快的趨勢跟蹤效果更好的時候。我們的觀點是，這不是系統性趨勢策略組合經理的職責，如果你想象一下自己正在經歷這些，你就會明白為什麼了，因為在那一刻，你不知道這是否會發生。有些主觀交易者是這方面的專家，他們預測美聯儲會怎麼做。但在我們看來，這不是趨勢追隨者應該做的。

4、你能給我們講講這個研究過程是如何開始和結束的嗎？從一個新想法是如何被研究的，它最初是從哪裡來的？是來自市場觀察，還是學術期刊？在評估、測試這個想法並將其作為一種潛在的投資策略方面，你在尋找什麼？

我們對策略想法的來源持相當開放的態度，對於學術期刊，我不認為這是Alpha來源研究的前沿。我們有一個非常大的研究部門，因為我們更傾向自己做原創研究。比如，我們在中國的同事，有時當他們研究中國的商品時，結果是他們在那裡應用併產生的一個想法，實際上在全球範圍內也適用。

我們有兩種不同型別的研究專案。一個是找到一個新的Alpha來源，你真的要想到一個新的想法或一個新的資料輸入。另一種是，你已經有了現有的Alpha來源，你需要確保你儘可能地把它們做好。這包括審查趨勢跟蹤的速度，或者你構建趨勢訊號的方式的其他方面，你的波動模型，等等。通常情況下，你會從你所處的市場環境中學習。例如，對波動率模型的調整通常是由新型別的事件引起的。例如，2018年2月的事件對我們來說並不是那麼糟糕，因為我們在2007年2月經歷了一個非常類似的事件，實際上與2018年的行為非常相似，股票市場在相對較低的波動率下上漲，隨後突然急劇逆轉，儘管人們通常關注股票，但在CTA碰巧交易的市場空間中複製了這種情況。所以這看起來像是擁擠效應，因為這是一個逆轉。他們專門攻擊CTA的位置。但我們從中吸取了教訓，並在2007年調整了我們的模型，這在某種程度上保護了我們在2018年發生的非常類似的事情。

5、我們關注到很多資方會對趨勢策略，或者是CTA策略進行擇時配置。他們會有這樣的想法，既然它們2022年表現得很好，那麼2023年大機率不會表現得很好。您會如何改變他們的這類看法，即不要對趨勢類策略進行擇時配置？

我很理解投資者的擔憂，因為我們不能預測趨勢。但對於資產配置者來說，如果他們做出決定之後馬上出現糟糕的情況，這是有風險的。這給他們個人帶來的風險超過了策略的長期表現。但是，也正如你所說，我們的觀點是，我認為沒有理由認為去年很好，所以明年會很糟糕。2008年是個好年份，在此之前，Winton歷史上的每一年都是好年份。所以你經常會看到長時間的好年份。但在某種程度上，人們擔心在某個特定點進行配置的風險，然後表現不佳，一種緩解方法是，你可以在幾個月的時間裡平均分配，這是一個很有幫助的想法，因為它經常解決真正的潛在問題。

6、關於機器學習，我想很多人覺得機器學習的希望在於，機器可以從不同的環境中學習，評估當前市場環境。這是對機器學習的期望的合理總結嗎？你認為機器學習已經取得了多大的成功，並且能夠取得多大的成功？

機器學習演算法需要大量的資料來訓練它們。在這種情況下，你到底有多少訓練資料？答案實際上取決於你交易的速度。如果你的交易速度相對較慢，那麼你所經歷的事件只有幾個例子，因為你不關心市場在這一分鐘到下一分鐘的走勢，你關心的是在你可以改變頭寸的時間範圍內市場的走勢。通常沒有足夠的資料使機器學習成為有用的工具。

不久前我們發表了一篇論文：

Winton：量化研究中的『實驗研究』與『觀察研究』

區分了不同的科學分析風格。在某種程度上，你有觀測科學，比如天文學，然後你有實驗科學，比如粒子物理學。不同的是，在觀察科學中，你不能安排一個新的實驗。如果你想研究黑洞，你只需要研究那些你能看到的黑洞。你不能為自己的目的建立一個新的。然而在粒子物理學中，你可以創造一個新的粒子加速器，你可以重複實驗，只要你有足夠資金，然後得到越來越多的資料。

這類研究在金融市場中也是成立的。如果你不是在談論慢時間尺度下發生的事情，你如何處理像市場崩潰這樣的事件，你不能根據需求製造市場崩潰。你必須研究已經發生的事情，並盡你所能從中吸取教訓。但如果你在研究一個執行速度非常快的演算法或者是在一天內執行速度非常快的東西，那麼你就有很多機會嘗試不同的東西，看看它是如何工作的，然後一次又一次地迭代。所以不同的分析風格適用於不同的情況，機器學習絕對適用於你有更多資料的快速日內策略，而不適合（至少我們還沒有找到一種方法使它如此有用）我們一直在討論的較慢型別的策略。

7、對於趨勢策略，你們使用的是通用引數，也就是對所有市場都適用的引數，還是根據你交易的市場型別有不同的引數？一般情況下如何選擇引數？也就是說，其中是否有人為因素，還是完全自動化？引數多久換一次？

我們是大部分使用通用引數，但也不是絕對的。不同市場之間往往存在實際差異，你必須考慮到這一點。有些交易成本更高，有些有不同的成本結構。在一些國家，市場影響更令人擔憂。在其他情況下，它們本質上有更大的價差，這對成本有更大的影響，有時佣金是成本的更大組成部分。這有時需要在不同的情況下選擇不同的引數。

至於如何選擇引數，對於量化，人們很容易認為一切都是自動化的，一切都是由電腦完成的。這絕對是錯誤的想法。如果你不選擇引數，那你就要選擇決定引數的演算法。這個問題可以換句話說，你希望人類在什麼程度上承擔責任？你想說我負責選擇這個引數還是你想說我負責選擇選擇那個引數的演算法？現在，哪個是正確的答案多少取決於我們所討論的內容。有時，使用最佳化器為您做一些其他選擇是一個好主意，有時，它不是。這取決於它對投資組合的影響，以及它對你理解投資組合行為的影響程度。你顯然不想有一個黑盒子，你把所有的事情都委託給別人，你很難理解為什麼系統會做出這樣的選擇。

我們的觀點通常是，我們試圖在相當早的時候就把責任推給人類。所以像趨勢跟隨速度這樣的事情，我們說這是人類的決定。它們是根據通常的科學嚴謹的分析輸入而製作的，但它們是人類決定的東西。

8、關於趨勢跟蹤，你從別人那裡聽到的你認為的最偏見的說法是什麼？

我認為我們最不同意的觀點是趨勢追隨是一種愚蠢的策略，只是人們在羊群行為中相互追隨。事實上，真正有趣的是，很多時候，當趨勢跟隨最成功的時候，那是因為它實際上是一個反人性的策略。也許看一個具體的例子是最簡單的。

如果你想想2014年的石油，當時由於美國頁岩油產量的增加，石油價格下跌，你看看基本面分析師當時對價格的預測，你會發現沒有人預測價格會下跌。為什麼呢？這是因為當時的說法是圍繞著石油供應峰值，這個詞現在已經不常見了，但在當時很常見。

與此同時，新興市場對石油的需求也在增長，比如中國、印度、巴西等等。在這些因素的綜合作用下，人們認為價格永遠不會真正下降，因為供應在減少，需求在增加。你認為會發生什麼？你看到的是，沒有人真正充分評估頁岩油產量增加的影響。

趨勢跟蹤的好處在於它不知道那些關於應該發生什麼的理論。它只是說，嗯，價格下降了，我們打賭它會繼續下降。在這一點上，很明顯，它是在做反向交易，因為它和其他人的想法相反，這是一筆非常成功的交易。為什麼會成功呢？因為趨勢是指價格在一段較長時間內從一個地方移動到另一個地方的情況。

如果價格立即上漲，那就不是趨勢。你可能會對也可能會錯，但這是50/50。要成為一種趨勢，運動必須在時間上延長，通常，它可以延長，因為它是反向的，因為有一種說法，人們認為這意味著市場實際上需要向另一個方向發展。與此同時，在完全不同的德國固定收益領域，也發生了非常相似的事情。

當時的情況是，收益率越來越低人們普遍認為，如果央行願意，可以設定負利率，這有點奇怪，但他們可以這麼做。但是，誰會把錢交給政府10年，而得到的回報卻更少呢？所以人們認為長期收益率不可能是負的。再說一次，趨勢跟蹤並不知道這一點。它不在乎。它只是說收益率一直在下降，讓我們打賭收益率將繼續下降，而且長期國債交易非常好。

顯然，這些債券的收益率確實是負的。再一次，這種反向的態度，因為它在對抗這種敘述，它導致了一個非常平穩的趨勢。所以很多時候，不總是，但很多時候，趨勢跟隨的一大好處是它實際上是一種反向策略。所以，我認為，這就是我們對趨勢的看法，這與我們經常聽到的不同。

9、你認為執行CTA組合時最重要的風險是什麼？

我們思考風險管理的方式可能也與其他人有所不同。有一種奇怪的困惑尤其困擾著CTA行業，那就是將風險等同於波動性。通常情況下，當經理被問到，“你的風險等級是多少？”他們只會用自己的波動水平來回應。這會讓你感覺很自然。但當你走出這個圈子的時候，你會覺得很奇怪，對吧？

如果你回想一下2017年，當時股市直線上漲，而VIX指數處於創紀錄低點，世界上有人認為股市風險處於創紀錄低點嗎？沒人真的這麼想過。如果你問任何一個股票投資者:“你為什麼不認為風險很低？”看看VIX有多低，他們會告訴你VIX可以突然上升。他們還會指出估值，他們會說估值看起來非常高。

這是什麼意思呢？為什麼我們最終會在投資界關注波動?這是一個奇怪的故事。這可能是因為實際估算風險，損失的風險，這是每個人都關心的，是非常困難的。然而，估算當前波動率的問題相對容易。所以我們儘量避免這種錯誤。我們該怎麼做呢？你看看股票投資者是怎麼說的他們說估值很高。

他們真正想說的是，好吧，我可以看看波動率指數，但我可以計算出所有其他數字，這些數字告訴我，實際上，現在的風險很高。所以你必須以同樣的方式對待波動性。你把波動率當作一個數字，它告訴你一些關於風險的事情，但它只是一個，你應該關注很多很多其他的事情。你已經提到槓桿是另一件事但是看不同的場景測試和不同的壓力測試是很重要的。

現在，回到你的問題，你應該考慮哪些情況？這是問“你現在擔心什麼”的另一種方式。你不會想要把自己限制在你當時碰巧能想到的事情上。這不是一個非常系統的方法。

所以我們經常做的是，看看我們目前的頭寸，看看它們在我們有資料的所有以前的市場環境中表現如何。我們會問，以目前的風險敞口，我們會經歷的最糟糕的一天或一週是哪一天？然後我們說，嗯，這確實發生了，所以根據定義，它是現實的。這種事不能再發生了。如果我們經歷了這些，我們會有什麼感覺？當你把它放在那個環境中時我們是否冒了太多的風險？通常，這會讓你想起一些你沒有想到的事情。

例如，在2014年，當石油價格下跌時，這是在說，1990年第一次海灣戰爭開始時發生了什麼？油價上漲了30%。別以為這是不可能的。這是可能發生的。如果發生這種情況，你的投資組合會發生什麼？現在情況如何？目前，大多數投資都是做空債券，做多股票。

因此，很明顯，真正令人擔憂的情況是一種非常典型的避險行為，即債券上漲，股票同時下跌。這不是我們最近從股票和債券中看到的表現。我們一直看到這些資產類別之間存在適度的正相關關係。顯然，通貨膨脹的動態使得這與人們購買債券作為避險資產的通常情況有所不同。

不過，這也不是不可能發生。可能會有一些不利於通貨膨脹或對經濟不利的訊息，然後你就會看到這種情況。你可能會看到債券上漲而股票下跌，這對當前的投資組合來說恰恰是更糟糕的情況。這就是我們現在擔心的情況。