“ 本尽调报告源自路演等途径整理总结，无论你是量化投资者还是量化从业者爱好者，希望本文对你有所帮助。”
本文共四部分：策略介绍，团队介绍，路演问答，路演正文。
【注】：在阅读以下内容前，请确定您是合格投资者。本文内容仅供参考，不构成任何投资建议。投资有风险，入市须谨慎。
01 策略介绍
-策 略 说 明-
策略类型
| |
持股数量
| 150到200只左右 |
换手率
| 持仓周期是1到5天10倍/年，平均每日的单边换手率是30%到50% |
策略逻辑
| 通过获取比较稳定的流动性的溢价去获取较稳定的收益，关注交易所行情数据中的高频微观数据，也就是订单流数据 |
对冲策略
| 中证1000指数股指期货动态“灵活”对冲模型 |
策略容量
| 20-40亿（当前7亿）
|
-动 态 回 撤-
【注】出于合规考虑，我们对管理人的信息进行了简化处理。如果您希望了解更多该管理人的信息，可进入我们的知识星球（见文末）。公司成立于2017年，并于2022年开始转型为资管战略模式，形成一套完整的资管策略。该公司拥有约30多名员工，其中60%为策略研究人员，其余为IT专家。核心团队成员来自中国顶级高校，如清华大学，上海交通大学，复旦大学和国防科技大学。此外，该公司还与复旦大学，北京航空航天大学和中国人民大学的教授团队保持紧密合作。 · 首先，公司拥有一套完善的策略开发平台，尤其是在高频策略的回测方面表现优异；· 其次，公司拥有丰富的低延迟交易经验，包括全链路延迟监控和动态优化，核心服务器调优，以及先进FPGA调优技术；· 最后，公司在AI和算力方面进行了大量投资，拥有自主建设的计算集群和高效的分布式存储系统，以及大量的A100 GPU算力资源。 · 在研发体系方面，该公司重点关注数据整理，因子挖掘，组合构建和交易及风险控制四个环节。· 在数据整理方面，公司主要关注四大类数据：交易所行情数据，基本面数据，专业机构观点数据和事件及舆情数据。公司通过长时间收集和整理形成了高质量的时间序列数据库，有效避免在回测过程中使用错误信息数据。· 在因子挖掘环节，公司重视因子的逻辑性和可解释性，确保最终交易信号的合理性。在组合构建环节，公司通过线性和非线性模型对信号进行加权，实现最优组合，并选择最佳交易方法增厚利润。
· 在交易和风险控制环节，公司实施事前，事中和事后的风控措施，确保交易的安全性。总的来说，这是一家交易频率较高的公司。
03 Q&A
【注】因合规要求只能展示路演问答环节，详细路演笔记见知识星球（文末）
A: 这个产品我们并不是在主动的择时，而是通过我们的这个高频的信号，去捕捉市场中这种套利的机会。对于投资人来说，这个产品直接买入之后就有一个非常好的这样一个体验。它的这种择时，很多时候站在这个就是策略之外的角度去看，并不一定能做的非常的好。长期的一个平稳的体验，这是这个产品的一个特色。我们把这个产品定位成一个低波动的绝对收益的产品。 A: 我们这个策略，它在方法论上，和很多经典的这种策略方法论是不太一样的。因为我们这个策略它是在股票端，我们高频信号它的一个触发机制会导致我们的股票端的仓位是在不断的变化的。并且我们有一个比较灵活的一个股指期货的一个动态对冲的这个模型和这种全对冲的经典的阿尔法策略相比，我们的资金使用率相对会更高。这样它的一个收益如果是横向比较的话，也会更高。但是大家的资产回撤和年化波动率基本上是差不多的。 Q: 请问机器学习择时 样本内回测很好看 样本外很容易失效 怎么解决过拟合 保持一致性？ A: 这一点我们之前在做很多研究的时候也会发现，尤其是这种大模型的这种机器学习策略，它是比较容易出现这种过拟合的。所以在我们去做这种计算机相关的策略的时候，我们的思路往往是先有这个交易的逻辑。我们先想清楚我们要做哪个方向的交易的机会，然后通过准备相应的数据，涉及不同的损失函数，目标函数，以及在模型结构上去做一些有针对性的这种调整。这样可以尽可能让我们的这个机器学习策略，它就是机器学习，只是我们一个优化的工具。但是这样做出来的信号，还是在我们所理解的这样一个策略的方向上面，这样的话就是不太容易过拟合，相当于把这种前沿的知识引入到了我们的策略当中。 A: 收益贡献较大的如果是从策略层面上来讲，我们会去在不同的场景下去捕捉这种流动性套利的机会。在因子贡献上来讲，如果从数量上来讲，这种量价的因子相对还是比较多的。但是像基本面的因子，包括一些另类数据的因子，它也起到了一些不可或缺的作用。 Q: xxx(某产品) 净值 有很多横盘的时候 是择时空仓 还是全对冲了呢？ A: 这个时候是我们策略，它的一个自动的调整。它是会去根据这个策略触发机制。当没有这个信号的时候，它就相对的仓位也会比较低。它的这个看起来波动就会非常的小。 Q: 请问灵活对冲怎么灵活法呀 是股指对冲还是融券对冲？ A: 我们这边都是用的股指期货去做对冲。最新的这个就是融券的轻微保证金调整，对我们是没有什么影响的。我们的这个灵活法，体现在两个层面上，首先从它的总的敞口来看的话，是动态的变化。我们的特征就在于我们的股票端的仓位和期货端仓位，它是会同时进行变化的，像这个股票这一端，我们可以理解成我们是在这种经典的横截面选股基础上，又加了一层这种盘中的连续的高频的一个预测。这个预测我们是以绝对收益为目标的，当整体市场环境比较好的时候，我们能预测出来的认为值得买入的股票数量就会相对比较多，但市场环境比较差的时候，预测出来的股票数量就相对比较少了。它在很大程度上就会影响到我们的股票端的仓位。另外一方面，就是我们的这个股指期货的对冲，我们是会有一部分的基础对冲的仓位去时刻去保护这种尾部的风险。另外一个我们的灵活的模型，是对于我们这个高频触发信号的一个保护。就是说当我们的高频触发信号，这个仓位比较高的时候，但是又由于我们没法当天去减仓。那这个时候我们的模型会触发股指期货去增加我们的这个股指的仓位，同样降低我们整个策略的敞口，达到降低回撤和波动率的这个目的。 A: 大概是五五开左右这样一个水平。我们策略里既有非线性的一些因子，然后也有一些线性的这种因子。 A: 流动性套利的话，就是我们最简单的例子就是说比如说当市场出现这种恐慌性下跌的时候，很多的一个市场上的这种参与者，大家就不会去管这个股票。它的一个定价到底是怎么样。然后会出现一股脑的这种被动性的这种抛售。这个时候很多的股票它会在短期偏离它的一个价值的中枢。我们的模型会根据我们的这种信号，针对投资者他可能会产生的一个这种错误定价。然后我们去识别一下哪些股票真正会就是它具有一个短期快速的反弹可能。这个是在恐慌的情况下的一种流动性的这种。然后另外就是说当整体市场环境是比较好的时候，由于大家情绪比较高胀，然后也会去买入一些股票。那某些标的它的这种弹性就会相对比较好，也会由于这种流动性的原因出现一个快速的上涨。我们也有模型去识别这类的和这种流动性套利的机会。 Q: 历史曲线2022年6月30日怎么突然拉升呀？ A: 就是说这个月我们的这个交易的信号相对还是比较强的，所以会有一个快速的拉升。这个就是我们的这个策略的一个特点。就是说没有机会的时候相对是守得住的。有机会的话，是会去快速的捕捉这样一些机会，去获取一个相对比较好的一个收益。 从统计上看的话，我们在95%的这个交易日里面，我们的产后是在负的20%到正的30%之间去波动的总体上它的长期的平均敞口，它是基本接近零的。
但是像如果是市场行情特别好的时候，比如说像降印花税的那一周，或者像2021年，就是一些行情特别好的这种时间里面，它会短期的话会出现一个多头敞口相对比较高的这种情况 A: 我们现在这边就是在发产品的时候，基本上也是针对这个产品的一个策略的容量去设计的。就是说基本上到了策略的容量的话，我们就会封盘。像这个策略的话，我们的这个回测的话就是这个策略的规模的话，如果是在20亿左右的话，它的年化收益是到20几的。然后如果到了40亿的话，大概年化收益会稍微降一点。所以我们基本上会把这个策略的一个最大规模会控制在40亿以内。这个策略现在目前的规模大概是有七个亿左右。 A: 目前这条策略线里面是没有加入商品期货的这个高频的。 A: 对，如果是这个策略的话，去叠加到指数上，那它的这个如果是指数上涨的话，那肯定会有一个指数额外的收益。但是如果指数下跌的话，它的这个收益也会相对的降低。所以我们对这个产品的定位还是一个偏低波动的一个绝对收益的产品，不去赌指数的一个方向。我们现在目前对冲端主要用的是1000的股指。像今年的以前的这个股指的基差也相对是比较低的，灵活性上也比较好。所以再加上我们的股票端的持仓，平均市值基本上是会落在1000范围内的。所以我们用1000对冲我们整体的一个夏普率相对会比较高一些。 Q: 请问个股的换仓频率是多少 有做barra 跟踪误差的风险控制么？ A: 首先这个换仓的频率，我们是盘中实时的一个出发，换手率是每日单边30%到50%。因为我们是一个盘中高频触发的策略。我们在盘中交易过程中，我们的仓位是在持续的变化。在这种情况下，barra 那套模型相对是不太适用的，跟踪误差也就是说年化的一个波动率的话，我们基本上是会控制在10以内的，最大回撤我们的控制目标大概是在5左右，相对是一个比较低的，就是可能会比中性产品略高的一个水平。但是我们的这个多头端的收益相对也会更高一点。在现在这样一个时间节点，很多人可能也都会有一个市场反弹的预期。在这个时候配置我们这款产品相对也是比较合适的。下跌过程中，我们也不是特别怕，比如说像这一周，市场下跌的时候，我们反而是有一定的正收益的。上涨的时候实我们这个产品也是会跟得上的。 A: 这个问题的话我们团队之前会有专门去做基差管理的这样一个策略。但是，像今年的这个基差基本上是比较低，所以没有去做这种基差管理。目前用这个单一品种，我们也会根据以后的这个情况，去根据我们策略的持仓的特征，包括这个基差的特征去决定我们到底是用单品种去做对冲，还是用多个品种去做对冲。甚至包括我们也会去考虑，如果是像期权的对冲成本，如果相对划算的话，我们也会考虑用期权去做对冲。所以在对在对冲工具的选择上，我们也是比较深的这样一个积累的。我们会选择最合适的对冲工具。 Q: 请问 股指的对冲仓位模型 是用机器学习 还是线性模型来触发的？ A: 这边的一个对冲仓位的模型，我们这边是一个偏线性的一个逻辑，就是它会根据我们的信号的执行度，然后市场的波动率持仓的波动率，以及我们的股票仓位会去做调整。 A: 这个就相对是比较难说。因为我们这个特长不在于对这种市场的这种大趋势的一种择时，我们更多的话会去捕捉市场的这种微观的一个交易的机会。但是如果说我个人的这种看法，我是感觉现在市场确实是处于一个相对比较低位的这样一个位置，政策底已经出来了，然后对于这个市场底的话，也是相对比较接近了。然后还是有很大的可能后面会有一波行情的。 Q: 使用高频订单数据，策略日内触发频率？会秒级别触发仓位吗？ A: 对我们的这个交易的信号的触发，基本上都是在这个毫秒级别。就是当我们的信号放出来，我们有这个交易机会的时候，基本上在毫秒级别我们就会把我们的委托发出去。 A: 对于我们的这条产品线的话，我们单产品的话就是会募到五个亿左右，就会去发一个新的产品。因为前段时间有监管的，这边规定会限制单产品的交易笔数。这边的话我们测算过，就是在五个亿以内的话，基本上是不会触发到监管的这个要求的。然后另外后面的话，我们公司也会有一些其他的产品线，这边就是比较成熟之后也会推向市场。 Q: 老师好 xxx(产品名) 曲线感觉有点奇怪 是定时止盈了吗？ A: xxx的这个曲线，对，xxx这边是由于在这个产品我们新成立的时候，20年之前，我们都还是以自营为主。当时这个产品我们是先设立了，然后去做过一段时间的这种交易的测试，就把这个产品搁置了。后面可能过了快一年左右才继续去交易这个产品的。 A: 我们公司的核心人员的流动性还是比较低的。像我们的几个核心的负责人，基本上都是公司创立之初，就在这边的，还有一些新来的一些核心人员，基本上都一直在这边。 A: 我们公司的话还是一个比较技术驱动型的公司。然后优势的话，因为我们之前一直在做高频的自营交易。在高频的策略上的研究，包括这种高频交易的这种执行上面，都还是有非常强的这种积累的。包括我们的这种IT的投入，也都是非常多的。【注】因合规要求只能展示路演问答环节，详细路演笔记见知识星球（文末）
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
