用机器学习解锁量化投资新边界

在量化投资的浪潮中，不少从业者凭借专业能力在复杂的市场波动中寻找确定性机会。在北京一家私募公司担任投资经理的毕业程，便是其中颇具代表性的一位。

聚焦日内交易

2023年2月，毕业程精心打磨的日内截面机器学习CTA策略开始运行，这是一套以日内截面CTA为框架，融合压力因子与机器学习非线性组合的量化体系。“该策略的核心是通过机器学习，对市场数据进行深度挖掘，结合压力因子预测品种的日内收益，进而筛选出有潜力的品种开展交易。”他说，该策略严格遵循“日内交易、不隔夜持仓”原则。

据了解，该策略覆盖40～50个主流商品期货品种，但通过模型预测，每次仅自动挑选预测值排名前五的品种进行交易。“日内收益预测值排名越靠前，盈利潜力越大。回测数据显示选5个品种进行交易时夏普比率最优。”毕业程告诉期货日报记者，若资金容量得到提升，他会将交易品种扩展至10～15个。

仓位分配方面，毕业程采用“等市值”原则。“回测数据显示，等市值分配与‘信号强品种高仓位’模式的表现相差不大，且当资金规模有限时，部分品种受交易单位限制，难以实现仓位调整，反而增加了操作的复杂度。”他说。

在数据周期选择上，毕业程的策略兼顾细节与广度，即最高采用1分钟K线捕捉日内的短期波动，同时结合日线数据把握长期趋势，信号生成频率控制在一天两次。“盘中缺乏有效的增量信息，频繁预测只会增加模型的复杂性。”他说。

多维度防风险

风险控制是量化投资的“生命线”，毕业程的策略在风控设计上层层递进，构建起多维度防护网。首先是隔夜风险防控，在每日下午收盘前固定时间强制平仓，彻底规避隔夜风险。其次是盘中风险应对，若盘中出现方向反转，及时平仓，避免亏损扩大。最后是规避极端行情，针对开盘价格波动异常（比如接近涨停或跌停）的品种，设置剔除规则。

从风险表现看，毕业程的策略回撤控制能力同样突出：实盘交易以来回撤率为5%～6%，“期货寻星”赛期间最大回撤率为28.95%。“实盘回撤较小，既得益于严格的风控措施，也与市场环境相关，但要始终清醒地认识到，历史表现不代表未来。”毕业程说。

任何策略都有适用边界。毕业程表示，他的策略更适合震荡行情，核心逻辑是“涨多必跌、跌多必涨”的反转效应。“机器学习模型存在‘黑箱’特性，部分高阶特征难以观察，偶尔会在趋势中跟随操作，不能绝对化定义适用场景。”据毕业程透露，为弥补这一不足，他尝试引入传统趋势子策略对冲风险。目前已有账户运行趋势子策略，但效果一般，未来会持续研究优化。

谈及未来的规划，毕业程有清晰的布局。资金容量方面，交易品种扩展至10～15个后资金容量将进一步提升，下单延时3分钟左右对收益影响不大，可通过增加品种、分散下单等方式平衡容量与收益。产品化方面，今年8月，他又备案了一只全新产品，由日内截面CTA策略全权运作，标志着该策略正式迈向更广阔的资管市场。

在量化投资快速发展的今天，毕业程的实践为行业提供了一个清晰的样本——以扎实的数理基础为支撑，以严谨的逻辑构建策略，以敬畏的心态控制风险，在自己擅长的领域深耕细作，方能在市场波动中稳步前行。“量化策略的关键是逻辑扎实、适配市场，我们会微调参数，但核心框架不会轻易改变。”毕业程表示，未来，他将继续聚焦商品期货CTA赛道，在因子挖掘、模型优化上持续投入，以更稳健的业绩回报客户。