国内纯期货中低频量化（Pure Futures Medium-to-Low Frequency Quant）是CTA策略中一个相对"小众但稳健"的赛道，与股票量化多头/指增的喧嚣相比，它更依赖期货市场的波动率周期和期限结构。以下从策略模型、运作方式、业绩表现三个维度拆解。

---

## 一、它们怎么做？——策略模型与交易框架

### 1. 持仓周期与频率定义
国内纯期货中低频的持仓周期通常落在**隔夜至10个交易日（中频）到10个交易日以上（低频）**的区间。

| 机构 | 持仓周期 | 策略频率定位 |
|------|---------|-------------|
| **象限投资** | 5天至100天不等 | 中等偏低 |
| **会世资产** | 趋势3–5天，基本面9–10天 | 中频混合 |
| **黑翼资产** | 短周期5–8天，长周期约10天 | 中低频 |
| **通德投资** | 30分钟至2天 | 中短期 |
| **千象资产** | 平均3–10天 | 中长周期 |

保证金占用普遍控制在**10%–30%**，杠杆上限约2–3倍，单品种保证金上限通常不超过3%–5%，以分散风险。

### 2. 核心策略类型

中低频期货量化的子策略构成与股票量化有本质不同，主要分为三类：

| 策略类型 | 占比 | 核心逻辑 | 收益来源 |
|---------|------|---------|---------|
| **趋势跟踪** | 70%以上 | 时序动量，追涨杀跌 | 商品/股指价格的持续性趋势 |
| **趋势反转/均值回归** | 10–20% | 价格偏离均值后的回归 | 震荡行情中的拐点捕捉 |
| **套利对冲** | 10–30% | 跨期、跨品种、期现价差收敛 | 期限结构、品种间错定价 |

**趋势跟踪**是绝对主流。其逻辑在于：新信息在期货市场传播存在时滞，价格从均衡X到均衡Y需要一个过程，这个过程就是趋势。中低频趋势跟踪通过日线/周线级别信号捕捉这一过程，避免日内噪音。

### 3. 多因子模型（CTA版）
与股票多因子选股不同，期货中低频量化更依赖**市场环境因子**和**截面/时序因子**：

- **轮动速度因子**：当市场品种轮动较慢时，部分品种出现长久趋势，利于趋势策略；轮动加快时，策略收益、胜率、稳定性均下降。
- **基差/期限结构因子**：基差动量高时（近月强于远月），套利策略收益更好；期限结构反常时（如2024年黑色板块），跨期策略表现不佳。
- **市场投机度因子**：成交量/持仓量比值越高，趋势和套利策略收益均越好。
- **波动率因子**：波动率上行期，CTA趋势策略表现显著优于波动率下行期；量化CTA本质上是"做多波动率"的策略。

### 4. 高频因子的低频化应用
近年来，部分机构将**日内高频因子进行周频化/日频化降维应用**，以缓解传统低频CTA因子拥挤问题。例如：日内峰度、下行波动占比、尾盘成交占比、日内量价相关性等因子，降频后与传统低频因子相关性低甚至负相关，组合夏普比率可显著提升。

### 5. 人工智能在CTA中的应用
与股票量化相比，AI在CTA中的应用相对滞后（因期货品种少、历史数据有限、噪音高），但象限投资等少数机构通过与海外CTA巨头Millburn合作，将AI技术内核的量化CTA策略应用于中国市场，实现了2018年以来**连续年度正收益**。

---

## 二、与股票量化的核心区别

| 维度 | 纯期货中低频量化 | 股票量化（指增/中性/选股） |
|------|-----------------|------------------------|
| **标的资产** | 商品期货、股指期货、国债期货（约40–50个活跃品种） | A股股票（5000+只） |
| **核心收益来源** | 时序趋势、期限结构、品种间价差收敛 | 横截面选股Alpha、风格轮动 |
| **策略容量** | 单管理人约20–50亿（期货市场流动性限制） | 单管理人可达300亿+ |
| **与股债相关性** | **低相关/负相关**，危机时提供"保险" | 高相关（指增）或中性（对冲） |
| **杠杆使用** | 天然使用期货杠杆，保证金10–30% | 无杠杆（或融券对冲） |
| **交易频率** | 中低频（隔夜至数周） | 中低频至中高频（35–105倍换手） |
| **拥挤度** | 2021年后大幅回落，2023年起发行骤减 | 2024年仍处高位，Alpha衰减明显 |
| **政策敏感度** | 交易所限仓、申报费对中低频影响较小 | 受程序化交易新规、融券限制影响大 |

**关键差异**：股票量化解决的是"选哪只股更好"的横截面问题；期货中低频量化解决的是"这个品种未来会涨还是跌"的时序问题，以及"哪个品种相对更强"的截面问题。期货CTA的**危机Alpha**属性（股债双杀时CTA可能因商品趋势而盈利）是其最大配置价值。

---

## 三、过去几年业绩表现

### 1. 2024年：量化CTA整体跑输主观CTA

2024年期货及衍生品策略整体表现亮眼，1275只产品平均收益率**12.18%**，但内部严重分化：

- **主观CTA**：收益率均值**18.19%**
- **量化CTA**：收益率均值**10.98%**
- 其他衍生品策略：23.23%
- 期权策略：6.91%

**趋势跟踪策略**在2024年表现强劲，下半年区间收益率接近10%，扭转了过去两年颓势。具体指标：年化收益率**11.24%**，年化波动率**5.53%**，最大回撤**-3.16%**，夏普比率**4.00**，卡玛比率**2.03**。

**回暖原因**：2021年CTA大规模发行后，2023年5月起发行数量急剧下降至日均个位数，而衍生品市场量能维持往年水平，**交易拥挤度降低**，为趋势策略创造了有利条件。

### 2. 代表性机构中长期业绩（截至2022年8月数据）

| 机构 | 成立时间 | 年化收益 | 年化波动率 | 最大回撤 | 夏普比率 |
|------|---------|---------|-----------|---------|---------|
| **象限投资** | 2016/4 | **18.93%** | 11.87% | -7.67% | 1.43 |
| **会世资产** | 2018/8 | **15.20%** | 9.14% | -7.13% | 1.44 |
| **黑翼资产** | 2015/11 | **15.10%** | 9.12% | -8.43% | 1.44 |
| **通德投资** | 2018/1 | **30.50%** | 14.35% | -7.44% | 1.99 |

象限投资采用与美国对冲基金Millburn合作开发的AI内核策略，2018年以来**连续年度正收益**，2021年初因业绩太好被迫封盘。

### 3. 2024年的回撤与分化

并非所有机构都表现良好。2024年7月，**千象资产**、龙旗双双跌破百亿规模，千象33只产品中有23只年内收益告负，CTA产品平均亏损**-2.72%**。

黑翼资产2024年初也遭遇重创，旗下股票型产品平均亏损20.64%，最惨产品亏损达32.47%（虽然这主要是股票端而非纯期货端）。

### 4. CTA优选组合表现

招商证券构建的CTA优选FOF组合（截至2022年）表现优于行业平均：

| 指标 | CTA优选 | 同类平均 |
|------|---------|---------|
| 累计收益 | 165.71% | 66.21% |
| 年化收益 | **15.87%** | 7.96% |
| 年化波动率 | 6.60% | 4.35% |
| 最大回撤 | -5.10% | -3.28% |
| 夏普比率 | **1.95** | 1.14 |

---

## 四、总结

| 维度 | 要点 |
|------|------|
| **策略模型** | 以趋势跟踪（70%+）为核心，辅以均值回归和套利对冲；持仓周期隔夜至数周；依赖轮动速度、基差结构、投机度、波动率等市场环境因子；高频因子低频化是近年创新方向 |
| **运作特点** | 保证金占用10–30%，杠杆2–3倍，单品种分散；容量约20–50亿即触顶；与股债低相关，具备危机Alpha属性 |
| **业绩表现** | 中长期年化收益**15–20%**区间（优秀机构），夏普1.4–2.0；2024年趋势策略夏普高达4.0；但2021–2022年曾因拥挤度出现集体回撤，2024年量化CTA跑输主观CTA |
| **当前状态** | 2023年后发行骤减，拥挤度下降，中低频CTA进入相对"舒适区"；但品种少、数据有限、政策调控（限仓/申报费）仍是长期约束 |

**核心提示**：纯期货中低频量化的生存逻辑与股票量化完全不同——它不依赖选股Alpha的"内卷"，而是依赖**商品波动率的周期回归**和**期限结构的均值修复**。当市场波动率处于上行期、品种轮动速度放缓时，中低频趋势策略的性价比最高；反之，在低波动震荡市中，策略会进入"平台期"（收益停滞甚至小幅回撤），这是CTA策略的固有特征。