量化策略开发，高质量社群，交易思路分享等相关内容
大家好，今天为大家带来2023年度通用系列的收官之作——再议横截面因子。
在通用05策略中，我们以一种很简单的框架和复现方式，为大家展示了横截面因子在期货中的运用展示。实际上，说简单一些，就是股票多因子那套框架和逻辑转移复现到期货市场，很多人私信我说期货带杠杆，如果不通过择时和止盈止损，真的可以靠轮动来进行交易吗？
这个问题我们放在文后总结为大家进一步解答和说明，这里简单说一句，择时时序模型和轮动多因子选品种模型是两种不同世界。
一、策略逻辑
在期货市场中，实际应用的因子与股票类似，但是没有股票的多。例如：基本面因子，基本面因子主要有：基差、库存、期限结构、原材料、信心指数等等。剩下的大部分都是量价因子，这块就非常非常多了，简单说一些：动量因子、相对强弱因子、均值回归因子、以及成千上万的数学类因子。其中数学类因子可以通过遗传算法进行挖掘，
如下所示：
暴力挖掘出来的的因子，测试长一些，且各个阶段上大体稳定，过拟合的表现风险本质上已经做了普适性验证了，概率相对降低。
下面我们来讲解策略因子，该策略因子共4个，其中1个为合成因子。如下图所示：
该截面因子我们作为一种择时，这里要注意，我们所说的择时非彼“择时”，而是一种截面过滤择时，考量的并非自身的涨跌，而是全市场品种的走向。
当然这里面首当其中的会有2个疑问：
（1）因为基本面、宏观等原因的情况下，个别品种会有特定自身的行情
（2）这种择时我们赚的是什么？
先来回答第一个问题，的确会有一些品种在一些阶段“独特专行”，说白了大家涨的时候，它不涨，可能还跌。大家跌的时候，他不跌，可能还震荡上行。面对这种情况，我们采用的机械规则和逻辑就是不做它。因为有潜在的微观风险。
其次，我们赚的什么钱？我们赚的就是市场整体上涨和下跌背景下，做TOP-N品种的钱，当然这里面并没有所谓书本上大家看到的做多前N个，同时做空后N个的操作和逻辑。因为在期货市场动量是很足的，而且一些品种同又属于一个板块，根本不会像股票那样，通过轮动选股，就算在熊市中，也能轮动到上涨的票。
然后我们计算了2个基础因子，一个是“通用05”中用到的动量因子，一个是将ER效率系数改为具有方向性算法逻辑。如下图所示：
在该策略中，我们大胆尝试了具有多头敞口的组合方式，组合中的多头要比空头品种多100%，如果你对这里的疑问很大的话，个人建议每天抽出一点时间来学习学习《主动投资组合管理》这本书。其实说的简单一些，类似风险平价一样，我们是通过仓位来进行择时和轮动的，在这里同样也是，除了策略本身逻辑以外，还通过多头的风险敞口来进行择时和轮动，从而实现相对商品指数的alpha收益。如下图所示：
二、绩效
49品种日线组合
三、总结
-
横截面因子在期货市场运用，可以更大的扩容资金容量，按照以往个人经验来看，2-3个亿做分钟择时，外加日线横截面异质化性，资金扩容到5个亿左右是没有任何问题的。
（这里假设资金使用率25%左右）
-
不通过择时和止盈止损，也是可以靠轮动来进行交易的。否则股票怎么那么多的多因子轮动呢？那些大机构的业绩都是哪里来的呢？总归你不能说人家是靠着金死叉吧。其次，我上一篇文章也讲到了，回测与因子研究的区别，大家可以回看一下通用05那篇文章的最后总结。
-
该策略未加择时的出场，可不可以加呢？当然是可以的，后面在线下课和横截面策略专题小组中，我们会跟进一步为大家剖析（后面更多的会用Python+tb结合的方式）。
-
深度学习和机器学习的方法，以及遗传算法挖掘因子都还没有，这块更是一块大蓝海。感兴趣的可以加客服微信，后面松鼠将进一步针对大资金大户进行更多横截面异质化策略和组合的内容。
-
该策略另外一个版本尝试使用了TBQ中的sortids函数，以及大量的“data.”索引进行单策略单元的买卖环境，但是很可惜，在调试和开发过程中，一种报“信号闪烁”的错误，所有的数据源都是[1]计算，但是依然有这个问题。
由于时间有限，迫不得已没有进一步深究，从而继续使用了原多策略单元，根据data0角度的发单逻辑。
-
因为该策略性质无法在VNPY的CTA模板中进行复现，因此TY06并未有VNPY版本代码。
由于各平台差异，回测绩效以TBQ版本为准！！！
本策略仅作学习、交流使用，实盘交易盈亏投资者个人负责！！