“期货寻星”赛对冲套利组第七名周晓昇：风控的核心是仓位控制和及时止损

　　2014年，周晓昇从英国留学归来后，选择加入筑金投资，一直负责化工方面的策略。在由投顾网联合期货日报举办的第三届“期货寻星”赛中，周晓昇管理的筑金昇化壹号产品获得了对冲套利组第七名的好成绩。

　　“我们团队的整体配置包括化工、黑色和农产品三个板块。”周晓昇向期货日报记者介绍，目前他们的产品以化工板块为主要方向，覆盖PTA、PX、甲醇、乙二醇、PP等品种，策略成熟度较高。黑色板块也有参与，主要涉及焦化利润套利，以及部分跨品种套利。农产品板块以单边操作为主，涉及鸡蛋等品种。整体而言，操作策略以套利和对冲为主，以单边操作为补充。团队具备承接MOM账户的能力，在仓位管理和策略选择上会更为稳健，基本只进行套利操作。

　　据周晓昇介绍，目前他们团队的整体策略体系以套利为主，套利操作占比在六七成，包括三类套利操作。一是产业链上下游套利。他表示，化工产业链能做的套利组合很多，比如PTA和PX、PP和甲醇、PP和LPG、纯苯和苯乙烯等，在供需错配或利润波动时会出现套利机会。二是跨期套利。他们会根据现货和盘面的基差、库存走势，在不同合约间做正向套利或反向套利。三是基差回归套利。该策略主要在合约进入交割月前进行，通过买入期货价格贴水的合约、卖出期货价格升水的合约实现完全对冲。

　　“我们进行单边操作的次数较少，有时候会在碳酸锂、多晶硅等波动大的品种上择机参与，策略风格偏右侧，会及时止损。”周晓昇说。

　　据了解，周晓昇管理的参赛账户的利润主要来自PTA和PX套利、PP和甲醇套利以及焦化利润套利。账户仓位通常控制在两三成，遇到合适的行情会加仓到六七成。比如2025年1月，他们认为PTA、PX和原油行情非常适合，便大幅提升了仓位，获得了可观的收益。

　　“风控的核心是仓位控制和及时止损。”周晓昇表示，套利头寸的风控设置比单边操作灵活，一般在亏损1%~2%时选择部分止损，整体净值回撤达到2%时会立刻止损。仓位管理方面，单边头寸有总持仓上限，而套利头寸更多依靠回撤来控制风险。遇到极端行情时，会果断处理头寸。比如，今年4月上旬，受全球贸易摩擦加剧影响，原油价格大跌，他们的账户出现了回撤。团队选择立即砍仓，避免损失扩大。

　　“仓位重时，我们的止损幅度会更窄，保证整体净值曲线平稳。遇到特殊节点，如国庆节、春节等假期，团队会强制减仓，通常选择清空单边头寸、套利仓位减半，以防范长假期间的系统性风险。”周晓昇说，相对于盈利，他们团队更注重账户的稳健运行，确保回撤处于可控范围。

　　“期货寻星”赛量化组优秀奖获得者毕业程：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。

　　1.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。

　　2.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。