【文章来源：期货日报】
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。
