CTA 策略是什麼？趨勢追蹤期貨基金的運作方式
CTA 策略是商品交易顧問替客戶操作期貨時所依循的一套書面規則。多數 CTA 會在數十個彼此不相關的市場上追蹤趨勢、可多可空，並依各市場的波動度決定每個部位的大小，接受長時間的回撤，換取少數幾個強勁趨勢年度的報酬。一般交易者可以用幾個流動性高的期貨、一條趨勢規則、實際的交易成本與樣本外期間，測試一個簡單版本。
作者 Soren Huang · 發佈 · 更新於 · 編輯原則
什麼是 CTA 策略？
CTA 策略是商品交易顧問替客戶操作期貨時所使用的規則化交易方式。多數 CTA 採取趨勢追蹤：價格上漲就買進，價格下跌就放空，並把同一條規則套用在數十個彼此不相關的期貨上，讓少數幾個強勁趨勢的獲利足以彌補許多小額虧損。
CTA（commodity trading advisor，商品交易顧問）是受託替他人操作期貨、或提供期貨交易建議而收取報酬的個人或機構。在美國，這個名稱屬於法規上的分類：以收費方式從事此業務的經理人，通常必須向期貨監管機構 CFTC 登記，並向客戶提供說明交易方案與過往績效的揭露文件。客戶的資金通常留在自己於期貨經紀商開立的帳戶內。顧問帳戶是客戶名下的帳戶，由客戶書面授權 CTA 進行交易。管理期貨（managed futures）則是這類方案所屬的投資類別名稱。
名稱中的「commodity」是歷史遺留。現代的 CTA 會交易股價指數期貨、政府公債期貨、外匯期貨、能源、金屬與穀物，而實體商品往往只佔整個組合的最小部分。把這些市場串在一起的是同一套規則，而不是某一個市場。從這個意義上說，CTA 策略是一種大規模的演算法交易：事先寫好規則、不靠主觀判斷執行，同時套用在許多市場上。
趨勢追蹤是一種順著市場近期走勢進場、並持有到該走勢反轉為止的策略，它不預測價格最終會到哪裡。多數 CTA 都採用某種形式的趨勢追蹤。許多股票交易演算法會持有多單並挑選要持有哪些股票，相較之下，CTA 方案做空與做多同樣自在，因為期貨放空和買進一樣容易。
趨勢追蹤型 CTA 實際上怎麼交易？
趨勢追蹤型 CTA 會在市場已經開始上漲後買進，在市場已經開始下跌後放空，持有數週或數月，並同時對組合中的每個市場執行同一條規則。進場刻意較晚，出場則刻意讓出部分獲利；這兩者都是不必預測轉折點所付出的代價。
一筆交易的生命週期分為四個步驟。第一，訊號：價格收盤高於過去 N 日的最高收盤價，或短期移動平均線向上穿越長期移動平均線。第二，進場：部位在下一根 K 棒建立，而不是在產生訊號的那根 K 棒上建立，因為訊號要等那根 K 棒收盤才能確定。第三，持有：只要價格維持在一條跟隨價格移動的線的正確一側，部位就持續留著，這條線通常是移動平均線，或設在近期高點下方數個波動單位的移動停損。第四，出場：當價格收盤跌破該線，部位就平倉，許多方案還會同時反手。唐奇安通道突破策略是第一步的短線近親；CTA 用的是同一個概念，只是回看期間長得多。
| 進場規則 | 訊號 | 典型回看期間 | 優點 | 缺點 |
|---|---|---|---|---|
| 突破 | 收盤價高於過去 N 日最高收盤價（做多）或低於最低收盤價（做空） | 20 至 100 日 | 不會錯過大幅走勢；程式容易撰寫 | 盤整市場中假突破很多 |
| 移動平均線交叉 | 短期平均線穿越長期平均線 | 如 50 日與 200 日等組合 | 較平滑；被來回洗掉的次數較少 | 進場與出場都比突破策略來得晚 |
持有數週或數月，與當沖交易在交易時段結束前把所有部位平倉恰好相反。CTA 接受隔夜跳空與週末風險，因為它想抓住的趨勢遠比一個交易時段來得長。Moskowitz、Ooi 與 Pedersen（2012）測試了這類規則，即過去十二個月報酬為正就做多、為負就做空，範圍涵蓋數十個流動性高的期貨與遠期市場，並發現這種現象幾乎在每個市場都存在。
組合不是裝飾。在任何一年裡，多數市場都是橫向盤整，規則在每一個市場上都會小虧。真正強勁趨勢的那兩三個市場，必須負擔其餘市場的虧損。所以 CTA 寧可在五十個不相關的市場各持一口，也不願在單一市場持有五十口。
CTA 基金的報酬如何？
CTA 的績效本來就是起伏不均的：長期持平或緩慢虧損，中間夾著少數幾個強勁的趨勢年度，且與股價指數的相關性低。因此報酬的走勢形狀，比任何單一的平均數字更重要。兩檔平均報酬相同的基金，持有起來的感受可能天差地遠，而趨勢追蹤者幾乎總是比較難熬的那一種。
原因就在上一節的交易結構中。多數交易是突破失敗時所承受的小額虧損，獲利則來自少數持續數月的交易。這些交易往往集中在許多市場同時出現趨勢的年份，而歷史上這類年份通常是金融動盪的時期：股票下跌、債券上漲、匯率大幅波動。Moskowitz、Ooi 與 Pedersen（2012）發現，他們的趨勢規則在股市出現最極端波動時（不論向上或向下）報酬最強，而在股市平靜時最弱。因此，CTA 的績效紀錄看起來一點也不像儲蓄帳戶，更像是有著長長平台的階梯。
比較基金或回測時，這一點有實際的意義。請索取逐月的完整權益曲線，而不只是摘要數字。看看最長的持平期有多長、多少年度貢獻了大部分的獲利，以及獲利是否出現在股票投資組合最需要它的年份。一檔 CTA 如果全部獲利來自某一年，其餘九年都小幅虧損，它仍可能是投資組合中有用的一部分；但看起來平滑的平均值會把這一點隱藏起來。
CTA 如何決定部位大小並控制風險？
CTA 會依市場近期的波動度調整每個部位的口數，讓每個市場每天承擔的風險佔資金的比例相近，所以波動平穩的債券期貨拿到的口數，會比波動劇烈的股價指數期貨多。少了這一步，組合就會被恰好波動最大的那個市場主宰，分散持有許多市場的意義也就喪失了。
以波動度為基礎的部位規劃，是依市場平常一天的波動幅度來決定口數的規則，使每個部位在一般日子裡以金額計算的預期波動大致相同。Covel（2007）描述的海龜交易者在 1980 年代就用過這種做法，他們以平均真實波幅衡量每日價格區間，當區間較寬時就少買幾口。計算只需要一個公式：
口數 = 目標每日風險 ÷ 每口的典型日波動金額
這裡的目標每日風險是經理人願意讓單一部位在一般日子裡波動的金額，通常不到帳戶資金的百分之一；每口的典型日波動金額是一口合約近期的平均每日價格區間，再以該合約的點值換算成金額。把前者除以後者，然後無條件捨去。在單筆交易中，把日波動換成停損距離，做的也是同樣的計算，這正是免費的部位大小計算機所做的事。
假設範例
經理人設定每個部位的目標每日風險為 2,000 美元。一檔平穩的債券期貨在一般日子裡每口約波動 500 美元，因此可以持有 2,000 ÷ 500 = 4 口。一檔波動劇烈的股價指數期貨每口每天約波動 2,000 美元，因此只持有 2,000 ÷ 2,000 = 1 口。兩個部位現在在平常的一天都會波動約 2,000 美元，因此任何一個部位出現趨勢，對帳戶的貢獻大致相同。
在單一部位之上還有兩個控制。第一是限制整個組合的總風險：當許多市場同時出現趨勢時，這也代表它們彼此相關，此時經理人會縮減部位，而不是任由帳戶的每日波動成倍放大。第二是重新規劃口數的規則：當某個市場的波動度翻倍時，部位會被減碼，通常是在下一次訊號時才執行，而不是每天調整，如此一來既能讓美元風險維持在目標附近，又不必承擔持續調整的交易成本。
CTA 的回撤有多大？
趨勢追蹤的勝率偏低，回撤以月或年計算，因此交易者必須同時規劃回撤的深度與長度，並預期實際交易中的回撤會超過回測的結果。大家最常看的是深度；真正讓人放棄的，往往是長度。
回撤是指帳戶價值從先前最高點下跌到其後最低點的幅度，之後才會再創新高。它有深度，即下跌的幅度；也有長度，即從舊高點到新高點所花的時間。對趨勢追蹤者來說，長度往往很長，因為這套方法只有在市場出現趨勢時才會賺錢，而它無法強迫市場出現趨勢。一個橫向盤整的年度會造成小額虧損慢慢累積，在下一波趨勢來臨之前沒有辦法復原。由於只有在趨勢反轉後才會出場，通常獲利的交易不到一半，獲利則來自少數幾筆大賺的交易；因此連續多筆虧損是正常現象，並不代表規則已經失效。
| 深度 | 長度 | |
|---|---|---|
| 衡量的是 | 帳戶價值由高點到低點的跌幅 | 從舊高點到新高點所花的時間 |
| 單位 | 美元或佔帳戶的百分比 | 月，有時是年 |
| 威脅到的是 | 保證金與帳戶存續 | 耐心，以及是否決定停止交易 |
| 在你自己的測試中要檢查什麼 | 最大回撤與你願意投入的資金相比 | 最長持平期與你曾經連續不改動一個策略的最長時間相比 |
在這兩方面，都應預期實際交易的數字比回測更差。回測只呈現歷史的一條路徑；實單交易會走出一條新的路徑，而且你最後選擇要交易的那個回測，本身就有一部分是因為它的回撤看起來可以接受才被選中。Magdon-Ismail 與 Atiya（2004）指出，權益曲線的預期最大回撤會隨紀錄的長度增加，因此一檔長期運作的 CTA 遲早會出現比早年任何一次都更深的回撤。免費的回撤計算機可以從你貼入的任何權益序列中讀出深度與復原時間，因此無論是回測或基金績效紀錄，你都能在決定是否撐得住之前，先量出這兩項數字。
一般交易者能測試簡單版本嗎？
可以：選幾個流動性高的期貨、一條趨勢規則、以波動度為基礎的部位規劃、實際的手續費與滑價，再加上一段樣本外期間，然後用你能承受的回撤來衡量結果。不必用到五十個市場，就能體會趨勢追蹤的感覺；三到五個市場加上十年的日 K 資料，就足以清楚呈現持平期與起伏不均的獲利。
- 選擇三到五個流動性高的期貨，且來自不同類別，例如一檔股價指數期貨、一檔債券期貨、一種能源與一種金屬，讓它們不會同時出現趨勢。
- 選定一條趨勢規則，並在執行任何測試前先寫下它的參數：可以是 N 日突破加移動停損出場，或移動平均線交叉，兩者擇一，不要混用。
- 設定以波動度為基礎的部位規劃，方法如上一節所述，目標每日風險設定得小，確保沒有任何單一市場主導結果。
- 依你的經紀商實際收費，設定每口的手續費與滑價，並且每一邊至少加上一個跳動點的滑價。
- 切分歷史資料：一段樣本內期間用來選擇參數，另一段樣本外期間只執行一次，且不做任何更動。
- 先依你真正擁有的資金與耐心來衡量回撤的長度與深度，然後才看獲利。
為了呈現這類測試的輸出樣貌，我們在單一市場上跑了一次。這次回測使用 NQ 日 K 資料，期間為 2019-01-02 至 2025-06-30，可多可空，每次一口，且每筆交易都計入手續費與滑價。它的進出場來自Choppiness Index（震盪指數）規則，沒有停損、目標或過濾條件。這是以一個標準指標建構的替代規則，並不是 CTA 的突破規則，也不是一個組合，因此它呈現的是多年期期貨測試的形狀，而不是 CTA 本身。請把成本當成每次評估的一部分，而不是最後才扣除；AlphaPrime（Valynox）的回測會在每個候選策略內計入手續費與滑價，並在下一根 K 棒成交，這次執行用的正是這個設定。
來源：AlphaPrime 產品引擎（CPU），2026-10-31 執行。NQ 日線，2019-01-02 至 2025-06-30，多空都做，1 口，每筆手續費 $20、滑價 $10。
| 項目 | 結果 |
|---|---|
| 淨利（已平倉） | $221,050 |
| 最大回撤 | $75,190 |
| 交易筆數 | 45 |
| 勝率 | 64.44% |
| 獲利因子 | 2.354 |
| 平均每筆 | $4,912.22 |
| 在場時間 | 56.75% |
請依照前面各節的觀點來讀這些數字。這是搜尋過程從 1,024 個嘗試中保留下來的唯一候選策略，它的選擇依據是報酬相對於回撤的表現；而事後挑出保留的那一個，會讓它看起來更好：千次嘗試中的最佳者，總是比產生它的規則看起來更出色，這就是 Bailey、Borwein、López de Prado 與 Zhu（2014）所描述的選擇效應。這條規則並沒有真的賺到這些錢，讀者也不應期待它會再賺到。64.44% 的勝率高於經典趨勢追蹤通常呈現的水準，原因有兩個：Choppiness Index 規則進出場所依據的訊號與突破不同，而且 45 筆交易的樣本很小，多幾筆或少幾筆就可能大幅改變這個數字。在約六年半的期間內，最大回撤 75,190 美元對上淨損益 221,050 美元，這樣的比率應該拿來與你自己的資金相比：資金較少的交易者，早在測試結束前就可能被迫退出。
你的下一步是：針對一個你本來就在追蹤的流動性高期貨，重複上面的六個步驟，改用突破規則取代替代規則；並且在看獲利之前，先從報表中讀出以月計算的最長回撤。如果這個長度超過你曾經連續不改動一個策略的任何期間，問題就不在規則本身，而在於你是否準備好撐過它。
常見問題
交易中的 CTA 是什麼意思？
CTA 是 commodity trading advisor 的縮寫，即商品交易顧問。它是受託替他人操作期貨，或提供期貨交易建議而收取報酬的個人或機構；在美國，這是法規上的分類，通常需要向 CFTC 登記。雖然名稱中有「commodity」，但現今多數 CTA 主要交易的是股價指數、債券與外匯等金融期貨。
CTA 只交易商品嗎？
不是。這個名稱源自期貨交易所主要掛牌農產品與金屬合約的年代。現代 CTA 的組合通常以股價指數、債券與外匯期貨為主，能源、金屬與穀物則佔其餘部分。不論在哪個市場，方法都一樣：一條趨勢規則、可多可空，並依波動度決定部位大小。
為什麼股市下跌時 CTA 基金往往表現不錯？
趨勢追蹤者會持有任何正在移動的標的，不論方向為何；而股市大幅下跌時，債券、外匯與商品往往也會出現強烈的走勢。Moskowitz、Ooi 與 Pedersen（2012）發現，在許多期貨市場上使用的簡單趨勢規則，其最強的報酬出現在股市波動最大的期間，不論上漲或下跌。這是過去資料中的規律；未來任何一次下跌是否會再次出現，事先無法得知。
趨勢追蹤型 CTA 的勝率是多少？
通常獲利的交易不到一半。這套方法只有在趨勢反轉後才出場，因此每次突破失敗都是小額虧損，獲利則來自少數持續數月的交易。連續多筆虧損本來就是這套方法的一部分，所以回撤的長度和深度同樣重要。
我能用小額資金操作類 CTA 的策略嗎？
你可以用小額資金來測試，但若要實際交易，需要有足夠的資金，才能每個市場持有一口並承受測試中顯示的回撤。微型合約能讓前一部分較容易達成。後一部分則取決於你測試中最長的回撤，包括以月計算的時間長度，以及以美元計算的金額，並拿來和你實際能負擔、能等待的範圍相比。
參考文獻
- Moskowitz, T. J., Ooi, Y. H., & Pedersen, L. H. (2012). Time Series Momentum. Journal of Financial Economics, 104(2), 228–250.
- Covel, M. W. (2007). The Complete TurtleTrader: The Legend, the Lessons, the Results. HarperBusiness.
- Magdon-Ismail, M., & Atiya, A. F. (2004). Maximum Drawdown. Risk, 17(10), 99–102.
- Bailey, D. H., Borwein, J., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance. Notices of the American Mathematical Society, 61(5), 458–471.