151 交易策略（SSRN 2018）

原题：151 Trading Strategies

一句话总结：Kakushadze 与 Serur 将超过 150 种跨资产交易策略整理为统一符号体系的参考书，包含超过 550 个公式、约 2,000 条参考文献和超过 900 个术语/缩写/数学定义；作者明确不承诺盈利，正文不含 numeric backtest，Appendix A 仅提供 illustrative R code（Abstract、Preface、§1、Appendix A）。

问题与动机

量化金融知识高度碎片化：期权组合、股票 factor、固定收益 carry、ETF rotation、波动率风险溢价、外汇 carry、商品 roll yield、加密货币 ML signal、global macro、税收套利等各自有独立文献与行业惯例，但缺少统一符号、统一 portfolio 约束表述、统一参考文献入口的 cross-asset 参考书。从业者要「walk the walk」需要知道行业里曾经认真考虑过哪些策略族，以及每种策略在数学上如何落到 holdings / payoff / break-even 上。

本书定位是 descriptive & pedagogical encyclopedia，不是 cutting-edge research。作者 claim 的边界非常清楚：不提供「如何赚钱」指南，只提供「人们考虑过什么」的公式化描述；任何 profitability 都取决于 implementation、transaction cost、slippage 与 regime change（Introduction 与 Appendix B 均反复强调 disclaimer）。这与同作者前作 101 Formulaic Alphas 形成互补：前者公开 101 条股票 alpha 显式公式，本书把视野扩到 几乎所有常见 asset class / trading style。

项目起源是 2015 年「101 Trading Strategies」论文计划，最终膨胀为 350+ 页、160–170 条策略（计数方式不同）的专著；2018 年作者因出版流程问题将 SSRN 版免费开放（Preface 详述）。目标读者是 academic、practitioner、学生与 aspiring quant researcher。

关键观察 / 隐含假设

观察 1：金融市场是人造物，策略会「死亡」——NYSE 2006 起从 specialist 系统转向电子交易后，许多 statistical arbitrage 策略隔夜失效；随后 HFT 进一步压缩利润。作者用此说明「过去有效的公式」不能保证未来有效。
- 依赖假设：策略 edge 来自特定市场微观结构 + 参与者行为的稳定组合，而非物理定律式的不变规律。
- 可能失效场景：交易所规则变更、流动性迁移、监管变化、算法交易渗透率上升时，书中任意模板都可能突然失效——书中不会预警具体哪条。
观察 2：cross-sectional / 大样本统计策略比 single-stock 技术分析更有「科学」基础——Section 3.21 明确指出，单股 MA 交叉、支撑阻力、channel、单股 KNN 被许多专业人士视为 unscientific；作者将 momentum、mean-reversion、stat arb 的依据归因于行业相关性、factor stratification 与投资者共识的统计放大。
- 依赖假设：同一 industry/cluster 内股票 return 存在可 exploit 的短期偏离，且可通过 dollar-neutral 组合与 risk model 管理 idiosyncratic risk。
- 可能失效场景：行业边界漂移、factor crowding、相关性结构突变（危机期）时，cluster-neutral 残差不再 mean-revert。
观察 3：现代 alpha 极淡，必须 mega-alpha 组合才可交易——Section 3.20 引用 101 Formulaic Alphas：单条 alpha 无法覆盖成本，需将数十万条 faint signal 用 nontrivial weights 合成；权重 procedure 引用 Kakushadze & Yu 2017b/2018a。
- 依赖假设：alpha 之间相关结构稳定、历史 realized return 可估计 future weight；流动性足以同时交易 2500 只美股。
- 可能失效场景：alpha decay 不同步、相关性 spike、capacity 约束——书中只给权重公式，不验证组合后 Sharpe。
假设 1：公式模板 + 文献指针足以支撑「百科全书」claim，无需正文实证——全书刻意不含 numeric simulation / backtest / empirical study，把证据外包给约 2,000 篇参考文献。
- 证据强度：弱（就「策略有效」而言）；强（就「文献与公式覆盖」而言）——Bouchaud 等书评也承认 profitability 取决于 implementation details。

核心方法

全书按 asset class × strategy family 组织，每条策略尽量给出：经济直觉 → 数学 payoff/信号 → portfolio 权重约束 → 关键参数（formation/holding period、decile cut、MA 长度等）→ 参考文献。统一符号贯穿期权 break-even、股票 decile sort、固定收益 duration-neutral butterfly、ETF dual-momentum filter 等。

资产类覆盖（20 章）：

章节	内容要点
Ch.2 Options	约 57 种组合策略：covered call/put、spread、straddle/strangle、butterfly/condor、calendar/diagonal、collar、seagull 等；区分 directional vs non-directional、bullish vs bearish、volatility vs sideways
Ch.3 Stocks	price/earnings momentum、value、low-vol anomaly、implied vol、multifactor、residual momentum、pairs/mean-reversion（单/多 cluster、weighted regression）、MA 系列、event-driven M&A、KNN、mean-variance stat arb + dollar-neutrality、market-making、alpha combos
Ch.4 ETFs	sector momentum rotation（含 MA filter、dual-momentum）、alpha rotation、R² selectivity、IBS mean-reversion、LETF 负 drift 套利、multi-asset trend following
Ch.5–6 Fixed Income & Indexes	bullets/barbells/ladders、immunization、butterfly 变体、yield curve、CDS/swap spread arb、cash-and-carry、dispersion、index ETF intraday arb
Ch.7–10 Vol/FX/Commodities/Futures	VIX basis、vol risk premium、variance swap、FX carry & triangular arb、roll yield、hedging pressure、trend/contrarian
Ch.11–17 结构性/另类	CDO/MBS、convertible arb、税收套利、通胀/天气/能源、distressed、real estate、REPO 等
Ch.18–19 Crypto & Macro	BTC ANN（技术指标 → quantile 分类 → softmax）、naive Bayes sentiment；fundamental macro momentum、通胀 hedge、跨国债券 factor sort
Ch.20 Infrastructure	基础设施资产 diversification（篇幅较短）

股票策略的「标准配方」（反复出现）：在 universe 上按 signal sort → top/bottom decile（或 quintile）→ long-only 或 dollar-neutral（ $\sum w_{i} = 0$ ， $\sum ∣ w_{i} ∣ = 1$ ）→ uniform 或 $1/ σ$ 、 $1/ σ^{2}$ 加权 → 固定 holding period（momentum 常用 12-1 formation + 1 month hold）。Stat arb 则走 expected return $E_{i}$ + covariance $C_{ij}$ → Sharpe 最大化或 mean-variance 目标 + Lagrange multiplier 实现 dollar-neutrality（Eq. 354–358）。

ML 策略（Ch.18）：crypto 缺乏 fundamentals，故依赖 technical indicator + ANN quantile forecast，或 Twitter sentiment + naive Bayes；作者明确警告 over-fitting 自由参数（ $τ_{a}$ 、 $λ_{a}$ 、hidden layer 规模等）。

Appendix A — R backtest 样例：qrm.backtest() 演示 intraday open-to-close、dollar-neutral、universe 按 ADDV 每 d.r 天重选、risk model 与 optimizer；区分 delay-0 mean-reversion 与 delay-1 momentum。成本默认关闭（incl.cost=F）；启用时用平均 10 bps 归一化的线性近似（Appendix A，Eq. 553–554）。代码明确不处理 survivorship bias。

设计取舍

取舍 1：广度换深度——简单策略描述简短，部分复杂策略跨多页，但没有 production-grade 完整 pipeline（数据清洗、borrow cost、corporate action、regulatory constraint）。
取舍 2：公式统一换实现多样性——同一「momentum」在不同章节 decile、skip period、weighting 可选方案众多，读者必须自行选定；作者把选择空间留给 backtest，正文不给默认最优参数。
取舍 3：参考文献极其丰富换正文零实证——每章末尾 references + 全书 Glossary/Acronyms/Math Notations/Index；避免重复已有实证文献，但也使读者无法从本书本身判断策略当前是否仍盈利。
边界条件：期权章节适合** payoff 结构学习与对冲直觉**；股票 factor 章节适合与 Fama-French / Asness 文献对照；market-making 章节仅概念性（承认 Rule 359 在 toxic flow 下必亏）；crypto ML 章节在高噪声、小样本下极易过拟合；distressed / tax arb 等强依赖法域与事件细节，公式只是骨架。

实验与结果

本书正文不包含系统性的 numeric backtest、Sharpe 表或 alpha decay 曲线；可审计证据是内容覆盖与代码边界，而不是策略收益：

Inventory：超过 150 种策略、超过 550 个公式、约 2,000 条参考文献，以及超过 900 个 glossary/acronym/math definitions（Abstract、Preface；内容计数，无性能 baseline）。
Empirical boundary：作者明确正文没有 numeric simulation、backtest 或 empirical study，并把经验支持指向外部文献（§1；实证结果数量为 0）。
Backtest scaffold：Appendix A 的 qrm.backtest() 输出 P&L、annualized return、Sharpe ratio 与 cents-per-share，但没有给出任何结果值；它依赖外部数据、optimizer 与 risk-model functions，且不处理 survivorship bias（Appendix A）。
Cost assumption：默认 incl.cost=F，即 baseline 不计成本；启用成本时，Eq. 553–554 使用平均 10 bps 归一化的线性近似，不覆盖 nonlinear market impact（Appendix A）。
Alpha-combo scale：作者以约 2,500 只最流动美股和数十万至数百万 faint alphas 说明 mega-alpha weighting，但未报告组合后 Sharpe 或 capacity（§3.20；作者业界实践 claim）。

论断—证据表

论断	证据	评测边界	置信度
本书覆盖超过 150 种策略及大规模公式、文献和术语 inventory	Abstract, Preface	内容覆盖度；无性能 baseline；不代表策略盈利或当前有效	strong
作者刻意不在正文提供 numeric backtest 或 empirical study	§1	descriptive/pedagogical book；实证结果数量为 0	strong
Appendix A 提供 dollar-neutral intraday backtest scaffold，但无结果值	Appendix A	illustrative R code；外部数据/functions；不处理 survivorship bias	strong
成本默认关闭，启用时使用 10 bps 归一化线性假设	Appendix A, Eq. 553–554	no-cost default baseline；不含 nonlinear impact	strong
Mega-alpha 规模是作者业界实践 claim，而非本书实证结果	§3.20	约 2,500 stocks；数十万至数百万 alphas；无 Sharpe baseline	weak

批判性分析

论证链条

作者逻辑链是：(1) 市场人造且策略短命 → (2) 因此不应把本书当 profit manual → (3) 用统一公式描述跨资产策略空间 + 指向文献与样例代码，帮助读者 build intuition 与 reproduction starting point。这条链在 pedagogical claim 上闭合。

断裂出现在读者若把「公式存在 + 文献曾报告有效」外推为「策略现在仍有效」——作者虽多次 disclaimer，但全书体量与权威作者背景（WorldQuant、Quantigicr Solutions）容易让读者 subconsciously 当作 alpha cookbook。Section 3.21 对 technical analysis 的批判与 Section 3.11–3.15 仍收录 MA/channel 策略并存，没有给出纳入标准（除主观「cross-sectional 更科学」）。

假设压力测试

假设	压力场景	判断
decile sort + 月度 rebalance 可交易	小市值、低流动性、高 borrow fee	论文未量化 capacity；仅 Appendix 用 ADDV filter
行业分类稳定 OOS	M&A、业务转型	作者承认 fundamental classification 较稳，statistical clustering 可能漂移
mean-variance + 样本协方差	$N$ 大、 $T$ 短	依赖 Kakushadze-Yu risk model 外部文献，本书不讨论 estimator error
delay-0 intraday signal	真实 open 成交不可达	Appendix 坦承 borderline in-sample，仅用于测 signal strength
crypto ANN quantile	regime change、exchange outage	自由参数多，over-fitting 风险高；训练/测试 split 需读者自建

实验可信度

benchmark：无统一 empirical benchmark；策略有效性完全外包给外部文献，质量参差不齐、时期各异。
baseline：不与任何生产策略或公开 index 对比。
ablation：无；对 multifactor 组合仅列举 uniform / $1/ σ$ / rank-average 等 weighting 选项，无性能分解。
metric：Appendix 关注 Sharpe、cents-per-share、linear cost，未覆盖 tail risk、max drawdown、turnover capacity、borrow、market impact 非线性项。

系统性缺陷

survivorship bias：Appendix 明确不处理；对跨多年日频/月频 factor 策略，这是致命缺口（作者仅辩称日内策略影响小）。
regime change：Introduction 讨论 NYSE/HFT 历史，但各策略章节不写「已知死亡日期」。
execution realism：market-making、dispersion、LETF short-leg 等策略的 queue position、margin、short squeeze 风险多为文字提示，无量化。
ML 可复现性：ANN/Bayes 章节给架构与 loss，不给训练数据、hyperparameter 选择 protocol。
运维与合规：tax arbitrage、money laundering 章节（Ch.17.2）偏教育性列举 dark side；distressed 涉及破产法域。论文未讨论合规与操作风险。
可观测性：作为参考书无「监控指标」概念；若迁移到 production，需自建 PnL attribution 与 factor exposure 仪表板——本书未覆盖。

局限与后续工作

局限 1：正文零系统性回测，读者无法从本书直接回答「2020s 哪些策略仍有效、衰减多快」。
局限 2：公式模板留下大量 implementation degrees of freedom（decile vs quintile、holding period、weighting、universe filter），易被 data mining 滥用。
局限 3：跨资产策略的 capital allocation、杠杆、margin、相关性危机 未统一建模；每章各自为政。
局限 4：加密货币、structured credit 等章节随市场演化最快，2018 年后产品与市场结构已有显著变化（如 crypto ETF、利率路径）。
Future work 1：对书中 10–20 个代表性策略族（momentum、stat arb、vol risk premium、FX carry、ETF dual-momentum）做 统一数据与成本假设 的 out-of-sample panel backtest，量化 decay 与 capacity——可客观验证百科全书哪些条目仍是 living strategy。
Future work 2：将 Appendix A 的 risk model + optimizer pipeline 扩展到 delay-1 多因子组合，并系统加入 survivorship-free universe、borrow fee、非线性 market impact，测量「公式模板」与「可交易版本」之间的 performance gap。
Future work 3：把 Section 3.20 alpha combo 与 101 Formulaic Alphas 公开公式对接，实证检验 2018 年后 combo weighting procedure 是否仍改善 cost-adjusted Sharpe。

Awesome System Papers Wiki

探索

151-Trading-Strategies-SSRN18