> **来源：[研报客](https://pc.yanbaoke.cn)** # 2025年彭博中国区FICC量化训练营案例总结 ## 一、核心内容概述 2025年彭博中国区FICC量化训练营（Code Crunch China）在上海和北京两地成功举办，共有16家领先金融机构和专家团队参与。活动围绕量化分析与机器学习在金融行业的创新应用，展示了多种量化交易策略与分析应用，包括外汇、美债、国债、期权定价、债券做市等，突显了量化投研在提升市场洞察力和交易效率方面的价值。 ## 二、主要策略与应用 ### 1. 中国工商银行：外汇、美债和国债三类策略 - **外汇策略**：聚焦欧元兑美元（EUR/USD），采用机器学习预测未来汇率方向变化，构建反转因子增强策略，提高交易信号的准确性。 - 使用三个机器学习模型预测，准确率可达85%-87%。 - 选取10天收盘价的累计涨跌幅作为反转因子，减少无效交易。 - 策略在设定滑点和交易手续费下，年化收益率约10.72%，夏普比率1.378；加入反转增强策略后，年化收益率和夏普比率均有所提升，最大回撤减小。 - **美债策略**：构建包含资产量价因子、宏观因子、供需因子的162个月频预测特征值，采用XGBoost模型进行滚动预测。 - 通过均值回归半衰期和离散化OU过程检验误差的均值回归特性。 - 策略平均持仓时间约77天，年化收益率超过8%。 - **国债策略**：使用80+种原始数据和600+个衍生特征，构建利率预测及交易策略。 - XGBoost模型在验证集上的平均UC超过0.75，利率涨跌预测准确率超70%。 - 回测显示年化收益率达5.58%，夏普比率2.964，最大回撤-1.23%。 - 策略以单向做多为主，结合宏观经济分析，避免过拟合。 ### 2. 中国银行：微观信号与模式识别 - 提交四个外汇领域的量化交易策略，涵盖市场微观信号与模式识别。 - **CNY市场订单不平衡策略**：利用市场中央订单簿数据，通过设定阈值识别订单失衡信号，进行仓位调整。 - 策略在三种场景（基准、延迟执行、高手续费）中表现良好，执行速度和手续费对策略结果影响显著。 - **智能模式识别**：基于历史相似走势匹配，使用余弦相似度、相关系数、闵可夫斯基距离和DTW算法进行对比。 - 一年期EUR/USD数据回测，年化收益率达25.5%。 - 未来计划提取更多非价格特征，优化模型。 ### 3. 交通银行：EUR/CNY期权定价 - 聚焦波动率差异分析，使用B-S期权定价模型计算EUR/CNY期权理论价格。 - **波动率调整**：根据期权到期日调整隐含波动率和实际波动率，结合两者提升定价准确性。 - 短期采用调整后的实际波动率，长期则依赖隐含波动率。 - 通过Delta对冲方法计算PnL，结果显示调整后的实际波动率和隐含波动率均能有效提升定价效果。 - 未来计划优化相关性分析，拓展至更多货币对。 ### 4. 上海浦东发展银行：债券量化策略 - 基于布林带策略，优化参数和趋势判断，实现多次小规模盈利与少量中等亏损。 - **参数调整**：使用寻优算法确定核心参数，引入高频价差调整项，减少瞬时波动干扰。 - **趋势判断**：利用机器学习模型识别单边趋势，辅助仓位管理。 - **止损止盈机制**：采用绝对最大亏损限额和贝叶斯算法结合强势动量因子，实现稳定盈利。 ## 三、关键信息与创新点 - **多维度数据融合**：各策略均使用多维度数据，包括市场微观数据、宏观指标、历史价格数据等，提升模型的解释性和预测能力。 - **机器学习与传统模型结合**：XGBoost模型用于预测，均值回归、布林带等传统方法用于策略优化，形成有效组合。 - **动态阈值与实时计算**：策略中引入动态阈值机制，实现自适应开仓与平仓，提升交易效率。 - **波动率曲面构建**：通过历史USDCNY和EURCNY的相关性，构建EURCNY的实际和隐含波动率曲面，提升期权定价精度。 - **自动化交易与优化**：策略均强调自动化执行和参数优化，提升交易效率和策略稳定性。 ## 四、未来展望 - **多市场联动分析**：未来策略将更注重跨市场数据融合，提升对市场变化的洞察力。 - **模型优化与扩展**：继续优化模型结构，引入更多非价格特征，提升预测能力和交易效果。 - **实时数据处理**：加强实时数据处理能力，提升策略响应速度和执行效率。 - **更复杂的交易策略**：拓展策略范围，结合更多市场现象和金融工具，提升整体收益能力。 ## 五、参与团队与成员 - **中国工商银行**：袁勋、崔亦谦、王春东 - **中国银行**：宋云飞、郝文艳、杨乐、岳一飞、甘宇明、程登辉、邓宇 - **交通银行**：李明 - **上海浦东发展银行**：冒卜颖、陈芃、王航 ## 六、总结 本次训练营展示了量化分析与机器学习在金融行业的广泛应用和显著成效。各银行团队通过创新策略设计与模型优化，实现了较高的年化收益率和良好的风险控制。未来，量化投研将更加注重多维度数据融合、跨市场洞察和自动化执行，以推动金融行业向更高效率和更精准的方向发展。