中低端平台只支持复杂度不高的脚本语言实现策略逻辑，多数的实现只能在图表上加载技术指标进行自动化交易、程序化交易等量化交易方式。

中低端平台一般采用的技术架构是投资者使用平台商提供的客户端软件，采用互联网接入方式连接平台商或者金融经纪公司提供的行情和基础数据服务器，投资者在本地运行的策略触发后，通过经纪公司的普通交易席位进行交易。由于技术架构的限制，行情、交易有一定的延时。

受策略脚本解析和执行效率、技术架构的限制，中低端平台对于多品种、多周期、多账户、多交易市场、多策略、复杂金融工具包等复杂系统架构的支持都有一定的限制。一般的系统实现流程为：投资者的策略在本地接收市场数据后，根据策略简单计算的触发条件，进行简单的账户持仓、资金计算和管理，进而下达买卖方向、数量、价格等指令，进行自动交易。

中低端平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略，是目前市场上个人投资者应用最多的一类大众化的量化交易平台。

国内中低端量化交易平台

国内应用的中低端量化交易平台主要有文华赢智程序化交易、交易开拓者、金字塔决策交易系统、达钱&multicharts、安翼金融终端等。

1.文华赢智程序化交易平台

文华赢智采用麦语言开发技术指标模型，产生买卖信号后驱动交易下单。在量化模型研发方面，赢智提供了国内股票和期货的全部品种多周期的时间序列历史行情数据和近期的TICK数据，同时提供了丰富的行情函数、账户和交易的部分函数和一些统计函数用于策略开发，还提供了丰富的策略回测报告项作为策略绩效评估的依据。在量化交易方面，赢智提供支持最多24个品种进行的多线程独立的程序化交易，同时使用下单精细化组件，实现了部分算法交易的功能。由于采用客户端的技术架构，虽然赢智实现了高频交易的功能模块，但是在实际应用中，高频交易建议托管在文华机房。现阶段，赢智以其程序化实现简单、性价比高等特点，在中低端量化交易平台中占有一定的优势。

2.交易开拓者程序化交易平台

交易开拓者（TB）采用语法类似Pascal的TBL语言开发策略模型，根据账户持仓状况和图表买卖信号驱动交易下单。在量化模型研发方面，TB提供了国内期货多周期的历史行情数据和近期的TICK数据；提供了较为全面的行情数据函数、账户和交易函数、统计函数用于策略开发；提供了丰富策略回测报告项作为策略绩效评估的依据。在量化交易方面，单个TB终端支持20-30个单品种的图表并发接收行情并交易，但由于客户端技术架构的限制，其对于高频和更复杂策略的支持不足。现阶段，TB市场推广做得较好，合作的期货公司较多，在中低端量化交易平台的市场占有率较高。

3.金字塔决策交易系统

金字塔决策交易系统（下称金字塔）采用VB脚本语言开发策略模型，使用较复杂的账户函数和交易函数进行资金管理，既可以使用图表买卖点，也可使用非图表的交易判断驱动交易下单。在量化模型研发方面，金字塔提供了国内股票和期货的历史行情数据和TICK数据，也可以使用外盘数据；提供了更为全面的行情数据函数、较多的账户和交易函数、统计函数用于策略开发，同时也支持外接统计数据库和专业的统计分析软件Lib库做扩展；提供了较为丰富策略回测报告项作为策略绩效评估的依据。在量化交易方面，除了支持图表驱动的程序化交易外，也可以进行篮子交易、算法交易和较复杂的对冲交易的实现，但是同样受客户端的技术架构限制，其对于高频交易、全市场策略的交易等更复杂的策略支持不够。现阶段，金字塔合作的期货公司逐渐增多，在中低端量化交易平台的市场占有率较高。

language开发策略模型，达钱提供行情和交易网关，multicharts实现策略开发和执行平台。在量化模型研发方面，由达钱提供的一段时间内的国内期货历史行情和TICK行情。MC承袭了TradeStation的丰富的函数库和策略库，以及便捷的开发特点，提供了更为完善的回测和绩效评价体系，为策略的研发提供了完善的评估。在量化交易方面，MC只支持程序化和自动化交易，对于高端的量化交易模式支持不够。由于MC进入国内不久，在中低端量化交易平台的市场占有率还不高。

5.安翼金融终端程序化交易

安翼金融终端（下称安翼）采用技术指标的通用脚本语言开发交易模型，进行图表驱动的自动化交易，是由某券商独立开发的进行国内股票和期货的自动化交易工具。目前安翼提供了国内股票和期货的历史行情，可以进行相对简单的图表交易和股票、期货的对冲交易，程序化交易工具免费使用。虽然安翼只能用该券商交易通道进行交易，但却标志着国内股票和期货的量化交易已经提升到一个全面发展阶段。

高端量化平台除了支持复杂脚本语言实现策略逻辑外，均支持直接使用C 、JAVA等开发语言实现复杂的策略逻辑，一般为了追求执行效率，不采用界面显示图表，而采用多进程、多线程方式进行自动化交易、程序化交易、算法交易，甚至为了追求极致，使用硬件技术进行高频交易等量化交易方式。

高端交易平台通常采用的技术架构是使用服务器执行策略的架构，行情使用转发路径最少的极速、深度行情，交易通道采用专用、直连的交易通道进行交易。行情和交易的延时都要求尽可能最低。

高端交易平台定位于资产管理，在系统架构上严格区分策略研发和策略运营执行两个阶段。对于策略研发阶段，需要多品种、多周期、多账户、多交易市场、多策略、复杂金融工程包的支持，以实现复杂的策略逻辑；对于策略运营执行阶段，系统架构要保证各种风控、应急处理、交易方式和策略的平稳有效执行。系统的实现流程除了满足交易本身的要求外，还要满足机构本身的业务流程和规范，以及监管层的要求。

高端交易平台适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。随着国内金融市场创新的提速，机构投资者对高端交易平台的需求和潜在需求呈快速上升趋势。

Apama采用EPL和JAVA语言开发或者定制策略模型，通过行情、资讯等驱动CEP引擎进行交易、风控等操作。在量化模型研发方面，Apama使用第三方的行情授权，提供了各市场行情接口和各种柜台交易接口的接入，可以接入国内股票和期货多周期的时间序列历史行情数据和TICK数据；提供了丰富的金融工具包进行复杂策略开发；提供了便捷的studio开发工具，可以进行复杂策略的快速开发和定制；提供了1万倍加速测试进行策略回测，可以方便地定制测试报告。在量化交易方面，Apama提供了150万笔/秒的交易并发处理能力，进行高频交易、算法交易。Apama高端的并发处理能力，使全市场的多品种并发套利、对冲等交易策略和实时风控策略可以高速执行。现阶段，Apama在国际投行的自营、资管、经纪业务中占有很大的市场份额。从2012年开始，Apama逐步拓展国内的业务，几家较大的证券和期货公司已经开始正式上线推广Apama和相关的量化交易应用。

大智慧龙软·DTS程序化交易平台用LUA编程回测（类C语言），云端报价大约：20W/year，本地约：60W（基础模块 3年数据）。DTS采用LUA脚本语言开发策略模型，通过平台提供的历史和实时行情、基本资料数据、宏观数据的统计分析，实现投研和交易。在量化模型研发方面，DTS既可使用平台自有的数据源，也可以接入第三方数据源。DTS还提供了一些金融工具包，进行复杂策略开发、回测和绩效评价。在量化交易方面，DTS提供的可以扩展的服务器端技术架构，保证了策略的高并发和高速执行，其在程序化交易、量化交易、算法交易、对冲和套利交易方面都有实际应用。

3.国泰安量化投资平台

国泰安量化投资平台分为研究平台（QIA-Lite）和交易平台（QRC），采用matlab的toolbox的形式无缝兼容了matlab的研发环境，由交易平台实现策略交易。在量化模型研发方面，国泰安投研平台使用自有的行情源、基本面数据、高频数据、量化因子数据库，完全兼容matlab所有的函数，实现了模型的研发和回测。在量化交易方面，其支持了国内主流证券和期货的柜台，在股票和期货的程序化交易、算法交易等方面都有实际应用。终端版报价大约5W每年，平台版大约30W软件 30W数据 20%每年维护费。

4.天软量化研究和交易平台

天软量化研究和交易平台采用天软特有的TSL语言开发策略模型，通过天软的交易网关，实现量化交易的执行。在量化模型研发方面，采用高性能数据仓库提供的历史和TICK行情、基础资料数据、宏观数据等数据源，同时提供了7000种开源的函数库，进行策略的研发、回测、绩效分析。在量化交易方面，其基本实现了自动交易、程序化交易、算法交易等量化交易方式。

飞创量化交易平台采用JAVA语言，通过可定制的模板开发策略模型，进行高频交易。STP通过统一的开发和资管运营平台，实现策略的研发、回测、风控和资管运营。由于使用了高速的柜台交易接口，其主要面向高频套利、程序化交易等交易模式的用户。

6.易盛程序化交易平台

易盛程序化交易既可采用类似Easy Language的语言开发策略模型，实现程序化交易和套利交易，也可以根据易盛柜台提供的行情和交易API，采用C 开发外接应用的方式，实现期货、股票的更复杂的量化交易。在量化模型研发方面，易盛程序化提供的EL开发模型，类似于中低端的量化交易平台，但在行情的速度、交易和账户函数的实时性和精细化处理方面，达到了高端量化交易平台的要求。在量化交易方面，易盛柜台的行情和交易速度具有一定的比较优势，量化交易平台支撑的应用主要是期货的程序化交易、自动交易、对冲和套利交易。

盛立金融软件的SPT平台，采用C 语言和定制的策略开发模板进行策略研发，采用独立的运营和回测平台进行模拟和真实交易。虽然SPT平台在国内应用不多，但凭借其100万笔/秒的行情并发处理能力、交易的毫秒级别的延迟，在量化交易平台中引人注目。SPT提供了一些策略模板，可以很方便地实现程序化交易、套利和对冲交易、算法交易、高频交易等。

现阶段，除了上述几个相对成熟且具有一定应用客户的高端量化交易平台外，也有较大金融机构使用像Sysbase CEP、StreamBase等高频中间件来构建量化交易平台。此外一些传统的交易柜台厂商如金仕达、恒生等，也在逐步推出高端量化交易平台。

　　金融科技赋能“龙虎榜”？深挖华鑫证券“量化大本营”歇火

　　券业行家，事实说话。

　　欢迎留言，如果认同，请传播正能量。

　　因股市异动而心情忐忑的行家，瞥到一则来自财联社的短讯。其中提到，华鑫证券上海分公司缺席龙虎榜，这让行家有了新的思考。

　　此前行家就曾发现，体量中型的华鑫证券，频繁出现在龙虎榜中。

　　尤其是有着“量化大本营”之称的华鑫证券上海分公司，在2021年度跃居行业榜眼，登榜次数3,702次，同比增长118%；成交总额918.84亿元，同比飙升242%。

　　2022年1-2月，华鑫证券上海分公司持续”霸榜“，累计上榜840次，总成交额264.68亿元，居于龙虎榜首位。

　　然而，就在行家关注“3.15”当天，华鑫证券上海分公司却从龙虎榜中消失了。这是什么情况？

　　据财联社报道，华鑫证券回应，公司一切正常，公司内部未出现异常状况，客户交易量和市占率没有显著变化。

　　据行家所在的群内爆料，监管日前对华鑫证券表示“强烈关注”，并多次问询过“交易异常”。如果这一消息属实的话，这家“量化大本营”，近期可能会“歇火”一阵了。

　　话又说回来，好端端的，监管为什么会问询华鑫证券呢？这中间是否有什么“难言之隐”？

　　并没有内幕消息的行家，根据公开线索猜测，可能与传说中的游资有关。

　　在众望所归的A股，从来不缺少游资的传说。潜心证券行业二十余年，行家目睹过群雄逐鹿和兴亡成败。

　　随着“挖掘深入”，“炒股养家”这家游资，进入了行家的视线。

　　网传消息称，“炒股养家”为实力非凡的一方霸主，传闻与华鑫证券“深度绑定”。

　　据知乎描述，“炒股养家”是游资界的领军人物之一，从股吧里走出来的实战大师，在519行情之际入市，2008全职炒股，从90万亏到最低40万，同时背负股市亏损，每月还需要提取生活费的巨大压力，最终坚持悟道变身顶级游资。10年时资金量达到300万，随后六年时间达到10亿级别，六年300倍收益，在股吧留下了著名的养家心法，成为后人争相传诵的顶级炒股心法之一。

　　在“骨灰级”的闵发论坛，行家也发现了涉及”炒股养家“的席位，华鑫证券旗下多家网点在榜，包括上海宛平南路营业部（现为上海分公司），上海茅台路营业部，上海淞滨路营业部，上海松江营业部，宁波沧海路营业部（现为宁波分公司），南昌红谷中大道营业部（现为南昌分公司），西安西大街营业部（现为西安南二环营业部）等……

　　出于对传奇人物的仰慕，行家通过证券业协会，查了查这里提到的网点——

　　从不炒股的行家，对游资并没有什么切身体验。然而，监管方面一向保持审慎的态度，并加以密切的关注。

　　早在数年前，《证券日报》就对游资的危害有过报道，指出诸如拉抬打压，虚假申报，涨跌幅限制价格大额申报，自买自卖、关联账户交易，花样手段层出不穷。这些异常交易行为，严重扰乱了证券市场的正常交易秩序，更是监管重点打击的对象。

　　“深度绑定”游资势力，在监管边缘“疯狂试探”，姑且不论是否会“擦枪走火”，这样的行为显然有悖于金融监管的精神，是否会危及中小股民的利益呢？

　　回想起来，行家此前独家发布的“量化交易“系列报道，就曾点评了这一领域知名的中泰证券XTP系统——不久前，这一系统刚刚入围第八届证券期货科学技术奖名单。

　　行家通过业内交流得知，中泰证券主打中性策略和指数增强策略，这也是量化交易的标准范式。

　　然而，有一个奇怪的现象：华鑫证券的整体排名在行业中游，与其在龙虎榜的活跃程度，不可同日而语。而同样主打量化交易的中泰证券，作为行业排名15位的大型券商，却并没有出现在龙虎榜上。

　　两相对比，行家不由得嘀咕，华鑫证券的量化交易，究竟是什么策略？难道是”非标“？

　　回溯数年业绩，自2017年5月，来自交易所的王习平先生，“空降”华鑫证券任副总经理以来，将“金融科技赋能”升级到战略高度。

　　从华鑫证券母公司华鑫股份（600621.SH）定期报告来看，2016年年报尚未提及。从2017年起，金融科技所占的篇幅逐年扩大。其中，2020年报中有如下表述：

　　在证券行业转型升级背景下，践行“金融科技引领业务发展”的经营战略，持续巩固和发展“速度+智能”两大能力，打磨升级以星途Starway、“N视界”高仿真交易平台、特色交易系统、引力波大数据分析系统等为代表的一系列具有华鑫特色的金融科技产品，驱动各项业务的开展；积极推广“五位一体”机构整体解决方案，通过科技赋能推进差异化的业务和服务体系建设。

　　据华鑫股份2021年中报，华鑫证券坚持“金融科技引领业务发展”的经营战略，拓展私募业务服务。

　　2021年上半年，华鑫证券进一步优化自研投资策略，增强产品收益，构筑服务、对接公募基金能力，形成涵盖“公募+私募”的业务格局，更好地为客户提供立体化的财富管理服务。随着金融科技深化、产品线拓展、人才队伍建设，华鑫证券经纪业务结构、客户结构和收入结构持续优化转型。截至报告期末，华鑫证券代理买卖证券业务净收入行业排名第44位，同比上升7位；股基交易量排名第34位，同比上升5位，全面超越行业中位数。此外，据东方财富Choice数据显示，2021年上半年，华鑫证券共有5家营业部进入“龙虎榜百强营业部”。

　　据中证协统计，截至2021年三季度末，华鑫证券的市场份额排名从上一年的39位升至第32位，对中小券商来说，增幅相当惊人。

　　今年1月，华鑫股份公告披露了华鑫证券2021年未经审计的母公司财务数据：营业收入20.35亿元，同比增长28.96%；净利润7.21亿元，同比增长28.06%。其中，经纪业务手续费净收入7.96亿元，同比增长42%；自营业务收入8.54亿元，同比增长15%。资产管理业务手续费净收入1.19亿元，同比增长174%。

　　正如此前财联社对华鑫证券的专访，提及其金融科技战略卓有成效，并且获得了专业投资者“拥趸”。从业绩数据来看，可见一斑。

　　行家不由得想问，金融科技的赋能，是如何体现的？赋能的是私募，还是游资呢？

　　行文至此，忽然想到一句：

　　请看今日之量化，竟是谁家之天下？

特别声明：以上文章内容仅代表作者本人观点，不代表新浪网观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与新浪网联系。

一、 公司团队篇——开启基本面CTA新模式

作为国内第一批量化高频交易的践行者，盛冠达资产从创立初期就选择了与大多数量化机构不一样的发展定位。和同期成立的现如今已经规模比较大的量化机构比起来，盛冠达并没有在比较流行的股票量化领域发展，而是选择主攻相对小众的衍生品领域，策略上也是从套利做起，近年来才开始逐渐加入CTA和股票的策略。所以，相比于现如今百亿量化的发展模式来说，盛冠达其实走的是量化领域另一种发展模式，也就是选择去构建一个“小而精炼”的团队。

盛冠达资产创办于2013年底，是深圳本土的一家专业量化私募基金。创始人黄灿先生2006年毕业于西安交大计算机系，在股指期货2010年上市当天就开始专注股指期货的高频套利交易。

在初创的几年主要围绕期货衍生品进行各种套利模型的研究和交易，经过6年多的发展和沉淀，公司形成了以统计套利策略、基本面量化CTA、股票高频策略为核心资产方向。公司具有17人投研团队和8人组成的IT技术团队，核心技术成员来自谷歌、小米创始团队、微软MVP、深交所等，投研团队按照策略进行分工，其中，股票T0团队8人，CTA团队5人，套利团队4人。

盛冠达自2017年开始布局CTA策略，而之所以选择CTA策略这个赛道，一方面是因为盛冠达在那之前做套利策略，创始团队属于国内第一批期货衍生品高频套利交易者，对期货品种的属性及交易特征有着非常深刻的认识和理解。另一方面，从大类资产配置角度来说，商品CTA与股票、债券资产的相关性低，具有危机阿尔法的属性。在近年股票资产大幅波动的场景下，均能有不错的收益，从2015年股灾、2016年熔断以及今年的新冠疫情导致股票资产价格大幅下跌期间，商品CTA策略的表现就能够看出来。而盛冠达作为提供投资工具的管理人，也希望通过扩充产品线以满足投资者的配置需求。

虽然起步比较晚，盛冠达更加重视自身策略与其他策略的差异性和竞争优势，所以相比于大部分从传统价量信号触发的CTA策略，盛冠达选择从基本面因子出发，将基本面因子和量化交易相结合，进而提升了传统量化CTA夏普偏低的问题，也更好地满足了机构资金的配置需求。

二、 策略篇——解密基本面量化CTA策略

对于国内的CTA策略来说，引入基本面数据其实是近几年才开始的，虽然海外的CTA机构对于基本面数据的应用十分广泛，然而国内在早年却几乎没有运用基本面数据建模的量化机构。一方面可能是因为在过去单靠量价类的策略就可以获得不错的回报，另一方面是国内的基本面数据来源多、更新不稳定，所以很难在商品领域做出结构化的数据库。那么，随着基本面数据在股票量化领域越来越多地被使用，那么CTA策略是否也会像股票策略一样，进入“基本面量化”的时代呢？

从逻辑上来说，盛冠达认为，商品期货价格由现货产业供需决定，因此以产业逻辑为出发点，通过多维度基本面数据量化分析寻求商品市场交易机会应该是具有预测力的。并且海外的CTA机构也会在模型中大量纳入基本面的数据，虽说海外的数据情况和国内并不完全可比，但至少说明，基本面可能的确是一个重要研究方向。

从策略的操作流程上看，基本面数据的运用与传统CTA在方法论上并无太大的不同。一般来说，CTA策略会分成多空和趋势信号两大类。趋势信号类通常比较好理解，是通过多个筛选条件来分辨出是否存在趋势的机会，并给各个品种分配相应的资金，若是该品种有做多或做空的信号就会去相应地交易，而每个趋势信号交易的资金量则是根据品种的波动属性和信号强弱所决定。趋势信号策略通常更关注量价类数据，收益来源更多是某些统计规律，而纯价量的信号也有时候会在逻辑性上略弱一些。

多空类的逻辑则会和股票多因子更为接近，是通过多个因子来给商品的各个品种来做打分排序，分数越高意味着多头机会越多，反过来分数越低意味着空头机会更强。再通过做多得分较高的品种，同时做空得分较低的品种，来实现“买强卖弱”，进而获取多空机会较多的品种的趋势收益。

而对于盛冠达来说，他们会在产品中等比例地配置趋势和多空的策略，这两类策略会形成一定互补，共同贡献收益。而基本面的数据则更多会运用在多空策略当中，在信号类策略中，基本面数据仅仅是扮演着筛选大方向的角色。因为基本面数据所带来的收益主要来源于基本面的驱动，通过用基本面量化方式去寻找市场可能存在的定价偏离，而这些数据背后本身会有一定的逻辑支撑，鲁棒性会更好一些。

三、 投资案例篇——基本面量化适应怎样的市场环境？

一般来说，观察一支CTA基金的表现是否正常需要从两个角度来看。其一是去看近期是否品种上具有一些连续的赚钱机会，进而推导到CTA机构是否有机会把握趋势，其二是去做同业对比，也就是将CTA产品放在一起做业绩对比，并观察是否有异常存在。

那么,在策略中引入了基本面数据之后，之前的评价标准是否依然适用呢？

关于这个问题，我们的观点是“部分适用”。首先，我们认为大部分的情况下，基本面策略和纯价量策略会有非常接近的走势。因为这两种策略都会去试图捕捉品种的趋势性的机会，如果正确抓住机会的话，会有比较一致的表现。

然而，当市场出现基本面与价格背离，则有可能会导致基本面策略和纯价量策略出现一些差异化。

比如今年二月份上旬春节回来以后，由于大家看到中国疫情控制情况良好且完全没有预期海外疫情的情况下，市场一片欣欣向荣，走出来一波预期与基本面相背离的多头行情，但这时候基本面模型监控到较差基本面，持续发出的看空信号，所以当时策略出现了一定浮亏，甚至有些头寸被动止损，整体净值小幅回撤。直到二月下旬海外疫情的超预期扩散打破期货市场的较好预期，市场的方向重新回到较差基本面这一现实，基本面模型的空头信号从二月下旬开始至整个三月份，实现大幅盈利。

所以，回到基本面量化策略所适应市场环境的话题，我们可以发现基本面量化策略和纯价量策略一样偏好有趋势机会的市场，但是不仅如此，基本面量化策略还会更适合市场由“基本面”主导的行情，也就是通过基本面的逻辑驱动而带来的机会，而并非是由于情绪。如果由情绪带来的价格与基本面偏离，那么基本面策略则可能会在风控范围内，出现一定的回撤。

四、 风险控制篇——基本面量化的风控怎么做？

作为一种使用基本面数据的策略，基本面量化和主观期货比起来，差异往往就在于量化策略通常来说会比主观策略更有纪律性。一方面在策略出现判断错误的情况时，量化策略会有更加严格的止损机制，另一方面，量化策略会更关注分散化，不会对单一持仓有过度的集中，因此保障了组合的安全性。

首先，市场其实经常会由于某些事件、情绪的刺激而背离其基本面本身。这个时候策略通常会有一些回撤，事件冲击过大模型会止损先出来，一旦量价形态重新回到基本面这个方向，才会再重新开仓，由于盛冠达持仓品种足够分散且单品种交易严格止损机制，整体回撤可以控制较好。

2019年9月份，沙特第二大油田和全球最大的原油加工厂被袭击事件，导致国内原油带动着整个化工板块大幅高开上行，基本面模型在化工上的空头被动止损，净值在当时出现一定回撤。但是相较于纯量价类趋势策略，由于基本面模型本身看空，所以没有在大幅上行后去追多，而是等待重新回到下跌轨道去做空。而如果那时候去追多了，很有可能会赶上大量品种的快速反转，导致进一步回撤，而这也正是去年9月份国内CTA策略整体回撤的那段时间里，盛冠达回撤控制得更好的一个重要原因。

其次，风控的关键在于分散。由于基本面策略依托的基本面数据惯性较强，策略信号的变动频率往往相对于量价策略要更慢一些，因此分散是控制隔夜风险以及各类事件风险最好的方式，从品种分散、行业分散、策略分散等维度去持仓的控制集中度。盛冠达在组合中会交易40多个品种，单一品种的持仓的保证金占比不超过2%。

此外，商品基本面策略的主要难点在于现货相关数据的非标准化。不像股票的数据，大部分都非常标准，每只股票都有完整的财务报表和量价数据，商品期货本身虽然也有标准的各类量价数据，但是对于现货数据来说，每个品种能拿到的指标却都不一样，需要把非标准化的数据标准化、流程化处理，这一点是比较难的。

而盛冠达之所以能比大部分人做的更好，主要在于团队在现货数据库搭建方面已经有5年经验，积累了较多经验的同时，也知道哪些地方可能容易出坑；同时团队核心成员都有较强的量化功底，把找到的高质量的基本面数据和科学的量化方法结合起来，才能持续在市场中赚钱。

最后，基本面量化作为一种还比较新兴的策略，我们认为这个策略在未来也会有很大的发展空间，就包括在数据完整性上、因子的挖掘空间上等等。也正是作为新兴策略，管理人就更需要在策略上做好风控，了解策略的特性，正确使用数据，不触碰基本的风控底线。我们认为盛冠达在风控上的设置比较严格，能够有效避免在基本面与市场背离的时候因为“头太硬”，不肯及时止损所导致的较大回撤；同时较好的分散程度也能够有效避免单一持仓过大所带来的不利影响。