深度 | 量化投资这几个坑千万不能踩!

大家好,我是Lucy@FinTech社区,今天的文章将为大家深度分享量化投资避坑指南!欢迎添加以下微信,加入FinTech社区,提认知,攒人脉,求职招聘,投资有术!

图片无替代文字

对于身处量化行业的小伙伴来讲,避坑保持高昂的斗志和良好的状态也是必修课呢。这里为大家介绍几个方面,也欢迎提出问题多多交流。

 

什么是量化投资?

量化投资就是通对对所有能公开获得的数据进行数量化分析而获得对投资标的的未来价格走势进行预测的一种投资方法。比如大类资产配置、保险产品定价、商品期货、股指期货、国债期货、外汇、期权、可转债、信用债、利率债等等,甚至包括比特币,都是量化投资的运用范围。

 

量化投资的目的?

量化投资的目的不是别的,而是实现超越市场平均水平(β)的超额收益(α)。在有超额收益能力的基础上,量化对冲类产品可以获得相对收益α,而量化多头类产品可以获得绝对收益β+α。

 

择时和选股是量化投资超额收益的主要来源:

选股,就是在市场的所有股票中选出能在某段时间获得高出市场平均收益的股票。择时,又包括Beta择时和风格择时。Beta择时就是判断市场的整体走势,抓住上涨的股而规避下跌的股。风格择时就是抓住市场近期的风格取向,提高配置来获得超额收益。

 

量化投资常见误区:

 

量化投资就是对冲

国外量化投资做对冲的非常多,但在国内因为一是做空品种少,无法做到完全对冲活大部分对冲,在A股上对冲效果不好,有一些类似熊宝的产品又不是场内的而且交易量也不大并且经常偏差较大,加上现在的政策也限制做空。当然如果是商品市场、外币市场等又是另外一码事情了,我们这里讨论的范围仅仅限于A股市场而且绝大部分小散可以做的事情。

 

量化投资一定是低风险, 稳赚不赔?

量化投资只是一种方法论。一个优点就是可以比较好的控制风险,但是也要看如何使用。

 

从量化策略来看:

高频策略或者统计套利类策略相对来说风险更低一点(相对有效)。高频策略一方面持仓周期较短,风险源相对可控;另外一个方面通过大数法则来验证逻辑。统计套利类策略由于多空敞口锁定,相对来说风险也比较小。这类策略基本上是胜率比较高,但是盈亏比相对较低,这个属性也决定了这类策略比较怕遇到极端行情。

趋势跟踪类策略,相对来说就风险敞口暴露比较多,风险相对来说较大。

CTA趋势跟踪策略以及股票指数增强、Smart Beta策略,都属于风险暴露较多的策略。CTA趋势跟踪策略跟股票类策略还不同,CTA趋势跟踪策略多空方向都可以交易,而股票类beta策略则只能做多。

又拿股票多因子投资来说,如果对行业、风格、市场风险等进行中性化之后,可以做Alpha策略,Alpha策略由于追求绝对收益相对来说风险较低,这类策略本质上也属于统计套利类策略。如果不对冲,则可以做指数增强策略,这类产品就要承受敞口风险,如果市场整体下跌,也可能要承受比较大的风险。如果针对某个(类)因子做风险暴露,则可以为Smart Beta策略,如果这类因子后期表现不好,风险敞口也较大。类似指数增强策略发行的时点(Timing)就显得非常重要,一般在市场相对低点或者底部的时候比较好。

量化策略回测跟实盘过程中会遇到各种各样的风险,有些是策略本身的,有些是策略之外的比如政策风险等等,所以即使是定位于风险偏好低的量化产品也不是绝对低风险的。

 

量化投资就是高频交易

量化投资的基础是数据模型的搭建,通过层层筛选,挑选出具有潜在投资价值、估值偏低的证券;而高频交易则基于一系列高效运行的数据代码,通过极短的交易时间和极高的交易频率进行证券买卖。其次,量化投资的时间较长,一般都会持仓过夜,根据所选个股的收益情况,持仓时间从几周到几个月不等;而高频交易在正常情况下都不会持仓过夜,且它换仓的频率比量化投资高。两者最大的相同之处就是,它们的根源就都基于资本市场和计算机领域的快速发展。

 

量化模型无法战胜黑天鹅事件

任何投资方法都是依靠历史预测未来,都害怕黑天鹅事件,都会有回撤。量化的好处在于遇到回撤之后,可以迅速把最新的情况纳入模型,及时调整,重新回测、优化、模拟,争取在最短的时间内扭转损失。

 

刚刚从事量化投资的从业者,还通常会有以下四大误区值得注意:

 

一是不要单纯地以分析时间序列的方法对待金融历史数据。

当市场流动性不好时,这样的方法并不适宜;如果仅仅从时间序列考虑,就会低估不同时间的流动性差异,就会造成某些统计效果被放大,发现很多实际上并没有太多实用价值的统计规律。

 

二是选择量化方向并不是单纯地越快越好。

越快越好只存在于非常短线的交易,而这种交易可获得的利益是有限的,通常并不是世界上最好的大型量化基金的主打方法。

 

三是量化交易者思维要开阔。

要多从基本面和行为经济学的角度去分析判断。

 

四是模型并不是越复杂越好。

主要还是看供需关系,有时候简单的模型会更好,不容易overfit(过度拟合)。

 

近期热招

01区块链招聘(安全岗):35-100万

02产品经理:35-60万+奖金

03数据Leader-80-100万

04测试Leader-60-100万