职分享 | 量化投资之崛起

FinTech 社区是一个拥有50,000+会员的金融科技行业资源共享社区, 欢迎添加微信: lucylj66 进入社区,请备注职业,官网:www.fintechgl.com,微信公众号:FinTech社区

随着最近中国金融市场的逐渐开放, 越来越人开始关注中国的量化投资市场。这篇文章属于基础的科普文, 适合对这个行业有兴趣, 但是了解少的朋友。欢迎大家留言讨论,转发分享即可加入社区!

 

导 言

虽然“量化交易”与超额收益之间的关系尚在探索中;但事实是,手握丰厚资本且深诣此道的量化交易者们可在短时间内赚得盆满钵满,自然引起现如今持续不断的“量化交易”热潮,诸多资本对其青眼相加,抛出橄榄枝,个体投资者们也趋之若鹜,纷纷投入“量化交易”的学习,应用及持续改进中。作为量化交易的爱好者,也对此新兴交易策略持正向和看好的态度,认可“量化交易”能带来超额收益的有效性。
 

在本文中,作者将从“量化交易”及“量化投资”的定义、如何使用“量化交易”作为投资工具、“量化投资”到底有多庞大的交易体量、现阶段流行的半量化策略-即将量化分析和基本面分析相结合,及量化交易的应用实例等几个方面来分享这一新兴逐渐占主导地位的交易策略。
 

1. 从“量化交易”到“量化投资”
 

量化交易,也可称之为“程序化交易”,是基于量化分析,即开发并依赖于一系列数学计算和数字处理程序来发掘交易机会,制定交易策略。

QA (Quantitative Analysis) – 量化分析,是利用数学和统计学模型,测量及研究来解读交易行为的一种技术手段。此技术手段的目的不仅仅是为了输入且处理一系列变量,如资产价格,交易体量等,而是为了更深层次得去理解真实世界发生的事件是如何影响资产价格的。

量化交易已被广泛应用于各金融机构和对冲基金,尤其是交易体量较为庞大需要大量数据处理和数据挖掘的情况,如买卖成千上百万手的股票和证券时。

2. 人人都可使用“量化交易”并从中获利

量化交易这一技术提供给交易员一系列工具,用于检验和分析历史事件,聚焦当下情况,并预期将来要发生的事件。一切跟数字有关的主题都可以被量化,因此量化分析可广泛应用于多个领域,如:分析化学、财务分析、社会科学、甚至应用于团体运动中等。

量化交易的魅力在于:不仅机构投资者们可从中获益,个人投资者们也可以经过学习,建立自己的量化交易策略进行投资,收取可观回报。近年来踊跃出一些较为流行的量化交易APP,如QuantStart和其它预制化量化交易程序,帮助投资者们进行战略制定和确认,逆向测试,执行及风险管理等,不仅利好了个体和机构投资者们,连政府和央行们也向这些量化交易APP抛出了橄榄枝,依赖于量化分析根据GDP,失业率等制定财政和经济政策等。

3.“量化投资”涉及的庞大交易体量

读者们可能会问,“量化交易”这一技术如此热门,越来越多的顶级基金、投资机构、政府、央行都开始重视并采用这一工具,学术界在此交易策略的研究也百花齐放,那么其涉及的交易体量必然不容忽视,具体的体量或者数量级会有多大呢?

“量化投资”的核心是依赖于计算机处理一系列数学计算和数字处理程序进行量化分析,那么随着计算机数据处理能力的突飞猛进,“量化投资”所涉及的体量也应有量级的飞跃;其计算和分析的速率之快,使得量化交易在高频交易和大宗商品、期货等的领域(大交易体量)会大有作为。

具体情况,让我们听听Alex Foster – “The Edge of Foresight”一书的作者,Quantiacs的VP给大家带来的几组数据:

据“Global Algorithmic Trading Market 2016-2020”的报告统计:

美国约90%的公开交易市场都采用了量化交易技术;

采用量化交易获得的收益相较于传统交易获得的收益多出10.3%;

量化金融大约有1万亿美金市场;

近年来表现前10的对冲基金中有6个是量化基金;

虽然各量化基金量化策略不同,绩优的几个量化基金都在大宗商品范畴内交易。

4. 半量化 – 将量化分析与基本面分析相融合

“量化分析并不仅仅是提供可定量的度量标准,而应提供一系列丰富的解读,最终目的是为了回答为什么会产生诸如此类的人类行为以及其怎么样影响到市场”。

继纯粹的量化投资证明自身在交易评估上的巨大作用后,投资机构想更近一步,融入更复杂更难以度量的因素进行敏感度更高的分析。因此,今后量化投资的发展方向并不期望建立一个统一理论模型,而是和“定性分析”相结合,分析更为复杂的实际情况。

定量分析和定性分析并不是矛盾的相互对立的,它们是两种不同的方法论,将这两者有机结合起来,可制定更佳投资决策。

我们来看一个半定量分析在商业决策中的应用案例:一个公司或者一个投资者想要有效的评估其产品的市场竞争力,可用定性的方式,如:客户调研、小组讨论等;同时结合定量的方式,如:调研给定期限内回购该产品的客户量,对该产品提出抱怨的客户量,关于该产品订单的担保索赔函数量等;两者结合,得出更精确更立体的产品影响力分析。

5. 量化投资 – 不让情绪蒙蔽投资判断

“无论是恐惧,还是贪婪,亦或是巨量数据带来的冲击,情绪只能毁坏你的理性思考,进而带来损失;而量化投资则完美规避情绪问题。”

情绪是投资最大的敌人,那么量化交易最大的优势,是其依靠于计算机和数学算法制定交易策略,不存在此隐患。计算机会自主进行监控、分析和交易决策。然而这并不代表量化交易模型就可以忽略复杂多变的金融市场,量化模型也必须持续进行自我更新,适用于当下市场环境的量化模型在下一刻有可能会完全失效。

6. 量化投资之实例
 

我们给出了6个量化交易的应用领域:

01. 趋势跟踪系统 – CTAA

CTA – Commodity Trading Advisor, 即大宗商品交易顾问。近年来,CTA和趋势跟踪系统几乎不可分割,都倚重于价格波动性,即价格波动达到某一预定值,触发该阈值,即可构建期货、固投、货币或能源商品的做空/多。

此类交易多是在几天或几周之内进行庞大的交易体量,60%-70%的参与者会惨败,而成功者将获得丰厚的利润。量化交易的优势是能在短时间内处理大量的价格和波动率,构建做空/多模型。第三章节提到的6个绩优量化基金即在大宗商品交易领域战果辉煌。

02.统计套利

顾明思议,统计套利是要和大量数字打交道的,因此是量化交易发挥用武之地的领域。统计套利利用证券价格的历史统计规律进行套利,是一种风险套利,其风险在于这一历史统计规律在未来的一段时间内是否继续存在。它依赖于基于历史规律预测证券价格理论值的数量模型,根据证券价格市价与理论值进行对比,构建证券投资组合的多头和空头,获得超额收益。

同大宗交易类似,统计套利也是在几秒钟,最长一周或多周内,进行大量快速的运算和下注,多数为输家,但赢家将获得丰厚的奖励。

03. 因子投资

因子投资被视作为“风险规避”型投资,利用投资者行为偏见和错误来获利,譬如:人类经常会忽略外表光鲜的公司的股票,因子投资则会奖励对公司进行全方位考察的投资者,使其获得超额收益。

量化交易则是为了寻找哪些因素可以判定这是一个“成功可以投资”的公司,或是一只“成功有利可赚”的股票。

04.风险平价组合

风险平价是对投资组合中不同资产分配相同的风险权重的一种资产分配方式,以期用分散的方法应对艰难的市场环境。尽管此种投资组合策略持续时间可达几年之久,但其权重也需调整,以适应市场,量化交易根据市场上证券、固投、股票、衍生品等的价格或波动性来计算调整权重。

05.系统型全球宏观策略

此策略应用于涉及到外汇/币交易的资产投资组合,宏观经济政策的改变,如:通货膨胀、失业率、消费者花费、货币汇率、政府关于经济周期和市场制定的相关政策等都将对此类投资产生冲击。

量化交易则充分考虑上述因素给出交易策略,在有利情况下进行交易,在不利情况下规避风险。

06.事件驱动型套利

通过业内沟通、数据统计、规则分析、数据挖掘、逻辑判断等一系列合理手段,提前分析出可能对股价产生影响的事件将要公布的内容和时间范围,采取事件明朗化前逢低买入,事件明朗化后逢高卖出。该策略通过持续复利的方式来实现财富的裂变性增长,为国际对冲基金应用最广泛的策略之一。

其核心为“提前潜伏市场热点”,量化交易则基于“数据统计”、“规则分析”、“数据挖掘”、“逻辑判断等”输入来预测“事件”。

目前,量化投资在大量数据分析并提供决策方面崭露头角并占主流地位,但笔者认为,投资者们扔需保持冷静头脑,时刻关注市场和金融环境变化,让“量化分析”这一技术不断迭代。

量化相关岗位: