量化投资介绍
什么是量化?
通过对样本数据进行集中对比处理,找到这些数据之前的关系,从而发现客观存在的,却又无法不通过这“量化处理”方法而简单看到的规律。 例如: 预测地震:对地壳运动数据进行对比处理后,可以提前预测地震发生。 降雨概率判断:对天空水汽含量数据对比分析后,可以判断降雨概率。 这些数据对比处理的过程,我们简称"量化”。
什么是Quant?
量化分析师在华尔街被称为Quant,在华尔街是最重要也是最赚钱的职位之一。Quant的工作就是设计并实现金融的数学模型(主要采用计算机编程),包括衍生物定价,风险估价或预测市场行为等。所以Quant更多可看为工程师。 专业人士表示“投资者想要从事量化交易,必须是精通金融和计算机语言的复合型人才,金融、建模、编程缺一不可。”金融量化领域的内容涉及基础数据抓取及处理、量化交易策略编写及回测、实盘程序化交易、衍生品定价、机器学习、高频交易等模块的内容。“精细的算法系统不仅能辅佐人们进行交易投资决策,在国外,也在逐步取代重复性的人工劳动,金融科技的发展方兴未艾,这一定是一个大趋势”。 然而,量化金融领域创新频现、高尖人才密集,因此门槛较高。每一个有志成为量化金融分析师的人,都面临着“金融”、“编程”、“建模”三座大山,从理论到实践,每一步都需要大量的积累和学习。
什么是量化投资?
量化投资,是一个很宽泛的概念。主要是指基于大量的数据,用数学、统计学等量化的方法来研究金融市场中资产价格等并作出投资决策,而非描述性或定性分析和决策它并非是基本面分析和技术面分析的对立面,而是基于基本面分析并结合技术分析因素来构造量化投资模型。它是一种主动投资方法,一般通过开发各种量化模型,希望能够战胜市场获得超额收益。
简单来说,量化投资是以数据为基础,以策略模型为核心,以程序化交易为手段,以追求绝对收益为目标的投资方法。主要是指基于大量的数据,用数学、统计学等量化的方法来研究金融市场中资产价格等并作出投资决策,它是一种主动投资方法,一般通过开发各种量化模型,希望能够战胜市场获得超额收益。
代表人物是“模型先生”詹姆斯·西蒙斯。
詹姆斯·西蒙斯(James Simons,1938年-)是美国数学家、投资家和慈善家。也是最伟大的对冲基金经理之一。2005年,西蒙斯成为全球收入最高的对冲基金经理,从1988年开始,他所掌管的大奖章基金年均回报率高达34%, 在过去的20年中,西蒙斯的文艺复兴科技公司在全球市场中进行投资。他们用计算机编程建立模型分析股票价格从而很轻松的交易并获利。这些模型是建立在海量的数据基础上的,所以具有可靠性并可进行实际预测,而结果往往与他们预想的一样。
#量化投资的特点
复杂性
涉及多学科综合交叉研究,包括但不限于投资学、数学、物理学、计算机学等。
模型变化性
量化投资一般需要借助数学模型来研究。就投资研究深度而言,量化投资以其策略决定其深度,并且每个策略有其使用的限制条件,比如动量策略需要在具有明显趋势的市场中使用才能有较好的收益。
捕捉大概率
试图找出并应用市场或股票等具体金融产品的价格、交易量等在大概率上存在的规律来获得超越基准的收益。
量化投资的优势
准确性
量化投资最终生成的决策,是经过数学模型量化的,只有符合模型量化筛选条件的决策才能够得到应用,因此具有准确性。
纪律性
它可以避免人的主观情绪的影响,不会像人一样患得患失和纠结,作出客观的判断,准确地把握交易机会。
及时性
它可以及时地跟踪市场的变化,寻找交易机会。
系统性
量化投资涵盖量化选股、量化择时、资产配置等从投资想法的产生到决策实施整个过程的多层次的量化模型、多角度的观察及海量数据的观察和处理。
量化交易策略分类
1. 股票策略
一般根据是否对冲可以分为Alpha策略和Beta策略。
1.1. Beta策略
为了获得绝对收益的策略,也可以分为主观策略和量化策略,包括根据财务和行业研究等做的主观投资;用技术指标选股(通常所用数据为日数据);以及用更高频的日内数据所做的量化策略等。 【举例】: 均线突破策略,在短期均线突破长期均线时买入
1.2. Alpha策略
主要为了获得超额收益,即常说的跑赢指数,通常为多因子策略,数据一般来自基本面数据(财务)和量价数据。主要由基本面数据做出的多因子策略通常换仓慢,可能一周或者一个月换仓一次;主要由量价因子做出的多因子策略通常换仓频繁,可能每天换仓;也有用更高频率的数据做出来的高频Alpha策略,跟量价因子的主要区别在于量价因子一般用日数据选股,前一天晚上就给出第二天的持仓,第二天白天的时候完成该持仓任务,而高频Alpha策略根据实时收到的行情进行交易判断,实时给出当前具体时间点的交易任务。 【举例】:反转因子,买入全市场近期跌幅最多的股票
1.3. 其他非常规类型策略
T0策略:在已有的股票池的基础上实现T+0交易
市面上的T0团队通常会通过借券的方式向长线投资者借底仓,到期(例如半年后)归还底仓和一定利息;或者T0团队作为服务方,帮助长线投资者做T0,收取一定比例的佣金。
期货策略
CTA策略介绍
CTA是Commodity Trading Advisor Strategy的缩写,从字面意思来看,是指商品交易顾问,通常也被称作管理期货基金,也就是指投资于期货的资产管理产品。从海外来说,CTA基金的管理规模已经超过3000亿美元,业绩稳定,与其他市场策略的相关性较低,受到很多成熟投资者的青睐。但是对于国内来说,CTA的起步较晚,规模较小,其余产品也多以自有资金为主,不接受外来资金,所以CTA并不为国内的投资者所熟知。
CTA分类
主观CTA
依靠基金管理人基于基本面调研或以往的交易经验来判断后续走势,决定何时买进卖出,做空做多,但是这种做法受市场及基金管理人的主观影响很大,所以其份额逐渐被量化CTA所蚕食。
量化CTA
通过分析建立数量化的交易模型,并根据交易模型月产生的买卖信号进行投资决策。 通常指用相对低频的数据(3min,5min,30min)进行策略研究和交易的期货策略。 【举例】:布林带反转策略(交易开拓者中有很多已经写好的简单cta策略函数),突破下轨开多,回到中线平仓
量化CTA策略也分为两种
趋势跟随策略和均值回复策略
趋势跟随策略和均值回复策略。
趋势跟随策略利用大量的模型寻找当前的市场趋势,判断多空,只要存在大幅度的上涨和下跌,则都能获利,但是在市场波动较小或震荡市期间,这种策略可能因为不停地止损而出现回撤。
均值回复策略
均值回复策略则主要应用在跨期、跨品种配对交易中,根据价差反转套利,和股票市场中的高抛低吸类似,核心思想是利用历史走势基本一致地对资产进行套利
其他策略
高频策略
从极其短暂的市场变化中寻找利润的策略,所用数据是市场能拿到的最高频率的tick数据(例如0.5s/次),可能在1分钟内就能完成若干次交易。不限于期货。
套利策略
套利策略也称为价差交易策略,是指在买入或卖出某种交易合约的同时,卖出或买入相关的另一种合约,利用相关市场或相关合约之间的价差变化,期望价差发生有利变化而获利的一类策略。比如:同一品种的跨期套利,两个关联品种之间套利,跨交易所套利等。 风险:价差波动较大的时候可能触发策略止损;价差有可能产生趋势,价差整体越来越高。
做市策略
在盘口流动性较差的品种提供流动性,赚取流动性缺失的利润。风险:做市策略的风险主要来自单边成交后价格向着不利的方向移动