您当前所在位置: 主页 > 量化交易 > 投资策略解密 >

>量化交易

DE CHUAN FUND

投资策略解密

初探量化交易

发布日期:2017年06月02

  量化交易通过数据构建投资策略,能够从中寻求大概率的获利机会,同时也减少了人为情绪的干预。我们可以从以下这段摘要来了解量化交易是什么:

  量化交易是指以先进的数学模型替代人为的主观判断,利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,极大地减少了投资者情绪波动的影响,避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

  量化是避免非理性投资决策的方式,但不代表一定赚钱。量化的特点在于从历史数据中找寻模式, 建立数量关系与市场之间的联系,从而验证策略对于历史数据(样本内数据)是否有效, 然后递推到样本外数据。

  但历史数据只能代表过去,即便得到再完美的验证,都不能说一定可以适应未来。金融市场中的极端情况,比我们所想象的要多,谁也不知道下一个黑天鹅从哪诞生。

  量化交易策略

  在量化投资领域,交易策略主要有单边投机、套利交易和做市商等,其中的套利交易是通过捕捉两种或多种金融工具间的价格错误,以从中获利。但当发生黑天鹅“肥尾”事件时,剧烈的价差波动会打破一些套利交易所能“承受”的极限,导致套利策略出现较大回撤。

  关于套利交易策略,市场上大部分交易者有以下几种做法:

  1)期现套利

  期现套利属于无风险套利,比如如果股指期货相对于现货升水,那可以做多现货, 并做空股指期货, 股指期货在交割日必定收敛于现货标的,持有到期了结多空头寸, 获取开仓时的价差收益。

  需要注意可能发生的极端情形,持仓期间的可能波动会导致期货保证金不足而爆仓。

  2)跨期套利,跨品种套利

  这两种需要交易者有一定的 view, 对于所交易的价差(跨期价差, 或者跨品种价差)看多或者看空(不一定收敛)。

  3)统计套利

  要求找出一组满足协整(cointegration)要求的标的, 根据协整关系构建组合,组合在一定区间内呈现稳定震荡(稳定时间序列),然后在该区间内,高于中轴时做空组合,低于中轴时做多组合。

  关于高频交易:

  交易者根据市场微观形态(盘口信息,order book)对于市场下一刻涨跌算出概率分布,在概率超过一定值时建仓。由于高频交易频率很高,每天可以有几千,乃至几万次的开关仓,所以收益十分的稳定。常见工具有 HMM(隐马尔科夫模型)等。

 

  随当前 alpha go 的大热,很多交易者也开始挖掘机器学习在量化交易中的应用,试图通过遗传算法,SVM 在内的工具介入策略研发。

  量化交易系统

  一个好的量化交易系统是做好量化的基础。交易系统一般是构建所谓的“

  事件驱动”系统。

  从事件的复杂度来区分为以下三种:

  简单而常见的事件:就是市场行情更新 (占比 99%以上)

  高级事件:如成交回报(去年股灾期间,有一家俄罗斯人经营的高频公司伊仕顿, 就是频繁运用自己报单的回报信息,获取了远高于市场行情的更新频率,获取了高额回报)

  更复杂的事件:如分析企业的突发事件,来对企业的各类金融资产进行投资,包括股票、债券及其衍生物

 

  事件导入后,系统经过分发,触发策略逻辑,从而判断是否产生交易信号,并通过系统报向交易所。

  这里有一个衡量系统性能的重要的指标:即所谓的 tick to order。它指的是从市场行情达到系统边界到策略形成交易信号,报单离开系统所花的时间。

  关于回测系统

  量化交易系统一般还包含对应的回测系统,回测系统是策略构建过程中提供依据的平台。回测系统通过在历史上策略的各项表现(夏普率,收益回撤比,最大回撤,最长回撤周期等)的评判,以此评估一个策略是否达到上线标准。

 

  在回测测试时,我们需要避免过拟合,以及使用未来函数的情况。假设条件要合理,谨防导致回测跟实盘表现相差甚远。

  最后市场是千变万化的,我们需要实时监控策略的有效性,一旦策略失效,要及时停止策略或优化策略。做好量化交易,必须秉持一颗客观公正的心。