導(dǎo)言：作為寫(xiě)作愛(ài)好者，不可錯(cuò)過(guò)為您精心挑選的10篇量化交易策略的研究，它們將為您的寫(xiě)作提供全新的視角，我們衷心期待您的閱讀，并希望這些內(nèi)容能為您提供靈感和參考。

篇1

二、量化投資“黑箱”中的構(gòu)造與證券投資學(xué)的差異

在傳統(tǒng)的證券投資學(xué)中，投資組合理論、資本資產(chǎn)定價(jià)模型、套利定價(jià)理論和期權(quán)定價(jià)理論是現(xiàn)代金融理論的四塊基石。前兩者主要依靠均值-方差組合優(yōu)化的思想，后兩者則主要依靠市場(chǎng)的無(wú)套利條件。傳統(tǒng)的投資方法主要是基本面分析和技術(shù)分析兩大類(lèi)，而量化投資則是“利用計(jì)算機(jī)科技并采用一定的數(shù)學(xué)模型去實(shí)現(xiàn)投資理念、實(shí)現(xiàn)投資策略的過(guò)程”。從概念看，量化投資既不是基本面分析，也不是技術(shù)分析，但它可以采用基本面分析，也可以采用技術(shù)分析，關(guān)鍵在于依靠模型來(lái)實(shí)現(xiàn)投資理念與投資策略。為了分析量化投資對(duì)證券投資學(xué)的啟示，本文從量化投資“黑箱”的各個(gè)構(gòu)成來(lái)探討量化投資與證券投資學(xué)中思路和觀點(diǎn)的差異。

（一）資產(chǎn)定價(jià)與收益的預(yù)測(cè)

根據(jù)組合優(yōu)化理論，投資者將持有無(wú)風(fēng)險(xiǎn)組合與市場(chǎng)風(fēng)險(xiǎn)資產(chǎn)組合，獲得無(wú)風(fēng)險(xiǎn)利率與市場(chǎng)風(fēng)險(xiǎn)溢價(jià)。資本資產(chǎn)定價(jià)模型則將此應(yīng)用到單一證券或組合，認(rèn)為證券的風(fēng)險(xiǎn)溢價(jià)等于無(wú)風(fēng)險(xiǎn)利率加上與風(fēng)險(xiǎn)貢獻(xiàn)比率一致的風(fēng)險(xiǎn)溢價(jià)，超過(guò)的部分就是超額收益，即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產(chǎn)定價(jià)理論給實(shí)務(wù)投資的一大貢獻(xiàn)?；谝蛩啬Ｐ偷奶桌▋r(jià)理論則從共同風(fēng)險(xiǎn)因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價(jià)模型為這一類(lèi)量化投資提供了統(tǒng)一的參考。可以說(shuō)，在因素定價(jià)方面，量化投資繼承了資產(chǎn)定價(jià)理論的基本思想。對(duì)于因素定價(jià)中因素的選擇，證券投資學(xué)認(rèn)為，對(duì)資產(chǎn)價(jià)格的影響，長(zhǎng)期應(yīng)主要關(guān)注基本面因素，而短期應(yīng)主要關(guān)注市場(chǎng)的交易行為，即采用技術(shù)分析。在量化投資中，主要強(qiáng)調(diào)按照事先設(shè)定的規(guī)則進(jìn)行投資，這在一定程度上與技術(shù)分析類(lèi)似。但是，在技術(shù)分析中，不同的人會(huì)有不同的結(jié)論，而量化投資則強(qiáng)調(diào)投資的規(guī)則化和固定化，不會(huì)因人的差異而有較大的不同。另外，量化交易更強(qiáng)調(diào)從統(tǒng)計(jì)和數(shù)學(xué)模型方面尋找資產(chǎn)的錯(cuò)誤定價(jià)或者進(jìn)行收益的預(yù)測(cè)。

（二）無(wú)套利條件與交易成本

在證券投資學(xué)里，流動(dòng)性是證券的生命力。組合投資理論、資本資產(chǎn)定價(jià)模型以及套利定價(jià)理論等都認(rèn)為市場(chǎng)中存在大量可交易的證券，投資者可以自由買(mǎi)賣(mài)證券。這主要是為了保證各種交易都能實(shí)現(xiàn)，如套利交易。根據(jù)套利定價(jià)理論，一旦市場(chǎng)出現(xiàn)無(wú)風(fēng)險(xiǎn)的套利機(jī)會(huì)，理性投資者會(huì)立即進(jìn)行套利交易，當(dāng)市場(chǎng)均衡時(shí)就不存在套利機(jī)會(huì)?，F(xiàn)實(shí)市場(chǎng)中往往存在套利限制。一是因?yàn)閯P恩斯說(shuō)的“市場(chǎng)的非理性維持的時(shí)間可能會(huì)長(zhǎng)到你失去償付能力”。二是因?yàn)槭袌?chǎng)總是存在交易費(fèi)用等成本。但證券投資學(xué)中，對(duì)市場(chǎng)中套利限制與非流動(dòng)性的關(guān)注較少，這是因?yàn)閭鹘y(tǒng)金融理論中簡(jiǎn)化了市場(chǎng)結(jié)構(gòu)。市場(chǎng)微觀結(jié)構(gòu)理論研究在既定的交易規(guī)則下，金融資產(chǎn)交易的過(guò)程及其結(jié)果，旨在揭示金融資產(chǎn)交易價(jià)格形成的過(guò)程及其原因。在市場(chǎng)微觀結(jié)構(gòu)理論中，不同的市場(chǎng)微觀結(jié)構(gòu)對(duì)市場(chǎng)流動(dòng)性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來(lái)的價(jià)格沖擊，能實(shí)施量化投資策略的證券往往都應(yīng)有較好的流動(dòng)性，因?yàn)榻灰讜r(shí)非流動(dòng)性直接影響投資策略的實(shí)施。從這個(gè)意義上講，量化投資時(shí)的交易成本不僅包括交易費(fèi)用，更主要的是要考慮市場(chǎng)交易沖擊的流動(dòng)性成本。

（三）風(fēng)險(xiǎn)控制與市場(chǎng)情緒

在證券市場(chǎng)中，高收益與高風(fēng)險(xiǎn)相匹配。量化投資在追求高收益的同時(shí)，不可避免地承擔(dān)了一定的風(fēng)險(xiǎn)。在證券投資學(xué)中，系統(tǒng)性風(fēng)險(xiǎn)主要源于宏觀經(jīng)濟(jì)因素，非系統(tǒng)性因素則主要源于行業(yè)、公司因素，并且不考慮市場(chǎng)交易行為的影響。在量化投資中，較多地使用因素定價(jià)模型，不僅會(huì)考慮市場(chǎng)經(jīng)濟(jì)因素，而且會(huì)考慮交易行為等因素，只是不同的模型有不同的側(cè)重點(diǎn)，在多模型的量化投資系統(tǒng)中自然包括了這兩方面的因素。除了各種基本面和市場(chǎng)交易的因素風(fēng)險(xiǎn)外，量化投資還有自身不可忽視的風(fēng)險(xiǎn)源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權(quán)等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風(fēng)險(xiǎn)。另一方面，市場(chǎng)沖擊的流動(dòng)性成本也是量化投資的風(fēng)險(xiǎn)控制因素，理所當(dāng)然地在圖1的風(fēng)險(xiǎn)控制模型中體現(xiàn)出來(lái)。另外，在一般的投資過(guò)程中，市場(chǎng)情緒或多或少會(huì)成為風(fēng)險(xiǎn)控制的一個(gè)對(duì)象。然而，在量化投資中，更多的交易都是通過(guò)計(jì)算機(jī)來(lái)實(shí)現(xiàn)的，如程序交易等，這樣以來(lái)，投資者情緒等因素對(duì)投資決策的影響相對(duì)較小。所以，在量化投資的風(fēng)險(xiǎn)控制模型中較少地考慮市場(chǎng)情緒以及投資者自身的情緒，主要是通過(guò)承擔(dān)適度的風(fēng)險(xiǎn)來(lái)獲得超額回報(bào)，因?yàn)楫吘箿p少風(fēng)險(xiǎn)也減少了超額回報(bào)。

（四）執(zhí)行高頻交易與算法交易

在對(duì)未來(lái)收益、風(fēng)險(xiǎn)和成本的綜合權(quán)衡下，實(shí)現(xiàn)投資策略成為量化投資的重要執(zhí)行步驟。為了達(dá)到投資目標(biāo)，量化投資不斷追求更快的速度來(lái)執(zhí)行投資策略，這就推動(dòng)了采用高速計(jì)算機(jī)系統(tǒng)的程序化交易的誕生。在證券投資學(xué)里，技術(shù)分析認(rèn)為股價(jià)趨勢(shì)有長(zhǎng)期、中期和短期趨勢(shì)，其中，長(zhǎng)期和中期趨勢(shì)有參考作用，短期趨勢(shì)的意義不大。然而，隨著計(jì)算機(jī)信息科技的創(chuàng)新，量化投資策略之間的競(jìng)爭(zhēng)越來(lái)越大，誰(shuí)能運(yùn)作更快的量化模型，誰(shuí)就能最先找到并利用市場(chǎng)錯(cuò)誤定價(jià)的瞬間，從而賺取高額利潤(rùn)。于是，就誕生了高頻交易：利用計(jì)算機(jī)系統(tǒng)處理數(shù)據(jù)和進(jìn)行量化分析，快速做出交易決策，并且隔夜持倉(cāng)。高頻交易的基本特點(diǎn)有：處理分筆交易數(shù)據(jù)、高資金周轉(zhuǎn)率、日內(nèi)開(kāi)平倉(cāng)和算法交易。高頻交易有4類(lèi)流行的策略：自動(dòng)提供流動(dòng)性、市場(chǎng)微觀結(jié)構(gòu)交易、事件交易和偏差套利。成功實(shí)施高頻交易同時(shí)需要兩種算法：產(chǎn)生高頻交易信號(hào)的算法和優(yōu)化交易執(zhí)行過(guò)程的算法。為了優(yōu)化交易執(zhí)行，目前“算法交易”比較流行。算法交易優(yōu)化買(mǎi)賣(mài)指令的執(zhí)行方式，決定在給定市場(chǎng)環(huán)境下如何處理交易指令：是主動(dòng)的執(zhí)行還是被動(dòng)的執(zhí)行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產(chǎn)配置和證券選擇問(wèn)題。

三、對(duì)量化投資在證券投資教學(xué)中應(yīng)用的思考

從上述分析可以知道，量化投資的“黑箱”構(gòu)造與證券投資學(xué)之間存在一定的差異，因此，在證券投資的教學(xué)中應(yīng)當(dāng)考慮量化投資發(fā)展的要求。

（一）市場(chǎng)微觀結(jié)構(gòu)與流動(dòng)性沖擊

在理性預(yù)期和市場(chǎng)有效假說(shuō)下，市場(chǎng)價(jià)格會(huì)在相關(guān)信息披露后立即調(diào)整，在信息披露前后市場(chǎng)有著截然不同的表現(xiàn)。在證券投資學(xué)里，一般認(rèn)為價(jià)格的調(diào)整是及時(shí)準(zhǔn)確的，然而，現(xiàn)實(shí)的世界里，價(jià)格調(diào)整需要一個(gè)過(guò)程。在不同的頻率下，這種價(jià)格形成過(guò)程的作用是不同的。在長(zhǎng)期的投資中，短期的價(jià)格調(diào)整是瞬間的，影響不大。然而，在高頻交易中，這種價(jià)格調(diào)整過(guò)程影響很大。市場(chǎng)微觀結(jié)構(gòu)就是研究這種價(jià)格形成過(guò)程。市場(chǎng)微觀結(jié)構(gòu)理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關(guān)注商委托單簿不平衡對(duì)訂單流的影響，解釋沒(méi)有消息公布時(shí)價(jià)格短暫波動(dòng)的原因。信息模型關(guān)注信息公布后信息反映到價(jià)格中的這一過(guò)程，認(rèn)為含有信息的訂單流是導(dǎo)致價(jià)格波動(dòng)的原因。無(wú)論是關(guān)注委托訂單的存貨模型還是關(guān)注市場(chǎng)參與者信息類(lèi)型的信息模型，這些市場(chǎng)微觀結(jié)構(gòu)的研究加強(qiáng)了流動(dòng)性與資產(chǎn)價(jià)格之間的聯(lián)系，強(qiáng)調(diào)流動(dòng)性在量化投資決策中的重要作用。一般的證券投資學(xué)中基本沒(méi)有市場(chǎng)微觀結(jié)構(gòu)的內(nèi)容，因而，為了加強(qiáng)證券投資學(xué)的實(shí)用性，應(yīng)關(guān)注市場(chǎng)微觀結(jié)構(gòu)的內(nèi)容與發(fā)展。

（二）業(yè)績(jī)?cè)u(píng)價(jià)與高杠桿

對(duì)于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風(fēng)險(xiǎn)與業(yè)績(jī)。在組合業(yè)績(jī)?cè)u(píng)價(jià)中，一方面要考慮風(fēng)險(xiǎn)的衡量，另一方面則要分析業(yè)績(jī)的來(lái)源。在證券投資學(xué)中，組合業(yè)績(jī)來(lái)自于市場(chǎng)表現(xiàn)以及管理者的配置與選股能力。對(duì)于量化投資而言，市場(chǎng)時(shí)機(jī)和管理者的能力依然重要，然而，量化投資的業(yè)績(jī)?cè)u(píng)價(jià)還應(yīng)考慮另一個(gè)因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權(quán)等衍生品交易，這種杠桿交易具有放大作用，在市場(chǎng)好的時(shí)候擴(kuò)大收益，但在市場(chǎng)不好的時(shí)候會(huì)加速虧損，這些與傳統(tǒng)的業(yè)績(jī)?cè)u(píng)價(jià)就不太一樣。在一般的證券投資學(xué)里，業(yè)績(jī)?cè)u(píng)價(jià)主要考慮經(jīng)風(fēng)險(xiǎn)調(diào)整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻(xiàn)，而且有可能夸大了投資者的技能水平。

（三）人為因素與模型風(fēng)險(xiǎn)

在量化投資中，非常注重計(jì)算機(jī)對(duì)數(shù)據(jù)和模型的分析，這突出了量化投資的規(guī)則性和固定性。然而，實(shí)際中，別看量化采用了各種數(shù)學(xué)、統(tǒng)計(jì)模型，但策略設(shè)計(jì)、策略檢測(cè)和策略更新等過(guò)程都離不開(kāi)人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實(shí)施。量化投資運(yùn)用模型對(duì)策略進(jìn)行了細(xì)致研究，并借助計(jì)算機(jī)實(shí)施策略，能夠消除很多認(rèn)為的隨意性。但是，量化策略畢竟體現(xiàn)投資者的交易理念，這一部分依賴(lài)于投資者的經(jīng)驗(yàn)，一部分依賴(lài)于投資者對(duì)市場(chǎng)的不斷觀察與更新。實(shí)際上，人始終處于交易之中，對(duì)于市場(chǎng)拐點(diǎn)以及趨勢(shì)反轉(zhuǎn)的判斷主要還是依賴(lài)投資者的經(jīng)驗(yàn)。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實(shí)施依賴(lài)于人的設(shè)定，而人的設(shè)定不僅依賴(lài)于經(jīng)驗(yàn)，而且人還會(huì)犯錯(cuò)。人之所以會(huì)犯錯(cuò)，一方面是因?yàn)槿藗儗?duì)市場(chǎng)的認(rèn)知是不完全的，另一方面則是人們使用了錯(cuò)誤的模型。經(jīng)典的證券投資理論中，股票價(jià)格的變動(dòng)被認(rèn)為是隨機(jī)的，小概率事件出現(xiàn)的機(jī)會(huì)比較小，但是經(jīng)驗(yàn)研究表明股票收益率具有肥尾現(xiàn)象，小概率事件發(fā)生的機(jī)會(huì)超出了人們?cè)鹊恼J(rèn)識(shí)，即市場(chǎng)還會(huì)出現(xiàn)“黑天鵝”。更為關(guān)鍵的是，量化投資更依賴(lài)數(shù)學(xué)和統(tǒng)計(jì)模型，這就使得量化投資存在較大的模型風(fēng)險(xiǎn)，即使用了錯(cuò)誤的模型。為了防范模型風(fēng)險(xiǎn)，應(yīng)采用更為穩(wěn)健的模型，即模型的參數(shù)和函數(shù)應(yīng)該適應(yīng)多種市場(chǎng)環(huán)境。近年來(lái)，研究表明，證券收益及其與風(fēng)險(xiǎn)因素的關(guān)系存在較大的非線性，同時(shí)，市場(chǎng)中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機(jī)過(guò)程和機(jī)器學(xué)習(xí)等數(shù)據(jù)挖掘技術(shù)進(jìn)行信息處理成為量化投資的重要技術(shù)支持。

篇2

摘 要：“金融改革”的提出，金融市場(chǎng)的逐步開(kāi)放，將促進(jìn)金融創(chuàng)新的步伐，給投資者帶來(lái)越來(lái)越多的投資渠道，同時(shí)也將加速中國(guó)金融市場(chǎng)與國(guó)際金融市場(chǎng)的融合。通過(guò)分別建立兩個(gè)單指標(biāo)擇時(shí)策略模型，運(yùn)用MATLAB模式搜索算法在設(shè)定時(shí)段內(nèi)搜索最優(yōu)參數(shù)，并分別對(duì)兩個(gè)單指標(biāo)策略進(jìn)行交易仿真回驗(yàn)。實(shí)證結(jié)果顯示，趨勢(shì)型指標(biāo)可以抓住大的波段行情，獲得超額收益，具有較好的擇時(shí)效果。實(shí)證顯示組合指標(biāo)策略的效益明顯高于單指標(biāo)策略。因此，采用組合指標(biāo)策略進(jìn)行個(gè)股量化擇時(shí)交易較單指標(biāo)策略能獲得更優(yōu)的投資收益。

關(guān)鍵詞 ：量化擇時(shí)；趨勢(shì)指標(biāo)；組合指標(biāo)策略；參數(shù)優(yōu)化

中圖分類(lèi)號(hào)：F8 文獻(xiàn)標(biāo)識(shí)碼：A doi：10．3969／j．issn．1665－2272．2015．12．008

1 緒論

1．1 背景意義

“金融改革”的提出將為中國(guó)的量化投資帶來(lái)發(fā)展前景。金融市場(chǎng)的逐步開(kāi)放將會(huì)促進(jìn)金融創(chuàng)新的步伐，給投資者帶來(lái)越來(lái)越多的投資渠道，同時(shí)也將加速中國(guó)金融市場(chǎng)與國(guó)際金融市場(chǎng)的融合。很多國(guó)外成熟的投資工具和投資方法將逐步進(jìn)入中國(guó)市場(chǎng)，以期貨市場(chǎng)為代表的衍生品市場(chǎng)將迎來(lái)飛速增長(zhǎng)，以量化投資為代表的投資方法也將得到投資者更大的關(guān)注。

在投資業(yè)，各種渠道提供的海量信息以及高頻金融交易數(shù)據(jù)都在深刻地影響這個(gè)行業(yè)的發(fā)展以及金融市場(chǎng)的有效性。金融創(chuàng)新給期待量化投資的投資者提供了豐富的投資工具。自20世紀(jì)50年代以來(lái)，金融市場(chǎng)出于規(guī)避監(jiān)管，轉(zhuǎn)嫁風(fēng)險(xiǎn)和防范風(fēng)險(xiǎn)等需要，推出了很多創(chuàng)新性的金融產(chǎn)品，提供了越來(lái)越豐富的投資工具。金融衍生品在金融市場(chǎng)中占的比例越來(lái)越重要。

中國(guó)量化投資的前景廣闊。黨的十八屆三中全會(huì)提出了“健全多層次資本市場(chǎng)體系”的指示精神，為十二五期間的資本市場(chǎng)發(fā)展指明了方向。隨著金融投資工具的增加，量化投資將顯示出其更大的作用，幫助投資者在更好的風(fēng)險(xiǎn)管控中尋求最佳收益回報(bào)。

作為量化投資中的量化擇時(shí)，是指利用某種方法來(lái)判斷大勢(shì)的走勢(shì)情況以及時(shí)采取相應(yīng)措施，它是收益率最高的一種交易方式。就股票投資者而言，擇股和擇時(shí)都是至關(guān)重要的，正確擇股是盈利的前提，而正確擇時(shí)則是盈利的最終實(shí)現(xiàn)。因此，從微觀角度入手，建立有效的個(gè)股量化擇時(shí)交易策略值得研究。

1．2 文獻(xiàn)綜述

關(guān)于量化投資的研究，國(guó)內(nèi)外更多的研究主要以策略構(gòu)建和實(shí)證為主。易海波、楊向陽(yáng)、羅業(yè)華、曾敏通過(guò)將量化指標(biāo)按照股票屬性進(jìn)行分類(lèi)排序，以自下而上的選股方式，構(gòu)建出價(jià)值、成長(zhǎng)、質(zhì)量三個(gè)基本模型，并在此基礎(chǔ)上衍生得到四個(gè)疊加模型和GARP模型。利用八個(gè)選股模型以不同的參數(shù)進(jìn)行選股，構(gòu)建出十個(gè)量化選股組合，歷史回測(cè)結(jié)果顯示這些組合風(fēng)格各異，適合不同風(fēng)險(xiǎn)偏好的投資者。張登明通過(guò)對(duì)技術(shù)指標(biāo)的分析，構(gòu)建了完整的及時(shí)指標(biāo)組合投資策略框架。他從量化的角度，通過(guò)樣本統(tǒng)計(jì)給出了適合中國(guó)股市的優(yōu)化指標(biāo)組合及參數(shù)設(shè)置，對(duì)提高投資決策有積極意義。路來(lái)政通過(guò)研究量化基金的績(jī)效及管理能力來(lái)研究量化投資策略的應(yīng)用效果，采用T－M模型、H－M模型和C－L模型對(duì)其中9只量化基金的管理能力進(jìn)行了研究，以評(píng)價(jià)量化基金使用量化投資策略的擇股效果和擇時(shí)效果，結(jié)果表明量化基金采用量化策略進(jìn)行投資是有意義的。

股票擇時(shí)屬于量化投資的一個(gè)分域。劉瀾飚、李貢敏研究了市場(chǎng)擇時(shí)理論在中國(guó)的適用性，表明中國(guó)上市公司不僅存股票市場(chǎng)的市場(chǎng)擇時(shí)行為，而且存在債務(wù)擇時(shí)行為，即股票市場(chǎng)高漲時(shí)，上市公司傾向于債務(wù)融資。林正龍基于效用無(wú)差別定價(jià)原理，運(yùn)用實(shí)物期權(quán)定價(jià)理論，研究項(xiàng)目投資收益不可完全復(fù)制的不確定性投資機(jī)會(huì)定價(jià)與擇時(shí)問(wèn)題，得出不同于指數(shù)效用，對(duì)具有常值相對(duì)風(fēng)險(xiǎn)回避系數(shù)效用函數(shù)的投資者而言，不確定性投資機(jī)會(huì)的定價(jià)與擇時(shí)與投資者當(dāng)前財(cái)富數(shù)量有關(guān)。卓琳玲、胡志強(qiáng)通過(guò)對(duì)樣本公司的研究，發(fā)現(xiàn)樣本公司股票行為、債券發(fā)行和內(nèi)部融資均呈下降趨勢(shì)，其中股票不是特別明顯，當(dāng)市值杠桿比率上升時(shí)期，股票發(fā)行出現(xiàn)顯著地下降趨勢(shì)，此時(shí)市場(chǎng)時(shí)機(jī)選擇比較明顯，說(shuō)明我國(guó)股市存在明顯的市場(chǎng)時(shí)機(jī)選擇行為。劉陽(yáng)、劉強(qiáng)通過(guò)研究我國(guó)從上世紀(jì)90年代初-2010年1月的上證綜指和深證成指，分析異常收益率對(duì)整個(gè)期間收益的影響及擇時(shí)的可能，發(fā)現(xiàn)極少數(shù)具有超常收益的交易日對(duì)股票市場(chǎng)的長(zhǎng)期收益具有顯著的影響，認(rèn)為理性的投資者應(yīng)該放棄擇時(shí)而選擇長(zhǎng)期投資。王俊杰在擇時(shí)模型方面分析了行業(yè)指數(shù)存在的持續(xù)性和行業(yè)輪動(dòng)特征，并以時(shí)間序列模型為基礎(chǔ)，構(gòu)建動(dòng)量模型、MS－GARCH行業(yè)擇時(shí)模型等量化擇時(shí)策略，回測(cè)結(jié)果MS－GARCH擇時(shí)模型戰(zhàn)勝行業(yè)動(dòng)量模型和指數(shù)，表現(xiàn)較好。

溫婧茹對(duì)移動(dòng)平均線理論進(jìn)行改進(jìn)，構(gòu)造了最適參數(shù)，參考設(shè)計(jì)了觸線交易策略和過(guò)濾器交易策略，構(gòu)建了家電板板塊靜態(tài)與動(dòng)態(tài)相結(jié)合的股票池，實(shí)證得出，不同股票對(duì)應(yīng)的最適參數(shù)不同，用個(gè)性化的參數(shù)進(jìn)行決策能獲得更好的收益；應(yīng)用收益率確定最適參數(shù)以擇股，結(jié)合觸線交易策略以擇時(shí)，能夠跑贏大盤(pán)，取得超額收益。曹力自適應(yīng)均線更適合于組合類(lèi)的標(biāo)的，如指數(shù)或者封閉式基金，因?yàn)檫@些標(biāo)的的走勢(shì)經(jīng)過(guò)了平均的平滑，沒(méi)有突然的大起大落，更容易用均線來(lái)跟蹤趨勢(shì)的變化。而對(duì)于個(gè)股，波動(dòng)形態(tài)和指數(shù)類(lèi)表的不同，所以需要使用不同的參數(shù)，在大多數(shù)個(gè)股上能夠獲得超額收益，特別對(duì)強(qiáng)周期性行業(yè)的股票自適應(yīng)均線有很強(qiáng)的擇時(shí)能力。但是自適應(yīng)均線也不是萬(wàn)能的，對(duì)于某些個(gè)股，因?yàn)椴▌?dòng)形態(tài)的復(fù)雜，用自適應(yīng)均線也無(wú)法獲得超額收益。曹力、徐彪從實(shí)證效果來(lái)看，利用可交易組合的均線模式識(shí)別找出的買(mǎi)入機(jī)會(huì)成功率較高，能抓住一些市場(chǎng)主要的反彈機(jī)會(huì)，因此累積收益非常出色。可交易組合的均線模式識(shí)別方法是擇時(shí)交易，特別是熊市中擇時(shí)的有效方法。

1．3 研究框架

傳統(tǒng)的趨勢(shì)指標(biāo)擇時(shí)策略往往是單指標(biāo)的，并且策略參數(shù)通常是約定俗成的。單指標(biāo)策略局限性和偶然性大，不能有效及時(shí)獲取收益和及時(shí)止損；約定俗成的常用參數(shù)值在面對(duì)各種波動(dòng)幅度不同、周期性不同、價(jià)格彈性等不同的個(gè)股時(shí)也有失客觀性和靈動(dòng)性。

所以，在探究一種改進(jìn)針對(duì)個(gè)股的傳統(tǒng)趨勢(shì)指標(biāo)量化擇時(shí)的策略。首先建立基于各傳統(tǒng)趨勢(shì)指標(biāo)的單指標(biāo)擇時(shí)策略，通過(guò)參數(shù)優(yōu)化確定各單指標(biāo)策略的最適參數(shù)；并在單指標(biāo)的基礎(chǔ)上，創(chuàng)新性地通過(guò)指標(biāo)的組合，構(gòu)建一個(gè)綜合性且參數(shù)最優(yōu)的組合指標(biāo)擇時(shí)策略，以增強(qiáng)策略的穩(wěn)定性和魯棒性，獲得更優(yōu)的投資收益。

1．4 術(shù)語(yǔ)說(shuō)明

（1）累計(jì)收益率：

（2）年化收益率：年化收益率是把當(dāng)前收益率（日收益率、周收益率、月收益率）換算成年收益率來(lái)計(jì)算的，是一種理論收益率，并不是真正的已取得的收益率。

（3）夏普比率：夏普比率是一個(gè)可以同時(shí)對(duì)收益與風(fēng)險(xiǎn)加以綜合考慮的經(jīng)典指標(biāo)，它反映了單位風(fēng)險(xiǎn)基金凈值增長(zhǎng)率超過(guò)無(wú)風(fēng)險(xiǎn)收益的程度。如果夏普比率為正值，說(shuō)明在衡量期內(nèi)基金的平均凈值增長(zhǎng)率超過(guò)了無(wú)風(fēng)險(xiǎn)利率。夏普比率越大說(shuō)明基金單位風(fēng)險(xiǎn)所獲得的風(fēng)險(xiǎn)回報(bào)越高。因此，夏普比率是可以同時(shí)對(duì)收益與風(fēng)險(xiǎn)加以綜合考慮的經(jīng)典指標(biāo)之一。

夏普比率=

（5）最大回撤率：在選定周期內(nèi)任一歷史時(shí)點(diǎn)往后推，產(chǎn)品凈值走到最低點(diǎn)時(shí)的收益率回撤幅度的最大值。最大回撤率用來(lái)描述買(mǎi)入產(chǎn)品后可能出現(xiàn)的最糟糕的情況，是一個(gè)重要的風(fēng)險(xiǎn)指標(biāo)。

2 理論概述

2．1 量化投資理論

量化投資是運(yùn)用現(xiàn)代統(tǒng)計(jì)學(xué)和數(shù)學(xué)的方法，從大量的歷史數(shù)據(jù)中尋找并獲得超額收益的一種投資策略，投資者通過(guò)計(jì)算機(jī)程序，建立可以重復(fù)使用并反復(fù)優(yōu)化的投資策略，嚴(yán)格按照這些策略所構(gòu)建的數(shù)量化模型進(jìn)行投資并形成回報(bào)。

量化投資的內(nèi)容主要包括量化選股、量化擇時(shí)、股指期貨套利、商品期貨套利、統(tǒng)計(jì)套利、算法交易、ETF／LOF套利、高頻交易等。量化投資在國(guó)外已有30多年的發(fā)展歷史，但在國(guó)內(nèi)還是近年出現(xiàn)的新鮮事物。相比其他投資策略，量化投資在國(guó)外的運(yùn)用已取得了更佳的業(yè)績(jī)。

與海外成熟市場(chǎng)相比，中國(guó)A股市場(chǎng)的發(fā)展歷史較短，投資理念還不夠成熟，相應(yīng)的留給主動(dòng)型投資發(fā)掘市場(chǎng)的潛力和空間也更大。國(guó)內(nèi)很多實(shí)證文獻(xiàn)討論國(guó)內(nèi)A股市場(chǎng)也尚未達(dá)到半強(qiáng)勢(shì)有效市場(chǎng)，因此量化投資理論引入國(guó)內(nèi)證券市場(chǎng)是非常有意義的，它以正確的投資理念為根本，通過(guò)各種因素的分析，以全市場(chǎng)的廣度、多維度的深度視角掃描投資機(jī)會(huì)，在中國(guó)市場(chǎng)的應(yīng)用將更顯其優(yōu)勢(shì)。

2．2 擇時(shí)理論

量化擇時(shí)是量化投資的一種，它利用數(shù)量化的方法，通過(guò)對(duì)各種宏觀微觀指標(biāo)的量化分析，試圖通過(guò)回溯歷史數(shù)據(jù)，找到影響大盤(pán)走勢(shì)的關(guān)鍵信息，并且對(duì)未來(lái)走勢(shì)進(jìn)行預(yù)測(cè)。如果判斷是上漲則買(mǎi)入持有；如果判斷是下跌則賣(mài)出清倉(cāng)；如果判斷是震蕩則進(jìn)行高拋低吸，這樣就可以獲得遠(yuǎn)遠(yuǎn)超越簡(jiǎn)單買(mǎi)入持有策略的收益率。所以擇時(shí)交易是收益率最高的交易方式之一。

股票的量化擇時(shí)是預(yù)測(cè)市場(chǎng)以后的走勢(shì)，并由此來(lái)判斷調(diào)整投資組合的風(fēng)險(xiǎn)水平，從而獲取更大的收益，具體表現(xiàn)是現(xiàn)金流進(jìn)出證券市場(chǎng)和在證券間比例變換的時(shí)機(jī)選擇。

2．3 趨勢(shì)追蹤理論

趨勢(shì)擇時(shí)的基本思想來(lái)自于技術(shù)分析，技術(shù)分析認(rèn)為趨勢(shì)存在延續(xù)性，因此只要找到趨勢(shì)方向，跟隨操作即可。

技術(shù)指標(biāo)是技術(shù)分析中使用最多的一種方法，通過(guò)考慮市場(chǎng)行為的多個(gè)方面建立一個(gè)數(shù)學(xué)模型，并給出完整的數(shù)學(xué)計(jì)算公式，從而得到一個(gè)體現(xiàn)證券市場(chǎng)的某個(gè)方面內(nèi)在實(shí)質(zhì)的數(shù)字，即所謂的技術(shù)指標(biāo)值。指標(biāo)值的具體數(shù)值和相互間關(guān)系直接反映證券市場(chǎng)所處的狀態(tài)，為操作行為提供指導(dǎo)作用。目前證券市場(chǎng)上的技術(shù)指標(biāo)可分為“趨勢(shì)型指標(biāo)”、“反趨勢(shì)型指標(biāo)”、“能量指標(biāo)”、“大盤(pán)指標(biāo)”、“壓力支撐指標(biāo)”等類(lèi)別。

移動(dòng)平均線（MA）是一種常用的趨勢(shì)型指標(biāo)，由Joseph E．Granville于20世紀(jì)中期提出來(lái)。它是當(dāng)今運(yùn)用最普遍的技術(shù)指標(biāo)之一，幫助交易者確認(rèn)現(xiàn)有趨勢(shì)、判斷將出現(xiàn)的趨勢(shì)、發(fā)現(xiàn)過(guò)度延伸而即將發(fā)轉(zhuǎn)的趨勢(shì)。后來(lái)又逐漸衍生出其他類(lèi)型的均線，如平滑異同移動(dòng)平均線（MACD）、三重指數(shù)平滑平均線（TRIX）等。 這些均線理論常用兩根線的交叉作為交易信號(hào)，并以此作為買(mǎi)賣(mài)時(shí)點(diǎn)的判斷。

均線理論提供了一種簡(jiǎn)單有效的使價(jià)格序列平滑并且使趨勢(shì)更易于辨認(rèn)的方法。

因此綜合以上理論的優(yōu)點(diǎn)，在此基礎(chǔ)上改進(jìn)傳統(tǒng)趨勢(shì)指標(biāo)的量化擇時(shí)策略，并創(chuàng)新性地開(kāi)發(fā)更優(yōu)的組合指標(biāo)量化擇時(shí)策略，以達(dá)到及時(shí)獲取收益和及時(shí)止損的目的。

3 擇時(shí)策略模型建立

3．1 MA單指標(biāo)策略模型的建立

MA移動(dòng)平均是指連續(xù)若干交易日收盤(pán)價(jià)的算術(shù)平均，用來(lái)顯示股價(jià)的歷史波動(dòng)情況，進(jìn)而反映股價(jià)指數(shù)未來(lái)的發(fā)展趨勢(shì)。

其中

利用MA指標(biāo)進(jìn)行量化擇時(shí)，在短期移動(dòng)均線與長(zhǎng)期移動(dòng)均線的交叉處進(jìn)行買(mǎi)入或賣(mài)出擇時(shí)交易。以下分別建立買(mǎi)入和賣(mài)出法則的模型。

在短期移動(dòng)均線下穿長(zhǎng)期移動(dòng)均線的黃金交叉處買(mǎi)入，故建立如下數(shù)學(xué)模型：

mabuy=1，MA（s）t＞MA（s）t-1&MA(s)t＞MA(l)t&MA(s）t-1＜MA（l）t-10,其他（6）

其中mabuy=1，表示滿足買(mǎi)進(jìn)，mabuy=0表示不滿足買(mǎi)進(jìn)。

在短期移動(dòng)均線上穿長(zhǎng)期移動(dòng)均線的死亡交叉處賣(mài)出，故建立以下數(shù)學(xué)模型：

mabuy=1，MA（l）t＜MA（l）t-1&MA(s)t＜MA(l)t&MA(l）t＞MA（l）t-10,其他

其中mabuy=1，表示滿足賣(mài)出，mabuy=0表示不滿足賣(mài)出。

3．2 MACD單指標(biāo)策略模型的建立

MACD即指數(shù)平滑異同移動(dòng)平均線，是根據(jù)均線的構(gòu)造原理，通過(guò)分析短期指數(shù)移動(dòng)平均線與長(zhǎng)期指數(shù)移動(dòng)平均線之間的聚合與分離狀況，對(duì)買(mǎi)進(jìn)、賣(mài)出時(shí)機(jī)做出判斷的趨勢(shì)型技術(shù)指標(biāo)。

MACD的計(jì)算如下：

（1）計(jì)算短期（ms）指數(shù)移動(dòng)平均線EMA1和長(zhǎng)期（ml）指數(shù)移動(dòng)平均線EMA2。

（2）計(jì)算離差值DIF＝EMA1－EMA2。

（3）計(jì)算DIF的M日指數(shù)移動(dòng)平均線，即DEA。

（4）計(jì)算MACD＝2（DIF－DEA）。

利用MA指標(biāo)進(jìn)行量化擇時(shí)，在DIF與DEA的交叉處進(jìn)行買(mǎi)入或賣(mài)出，分別建立買(mǎi)入和賣(mài)出法則的模型。

當(dāng)DIF、DEA均為正值，DIF向上突破DEA時(shí)，為買(mǎi)入信號(hào)，建立如下數(shù)學(xué)模型：

macdbuy=1，DIFt＞DIFt-1&DIF＞DEAt&DIFt-1＜DEAt-1&DIF＞00,其他 （8）

其中，macdbuy=1表示滿足買(mǎi)進(jìn)，macdbuy=0表示不滿足買(mǎi)進(jìn)。

當(dāng)DIF、DEA均為負(fù)值，DIF向下跌破DEA時(shí)，為賣(mài)出信號(hào)，建立如下數(shù)學(xué)模型：

macdsell=1，DIFt＜DIFt-1&DIFt＜DEAt&DIFt-1＞DEAt-1&DIF＜00,其他（9）

其中macdsell=1，macdsell=0表示滿足賣(mài)出，表示不滿足賣(mài)出。

3．3 MA－MACD組合指標(biāo)策略模型的建立

組合模型構(gòu)建兩個(gè)新的信號(hào)變量：買(mǎi)入信號(hào)個(gè)數(shù)閾值“buy”（1≤buy≤2，整數(shù)）和賣(mài)出信號(hào)個(gè)數(shù)閾值“sell”（1≤sell≤2，整數(shù)）。

買(mǎi)入信號(hào)個(gè)數(shù)閾值“buy”表示：當(dāng)MA策略中的“mabuy＝1”的買(mǎi)入信號(hào)個(gè)數(shù)與MACD策略指標(biāo)中的“macdbuy＝1”的買(mǎi)入信號(hào)個(gè)數(shù)之和至少達(dá)到閾值“buy”（1≤buy≤2)數(shù)量個(gè)時(shí)才進(jìn)行買(mǎi)入交易。

即“buy”閾值取不同值時(shí)，買(mǎi)入信號(hào)組合滿足買(mǎi)入條件的情況如下：

buy=1時(shí)，滿足買(mǎi)入情況：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12時(shí)，滿足買(mǎi)入情況：mabuy=1&macdbuy=1（10）

賣(mài)出信號(hào)個(gè)數(shù)閾值“sell”表示：當(dāng)MA策略中的“mabsell＝1”的賣(mài)出信號(hào)個(gè)數(shù)與MACD策略指標(biāo)中的“macdsell＝1”的賣(mài)出信號(hào)個(gè)數(shù)之和至少達(dá)到閾值“sell”數(shù)量個(gè)時(shí)才進(jìn)行賣(mài)出交易。

即“buy”閾值取不同值時(shí)，買(mǎi)入信號(hào)組合滿足賣(mài)出條件的情況如下：

sell=1時(shí)，滿足賣(mài)出情況：masell=1||macdsell=1||mabsell=1&macdsell=12時(shí)，滿足買(mǎi)入情況：masell=1&macdsell=1（11）

3．4 模型最優(yōu)參數(shù)的選擇

就個(gè)股而言，不同的計(jì)算參數(shù)，將導(dǎo)致不同的擇時(shí)效果。面對(duì)各種波動(dòng)幅度不同、周期性不同、價(jià)格彈性等不同的股票，如果盲目套用經(jīng)典參數(shù)可能會(huì)有失客觀性和靈動(dòng)性。因此， 在進(jìn)行量化擇時(shí)策略構(gòu)建時(shí)，需要針對(duì)個(gè)股進(jìn)行策略的參數(shù)優(yōu)化，檢驗(yàn)指標(biāo)不同參數(shù)的測(cè)試效果，并最終選擇一個(gè)最優(yōu)的參數(shù)組合。

夏普比率是一個(gè)可以同時(shí)對(duì)收益與風(fēng)險(xiǎn)加以綜合考慮的經(jīng)典指標(biāo)，它反映了單位風(fēng)險(xiǎn)基金凈值增長(zhǎng)率超過(guò)無(wú)風(fēng)險(xiǎn)收益的程度。如果夏普比率為正值，說(shuō)明在衡量期內(nèi)基金的平均凈值增長(zhǎng)率超過(guò)了無(wú)風(fēng)險(xiǎn)利率。夏普比率越大說(shuō)明基金單位風(fēng)險(xiǎn)所獲得的風(fēng)險(xiǎn)回報(bào)越高。因此，夏普比率是可以同時(shí)對(duì)收益與風(fēng)險(xiǎn)加以綜合考慮的經(jīng)典指標(biāo)之一。

4 個(gè)股實(shí)證分析

4．1 數(shù)據(jù)選擇

為驗(yàn)證上述模型的有效性，個(gè)股實(shí)證以深圳證券交易所的華誼兄弟300027為交易標(biāo)的，選取來(lái)源于國(guó)泰安2011．1．1－2014．6．30的基本面數(shù)據(jù)庫(kù)，包括個(gè)股開(kāi)盤(pán)價(jià)、收盤(pán)價(jià)等。

4．2 MA單指標(biāo)擇時(shí)策略仿真回驗(yàn)

首先對(duì)該股策略進(jìn)行參數(shù)優(yōu)化：本策略中對(duì)于參數(shù)，在測(cè)試期間內(nèi)，以2天為間隔，測(cè)試范圍從2天到20天；以5天為間隔，測(cè)試范圍從20天到120天；搜索精度為1；測(cè)試回驗(yàn)30天，截止日期設(shè)為2013－12－31。通過(guò)回驗(yàn)得到參數(shù)優(yōu)化結(jié)果（見(jiàn)表1）。

如表1所示，最優(yōu)組合（s，l）＝（2，20），當(dāng)以2日為短期均線，20日為長(zhǎng)期均線，在參數(shù)優(yōu)化測(cè)試期間進(jìn)行交叉擇時(shí)時(shí)效果較好，在回驗(yàn)測(cè)試期間內(nèi)夏普比率達(dá)2．4234。

確定最優(yōu)后，運(yùn)用國(guó)泰安量化交易平臺(tái)QIA進(jìn)行策略交易仿真回驗(yàn)。設(shè)定合約保證金為1，合約乘數(shù)為1，市場(chǎng)參與度為0．5，買(mǎi)方手續(xù)費(fèi)為0．05‰，賣(mài)方手續(xù)費(fèi)為0．05‰，交易賬戶為股票賬戶并設(shè)定初始資金為1 000 000元，以一年期國(guó)債利率為無(wú)風(fēng)險(xiǎn)利率，并以滬深300為業(yè)績(jī)比較基準(zhǔn)，以數(shù)據(jù)庫(kù)所給時(shí)間2011年1月1日-2014年6月30日為策略回驗(yàn)時(shí)間區(qū)間進(jìn)行回驗(yàn)。最終結(jié)果（見(jiàn)圖1、表2）。

回驗(yàn)結(jié)果顯示，此單指標(biāo)策略在2011年1月1日-2014年6月30日間的累計(jì)收益率達(dá)42．26％，年化收益率達(dá)11．10％，高出同期的滬深300指數(shù)比較基準(zhǔn)，并且勝率達(dá)60．80％。由此我們可以得出結(jié)論，采用MA單指標(biāo)策略進(jìn)行個(gè)股量化擇時(shí)交易也能獲得較優(yōu)的投資回報(bào)。

4．3 MACD單指標(biāo)擇時(shí)策略仿真回驗(yàn)

對(duì)該股策略進(jìn)行參數(shù)優(yōu)化：該策略需要優(yōu)化確定的參數(shù)主要包括短期指數(shù)移動(dòng)平均線的計(jì)算天數(shù)ms、長(zhǎng)期指數(shù)移動(dòng)平均線的計(jì)算天數(shù)ml，以及DEA的計(jì)算天數(shù)M。本策略的參數(shù)優(yōu)化依然以最大化夏普比率為最優(yōu)化目標(biāo)函數(shù)，并使用Matlab的模式搜索算法在設(shè)定的回驗(yàn)時(shí)段內(nèi)搜索最優(yōu)參數(shù)組合（ms，ml，M）。

對(duì)于參數(shù)ms，在測(cè)試期間內(nèi)，以2天為間隔，測(cè)試范圍從2天到20天；參數(shù)ml以5天為間隔，測(cè)試范圍從20天到120天；參數(shù)M以5天為間隔，測(cè)試范圍從5天到60天；搜索精度為1；測(cè)試回驗(yàn)30天，截止日期設(shè)為2013－12－31。通過(guò)回驗(yàn)得到參數(shù)優(yōu)化結(jié)果如下：

如表3所示，最優(yōu)組合（ms，ml，M）＝（2，25，10），當(dāng)以2日為短期指數(shù)移動(dòng)平均線計(jì)算天數(shù)，25日為長(zhǎng)期指數(shù)移動(dòng)平均線計(jì)算天數(shù)，10日為DEA計(jì)算天數(shù)，進(jìn)行交叉擇時(shí)時(shí)效果較好，在回驗(yàn)測(cè)試期間夏普比率達(dá)3．0682。

組合指標(biāo)擇時(shí)策略仿真回驗(yàn)。由于組合指標(biāo)策略是建立在單指標(biāo)策略基礎(chǔ)上的，所以該策略中的參數(shù)（s，l）、（ms，ml，M）即為模型一和模型二參數(shù)優(yōu)化后確定的值，而參數(shù)（buy，sell）的組合情況有（2，2）、（2，1）、（1，2）和（1，1）四種，閾值組合選取哪個(gè)使得策略最優(yōu)則需要進(jìn)一步的參數(shù)優(yōu)化。

對(duì)于參數(shù)buy，初始值設(shè)為2，測(cè)試最小值為1，最大值為2，步長(zhǎng)設(shè)為1；參數(shù)sell，初始值設(shè)為2，測(cè)試最小值為1，最大值為2，步長(zhǎng)設(shè)為1；搜索精度設(shè)為1；測(cè)試回驗(yàn)90天，截止日期設(shè)為2013－12－31。通過(guò)回驗(yàn)得到參數(shù)優(yōu)化結(jié)果（見(jiàn)表4）。

如表4所示，最優(yōu)組合（buy， sell）＝（1，1），即當(dāng)買(mǎi)入信號(hào)個(gè)數(shù)至少有一個(gè)時(shí)就進(jìn)行買(mǎi)入交易，賣(mài)出信號(hào)個(gè)數(shù)至少有一個(gè)時(shí)就進(jìn)行賣(mài)出交易，以此進(jìn)行組合指標(biāo)擇時(shí)效果最好，在參數(shù)優(yōu)化回驗(yàn)測(cè)試期間夏普比率達(dá)2．490 3。

5 結(jié)論

從價(jià)格沿趨勢(shì)移動(dòng)和歷史會(huì)重演的角度出發(fā)，運(yùn)用傳統(tǒng)趨勢(shì)指標(biāo)MA和MACD，分別建立MA、MACD的單指標(biāo)擇時(shí)策略模型并通過(guò)模式搜索算法分別求出兩個(gè)策略的最優(yōu)參數(shù)，從實(shí)證結(jié)果看趨勢(shì)型指標(biāo)可以抓住大的波段行情，獲得超額收益，具有較好的擇時(shí)效果。在此基礎(chǔ)上再創(chuàng)新性的運(yùn)用通過(guò)設(shè)置買(mǎi)入和賣(mài)出信號(hào)個(gè)數(shù)閾值的方法構(gòu)建二者的最優(yōu)組合指標(biāo)模型，增強(qiáng)了擇時(shí)的穩(wěn)定性和魯棒性，在有效降低風(fēng)險(xiǎn)的同時(shí)提高了收益率。

綜上所述，基于以上的不足之處，以后將沿著組合指標(biāo)擇時(shí)的思路繼續(xù)深入研究以對(duì)目前的研究進(jìn)行改進(jìn)。未來(lái)的工作主要是：對(duì)于用于組合的單指標(biāo)要進(jìn)行更為全面的擴(kuò)展，引進(jìn)其他經(jīng)典趨勢(shì)型指標(biāo)DMA平均線差指標(biāo)、TRIX三重指數(shù)平滑移動(dòng)平均指標(biāo)等，同時(shí)把指標(biāo)類(lèi)型拓展至其他類(lèi)型，如反趨勢(shì)型指標(biāo)ACCER幅度漲速指標(biāo)等，量?jī)r(jià)指標(biāo)APBP人氣意愿指標(biāo)等，大盤(pán)指標(biāo)OBOS超買(mǎi)超賣(mài)指標(biāo)等，壓力支撐指標(biāo)ENE軌道線指標(biāo)等。通過(guò)增加組合趨勢(shì)型數(shù)量和組合指標(biāo)類(lèi)型，以使組合指標(biāo)策略更全面、更切合實(shí)際市場(chǎng)。

參考文獻(xiàn)

1 丁鵬．量化投資——策略與技術(shù)［M］．北京：電子工業(yè)出版社，2012

2 方浩文．量化投資發(fā)展趨勢(shì)及其對(duì)中國(guó)的啟示［J］．宏觀管理，2012（5）

3 郭建．論證券投資技術(shù)分析中歷史會(huì)重演的根本原因［J］．商業(yè)時(shí)代，2007（28）

4 李向科．證券投資技術(shù)分析［M］．北京：中國(guó)人民大學(xué)出版社，2012．

5 張登明．技術(shù)指標(biāo)投資策略的優(yōu)化及其在量化交易中的應(yīng)用［D］．武漢：華中科技大學(xué)，2010

6 方智．基于多技術(shù)指標(biāo)模型的滬深300指數(shù)走勢(shì)預(yù)測(cè)［D］．南昌：江西財(cái)經(jīng)大學(xué)，2012

7 路來(lái)政．量化投資策略的應(yīng)用效果研究［D］．廣州：暨南大學(xué)，2012

8 劉瀾飚，李貢敏．市場(chǎng)擇時(shí)理論的中國(guó)適用性［J］．財(cái)經(jīng)研究，2005（11）

9 林正龍．項(xiàng)目投資定價(jià)與擇時(shí)理論研究［D］．長(zhǎng)沙：湖南大學(xué)，2006

10 胡志強(qiáng)，卓琳玲．IPO市場(chǎng)時(shí)機(jī)選擇與資本結(jié)構(gòu)關(guān)系研究［J］．金融研究，2008（10）

篇3

這群人多數(shù)都不是學(xué)金融而是學(xué)數(shù)學(xué)或者物理出身，當(dāng)他們進(jìn)入華爾街后，被認(rèn)為是華爾街名副其實(shí)的淘金者，1980年到2007年，是他們勢(shì)不可擋的黃金年 代。

2005年左右，量化投資在國(guó)內(nèi)出現(xiàn)。

從事量化投資的人被稱(chēng)為寬客，則是最近兩三年的事情。一方面是一些介紹華爾街寬客的書(shū)籍被翻譯引進(jìn)，另一方面，因?yàn)?008年金融危機(jī)爆發(fā)，一些華爾街的寬客開(kāi)始轉(zhuǎn)戰(zhàn)中國(guó)。

短短幾年，隨著中國(guó)衍生品市場(chǎng)的日漸開(kāi)放，自稱(chēng)寬客的人越來(lái)越多。券商、基金、期貨、私募……一句市場(chǎng)玩笑話，誰(shuí)家要是沒(méi)有一個(gè)兩個(gè)寬客，都覺(jué)得不太好意思。

寬客的春天真的來(lái)到了？

年輕的中國(guó)寬客們

一間不到20平方米的房間，沒(méi)有任何隔斷，每張辦公桌上都放著兩到三臺(tái)電腦，五張辦公桌呈扇形分布在落地窗前，每個(gè)人扭頭就可以和其他人說(shuō)話。

這就是永安期貨研究所量化投資團(tuán)隊(duì)的辦公室。和國(guó)內(nèi)不少量化投資團(tuán)隊(duì)一樣，他們?cè)诠揪哂邢鄬?duì)獨(dú)立的空間。

30歲的張冰，2009年畢業(yè)于北京大學(xué)，理論物理博士，是這個(gè)團(tuán)隊(duì)的負(fù)責(zé)人。有著一張娃娃臉的他，舉手投足之間流露出來(lái)的依然是濃濃的書(shū)生氣。不僅是他，屋子里的其他人也都像是在大學(xué)機(jī)房里安靜地做研究、編程序。

事實(shí)上，要想進(jìn)入這個(gè)團(tuán)隊(duì)，必須有熟練的計(jì)算機(jī)編程能力。2012年7月加盟張冰團(tuán)隊(duì)的李洋是北師大應(yīng)用數(shù)學(xué)碩士，他經(jīng)過(guò)一天近十個(gè)小時(shí)的筆試和面試才最終被團(tuán)隊(duì)接納。筆試中80%的題目都是用計(jì)算機(jī)編程。

“量化投資是聰明人的游戲?！睆埍f(shuō)，量化投資實(shí)際上是一種在證券市場(chǎng)上找規(guī)律、找錯(cuò)誤的游戲。誰(shuí)先找到新規(guī)律、新錯(cuò)誤，誰(shuí)先獲得超額收益的可能性就越高。

這個(gè)團(tuán)隊(duì)除了一位數(shù)學(xué)碩士，一位計(jì)算機(jī)碩士，還有三位是物理博士。數(shù)學(xué)和計(jì)算機(jī)能力都超強(qiáng)。

還在北京大學(xué)攻讀博士學(xué)位的時(shí)候，張冰就聽(tīng)導(dǎo)師馬伯強(qiáng)提到他有不少同學(xué)、學(xué)生，赴美留學(xué)繼續(xù)深造物理之后，沒(méi)有繼續(xù)學(xué)術(shù)研究，而是轉(zhuǎn)戰(zhàn)華爾街做投資，做得相當(dāng)成功。

物理學(xué)一直關(guān)注的是動(dòng)態(tài)，尋求規(guī)律，目的是為了預(yù)測(cè)并掌握未來(lái)。把物理學(xué)理論知識(shí)運(yùn)用到金融實(shí)踐中，尋找證券定價(jià)變動(dòng)的規(guī)律，其實(shí)并沒(méi)有越過(guò)物理學(xué)的研究范疇。

這讓本來(lái)就對(duì)金融有興趣的張冰，開(kāi)始想自己今后的路。他還專(zhuān)門(mén)去一個(gè)私募基金實(shí)習(xí)了半年?！霸谖锢韺W(xué)中，你是和上帝玩游戲，在金融領(lǐng)域，你是和上帝的造物玩游戲?！?/p>

這句話并不是張冰原創(chuàng)，而是來(lái)自他的前輩，同樣也是理論物理博士出身的伊曼紐爾·德曼（Emaneul Derman）。

德曼的自傳《寬客人生：華爾街的數(shù)量金融大師》在2007年被引介到中國(guó)。德曼自1985年進(jìn)入華爾街之后，就致力于把物理學(xué)理論和數(shù)學(xué)技巧及計(jì)算機(jī)編程技術(shù)結(jié)合起來(lái)，建構(gòu)數(shù)量模型，尋找金融證券的定價(jià)，指導(dǎo)證券交易。

張冰看過(guò)這本書(shū)之后，更加確信，自己可以選擇像德曼一樣去當(dāng)寬客。不過(guò)，當(dāng)他決定做寬客時(shí)，發(fā)現(xiàn)中國(guó)突然間就涌現(xiàn)出很多量化投資專(zhuān)家。而事實(shí)上這些人多數(shù)是營(yíng)銷(xiāo)專(zhuān)家，根本就不懂量化投資，最后都虧得一塌糊涂。

2009年，他決心成為真正的寬客，于是拉著同班同學(xué)陳星和師妹錢(qián)文，成立了這個(gè)以北大理論物理博士為班底的寬客團(tuán)隊(duì)。這是國(guó)內(nèi)期貨公司中第一批成立的寬客團(tuán)隊(duì)。目前國(guó)內(nèi)三分之一的期貨公司有量化投資團(tuán)隊(duì)。

團(tuán)隊(duì)平均年齡27歲，成立至今一直比較穩(wěn)定。張冰也沒(méi)有擴(kuò)容的打算。因?yàn)橐业綄?duì)數(shù)字的敏感，善于發(fā)現(xiàn)數(shù)字之間的規(guī)律和聯(lián)系，還能把這些規(guī)律變成數(shù)量模型指導(dǎo)證券交易的人，很難。他這個(gè)團(tuán)隊(duì)也還處于自我培養(yǎng)的過(guò)程中。

“中國(guó)寬客以年輕人居多?！敝袊?guó)量化投資學(xué)會(huì)理事長(zhǎng)丁鵬說(shuō)。

丁鵬是上海交通大學(xué)計(jì)算機(jī)博士，方正富邦基金的資深量化策略師。2012年初，他推出一本《量化投資：策略和技術(shù)》，成為國(guó)內(nèi)最早一本專(zhuān)門(mén)介紹量化投資的專(zhuān)業(yè)書(shū)籍，被一些人認(rèn)為是寬客圣經(jīng)。

一年前，丁鵬建了一個(gè)QQ群，隔三差五與對(duì)量化研究感興趣的人進(jìn)行討論，沒(méi)想到經(jīng)過(guò)口口相傳，QQ群迅速發(fā)展壯大，線上討論也發(fā)展到線下交流。他便牽頭成立了中國(guó)量化投資學(xué)會(huì)。

學(xué)會(huì)如今在全國(guó)擁有十幾個(gè)分會(huì)，近八千人，大部分都是有著一定數(shù)理知識(shí)基礎(chǔ)的年輕人，這些人都打定主意要成為中國(guó)的寬客。

在丁鵬看來(lái)，在中國(guó)當(dāng)寬客，生活很簡(jiǎn)單，只需要潛下心來(lái)，發(fā)揮個(gè)人聰明才智，做研究，建模型。真正找到好的可以賺錢(qián)的模型之后，都是別人求你。

這讓很多純理工背景人的人很向往。在現(xiàn)在的社會(huì)格局下，要想出頭并不容易，但當(dāng)寬客可以掌握自己掌握命運(yùn)，完全憑自己取得成功。

賺錢(qián)之道

丁鵬一天典型的工作狀態(tài)是：查看模型前一天的運(yùn)轉(zhuǎn)結(jié)果，考慮是否要對(duì)策略進(jìn)行修正。如果沒(méi)有需要修正的，則著手準(zhǔn)備為下一個(gè)模型的開(kāi)發(fā)。其他的都是電腦的事情，不用他管。他根本就不看基本面。

張冰團(tuán)隊(duì)的辦公室放眼望去，也沒(méi)有交易時(shí)間最常見(jiàn)的五顏六色的股票K線圖和大盤(pán)走勢(shì)圖，電腦屏幕上顯示的多數(shù)是白底黑字的編程界面。

不過(guò)，他們并不像丁鵬那么輕松。團(tuán)隊(duì)每人按特長(zhǎng)各有分工：有的主要處理數(shù)據(jù)，有的做策略設(shè)計(jì)，有的做策略建模。因期貨公司目前不能直接做交易，張冰團(tuán)隊(duì)每天主要做的就是衍生品量化投資分析工作，把研究的結(jié)果開(kāi)發(fā)成產(chǎn)品供客戶購(gòu)買(mǎi)。

而通常能夠進(jìn)行交易的寬客團(tuán)隊(duì)一天的工作流程大致如此：有人在交易頭一天晚上就負(fù)責(zé)收集并更新、處理好交易所公告的數(shù)據(jù)；第二天開(kāi)盤(pán)之前，通過(guò)選定的模型，經(jīng)相關(guān)軟件自動(dòng)給出交易策略。開(kāi)盤(pán)后，按照模型給定的策略進(jìn)行交易。早上10點(diǎn)左右，交易員、基金經(jīng)理盯盤(pán)最忙碌的時(shí)候，量化投資團(tuán)隊(duì)一天的最主要工作—投資決策、交易下指令的工作已經(jīng)完成。

丁鵬認(rèn)為，進(jìn)入量化投資門(mén)檻之后，找到好的方法，會(huì)比較輕松，理論上講，“一臺(tái)筆記本一個(gè)U盤(pán)就可以賺錢(qián)了”。

真實(shí)交易還是需要一個(gè)團(tuán)隊(duì)的支持，不過(guò)核心的交易模型和思想，確實(shí)一張U盤(pán)就可以存儲(chǔ)完成。有朋友曾拿U盤(pán)拷下他設(shè)計(jì)的量化投資模型到香港股市去實(shí)踐，半年間盈利最高點(diǎn)達(dá)到了120%，不過(guò)，這個(gè)高風(fēng)險(xiǎn)的策略只適合于小資金操作，并不適合于大規(guī)模的資產(chǎn)管理。丁鵬解釋?zhuān)骸辟Y本市場(chǎng)沒(méi)有神話，需要不斷地修訂自己的模型和策略 “。

張冰目前也不敢奢望那樣的賺錢(qián)狀態(tài)。

事實(shí)上，量化投資在國(guó)內(nèi)最早也就是2005年才萌芽。業(yè)內(nèi)公認(rèn)，2005年開(kāi)始的ETF套利拉開(kāi)了量化投資在中國(guó)的序幕，而股指期貨等衍生品2010年才逐步放 開(kāi)。

因?yàn)闊o(wú)可借鑒，張冰團(tuán)隊(duì)只能從零做起。從收集數(shù)據(jù)到建構(gòu)模型到交易的風(fēng)險(xiǎn)控制，都是他們自己一個(gè)代碼一個(gè)代碼寫(xiě)的。

這是個(gè)系統(tǒng)工程，在這個(gè)體系中，先觀察事件之間的聯(lián)系—通過(guò)觀察或?qū)嶒?yàn)去取得數(shù)據(jù)；再假設(shè)一個(gè)結(jié)論—構(gòu)建理論去解釋數(shù)據(jù)；然后去預(yù)測(cè)分析—構(gòu)建量化模型并回測(cè)；最后檢驗(yàn)并證實(shí)這個(gè)結(jié)論—實(shí)盤(pán)交易。

所有這些都需要資本和人力的大量投入。從華爾街回來(lái)的寬客—北京名策數(shù)據(jù)處理有限公司執(zhí)行董事祝清大致估計(jì)了一下，一個(gè)真正從事量化投資的寬客團(tuán)隊(duì)運(yùn)作起來(lái)，前期至少要投入5000萬(wàn)。

祝清曾在美國(guó)的全球證券投資基金工作多年，有三年，他是一個(gè)40人寬客團(tuán)隊(duì)的負(fù)責(zé)人，要從全球9000多只股票池里找出投資品種。這讓他有機(jī)會(huì)對(duì)量化投資從數(shù)據(jù)、代碼到模型、系統(tǒng)進(jìn)行深入地接觸和運(yùn)用，甚至對(duì)系統(tǒng)的漏洞也了如指掌。

這些是他當(dāng)時(shí)所在公司花了十幾年，經(jīng)過(guò)大量的投入才建構(gòu)的一個(gè)系統(tǒng)工程。而建構(gòu)整個(gè)系統(tǒng)的基礎(chǔ)就是數(shù)據(jù)，華爾街其他有著進(jìn)行量化投資的寬客團(tuán)隊(duì)的公司，無(wú)不在數(shù)據(jù)上有很大的支出。

2008年祝清從華爾街回國(guó)，創(chuàng)辦專(zhuān)注于金融數(shù)量分析和程序化交易的數(shù)據(jù)處理公司。這幾年，他帶領(lǐng)30人的團(tuán)隊(duì)，主要做了四件事：建立專(zhuān)供量化投資的量化數(shù)據(jù)庫(kù)、量化決策終端、高速量化交易平臺(tái)、量化策略研發(fā)服務(wù)。他希望借助強(qiáng)大的分析工具平臺(tái)，以及日益完善的數(shù)據(jù)庫(kù)系統(tǒng)來(lái)改變行業(yè)的經(jīng)營(yíng)模 式。

目前他的公司尚未到盈利階段。

春天尚未到來(lái)

1月19日，中國(guó)量化投資學(xué)會(huì)的50多名資深會(huì)員在北京郊區(qū)舉辦了一次聚會(huì)，聚會(huì)的主題是“擁抱量化投資的春天”。丁鵬表示：冬天已經(jīng)過(guò)去，寬客的春天已經(jīng)到來(lái)。

丁鵬是有理由樂(lè)觀的：國(guó)家政策層面支持金融衍生品市場(chǎng)放開(kāi)；2012年，玻璃、原油、國(guó)債期貨、CTA以及滬深300指數(shù)期權(quán)等一系列金融衍生品加速推進(jìn)；隨著投資品種增多，越來(lái)越多的金融機(jī)構(gòu)意識(shí)到量化投資的重要性和緊迫性。

另外，國(guó)內(nèi)打算做寬客的人也暴增—從中國(guó)量化投資學(xué)會(huì)的壯大就可看出端倪。

不過(guò)，同是中國(guó)量化投資學(xué)會(huì)成員的張冰和祝清都持謹(jǐn)慎態(tài)度。

張冰不認(rèn)為寬客短期可形成一股力量。畢竟，美國(guó)發(fā)展了四十年，而中國(guó)只做了四五年而已。沒(méi)有足夠的投入，不可能那么快有收入。沒(méi)有收入，堅(jiān)持來(lái)做的人就不會(huì)太多。

祝清更嚴(yán)苛。他并不認(rèn)為會(huì)建模型的人就可稱(chēng)為寬客。他認(rèn)為目前中國(guó)真正的寬客，尚不足100人。祝清按照華爾街的標(biāo)準(zhǔn)來(lái)定義中國(guó)寬客：作為寬客，最起碼要滿足三個(gè)條件—有高凈值客戶；有量化投資研究平臺(tái)（有數(shù)據(jù)有人有模型）；有交易通道。

按照這個(gè)標(biāo)準(zhǔn)，目前，真正的中國(guó)寬客都在過(guò)冬，都還在燒錢(qián)階段，活下去都很難。即使是初春，最早也至少要三年之后—這還要看有沒(méi)有一兩位真正經(jīng)受住市場(chǎng)檢驗(yàn)、收益率排名靠前的標(biāo)桿性寬客脫穎而 出。

據(jù)祝清了解，因?yàn)閲?guó)內(nèi)多數(shù)金融機(jī)構(gòu)的高層并不懂量化，在這方面投入太少，即使一些數(shù)一數(shù)二的大型券商，歷史的數(shù)據(jù)都不存。沒(méi)有歷史數(shù)據(jù)無(wú)法驗(yàn)證模型，量化投資就是句空話。

取得數(shù)據(jù)，還需要有人來(lái)處理數(shù)據(jù)，建構(gòu)模型。金融機(jī)構(gòu)的投入不會(huì)很快有結(jié)果，另一方面，寬客很有可能做出成果之后就走人，中國(guó)在這方面尚無(wú)知識(shí)產(chǎn)權(quán)保護(hù)。而在美國(guó)，只要有人敢在服務(wù)器上拷一行代碼，就有FBI介入了。

2008年中金公司從華爾街花重金請(qǐng)回來(lái)的知名寬客李祥林，如今他已去做私募了。

祝清介紹，西方寬客主要分三類(lèi)：從事高頻交易的、采用對(duì)沖策略的、預(yù)測(cè)趨勢(shì)的。而他們所有的交易、投融資決策都是通過(guò)數(shù)量模型進(jìn)行，由電腦決策并完成下單。

篇4

國(guó)內(nèi)的量化投資元年應(yīng)該是2010年股指期貨推出之后，從0到有，經(jīng)過(guò)5年的發(fā)展，以其超越牛熊的穩(wěn)定收益獲得了眾多機(jī)構(gòu)投資者的青睞。今年6月份的這一輪股市深度調(diào)整中，大多數(shù)量化對(duì)沖類(lèi)的私募基金，不但沒(méi)有損失，其凈值反而創(chuàng)出新高即是明證。

程序化交易不一定會(huì)增加波動(dòng)率

程序化交易大大增加了市場(chǎng)的流動(dòng)性，是穩(wěn)定市場(chǎng)的重要力量。金融市場(chǎng)的核心價(jià)值在于流動(dòng)性，無(wú)論是價(jià)值投資者，還是套保者，都需要對(duì)手盤(pán)。流動(dòng)性越好的市場(chǎng)，才具有更好的價(jià)值發(fā)現(xiàn)功能。程序化交易主要是以短線交易為主，無(wú)論是套利還是投機(jī)策略，它們的存在大大增加了市場(chǎng)深度。對(duì)于套利類(lèi)的策略，程序化交易是降低波動(dòng)率的，對(duì)于投機(jī)類(lèi)策略，程序化交易是增加波動(dòng)率的。

例如，目前市場(chǎng)上比較流行的期現(xiàn)套利，它的原理是在基差（編者注：基差是指現(xiàn)貨價(jià)格與期貨價(jià)格之差，比如股票市場(chǎng)上滬深300指數(shù)與滬深300期指之差）擴(kuò)大的時(shí)候建倉(cāng)，基差縮小的時(shí)候平倉(cāng)。比如2015年6月初的時(shí)候，在散戶的推動(dòng)下，股票指數(shù)和股指期貨的基差一度擴(kuò)大到了100點(diǎn)以上，整體市場(chǎng)非常的狂熱。這時(shí)候套利類(lèi)交易的策略是，會(huì)買(mǎi)入股票，同時(shí)做空股指期貨。這樣如果股指繼續(xù)上漲，在股票市場(chǎng)的盈利可彌補(bǔ)做空股指期貨的損失。于是在雙邊力量的作用下，基差會(huì)慢慢縮小。從而使得市場(chǎng)的波動(dòng)率恢復(fù)到正常。所以這種套利類(lèi)的策略，是降低波動(dòng)率。

然而對(duì)于做方向易的策略，往往是追漲殺跌的，這個(gè)和普通散戶的操作方式類(lèi)似。這種策略下，當(dāng)市場(chǎng)出現(xiàn)大幅上漲的時(shí)候會(huì)助漲，大幅殺跌的時(shí)候也會(huì)助跌，會(huì)增加市場(chǎng)的波動(dòng)率。

其實(shí)波動(dòng)率這個(gè)東西，不能太大，也不能太小。沒(méi)有波動(dòng)率的市場(chǎng)就缺乏足夠的流動(dòng)性，一個(gè)沒(méi)有流動(dòng)性的市場(chǎng)，又怎么可能承擔(dān)金融市場(chǎng)優(yōu)化資源配置的責(zé)任呢？

2010年5月6日，美國(guó)紐交所的道瓊斯工業(yè)指數(shù)曾經(jīng)出現(xiàn)過(guò)一次“閃甭”事件，當(dāng)時(shí)道瓊斯工業(yè)指數(shù)曾瞬間狂瀉1000點(diǎn)，短時(shí)間內(nèi)造成1萬(wàn)億美元市值蒸發(fā)。事后紐交所雖然對(duì)外宣稱(chēng)程序化交易對(duì)此事負(fù)有責(zé)任，但是截至目前，對(duì)于此事到底是不是由于程序化交易造成的，美國(guó)調(diào)查機(jī)構(gòu)并沒(méi)有一個(gè)最終的結(jié)論。所以與其說(shuō)股指大幅調(diào)整是因?yàn)槌绦蚧灰自斐傻?，不如去關(guān)注是否是因?yàn)槭袌?chǎng)本身泡沫過(guò)大，以至于需要一次調(diào)整，市場(chǎng)才能繼續(xù)上行。

所以并不能一概而論地說(shuō)程序化交易一定會(huì)增加波動(dòng)率。事實(shí)上，2008年的金融危機(jī)中，國(guó)內(nèi)的量化投資還很少，而上證綜指不也上演了6000點(diǎn)到2000點(diǎn)的戲碼？程序化交易只是一個(gè)工具，它是中性的，不是說(shuō)必然做多，也不會(huì)必然做空。尤其是7月份以來(lái)，股指期貨持續(xù)貼水，絕大多數(shù)的套利類(lèi)的量化策略因?yàn)槿狈C(jī)會(huì)，都停止交易了，但是這并沒(méi)有避免股指出現(xiàn)大幅震蕩。

中國(guó)的量化投資基金現(xiàn)狀

量化投資是以數(shù)據(jù)為基礎(chǔ)，以模型為核心，遵守交易紀(jì)律，從而具有穩(wěn)定收益和抵抗風(fēng)險(xiǎn)的能力。事實(shí)上，目前中國(guó)很多以量化對(duì)沖方式運(yùn)作的私募基金，他們產(chǎn)品的業(yè)績(jī)都非常的穩(wěn)定，就足以說(shuō)明問(wèn)題了。普通投資人，不能總是追漲殺跌，靠聽(tīng)消息炒股的時(shí)代必將過(guò)去，未來(lái)的金融市場(chǎng)，一定是靠數(shù)據(jù)、模型和現(xiàn)代科技。散戶也應(yīng)該學(xué)習(xí)一些量化投資的理念和方法，否則被市場(chǎng)消滅是遲早的事情。

就拿這次被禁止交易的幾個(gè)量化對(duì)沖私募基金來(lái)說(shuō)，據(jù)已公布的資料顯示，其中不乏一些歷史業(yè)績(jī)十分優(yōu)秀的公司。比如盈融達(dá)投資（北京）有限公司，他們主要的量化投資類(lèi)產(chǎn)品，過(guò)去幾年年化收益率都在20%左右，無(wú)論身處牛熊市，收益都非常的穩(wěn)定。目前盈融達(dá)的資產(chǎn)管理規(guī)模已經(jīng)100億了。而業(yè)內(nèi)和他們處于同一梯隊(duì)的，還有十余家之多，再加上券商、基金公司開(kāi)發(fā)的產(chǎn)品，國(guó)內(nèi)量化對(duì)沖類(lèi)的產(chǎn)品，已經(jīng)有兩三千億元的規(guī)模了。

篇5

程序化交易產(chǎn)生于美國(guó)，早期的程序化交易分為程序化買(mǎi)入和程序化賣(mài)出兩種，用于紐約股票交易所同時(shí)買(mǎi)賣(mài)15支以上的股票組合的交易。因此，有時(shí)也被稱(chēng)為籃子交易。

隨著投資管理業(yè)的資金管理規(guī)模擴(kuò)大，投資經(jīng)理和基金經(jīng)理們發(fā)現(xiàn)憑經(jīng)驗(yàn)和手工操作無(wú)法應(yīng)對(duì)市場(chǎng)風(fēng)險(xiǎn)加大、價(jià)格變動(dòng)頻繁等挑戰(zhàn)，程序化交易剛好可以解決這些難題，因?yàn)樗哂兴俣瓤臁⒈苊鈧€(gè)人情緒干擾、量化等優(yōu)勢(shì)，投資機(jī)構(gòu)紛紛投入重金研發(fā)自動(dòng)交易模型，其在提高投資決策質(zhì)量和速度、交易輔助等方面大展身手。

時(shí)至今日，西方發(fā)達(dá)國(guó)家已經(jīng)研發(fā)出不少成熟的自動(dòng)化交易系統(tǒng)，譬如美國(guó)有70%的交易是由程序化交易完成的，而且交易量占比連年來(lái)還有不斷上升的趨勢(shì)，交易模型的功能也日趨強(qiáng)大和完善。量化投資及程序化交易大師西蒙斯默默無(wú)聞地在十幾年間大量使用量化系統(tǒng)的交易方法，取得了比巴菲特、索羅斯等市場(chǎng)傳奇更高的年收益率。譬如海龜交易創(chuàng)始人丹尼斯不斷通過(guò)自動(dòng)化交易實(shí)現(xiàn)其從400美金到2億美金的個(gè)人傳奇，還培訓(xùn)出一支海龜投資團(tuán)隊(duì)（現(xiàn)在還活躍在各大投資機(jī)構(gòu)），他們?yōu)樵缙诖竽懗泽π氛叩耐顿Y客無(wú)聲無(wú)息地帶來(lái)了可觀的投資回報(bào)。

我國(guó)的程序化交易起步較晚，發(fā)展緩慢，開(kāi)發(fā)出來(lái)的比較成熟的交易系統(tǒng)也相對(duì)缺乏，但最近幾年發(fā)展也很迅猛，這得益于新的投資理念的導(dǎo)入、應(yīng)用平臺(tái)開(kāi)發(fā)迅速成熟，如tb（交易開(kāi)拓者）、文化財(cái)經(jīng)、金字塔等平臺(tái)已經(jīng)深受廣大自動(dòng)交易者所喜愛(ài)和認(rèn)同。由于程序化交易規(guī)避了人性中的貪婪和恐懼等弱點(diǎn)，交易速度快、系統(tǒng)性強(qiáng)，國(guó)內(nèi)自動(dòng)化交易量占比最近幾年也在快速上升。據(jù)統(tǒng)計(jì)，我國(guó)當(dāng)前金融產(chǎn)品的程序化交易占比為20%～30%，程序化交易的發(fā)展空間將會(huì)越來(lái)越廣闊。

一、程序化交易策略為什么要?jiǎng)?chuàng)新

（一）策略效用的邊際遞減

使用策略的人多了效果就會(huì)越來(lái)越差。細(xì)心的投資者會(huì)發(fā)現(xiàn)，國(guó)內(nèi)的股指期貨越來(lái)越難做。在2010年國(guó)內(nèi)剛推出股指期貨時(shí)就有人使用臺(tái)灣的一些比較成熟的程序化交易策略而大賺其錢(qián)，但在最近兩年卻發(fā)現(xiàn)不容易賺錢(qián)了，甚至遭到了比較大的回撤。這是什么原因呢？金融市場(chǎng)本身就是一個(gè)眾多策略博弈的一個(gè)場(chǎng)所，某個(gè)策略一旦成功并被多人使用了，其有效性就會(huì)越來(lái)越低，而且道高一尺魔高一丈，市場(chǎng)上會(huì)出現(xiàn)針對(duì)某種策略的獵殺者。從技術(shù)指標(biāo)層面看，例如20年前，通過(guò)一條20天均線的交易策略是有利可圖的，緊接著，越來(lái)越多人開(kāi)始使用均線來(lái)做投資決策。但是，每個(gè)交易策略和買(mǎi)賣(mài)機(jī)會(huì)都是有容量限制的，這使得策略使用的人越多，單個(gè)K線的波動(dòng)則越大，例如突破20天均線的當(dāng)根K線的波動(dòng)極大，這使得中間的利潤(rùn)空間迅速收縮，最終使得策略失效。也可以理解成，當(dāng)一個(gè)策略使用的人越多，知道的人越多，它的盈利能力則越低，最終變得無(wú)利可圖。在基本面分析上，同樣存在自毀性，例如20年前，只要買(mǎi)賬面有利潤(rùn)的公司都能賺錢(qián)，緊接著所有人都認(rèn)準(zhǔn)了公司賬面利潤(rùn)進(jìn)行投資，這使得所有賬面有利潤(rùn)的公司股價(jià)都很高，這時(shí)候，人們只能通過(guò)預(yù)測(cè)未來(lái)利潤(rùn)獲得投資回報(bào)了。而隨著越來(lái)越多人熟知各種預(yù)測(cè)利潤(rùn)的方法，導(dǎo)致價(jià)值被低估的公司越來(lái)越難找了，最終變成了一個(gè)均衡市場(chǎng)。筆者認(rèn)為，這可以認(rèn)為是交易策略效用的邊際遞減。

（二）行情特點(diǎn)發(fā)生變化

金融市場(chǎng)的復(fù)雜性表現(xiàn)在行情的多變性。還是以國(guó)內(nèi)的股指期貨為例，在2010年是一個(gè)雙邊大震蕩的行情，2011年單邊下跌，2012年、2013年寬幅震蕩，2014年上半年窄幅震蕩，可以看出無(wú)論是單邊行情還是震蕩行情，由于國(guó)內(nèi)A股的市場(chǎng)容量越來(lái)越大，股指期貨的日內(nèi)變動(dòng)幅度呈現(xiàn)出越來(lái)越小的特點(diǎn)，這就給日內(nèi)趨勢(shì)易策略帶來(lái)不小的挑戰(zhàn)。

知名投資人、“悍馬理論”的創(chuàng)始人馮正平表示：世界上沒(méi)有交易圣杯，這是他的悍馬定律里的第一條。他說(shuō)2008年前的市場(chǎng)特征與之后的就很不一樣，一些原來(lái)賺錢(qián)的模型后來(lái)都賠錢(qián)了，而有一些原來(lái)賠錢(qián)的反倒變成賺錢(qián)了。他打了個(gè)比方很生動(dòng)：“就像我們?cè)煲粋€(gè)工具，是拿來(lái)切菜的還是砍骨頭的，還是拿來(lái)修指甲的，這個(gè)要想清楚。”意思是設(shè)計(jì)模型時(shí)要清楚自己設(shè)計(jì)出來(lái)的交易模型適用于哪種市場(chǎng)環(huán)境，要考慮模型的針對(duì)性、適應(yīng)性。

基于多年期貨量化交易的經(jīng)驗(yàn)，上海泛金投資管理有限公司董事長(zhǎng)杭國(guó)強(qiáng)認(rèn)為，程序化的本質(zhì)是給自己的交易列出一系列規(guī)矩，讓自己的交易更有規(guī)則，并利用計(jì)算機(jī)提高交易速度，其中成敗的關(guān)鍵在于對(duì)細(xì)節(jié)的處理?！袄贸绦蚪缍?、評(píng)價(jià)和預(yù)測(cè)未來(lái)的收益，建立有效的評(píng)估體系，不斷適應(yīng)市場(chǎng)的變化，才是程序化交易的靈魂”。

普天投資機(jī)構(gòu)創(chuàng)始人吳轉(zhuǎn)普也認(rèn)為：自動(dòng)化交易不存在永遠(yuǎn)的圣杯，不可能做出一個(gè)類(lèi)似印鈔機(jī)一樣讓交易者獲利的程序化交易模型，自動(dòng)化交易更多地被看成是一種管理控制系統(tǒng)，要加入對(duì)基本面和技術(shù)面的理解，要考慮市場(chǎng)參與者結(jié)構(gòu)的變化，交易程序要不斷優(yōu)化和創(chuàng)新。

在國(guó)外，一些成熟的投資公司配備了眾多數(shù)學(xué)和計(jì)算機(jī)專(zhuān)業(yè)人才，他們的主要任務(wù)就是針對(duì)市場(chǎng)的變化不斷完善模型，這正體現(xiàn)了金融機(jī)構(gòu)存在的必要性與重要性。80%～90%的工作人員是在做量化模型的建模、數(shù)據(jù)處理工作，交易執(zhí)行人員比較少。由于要處理龐雜的數(shù)據(jù)，在量化交易中，團(tuán)隊(duì)的價(jià)值得到充分體現(xiàn)。每隔一段時(shí)間他們就會(huì)開(kāi)發(fā)出新的交易模型。

即使在高性能硬件與軟件結(jié)合的高頻交易領(lǐng)域，也不存在可以長(zhǎng)久不變的“交易圣杯”。高頻交易策略對(duì)技術(shù)要求比較高，在網(wǎng)絡(luò)速度、硬件反應(yīng)速度及網(wǎng)絡(luò)監(jiān)測(cè)等方面都有近乎苛刻的要求。作為高頻程序化交易者，Cyc partner公司創(chuàng)始人柳峰介紹說(shuō)，高頻交易者對(duì)市場(chǎng)的監(jiān)測(cè)，以及對(duì)策略的修改一直不曾停止，“只有不斷發(fā)現(xiàn)并保持自己的比較優(yōu)勢(shì)，才可能在變化的市場(chǎng)中保持盈利”。而高頻交易背后的邏輯結(jié)構(gòu)相對(duì)來(lái)說(shuō)是簡(jiǎn)單的，盈利率比較高，有些策略在三年之內(nèi)運(yùn)行會(huì)比較適用。但是，在市場(chǎng)中采用同種高頻交易策略的數(shù)量增加之后，交易者必須對(duì)策略加以改進(jìn)。

二、程序化交易策略創(chuàng)新的思路

（一）交易哲學(xué)的革新

程序化交易本質(zhì)上是交易者交易思想的體現(xiàn)，程序化是一種控制手段。有什么樣的交易哲學(xué)就有什么樣的程序化交易策略，所以審視自己的交易哲學(xué)的邏輯性就顯得尤為重要。策略的優(yōu)劣對(duì)比實(shí)際上是背后交易哲學(xué)的較量。優(yōu)秀的交易策略創(chuàng)新來(lái)自于交易哲學(xué)的突破與革新，而做到這一點(diǎn)并不容易，需要交易者對(duì)世界、對(duì)自然、對(duì)市場(chǎng)有一種深邃的洞察力并能理解轉(zhuǎn)換成為市場(chǎng)語(yǔ)言，物化為交易指標(biāo)體系。筆者幾年來(lái)一直致力于對(duì)市場(chǎng)背后推動(dòng)力的研究，市場(chǎng)的上漲和下跌并非隨機(jī)和無(wú)序。比如說(shuō)，我們可以把市場(chǎng)按照形態(tài)分為單邊和震蕩，在單邊市中趨勢(shì)性模型就能大顯身手，而趨勢(shì)性模型在震蕩市中由于來(lái)回止損會(huì)產(chǎn)生比較大的回撤。而震蕩模型策略的表現(xiàn)剛好相反，所以用什么模型不是關(guān)鍵，判斷對(duì)時(shí)段性的單邊行情還是震蕩行情成為交易策略提高勝率和盈虧比的關(guān)鍵。至于用什么模型來(lái)判斷單邊和震蕩是筆者多年研究的成果，有比較高的準(zhǔn)確性。

（二）從全自動(dòng)到半自動(dòng)的嘗試

筆者認(rèn)為，交易策略不易過(guò)于死板。眾多程序化交易策略堅(jiān)持不下去的原因是全自動(dòng)帶來(lái)的眾多劣質(zhì)交易，頻繁止損。其實(shí)法無(wú)定法，筆者認(rèn)為可以半自動(dòng)化交易提高勝率和盈虧比，至于何時(shí)開(kāi)啟程序化何時(shí)關(guān)閉程序化背后的規(guī)則和邏輯也必須是嚴(yán)密的、一貫的，譬如在背后規(guī)則市場(chǎng)進(jìn)入單邊市時(shí)開(kāi)啟程序，市場(chǎng)重歸震蕩市時(shí)關(guān)閉程序，需要一切有章可循。正如世上沒(méi)有永動(dòng)機(jī)一樣，沒(méi)有一個(gè)自動(dòng)化交易策略能一如既往地戰(zhàn)勝市場(chǎng)，能夠在資本市場(chǎng)有驕人業(yè)績(jī)的一定是半自動(dòng)交易程序策略。

（三）交易周期、參數(shù)的調(diào)整

可以針對(duì)不同金融市場(chǎng)的特點(diǎn)，變革不同的交易周期，充分認(rèn)識(shí)到金融市場(chǎng)博弈的本質(zhì)。當(dāng)多數(shù)人使用某個(gè)交易周期的時(shí)候，我們可以回避它改變交易周期，比如在股指期貨中大家常用1分鐘圖、10秒鐘圖，筆者覺(jué)得不煩嘗試15秒圖，既保持了一定的反應(yīng)速度，又能減少頻繁交易的問(wèn)題，對(duì)于大家在交易中常用的macd指標(biāo)、dmi指標(biāo)、均線指標(biāo)，我們可以通過(guò)測(cè)試調(diào)整其參數(shù)設(shè)置以達(dá)到階段性優(yōu)化交易的目的，更重要的是避開(kāi)了大眾常用參數(shù)，可以避開(kāi)程序化交易獵殺者的屠刀。建議策略框架的核心參數(shù)不要超過(guò)三個(gè)，超過(guò)三個(gè)以上的參數(shù)有擬合歷史行情的嫌疑。著名的海龜策略創(chuàng)始人也曾在海龜策略遭受比較大的虧損時(shí)修改技術(shù)參數(shù)才渡過(guò)難關(guān)的。

（四）創(chuàng)新交易技術(shù)指標(biāo)

使用獨(dú)創(chuàng)的交易技術(shù)指標(biāo)來(lái)設(shè)計(jì)交易系統(tǒng)能在金融市場(chǎng)上提高交易勝率和盈虧比，其原因在于創(chuàng)新的交易技術(shù)指標(biāo)相對(duì)保密，不具有從眾性，相反具有出其不意的優(yōu)勢(shì)。比如在趨勢(shì)交易系統(tǒng)里面大家認(rèn)為均線是一個(gè)很好的趨勢(shì)跟蹤指標(biāo)，但它的缺點(diǎn)也很突出，除具有其他趨勢(shì)跟蹤指標(biāo)一樣的滯后性外，對(duì)付慢漲急跌或者慢跌急漲的行情是一個(gè)弱項(xiàng)，所以有人創(chuàng)造了自適應(yīng)均線來(lái)對(duì)付這種行情，這就是創(chuàng)新交易指標(biāo)的做法。筆者舉出這個(gè)例子意在拋磚引玉，創(chuàng)新和改良指標(biāo)的方法和技術(shù)有賴(lài)于開(kāi)發(fā)者的細(xì)心、耐心和汗水。

三、程序化交易策略創(chuàng)新后測(cè)試要注意的問(wèn)題

首先，避免對(duì)交易策略的參數(shù)過(guò)度優(yōu)化。過(guò)度優(yōu)化是以擬合歷史取得比較高的勝率和盈虧比的，這種過(guò)度優(yōu)化的策略對(duì)付現(xiàn)實(shí)或者未來(lái)變化的行情反倒會(huì)產(chǎn)生比較大的回撤甚至虧損，這是由于形態(tài)的周期性反復(fù)原理產(chǎn)生的。

其次，核心框架策略可以試著應(yīng)用于其他金融交易品種，觀察其表現(xiàn)。

再次，某一參數(shù)取值的盈利遠(yuǎn)遠(yuǎn)高于或低于附近的參數(shù)值就要引起高度警惕。

最后，不要對(duì)一兩次巨虧或比較長(zhǎng)的連續(xù)虧損單獨(dú)做優(yōu)化，否則即使減小了最大回撤也是不可靠的。

參考文獻(xiàn)：

篇6

一、引言

量化投資在國(guó)外的實(shí)踐已經(jīng)有了40多年的發(fā)展，我國(guó)的量化投資起步較晚，從2004年開(kāi)始出現(xiàn)量化投資的產(chǎn)品，由于缺乏有效的對(duì)沖手段，直到2010年4月滬深300股指期貨上市之后才能算是真正意義上開(kāi)始涉足量化投資。[1]

2015年的中國(guó)股市跌宕起伏，杠桿配資引發(fā)了大幅上漲和斷崖式下跌，股市出現(xiàn)罕見(jiàn)的千股漲停、千股跌停、千股停牌的奇觀，眾多機(jī)構(gòu)投資者和散戶蒙受了巨大的損失。但其中少數(shù)量化投資基金在大幅波動(dòng)的市場(chǎng)中卻表現(xiàn)相對(duì)穩(wěn)定。量化投資基金和量化對(duì)沖策略的穩(wěn)健，很快引起了全市場(chǎng)的關(guān)注，也成為近期銀行、券商、信托等機(jī)構(gòu)追捧的新的產(chǎn)品模式。

在此背景下，作者在本文中對(duì)于量化投資的概念、特點(diǎn)、策略、理論基礎(chǔ)和發(fā)展做一個(gè)總結(jié)，希望為量化投資研究和實(shí)踐做一些參考。

二、量化投資解讀

（一）量化投資的定義

量化投資在學(xué)術(shù)界并沒(méi)有嚴(yán)格統(tǒng)一的定義，現(xiàn)有的定義對(duì)于量化投資的定義的側(cè)重點(diǎn)各有不同。本文對(duì)于量化投資的定義為：

量化投資是指將投資者的投資思想或理念轉(zhuǎn)化為數(shù)學(xué)模型，或者利用模型對(duì)于真實(shí)世界的情況進(jìn)行模擬進(jìn)而判斷市場(chǎng)行為或趨勢(shì)，并交由計(jì)算機(jī)進(jìn)行具體的投資決策和實(shí)施的過(guò)程。

（二）量化投資的特點(diǎn)

1.投資決策中能夠客觀理性，克服人類(lèi)心理對(duì)投資決策的影響。傳統(tǒng)投資的分析決策，大多數(shù)方面都由人工完成，而人并非能做到完全理性，在進(jìn)行投資決策時(shí)，很難不受市場(chǎng)情緒的影響。[2]量化投資運(yùn)用模型對(duì)歷史和當(dāng)時(shí)市場(chǎng)上的數(shù)據(jù)進(jìn)行分析檢測(cè)，模型一經(jīng)檢驗(yàn)合格投入正式運(yùn)行后，投資決策將交由計(jì)算機(jī)處理，一般情況下拒絕人為的干預(yù)，這樣在進(jìn)行投資決策時(shí)受人的情緒化的影響將很小，投資過(guò)程可以做到理性客觀。

2.能夠通過(guò)海量信息的大數(shù)據(jù)處理，提高投資決策效率。我國(guó)股票市場(chǎng)上有近3000只股票，與上市公司相關(guān)的各種信息紛繁復(fù)雜，包括政策、國(guó)內(nèi)外經(jīng)濟(jì)指標(biāo)、公司公告、研究報(bào)告等，投資者靠自己手工的篩選根本就是力不從心。量化投資的出現(xiàn)為這個(gè)問(wèn)題的解決帶來(lái)了希望。量化投資運(yùn)用計(jì)算機(jī)技術(shù)快速處理大量數(shù)據(jù)，對(duì)其進(jìn)行辨別、分析、找出數(shù)據(jù)之間的關(guān)聯(lián)并做出投資決策，大大減少了人工的工作量，提高了投資決策效率。

3.能夠?qū)崿F(xiàn)精準(zhǔn)投資。傳統(tǒng)的投資方法中認(rèn)為投資是一門(mén)藝術(shù)，投資決策需要的是投資者的經(jīng)驗(yàn)和技術(shù)，投資者的主觀評(píng)價(jià)起到?jīng)Q定作用。而量化投資有所不同，尤其是在套利策略中，它能做到精準(zhǔn)投資。例如在股指期貨套利的過(guò)程中，現(xiàn)貨與股指期貨如果存在較大的差異時(shí)就能進(jìn)行套利，量化投資策略和交易技術(shù)會(huì)抓住精確的捕捉機(jī)會(huì)，進(jìn)行套利交易來(lái)獲利。另外，在控制頭寸規(guī)模方面，傳統(tǒng)的投資方法只能憑感覺(jué)，并沒(méi)有具體的測(cè)算和界定，而量化投資必須要設(shè)定嚴(yán)格精確的標(biāo)準(zhǔn)。[3]

4.能夠快速反應(yīng)和決策，把握市場(chǎng)稍縱即逝的機(jī)會(huì)。量化投資往往利用高速計(jì)算機(jī)進(jìn)行程序化交易，與人腦相比它能夠迅速發(fā)現(xiàn)市場(chǎng)存在的信息并進(jìn)行相應(yīng)的處理，具有反應(yīng)快速、把握市場(chǎng)稍縱即逝的機(jī)會(huì)的特點(diǎn)。量化投資在速度上最出色的運(yùn)用就是高頻交易，與低頻交易相對(duì)，高頻交易是通過(guò)高速計(jì)算機(jī)，在極短的時(shí)間內(nèi)對(duì)市場(chǎng)的變化做出迅速的反應(yīng)并完成交易。[4]

5.能夠有效地控制風(fēng)險(xiǎn)，獲取較為穩(wěn)定的收益。與傳統(tǒng)投資方式不同的是，量化投資在獲得較高超額收益的同時(shí)能夠更好地控制風(fēng)險(xiǎn)，業(yè)績(jī)也更為穩(wěn)定。相關(guān)研究顯示，1996年至2005年期間，量化投資基金與以所有傳統(tǒng)主動(dòng)型投資基金和偏重于風(fēng)險(xiǎn)控制的傳統(tǒng)主動(dòng)型投資基金的信息比率對(duì)比情況中，量化投資基金的信息比率都是最高，說(shuō)明量化投資相對(duì)于傳統(tǒng)投資，能夠在獲得更高的超額收益的同時(shí)，有效地控制風(fēng)險(xiǎn)。

三、量化投資的策略

一般的量化投資的策略指的是用來(lái)實(shí)現(xiàn)投資理念或模擬市場(chǎng)行為判斷趨勢(shì)從而獲取收益的模型。量化投資需要權(quán)衡收益、風(fēng)險(xiǎn)、交易成本、具體的執(zhí)行等各個(gè)方面，一般情況下這些方面會(huì)形成相對(duì)獨(dú)立的模塊。有時(shí)候量化投資策略模型也會(huì)將風(fēng)險(xiǎn)、成本等方面融合在模型中。

（一）國(guó)外量化投資策略的分類(lèi)

國(guó)外習(xí)慣上將量化投資的策略分成兩大類(lèi)，一類(lèi)是阿爾法導(dǎo)向的策略，另一類(lèi)是貝塔導(dǎo)向的策略。阿爾法策略（alpha strategy）是通過(guò)量化擇時(shí)和調(diào)整投資組合中不同資產(chǎn)的頭寸大小來(lái)獲取收益的策略;貝塔策略（beta strategy）是通過(guò)量化的手段復(fù)制指數(shù)或者稍微的超出指數(shù)收益的策略。[6]相比而言，量化指數(shù)的貝塔策略相對(duì)更容易，所以一般情況下所說(shuō)的量化投資的策略指的是阿爾法策略（alpha strategy）。

阿爾法策略主要有兩種類(lèi)型，分別為理論驅(qū)動(dòng)模型和數(shù)據(jù)驅(qū)動(dòng)模型。

理論驅(qū)動(dòng)模型是比較常見(jiàn)的類(lèi)型，這些策略是運(yùn)用已經(jīng)存在的經(jīng)濟(jì)、金融學(xué)的理論，構(gòu)建策略模型，進(jìn)行投資決策。理論驅(qū)動(dòng)模型根據(jù)輸入的數(shù)據(jù)的不同可以進(jìn)一步分類(lèi)，主要有基于價(jià)格相關(guān)數(shù)據(jù)的策略和基于基本面數(shù)據(jù)的策略。

數(shù)據(jù)驅(qū)動(dòng)模型廣泛的被運(yùn)用于股票、期貨和外匯市場(chǎng)，因?yàn)椴捎玫臄?shù)學(xué)工具更為復(fù)雜，相對(duì)而言難于理解，目前使用的還不是很多。與理論驅(qū)動(dòng)模型不同，數(shù)據(jù)驅(qū)動(dòng)模型認(rèn)為進(jìn)行投資決策其實(shí)是不需要理論的支持，運(yùn)用數(shù)據(jù)挖掘技術(shù)，可以從數(shù)據(jù)（例如交易所的價(jià)格數(shù)據(jù)）中識(shí)別出某種行為模式或市場(chǎng)趨勢(shì)，進(jìn)而進(jìn)行預(yù)測(cè)或者解釋未來(lái)的模式，從中獲取收益。

（二）我國(guó)量化投資策略的分類(lèi)

國(guó)內(nèi)比較常見(jiàn)的量化投資策略主要有兩種分類(lèi)方式，一種是按投資標(biāo)的所在市場(chǎng)分類(lèi)區(qū)分的量化投資策略，分為現(xiàn)貨市場(chǎng)和衍生品市場(chǎng)量化投資策略?，F(xiàn)貨市場(chǎng)包括股票市場(chǎng)、ETF市場(chǎng)和債券市場(chǎng)，衍生品市場(chǎng)包括商品期貨市場(chǎng)、股指期貨市場(chǎng)、國(guó)債期貨市場(chǎng)、外匯市場(chǎng)和期權(quán)與其他衍生品市場(chǎng)，國(guó)內(nèi)運(yùn)用較多的是投資于商品期貨和股指期貨等期貨市場(chǎng)。

另一種分類(lèi)方式是分為兩大類(lèi)：判斷趨勢(shì)的單邊投機(jī)策略和判斷波動(dòng)率的套利交易策略。[7]單邊投機(jī)策略主要包括量化選股和量化擇時(shí)，套利交易策略主要包括股指期貨套利、商品期貨套利、統(tǒng)計(jì)套利、期權(quán)套利、另類(lèi)套利策略等，目前國(guó)內(nèi)普遍采用的是這種分類(lèi)方式。

四、量化投資理論的發(fā)展

（一）投資理論的發(fā)展

量化投資的理論基礎(chǔ)最早可以追溯到上個(gè)世紀(jì)50年代，Markowitz（1952）[8]第一次把數(shù)理工具引入到金融研究領(lǐng)域，提出了均值――方差模型和風(fēng)險(xiǎn)報(bào)酬與有效前沿的相關(guān)概念，這是量化投資接受的最早的嚴(yán)肅的學(xué)術(shù)成果。Sharpe（1964）[9]、Litner（1965）[10]、Mossin（1966）[11]在馬克維茨研究的基礎(chǔ)上得出了資本資產(chǎn)定價(jià)模型（CAPM），這是如今度量證券風(fēng)險(xiǎn)的基本的量化模型。

20世紀(jì)60年代，Samuelson（1965）與Fama（1965）[12]提出了有效市場(chǎng)假說(shuō)（Efficient Markets Hypothesis，EMH），這為后來(lái)在新聞量化交易等方面提供了思路和理論支持。20世紀(jì)70年代，金融衍生品不斷涌現(xiàn)，對(duì)于衍生品的定價(jià)成為當(dāng)時(shí)研究的重點(diǎn)。Black和Scholes（1973）[13]將數(shù)學(xué)方法引入金融定價(jià)，他們建立了期權(quán)定價(jià)模型（B-S模型），為量化投資中對(duì)衍生品的定價(jià)奠定了理論基礎(chǔ)。在該理論之后，Ross（1976）[14]根據(jù)無(wú)套利原則提出了套利定價(jià)理論（APT），該理論是資本資產(chǎn)定價(jià)模型（CAPM）的完善和發(fā)展，為量化投資中的多因素定價(jià)（選股）模型提供了基礎(chǔ)，這也是Alpha套利的思想基礎(chǔ)。

20世紀(jì)80年代，期權(quán)定價(jià)理論倒向微分方程求解;“金融工程”概念得以產(chǎn)生，金融工程著力于研究量化投資和量化交易。同期，學(xué)者們從有效市場(chǎng)理論的最基本假設(shè)著手，放寬了假設(shè)條件，形成了金融學(xué)的另一個(gè)重要的分支――行為金融學(xué)。

20世紀(jì)90年代，金融學(xué)家更加注重對(duì)于金融風(fēng)險(xiǎn)的管理，產(chǎn)生了諸多的數(shù)量化模型，其中最為著名的風(fēng)險(xiǎn)管理數(shù)量模型是VaR（Value at Risk）模型，這是量化投資對(duì)于風(fēng)險(xiǎn)控制的重要理論基礎(chǔ)。[15]

20世紀(jì)末，數(shù)理金融對(duì)于數(shù)學(xué)工具的引入更加的迅速，其中最為重大的突破無(wú)疑是非線性科學(xué)在數(shù)理金融上的運(yùn)用，非線性科學(xué)的出現(xiàn)為金融科學(xué)量化手段和方法論的研究提供了強(qiáng)有力的研究工具[16]，尤其在混合多種阿爾法模型而建立混合模型時(shí)是非常有效的一種技術(shù)。

（二）量化投資的數(shù)學(xué)和計(jì)算基礎(chǔ)

量化投資策略模型的建立需要運(yùn)用大量的數(shù)學(xué)和計(jì)算機(jī)方面的技術(shù)，主要有隨機(jī)過(guò)程、人工智能、分形理論、小波分析、支持向量機(jī)等。[17]隨機(jī)過(guò)程可以用于金融時(shí)序數(shù)列的預(yù)測(cè)，在現(xiàn)實(shí)中經(jīng)常用于預(yù)測(cè)股市大盤(pán)，在投資組合模型構(gòu)建的過(guò)程中，可以優(yōu)化投資組合;人工智能的很多技術(shù)，例如專(zhuān)家系統(tǒng)、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、遺傳算法等，可以運(yùn)用于量化投資;分形理論用于時(shí)間序列進(jìn)行預(yù)測(cè)分析;小波分析主要用于波型的處理，從而預(yù)測(cè)未來(lái)的走勢(shì);數(shù)據(jù)挖掘技術(shù)可以運(yùn)用于數(shù)據(jù)驅(qū)動(dòng)模型，還可以運(yùn)用于設(shè)置模型的細(xì)節(jié);支持向量機(jī)可以分析數(shù)據(jù)，識(shí)別模式，用于分類(lèi)和回歸分析。

五、國(guó)內(nèi)外量化投資實(shí)踐的發(fā)展

（一）國(guó)外量化投資實(shí)踐的發(fā)展

本文認(rèn)為量化投資在國(guó)外的發(fā)展已經(jīng)經(jīng)歷了四個(gè)發(fā)展階段：

1.第一階段從1949年至1968年：對(duì)沖階段。該階段是量化投資的萌芽階段，該階段具體的量化投資實(shí)踐很少，主要是為量化投資提供的理論基礎(chǔ)和技術(shù)準(zhǔn)備，量化投資脫胎于傳統(tǒng)投資，對(duì)抗市場(chǎng)波動(dòng)，通過(guò)對(duì)沖穩(wěn)定Alpha收益，但收益率低了。

2.第二階段從1969年至1974年：杠桿階段。在該階段，量化投資從理論走入了實(shí)踐。在投資思路上，因?yàn)樵镜腁lpha策略收益有限，通過(guò)放杠桿擴(kuò)大第一階段的穩(wěn)定收益。實(shí)踐方面，1969年，前美國(guó)麻省理工學(xué)院數(shù)學(xué)系教授愛(ài)德華?索普（Ed Thorp）開(kāi)辦了第一個(gè)量化對(duì)沖基金，進(jìn)行可轉(zhuǎn)債套利，他是最早的量化投資的者使用者。1971年，巴萊克國(guó)際投資公司（BGI）發(fā)行了世界上第一只被動(dòng)量化基金，標(biāo)志著量化投資的真正開(kāi)始。

3.第三階段從1975年至2000年：多策略階段。在這一階段，雖有一定的挫折，但總體上量化投資得到了平穩(wěn)的發(fā)展。在投資思路上，由于上一階段通過(guò)杠桿放大收益的副作用產(chǎn)生，放大以后的波動(dòng)率又增大，從而轉(zhuǎn)向繼續(xù)追求策略的穩(wěn)定收益，具體的手段是采用多策略穩(wěn)定收益。實(shí)踐方面，1977年，美國(guó)的富國(guó)銀行指數(shù)化跟蹤了紐約交易所的1500只股票，成立了一只指數(shù)化基金，開(kāi)啟了數(shù)量化投資的新紀(jì)元。[18]1998年，據(jù)統(tǒng)計(jì)共有21只量化投資基金管理著80億美元規(guī)模的資產(chǎn)。[19]

4.第四階段從2000年至今：量化投資階段。這一階段，量化投資得到了迅猛的發(fā)展，并且發(fā)展的速度越來(lái)越快。投資思路上，運(yùn)用量化工具，策略模型化，注重風(fēng)險(xiǎn)管理。在實(shí)踐方面，在2008年全球金融危機(jī)以前，全球?qū)_基金的規(guī)模由2000年的3350億美元在短短的7年時(shí)間內(nèi)上升至危機(jī)發(fā)生前的1.95萬(wàn)億美元，受美國(guó)次貸危機(jī)的影響全球?qū)_基金規(guī)模有較大的回落，直到2008年之后，在全球經(jīng)濟(jì)復(fù)蘇的大背景下對(duì)沖基金規(guī)模才開(kāi)始反彈。

（二）我國(guó)量化投資的發(fā)展

本文認(rèn)為，到目前為止，我國(guó)量化投資的發(fā)展的主要經(jīng)歷了三個(gè)階段：

1.第一階段從2004年至2010年：起步階段。在這一階段，由于我國(guó)沒(méi)有足夠的金融工具，量化投資在我國(guó)發(fā)展緩慢。2004年8月，光大保德信發(fā)行“光大保德信量化股票”，該基金借鑒了外方股東量化投資管理理念，這是我國(guó)最早的涉足量化投資的產(chǎn)品。2010年4月16日，準(zhǔn)備多年的滬深300股指期貨的在中金所的上市，為許多對(duì)沖基金的產(chǎn)品提供了對(duì)沖工具，從此改變了以前我證券市場(chǎng)只能單邊進(jìn)行做多的情況。

2.第二階段從2011年至2013年：成長(zhǎng)階段。2011年，被認(rèn)為是我國(guó)量化對(duì)沖基金元年，[21]而隨著股指期貨、融資融券、ETF和分級(jí)基金的豐富和發(fā)展，券商資管、信托、基金專(zhuān)戶和有限合伙制的量化對(duì)沖產(chǎn)品的發(fā)行不斷出現(xiàn)，這個(gè)階段的量化投資真正意義上開(kāi)始發(fā)展，促使該階段發(fā)展的直接原因就是股指期貨的出現(xiàn)。[20]

3.第三階段從2014年至今：迅猛發(fā)展階段。2014年被認(rèn)為是“值得載入我國(guó)私募基金史冊(cè)的一年”，基金業(yè)協(xié)會(huì)推行私募基金管理人和產(chǎn)品的登記備案制，推動(dòng)了私募基金的全面陽(yáng)光化，加速了私募基金產(chǎn)品的發(fā)行，其中包括量化對(duì)沖型私募產(chǎn)品。2014年稱(chēng)得上我國(guó)量化對(duì)沖產(chǎn)品增長(zhǎng)最迅速的一年，以私募基金為代表的各類(lèi)機(jī)構(gòu)在量化對(duì)沖產(chǎn)品上的規(guī)模均有很大的發(fā)展，部分金融機(jī)構(gòu)全年銷(xiāo)售的量化對(duì)沖基金規(guī)模超過(guò)了百億。

2015年，上證50ETF期權(quán)于2月9日正式推出，這對(duì)于對(duì)我國(guó)的量化投資有著極大的促進(jìn)作用。4月16日，上證50與中證500兩只股指期貨新品種的上市給量化投資帶來(lái)更多的策略的運(yùn)用，金融衍生品的不斷豐富和發(fā)展，為量化投資提供更多的豐富對(duì)沖手段，也提供了更多的套利機(jī)會(huì)。

六、總結(jié)

量化投資的技術(shù)、策略、硬件設(shè)施條件都在飛速的發(fā)展，與傳統(tǒng)的投資方式相比，量化投資有著自身的特點(diǎn)和優(yōu)勢(shì)。尤其是量化對(duì)沖產(chǎn)品，以其長(zhǎng)期穩(wěn)健的收益特征，成為目前“資產(chǎn)荒”下對(duì)信托、理財(cái)產(chǎn)品和固定收益產(chǎn)品良好的替代產(chǎn)品。未來(lái)隨著我國(guó)股指期貨、融資融券、國(guó)債期貨、期權(quán)等金融產(chǎn)品的不斷創(chuàng)新，以及股指期貨市場(chǎng)未來(lái)逐步恢復(fù)正常，量化投資發(fā)展前景不可限量。

參考文獻(xiàn)

[1]徐莉莉.量化投資在中國(guó)的發(fā)展現(xiàn)狀[R].渤海證券研究所：金融工程專(zhuān)題研究報(bào)告，2012.

[2]廖佳.揭開(kāi)量化基金的神秘面紗[J].金融博覽（財(cái)富），2014，（11）：66-68.

[3]王力弘.淺議量化投資發(fā)展趨勢(shì)及其對(duì)中國(guó)的啟示[J].中國(guó)投資，2013，（02）：202.

[4]Durbin，M. All About High-Frequency Trading： The Easy Way To Get Started[M]. McGraw-Hill Press，2010.

[5]蔣瑛現(xiàn)，楊結(jié)，吳天宇，等.海外機(jī)構(gòu)數(shù)量化投資的發(fā)展[R].國(guó)泰君安證券研究所：數(shù)量化系列研究報(bào)告，2008.

[6]Rishi K. Narang. Inside the Black Box： The Simple Truth about Quantitative Trading[M]. Wiley Press，2012.

[7]丁鵬.量化投資――策略與技術(shù)[M].北京：電子工業(yè)出版社，2014.

[8]Markowitz，H.M.. Portfolio Selection[J].Journal of Finance，1952，2：77-91.

[9]Sharpe，W.F. Capital asset prices： A theory of market equilibrium under conditions of risk[J]. Journal of Finance，1964，19（3）：425-442.

[10]Lintner. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets[J].Review of Economics and Statistics，1965，47（1）：13-37.

[11]Mossin.Equilibrium in a Capital Asset Market[J]. Econometrica，1966，Vol.34（4）：768-783.

[12]Fama，Jensen，and Roll. Investor sentiment and Stock Returns[J]. Journal of Political Economy，1969，（12）34-36.

[13]Black Fischer，and Myron Scholes，1973.The Pricing of Options and Corporate Liabilities[J].Journal of Political Economy，1973，81（3）：637-654.

[14]Ross.The arbitrage theory of capital asset pricing[J].Journal of Economic Theory，1976，13（3）：341-360.

[15]Jorion，Philippe.Value at Risk：The New Benchmark for Managing Financial Risk （3rd ed.）[M]. McGraw-Hill Press，2006.

[16]戴軍，葛新元.數(shù)量化投資技術(shù)綜述[R].國(guó)信數(shù)量化投資技術(shù)系列報(bào)告，2008.

[17]丁鵬.量化投資與對(duì)沖基金入門(mén)[M].北京：電子工業(yè)出版社，2014.

[18]郭喜才.量化投資的發(fā)展及其監(jiān)管[J].江西社會(huì)科學(xué)，2014，（03）：58-62.

[19]Ludwig B.，Chincarini. The Crisis of Crowding： Quant Copycats，Ugly Models，and the New Crash Normal[M]. Wiley Press，2013.

[20]曾業(yè).2014年中國(guó)量化對(duì)沖私募基金年度報(bào)告[R].華寶證券：對(duì)沖基金專(zhuān)題報(bào)告，2015.

篇7

1量化投資簡(jiǎn)介

1.1基本概念

量化投資是一種借助于計(jì)算機(jī)高效計(jì)算程序進(jìn)行復(fù)雜運(yùn)算，以金融產(chǎn)品未來(lái)收益與風(fēng)險(xiǎn)為研究對(duì)象的新型投資方式。量化投資的基礎(chǔ)是以股票價(jià)格、日成交額等大數(shù)據(jù)庫(kù)數(shù)據(jù)為參考樣本數(shù)據(jù)并建立數(shù)學(xué)模型，運(yùn)用仿真分析及迭代方法不斷修正數(shù)學(xué)模型，直到數(shù)學(xué)模型可以用來(lái)預(yù)測(cè)指導(dǎo)投資交易。任何一個(gè)投資的方案或者設(shè)想，都可以為它設(shè)計(jì)一個(gè)數(shù)學(xué)模型，然后借助大數(shù)據(jù)庫(kù)的現(xiàn)有數(shù)據(jù)進(jìn)行迭代法測(cè)試分析，以此來(lái)判別數(shù)學(xué)模型的有效性。傳統(tǒng)投資方式基本上是對(duì)傳統(tǒng)的技術(shù)分析和公司的經(jīng)營(yíng)狀態(tài)基本分析，存在一定的局限性；相比之下量化投資分析是基于對(duì)大數(shù)據(jù)市場(chǎng)數(shù)據(jù)的，數(shù)據(jù)樣本空間容量足夠大，而且可以快速進(jìn)行運(yùn)算并排除投資者個(gè)人心理因素的主觀影響，科學(xué)性和時(shí)效性更強(qiáng)。此外，量化投資是一種主動(dòng)性的投資方式，在進(jìn)行數(shù)學(xué)模型選擇、自變量選取、數(shù)學(xué)模型的驗(yàn)算迭代都是投資行為的主動(dòng)部分。

1.2交易內(nèi)容及方法

量化投資交易的內(nèi)容主要是量化策略以及交易策略，在制定交易策略時(shí)必須立足于投資市場(chǎng)、投資產(chǎn)品以及分配在內(nèi)等。具體交易平臺(tái)則是靠以計(jì)算機(jī)計(jì)算程序?yàn)榛A(chǔ)的線上交易平臺(tái)系統(tǒng)。進(jìn)行量化投資交易時(shí)通常會(huì)遇到各種較為復(fù)雜的情況，但是基本前提都是要依據(jù)現(xiàn)有的既定的大量數(shù)據(jù)庫(kù)數(shù)據(jù)，靈活采用各種方法來(lái)判斷投資對(duì)象是否值得投資?？傮w來(lái)說(shuō)，量化投資有估值法、資金法和趨勢(shì)法三種。

2量化投資現(xiàn)狀

從理論上來(lái)說(shuō)，每個(gè)量化投資者的決策行為可以被同化為理性預(yù)期、風(fēng)險(xiǎn)規(guī)避、嚴(yán)格效用基本一致的理想化模型。然而現(xiàn)實(shí)情況中每個(gè)人的心理活動(dòng)、出發(fā)點(diǎn)、知識(shí)水平等都存在差異，進(jìn)行量化投資時(shí)人們作出的決策也存在差異。人的非理性行為與理性行為都是客觀存在的，而且非理性行為對(duì)理性行為也存在著一定的影響，因此投資人在進(jìn)行投資決策時(shí)并不能完全理性地進(jìn)行選擇。綜上所述，非理性人的客觀存在使投資人在進(jìn)行投資決策時(shí)不能完全忽視個(gè)人的心理因素。既然個(gè)人的心理因素?zé)o法排除，那么在建立決策分析數(shù)學(xué)模型時(shí)，就應(yīng)該把個(gè)人的心理因素考慮在內(nèi)。當(dāng)前我國(guó)國(guó)內(nèi)量化投資有以下幾個(gè)特點(diǎn)：(1)個(gè)人投資者占總投資者的比例很高。上文已經(jīng)提到投資者個(gè)人的非理性客觀存在且不可避免，那么眾多量化投資者的非理性因素間接影響我國(guó)量化投資市場(chǎng)。(2)我國(guó)的量化投資市場(chǎng)雖然發(fā)展迅速但仍不成熟。與美國(guó)及歐洲發(fā)達(dá)國(guó)家相比，我國(guó)量化投資市場(chǎng)只能是一個(gè)新興的市場(chǎng)，直接表現(xiàn)在各方面的信息不完整且難以搜集，一些基礎(chǔ)數(shù)據(jù)我們只能自己想方設(shè)法地去開(kāi)發(fā)獲取。(3)量化投資行業(yè)的企業(yè)構(gòu)成比較復(fù)雜。目前我國(guó)量化投資行業(yè)的企業(yè)種類(lèi)比較多，跨越眾多不同的領(lǐng)域。加上我國(guó)量化投資市場(chǎng)還處于新生期，市場(chǎng)不穩(wěn)定信息變化較快，因此量化投資行業(yè)的可用層面指標(biāo)數(shù)目非常少且指標(biāo)數(shù)值經(jīng)常變化。當(dāng)前我國(guó)量化投資者正是依據(jù)當(dāng)前行業(yè)的特點(diǎn)，從不同的層面和角度驗(yàn)證分析，建立泡沫型數(shù)學(xué)分析模型，才能獲得巨大的利潤(rùn)。(4)量化投資策略研究落后。通過(guò)把我國(guó)量化投資策略與美國(guó)及西方發(fā)達(dá)國(guó)家的量化投資策略進(jìn)行對(duì)比，發(fā)現(xiàn)我國(guó)現(xiàn)有的量化投資策略嚴(yán)重落后。國(guó)外的量化策略研究是在大量的事件、數(shù)據(jù)積累分析的基礎(chǔ)上，腳踏實(shí)地潛心研究總結(jié)出來(lái)的。現(xiàn)階段我國(guó)量化策略研究多是借用國(guó)外的策略，結(jié)合國(guó)內(nèi)的量化投資行業(yè)的實(shí)際現(xiàn)狀進(jìn)行修正得來(lái)的。當(dāng)前我們還缺少指導(dǎo)量化投資行業(yè)的專(zhuān)家、指導(dǎo)著作，為此我國(guó)國(guó)內(nèi)的一些高等院校開(kāi)始著手量化投資策略的研究并取得了初步的成效。

3量化投資優(yōu)勢(shì)

量化投資是在定性投資基礎(chǔ)上進(jìn)行繼承和延伸的一種主動(dòng)投資工具。定性投資的核心是對(duì)宏觀經(jīng)濟(jì)和市場(chǎng)基本面進(jìn)行深入的分析，再加上實(shí)地調(diào)研上市公司以及與上市公司的管理層進(jìn)行經(jīng)驗(yàn)交流，最終把調(diào)研結(jié)果整理成專(zhuān)題報(bào)告，把報(bào)告作為決策依據(jù)。不難看出定性投資帶有很大的個(gè)人主觀判斷性，它完全依賴(lài)于投資經(jīng)理個(gè)人經(jīng)驗(yàn)以及對(duì)市場(chǎng)的認(rèn)知。量化投資在調(diào)研層面與定性投資相同，區(qū)別在于量化投資更加注重?cái)?shù)據(jù)庫(kù)大數(shù)據(jù)，運(yùn)用各種方法發(fā)現(xiàn)運(yùn)用大數(shù)據(jù)所體現(xiàn)出來(lái)的有用信息，尋找更優(yōu)化的投資方式以獲得大額收益，完全避免了投資經(jīng)理個(gè)人的主觀臆斷和心理因素，更加科學(xué)合理。綜上所述，與定性投資相比，量化投資具有以下優(yōu)勢(shì)。

3.1投資方式更加理性

量化投資是采用統(tǒng)計(jì)數(shù)學(xué)與計(jì)算機(jī)建模分析技術(shù)，以行業(yè)大數(shù)據(jù)庫(kù)為參考，取代了個(gè)人主觀判斷和心理因素的科學(xué)客觀投資方法。很明顯，行業(yè)大數(shù)據(jù)的樣本容量已遠(yuǎn)遠(yuǎn)高于有限的對(duì)上市公司調(diào)研所形成的樣本容量；在進(jìn)行投資決策時(shí)，把決策過(guò)程科學(xué)化數(shù)量化可以最大程度的減少投資者決策時(shí)個(gè)人情感等心理因素對(duì)決策結(jié)果的影響，從而避免了錯(cuò)誤的選擇方向。

3.2覆蓋范圍大效率高

得益于因特網(wǎng)的廣泛實(shí)施應(yīng)用，與各行各業(yè)的運(yùn)行數(shù)據(jù)都可以錄入大數(shù)據(jù)系統(tǒng)形成體量巨大的數(shù)據(jù)庫(kù)；得益于計(jì)算機(jī)行業(yè)云時(shí)代到來(lái)對(duì)計(jì)算分析速度的革命性變革，在極短的時(shí)間內(nèi)就可以得到多種量化投資的投資方法。定性投資方式進(jìn)行決策時(shí)，由于決策人的精力和專(zhuān)業(yè)水平都存在一定的局限性，自然其考慮投資的范圍要遠(yuǎn)遠(yuǎn)低于電腦決策，二者根本沒(méi)有可比性。綜上所述，雖然與定性投資相比，量化投資具有明顯的優(yōu)勢(shì)，但是二者的目的是相同的，都以獲得最大收益為目的，多少情況量化投資與定型投資可以互相補(bǔ)充，搭配使用會(huì)起到意想不到的效果。

4量化投資的劣勢(shì)

上文已經(jīng)提到量化投資的決策過(guò)程依賴(lài)于大數(shù)據(jù)庫(kù)以及計(jì)算機(jī)分析系統(tǒng)的科學(xué)決策，因此只要投資思想正確量化投資就不會(huì)出現(xiàn)錯(cuò)誤。然而即使是投資思想及決策過(guò)程都沒(méi)有問(wèn)題，也不意味著量化投資完美無(wú)缺。量化投資本質(zhì)上是對(duì)某一特定基準(zhǔn)面的分析，事實(shí)上基準(zhǔn)面有時(shí)范圍過(guò)小，縱然決策過(guò)程合理化、無(wú)偏差，量化投資也存在一定的局限性。量化投資的另一特點(diǎn)是進(jìn)行考察決策時(shí)覆蓋的市場(chǎng)面非常廣泛，在當(dāng)前國(guó)民經(jīng)濟(jì)快速發(fā)展的時(shí)代，人們對(duì)市場(chǎng)的認(rèn)知難免出現(xiàn)盲區(qū)或者對(duì)某一個(gè)局部了解不充分的現(xiàn)象，此種情況下量化投資的正確性就很難保證。

4.1形成交易的一致性

基于量化投資的低風(fēng)險(xiǎn)特性，人們更多地依賴(lài)于采用大數(shù)據(jù)云分析平臺(tái)進(jìn)行決策，如此大家對(duì)某一行業(yè)的市場(chǎng)認(rèn)知以及投資決策水平就處在同一認(rèn)知層次上，當(dāng)遇到極端的市場(chǎng)行情時(shí)，人們作出的交易決策往往一致，即容易達(dá)成交易的一致性。例如期貨行業(yè)以及股票行業(yè)，在市場(chǎng)行情動(dòng)蕩的特殊時(shí)期，人們往往選擇在同一時(shí)機(jī)拋出股票或者期貨，這種大規(guī)模的一次性拋盤(pán)則會(huì)造成在預(yù)期拋售價(jià)格基礎(chǔ)上的劇烈波動(dòng)，導(dǎo)致投資者的實(shí)際收益在一定程度上低于預(yù)期收益。此種情形下又會(huì)引起新一輪投資恐慌，不利于市場(chǎng)的穩(wěn)定發(fā)展。

4.2指標(biāo)鈍化和失效

篇8

就在人們紛紛對(duì)西方財(cái)經(jīng)圈大牛表示緬懷之時(shí)，傳來(lái)一個(gè)中國(guó)投資大佬境外因病醫(yī)治無(wú)效過(guò)世的消息，讓整個(gè)量化投資圈頗為震驚。

這個(gè)大佬就是量游投資創(chuàng)始人朱天華。我打開(kāi)他的微信，簽名“交易是統(tǒng)計(jì)游戲”赫然醒目呈現(xiàn)在那里，或許也是他公司名的來(lái)由。

朱總是哥倫比亞大學(xué)博士，有15年美國(guó)頂級(jí)投行經(jīng)驗(yàn)，任美國(guó)高盛集團(tuán)交易和銷(xiāo)售部董事總經(jīng)理。關(guān)鍵是在高盛，朱博負(fù)責(zé)金融產(chǎn)品量化、程式化和高頻化的交易和策略，主管美國(guó)的國(guó)債期貨、國(guó)債現(xiàn)貨，包括利率期貨、外匯、商品期貨還曾任瑞士信貸全球自營(yíng)部的總監(jiān)、美國(guó)雷曼兄弟公司固定收益部副總裁和資深交易員、美國(guó)IDC固定收益和金融衍生品資深策略專(zhuān)家。

放眼華人量化投資圈，大概沒(méi)幾個(gè)人能有這樣豐富而資深的背景了。

一般來(lái)說(shuō)，回國(guó)創(chuàng)業(yè)的量化創(chuàng)業(yè)者有三類(lèi)，第一類(lèi)是像朱天華這樣真正受過(guò)頂尖投行熏陶的扎實(shí)大牛，少之又少；第二類(lèi)是海外大機(jī)構(gòu)做過(guò)幾年相關(guān)工作的，基本知道主要套路；第三類(lèi)是非主流對(duì)沖基金合伙人，或是從策略轉(zhuǎn)投資、從研究轉(zhuǎn)投資的新人。

我后來(lái)與朱天華總共有過(guò)三面之緣，每次都在講風(fēng)控。

第一次見(jiàn)到朱總是上海交大高級(jí)金融學(xué)院的論壇上，當(dāng)時(shí)話題還算應(yīng)景――對(duì)沖基金在中國(guó)的困境與對(duì)策。朱總參加的是圓桌討論環(huán)節(jié)，穿著松松垮垮的休閑外套，他個(gè)頭略小，臉上不帶微笑，神情略顯滄桑。他說(shuō)話雖聲不大，但氣場(chǎng)強(qiáng)烈，當(dāng)時(shí)依稀記得的重要觀點(diǎn)是：很多人太不敬畏投資了，不知道投資中的不確定性有多難控制。

第二次是在虹口區(qū)對(duì)沖基金園區(qū)附近一家酒店大堂。那時(shí)大概是2016年5月，聽(tīng)說(shuō)朱總很久不見(jiàn)投資人了。我當(dāng)時(shí)像平常一樣咨詢他一些問(wèn)題，但我很快就發(fā)現(xiàn)，朱總交流起來(lái)有自己的頻道。他說(shuō)得更多的是一些形而上學(xué)的理念。

最后一次見(jiàn)他，是在去年底上海的一個(gè)對(duì)沖基金論壇上。他坐在前排一個(gè)有名牌的座位上，冷靜地觀察著這個(gè)熱鬧的世界，周?chē)切[的年輕人。他穿著還是一樣樸素，一樣不為人所注意，感覺(jué)整個(gè)人有些消瘦?？此崆耙撸遗c他打了個(gè)招呼，他依舊低調(diào)地淺淺一笑。

不過(guò)，短短的幾次接觸，發(fā)現(xiàn)朱總?cè)杂袔c(diǎn)交易原則值得借鑒。

1.分散化。多品種多交易方法。朱總堅(jiān)持量化交易，他覆蓋的交易品種有期貨、股指、商品期權(quán)、分級(jí)、ETF等，他基本都在做一些多品種的交易策略。這與他在高盛時(shí)一脈相承，他當(dāng)時(shí)負(fù)責(zé)金融產(chǎn)品量化、程式化和高頻化的交易和策略，對(duì)美國(guó)國(guó)債期貨、國(guó)債現(xiàn)貨，包括利率期貨、外匯、商品期貨等各品種也非常精通。

2.尋求趨勢(shì)相反機(jī)會(huì)。朱總偏重微觀，偏重統(tǒng)計(jì)意義上的回歸，在量化交易中盡量找一些與趨勢(shì)策略相反機(jī)會(huì)的策略，與趨勢(shì)模型做較好的組合補(bǔ)充。

3.永遠(yuǎn)敬畏風(fēng)險(xiǎn)。他信服凱恩斯所言的“市場(chǎng)保持不理性的時(shí)間可能比你保持不破產(chǎn)的時(shí)間更長(zhǎng)”。至于具體方法，主要通過(guò)對(duì)海量數(shù)據(jù)風(fēng)控解決方式。他說(shuō)起過(guò)去美國(guó)白銀市場(chǎng)，曾經(jīng)從5元漲到80元，后來(lái)跌到10元、2元、1元，非常無(wú)法想象。他也提到當(dāng)時(shí)高盛躲過(guò)次貸危機(jī)最強(qiáng)大的是其風(fēng)控，在他看來(lái)，風(fēng)控才是資產(chǎn)管理的靈魂。

4.人工智能是方向。2003年朱總在雷曼期間就接觸了深度學(xué)習(xí)專(zhuān)家，擁有下棋人工智能，只是沒(méi)feedback。現(xiàn)在可以通過(guò)Led work等神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)策略復(fù)興、優(yōu)化，也可以通過(guò)非結(jié)構(gòu)化思維，進(jìn)行頭寸與風(fēng)險(xiǎn)分配，主要通過(guò)歷史數(shù)據(jù)，再用反饋測(cè)試。

總之，在朱總眼中，中國(guó)市場(chǎng)剛剛起步，阿爾法機(jī)會(huì)巨大。

篇9

中圖分類(lèi)號(hào)：F83091文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：10084096（2015）05008506

一、引言

奧斯本的隨機(jī)漫步理論和法瑪[1]的有效市場(chǎng)假說(shuō)認(rèn)為，技術(shù)分析是無(wú)效的，在證券交易中，一個(gè)根據(jù)證券歷史價(jià)格構(gòu)造的投資策略，不會(huì)比一個(gè)消極的買(mǎi)入并持有策略取得更好的收益。然而，技術(shù)分析的支持者卻認(rèn)為，按照證券的歷史信息進(jìn)行交易會(huì)比僅僅跟隨市場(chǎng)交易取得更高的收益。近年來(lái)，國(guó)內(nèi)外出現(xiàn)了很多支持技術(shù)分析有效性的實(shí)證研究，為技術(shù)分析提供了理論支持。隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展，技術(shù)分析通過(guò)與之結(jié)合，其應(yīng)用范圍與功效都得到了前所未有的進(jìn)步，算法交易與量化投資作為市場(chǎng)上的新興產(chǎn)物，得到了很多投資者的青睞。

量化投資在國(guó)外的發(fā)展已經(jīng)有三四十年的歷史，投資業(yè)績(jī)穩(wěn)定，市場(chǎng)份額不斷擴(kuò)大，得到越來(lái)越多投資者的認(rèn)可。然而，國(guó)內(nèi)的量化投資領(lǐng)域還處于發(fā)展起步階段，量化投資占金融投資的比重不超過(guò)5%。隨著中國(guó)2010年滬深300股指期貨的出臺(tái)，量化投資在國(guó)內(nèi)市場(chǎng)的發(fā)展?jié)摿χ饾u顯現(xiàn)，各大券商和機(jī)構(gòu)投資者紛紛對(duì)量化交易展開(kāi)深度研究。

隨著2010年4月中國(guó)滬深300股指期貨的推出，國(guó)內(nèi)金融衍生產(chǎn)品市場(chǎng)逐漸完善，滬深300股指期貨的上市交易宣告了中國(guó)股市不能做空的單邊市場(chǎng)的結(jié)束，也為投資者提供了套期保值規(guī)避風(fēng)險(xiǎn)的工具。同時(shí)，股指期貨的上市，提高了對(duì)國(guó)內(nèi)投資者的投資要求，機(jī)構(gòu)投資者在交易中面臨著更大的考驗(yàn)，因而新興的算法交易和量化投資等投資策略在此時(shí)顯現(xiàn)出更大的優(yōu)勢(shì)和更好的發(fā)展前景。

本文對(duì)滬深300股指期貨的日開(kāi)盤(pán)價(jià)和收盤(pán)價(jià)數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)了二者之間的分形協(xié)整關(guān)系，通過(guò)建模、預(yù)測(cè)，構(gòu)建一個(gè)基于最高價(jià)和最低價(jià)之間關(guān)系的量化投資反轉(zhuǎn)策略。在理論意義上，本文將分形協(xié)整的概念應(yīng)用于對(duì)證券價(jià)格的預(yù)測(cè)中，將局限于整數(shù)維差分的誤差修正模型拓展到基于分?jǐn)?shù)維差分的分整誤差修正模型，提高了預(yù)測(cè)精度，為日后金融或其他領(lǐng)域的非平穩(wěn)時(shí)間序列的研究和時(shí)間序列之間長(zhǎng)期趨同性的研究拓寬了思路。在實(shí)用價(jià)值上，本文提出的基于證券最高價(jià)和最低價(jià)預(yù)測(cè)的反轉(zhuǎn)策略會(huì)為市場(chǎng)上的投資者提供一種新的參考方法和新的投資思路，有利于推行量化投資在股指期貨市場(chǎng)的發(fā)展。

二、文獻(xiàn)綜述

國(guó)外的一些研究在幾年前已經(jīng)開(kāi)始著眼于最高價(jià)和最低價(jià)之間的協(xié)整關(guān)系，Brandt 和 Diebold[2]認(rèn)為最高價(jià)和最低價(jià)之間的差價(jià)是股價(jià)波動(dòng)率的一個(gè)重要的指標(biāo)，Brunetti 和 Lildholdt[3]將差價(jià)這一變量加入到一些隨機(jī)波動(dòng)模型中來(lái)獲得有用的信息。Murphy[4]通過(guò)對(duì)投資者心理的研究分析得出了技術(shù)分析中壓力線和支撐線的存在。Cheung等[5]認(rèn)為差價(jià)的兩個(gè)組成部分最高價(jià)和最低價(jià)也是值得深入研究的，他根據(jù)二者之間長(zhǎng)期均衡的關(guān)系，提出了用向量誤差修正模型VECM對(duì)其建模并預(yù)測(cè)。1980 年前后，陸續(xù)有學(xué)者將長(zhǎng)記憶模型引入到經(jīng)濟(jì)和金融問(wèn)題的研究中來(lái)，Stakenas[6]針對(duì)一些存在長(zhǎng)記憶性的時(shí)間序列，提出了分形協(xié)整的概念。Johansen和Nielsen[7]提供了分整向量誤差修正模型的條件最大似然估計(jì)方法，將傳統(tǒng)的滯后算子L改進(jìn)為分形滯后算子，估計(jì)出協(xié)整階數(shù)d、b，調(diào)整參數(shù)矩陣α等參數(shù)。Caporin等[8]以美國(guó)道瓊斯工業(yè)指數(shù)中的成分股價(jià)日數(shù)據(jù)為樣本，運(yùn)用分整向量誤差修正模型估計(jì)了最高價(jià)和最低價(jià)并且證明了二者之間的分形協(xié)整關(guān)系，實(shí)現(xiàn)了分整向量誤差修正模型在股票市場(chǎng)上的應(yīng)用。Brock等[9]發(fā)現(xiàn)大多數(shù)的基于技術(shù)分析指標(biāo)的交易策略與買(mǎi)入并持有策略相比，會(huì)得到更高的收益和更低的波動(dòng)率，Gradojevic和Gentay[10]討論了交易的不確定性，并用基于模糊交易的指標(biāo)解決了這一問(wèn)題。

近年來(lái)國(guó)內(nèi)的一些研究將時(shí)間序列之間的協(xié)整關(guān)系轉(zhuǎn)移到了分形協(xié)整關(guān)系。孫青華和張世英[11]在一般的協(xié)整關(guān)系研究中加入了分形理論，解釋了時(shí)間序列的長(zhǎng)記憶性和分形協(xié)整之間的關(guān)系，提出可以據(jù)此建立相應(yīng)的長(zhǎng)記憶性協(xié)整系統(tǒng)的誤差修正模型。吳大勤[12]將一般時(shí)間序列的整數(shù)階差分?jǐn)U展到長(zhǎng)記憶性序列中的分?jǐn)?shù)維差分，以滬深股市為例，提出了長(zhǎng)記憶性下的分形協(xié)整，進(jìn)而將協(xié)整建模的技術(shù)同F(xiàn)IGARCH結(jié)合，得出了二階基礎(chǔ)上長(zhǎng)期均衡的一些性質(zhì)。趙進(jìn)文和龐杰[13]通過(guò)實(shí)證分析證明了中國(guó)等發(fā)展中國(guó)家的股市大多存在明顯的長(zhǎng)記憶性，對(duì)中國(guó)內(nèi)地A股和香港地區(qū)H股兩個(gè)分隔市場(chǎng)分別建立能夠反映其收益率波動(dòng)的FIGARCH模型，證明了兩個(gè)市場(chǎng)的聯(lián)動(dòng)性。曹廣喜[14]以中國(guó)股市的長(zhǎng)記憶性和分形特征為基礎(chǔ)，分析宏觀經(jīng)濟(jì)政策對(duì)股市波動(dòng)性的影響。以往的技術(shù)分析多是利用證券的日收盤(pán)價(jià)數(shù)據(jù)進(jìn)行的，而王錦[15]證明了一個(gè)結(jié)合了最高價(jià)、最低價(jià)的股票預(yù)測(cè)方法比單純的以收盤(pán)價(jià)為基礎(chǔ)的預(yù)測(cè)方法有意義，因?yàn)樗鼈兎謩e代表了市場(chǎng)的支撐位與阻擋位，要比其他交易價(jià)格包含了更多的關(guān)于市場(chǎng)反轉(zhuǎn)點(diǎn)的信息，并且通過(guò)VAR 模型分析了 最高價(jià)、最低價(jià)、收盤(pán)價(jià)三者之間存在著明顯的協(xié)整關(guān)系。技術(shù)分析中一個(gè)重要的方法就是基于壓力線和支撐線的反轉(zhuǎn)策略。陳卓思和宋逢明[16]得到股票價(jià)格的局部極值點(diǎn)，結(jié)合Murphy的研究說(shuō)明了基于壓力線和支撐線的反轉(zhuǎn)交易策略是可行的。謝丁[17]對(duì)六類(lèi)壓力支撐類(lèi)股票技術(shù)分析指標(biāo)進(jìn)行了實(shí)證研究，通過(guò)計(jì)算股價(jià)波動(dòng)與壓力支撐類(lèi)指標(biāo)各分析量之間的相關(guān)關(guān)系，驗(yàn)證股價(jià)波動(dòng)與該類(lèi)技術(shù)指標(biāo)的相關(guān)性，從而實(shí)證了壓力支撐類(lèi)指標(biāo)的有效性。

從以上文獻(xiàn)中可以看出，國(guó)內(nèi)對(duì)分形協(xié)整研究的應(yīng)用局限于不同市場(chǎng)間的收益率波動(dòng)，而很少有研究單種證券日最高價(jià)和最低價(jià)之間的分形協(xié)整關(guān)系，而且一個(gè)結(jié)合了最高價(jià)、最低價(jià)的預(yù)測(cè)方法比單純依靠收盤(pán)價(jià)更為可靠，因而本文將根據(jù)最高價(jià)和最低價(jià)的分形協(xié)整關(guān)系構(gòu)造一個(gè)反轉(zhuǎn)交易策略，并證明該策略的超額收益。

二、滬深300股指期貨最高價(jià)和最低價(jià)的分形協(xié)整關(guān)系檢驗(yàn)

（一）協(xié)整關(guān)系檢驗(yàn)

協(xié)整過(guò)程是針對(duì)具有單位根的非平穩(wěn)時(shí)間序列提出的。對(duì)于一個(gè)n維向量時(shí)間序列yt，如果每一個(gè)分量序列yit （i= 1，2， ，n ），均為一單變量單位根過(guò)程（即滿足yit～I(xiàn)（1）），且存在非零的 n 維向量α ，使得各序列組成的線性組合α′yt為一穩(wěn)定過(guò)程，即α′yt～I(xiàn)（0），則稱(chēng)向量時(shí)間序列yt是協(xié)整的，α為其協(xié)整向量。以兩個(gè)變量y 和x 為例，設(shè)y 和x 都是一階單整序列，則 EG 兩步法的具體檢驗(yàn)步驟為：第一步，利用最小二乘法估計(jì)模型，并計(jì)算相應(yīng)的殘差序列。第二步，檢驗(yàn)殘差序列的平穩(wěn)性。

常用的單整檢驗(yàn)有DF檢驗(yàn)（Dickey Fuller檢驗(yàn)）、ADF檢驗(yàn)（Augmented Dickey Fuller檢驗(yàn)）和PP檢驗(yàn)（Phillips Perron）。如果經(jīng)過(guò) DF 檢驗(yàn)（或 ADF 檢驗(yàn)）拒絕了原假設(shè)殘差序列是平穩(wěn)序列，則意味著y 和x 存在著協(xié)整關(guān)系；如果接受了存在單位根的原假設(shè)，則殘差序列是非平穩(wěn)的，y 和x 之間不可能存在協(xié)整關(guān)系。

2滬深300股指期貨最高價(jià)和最低價(jià)的協(xié)整關(guān)系檢驗(yàn)

本文對(duì)滬深300股指期貨最高價(jià)和最低價(jià)數(shù)據(jù)進(jìn)行協(xié)整檢驗(yàn)，選取日數(shù)據(jù)，樣本區(qū)間從2010年4月16日到2014年12月31日。分別對(duì)滬深300股指期貨最高價(jià)和最低價(jià)以及差價(jià)做ADF檢驗(yàn)，結(jié)果如表1所示。

從表1可以看出，最高價(jià)和最低價(jià)都是一階單整序列，對(duì)二者線性回歸后的殘差序列μ進(jìn)行ADF檢驗(yàn)，可以看出殘差序列是平穩(wěn)的，最高價(jià)和最低價(jià)之間存在協(xié)整關(guān)系。對(duì)二者線性組合后的序列R=H-L進(jìn)行ADF檢驗(yàn)，可以看出，差價(jià)R序列也是平穩(wěn)的。

（二）長(zhǎng)記憶性檢驗(yàn)

Hurst最先提出了一種長(zhǎng)記憶性的度量方法――重標(biāo)極差分析法（Rescaled Ranger Statistic，簡(jiǎn)稱(chēng)R/S統(tǒng)計(jì)量），Mandelbrot對(duì)R/S統(tǒng)計(jì)量做進(jìn)一步的研究。設(shè)時(shí)間序列Xt，則τ個(gè)時(shí)間序列觀測(cè)點(diǎn)的極差為R（τ）=max y（i，τ）-min y（i，τ），標(biāo)準(zhǔn)差為S（τ）={1τ∑τi=1[xi-（Ex）τ]2}12，R/S統(tǒng)計(jì)量為Q0=Rτ/Sτ。

Hurst、Mandelbrot和Wallis分別證明了：

plimτ∞{τ-HR（τ）/S（τ）}=C（1）

其中，C為常數(shù)，H為Hurst指數(shù)。H的估計(jì)公式為 ：

H=log[R（τ）/S（τ）]/log（τ）（2）

當(dāng) H ≤05時(shí)，時(shí)間序列為短記憶性的；當(dāng)H>05時(shí)，時(shí)間序列為長(zhǎng)記憶性的。

用R/S分析法計(jì)算差價(jià)的Hurst指數(shù)，可得05

（三）分形協(xié)整檢驗(yàn)

近年來(lái)的研究表明，如果將協(xié)整關(guān)系局限于整數(shù)維差分框架下來(lái)分析問(wèn)題，則會(huì)造成分析結(jié)果的不準(zhǔn)確，特別是高頻的金融數(shù)據(jù)下，單整階數(shù)為整數(shù)值的條件過(guò)于苛刻。Granger和Hosking給出了一個(gè)ARFIMA（Fractional Integrated Auto-Regressive Moving Average，分整自回歸移動(dòng)平均）模型。ARFIMA模型是一個(gè)前沿性的長(zhǎng)記憶性模型，該模型是放寬ARIMA模型整數(shù)維差分到分?jǐn)?shù)維差分后得到的。該模型表示，對(duì)一個(gè)時(shí)間序列{yt}，我們可以建立如下分整過(guò)程： yt=（1-L）tμt，其中，L是滯后因子，μt是一個(gè)均值為零、方差恒定的獨(dú)立同分布過(guò)程，即白噪聲過(guò)程，d = H-1/ 2是分整系數(shù)。如果引入 ARMA項(xiàng)，則該分整模型就可以變換成為一個(gè)更為一般性的模型：Φ（L）（1-L）d（Xt-μ）=θ（L）εt ，其中，d為分?jǐn)?shù)維差分參數(shù)。0

從上文的研究中可以看出，滬深300股指期貨最高價(jià)和最低價(jià)的線性組合，即二者的差價(jià)存在長(zhǎng)記憶性特征。目前人們對(duì)金融向量時(shí)間序列協(xié)整的研究集中在整數(shù)維差分，而長(zhǎng)記憶性時(shí)間序列的差分階數(shù)往往是分?jǐn)?shù)維的，因而本文針對(duì)差價(jià)序列的長(zhǎng)記憶性特征，對(duì)協(xié)整階數(shù)進(jìn)行拓展，探討最高價(jià)和最低價(jià)之間的分?jǐn)?shù)維協(xié)整關(guān)系。

為了驗(yàn)證最高價(jià)和最低價(jià)的分形協(xié)整關(guān)系，本文對(duì)分形單整自回歸滑動(dòng)平均模型ARFIMA（1，d，1）中的分?jǐn)?shù)維差分參數(shù)d進(jìn)行估計(jì)，用SAS軟件中的FARMAFIT函數(shù)，結(jié)果為dR=03878，dH=09685，dL=09651?？梢钥闯鰧?duì)最高價(jià)和最低價(jià)線性組合后的差價(jià)序列的差分參數(shù)降低，dR

綜上所述，差價(jià)的長(zhǎng)記憶性以及最高價(jià)和最低價(jià)之間的分形協(xié)整關(guān)系，可以說(shuō)明最高價(jià)和最低價(jià)都是可預(yù)測(cè)的。存在一種合適的模型可以對(duì)最高價(jià)和最低價(jià)進(jìn)行建模和預(yù)測(cè)。

三、分形協(xié)整模型構(gòu)建及模型預(yù)測(cè)能力分析

（一）分整誤差修正模型介紹

本文使用Johansen改進(jìn)后的向量誤差修正模型（VECM），運(yùn)用基于分?jǐn)?shù)維差分的分整向量誤差修正模型（FVECM）來(lái)擬合最高價(jià)和最低價(jià)之間的分形協(xié)整關(guān)系。模型形式如下：

ΔdXt=（1-Δb）Δd-bαβ'Xt+∑Kj=1ΓjΔdLjbXt+εt

（4）

其中，L為分形滯后算子，Lb=1-（1-L）b，本文中Xt=（pHt，pLt），εt=（εHt，εLt），α=（αH，αL）是調(diào)整系數(shù)矩陣，β=（1，γ）是協(xié)整向量。α的分量表示變量對(duì)短期背離的調(diào)整程度，本文對(duì)長(zhǎng)期趨勢(shì)的短期背離可用差價(jià)來(lái)表示。因此，此模型既擬合了證券最高價(jià)和最低價(jià)之間的長(zhǎng)期趨同性，也包含了證券價(jià)格離散性的信息。我們通過(guò)這個(gè)模型可以研究差價(jià)的長(zhǎng)記憶性，可以根據(jù)過(guò)去的歷史價(jià)格對(duì)未來(lái)的最高價(jià)和最低價(jià)進(jìn)行更準(zhǔn)確的預(yù)測(cè)。

本文假設(shè)d=1，表示強(qiáng)分形協(xié)整；β=（1，-1），從而最高價(jià)和最低價(jià)之間的協(xié)整關(guān)系是基于差價(jià)，即二者相減后序列是平穩(wěn)性的。如果b>05，差價(jià)平穩(wěn)且為d-b階單整。如果b

ΔPHt=αH（1-Δb）Δ1-bRt+γ11LbΔPHt+γ12LbΔPLt+εHt

（5）

ΔPLt=αL（1-Δb）Δ1-bRt+γ21LbΔPHt+γ22LbΔPLt+εLt（6）

對(duì)此模型的估計(jì)采用Johansen和Nielsen提出的條件極大似然估計(jì)方法，用matlab程序估計(jì)出模型中的α、γ、d、b等參數(shù)，估計(jì)結(jié)果如表2所示。

從表2可以看出，b =045

投資者會(huì)對(duì)任何影響股票價(jià)格波動(dòng)的因素產(chǎn)生過(guò)度反應(yīng)。這種現(xiàn)象也被稱(chēng)為“贏家―輸家組合效應(yīng)”。利用這種效應(yīng)，投資者可以通過(guò)賣(mài)空過(guò)去表現(xiàn)得好的股票組合（贏家組合Winners），同時(shí)買(mǎi)進(jìn)過(guò)去表現(xiàn)得差的股票組合（輸家組合Losers）而獲得超額收益。這種投資策略只是以過(guò)去的股票價(jià)格作為信息進(jìn)行操作，通過(guò)這種反向操作的策略獲得持續(xù)的超常收益與市場(chǎng)的有效性不一致，這就意味著市場(chǎng)的弱有效性并不成立。

（二）分整誤差修正模型預(yù)測(cè)能力檢驗(yàn)

Diebold和Mariano提出Diebold-Mariamo 檢驗(yàn)法。假設(shè)兩個(gè)模型的預(yù)測(cè)誤差為e1，t和e2，t（t=1，2，3，…，T），g（e1，t）和g（e2，t）代表它們相關(guān)的損失函數(shù)，則兩模型的相對(duì)損失函數(shù)可表示為d=g（e1，t）-g（e2，t）。定義零假設(shè)H0：E（dt）=0。

如果{dt}是協(xié)方差平穩(wěn)和短記憶性的數(shù)列，則根據(jù)中央極限定理，可用下列分配：

T（d-u）N（0，2πfd（0））（7）

其中，d為樣本平均數(shù)，fd（0）為樣本的零點(diǎn)譜密度。檢驗(yàn)統(tǒng)計(jì)量為：

DM=2πd（0）T（8）

其中，d（0）是fd（0）的一致估計(jì)，經(jīng)過(guò)標(biāo)準(zhǔn)化后，DM檢驗(yàn)統(tǒng)計(jì)量是近似N（0，1）的標(biāo)準(zhǔn)正態(tài)分布，DM檢驗(yàn)統(tǒng)計(jì)量為負(fù)數(shù)且顯著時(shí)，則表明拒絕零假設(shè)H0：E（dt）=0。

根據(jù)FVECM模型的預(yù)測(cè)結(jié)果，我們構(gòu)造一個(gè)基于最高價(jià)和最低價(jià)預(yù)測(cè)結(jié)果的反轉(zhuǎn)投資策略，我們對(duì)2013年和2014年兩年483個(gè)數(shù)據(jù)進(jìn)行樣本外預(yù)測(cè)，2010―2012年的數(shù)據(jù)估計(jì)出模型的參數(shù)后，用一步向前預(yù)測(cè)方法，預(yù)測(cè)出2013―2014年的最高價(jià)和最低價(jià)數(shù)據(jù)。

運(yùn)用Diebold-Mariano檢驗(yàn)（簡(jiǎn)寫(xiě)為D-M檢驗(yàn)）將VECM、GARCH（1，1）、RW、MA5、MA22模型和FVECM的預(yù)測(cè)能力進(jìn)行比較。D-M檢驗(yàn)結(jié)果如表3所示。

從表3可以看出，F(xiàn)VECM的預(yù)測(cè)誤差顯著小于其他對(duì)比模型，MA5和MA22通常是用來(lái)觀察股價(jià)走勢(shì)的，而非用來(lái)估計(jì)和預(yù)測(cè)未來(lái)的股價(jià)。與隨機(jī)游走模型RW比較時(shí)，統(tǒng)計(jì)量也是顯著的，說(shuō)明基于FVECM的預(yù)測(cè)結(jié)果好于基于強(qiáng)式有效市場(chǎng)的價(jià)格預(yù)測(cè)，說(shuō)明技術(shù)分析是有效的。VECM局限于整數(shù)維差分，沒(méi)有考慮到差價(jià)的長(zhǎng)記憶性，說(shuō)明本文對(duì)分?jǐn)?shù)維差分和長(zhǎng)記憶性的考慮可以提高模型的價(jià)格預(yù)測(cè)能力。

四、基于分形協(xié)整模型的反轉(zhuǎn)交易策略分析

由于最高價(jià)和最低價(jià)是交易策略的核心組成部分，與壓力線和支撐線的概念有緊密聯(lián)系，我們利用上文模型的預(yù)測(cè)結(jié)果構(gòu)造一個(gè)反轉(zhuǎn)策略。

（一）反轉(zhuǎn)交易策略分析

上文中對(duì)最高價(jià)和最低價(jià)的預(yù)測(cè)結(jié)果可以構(gòu)造一個(gè)帶狀區(qū)間，我們將股價(jià)一日內(nèi)的走勢(shì)與基于差價(jià)的帶狀區(qū)間的交點(diǎn)作為買(mǎi)入和賣(mài)出的信號(hào)。在一個(gè)給定的交易日內(nèi)，價(jià)格向上穿過(guò)上界，則為賣(mài)出的信號(hào)，向下穿過(guò)下界，則為買(mǎi)入的信號(hào)，這種策略稱(chēng)之為反轉(zhuǎn)策略。這種策略也可以解釋為從價(jià)格波動(dòng)時(shí)的短期均值回復(fù)的流動(dòng)性儲(chǔ)備。從前文中可以看出，差價(jià)的上升會(huì)拉低第二日的最高價(jià)，提升第二日的最低價(jià)，因而降低第二日的差價(jià)。因此，選取反轉(zhuǎn)交易策略是合理的。之所以選擇日內(nèi)交易，是為了避免隔夜市場(chǎng)操作帶來(lái)的價(jià)格波動(dòng)風(fēng)險(xiǎn)。

1模擬交易

本文中的反轉(zhuǎn)策略為日內(nèi)交易，通過(guò)FVECM對(duì)最高價(jià)和最低價(jià)的預(yù)測(cè)，計(jì)算出差價(jià)的估計(jì)值T，以日開(kāi)盤(pán)價(jià)為基礎(chǔ)，構(gòu)造最高價(jià)和最低價(jià)形成的帶狀區(qū)間，作為買(mǎi)入或賣(mài)出的信號(hào)，區(qū)間的上下界分別為PU=POt+Rt和PL=POt-Rt。在某一交易日，如果股指點(diǎn)數(shù)向上穿過(guò)上界，就是賣(mài)出的信號(hào)，如果股指點(diǎn)數(shù)向下穿過(guò)下界，就是買(mǎi)入的信號(hào)。一旦買(mǎi)入，就會(huì)產(chǎn)生兩條新的帶，即獲利帶和止損帶，SL=P+δRt和TP=P-δRt。如果股指點(diǎn)數(shù)穿過(guò)SL或TP，應(yīng)該平倉(cāng)；如果直到收盤(pán)時(shí)都沒(méi)有穿過(guò)這兩條帶，就在收盤(pán)時(shí)將持有合約平倉(cāng)。這種策略類(lèi)似于Holmberg將差價(jià)作為開(kāi)盤(pán)價(jià)到收盤(pán)價(jià)之間的分位數(shù)，根據(jù)差價(jià)的波動(dòng)進(jìn)行交易，只是他們的研究沒(méi)有做像本文中的最高價(jià)和最低價(jià)的預(yù)測(cè)。

2反轉(zhuǎn)策略超額收益的驗(yàn)證

為證明FVECM的預(yù)測(cè)結(jié)果對(duì)交易收益的提高，本文按照上述交易策略編寫(xiě)matlab程序?qū)?00股指期貨進(jìn)行模擬交易，選取2013年1月1日至2013年12月31日作為樣本區(qū)間，用1分鐘分時(shí)數(shù)據(jù)進(jìn)行模擬，δ取075。滬深300股指期貨的報(bào)價(jià)單位為滬深300股指的指數(shù)點(diǎn)，合約乘數(shù)為每點(diǎn)300元，最少交易005合約數(shù)，最多交易100合約數(shù)。本文的模擬交易只對(duì)主力合約進(jìn)行交易，為了簡(jiǎn)便起見(jiàn)，不考慮保證金交易和手續(xù)費(fèi)問(wèn)題，用點(diǎn)數(shù)×合約乘數(shù)×交易合約數(shù)作為價(jià)格，交易單位選擇005個(gè)合約。每日收益為（賣(mài)出成交價(jià)-買(mǎi)入成交價(jià)）×300×005。期末收益為兩年間每日收益之和。

比較期末幾種模型的收益情況，結(jié)果如表4所示。

五、結(jié)語(yǔ)

本文主要的貢獻(xiàn)是證明了證券最高價(jià)和最低價(jià)的可預(yù)測(cè)性，用分形協(xié)整向量誤差修正模型FVECM對(duì)最高價(jià)和最低價(jià)之間的分形協(xié)整關(guān)系進(jìn)行建模，符合最高價(jià)和最低價(jià)之間的分形協(xié)整關(guān)系和差價(jià)的長(zhǎng)記憶性。為證明技術(shù)分析的有效性，我們將一個(gè)基于FVECM的預(yù)測(cè)結(jié)果的交易策略用于滬深300股指期貨交易中，提供買(mǎi)入或賣(mài)出的信號(hào)。主要結(jié)論為最高價(jià)和最低價(jià)的預(yù)測(cè)可以提高交易的收益，降低交易時(shí)的風(fēng)險(xiǎn)。在未來(lái)的研究中，希望能進(jìn)行最高價(jià)和最低價(jià)的預(yù)測(cè)能否提高風(fēng)險(xiǎn)分析能力和風(fēng)險(xiǎn)管理的研究。希望構(gòu)建更靈活的模型，可以實(shí)現(xiàn)最高價(jià)、最低價(jià)、差價(jià)的分別估計(jì)和預(yù)測(cè)。可用于衍生產(chǎn)品定價(jià)等領(lǐng)域。

此外，由于本文中的交易策略是日內(nèi)交易，中國(guó)股票市場(chǎng)T+1制度的限制使得無(wú)法將此研究策略擴(kuò)展于股票市場(chǎng)，應(yīng)用的廣泛性還有待提高。希望今后的研究中能出現(xiàn)基于股票市場(chǎng)的對(duì)本文的改進(jìn)，這樣將會(huì)使本文更有實(shí)用價(jià)值。

參考文獻(xiàn)：

[1]

Fama，EFEfficient Capital Markets： A Review of Theory and Empirical Work [J ]Journal of Finance， 1970，25（2）：383-417

[2]Brandt， MW， Diebold，F(xiàn)XA No-Arbitrage Approach to Range-Based Estimation of Return Covariances and Correlations [J ]Journal of Business， 2006，79（1）：61-73

[3 ]Brunetti，C，Lildholdt，PMRelative Efficiency of Return and Range-Based Volatility Estimators [J ]Johns Hopkins University，2005，33（7）：1890-1933

[3]Brunetti，C.，Lildholdt，P.M.Time Series Modeling of Daily Log-Price Ranges for CHF/USD and USD/GBP[J]Journal of Derivatives，2007，15（3）：39-59

[4 ]Murphy，JTechnical Analysis of the Financial Markets [M ]New York：Prentice Hall Press，1999132-259

[5 ]Cheung，YL， Cheung， YW， He， AW， Wan， ATA High-Low Model of Daily Stock Price Ranges [J ] Journal of Forecasting，2009，28（1）：103-119

[6 ]Stakenas，PFractional Integration and Cointegration in Financial Time Series [J ]The Institutional Repository of the University of Amsterdam，2010，33（2）：1890-1933

[7 ]Johansen，S， Nielsen， MLikelihood Inference for a Fractionally Cointegrated Vector Autoregressive Model [J ]Econometrica，2012，34（6）：2667-2732

[8 ]Caporin，M，Ranaldo，A，Magistris，PSOn the Predictability of Stock Prices： A Case for High and Low Prices [J ]Journal of Banking and Finance，2013，37（1）：5132-5146

[9 ]Brock，W，Lakonishok，J，LeBaron，BSimple Technical Trading Rules and Thestochastic Properties of Stock Returns [J ] Journal of Finance，1992，47（1）： 1731-1764

[10 ]Gradojevic， N， Gentay， RFuzzy Logic， Trading Uncertainty and Technical Trading [J ] Journal of Banking and Finance， 2013， 37 （2）：578-586

[11 ]孫青華，張世英長(zhǎng)記憶向量時(shí)間序列的非線性協(xié)整關(guān)系研究 [J ]天津大學(xué)學(xué)報(bào)，2002，（3）：30-32

[12 ]吳大勤金融時(shí)間序列的長(zhǎng)記憶性與分形協(xié)整關(guān)系研究 [J ]管理世界，2006，（3）： 30-32

[13 ]趙進(jìn)文，龐杰中國(guó)A股與H股收益率波動(dòng)的分形協(xié)整研究 [J ]財(cái)經(jīng)問(wèn)題研究，2009，（8）：30-32

[14 ]曹廣喜基于分形分析的我國(guó)股市波動(dòng)性研究 [M ]北京：經(jīng)濟(jì)科學(xué)出版社，2008152-157

[15 ]王錦探討股票市場(chǎng)上技術(shù)分析的有效性：基于最高價(jià)、最低價(jià)、收盤(pán)價(jià) [J ]華中科技大學(xué)學(xué)報(bào)，2009，（8）：30-32

[16 ]陳卓思，宋逢明技術(shù)分析中壓力線與支撐線的存在性檢驗(yàn) [J ]統(tǒng)計(jì)與決策，2006，（22）：30-32

[17 ]謝丁壓力支撐類(lèi)股票技術(shù)分析指標(biāo)的實(shí)證研究及評(píng)測(cè) [J ]經(jīng)濟(jì)研究，2009，（3）： 30-32

Analysis of A Contratian Strategy based on the Predictability of High and Low Prices of Securities

――A Case for IF300 Index Futures

CHEN Qian

篇10

受市場(chǎng)有效性和工具種類(lèi)等因素的限制，國(guó)外一些成熟的量化對(duì)沖模型無(wú)法照搬回A股。我們將國(guó)外的模型進(jìn)行了本土化的改造，4年來(lái)，這種改造已初見(jiàn)成效：2013年，我們的8個(gè)量化對(duì)沖專(zhuān)戶組合年化平均收益超過(guò)了12%。我們欣慰地看見(jiàn)，中國(guó)式的量化對(duì)沖投資已見(jiàn)雛形，且羽翼漸豐。

這些專(zhuān)戶組合的投資過(guò)程，也是我們驗(yàn)證本土化量化對(duì)沖模型的過(guò)程。在實(shí)際運(yùn)行的組合中，我們大體采取兩種模式：阿爾法策略和套利策略。所謂阿爾法策略，是專(zhuān)注于創(chuàng)造絕對(duì)收益。根據(jù)A股市場(chǎng)的特點(diǎn)，我們將理論上的阿爾法策略進(jìn)行了改造，以傳統(tǒng)的主動(dòng)型股票研究分析結(jié)果為基礎(chǔ)，利用多因子模型來(lái)控制組合的風(fēng)險(xiǎn)和相關(guān)性，追求超越市場(chǎng)平均回報(bào)的絕對(duì)收益，為投資者提供持續(xù)穩(wěn)定的阿爾法回報(bào)；第二類(lèi)是套利策略，即利用衍生品到期收斂特點(diǎn)進(jìn)行套利，在國(guó)內(nèi)做得比較多的就是ETF和分級(jí)基金套利。這類(lèi)套利策略基于市場(chǎng)的廣度和速度，但囿于公募基金內(nèi)部防火墻等監(jiān)管規(guī)定的限制，我們采用的多為分級(jí)基金套利。這種方法繞開(kāi)了高頻交易對(duì)速度的極致追求，能夠?yàn)榻M合貢獻(xiàn)無(wú)風(fēng)險(xiǎn)收益。