新闻详情
了解量化交易
作者:管理员    发布于:2017-06-25 15:24   
不管你怎么称呼它,是“量化交易”、“算法交易”、“程序交易”、“自动交易”、“机器人交易”,还是“黑匣子交易”,一提到这些名称,大多数人的心目中马上联想到的可能就是“科学怪人”的形象——一些智商极高、戴着厚厚镜片的天才,在一大堆电脑显示屏的包围下,击打着键盘,运用神秘的数学公式,在数不清的各种交易品种之间频繁交易,瞬间就能创造巨大的财富,但最终总是会带来毁灭性的灾难。
 
确实,大多数人——包括许多资深的投资人士,对于量化交易的态度,可以说是又敬又畏。一方面觉得它高深莫测,心存敬佩;另一方面又觉得它充满风险,备感恐惧。但实际上这两种态度都是完全没有必要的。
 
做量化交易的人往往喜欢把自己弄得神秘兮兮的,像文艺复兴(Renaissance Technologies),还有E D SHAW这些最成功的量化交易基金,就是以其神秘性而出名,所有的员工必须签署严格的保密合同,甚至在公司内部,相互之间都不知道对方在做什么。
 
他们弄得这么紧张是完全可以理解的,毕竟,这是他们吃饭的本钱所在。而且,我想神秘感对他们的市场营销也是很有帮助的吧。不过,他们真正要保护的是细节上的技巧,也就是所谓的know-how,而不是基本的交易策略。尽管目前世界上从事量化交易的人很多,每天也有人建立起新的交易模型,但是,基本的交易策略类型其实是非常有限的,正如我们在后面将会看到的那样,这些策略的原理和我们一般常见的投资交易原理并没有根本上的区别。
 
正因为量化交易从本质上来说,与传统的交易策略相比并没有根本性的区别,因此,其危害性也不像很多人想象的那么可怕,和我们传统的交易策略相比也没有根本上的区别。
 
确实,从美国1987年股灾到美国长期资本公司破产,再到最近美国的金融危机,很多人无疑会把矛头指向量化交易。可是,如果你深入分析的话,很难讲如果没有量化交易的话,类似的巨幅市场波动就不会出现,或者波动的幅度会小一些。毕竟,迄今为止历史上最大的一次股市下跌是美国1929年的股灾,那是在没有电脑、没有量化基金的背景下出现的。
 
当然,这并不是说量化交易不会在某些时候直接导致市场的非理性波动,2007年夏美国股市中所出现的流动性危机便是一个典型的例子(对于当时的情形,我们以后会进一步讨论,不过,这里想说的一个有趣的现象是,对于这场可以说确确实实是由量化交易投资者所造成的危机,很多普通投资者可能根本就没有听说过)。但是,造成这些危机的根本原因并不是量化交易本身,而是由于人性的贪婪和缺乏良好的风险控制所造成的,而这些问题在任何交易策略中都会出现。
 
 
为什么要了解量化交易
 
有的人可能会觉得,我做的是基本面分析,是做价值投资的,量化交易跟我有什么关系呢?确实,即使从没听说过量化交易,你也可能成为一名出色的投资者。但是,随着市场和技术的发展,无论是投资者,还是证券公司等中介公司,对量化交易有所了解是非常有必要的。
 
 
投资者:发现新的空间和机会
 
无论你采用什么投资策略,和做任何事情一样,决定成败的重要因素之一就是你所面临的竞争。记得我在1996年刚回国的时候,几乎人人都在数波浪,根本没人关心公司的基本面。像四川长虹、青岛海尔等很多上市公司,利润持续翻番,市盈率却是个位数。到上市公司进行调研,人家都不知道你是来干嘛的,开股东大会也见不到几个股东。那时候做价值投资,可以说确实是好时光,因为几乎没有竞争。
 
可是在今天,人人都是价值投资者,大家都在研究财务报表,人人都在进行公司调研。很显然,价值投资的竞争是大大激化了。而与此同时,量化交易可以说还处在相当初级的阶段,尽管也有一些人在进行这方面的尝试,但整体而言,规模还相当小,还有很大的进入空间。尤其是推出股指期货和融资融券之后,更是大大扩大了应用量化交易策略的空间,提供了新的可能性。可以说目前中国进行量化交易所面临的竞争还是比较小的,这就给量化交易者提供了发挥的空间。
 
 
投资者:优化当前的投资策略
 
当前最成功的量化交易基金——“文艺复兴(Renaissance Technologies)”的创始人詹姆斯·西蒙斯(James Simons)说过,那些从事量化交易的数学家和物理学家,最大的贡献并不在于他们所掌握的理论知识,而是他们所带来的科学精神。前面已经说过,绝大部分的量化交易策略实际上都是源于已有的策略。但是,当你必须把一项投资策略的所有方面都以量化形式来加以确定的话,你就不得不对这项策略的各个方面进行更深入的思考。
 
巴菲特和芒格看上去和量化交易压根扯不上边,但在某种程度上,可以说他们本身就是人肉版的量化交易机器。巴菲特一直强调,投资最重要的是要理性,不能让情绪影响你的投资决策。芒格强调要以“清单”的形式来进行投资判断。这些都是与量化交易相类似的原则。当你还没有练就巴菲特和芒格那样理性判断的功力时,了解量化交易的原则,可以有效地帮助你提高当前投资策略的合理性。
 
实际上,有研究显示,基于客观性标准的交易策略,整体而言,能比人工判断的交易策略创造更多的超额收益。当然这并不是说让你完全放弃主观判断,毕竟有些东西是很难量化的。但是,通过了解量化交易的策略,可以帮助你重新思考你现有投资策略的各个环节,哪些地方可以更具备客观性,减少主观判断的错误。同时,也可以让你更加明确,哪些环节是真正依赖于你的主观判断能力的。
 
 
机构投资者:降低交易成本
 
对于机构投资者来说,除了前面对所有投资者都适用的两个原因之外,还有一个更直接的原因——量化交易策略可以帮助机构投资者有效地降低自己的交易成本。
对于拥有大资金的机构投资者来说,自己的买单和卖单对市场造成冲击所产生的流动性成本是一项重要的交易成本。而量化交易的一个重要功能,就是通过特定的算法交易有效地减少自己的买卖委托对市场产生的冲击,以降低自己的交易成本。
 
据统计,2009年中国基金的平均周转率为2.9倍。假如交易成本平均降低0.1个百分点的话,就相当于多增加了0.1%×2.9=0.29%的收益率。而在基金排行榜上,这可能意味着好几位排名的差异。实际上,策略得当的话,所能降低的交易成本很可能不止0.1个百分点。
 
 
证券公司:
 
巨大的潜在的经纪业务市场
 
据估计,2009年美国股票交易中73%的交易量是由“高频交易”(量化交易的一种)所贡献的。而目前中国股票市场上量化交易的比例还是非常低的,几乎可以忽略不计。
单就交易手段来讲,中国证券市场一开始就完全是电子化,非常适合进行量化自动交易。但由于中国市场上原来的交易品种比较单一,没有做空机制,而且不能进行T+0交易,从而大大减少了可选择的量化交易策略数量。
 
但现在市场上推出了股指期货、融资融券,极大地丰富了可选择的交易策略,给量化交易提供了广阔的发展空间。在目前竞争日趋白热化的证券经纪市场上,如果证券公司能抓住机会,针对量化交易市场提供有效的交易手段、分析工具和教育培训,将具备极大的发展空间。实际上,一些前期重点开发ETF套利业务的券商,在争夺市场份额上已经初见成效。如果考虑到各种量化交易策略所能提供的可能性,对证券公司来说,量化交易业务是极具发展潜力的。
 
作为证券公司的客户,量化交易投资者是非常有吸引力的。首先,这些客户通常是交易较频繁的,因此交易量也比较大;其次,这些客户往往需要融资融券,从而给证券公司创造佣金以外的收益;另外,这些客户很多会采用所谓的“市场中性(market neutral)”的策略,在牛市和熊市里,都能保持活跃的交易频率。
 
 
什么是量化交易
 
如果你想在一群某项专业的专家之间挑起无休无止的争论的话,一个有效的方法就是让他们对其专业中的一些最基本的概念给出定义。比如,让一群物理学家定义什么是“时间”,让一群经济学家定义什么是“钱”,你就可以看到他们整晚争论了。
 
所以,如果要我对“量化交易”作一个教科书般精确的定义的话,我只能放弃,因为不同的人,在不同的场合下所说的量化交易,可能指的是不一样的东西。我所能做的只是明确一下我们这里所说的量化交易指的是什么,以便能够更好地沟通和交流。
 
从广义上来讲,量化交易是一种利用定量的数据指标,根据事先确定的运算模型,产生买卖决策的投资决策方式。它是相对依据于主观判断的投资决策方式而言的,我这里所说的量化交易,基本上就是指这种广义上的含义。
 
在实际应用的时候,我们的投资决策未必是100%的量化,也未必是100%的主观。什么算量化交易,什么不算量化交易,可能会有异议。所以,一些人所说的量化交易相比另外一些人所说的量化交易,要求可能更严格一些,是专指一些定量化、自动化程度更高的投资交易方式。
 
不管怎么称呼,在我们讨论具体的量化交易策略之前,再进一步明确一下一些与量化交易相关的名称,应该还是有所帮助的。
 
 
量化交易与算法交易
 
在今天的投资界,你听到“算法交易(Algorithmic Trading,或简称Algo Trading)”的次数,可能会比听到“量化交易”的次数更多。确实,在大多数情况下,这两种称谓基本上可以替换着使用,因为目前最流行的量化交易策略,基本上都可以说属于“算法交易”的范畴。
 
不过,在这里,我还是认为量化交易和算法交易是有所区别的。因为算法交易通常意味着高度自动化的交易发现和交易执行,因此算法交易往往也被称为“自动交易(Automated Trading)”,或者是更形象化的“黑匣子交易(Black-box Trading)”。
 
而且,人们在说“算法交易”的时候,往往并不仅仅是泛指所有高度自动化的量化交易策略,而是专门指那些持有期很短、交易相当频繁的交易策略,甚至专门指那些以降低交易成本为目的的交易策略。
 
所以,我们这里所分析的量化交易,特意让它的范围更广一点,不仅包括了算法交易,而且也包括了自动化程度和交易频率不是那么高的其他一些交易策略。
 
 
量化交易与黑匣子交易
 
前面已经说过,“黑匣子交易”是人们对算法交易的一种形象化说法,所以量化交易与黑匣子交易的关系,就和量化交易与算法交易的关系差不多。不过,当人们说黑匣子交易时,更加突出的是一个“黑”字,也就是这些交易策略的神秘性。所以,像ETF套利、现期套利这样一些经典的套利策略,人们似乎觉得它们不够“黑”,一般不会称之为黑匣子。
 
 
量化交易与程序交易
 
单从字面上来讲,程序交易,可以指所有的高度自动化的量化交易策略,包括算法交易。在大多数情况下,人们也确实是这么用这个名称的。不过,纽约交易所对程序交易有专门的定义,指的是同时涉及15个及以上的证券、总交易额至少为100万美元的电子交易。而这类交易很大一部分都是套利,因此当人们说程序交易时,往往特指套利交易策略。
 
 
量化交易与技术分析
 
人们很容易把量化交易和技术分析联系在一起,确实,技术分析中会使用很多的量化指标,量化交易中也会用到一些我们常用的技术指标。而且,相当一部分的量化交易策略和技术分析一样,几乎都是依赖于对价格、成交额等交易信息的分析。不过,量化交易与技术分析还是有所区别的。
 
首先,一些技术分析方法很难被量化。比如,图形分析是技术分析的一个重要部分,可是,一些图形很难被量化定义,比如波浪,这些技术分析手段就无法应用在量化交易中。
 
其次,量化交易并不仅限于技术分析所涉及的交易信息。基本面的信息数据,如收入、利润、购并等公司基本面信息,以及利率、通胀等宏观基本面信息,都可能被量化交易策略所参考。
 
因此,量化交易和技术分析的关系可概括为:二者既有相互重叠的地方,也有相互独立的地方