導(dǎo)語：如何才能寫好一篇量化交易策略的研究，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

盡管量化投資已經(jīng)成為市場投資的發(fā)展趨勢，但是大多數(shù)投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數(shù)學(xué)模型，而賺錢的投資模型都是機構(gòu)的秘密武器，不會輕易披露。另一方面是由于量化投資采用計算機系統(tǒng)，設(shè)計各種交易手段，有著較為復(fù)雜的數(shù)學(xué)計算與技術(shù)要求，現(xiàn)在許多量化投資都是計算機自動執(zhí)行的程序交易。另外，量化交易者，俗稱寬客（quants）的交易和故事多多少少增加了量化投資的神秘感。所以，人們一般把量化投資稱為“黑箱”。納蘭（Narang，R.，2012）描述了量化交易系統(tǒng)的典型構(gòu)造，打開了量化投資的“黑箱”。納蘭認(rèn)為阿爾法模型用來預(yù)測市場未來方向，風(fēng)險控制模型用來限制風(fēng)險暴露，交易成本模型用來分析為構(gòu)建組合產(chǎn)生的各種成本，投資組合構(gòu)建模型在追逐利潤、限制風(fēng)險與相關(guān)成本之間做出平衡，然后給出最優(yōu)組合。最優(yōu)目標(biāo)組合與現(xiàn)有組合的差異就由執(zhí)行模型來完成。數(shù)據(jù)和研究部分則是量化投資的基礎(chǔ)：有了數(shù)據(jù)，就可以進行研究，通過測試、檢驗與仿真正確構(gòu)建各個模型。預(yù)測市場并制定策略是量化投資的核心，即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發(fā)展，量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為，如期現(xiàn)套利組合、市場異象研究中的差價組合等。統(tǒng)計套利策略是經(jīng)典的量化投資策略，如匹配交易或攜帶交易。近年來，高頻交易成為量化投資的重要內(nèi)容，基于高速的計算機系統(tǒng)實施高頻的程序交易已經(jīng)是量化投資的重要利器。丁鵬（2012）將量化投資的主要內(nèi)容分為以下幾個方面：量化選股、量化擇時、股指期貨套利、商品期貨套利、統(tǒng)計套利、期權(quán)套利、算法交易、ETF/LOF套利和高頻交易等。他認(rèn)為量化投資的優(yōu)勢在于：紀(jì)律性、系統(tǒng)性、及時性、準(zhǔn)確性和分散化。

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)定價模型、套利定價理論和期權(quán)定價理論是現(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的無套利條件。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，而量化投資則是“利用計算機科技并采用一定的數(shù)學(xué)模型去實現(xiàn)投資理念、實現(xiàn)投資策略的過程”。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)鍵在于依靠模型來實現(xiàn)投資理念與投資策略。為了分析量化投資對證券投資學(xué)的啟示，本文從量化投資“黑箱”的各個構(gòu)成來探討量化投資與證券投資學(xué)中思路和觀點的差異。

（一）資產(chǎn)定價與收益的預(yù)測

根據(jù)組合優(yōu)化理論，投資者將持有無風(fēng)險組合與市場風(fēng)險資產(chǎn)組合，獲得無風(fēng)險利率與市場風(fēng)險溢價。資本資產(chǎn)定價模型則將此應(yīng)用到單一證券或組合，認(rèn)為證券的風(fēng)險溢價等于無風(fēng)險利率加上與風(fēng)險貢獻比率一致的風(fēng)險溢價，超過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)定價理論給實務(wù)投資的一大貢獻?；谝蛩啬Ｐ偷奶桌▋r理論則從共同風(fēng)險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模型為這一類量化投資提供了統(tǒng)一的參考。可以說，在因素定價方面，量化投資繼承了資產(chǎn)定價理論的基本思想。對于因素定價中因素的選擇，證券投資學(xué)認(rèn)為，對資產(chǎn)價格的影響，長期應(yīng)主要關(guān)注基本面因素，而短期應(yīng)主要關(guān)注市場的交易行為，即采用技術(shù)分析。在量化投資中，主要強調(diào)按照事先設(shè)定的規(guī)則進行投資，這在一定程度上與技術(shù)分析類似。但是，在技術(shù)分析中，不同的人會有不同的結(jié)論，而量化投資則強調(diào)投資的規(guī)則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調(diào)從統(tǒng)計和數(shù)學(xué)模型方面尋找資產(chǎn)的錯誤定價或者進行收益的預(yù)測。

（二）無套利條件與交易成本

在證券投資學(xué)里，流動性是證券的生命力。組合投資理論、資本資產(chǎn)定價模型以及套利定價理論等都認(rèn)為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現(xiàn)，如套利交易。根據(jù)套利定價理論，一旦市場出現(xiàn)無風(fēng)險的套利機會，理性投資者會立即進行套利交易，當(dāng)市場均衡時就不存在套利機會。現(xiàn)實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學(xué)中，對市場中套利限制與非流動性的關(guān)注較少，這是因為傳統(tǒng)金融理論中簡化了市場結(jié)構(gòu)。市場微觀結(jié)構(gòu)理論研究在既定的交易規(guī)則下，金融資產(chǎn)交易的過程及其結(jié)果，旨在揭示金融資產(chǎn)交易價格形成的過程及其原因。在市場微觀結(jié)構(gòu)理論中，不同的市場微觀結(jié)構(gòu)對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應(yīng)有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。

（三）風(fēng)險控制與市場情緒

在證券市場中，高收益與高風(fēng)險相匹配。量化投資在追求高收益的同時，不可避免地承擔(dān)了一定的風(fēng)險。在證券投資學(xué)中，系統(tǒng)性風(fēng)險主要源于宏觀經(jīng)濟因素，非系統(tǒng)性因素則主要源于行業(yè)、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經(jīng)濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側(cè)重點，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交易的因素風(fēng)險外，量化投資還有自身不可忽視的風(fēng)險源。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。另一方面，市場沖擊的流動性成本也是量化投資的風(fēng)險控制因素，理所當(dāng)然地在圖1的風(fēng)險控制模型中體現(xiàn)出來。另外，在一般的投資過程中，市場情緒或多或少會成為風(fēng)險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現(xiàn)的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風(fēng)險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔(dān)適度的風(fēng)險來獲得超額回報，因為畢竟減少風(fēng)險也減少了超額回報。

（四）執(zhí)行高頻交易與算法交易

在對未來收益、風(fēng)險和成本的綜合權(quán)衡下，實現(xiàn)投資策略成為量化投資的重要執(zhí)行步驟。為了達到投資目標(biāo)，量化投資不斷追求更快的速度來執(zhí)行投資策略，這就推動了采用高速計算機系統(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)為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創(chuàng)新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統(tǒng)處理數(shù)據(jù)和進行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點有：處理分筆交易數(shù)據(jù)、高資金周轉(zhuǎn)率、日內(nèi)開平倉和算法交易。高頻交易有4類流行的策略：自動提供流動性、市場微觀結(jié)構(gòu)交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產(chǎn)生高頻交易信號的算法和優(yōu)化交易執(zhí)行過程的算法。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)化買賣指令的執(zhí)行方式，決定在給定市場環(huán)境下如何處理交易指令：是主動的執(zhí)行還是被動的執(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)配置和證券選擇問題。

三、對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）市場微觀結(jié)構(gòu)與流動性沖擊

在理性預(yù)期和市場有效假說下，市場價格會在相關(guān)信息披露后立即調(diào)整，在信息披露前后市場有著截然不同的表現(xiàn)。在證券投資學(xué)里，一般認(rèn)為價格的調(diào)整是及時準(zhǔn)確的，然而，現(xiàn)實的世界里，價格調(diào)整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調(diào)整是瞬間的，影響不大。然而，在高頻交易中，這種價格調(diào)整過程影響很大。市場微觀結(jié)構(gòu)就是研究這種價格形成過程。市場微觀結(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訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關(guān)注信息公布后信息反映到價格中的這一過程，認(rèn)為含有信息的訂單流是導(dǎo)致價格波動的原因。無論是關(guān)注委托訂單的存貨模型還是關(guān)注市場參與者信息類型的信息模型，這些市場微觀結(jié)構(gòu)的研究加強了流動性與資產(chǎn)價格之間的聯(lián)系，強調(diào)流動性在量化投資決策中的重要作用。一般的證券投資學(xué)中基本沒有市場微觀結(jié)構(gòu)的內(nèi)容，因而，為了加強證券投資學(xué)的實用性，應(yīng)關(guān)注市場微觀結(jié)構(gòu)的內(nèi)容與發(fā)展。

（二）業(yè)績評價與高杠桿

對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風(fēng)險與業(yè)績。在組合業(yè)績評價中，一方面要考慮風(fēng)險的衡量，另一方面則要分析業(yè)績的來源。在證券投資學(xué)中，組合業(yè)績來自于市場表現(xiàn)以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業(yè)績評價還應(yīng)考慮另一個因素：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，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統(tǒng)的業(yè)績評價就不太一樣。在一般的證券投資學(xué)里，業(yè)績評價主要考慮經(jīng)風(fēng)險調(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，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

在量化投資中，非常注重計算機對數(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，實際中，別看量化采用了各種數(shù)學(xué)、統(tǒng)計模型，但策略設(shè)計、策略檢測和策略更新等過程都離不開人的決策。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施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，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，這一部分依賴于投資者的經(jīng)驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉(zhuǎn)的判斷主要還是依賴投資者的經(jīng)驗。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：決策實施依賴于人的設(shè)定，而人的設(shè)定不僅依賴于經(jīng)驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認(rèn)知是不完全的，另一方面則是人們使用了錯誤的模型。經(jīng)典的證券投資理論中，股票價格的變動被認(rèn)為是隨機的，小概率事件出現(xiàn)的機會比較小，但是經(jīng)驗研究表明股票收益率具有肥尾現(xiàn)象，小概率事件發(fā)生的機會超出了人們原先的認(rèn)識，即市場還會出現(xiàn)“黑天鵝”。更為關(guān)鍵的是，量化投資更依賴數(shù)學(xué)和統(tǒng)計模型，這就使得量化投資存在較大的模型風(fēng)險，即使用了錯誤的模型。為了防范模型風(fēng)險，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)多種市場環(huán)境。近年來，研究表明，證券收益及其與風(fēng)險因素的關(guān)系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學(xué)習(xí)等數(shù)據(jù)挖掘技術(shù)進行信息處理成為量化投資的重要技術(shù)支持。

（四）2013年諾貝爾經(jīng)濟學(xué)獎的啟示

篇2

在40歲之前，西蒙斯是一位在數(shù)學(xué)界頗有名望的教授，先后在麻省理工學(xué)院、哈佛大學(xué)、美國國防分析研究院任職。但從學(xué)術(shù)研究轉(zhuǎn)型后的西蒙斯，在投資領(lǐng)域的風(fēng)頭更勁。1988年他創(chuàng)立的大獎?wù)禄?，曾?chuàng)下連續(xù)20年，平均收益率超過35%的優(yōu)良業(yè)績。哪怕是在2008年的金融危機中，該基金也獲得了80%的凈收益。除此之外，美國最大的十大對沖基金，基本上都是依靠量化投資的方式進行分析市場和交易。這在美國是一種常見的投資方式。

國內(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5年的發(fā)展，以其超越牛熊的穩(wěn)定收益獲得了眾多機構(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)量化對沖類的私募基金，不但沒有損失，其凈值反而創(chuàng)出新高即是明證。

程序化交易不一定會增加波動率

程序化交易大大增加了市場的流動性，是穩(wěn)定市場的重要力量。金融市場的核心價值在于流動性，無論是價值投資者，還是套保者，都需要對手盤。流動性越好的市場，才具有更好的價值發(fā)現(xiàn)功能。程序化交易主要是以短線交易為主，無論是套利還是投機策略，它們的存在大大增加了市場深度。對于套利類的策略，程序化交易是降低波動率的，對于投機類策略，程序化交易是增加波動率的。

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

然而對于做方向易的策略，往往是追漲殺跌的，這個和普通散戶的操作方式類似。這種策略下，當(dāng)市場出現(xiàn)大幅上漲的時候會助漲，大幅殺跌的時候也會助跌，會增加市場的波動率。

其實波動率這個東西，不能太大，也不能太小。沒有波動率的市場就缺乏足夠的流動性，一個沒有流動性的市場，又怎么可能承擔(dān)金融市場優(yōu)化資源配置的責(zé)任呢？

2010年5月6日，美國紐交所的道瓊斯工業(yè)指數(shù)曾經(jīng)出現(xiàn)過一次“閃甭”事件，當(dāng)時道瓊斯工業(yè)指數(shù)曾瞬間狂瀉1000點，短時間內(nèi)造成1萬億美元市值蒸發(fā)。事后紐交所雖然對外宣稱程序化交易對此事負(fù)有責(zé)任，但是截至目前，對于此事到底是不是由于程序化交易造成的，美國調(diào)查機構(gòu)并沒有一個最終的結(jié)論。所以與其說股指大幅調(diào)整是因為程序化交易造成的，不如去關(guān)注是否是因為市場本身泡沫過大，以至于需要一次調(diào)整，市場才能繼續(xù)上行。

所以并不能一概而論地說程序化交易一定會增加波動率。事實上，2008年的金融危機中，國內(nèi)的量化投資還很少，而上證綜指不也上演了6000點到2000點的戲碼？程序化交易只是一個工具，它是中性的，不是說必然做多，也不會必然做空。尤其是7月份以來，股指期貨持續(xù)貼水，絕大多數(shù)的套利類的量化策略因為缺乏機會，都停止交易了，但是這并沒有避免股指出現(xiàn)大幅震蕩。

中國的量化投資基金現(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)險的能力。事實上，目前中國很多以量化對沖方式運作的私募基金，他們產(chǎn)品的業(yè)績都非常的穩(wěn)定，就足以說明問題了。普通投資人，不能總是追漲殺跌，靠聽消息炒股的時代必將過去，未來的金融市場，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，否則被市場消滅是遲早的事情。

就拿這次被禁止交易的幾個量化對沖私募基金來說，據(jù)已公布的資料顯示，其中不乏一些歷史業(yè)績十分優(yōu)秀的公司。比如盈融達投資（北京）有限公司，他們主要的量化投資類產(chǎn)品，過去幾年年化收益率都在20%左右，無論身處牛熊市，收益都非常的穩(wěn)定。目前盈融達的資產(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的，還有十余家之多，再加上券商、基金公司開發(fā)的產(chǎn)品，國內(nèi)量化對沖類的產(chǎn)品，已經(jīng)有兩三千億元的規(guī)模了。

從產(chǎn)品收益來看，2015年初至7月31日公募量化對沖產(chǎn)品的平均收益（剔除6月剛成立的華泰柏瑞量化收益）為12.07%，而同期普通股票型基金的收益為25.08%;在前期市場暴跌期間（取6月15日至7月9日）公募量化對沖產(chǎn)品的平均收益為-0.13%，而同期普通股票型基金的平均收益為-39.06%。

篇3

關(guān)鍵詞：量化投資；傳統(tǒng)投資；模式數(shù)學(xué)模型；自變量參數(shù)

1量化投資簡介

1.1基本概念

量化投資是一種借助于計算機高效計算程序進行復(fù)雜運算，以金融產(chǎn)品未來收益與風(fēng)險為研究對象的新型投資方式。量化投資的基礎(chǔ)是以股票價格、日成交額等大數(shù)據(jù)庫數(shù)據(jù)為參考樣本數(shù)據(jù)并建立數(shù)學(xué)模型，運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)模型可以用來預(yù)測指導(dǎo)投資交易。任何一個投資的方案或者設(shè)想，都可以為它設(shè)計一個數(shù)學(xué)模型，然后借助大數(shù)據(jù)庫的現(xiàn)有數(shù)據(jù)進行迭代法測試分析，以此來判別數(shù)學(xué)模型的有效性。傳統(tǒng)投資方式基本上是對傳統(tǒng)的技術(shù)分析和公司的經(jīng)營狀態(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大數(shù)據(jù)市場數(shù)據(jù)的，數(shù)據(jù)樣本空間容量足夠大，而且可以快速進行運算并排除投資者個人心理因素的主觀影響，科學(xué)性和時效性更強。此外，量化投資是一種主動性的投資方式，在進行數(shù)學(xué)模型選擇、自變量選取、數(shù)學(xué)模型的驗算迭代都是投資行為的主動部分。

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，在制定交易策略時必須立足于投資市場、投資產(chǎn)品以及分配在內(nèi)等。具體交易平臺則是靠以計算機計算程序為基礎(chǔ)的線上交易平臺系統(tǒng)。進行量化投資交易時通常會遇到各種較為復(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)庫數(shù)據(jù)，靈活采用各種方法來判斷投資對象是否值得投資?？傮w來說，量化投資有估值法、資金法和趨勢法三種。

2量化投資現(xiàn)狀

從理論上來說，每個量化投資者的決策行為可以被同化為理性預(yù)期、風(fēng)險規(guī)避、嚴(yán)格效用基本一致的理想化模型。然而現(xiàn)實情況中每個人的心理活動、出發(fā)點、知識水平等都存在差異，進行量化投資時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，而且非理性行為對理性行為也存在著一定的影響，因此投資人在進行投資決策時并不能完全理性地進行選擇。綜上所述，非理性人的客觀存在使投資人在進行投資決策時不能完全忽視個人的心理因素。既然個人的心理因素?zé)o法排除，那么在建立決策分析數(shù)學(xué)模型時，就應(yīng)該把個人的心理因素考慮在內(nèi)。當(dāng)前我國國內(nèi)量化投資有以下幾個特點：(1)個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量化投資市場。(2)我國的量化投資市場雖然發(fā)展迅速但仍不成熟。與美國及歐洲發(fā)達國家相比，我國量化投資市場只能是一個新興的市場，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。目前我國量化投資行業(yè)的企業(yè)種類比較多，跨越眾多不同的領(lǐng)域。加上我國量化投資市場還處于新生期，市場不穩(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)前我國量化投資者正是依據(jù)當(dāng)前行業(yè)的特點，從不同的層面和角度驗證分析，建立泡沫型數(shù)學(xué)分析模型，才能獲得巨大的利潤。(4)量化投資策略研究落后。通過把我國量化投資策略與美國及西方發(fā)達國家的量化投資策略進行對比，發(fā)現(xiàn)我國現(xiàn)有的量化投資策略嚴(yán)重落后。國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，腳踏實地潛心研究總結(jié)出來的?，F(xiàn)階段我國量化策略研究多是借用國外的策略，結(jié)合國內(nèi)的量化投資行業(yè)的實際現(xiàn)狀進行修正得來的。當(dāng)前我們還缺少指導(dǎo)量化投資行業(yè)的專家、指導(dǎo)著作，為此我國國內(nèi)的一些高等院校開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

量化投資是在定性投資基礎(chǔ)上進行繼承和延伸的一種主動投資工具。定性投資的核心是對宏觀經(jīng)濟和市場基本面進行深入的分析，再加上實地調(diào)研上市公司以及與上市公司的管理層進行經(jīng)驗交流，最終把調(diào)研結(jié)果整理成專題報告，把報告作為決策依據(jù)。不難看出定性投資帶有很大的個人主觀判斷性，它完全依賴于投資經(jīng)理個人經(jīng)驗以及對市場的認(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數(shù)據(jù)庫大數(shù)據(jù)，運用各種方法發(fā)現(xiàn)運用大數(shù)據(jù)所體現(xiàn)出來的有用信息，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。

3.1投資方式更加理性

量化投資是采用統(tǒng)計數(shù)學(xué)與計算機建模分析技術(shù)，以行業(yè)大數(shù)據(jù)庫為參考，取代了個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)的樣本容量已遠遠高于有限的對上市公司調(diào)研所形成的樣本容量；在進行投資決策時，把決策過程科學(xué)化數(shù)量化可以最大程度的減少投資者決策時個人情感等心理因素對決策結(jié)果的影響，從而避免了錯誤的選擇方向。

3.2覆蓋范圍大效率高

得益于因特網(wǎng)的廣泛實施應(yīng)用，與各行各業(yè)的運行數(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；得益于計算機行業(yè)云時代到來對計算分析速度的革命性變革，在極短的時間內(nèi)就可以得到多種量化投資的投資方法。定性投資方式進行決策時，由于決策人的精力和專業(yè)水平都存在一定的局限性，自然其考慮投資的范圍要遠遠低于電腦決策，二者根本沒有可比性。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，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充，搭配使用會起到意想不到的效果。

4量化投資的劣勢

上文已經(jīng)提到量化投資的決策過程依賴于大數(shù)據(jù)庫以及計算機分析系統(tǒng)的科學(xué)決策，因此只要投資思想正確量化投資就不會出現(xiàn)錯誤。然而即使是投資思想及決策過程都沒有問題，也不意味著量化投資完美無缺。量化投資本質(zhì)上是對某一特定基準(zhǔn)面的分析，事實上基準(zhǔn)面有時范圍過小，縱然決策過程合理化、無偏差，量化投資也存在一定的局限性。量化投資的另一特點是進行考察決策時覆蓋的市場面非常廣泛，在當(dāng)前國民經(jīng)濟快速發(fā)展的時代，人們對市場的認(rèn)知難免出現(xiàn)盲區(qū)或者對某一個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)險特性，人們更多地依賴于采用大數(shù)據(jù)云分析平臺進行決策，如此大家對某一行業(yè)的市場認(rèn)知以及投資決策水平就處在同一認(rèn)知層次上，當(dāng)遇到極端的市場行情時，人們作出的交易決策往往一致，即容易達成交易的一致性。例如期貨行業(yè)以及股票行業(yè)，在市場行情動蕩的特殊時期，人們往往選擇在同一時機拋出股票或者期貨，這種大規(guī)模的一次性拋盤則會造成在預(yù)期拋售價格基礎(chǔ)上的劇烈波動，導(dǎo)致投資者的實際收益在一定程度上低于預(yù)期收益。此種情形下又會引起新一輪投資恐慌，不利于市場的穩(wěn)定發(fā)展。

4.2指標(biāo)鈍化和失效

任何一個行業(yè)的某一個市場承載投資者的容量都是有限的，從戰(zhàn)略投資的角度來看，當(dāng)某一個市場的產(chǎn)業(yè)鏈較為成熟、技術(shù)門檻較低時，投資者進入該市場就會容易很多，當(dāng)市場的承載量大大低于投資者進入數(shù)量時，既定的投資策略則會失效。例如某一企業(yè)的某只股票第一年能獲得50%的收益，第二年則降為20%的收益，第三年可能是5%，第四年就沒有收益了。諸如趨利反轉(zhuǎn)策略、套利策略現(xiàn)在已經(jīng)非常大眾化且投資者已經(jīng)達成共識，一擁而上集中式進行投資就會導(dǎo)致投資評價指標(biāo)鈍化甚至失效。

篇4

德意志銀行在第十二期年度另類投資調(diào)查報告中預(yù)測，2014年，對沖基金管理資產(chǎn)總規(guī)模將從2013年底的2.6萬億美元增至3萬億美元新高。而反觀國內(nèi)，量化對沖投資才剛剛起步，尤其是公募領(lǐng)域，尚未有一只真正意義上追求絕對收益的量化對沖產(chǎn)品。

受市場有效性和工具種類等因素的限制，國外一些成熟的量化對沖模型無法照搬回A股。我們將國外的模型進行了本土化的改造，4年來，這種改造已初見成效：2013年，我們的8個量化對沖專戶組合年化平均收益超過了12%。我們欣慰地看見，中國式的量化對沖投資已見雛形，且羽翼漸豐。

這些專戶組合的投資過程，也是我們驗證本土化量化對沖模型的過程。在實際運行的組合中，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，是專注于創(chuàng)造絕對收益。根據(jù)A股市場的特點，我們將理論上的阿爾法策略進行了改造，以傳統(tǒng)的主動型股票研究分析結(jié)果為基礎(chǔ)，利用多因子模型來控制組合的風(fēng)險和相關(guān)性，追求超越市場平均回報的絕對收益，為投資者提供持續(xù)穩(wěn)定的阿爾法回報；第二類是套利策略，即利用衍生品到期收斂特點進行套利，在國內(nèi)做得比較多的就是ETF和分級基金套利。這類套利策略基于市場的廣度和速度，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基金套利。這種方法繞開了高頻交易對速度的極致追求，能夠為組合貢獻無風(fēng)險收益。

更為可貴的是，通過量化對沖專戶的實踐，我們打造了自己的量化投資流水線，在金融工具、阿爾法策略、套利及實時風(fēng)控等業(yè)務(wù)鏈環(huán)節(jié)上，我們的團隊和模型進一步得到完善，即使在白酒股異動、烏龍指這樣的“黑天鵝”事件出現(xiàn)時，也經(jīng)受住了市場的考驗。

篇5

一、行業(yè)輪動策略

在國外，板塊輪動一直作為一種投資策略被廣泛應(yīng)用于投資實踐。板塊輪動的最基本的特征是，在經(jīng)濟周期的不同階段，可以系統(tǒng)的預(yù)測到不同的經(jīng)濟板塊（或行業(yè)）跑贏（或差于）市場。而且，運用板塊輪動策略的投資者們相信這種相對的績效，即在經(jīng)濟周期的不同階段從一個板塊轉(zhuǎn)向另一個板塊所帶來的收益。

國外不少的研究文章發(fā)現(xiàn)，板塊的表現(xiàn)并不一致，或者說提前（滯后）于經(jīng)濟周期階段。Hou（2007）發(fā)現(xiàn)了板塊的提前/滯后效應(yīng)，原因是新信息經(jīng)濟的到來。Hong，Torous和Valkanov（2007），還有Eleswarapu和Tiwari（1996）的研究認(rèn)為，和經(jīng)濟活動有著密切聯(lián)系的板塊，如零售，金屬材料，服務(wù)業(yè)和石油板塊，引領(lǐng)著市場長達兩個月之久。Menzly和Ozbas（2004）證明，行業(yè)績效的時機和該行業(yè)在生產(chǎn)消費供應(yīng)鏈中的位置有著密切的聯(lián)系，存在于上游和下游行業(yè)間的某種穩(wěn)定的滯后關(guān)系。文章結(jié)論表明，基礎(chǔ)材料板塊是經(jīng)濟復(fù)蘇階段第一個啟動的板塊，隨后是制造業(yè)。Stovall（1996）發(fā)現(xiàn)，處于消費末端的消費者相關(guān)的行業(yè)，如耐用消費品行業(yè)，是從衰退到復(fù)蘇階段的過程中最后啟動的行業(yè)。Sassetti和Tani（2003）關(guān)于板塊基金收益的研究表明，在經(jīng)濟周期中期，板塊轉(zhuǎn)換是個成功的策略。然而，他們同樣發(fā)現(xiàn)，長期的投資者優(yōu)于市場指數(shù)。相對而言，Tiwari和Vijh（2005）就質(zhì)疑投資者將資金運用于板塊間輪動的能力。他們研究是基于一個板塊基金數(shù)據(jù)，從1972年到1999年的數(shù)據(jù)，結(jié)果顯示，板塊輪動的投資者缺乏選擇板塊與時點的能力，并且在修正風(fēng)險與交易費用的情況下，投資者并不能獲得超額收益。

當(dāng)前，國內(nèi)的文獻研究多是從行為金融學(xué)的角度對研究投資者行為推動的板塊輪動現(xiàn)象進行研究的。何誠穎（2001）認(rèn)為我國的股票市場的板塊輪動現(xiàn)象具有明顯的投機性，并可分為個股投機、板塊投機和大盤投機三類，然后文章運用現(xiàn)代資本市場理論和行為金融學(xué)理論對板塊現(xiàn)象分析，引用Shiller（1989）一文中的兩類投資者（噪音交易者和知情下注交易者）的假設(shè)對板塊現(xiàn)象進行了研究分析，并認(rèn)為板塊現(xiàn)象是一種市場投機，而且其形成與中??股市投資者行為特征密切相關(guān)。陳夢根、曹鳳岐（2005）一文從市場中不同證券之間的價格關(guān)系出發(fā)研究股票價格間的沖擊傳導(dǎo)機制，認(rèn)為在中國這樣的轉(zhuǎn)軌經(jīng)濟新興市場中，投資者受政策預(yù)期主導(dǎo)，決策與行為趨同，一定程度上強化了股價沖擊傳導(dǎo)的動態(tài)作用機制，整個市場顯著的表現(xiàn)為板塊聯(lián)動、股價齊漲齊跌現(xiàn)象。文章實證研究表明，在上海證券市場中，不同的行業(yè)板塊在股價沖擊傳導(dǎo)機制中的重要性不同，也即存在著板塊輪動的特征，但是證券市場股價波動的市場性顯著地超過了不同行業(yè)板塊的獨立性，不同行業(yè)間的組合投資策略的績效并非最佳。還有少量的文獻研究認(rèn)為存在著其他一些因素如資金流動，莊家炒作等也可以對板塊輪動現(xiàn)象做出一定的解釋。

可以看出我國股市板塊輪動現(xiàn)象的研究，主要集中于板塊現(xiàn)象的描述和測量，以及對板塊輪動現(xiàn)象進行解釋，且目前這些解釋還多是停留在定性理解層面，缺乏系統(tǒng)定量的研究。另一方面將板塊輪動現(xiàn)象作為投資策略應(yīng)用于投資實踐的研究則相對較少。盡管板塊可以多種形式進行分類，然而以行業(yè)屬性劃分板塊是最為基礎(chǔ)的，也是投資決策應(yīng)用最廣泛的板塊概念。

二、動量策略

動量效應(yīng)也稱慣性效應(yīng)，是指在過去一段時間收益率高的股票，在未來一段時間的收益率仍然會高于過去收益率較低的股票，即股票的表現(xiàn)情況有延續(xù)原來運動方向的趨勢。反轉(zhuǎn)效應(yīng)也稱反向效應(yīng)，是指在過去一段時間內(nèi)收益率高的股票，會在以后的一段時間會表現(xiàn)較差；表現(xiàn)差的股票在以后的一段時間，其收益率會出現(xiàn)逆轉(zhuǎn)趨勢。

國外對于動量效應(yīng)和反轉(zhuǎn)效應(yīng)的研究始于1985年，DeBondt和Thaler基于1926年至1982年美國證券市場上的股票交易數(shù)據(jù)，采用相等權(quán)重在贏家組合（也稱為贏者組合，是指在一段時間內(nèi)收益率高的股票）和輸家組合（也稱為輸者組合，是指在一段時間內(nèi)收益率較低的股票）上的方法，結(jié)果證實贏者組合的收益顯著小于輸者組合。然后，金融經(jīng)濟學(xué)者開始對動量效應(yīng)和反轉(zhuǎn)效應(yīng)做出進一步探索，分別在不同的市場驗證其存在與否。Chan（1988）研究發(fā)現(xiàn)股票在前期表現(xiàn)的好或者表現(xiàn)不好，這種表現(xiàn)在后期不能一直持續(xù)下去的，這與市場風(fēng)險隨時間的變化有密切聯(lián)系。隨著動量效應(yīng)和反轉(zhuǎn)效應(yīng)的研究日益增多，其研究方法也趨于成熟。Jegadeesh和Titaman（1993）基于美國證券市場的股票交易數(shù)據(jù)對動量效應(yīng)的存在性驗證時所設(shè)計的動量策略被后來的研究者廣為采用，這種經(jīng)典方法也稱為傳統(tǒng)的動量策略。后來大量金融經(jīng)濟學(xué)家采用Jegadeesh和Titaman設(shè)計的策略，針對所研究市場的實際情況，對動量效應(yīng)和反轉(zhuǎn)效應(yīng)進行存在性驗證。Chang（1995）研究發(fā)現(xiàn)日本證券市場的股票價格具有短期的反轉(zhuǎn)效應(yīng)。Kaul和Conazd（1998）在研究美國證券交易所和紐約證券交易所1926年至1989年間的股票的動量效應(yīng)和反轉(zhuǎn)效應(yīng)時，構(gòu)造8種不同的投資時間期限，發(fā)現(xiàn)大約50%的投資策略組合具有顯著性超額收益，在具有顯著性收益的策略組合里面，動量策略和反轉(zhuǎn)策略所占的比 例基本相等。Rouwenhorst（1998）在研究歐洲地區(qū)的證券市場時，選取了十二個國家的股票市場上的股票作為研究對象，發(fā)現(xiàn)股票收益在長期上沒有明顯的持續(xù)現(xiàn)象，而在中短期，股票市場的收益有持續(xù)現(xiàn)象；另外，在公司資產(chǎn)規(guī)模上做了對比，資產(chǎn)規(guī)模大或小的公司都具有動量效應(yīng)，但是規(guī)模較小的公司的股票價格的動量效應(yīng)在統(tǒng)計上表現(xiàn)更為顯著。Schiereck（1999）在針對德國股票市場的日交易數(shù)據(jù)實證分析動量效應(yīng)和反轉(zhuǎn)效應(yīng)，結(jié)果顯示德國股票價格的動量效應(yīng)表現(xiàn)在中期，反轉(zhuǎn)效應(yīng)則表現(xiàn)在短期和長期。Ahme和Nusrct（1999）在基于7個國家的股票市場股價的動量效應(yīng)和反轉(zhuǎn)效應(yīng)，發(fā)現(xiàn)了股票價格在長期的表現(xiàn)均出現(xiàn)反轉(zhuǎn)效應(yīng)。Hamed和Ting（2000）以馬來西亞的證券市場為研究對象，對股票的動量效應(yīng)和反轉(zhuǎn)效應(yīng)做實證研究，研究得出馬來西亞證券市場和日本的證券市場的反轉(zhuǎn)效應(yīng)的時間基本一致，表現(xiàn)在短期。

在國內(nèi)，吳沖鋒和朱戰(zhàn)宇（2005）研究我國滬深股票市場股票價格行為時，考慮我國市場的賣空限制，在運用重疊抽樣方法，在形成期考慮收益率和交易量對股票進行排序，建立動量策略模型，考察動量策略的盈利情況，研究發(fā)現(xiàn)我國A股市場不存在動量效應(yīng)。郝靜軒（2006）通過滯后期、加權(quán)收益計算等改進的動量策略，考察改進后的交易策略對贏家組合的影響，實證結(jié)果顯示，在考慮交易成本的情況下，改進的動量策略對贏家組合的收益有明顯的提升。東凱（2010）研究動量策略的改進方法中，通過設(shè)定月度市盈率作為閡值來調(diào)整投資組合的方法顯示，改進的動量投資策略的收益表現(xiàn)好于大盤的表現(xiàn)。張榮武，何麗娟和聶慧麗（2013）就我國股市的實際情況，運用HS模型的基礎(chǔ)上，將我國股市中的投資者分為套利慣性投資者、動量交易投資者以及消息觀察者，從三者的對技術(shù)和基本面的不同的關(guān)注視角出發(fā)，分別研究他們的投資決策對A股價格的不同影響。經(jīng)驗證，套利慣性投資者的一系列行為決策會加劇股市的反轉(zhuǎn)效應(yīng)，套利慣性投資者和動量交易者的決策行為均可以引發(fā)股市的動量效應(yīng)。王俊杰（2013）對動量交易策略的擇時上做了實證研究，研究發(fā)現(xiàn)動量策略交易時，在形成期之后，不直接購買，而是經(jīng)過一定的滯后期再進入持有期，效果優(yōu)于市場平均收益和傳統(tǒng)動量策略方法。

綜合國內(nèi)外學(xué)者對動量效應(yīng)和反轉(zhuǎn)效應(yīng)的研究，可以看出無論成熟發(fā)達的美證券市場，還是處于發(fā)展中的中國證券市場，大部分學(xué)者的研究支持證券市上存在動量效應(yīng)和反轉(zhuǎn)效應(yīng)。就我國A股市場而言，對于動量效應(yīng)和反轉(zhuǎn)效的存在期的長短上程度上，由于采用的股票樣本和研究時間區(qū)間不一樣，國內(nèi)者的研究結(jié)果存在差異的。

三、基本面策略

在傳統(tǒng)資本市場理論中，價值投資并沒顯著的地位，當(dāng)時的主流思想為有效市場假說，即市場能夠完全準(zhǔn)確的反映資產(chǎn)的價值，即投資者無法通過基本面分析、技術(shù)分析等手段得到超額收益。但隨著二十世紀(jì)八十年代起，越來越多的研究發(fā)現(xiàn)，有效市場并不真正存在，投資收益并不能完全由風(fēng)險來解釋；市場中股票的價格存在偏離內(nèi)在價值的情況，通過研究價格的偏差波動，能夠?qū)崿F(xiàn)正的超額收益，從而駁斥了經(jīng)典EMH假設(shè)。基于市場非有效性，BenjaminGraham提出了價值投資的理念，其在《證券分析》中將其定義為：“基于詳盡的分析，對本金的安全和滿意回報有保證的操作”，通俗而言就是通過基本面的分析，同時考量一定的安全邊際的選擇投資策略。

在價值投資理念逐漸普及并被接受之后，國外學(xué)者針對價值投資的有效性進行了一系列檢驗。Fama和French于1992年，針對1963年至1990年在NYSE，AMEX，NASDQ上市的股票，將其分別按B/M與E/P指標(biāo)進行研究。其研究顯示：隨著B/M及E/P分組標(biāo)記的組別增加，其月收益率有明顯的遞增現(xiàn)象，同時，這一現(xiàn)象無法用公司的beta值來解釋，這也就說明價值型的股票確實能夠較成長型股票帶來超額收益。Lakonishok，Shleifer和Vishny（1994）根據(jù)1963年至1990年在NYSE與AMEX上市的股票，針對高B/M的公司?^低B/M公司平均收益更高的現(xiàn)象進行了進一步研究。他們發(fā)現(xiàn)不僅在根據(jù)B/M排名形成公司組合的投資策略存在明顯的超額收益，同時在根據(jù)C/P、銷售增長率和E/P排名形成公司組合的投資策略也存在明顯的超額收益。Fama和French于1998年，針對包括美國、EAFE國家成熟市場以及16個新興市場國家的股票市場再次進行了實證研究。他們根據(jù)B/M，C/P，E/P和D/P區(qū)分價值股和成長股，從而形成投資組合。在13個成熟市場以及16個新興市場中，均發(fā)現(xiàn)價值組合相較于成長股組合有明顯的超額收益。

國內(nèi)學(xué)者也對利用估值指標(biāo)進行的投資策略進行了檢驗。王孝德與彭燕（2002）針對中國股票市場進行了實證研究，結(jié)果發(fā)現(xiàn)與國外成熟市場類似，價值投資策略在中國也能得到較高的超額收益。盧大印、林成棟、楊朝軍（2006）根據(jù)股價、B/M、S/P以及E/P作為指標(biāo)確定投資組合，發(fā)現(xiàn)價值型的投資組合確實有高于成長型股投資組合的收益率。林樹、夏和平、張程（2011）基于B/M、C/P、E/P及GS，針對我國A股市場構(gòu)造了投資組合，研究表明以單變量構(gòu)成的組合中，大多價值型投資組合的收益率兩年明顯高于成長型投資組合；而以雙變量構(gòu)成的投資組合較單變量的顯著性更高。即在中國股票市場，基于估值指標(biāo)的投資策略仍然使用。

通過國內(nèi)外眾多學(xué)者的研究以及實證檢驗發(fā)現(xiàn)，價值投資在國內(nèi)外的資本市場均能夠產(chǎn)生正的投資收益，即根據(jù)公司的估值指標(biāo)、財務(wù)指標(biāo)均能有效的預(yù)測將來的公司收益，形成正投資回報的投資策略。

篇6

【關(guān)鍵詞】指令流毒性 量化監(jiān)管 動態(tài)調(diào)整 股指期貨

一、引言

高頻交易如風(fēng)暴一般的席卷了華爾街，據(jù)統(tǒng)計2009年之前，美國市場中將近2000個交易公司中幾乎2%是高頻交易公司，然而2009年開始美國高頻交易公司分別占了70%的股票市場交易量和近50%的期貨市場交易量，這些高頻交易公司通常充當(dāng)了做市商的角色，向市場提供流動性，也提高流動性。

市場微觀結(jié)構(gòu)指出知情交易者可以利用不知情交易者獲利。指令流被認(rèn)為是有毒性的當(dāng)它逆向選擇做市商時，做市商可能在其不知情的情況下在提供流動性的同時承受了損失，而指令流毒性會產(chǎn)生巨大的市場風(fēng)險。

傳統(tǒng)的衡量指令流毒性的PIN值（伊斯利，基弗，奧哈拉和裴普曼提出了一種算法，即通過報價序列中的數(shù)據(jù)推斷出知情交易的概率即PIN值。

學(xué)者伊斯利在知情交易概率PIN的基礎(chǔ)上，提出了一種新的方法可直接估計高頻交易中的指令流毒性（VPIN）。這種方法可以避免估計那些不可觀測到的參數(shù)，并且可以隨著新信息到達市場的速度來隨機的更新VPIN，克服了在交易量很大的市場里難以估計PIN的困難，是一種較為簡單易操作的測量指令流毒性的處理方法；實證結(jié)果表明VPIN可以預(yù)測短期毒性誘導(dǎo)的波動，特別是當(dāng)涉及到大的價格波動的時候。

劉文文，張合金使用VPIN模型，2010年6月17日到2011年7月15日的數(shù)據(jù)來衡量我國股指期貨市場上的指令流毒性；分析結(jié)果表明，VPIN可以監(jiān)測到滬深300指數(shù)期貨大跌和大漲時候的指令流毒性。

林煥耿試圖基于VPIN構(gòu)造高頻交易策略，使用滬深300股指期貨2011年11月到2012年10月的高頻交易數(shù)據(jù)，以15分鐘為時間框架計算VPIN及收益率。分析結(jié)果表明，當(dāng)VPIN較大時，收益率與其一階滯后項有顯著的負(fù)相關(guān)關(guān)系。這意味著VPIN對于預(yù)測股指期貨收益率的作用。

綜合國內(nèi)外研究而言，國外研究學(xué)者從市場微觀結(jié)構(gòu)――信息模型出發(fā)，研究得出VPIN模型來直接估計高頻交易中的指令流毒性，并基于“閃電崩盤”提供了驗證。但VPIN模型中的關(guān)鍵參數(shù)設(shè)定是由研究者的經(jīng)驗值而定，并非一個科學(xué)的值，該模型算法仍有待提升。

二、數(shù)據(jù)來源與處理

本文選取的是樣本為我國滬深300股指期貨市場2013年5月2日至12月31日的當(dāng)月主力合約的高頻交易數(shù)據(jù)。

光大烏龍指事件發(fā)生在2013年8月16日，于是決定選擇樣本期間為2013年5月至12月。其次，在選取樣本數(shù)據(jù)中，對于烏龍指當(dāng)天的數(shù)據(jù)經(jīng)過反復(fù)思考論證，決定使用次月主力合約的當(dāng)天數(shù)據(jù)而非當(dāng)月主力合約中的當(dāng)天數(shù)據(jù)。因為光大烏龍指事件發(fā)生在8月16日，恰逢8月當(dāng)月主力合約的交割日。上午發(fā)生了烏龍指事件光大買入了一攬子股票觸發(fā)了一系列買賣交易，引致股市出現(xiàn)瘋狂的上漲。盡管A股出現(xiàn)了較大的市場異動，但IF1308合約（當(dāng)月合約）交割一切正常，順利交割，交割量處于正常水平，未出現(xiàn)異常變動。交易量在小范圍內(nèi)放大，只有極少的大量買賣單入場。并未出現(xiàn)異動?？梢钥闯鰹觚堉府?dāng)天的影響主要體現(xiàn)在次月合約中，更能吻合市場的真實情形，于是最終使用次月合約中的當(dāng)天數(shù)據(jù)來替換當(dāng)月合約中的當(dāng)天數(shù)據(jù)。

三、模型設(shè)定與計算

直觀的說，模型解釋了不知情交易中正常水平下的一只股票中的買和賣，并且使用數(shù)據(jù)來定義不知情交易指令流的概率，即ε。異常的買或賣的量解釋了知情交易，并用這個量來定義θ。存在異常買量或賣量的交易階段數(shù)用來定義α和β。

隨著交易的進行，流動性提供者觀察交易并且建模猶如他們使用貝葉斯定律來更新他們對指令流毒性的認(rèn)知，這些認(rèn)知在本文中被描述為參數(shù)估計。P（t）（Pn（t），Pb（t），Pg（t））我們記這個為流動性提供者對于事件的想法。在時間t，n表示沒有消息發(fā)生，b表示壞消息發(fā)生，g表示好消息發(fā)生。于是他的認(rèn)知（參數(shù)估計）在時間0時的P（0）=（1-α，αβ，α（1-β））。

這里，αθ+2ε是所有訂單的到達率，αθ是知情交易訂單的到達率。PIN非常直白的表現(xiàn)出了在一個信息交易階段開始交易的可能性。PIN可以計量在整個訂單流中，由于知情交易者而引起的部分訂單，并且價差等式表示，PIN是決定價差的關(guān)鍵因素。

這些公式闡明了觀點流動性提供者為了識別出進出市場的最優(yōu)的水平需要正確的估計PIN值。PIN值的意外增加將會導(dǎo)致流動性提供者在不調(diào)整自己價格的時候蒙受損失。

計算PIN值的模型標(biāo)準(zhǔn)的途徑使用了最大似然法來估計不可觀測到的參數(shù)（α，β，θ，ε）操縱著交易中的隨機過程，并且PIN源自于這些參數(shù)估計。在Easley（2012）文章中，提出了一個在高頻市場中直接的測量毒性的分析估計，并不需要不可觀測參數(shù)的中間值估計。他們改進了算法，用交易量的時間試圖匹配市場中新消息到達的速度。這個以量為基礎(chǔ)的算法，我們記為VPIN，為在高頻交易環(huán)境下測量指令流毒性提供了一個簡單的度量方法。

整合交易能減輕交易分裂的影響，使用標(biāo)準(zhǔn)化的價格變化使得交易量分布以概率計算（我們叫做體積分布）。我們計算買量和賣量（VBτ和VSτ）用一分鐘的時間條（我們之后會展示我們的研究結(jié)果同樣適用于其他時間段的整合），但是分析也可以用交易量的分段。

同步交易量籃子使得我們可以很簡單的估計這種規(guī)范。特別是，回想起我們將一個交易日分割至等規(guī)模的交易量籃子并且每一個交易量籃子相當(dāng)于是一個時期的信息到達。這意味著VBτ+VSτ是一個常量，對于所有時間限制τ來說這個常量等于V。然后我們近似交易不平衡的期望為在n個交易籃子的平均交易不平衡。

計算VPIN是基于成交量劃分的時間而非時鐘時間。實現(xiàn)基于成交量的取樣方法是將交易序列以均勻成交量分組，稱為一個“成交量籃子”。一個成交量籃子是成交量加總的一組交易。完成籃子的最后一筆交易如比所需要的大，超過的成交量將被劃分到下一個籃子，按照這樣的成交量籃子取樣后我們獲取到一個觀測值。構(gòu)建成交量籃子時對每一筆買入和賣出成交量進行分類，成交量的方向與交易指令單毒性存在潛在聯(lián)系，結(jié)合總成交量水平和成交量的方向可以指示出存在新信息的可能性。因此，買入成交量占多數(shù)說明毒性來自好的信息，反之亦然。我們通過觀測買單和賣單之間交易的強度和不平衡性來估計出VPIN。

估計VPIN值需要選擇V，即每個籃子的交易量，并且n是籃子的數(shù)量通常近似交易不平衡的期望。我們初始規(guī)定V為日平均交易量的50分之一。如果我們選擇n=50，我們將會在50個籃子中估計VPIN指標(biāo)，日平均交易量相當(dāng)于找到了一個日VPIN值。我們的研究結(jié)果在廣泛范圍的V和n值選擇下是穩(wěn)健的。

每生成一個交易量籃子都會更新VPIN指標(biāo)。這樣，當(dāng)51個籃子滿了后，我們舍棄掉第一個籃子并且根據(jù)2-51個籃子來計算新的VPIN。

四、實證分析

（一）描述性統(tǒng)計

對滬深300指數(shù)期貨市場計算出的29734個VPIN值做統(tǒng)計，VPIN的偏度為1.341，說明該序列明顯右偏；峰度系數(shù)為2.440，說明該序列具有厚尾的特征，從這些統(tǒng)計值可以看出樣本期VPIN不服從標(biāo)準(zhǔn)正態(tài)分布。

對滬深300指數(shù)期貨市場的計算出的VPIN值做頻度統(tǒng)計，VPIN值絕大多數(shù)集中在0.1和0.2這樣的低位上，小于等于0.2的占了70.29%。說明市場在大部分時間的表現(xiàn)還是較為穩(wěn)定的。處于0.2到0.6之間的中間值占到了29.37%，說明市場雖有波動，但整體波動在合理范圍內(nèi)。而高于0.6的只占了0.64%，VPIN高位值出現(xiàn)的次數(shù)微乎其微，說明異常波動總是占了很小的部分，這就意味著，通過實時監(jiān)測VPIN值的發(fā)展動態(tài)，如果VPIN值出現(xiàn)了較高的數(shù)字的時候，要引起足夠的重視，極有可能市場會發(fā)生巨幅異常波動。

（二）流毒性指標(biāo)波動性分析

檢驗VPIN波動性指標(biāo)包括各種各樣的參數(shù)問題。本將通過在滬深300指數(shù)期貨市場對不同的交易量籃子選取的過程來展示VPIN計量的穩(wěn)健性。

選取交易量籃子的量在檢驗VPIN值中是一個重要影響因素。在過去使用的算法中，因為VPIN包括了交易不平衡和交易強度，聚集一定的時間間隔可以降低變量的噪聲并重新調(diào)節(jié)。可以通過觀察在同一天，使用不同的時間間隔聚集籃子內(nèi)交易量的VPIN值表現(xiàn)，來檢驗穩(wěn)健性。

本文中，交易量籃子內(nèi)采用的是逐筆交易區(qū)分買賣交易量來聚合交易量籃子，以交易量籃子滾動計算VPIN值。而交易量籃子的大?。╒）會影響到VPIN的計算。因為V越大，籃子數(shù)n就越小，滾動計算的次數(shù)少，意味著估計有不詳盡的可能。如果V的設(shè)置選擇太小，滾動計算次數(shù)太多，雖然更精確了卻也是加大了計算量。一方面要保證計算VPIN值得準(zhǔn)確性，另一方面也要控制計算量免得做多余無用功還浪費時間。

本文對VPIN模型的關(guān)鍵參數(shù)設(shè)定添加了動態(tài)調(diào)整的過程，經(jīng)過反復(fù)的計算與調(diào)整，對交易量籃子（V）的值掃描更多的值，得出在更多V值下的VPIN模型計算的穩(wěn)健性，給出V有效的參數(shù)庫。以光大烏龍指事件當(dāng)天2013年8月16日的VPIN來看：滬深300指數(shù)期貨市場，V取日平均交易量的1/250―1/150之間，VPIN指標(biāo)能夠準(zhǔn)確預(yù)警出烏龍指事件：

結(jié)合上圖可知，V選取1/200―1/150日平均交易量，VPIN指標(biāo)都可以在烏龍指發(fā)生前指出市場流毒性高，能夠很好的預(yù)警出烏龍指事件，具有事前預(yù)警效果。

而對于1/200―1/150日平均交易量之外的參數(shù)，VPIN輸出結(jié)果并不如預(yù)設(shè)中的準(zhǔn)確。圖2中V取1/100日平均交易量，由于交易量籃子的取值過大，導(dǎo)致滾動的次數(shù)少而錯失了關(guān)鍵的監(jiān)測點，從圖中可以看出VPIN對烏龍指的到來并沒有預(yù)警指示；而圖3中V取1/250日平均交易量，由于交易量籃子取值過小，籃子滾動次數(shù)大大增加，雖然在烏龍指發(fā)生之前出現(xiàn)預(yù)警指示，但非常遺憾的是，由于滾動次數(shù)過多使得VPIN過于敏感，在上午10點多就有預(yù)警指示。

五、結(jié)論

本文借鑒國外針對新型電子化交易市場的量化監(jiān)管經(jīng)驗，在等交易量信息交易概率（VPIN）的基礎(chǔ)上，優(yōu)化模型參數(shù)的評價過程，提高算法的執(zhí)行速度。本文基于光大烏龍指事件，運用VPIN模型對我國滬深300指數(shù)期貨進行實證研究。通過分析光大烏龍指事件當(dāng)天的VPIN表現(xiàn)，得出VPIN指標(biāo)在烏龍指發(fā)生至少1小時之前就給出預(yù)警指示，具有預(yù)警性。在滬深300指數(shù)期貨市場和股票市場的巨大波動性出現(xiàn)之前，VPIN值已經(jīng)給出預(yù)警性指示，說明VPIN指標(biāo)具有預(yù)警作用。并對VPIN進行穩(wěn)健性檢驗，穩(wěn)健性良好，使量化交易市場的事前預(yù)警更加準(zhǔn)確、可靠。

參考文獻

[1]證監(jiān)會，光大證券異常交易事件的調(diào)查處理情況.2013年8月30日.2013.

[2]林煥耿.基于VPIN的滬深300股指期貨實證及交易策略研究[D].廈門大學(xué).2014.

[3]王冰，李想.淺議量化投資在國內(nèi)市場的發(fā)展[J].經(jīng)濟視角.2011.7（03）：46～47.

[4]熊熊，袁海亮，張維，張永杰.程序化交易及其風(fēng)險分析[J].電子科技大學(xué)學(xué)報（社科版）.2011.12（03）：2～39.

[5]于鵬.一種期貨交易模型介紹[J].中國證券期貨.2013.21（02）：43～44.

[6]葉偉.我國資本市場程序化交易的風(fēng)險控制策略[J].證券市場導(dǎo)報.2014.24（08）：43～45.

[7]姚靜.我國金融衍生品市場監(jiān)管模式的選擇[J].經(jīng)濟導(dǎo)刊，2011（6）.

[8]方浩文.量化投資發(fā)展趨勢及其對中國的啟示[J].管理現(xiàn)代化.2012.32（05）：3～5.

篇7

關(guān)鍵詞：傳統(tǒng)動量；增強策略；k近鄰

中圖分類號：F832.5 文獻標(biāo)識碼：A 文章編號：1001-828X（2013）10-0-01

一、引言

動量效應(yīng)也稱慣性效應(yīng)，是指股票的收益率的表現(xiàn)情況有延續(xù)原來運動方向的趨勢。對股票價格的動量效應(yīng)而采用的套利策略稱為動量策略。在根據(jù)動量策略進行投資時，最常用的方法是Jegadeesh和Titaman（1993）基于美國證券市場的股票交易數(shù)據(jù)對動量效應(yīng)的存在性驗證所采用的方法[1]。國內(nèi)也有一部分學(xué)者，對傳統(tǒng)動量策略的方法做出改進。吳沖鋒和朱戰(zhàn)宇（2005）在運用重疊抽樣方法，在形成期考慮收益率和交易量對股票進行排序，改進后收益高于市場平均收益率。郝靜軒（2006）通過滯后期、加權(quán)收益計算等改進的動量策略，結(jié)果顯示改進的動量策略對贏家組合的收益有明顯的提升。王俊杰（2013）對動量交易策略的擇時上做了實證研究，在形成期之后，不直接購買，而是經(jīng)過一定的滯后期再進入持有期，效果優(yōu)于市場收益和傳統(tǒng)動量策略方法。本文首先通過傳統(tǒng)動量策略，考察投資回報率；然后嘗試性將K近鄰算法與傳統(tǒng)動量策略結(jié)合，對策略做出改進，以期提高回報率。

二、傳統(tǒng)和增強動量策略方法

1.傳統(tǒng)動量策略方法

首先，構(gòu)造不同形成期和持有期策略組合，形成期和持有期的時間區(qū)間為一個研究時間區(qū)間整體或一種投資交易策略，即[T，t]。本研究形成期和持有期分別采用重疊取樣和非重疊取樣法。

其次，在形成期為T時期內(nèi)，構(gòu)造贏家組合（收益率排名靠前的一系列股票）。在形成期為T的時間內(nèi)，計算股票的超額收益率，按超額收益率的高低進行排序，取前10%的股票作為贏者組合。

最后，分別計算贏者組合在持有期t的累積超額收益率以及整個時間區(qū)間贏者組合的平均累積超額收益率。

2.增強動量策略計算方法

在傳統(tǒng)的動量策略中，計算形成期T內(nèi)單支股票的累積收益率時，如果第一個交易日和最后一個交易日的價格出現(xiàn)異常波動的話，那么構(gòu)建的贏家組合不一定具有動量效應(yīng)。因此，有必要在計算形成期T內(nèi)的累積收益率時，消除第一個交易日和最后一個交易日價格異常波動的影響。本文采用KNN算法的思想來消除異常波動，這種增強方法可以稱之為KNN增強動量策略。

KNN增強動量策略在計算單支股票的形成期T內(nèi)的累積收益率時，把離最初（最后）日期最近K個交易日作為最初（最后）日期的K個近鄰，把最初（最后）日期與其K個近鄰的相隔天數(shù)作為它們之間的距離，由距離的大小分別計算近鄰的權(quán)重值，然后計算最初（最后）日期的價格。

公式1和2中，f函數(shù)為KNN算法中常用的高斯權(quán)重函數(shù)；和分別表示最初和最后一個交易日的價格；d表示距離。根據(jù)公式1，KNN增強動量策略確定的最初（最后）一個交易日的價格，計算KNN增強策略的形成期T內(nèi)的累積收益率。然后計算持有期內(nèi)的贏家組合的收益率，計算過程同傳統(tǒng)策略。

三、動量策略和增強動量策略實證研究及結(jié)論

1.數(shù)據(jù)的選擇與參數(shù)處理

數(shù)據(jù)的樣本區(qū)間為2006-7-1至2013-7-31。選取的股票為滬市A股所有股票。形成期和持有期：動量策略和反轉(zhuǎn)策略均采用的形成期分別為1、2、3……12個月，持有期分別為1、3、6、9、12個月。買賣雙方的費用分別為千分之二和千分之三。本文的證券市場平均收益參照標(biāo)準(zhǔn)是上證指數(shù)。本文的數(shù)據(jù)源自國泰安數(shù)據(jù)庫。

2.結(jié)論

本文運用KNN算法的思想將傳統(tǒng)的動量策略做出改進探索，根據(jù)實證研究得出以下結(jié)論。

（1）KNN增強動量策略的收益大于傳統(tǒng)動量策略。根據(jù)表實證結(jié)果顯示，構(gòu)造60種投資策略組合，55種組合的收益明顯提高；KNN增強動量策略的收益統(tǒng)計上顯著大于傳統(tǒng)動量策略。

（2）KNN增強動量策略保持了傳統(tǒng)動量策略的易操作性。KNN算法是數(shù)據(jù)挖掘算法中最簡單的算法之一，與傳統(tǒng)動量策略結(jié)合之后，增強的動量策略沒有變得過于復(fù)雜。

因此，增強的動量策略可以為投資者提供參考，具有一定的價值。

參考文獻：

篇8

在管理層明確今年經(jīng)濟增長的下限及通脹的上限時，7月匯豐中國制造業(yè)采購經(jīng)理人指數(shù)（PMI）初值為47.7，創(chuàng)下11個月以來新低，面對國內(nèi)宏觀經(jīng)濟數(shù)據(jù)下滑、經(jīng)濟疲軟的態(tài)勢，股票市場圍繞2000點上下震蕩，多以陰跌收尾，在這樣的大背景下有一類產(chǎn)品能跳出投資標(biāo)的的束縛，在A股震蕩下挫的態(tài)勢下，繼續(xù)為投資者創(chuàng)造絕對收益，那便是管理期貨對沖基金；自1990年中國第一家期貨交易所鄭州期貨交易所成立以來，國內(nèi)期貨市場經(jīng)歷了二十余年資本市場的洗刷，并且有完善的交易機制，不僅可以做多也可以做空，有別于傳統(tǒng)股票市場，大多數(shù)只能依靠股票上漲賺錢。

國外管理期貨CTA是對沖基金投資策略的一種類型，管理期貨CTA即商品交易顧問（Commodity Trading Advisor），商品交易顧問可以直接客戶在商品期貨市場進行交易，抑或提供商品期貨、期權(quán)及相關(guān)衍生品種的買賣建議及研究報告，管理期貨的收益來源于各種商品價格的波動，獨立于股票、債券等傳統(tǒng)投資標(biāo)的，同時可以多空雙向操作，即使在股票市場連續(xù)下跌時，也能持續(xù)獲利。

境外管理期貨的基金主要采取以下幾種模式進行投資，最主流的是程序化交易，該交易方式主要是依賴事先導(dǎo)入計算機系統(tǒng)的策略模型來做出決策，電腦決策的好處是避免了人性的弱點，防止在市場出現(xiàn)過于繁榮與悲觀時，投資者做出不理智的交易行為；目前國際上運用程序交易的基金公司有元盛資產(chǎn)管理公司（Winton Capital Management Ltd.），該公司也是目前世界上最大的商品交易顧問，投資標(biāo)的囊括商品期貨、股指期貨，資產(chǎn)管理規(guī)模超過250億美元。旗下產(chǎn)品主要是用計算機進行趨勢跟蹤，趨勢跟蹤是一種基于價格分析的技術(shù)面投資方法。元盛關(guān)注的核心信息是各個期貨品種的價格的變化，而非其基本面的信息。趨勢跟蹤的信奉者相信價格會在很多時候沿著價格變動的趨勢繼續(xù)發(fā)展。也正因為此，元盛不少經(jīng)典的趨勢跟蹤策略雖然會設(shè)置嚴(yán)格的止損策略，但不會進行止盈。縱然大部分的交易會以虧損收場，但元盛那些盈利的交易卻可以帶來巨額的回報，覆蓋了虧損的同時還貢獻了足夠多的利潤。除了程序化交易外，還有多元化交易及自由式交易模式，這類期貨管理者通常會對投資標(biāo)的的基本面進行分析或?qū)σ恍┖诵臄?shù)據(jù)進行研究后再做出決策，同時會結(jié)合基金經(jīng)理以往的投資經(jīng)驗，附帶一些主觀的行情判斷，所以該類模式的投資經(jīng)理只專注于某個他們熟悉的特殊或相關(guān)市場領(lǐng)域。

而國內(nèi)期貨市場在經(jīng)過長達二十余年的發(fā)展后，也促發(fā)了不少以期貨為投資標(biāo)的的產(chǎn)品，好買基金研究中心收錄了一批國內(nèi)管理期貨的私募基金，由于該類對沖基金多由有限合伙方式或單賬戶期貨的形式存在，部分產(chǎn)品信息披露、基金估值體系不完善。

業(yè)績較好的是淘利資產(chǎn)旗下的淘利趨勢1號、2號，其中淘利趨勢2號成立于今年1月，該產(chǎn)品主要是進行期貨的趨勢交易及商品期貨的現(xiàn)貨與期貨之間的跨期套利。在趨勢交易這一塊，淘利量化交易模型都有通用的金融邏輯，包括技術(shù)面、行為金融學(xué)等理論的支持；在交易模式上，淘利采取“人-機”結(jié)合的模式，在參數(shù)設(shè)置上，交易員有一定的權(quán)限，可根據(jù)市場臨時更改參數(shù)，但主要是針對極端的情況發(fā)生。在期貨交易中，淘利的每個策略都會通過公司自有資金實盤測試后再運用到實際產(chǎn)品中，公司自有資金的實盤運作將會利于調(diào)試策略的不足，更好的與市場相契合，今年以來截止于今年7月12日，淘利趨勢2號取得了55.37%的絕對收益，大幅跑贏滬深300指數(shù)。業(yè)績表現(xiàn)不錯的產(chǎn)品還有沈偉光的鴻鼎永富1期，今年以來取得16.48%的絕對收益。

篇9

garp量化選股策略在a股市場中的應(yīng)用

股票市場千變?nèi)f化，人腦判斷的淺薄顯然易見，而且由于人性本身的缺陷，總是容易犯錯誤。市場投資的越多，越覺得市場的不確定性越大，大部分時間處于未知的狀態(tài)，無法判斷未來會怎么樣，唯一能夠做到的就是把握大概率的機會，還有就是把控制風(fēng)險和資產(chǎn)管理放在首位。量化投資是通過一種理性的方式，通過程序選出股票，實現(xiàn)一種大概率化的投資，最大限度的克服人性的恐懼和貪婪。而量化投資中一個非常重要的投資思想或者選股策略是garp（合理價格成長）的選股策略，本文主要闡述garp思想及其在a股市場的量化運用。

在根據(jù)garp選股策略進行股票投資時，我們首先確立投資對象范圍，構(gòu)建目標(biāo)股票庫，然后根據(jù)公司的成長特性建立股票分類體系，在成長分類的基礎(chǔ)上對股票進行評估，對不同成長類別的公司，我們都同時關(guān)注于估值和公司基本面確實的或者預(yù)期的改變。對每家公司根據(jù)其成長性歸類，從基本面趨勢、估值、基本面趨勢的認(rèn)同度三方面進行綜合評估。我們將公司基本面趨勢和基本面趨勢認(rèn)同度視為投資契機，目的是幫助我們避免“價值陷阱”。僅僅是有吸引力的估值不足以構(gòu)成我們買入的充分理由，反過來也一樣。如果我們的估值顯示目前的市場價格已經(jīng)過度反映了公司未來的成長性，良好的成長表現(xiàn)或預(yù)期、上升的基本面趨勢認(rèn)同度也不能自動構(gòu)成買入建議。我們買入價格有吸引力且基本面有良性變化、市場認(rèn)同度逐步提高的公司的股票。總會有一些股票初看上去，不能輕易滿足我們的價值評估標(biāo)準(zhǔn)，但是正確評估三方面因素是我們最基本的要求，并且在大多數(shù)情況下，已足夠得出投資結(jié)論。

從garp選股策略的反面來看，為什么高估值的股票表現(xiàn)不佳呢？我們認(rèn)為主要原因是專家們的預(yù)期經(jīng)常出現(xiàn)錯誤。當(dāng)分析師做出收益預(yù)測時，他們或者過于悲觀，過于樂觀是時常發(fā)生的事，無論哪一種情形，投資者都會采取過度行為，甚至出現(xiàn)很多投資者的扎堆行為，因為投資者都喜歡從眾。同時，也證實了分析師的悲觀預(yù)測對于高估值個股的業(yè)績損害遠遠大于對低估值個股的業(yè)績損害；原因在于當(dāng)某個季度本文由收集整理收益低于預(yù)期時，低估值個股一般不會崩盤，因為價格中已經(jīng)包含了懷疑主義的因素，但是當(dāng)收益高于預(yù)期時，這些股票就會光芒四射；而分析師往往高估高估值個票的未來收益，當(dāng)這些收益低于預(yù)期時，這些股票就會崩潰，因為這些股票往往包含太多的泡沫。

將garp的選股策略應(yīng)用于量化投資中是一個比較復(fù)雜的系統(tǒng)工程，是garp投資思想系統(tǒng)化的體現(xiàn)，首先我們來回答garp選股策略為什么在量化投資中可以更好的成功運用？戰(zhàn)勝市場獲得超額收益和打敗競爭對手是每個機構(gòu)投資者的目標(biāo)，為了達到這個目的，時常感到恐懼貪婪及追求短期業(yè)績的機構(gòu)投資者不得不增加大量的短線交易。最終，這些機構(gòu)投資者預(yù)定了他們的悲慘結(jié)局，有時侯還會造成巨大的經(jīng)濟損失，“短線交易”導(dǎo)致市場經(jīng)常出現(xiàn)“錯誤定價”的股票。量化投資成功的關(guān)鍵在于能夠快速準(zhǔn)確找出符合garp選股原則的個股，股票市場不總是有效的，所以愿意研究和學(xué)習(xí)的機構(gòu)投資者還是有機會擊敗市場的。

篇10

關(guān)鍵詞：交易策略；風(fēng)險評估；收益

Abstract：This paper sets up a risk-benefit model based on binomial distribution in order to provide theoretical foundation for risk assessment on securities trading strategy. This model proves from both theoretical and practical views that under some conditions the long-term risks of trading strategy are not relative to the number of transactions or the ratio of the number of positive-benefit transactions over the total number of transactions，they are only rely on the extent of positive benefits over negative benefits. This model as a tool of risk assessment provides basic foundation for securities trading strategies and gives a forecasting method to estimate long-term risks by calculating the value of alpha of trading strategy.

Key Words：trading strategy，risk assessment，benefit

中圖分類號：F830 文獻標(biāo)識碼：A 文章編號：1674-2265（2012）10-0003-05

一、引言

自上個世紀(jì)50年代以來，大量學(xué)者研究證券市場中資產(chǎn)風(fēng)險與收益率的關(guān)系。馬科維茨（Markowitz，1952）的投資組合理論奠定了風(fēng)險和收益關(guān)系研究的基石，并導(dǎo)致了現(xiàn)代資本市場理論的發(fā)展?；谠撏顿Y組合理論，夏普（Sharp，1964）、林特納（Lintner，1965）和莫辛（Jan Mossin，1966）提出CAMP資本資產(chǎn)定價模型，根據(jù)市場走勢預(yù)測選擇不同的證券組合以規(guī)避市場風(fēng)險、獲得較高收益。隨著證券市場的發(fā)展，羅斯（Ross，1976）提出APT套利定價理論，默頓（Merton，1973）提出OPT期權(quán)定價理論。這些理論模型在投資組合績效、證券估價、證券投資等領(lǐng)域成為里程碑式的投資模型，得到了廣泛應(yīng)用。然而，這些經(jīng)典模型以及后來布里登（Breeden，1979）、里昂諾姆（Reinganum，1981）、陳浪南等（2000）、靳云匯等（2001）都集中在對投資組合風(fēng)險性的研究上，很少涉及到交易策略的風(fēng)險研究；康拉德和考爾（Conrad和Kaul，1998）研究了交易策略，但沒有具體研究交易策略的風(fēng)險評估方面。投資組合的風(fēng)險性和交易策略的風(fēng)險性存在一定差別：前者屬于投資標(biāo)的選擇策略范疇，而后者屬于操作層面的交易策略范疇；投資標(biāo)的本身的風(fēng)險具有不可控性，而操作策略往往能夠通過諸如“止盈”或者“止損”等手段來有效控制投資標(biāo)的自身帶來的風(fēng)險。

盡管目前一些理論試圖揭示證券市場復(fù)雜行為的原因，并預(yù)測投資標(biāo)的的未來行為，但是這方面的研究進展仍很緩慢，甚至大多數(shù)成功的投資者也認(rèn)為，復(fù)雜的市場行為是不可預(yù)測的。巴菲特說過，他從不預(yù)測市場，也沒有人能夠預(yù)測市場。當(dāng)人們總結(jié)這些投資者投資成功的原因時，會發(fā)現(xiàn)他們往往非常注意投資風(fēng)險的控制，盡管他們也很重視對投資標(biāo)的的選擇，但從不對市場做出堅決的預(yù)期。這說明，復(fù)雜的市場行為至今仍是人類未解之謎，而包括風(fēng)險控制和風(fēng)險評估在內(nèi)的交易策略的風(fēng)險研究在實際投資過程中的作用往往重要于投資組合或者投資標(biāo)的本身的風(fēng)險研究，也就是交易策略的制定比投資組合策略的選擇重要得多。

由于交易策略的制定，每一次投資的收益率往往是可控的，因此我們可以假設(shè)其單次投資的收益率是固定的。在本文中，我們以熟悉的二項分布為基礎(chǔ)，建立了一個風(fēng)險—收益模型，結(jié)果證明該模型能夠作為交易策略風(fēng)險評估的一個理論基礎(chǔ)。該模型把目前關(guān)于交易策略風(fēng)險評估方法中常用的正收益比率與收益率聯(lián)系起來，改進了評估方法。

二、 交易策略虧損概率的測算

（一）正收益交易的概率函數(shù)

我們假設(shè)某個投資者按照既定的交易策略，比如設(shè)定“止盈”和“止損”收益率等，進行了一系列交易，投資者的初始資金為 ，并且每一次正收益交易的收益率為常數(shù) ，負(fù)收益交易的收益率為常數(shù) ，則總收益率可以表示為：

這里， ； 分別代表正收益交易和負(fù)收益交易的次數(shù)。我們感興趣的是總收益率小于零的條件：

即：

這里： 。

在 次交易中，我們想知道發(fā)生 次正收益交易的概率是多大？顯然， 次正收益交易和

次負(fù)收益交易的順序可能不一樣，因此，交易次數(shù)為 的交易過程將有總共Q種可能的情況出現(xiàn)。

這里C 表示組合數(shù)。另外，發(fā)生 次正收益交易的可能性有M種。

于是，出現(xiàn) 次正收益交易的概率為：

該概率函數(shù)是歸一的，即：

顯然，這就是人們熟悉的二項分布。累計概率函數(shù)于是可以表達為：

（二）辛苦系數(shù)

當(dāng)正增長率 和負(fù)增長率 一定時，在 次交易中，正收益的交易次數(shù)小于 次將導(dǎo)致總收益率小于零。這是個臨界正交易次數(shù)，即 ；

又由于 ，因此我們可以把這個臨界次數(shù)表達為：

這里，符號[]表示取整的意思，并且：

它是一個臨界的正交易比率，正交易比率就是正收益的交易次數(shù)占總交易次數(shù)的比例，也就是所謂的“勝率”。這里我們不妨稱這個臨界值為“辛苦系數(shù)”，它表明投資者在目前的正收益率和負(fù)收益率交易水平下，至少要保證總交易次數(shù)中的 比例是正收益，才能使最后的總收益率為正。顯然根據(jù)前面

的表達式，我們可以得到“辛苦系數(shù)”與單次收益率的關(guān)系：

假設(shè) ，并在圖1中畫出 曲線。從圖中可以看出，單次負(fù)收益率相對正收益率越大， 值越大，說明投資者想要最后獲得正收益率就需要更多的單次正收益交易，就越“辛苦”。

（三）未來虧損概率

定義未來虧損概率為：假設(shè)保持現(xiàn)有的單次正增長率和負(fù)增長率的增長模式，未來在一個較大的交易次數(shù) 下，總收益率虧損的概率。未來虧損概率實際上就是某一個交易策略的長期風(fēng)險。根據(jù)這個定義，我們知道它等于累計概率函數(shù)（7）：

方程（11）的解析表達式為：

這里， 是 Gamma 函數(shù)， 是超幾何函數(shù)，從而構(gòu)建了交易策略的風(fēng)險收益模型。

方程 （12） 就是未來虧損概率的表達式，它是一個在交易次數(shù) 時與 無關(guān)的函數(shù)，這就為我們評估交易策略提供了很好的工具，因為未來無論 和

如何配置都不影響未來的虧損概率，它是一個能反映交易策略長期風(fēng)險的特征函數(shù)。圖2 根據(jù)方程 （12）給出了未來虧損概率與交易次數(shù)在不同“辛苦系數(shù)”下的關(guān)系，顯然，當(dāng)交易次數(shù)很大時，未來虧損概率是穩(wěn)定的；并且投資者越“辛苦”，其未來虧損的概率就越大。

三、Monte Carlo模擬

為了驗證前面所述的模型，我們進行了Monte Carlo 模擬。Monte Carlo 模擬是一種用以替代真實隨機實驗的計算機模擬實驗方法，它通過隨機抽樣的方法來模擬自然界中的各種隨機現(xiàn)象或者實現(xiàn)各種計算要求。我們假設(shè)一次試驗過程包括 次交易，而每次交易的收益率不是正的 就是負(fù)的 ；另外，出現(xiàn)正收益和負(fù)收益的概率是相等的。于是我們就可以計算出這樣一次試驗的總收益率 。我們重復(fù)這樣的試驗 次，并且統(tǒng)計每次試驗的交易總收益率

的次數(shù) ，就可以得到在常數(shù)參數(shù) 、 和 的條件下，該交易策略的虧損概率 。當(dāng)我們在每一次試驗中選擇很大的交易次數(shù)時，便可得到未來虧損概率。圖3給出了計算流程圖。

方程（12）描述了在交易次數(shù) 情況下，虧損概率與辛苦系數(shù) 的關(guān)系。從圖4中可以看出，未來虧損概率與辛苦系數(shù)存在正相關(guān)的關(guān)系，并且這個關(guān)系可以劃分為三個區(qū)域：在辛苦系數(shù)小于0.4的區(qū)域，未來虧損概率幾乎為零；辛苦系數(shù)在0.4—0.6之間的區(qū)域，未來虧損概率顯著上升；而在辛苦系數(shù)大于0.6的區(qū)域，未來虧損概率幾乎為1。事實上，辛苦系數(shù)是關(guān)于單次收益率 和 的函數(shù)，因此我們可以通過某交易策略的單次收益率情況來判斷其未來存在的交易風(fēng)險。

我們分別模擬了對應(yīng)這三個區(qū)域的虧損概率與交易次數(shù) 的關(guān)系，其結(jié)果與方程（12）得到的理論值符合得很好。圖5給出了模擬值與理論值的比較。從圖中可以看到，當(dāng)交易次數(shù) 很大時，虧損概率趨向一個穩(wěn)定值，這說明如果一個投資者堅持在一個常數(shù)的單次（正負(fù)）收益率的交易模式下進行交易，那么這個投資者長期的收益率出現(xiàn)虧損（或者盈利）的風(fēng)險也是固定的。另外，這個風(fēng)險與“辛苦系數(shù)”有關(guān)，“辛苦系數(shù)”越大，虧損概率越高；或者說與單次交易的常數(shù)收益率有關(guān)，負(fù)收益率絕對值相對正收益率越高，虧損的風(fēng)險越大。

未來虧損概率 是在交易次數(shù) 時的虧損概率，顯然它是個只與參數(shù) ，也就是“辛苦系數(shù)”有關(guān)的量，而與交易次數(shù) 無關(guān)，換句話說，它與單次交易的正負(fù)收益率有關(guān)。我們令單次正收益率

并給出了未來虧損概率和單次負(fù)收益率絕對值 之間的關(guān)系。圖6 給出了理論值和模擬值的比較，可以看到兩者符合得很好。這說明，我們的理論模型能夠很好地描述這樣一個基本的交易風(fēng)險與收益的事實。

四、交易策略的風(fēng)險評估

我們提出的這個收益與風(fēng)險模型為評估交易策略的未來風(fēng)險提供了有力的理論支持。從上面的分析可以看出，當(dāng)單次交易的增長率確定時，其交易策略在長期交易下的虧損概率就是確定的，而與交易次數(shù)沒有關(guān)系。這個結(jié)論使我們科學(xué)地評估策略風(fēng)險成為可能，因為在這個模型下，策略的風(fēng)險是一個由策略本身所決定的稟賦性特征，與任何交易次數(shù)或者交易時間等細節(jié)問題無關(guān)。因此，也就可以不必對交易策略進行耗時的實際測試，而直接判斷策略的未來風(fēng)險了。當(dāng)然，實際的交易往往非常復(fù)雜，單次交易收益率經(jīng)常不會滿足這個風(fēng)險—收益模型的條件，但當(dāng)交易策略能夠長時間保持一個相對穩(wěn)定的單次收益率時，這個模型確定的風(fēng)險值就是可靠的。換句話說，本文提出的風(fēng)險—收益模型為數(shù)量化風(fēng)險評估提供了科學(xué)的理論依據(jù)。

另外，我們的評估模型也揭示出這樣一個關(guān)于投資交易的道理：一個交易策略的未來風(fēng)險僅僅取決于正收益率相對負(fù)收益率絕對值的比值，也就是

，這個比值越大，其風(fēng)險越小。換句話說，交易的風(fēng)險與發(fā)生正（負(fù)）交易的次數(shù)無關(guān)，而只與單次的正負(fù)收益率有關(guān)。我們必須保證一次或者少數(shù)幾次很高的正收益率，而其他發(fā)生負(fù)收益的交易產(chǎn)生的損失都很小，才可以保證我們長期的總交易是正收益。這也就是平常投資者所說的“大賺小賠”的投資法則。

目前，有關(guān)交易策略的風(fēng)險評估方法多集中于考察交易策略所能達到的正交易比率上，也就是所謂的參數(shù)“勝率”上，然而本文的模型顯示“勝率”高的交易策略不一定未來虧損的風(fēng)險就低。單次正收益率很低，但獲利次數(shù)很高，即“勝率”很高，未來虧損概率一樣會很大，這是因為單次正收益率很低，盡管正收益次數(shù)很多，但未來一次虧損就可能把以前積累的利潤消耗盡。我們的模型把正交易比率與交易的收益率聯(lián)系起來，給出了更加科學(xué)的評估方法。

五、在交易策略風(fēng)險評估中的應(yīng)用

我們的模型可以應(yīng)用于交易策略的風(fēng)險評估?？梢愿鶕?jù)某個交易策略的歷史交易次數(shù)和交易收益率，把所有正收益率和負(fù)收益率分別折合成兩個復(fù)合收益率，即 和 ；然后分別根據(jù)“辛苦系數(shù)”的計算公式（10）算出參數(shù) ；最后按照方程（12 ）可以算出該交易策略的未來風(fēng)險概率 。這個概率的含義就是，如果交易策略在未來以目前的模式繼續(xù)運行下去的話，它的虧損概率就是 。

舉個例子，假設(shè)某個交易策略產(chǎn)生了下列的收益率，如表1。首先，我們可以很容易地計算出復(fù)合收益率，即 ， - ；另外根據(jù)（10）得到辛苦系數(shù) ；于是可以計算出該策略的未來虧損概率為 。它表明，如果這個交易策略以后仍按這種模式運行下去的話，其未來虧損的概率大概是0.58。這個例子表明我們可以通過計算交易策略的 值來估算它的未來風(fēng)險，并且在這個例子中我們也看到盡管該交易策略有70%的勝率，但其未來存在的虧損風(fēng)險仍然高達58%。

值得注意的是，由于實際交易中每次交易收益率是變化的，有時差別還很大，這將影響辛苦系數(shù)

值的評估效果，因此我們還需要附加計算單次收益率的方差 和 。方差越小， 值的評估效果越好。另外，用戶可以選擇市場處于上升階段或者下跌階段計算 值，這樣評估更易于比較。

六、結(jié)論

不同于傳統(tǒng)的關(guān)于風(fēng)險的描述，比如定義風(fēng)險為收益率的方差等，本文試圖通過一些基本假設(shè)自然地推導(dǎo)出風(fēng)險的表達式。在二項分布的基礎(chǔ)上，我們建立了一個風(fēng)險收益模型來作為交易策略風(fēng)險評估的理論依據(jù)。這個模型從理論上和數(shù)值實驗上證明了：在單次交易的收益率不變以及不考慮交易成本的條件下，（1）交易策略的長期風(fēng)險不依賴于交易次數(shù)；（2）交易策略的長期風(fēng)險不取決于正收益比率；（3）交易策略的長期風(fēng)險只取決于正收益相對負(fù)收益的幅度。模型為風(fēng)險評估工具提供了堅實的理論基礎(chǔ)，并且把目前關(guān)于交易策略風(fēng)險評估方法中常用的正收益比率與收益率聯(lián)系起來，改進了評估方法。

參考文獻：

[1]Banz，R.，1981，“The Relationship between Return and Market Value of Common Stocks”，Journal of Financial Economics，9（1），pp.3-18.

[2]Breeden，D.，1979，“An Intertemporal Asset Pricing Model with Stochastic Consumption and Investment Opportunities”，Journal of Financial Economics，7（3），pp. 265-296.

[3]Markowitz，H.M.，1952，“Portfolio Selection”，The Journal of Finance 7 （1），pp. 77-91.