欧美一区二区三区,国内熟女精品熟女A片视频小说,日本av网,小鲜肉男男GAY做受XXX网站

請教高手們如何制定量化交易系統

錢良釵2年前13瀏覽0評論

請教高手們如何制定量化交易系統?

我們先從幾個在量化投資中經常遇到的小問題出發,然后逐漸深入思考量化投資的幾個基本方法和原則。這些問題或許沒有統一的標準答案,我也不會給出具體的答案,這里提出的主要目的是引起大家思考。

最近很多股民抱怨說,他們炒股都是在虧錢原因是一不會選股,二不會把握股票買賣點,三不會技術分析。為了能在炒股上給大家提供更多的幫助,歡迎股民來我的主頁“繼豐金融學習圈”后點擊下面的“技術提升”就可以了,可以解決各位朋友的買賣點把握、個股被套、選股難等問題。

第一個問題:如何定義與看待期望收益與風險?

這可以說是投資領域的終極問題。這個問題很大程度上決定了你如何做策略的研發,如果管理風險,以及如何進行資產配置等關鍵問題。首先,到目前大家已經比較能夠一致認同的就是,收益這個變量本身是隨機的,不確定的,而且極難預測,因此單純談論收益,從長期的系統化投資角度講,意義不大,一次兩次賺多少錢跟你的系統化投資沒有太大關系,而研究的重點,要放在期望收益上,也就是從概率意義上以及大樣本意義上的期望水平。

與收益相對應的是風險,如何定義風險也是有著不同的版本。一種簡單的定義可以是波動率,或下行波動率,但是這并不能包含市場中的大部分主要風險,比如說流動性風險,再比如說即使只考慮波動率或虧損,在bad times的時候,某個資產或某個策略的大幅虧損對投資者的整個系統化投資的危害程度一般也會更高,而在good times的時候,同樣的虧損或波動率或許對整個系統的危害程度沒有那么高,這一點通過市場溢價的水平就可以看出來:比如說市場總是傾向于給予out of money的期權更高的溢價(波動率微笑特征),或者在大部分時間內給予小市值高成長股票更高的風險溢價(然而在股市出現系統性崩盤時,這類股票的跌幅往往也是最大的),這些都是市場在表達對風險的不同對待的現象。

第二個問題:期望收益來自哪里?

這是做策略投研的一個核心問題,你首先要有一個基本的邏輯作為引導,來開發你的策略,然后再運用數據和模型進行去偽存真,抽絲剝繭的分析,但是在這個過程中,邏輯是必不可少的一個主線,那么這個邏輯就是你思考的期望收益的來源。

有的人從不同資產類別的角度理解期望收益來源,去比較股票,債券,商品等不同資產類別的收益貢獻,那么這就是朝著大類資產配置和組合的角度去理解投資,這里面做得好,也是可以做出比全市場平均配置更好的投資方案的。

還有一些人,通過策略風格角度理解收益的來源,比如趨勢類策略貢獻多少收益,波動率類策略貢獻多少收益,那么這便是從策略風格或種類的角度去分析,也可以成為一套體系。但是這些都是分析的角度,最終仍然沒有根本性回答你的超額收益來自哪里的問題。比如說趨勢策略,為什么就會有超額收益呢?或者說股票,為什么相對于債券有超額收益呢?

從這個層次上,我認為超額收益的主要來源,其實歸根結底分為兩類:

一類是利用市場一定時間內的無效性或者別人犯得錯誤,這是很多價值投資或套利投資的基本邏輯來源。

另一類就是這種投資行為的超額收益是承擔了某種風險的風險溢價,比如說volatility selling 或者sell options, 就可以歸為這種。

賣出波動率或賣出期權,其實相當于賣保險,是在承擔一些小概率的高風險,這些小概率事件可能很久都不會發生,于是投資人通過賣期權可能在很長一段時間內獲得穩定的收益,但是一旦小概率事件發生,那么到時候產生的虧損,也往往是致命的。

再比如說針對一些流動性極差的資產的做市策略,往往也可以獲利豐厚,但是這是因為在這種資產中做市交易承擔了更多的流動性風險,這種風險處理稍有不慎就可能導致嚴重虧損,所以在這種資產中做市的收益才會顯得比較高,但是前提是你了解清楚這個風險溢價的來源,并有技巧可以合理的化解他,或者比別人能夠在這方面做的更好,否則的話,從長期看,你的期望收益未必是很高的。

基本上市場上大部分的非高頻系統化投資策略的穩定超額收益的來源,往往都與上述兩個方面有關,現在市場變得越來越有效,所以其實第一種收益來源的機會逐漸變得越來越少,越來越難以抓住,而第二種收益的來源,是可以長期存在的,但是第二種收益的來源,往往是風險溢價,他并不是免費午餐,這一點是要牢記的。所以不要以為你的投資系統連續7年或10年都可以穩定盈利,你就可以高枕無憂,其實或許只是你承擔的風險事件,還沒有到來而已,如果對于這些風險,你無法做到比別人更好的管理,那么這個游戲長久的進行下去,遲早有一天屬于你的黑天鵝會到來,而且到來的頻率越低,越往往會是一次性致命的。

第三個問題:一個策略被很多人知道了以后,是否就不賺錢了?

接著上面的那個問題的思路繼續講,如果你的這個策略的收益來源主要是通過市場的無效性獲益,那么確實當更多人知道了這一點并參與進來,你的獲利空間也就越來越小。但是如果你的策略的收益來源是第二種,那么其實即使很多人知道了,也未必會導致它不賺錢,當然,正如上面我們提到的,這樣的收益,其所承擔的風險,你也是需要有很清醒的認識的,并可以合理的管理這個風險,所以從這個角度叫,盈虧同源是有道理的,好多人說的盈虧同源,其實往往就是指第二種的這個收益。

第四個問題:如何評價一個投資系統或策略的好與壞?或者如何評價一個基金的好與壞?

這個問題也是仁者見仁智者見智了,但是據我所了解,很悲觀的是,最后很難有一種方法能夠非常準確與客觀并長期有效。比如說歷史業績,這當然是一個重要的指標,但是歷史業績的好與壞一定與未來正相關嗎?有時是的,但有時可以是反過來的。

比如一個策略或基金,在商品期貨市場今年下半年的趨勢行情中,不到一兩個月就賺了超過30%的收益的話,這當然是不錯的業績,但是根據此,就購買這只基金并期望明年獲得類似的收益,是合理的嗎?仔細想想,其實不合理。因為一個策略或者基金能夠在短時間內獲取如此高的收益,恰恰說明他的策略風格是明確的,單一的,投資的觀點是相對激進的,比如說他全部都是趨勢類的策略思路,而且還用了比較高的杠桿,那么繼續堅持這樣的投資策略或思路的話,假如明年市場陷入無序的震蕩,他可能就會虧大錢了。

當然你可以爭論說明年或許還是趨勢行情,但我覺得這方面除非你有非常合理的具體的模型來預測,并且確實證明長期有效,否則我是不覺得你可以準確預測明年的市場結構的(歷史上多次證明華爾街大部分專業機構和交易者對于未來一年的市場的預測往往都是大概率錯誤的)。

你也可以說,這個策略很智能,或者這個基金經理很智能,他們總是能在趨勢來的時候做趨勢交易,震蕩市場來了就知道做震蕩,市場中是否存在這樣的高手長年可以準確判斷并切換的?我覺得天才可能是有的,但是你遇到的概率是比較低的,一個理性的投資者,不應該基于一個假設就是自己是全市場最聰明或者全市場最幸運的一個,來進行投資。這樣的心態下,大概率投資生涯會比較短。

人在面對市場的時候,謙虛一點,保守一點總是更好的,即使你很看好趨勢行情,也要為非趨勢行情的市場做足準備,不要總是假設自己很聰明,可以做很多預測,然后在不同子策略或子基金之間來回選擇切換做擇時,事實往往是殘酷的,那就是你這么做之后發現其實自己是比較蠢的那一個,擇時起到反作用,你覺得這個基金該賺錢了,或者這個策略該賺錢了,然后想去抄底的,結果反而不如人家一直呆在里面的或者一直在外面的。

所以從這個角度講,即使很多的專業機構,做的也不夠好。最近FOF在國內非常火爆,可是我要做一個悲觀的預言就是目前市場上已經做FOF或者成立的FOF,其中絕大多數的壽命可能都不會超過3年,這個跟在股市里散戶十人九虧是一個道理,心態沒擺正,機構并不會比散戶做的更好。好多FOF基本就是看著歷史業績選子基金,業績好的買進入,差了的就贖回,其他的思考能力很差,對市場的理解很差,對策略的把握也不行,那么幾年下來大家就會發現他這個FOF還不如平均的買入那幾個子基金然后抱著不動的結果好,那么可想而知他的結果了。所以說,投資策略評價是一門很高深的學問,不是說你看幾個指標,算一算夏普率,比一比最大回撤,然后答案就確定了。我的觀點是,做策略評價的人,做FOF的人,選子基金的人,他做交易或者投資研發的能力,得比那些做策略的人,做子基金的人,水平更高,這樣才能選的好。你一個子策略能做好,一個子基金能做好,才能夠考慮怎么做好多個子基金的搭配,多個子策略的組合,一個都搞不好就想搞多個,沒當好徒弟就想做師傅,往往事與愿違,可惜現在的市場實際情況看,是反過來的,這導致我對整個FOF行業的每個FOF基金的壽命長短,不表示樂觀。

最后一個小問題,引出我今天的主題,也就是怎么樣才能做出賺錢的量化投資策略?一個人,從科班出身的統計學博士,或者計算機/數學/經濟專家,到一個優秀的可以穩定貢獻優質量化策略的quant或基金經理,中間究竟差了哪些,需要哪些步驟? 為了回答這個問題,以及上述幾個問題,我今天斗膽嘗試性地與大家分享,量化投資的方法論體系。

量化交易方法論

我理解的量化投資方法論,有以下四個維度:

投資的三面魔方:資產類別,風險因子,策略風格

投資的三套理論:資產定價模型,投資組合理論,有效市場假說

量化的兩個載體:數據,人

決策的兩個維度:收益,風險

下面我們來分別逐一討論這四個維度。

首先我們來看中間的這個正方體,也就是投資的三面魔方。

這個正方體不是我發明的,是來自于Antti Ilmanen 寫的Expected Returns這本書。這本書中針對資產類別,風險因子,策略風格三大方面,對期望收益進行了不同視 的深度闡述,是值得仔細去研讀的一本書。

在這里我簡單的總結下這本書里的一些主要觀點。這三大方面里面,大家最常見的就是資產類別這個方面。資產類別一般可以分為股票類資產,信用類資產,國債類資產,以及另類資產(比如商品期貨,房地產,藝術品等都可以屬于這類)。

大家可以看到這里顯示的是過去二十年股票市場的年化收益情況,可以看到大部分年份的平均收益在5%左右,年化的夏普率大概不到0.5,那么這就讓大家有了一個基本的概念,就是在股票市場中你平均可以預期的收益大概在什么水平,以及為此要承擔多少的風險或者波動。

當然,優秀的投資者可以獲取遠超過市場平均水平的收益,但是作為一個參考的基本標準,過去幾十年的股市平均收益情況,給了大家一個基本的心理預期。如果你的心里預期收益相對于這個參考標準過于高,而所愿意承擔的風險又過于低,那就要考慮是否是過于理想主義了,或者說這就對你的投資策略的水平有了很高的要求。接下來這幾頁給出了一些信用類衍生品,公司債,國債以及商品的歷史表現情況,整體看各類資產的收益水平長期看是比較接近的,有的平均收益高一些,有的平均收益低一些,但是平均收益低的資產夏普率往往并不低,所以在衡量期望收益的同時還要考慮到風險的水平。

那么除了資產類別這個角度,還有另外兩個重要的角度來分析和理解期望收益與風險。那就是策略風格角度和風險因子角度。這里列出了跨市場長期驗證比較有效的幾類策略的風格,趨勢類,價值類,carry,以及波動率交易。這四種思路或者邏輯可以說囊括了市場中絕大多數的量化策略,同時他們彼此之間的相關性也比較低,邏輯各有不同。

價值投資策略

價值投資類策略,在股市中是應用最多的,比如下面這個圖,就顯示了一個非常簡單的根據市凈率和市盈率指標構建的價值投資策略在美股上的歷史表現,可以看到從1929年開始一直到2009年,每一個時間段內,價值投資組合的表現都要比大盤的整體表現要更好,那么這樣快100年的規律,同時又是極其簡單的策略邏輯和變量,使得人們可以一定程度上相信,價值投資策略確實是可以產生超額收益的。

那么如果你進一步深入的去想,價值投資策略究竟賺的什么錢呢?回頭我開始講的第二個問題,就是收益的來源問題,當時提出了兩個基本方面,一個是市場的無效或錯誤定價,一個是風險溢價,那么其實價值投資策略在這兩個方面,都可以得到一些論證。一些被嚴重低估或高估的股票,一定程度上是市場錯誤定價的反映,這個是可以用來賺錢的。

而價值類策略,在熊市或者市場低迷甚至崩盤的時期表現尤其好,可能體現的是風險溢價,因為當時環境下,整個市場的風險情緒變得非常低迷,絕大多數投資人都變得非常不愿意承擔風險,那么這時候你愿意承擔一定程度的風險,這種行為可以獲得一定程度的風險溢價補償。

Reference: Expected Returns, Antti Ilmanen

Carry策略

最常見于外匯交易,利用不同國家貨幣的利率高低之差進行套利。下面這個圖顯示的是不同貨幣的存款利率相對美元的存款利率的差值以及對應的該貨幣相對美元的超額收益。我們可以清晰的看到一個明顯的規律,那就是存款利率相對美元存款利率高的貨幣,他的收益也相對美元更高,這種現象在中長期時間窗口下過去持續有效,由此驗證了carry交易思路的合理性。

但是需要強調的是,如果放在不同的時間窗口下看,結果可以大不一樣,如果你以一個月或者一周的時間窗口去看,那么carry的表現就沒有那么明顯和穩定。Carry策略的合理性,也可以在邏輯上有明確的解釋,所以這樣的策略,如果運用得當,設計的巧妙,不失為一種可以長期依賴的好的策略思路之一。

Reference: Expected Returns, Antti Ilmanen

Trend 策略

在商品期貨交易中被提及的最多。大家可以看到下圖中商品期貨趨勢性指數,過去幾十年的時間內連續保持了穩定的收益能力,這其實很讓人匪夷所思。要知道圖中的這個趨勢性指數,他的計算方法是完全公開的,是定時公布數值的,可以說是市場公開化的秘密,不存在什么神秘的部分,而且計算方法非常簡單,基本上就是根據過去9到12個月不同商品期貨的return,做多收益高的,做空收益最低的那些,就這樣簡單組合而來的。

那么這么簡單的思路,廣為人知的策略,為何連續幾十年一直保持了超出市場平均水平或指數的收益呢?為何保持了相對比較好的夏普率呢?

這其實不是一個很好回答的問題,有的人嘗試在市場無效性角度找理由,有的人嘗試用風險溢價的角度去理解,但是都有一定道理但又感覺不是非常充分,這說明這個市場中,還有很多非常普遍和簡單的規律,是我們現在的金融學理論,還未能很好的解釋的,這也是金融和投資的魅力所在。現在比較流行的是通過市場行為學的角度去理解,說投資者一般習慣于低估已發生事件的長遠影響與意義,而對于這種低估的矯正,又是一個逐漸的過程,有一種心理上的不情愿。

還有一點就是投資者往往在發生大額虧損之后反而變得更加激進,而對于小額的虧損反而比較傾向于止損,這樣的心態助推了市場中追漲殺跌的效應,從而對趨勢形成一種增強。這都有一定道理,不同的投資者專注不同的方面去理解,那么你理解的角度不同,你做出的趨勢交易策略的邏輯也就不同,最后到市場中去檢驗,怎樣的邏輯和策略是更加經得住考驗。

說到趨勢類策略,這里多說幾句,趨勢類策略,在我看來,難的不是在趨勢市場中賺到錢,這個很容易,用兩條均線就可以做到。難的是在漫長的沒有趨勢的市場中,如何控制你的虧損,你不要以為系統里面設了止損就萬事無憂了,你也可以連續止損,最后還是虧很多,這其實是一個中長期最大化收益,與短周期內最小化損失這樣兩個相互矛盾的目標的優化平衡問題,這個平衡問題做的好,那么你的趨勢類策略就基本合格了,做不好,那么收益高的時候可以很高,但是虧得時候一樣可以很慘。一旦你意識到這個問題的存在,那么如何用量化的方法和手段來解決,反而不是太難的事情,這樣的優化問題,在數學上是可以很好的定義的,前人也都已經做出了很好的理論來解決,你只需要去找到他就是了,這個工作,對于數理背景很扎實的quant人員,反而不是多么困難的事情。

當然,趨勢類策略還有一些細節技巧比如在趨勢的中后期,波動率比較高的時候適當降低倉位等等,可以進一步平滑你的收益曲線,提高整體的夏普率等,這些都是做量化投研工作中的一些細節,細節做得足夠好,能夠進一步提高你的收益能力。現在專業量化對沖基金公司中的quant,很多的時間也都花在去尋找和處理這些細節上。

Reference: Expected Returns, Antti Ilmanen

波動率策略

在期權市場中最經常被提到。波動率套利,做多波動率,做空波動率,利用期權組合,你可以構建上述各種交易策略。

這類策略的好處在于他一般不爆露單邊趨勢性風險,可以是趨勢類策略的很好的補充,但是他也有他的風險。比如做空波動率,或者賣出OTM的期權的策略,在很長時間內可能都是比較穩定盈利的,但是一旦黑天鵝事件發生,你賣出的OTM期權被行權,那么你就面臨大額的虧損。

這個現象在下圖中可以得到明顯的體現。比如下面圖中這個covered call writing 的策略以及其他幾個類似策略,在美股市場從2001年到2007年有著很好的收益曲線,但是在2008年金融危機時,所發生的虧損相當于過去7年收益的總和,相當于過去7年白做了。

這個例子就是典型的第二種收益來源,就是風險溢價,在平時一直給你很好的風險溢價收益,但是這不是免費的,等到風險來的時候,你會發現這個溢價,其實不便宜。所以說,評價一個策略不要以為僅僅看看歷史收益就可以了,連續七年穩定實盤收益的策略或基金,也可能一朝把你帶入死亡之地,更何況現在國內很多機構評價量化策略的時候,都還拿不到7年的歷史實盤業績,國內產品業績有3年以上的算不錯了,可是7年甚至10年的業績,都不一定可以完全確保你未來重復這個收益水平。

要注意這種現象可不僅僅存在于期權交易市場,其實股票策略,阿爾法策略,CTA策略,都可以有類似的例子,所以大家對這個一定要慎之又慎,這個策略評價問題,遠比你想象的要復雜的多。

Reference: Expected Returns, Antti Ilmanen

最后在策略風格這個方面,再補充一點的是,上面幾個策略種類之所以拿出來講,就是看重他們的另一個優點:普適性。

趨勢策略不僅可以用于商品,還可以用于股票或債券,Carry策略在股市和期貨也可以有對應。有人問carry怎么對應?這個你要發揮一點想象力和舉一反三,抓住carry的本質,你會發現其實carry在商品中對應的就是現貨和期貨,或者近遠月期貨合約的基差,也就是所謂的升貼水,在股市中,高carry可以對應為高股息的股票,那么對應的策略都是可以做出來的,而且在不同市場中都一致性的表現比較好,而且是多年比較穩定的表現,那么這樣的策略,就更加讓人信任一點,把錢配置到這些策略,會更踏實一些,當然,不同的人做出的策略質量還有區別,都是carry策略,大家水平也都不一樣,這才是體現不同對沖基金實力差距的地方。所以說,機構之間比的,有時候往往就是這些策略之間的細節,誰可以把細節做的更好。

同理,value策略或波動率策略也都可以在股市或商品期貨市場中得到很好的實現。

比如下圖的這個展示,是我們公司針對這四大類策略思路在中國商品期貨市場中的應用開發的一些子策略,當然這里的策略沒有上面講的那么簡單了,用到了一些更復雜的模型,一些機器學習的算法以及非線性優化,隨機優化等等,但是策略的基本邏輯思路,是沒有太大的本質區別的,因此,至少我們證明這些經典的策略邏輯思路,在當下仍然是可以被使用的,這個方向是沒有問題的,但是隨著市場的競爭越來越激烈,對你的模型的技巧水平要求變得越來越高,不過模型的技巧水平這個是可以通過不斷學習和實踐而提高的,只要方向對了,堅持下去,做出好的模型只是時間問題。但如果你的方向不對,那就麻煩了。

注:以上圖表不構成投資建議,過去表現不能預測未來收益。

所以說,作為一個普通的投資者, 你至少應該有個基本的概念就是以上幾類策略風格,都是什么意思,收益來源都是什么,然后在每個市場大概對應什么思路,有了這些基本的概念,那么當有人再問你期望收益怎么來的時候,你就不至于答不出來了,你至少有了一個明確的方向,就是知道不同市場中做量化策略你大概先要在哪幾個思路上下功夫比較靠譜,至于最后做的質量如何,這需要知識以及經驗的積累,是一個漫長的過程,但是方向走對了,就不怕漫長,就可以一直走下去。

否則你走進了死胡同,比如用一些很高深莫測的數理模型,暴力優化參數得出一些邏輯不通的量化策略,看似回測夏普很高,可是根本無法合理的解釋邏輯以及收益的來源,那么這樣的策略就算做出來結果再漂亮,也不敢用。

而我做一個value,或一個carry策略,方法得當,邏輯不復雜,沒有過擬合的話,結果漂亮我的信心會更大一些,因為這是在幾十年的歷史中,多個市場反復驗證有效的東西,而且是邏輯上解釋的通的,這就好很多。

風險因子

講完了策略風格和資產類別,大家可能覺得投資這個事情已經夠復雜了,需要考慮這么多方面,不過這還不夠,還有一個方面就是風險因子,比如上面魔方里面寫的那幾個因子,增長,通脹,流動性,尾部風險等。

策略組合的再好,資產分散化做的再好,尾部風險方面完全沒考慮,那么一樣可以下場很慘,上個世紀著名的長期資本管理公司,就是一個很好的反面例子。你把過多的賭注壓在了尾部風險不出現這上面,那么就會出問題。

本來尾部風險沒那么高的,這也是為什么稍微朝這方向暴露一些頭寸是完全合理的,但是你過于貪心,暴露過多,最后超出了所能承受的范圍,就不妥了。

再比如說,我們都知道經濟增長好的時候,股票收益往往比較好,這時候做股票裸多組合,要比完全中性阿爾法策略組合,收益要高,但是你過于貪心,一直裸多,那么就把過多的風險暴露在經濟增長這個不確定的變量上。還有像流動性風險,比如小市值的股票,有時候高的收益體現了流動性溢價,你過于貪求這個溢價,把所有賭注都壓在這里,那么一旦市場整體流動性突然大幅降低,你的這個投資組合,將會是受傷最嚴重的那個,人家持有藍籌股的,這時候反而不會像你那么慘。

所以大家看到,天底下沒有免費的午餐,如果市場中有人天天請你吃飯,那這往往不是什么好事,尤其你還理所當然的覺得這是因為自己比較聰明的緣故,那就很危險了。所以說,風險因子方面,也是很重要的一個方面,是需要慎重考慮的,否則,一個看似在資產類別以及投資策略風格方面都已經充分分散化的投資方案,仍然有可能有著隱藏的過多的某種風險,平時不發覺,一旦出問題,就會很嚴重。

在不同的風險因子上應該如何選擇暴露的傾向和比重呢?我們知道,超額收益往往和風險溢價有關,所以你想完全不暴露任何風險,這是不太現實的,除非你可以接受國債的收益水平。既然風險因子的敞口是一種必然,那么在沒有具體的合理的模型去預測風險因子的水平或度量其變化規律的時候,最好的方式可能就是風險平價,也就是主要的幾類風險因子平均暴露,這種保守的方式可能是最好的。

當然,如果你的策略或模型,對于某類風險因子的分析能力非常強大,比如你可以很好的預測市場流動性的變化情況,那么這種情況下,就另當別論,你超比例的在某種風險因子上存在敞口,或許就是可行的,但是也要額外小心,仔細推敲邏輯。

Reference: Expected Returns, Antti Ilmanen

如上圖所示,可以看到在長期平均來看,流動性越差的資產,期望收益也相對越高,這個例子很好的反映了流動性作為一個風險因子,與期望收益之間的密切關系。有的時候你的投資方案或者組合收益比較高,很可能就是由于在某種風險因子上的敞口比較大而獲取的風險溢價,這個是要額外關注的。因此風險因子這一方面,作為投資的三大角度之一,是必不可少的。

講到這里,投資的三面魔方就講完了。總結一下上述的論述,就是量化投資方法論的第一個維度,就是要在資產類別,策略風格,風險因子這三大不同角度對投資進行建模與設計,一個成熟的投資方案,一定是同時兼顧了三方面的考慮,在資產類別,策略風格,風險因子上都做到了合理的分散化,并對自己投資組合在這三大方面的風險敞口情況,有著清晰的認識,同時能夠很好的理解這三大方面相互之間的交叉影響和整合的。這里,量化投資可能對于策略風格這個角度挖掘的更深一些,而宏觀對沖可能在風險因子上下的功夫更多,而兩者都要很仔細的做好資產類別的分散化配置。在這三方面做的越好,越深入,你的投資方案就越能經得起長時間的考驗。而且,這樣一個切入視角,給了一個量化投資者很好的一個大局觀,讓你時時刻刻知道你做的每一步,大概在這整個方案中,是在哪個位置,所以說,我把這稱之為方法論,應當是不過分的說法。

接下來要講的,就是金融投資學的一些基本的模型理論基礎。

從大學起,我們學過的金融學投資學理論,可謂是多如牛毛。每一套理論都有他的價值,但也都有他的缺陷。這里我回顧自己多年來理解的多套金融投資學理論,從中找出了我認為尤其重要,又具有奠基意義的三大理論,作為這一維度的講解。這三大理論就是資產定價理論,投資組合理論以及市場有效假說。

資產定價理論和投資組合理論

上個世界50年代,馬科維茨首先提出了一套經典的投資組合最優化理論,首度突出強調了分散化投資的概念,并創造性提出理性投資者都應該持有市場最優投資組合這一觀點,為之后的資本資產定價理論的提出,做了重要鋪墊。

現在馬科維茨模型已經不怎么被使用來做投資組合了,但是分散化投資的理念被保留下來,而且后續的各種各樣的投資組合理論,其實源頭都是馬科維茲模型,因此他的這個工作,是奠基性的。投資組合理論,為我們提供了很好的工具,來解決如何在不同資產類別或不同策略之間配置權重的問題。這是在投資中不可避免的一個問題。

如今,先進的投資組合理論已經不再像馬科維茨模型那樣需要有過于強的假設條件,甚至并不需要你對資產的未來期望收益有一個準確估計(因為這個估計很難,所以基于期望收益準確估計的投資組合理論的實用性都比較差),也可以融合人的主觀觀點進去等等,像black-litterman model, robust portfolio management, online portfolio theory等等,更有現在結合前沿的機器學習或人工智能模型的優勢來進行投資組合最優化的模型,根據你的不同需求,總可以找到你需要的那一款。

資本資產定價理論,最早源于CAPM模型,最先提出了beta的概念以及阿爾法的概念,為一個資產的期望收益,提供了一個合理的解釋與分解,并且這個分解方法是如此的有生命力,以至于到今天,各式各樣的smart beta因子,層出不窮,你掌握了別人不知道的smart beta, 那你就相當于有了自己獨特的阿爾法因子,可以用來獲取超出市場風險調整過后的期望收益水平的超額收益,這簡直是所有主動管理者夢寐以求的。

如今看來,你可能會覺得CAPM模型過于簡單,不就是一個線性回歸么。那么其實我覺得你還是沒有理解他的深刻意義與深遠影響,這不僅僅是一個理論或者一個方程,他甚至構建了當今社會一種非常主流的投資邏輯與價值觀,成為了很多人評價投資方法質量的工具,包括為歸因分析等做了鋪墊,因此,做量化投資或者系統化投資的人,你不可能能夠繞的過阿爾法與beta,也不能忽視CAPM模型的重要價值,直到今日,它依然為我提供很好的建模切入視角與分析工具。

市場有效性假說

市場有效性假說,或許是永遠無法被證明或否定的假說,但是這絲毫不妨礙它如今在現代金融學中的核心地位。

很多套利交易的邏輯根本點,就是基于有效的市場假設,你的套利交易才有收斂獲利的一天。市場如果不是有效,期權定價的black scholes公式就無從談起,價值投資也就變成了猜硬幣的游戲。

而同時,市場在某段時間內,局部的相對弱有效性甚至無效性,恰恰是很多量化投資策略的出發點,是獲取利潤的根本。很多時候,量化投研工作的相當一部分就是去尋找市場中相對不那么有效的一段時間或一個市場,然后利用這點去套利。你比如說,由于目前人民幣的不可完全自由兌換以及非完全市場匯率體制,導致了國內的商品期貨和國外同品種的商品期貨之間,經常會出現非常誘人的套利交易空間,也就是所謂的內外盤套利,這就是利用了市場局部的由于某些特殊原因導致的弱有效性,來獲取收益。將來一旦人民幣匯率完全市場化,人民幣實現完全自由兌換,大家都可以同時交易內外盤的時候,那么這種內外盤套利交易的利潤空間,肯定就大大降低甚至變得不存在,其實現在這個空間,隨著人民幣匯改的不斷前進,已經在逐漸縮小。

因此,大家可以看到,上述的這些基本的金融投資學理論,他們的重要性。最原始的模型可能已經無法準確描述市場,但是他們的思路,建模的切入點,仍然是我們寶貴的財富與資源。這些理論的后續衍生模型,往往在量化投資中扮演核心的地位,因此,量化投資方法論的第二個維度,就是要合理的運用這些經典金融投資學的模型思路與理論工具,用這些工具,這些切入點,來回答你的投資問題,提升你的投資方案或引導你構建自己的投資模型。

量化投資的載體:數據和人

量化投資的第三個維度,我來說說兩個重要的載體,一個是數據,一個是人。

數據大家都比較重視,做量化整天和數據打交道,在這里我重點強調數據的合理使用,以及常見的錯誤。首先一點,是數據的準確性,這個問題在中國還比較嚴重。中國的量化投資處于剛剛興起的狀態,很多東西都還比較的原始,像數據保存的重要性以及數據的準確度,這些也都是最近幾年才重視起來。

2009年以前中國甚至很難找到一份準確完成的商品期貨全品種tick數據,更不用說其他的數據比如基本面數據等等。所以這給量化投資工作者提出了很高的挑戰。我們團隊回國后第一件事就是尋找完整準確的歷史數據,我們花了幾個月的時間,通過對市面的不同來源的幾個版本的tick數據的撮合比較,才最終獲得了一份我們覺得可以信任的數據,這中間IT工作人員花費了大量的時間精力,中間有著無數的細節,一言難盡。

但是這個工作很重要,是你做好量化的前提,你在這方面偷工減料,絕對不是明智的行為。你的數據都不能保證準確,你做的模型的回測結果如何值得信任呢?你比如說,我們都知道商品期貨存在主力合約換月的問題,換月的時候不同月份的合約價格之間肯定是存在一個價差的,這個價差你不管,直接粗暴的把兩個不同合約合在一起拼成所謂主力合約,然后用這個主力合約去回測你的模型,那這就要出大問題。我們專門做過測試,找了一個量化的策略,用這種暴力拼接的主力合約回測過去6年的數據,結果是賺錢的,夏普很好,但是我們采用了經我們重新計算和仔細拼接的正確的主力連續合約回測同樣的模型,結果是虧錢的,這中間的差別就可以這么大,所以不要以為這是一個小事情。

所以說,做量化投資,數據與IT支持是非常重要的。你的數據庫質量如何,你的回測系統是否設計的足夠精確,是否考慮了交易成本,交易滑點等等,你的服務器是否運維的穩定,一旦機房斷電了你的交易怎么處理,程序出錯了怎么迅速恢復,災備系統搞的怎么樣,這些細節看似不是關鍵,但是哪一個環節沒做好,都可以產生致命的后果。

所以我一直都覺得,一個量化對沖基金團隊或公司,看他們的實力或量化的專注程度,不要直盯著模型看,模型人家畢竟不能告訴你太多的細節,但是你可以通過看他們公司的IT團隊質量和規模,看他們公司合伙人里面有幾個是純IT背景的,團隊中IT工程師的人數比例,就可以側面反映他們量化投資對細節的把握,專注的態度到一個什么水平。

整個公司沒有IT合伙人,或者整個團隊幾十個人,IT工程師角色就兩三個人,這樣的團隊說是專注于做量化,量化做的很好,我其實是懷疑的。因為現實的情況是,根據我們的經驗,專業的量化對沖基金,不是策略研發的效率或速度,而是你的IT工作效率和速度,決定了你整個團隊量化交易前進的速度,尤其在前幾年,更是如此。搞了很多策略,IT執行不過關,問題頻頻,最后一樣賺不到錢。

數據除了準確之外,還要注意的幾點就是數據的選取要有充分代表性,時間段選取要足夠客觀。比如你回測一個趨勢交易策略,如果只拿2015年的股指期貨數據來測試,那么結果可能很好,但是我們都知道2015年市場有明顯的趨勢,這是一段特殊的樣本,你還要看看你的模型在2011年,2012年等等年份表現如何。

再比如上面講過的賣出期權的波動率策略,在2001-2007年這七年中表現都非常穩定,但是如果你把2008年考慮進去,發現結論大不一樣。還有要注意就是針對數據的結果的推論,一定要邏輯嚴密,謹防邏輯漏洞。一個策略在一段時間內有效不能推論他在其他時間就有效。數據的運用要以有效邏輯為根本指導原則,要注意時間周期,樣本特殊性等方面的影響,使用方法足夠客觀,對于得出的結論的推論要足夠謹慎。(比如,一個策略或規律在一段數據中統計意義顯著也不能保證其一定有效,一個規律在一段時間內成立不代表在任意時間內都成立,在一個品種上有效不如在多個品種上有效。規律的成立不僅要有基于有效數據的統計結果支持,更要有合理的邏輯支持,邏輯上應該可以與文中討論的市場的三面魔方或三大理論形成聯系)

另一個載體就是人。做量化投資往往容易忽視人在市場中的影響。人的行為可以為數據的分析增添額外的不確定性,這個是要尤其注意的。量化投資策略既要符合數據所揭示的規律,又要符合市場行為學原則。人的市場行為,既可以是收益之源頭,也可以是風險之所附。人的因素,利用的好,其實可以是你策略收益邏輯的源頭,但是如果對其忽略,那么它也可以是你模型潛在的風險所在。這個因為時間關系具體就不展開講了。

量化投資如何做到風險收益的平衡

最后,量化投資的第四個維度是風險與收益之間的平衡。有人說剛才不是講到了風險因子,與期望收益,怎么現在又把他變成單獨的維度,是不是重復呢?不是的。要注意我這里講的風險與收益的平衡,是指在你已經充分考慮了以上幾個維度之后,你采用了準確的數據,合理的使用數據,做了很多的子策略,既符合數據的結論與邏輯,又不與市場行為學沖突,你還考慮了資產類別的分散配置,策略風格的組合,風險因子的敞口暴露,那么在這之后,當你每天拿著這套投資系統,處于市場中的時候,你依然每天面臨著收益與虧損,你依然要考慮,你今天要把多少的本金投入到你的投資方案中?你如果連續遭遇了10%的凈值回撤,該怎么辦?最近市場變得特別火爆,每個人都在賺錢,你或許開始考慮是不是你的方案過于保守。你會不會覺得一個散戶上個月賺了50%,而經過你精心設計的投資組合方案,上個月只賺了1%,甚至是虧了1%,這樣的你覺得特別沮喪或者愚蠢?你開始考慮或許應該更多的配置一些股票,因為最近股市的行情太好了,或者把多空策略改成裸多吧?反正過去六個月你的空頭部分一直在虧錢。。這樣的問題,還可以有很多,這些問題每天困擾著你,所以不要以為量化投資者,心態上就可以完全擺脫糾結。

這個市場的魅力就在于,無論如何沒有人可以擺脫這個心態的抉擇,因為無論再完美的模型,都有可能是存在大的漏洞的,都不能讓你完全100%信任的,而你的虧損帶給你負面的情緒,散戶的心態,這種心態讓你喪失理性,從而放大你對模型的偏見或者讓你做出不理智的決策,而且不要以為你是一個專業的量化投資者,所以永遠不會犯這種低級的錯誤。其實在強大的市場面前,任何人從根本上講,都存在變成一個不理性的散戶的可能。就如同來回被割韭菜的散戶一樣,一個專業的FOF機構投資者,如果來回在子基金之間做“高吸低拋”,仔細想想他又與散戶有什么本質區別?

在這個意義上,人都是渺小的,我們面對市場,永遠都要謙虛。因此,對于量化投資者的最后一個考驗,其實和對市場所有參與者的考驗是一樣的,就是你的投資價值觀,你對收益與風險的平衡把握,既不過于貪婪的追求收益,也不過于恐懼的懼怕風險,說起來容易啊,做起來很難。因此,投資決策還剩下關鍵一環,那就是期望收益與風險之間的平衡。

收益與風險是不可分割的整體,盈虧同源。

收益與風險之間的平衡沒有完全統一的標準或者最優答案,不同投資者的不同選擇體現不同的投資價值觀。從長期看,對于無法預測的風險,選擇風險平價原則或許是目前人類可以做到的最好的理性選擇。這恰恰對應了中國哲學智慧所講的大智若愚,重劍無鋒。過于激進的心態,過于追求技巧的擇時或者自作聰明的切換,往往最后適得其反。因為,你要永遠記住的是,無論你賺了多少錢,做了多少年,讀過多少書,離開了你精心設計的投資方案,在市場中你其實和初入市場的散戶,沒有什么本質的區別。投資,切記不要做多余的事情。

最后,做一個總結。一個是策略方案上實盤之前的問題排查,根據上述幾個維度,我設計了下面九個問題大家可以參考:

數據是否準確可靠,數據使用是否足夠客觀?

數據結論到策略邏輯之間的推論是否嚴謹而不存在邏輯漏洞?

策略邏輯是否合理?是否在不同市場具有一定普適性?

期望收益是否可以被合理解釋?從資產類別,策略風格,風險因子三大角度進行歸 因分析,分析結果是否合理并能夠反映主要的期望收益?

可能的策略失效風險有哪些?

策略是否同時考慮了數據與人這兩個載體?

策略是否合理的平衡了收益與風險?

新策略如何添加到原有的策略系統中去?在哪些品種上配置?不同策略之間權重如何決定?

未來出現何種情況要果斷停止策略的使用?

第二個總結,是對我講的量化投資方法論的四大維度總結:投資要做好三個方面的事:不同策略風格的組合搭配,不同市場資產的分散配置,不同風險因子的合理暴露與搭配,并懂得合理運用這三者之間的聯系,全面的構建投資系統。

資產定價理論體系,投資組合理論體系,有效市場假說,這三大金融學理論框架為投資提供分析方法與建模切入點

量化投資研究的主要載體有數據和人,要合理的使用數據,分析數據,不要忽視人的因素與行為。

當上述一切都得到合理的運用,投資決策剩下的事情便是對風險與收益的平衡。打造理性投資價值觀,就是做好收益與風險的平衡,然后持之以恒,并心懷敬畏,方可業績長青。