II量化交易策略概述一、量化交易簡(jiǎn)介隨著金融科技（fintech）的概念興起。而在金融科技領(lǐng)域中，金融科技中除了人們熟知的AI、區(qū)塊鏈等幾個(gè)領(lǐng)域外，量化金融也是不可或缺的一塊重要的部分。隨著量化金融領(lǐng)域中無(wú)論是技術(shù)還是思想的日趨成熟，金融投資過(guò)程中越來(lái)越多的人開(kāi)始應(yīng)用量化投資的方法去進(jìn)行交易。量化交易策略越來(lái)越被投資者所接納并采用，越來(lái)越多的金融機(jī)構(gòu)設(shè)立量化投資部門。但量化投資對(duì)投資者的計(jì)算機(jī)編程、統(tǒng)計(jì)分析、數(shù)學(xué)基礎(chǔ)以及金融嗅覺(jué)的要求十分高，因此目前國(guó)內(nèi)量化投資仍主要掌握于專業(yè)機(jī)構(gòu)手中。量化交易是基于先進(jìn)而又復(fù)雜縝密的數(shù)學(xué)模型，并且利用了計(jì)算機(jī)的優(yōu)勢(shì)。計(jì)算機(jī)可以從海量的數(shù)據(jù)中歸納出一定的規(guī)律與概率，利用這些結(jié)論去對(duì)市場(chǎng)進(jìn)行判斷，就是我們量化投資的基礎(chǔ)所在，尤其是機(jī)器學(xué)習(xí)的量化投資策略（利用歷史數(shù)據(jù)去訓(xùn)練模型，將現(xiàn)在的數(shù)據(jù)輸入到模型中預(yù)測(cè)將來(lái)），企圖用較高的勝率去獲取超額收益。這種利用機(jī)器去決定的投資方法可以避免投資者因?yàn)榍榫w波動(dòng)而做出的不理性決定。量化交易不同于一般的交易的地方在于，它是以金融、統(tǒng)計(jì)、數(shù)學(xué)、計(jì)算機(jī)等交叉學(xué)科為基礎(chǔ)，通過(guò)多元回歸、時(shí)間序列分析，還會(huì)使用一些數(shù)學(xué)模型，以代碼的形式來(lái)構(gòu)建一些投資決策，通過(guò)信號(hào)位以及條件閾值的設(shè)定發(fā)出買賣指令。量化投資和傳統(tǒng)的主觀投資都是基于有效市場(chǎng)理論中的三階段分類假設(shè)，都不認(rèn)為市場(chǎng)為強(qiáng)有效市場(chǎng)，也就是說(shuō)其本質(zhì)是相同的。量化投資管理是主觀投資的量化應(yīng)用，根據(jù)數(shù)據(jù)和代碼來(lái)量化主觀邏輯，使得決策減少感性的部分，更為理性。通過(guò)模型對(duì)市場(chǎng)中的波動(dòng)進(jìn)行實(shí)時(shí)的監(jiān)測(cè)，避免了主觀投資中投資者的情緒波動(dòng)導(dǎo)致的錯(cuò)誤判斷，有利于提高投資的穩(wěn)定性。利用計(jì)算機(jī)的優(yōu)勢(shì)，量化交易策略可以對(duì)大量的數(shù)據(jù)進(jìn)行較快的處理，做到人為主觀投資所做不到的，不僅可以從技術(shù)分析出發(fā)，還可以從基本面分析（包括宏觀經(jīng)濟(jì)、公司財(cái)務(wù)、國(guó)內(nèi)外形勢(shì)等）構(gòu)建策略，并在金融市場(chǎng)中進(jìn)行交易。二、量化擇時(shí)策略擇時(shí)交易，顧名思義，投資者根據(jù)自己的判斷去預(yù)測(cè)大盤(pán)的走勢(shì)，從而決定現(xiàn)在是做何操作，也就是選擇買入賣出的時(shí)間點(diǎn)。大盤(pán)的走勢(shì)一般包括三種常見(jiàn)的走勢(shì)，它們是上漲趨勢(shì)、下跌趨勢(shì)或者是震蕩盤(pán)面。如果投資者判斷市場(chǎng)未來(lái)繼續(xù)維持或者反轉(zhuǎn)為上漲趨勢(shì)的話，則可以進(jìn)行買入操作；如果投資者判斷市場(chǎng)未來(lái)繼續(xù)維持或者反轉(zhuǎn)為下跌趨勢(shì)的話，則可以進(jìn)行賣出操作；除此之外，若判斷未來(lái)市場(chǎng)走勢(shì)不明朗或者是震蕩盤(pán)面，那么可以選擇進(jìn)行短線操作，低買高賣，遠(yuǎn)比在震蕩期間固定持有標(biāo)的的收益來(lái)的高的多。所以擇時(shí)交易的收益率比較高。但是大盤(pán)走勢(shì)和多種因素息息相關(guān)，它與國(guó)家政策、國(guó)際形勢(shì)、國(guó)內(nèi)宏觀經(jīng)濟(jì)形勢(shì)等因素都密切相關(guān)，因此若投資者想要準(zhǔn)確地預(yù)測(cè)大盤(pán)走勢(shì)不是那么簡(jiǎn)單的，具有一定的難度。本文主要想介紹趨勢(shì)擇時(shí)策略、有效資金擇時(shí)策略、市場(chǎng)情緒擇時(shí)策略、以及新興的基于MachineLearning的策略。趨勢(shì)擇時(shí)主要依靠的就是我們傳統(tǒng)的技術(shù)分析。傳統(tǒng)的技術(shù)分析的基本思想是趨勢(shì)是有一定的延續(xù)性的。投資者所需要做的就是找準(zhǔn)趨勢(shì)的方向，并且根據(jù)預(yù)判后的趨勢(shì)方向去投資。一般用的較多的趨勢(shì)指標(biāo)有MA、MACD、DMA等，最常見(jiàn)的就是根據(jù)均線去進(jìn)行擇時(shí)策略的構(gòu)建，比如使用5日均線和60日均線進(jìn)行簡(jiǎn)單的策略構(gòu)建，若MA5大于MA60值，則買入；反之，則賣出。市場(chǎng)情緒擇時(shí)，顧名思義，根據(jù)投資者當(dāng)前對(duì)市場(chǎng)的心態(tài)去進(jìn)行判斷與擇時(shí)。當(dāng)投資者都非常迫切地建倉(cāng)，紛紛買入加倉(cāng)時(shí)，大盤(pán)會(huì)有一個(gè)趨勢(shì)向上的走勢(shì)；當(dāng)投資者處于保守狀態(tài)，紛紛賣出觀望時(shí)，大盤(pán)一般會(huì)有一個(gè)趨勢(shì)繼續(xù)向下的走勢(shì)。有效資金擇時(shí)策略就是根據(jù)有效資金的流動(dòng)去判斷大盤(pán)走勢(shì)方向的擇時(shí)策略，尤其是在市場(chǎng)頂部和底端時(shí)有效資金的作用尤為明顯。隨著人工智能的迅速發(fā)展，利用機(jī)器學(xué)習(xí)技術(shù)的量化擇時(shí)策略也逐漸成為了一種量化擇時(shí)趨勢(shì)。例如SVM量化擇時(shí)策略。SVMSVM即SupportVectorMachines，也稱支持向量機(jī)。這種算法將大盤(pán)進(jìn)行分類，在各自的模式找出其最鮮明的特征，然后通過(guò)模型的訓(xùn)練利用已有數(shù)據(jù)去預(yù)測(cè)未來(lái)的數(shù)據(jù)。SVM即SupportVectorMachines，也稱支持向量機(jī)。量化選股策略量化選股，就是用量化的方法去選擇標(biāo)的組合，并賦予組合中的標(biāo)的一定的權(quán)重，以此來(lái)構(gòu)建我們的量化選股策略。在現(xiàn)實(shí)市場(chǎng)中，市場(chǎng)上的各行業(yè)板塊都會(huì)進(jìn)行輪動(dòng)，而策略在其中的盈利方式就是根據(jù)市場(chǎng)情況基于行業(yè)的周期性和防御性的特征去配置我們策略中的板塊輪動(dòng)。在政府采取擴(kuò)張的貨幣政策時(shí)期，配置周期性的股票較為妥當(dāng)。反之，則應(yīng)配置非周期性行業(yè)的股票。我們將介紹兩種量化選股策略，一個(gè)是基于基本面的，另一個(gè)是基于市場(chǎng)行為的?；诨久娴牧炕x股策略就是基于標(biāo)的的基本面信息去進(jìn)行判斷該標(biāo)的適不適合我們的策略去持有。多因子模型的量化選股策略中有多個(gè)我們認(rèn)為能夠給我們的策略帶來(lái)超額收益的因子，符合條件的股票會(huì)被列入我們的股票池中，如果不滿足的話，則會(huì)被剔出我們的股票池中。多因子模型中會(huì)有很多不同方面的因子，因此風(fēng)險(xiǎn)比較分散，無(wú)論是何種行情，都有能夠發(fā)揮作用的因子來(lái)幫助策略選股。此外，基于風(fēng)格輪動(dòng)模型的量化選股策略的基本思想就是根據(jù)當(dāng)前市場(chǎng)偏好的投資方向?qū)ふ姨幱陲L(fēng)口行業(yè)的股票類型，比如說(shuō)偏好大盤(pán)股、偏好某個(gè)行業(yè)的股票等，根據(jù)判斷機(jī)構(gòu)偏好的風(fēng)格不同去進(jìn)行相應(yīng)的選擇。若是能夠提前預(yù)測(cè)到市場(chǎng)風(fēng)向的轉(zhuǎn)變，那就可以提前布局賺取這波超額收益。其基本邏輯就是由于經(jīng)濟(jì)周期、經(jīng)濟(jì)政策、經(jīng)濟(jì)形勢(shì)等一系列原因，行業(yè)會(huì)進(jìn)行輪動(dòng)，我們便跟隨著行業(yè)輪動(dòng)的順序，預(yù)判風(fēng)口的行業(yè)，在行業(yè)行情啟動(dòng)的初期進(jìn)入，在行業(yè)行情結(jié)束之前撤退，這樣一來(lái)比固定持有多個(gè)行業(yè)的股票的做法收益多很多。經(jīng)過(guò)這些年量化選股策略的不斷發(fā)展，基于市場(chǎng)行為的量化選股策略也形成了很多不同的種類，下文將主要介紹三種常見(jiàn)的該類模型。在資金流選股模型中，如果資金不斷買入該股票，那我們將會(huì)預(yù)測(cè)該股票未來(lái)是上漲的趨勢(shì)；反之如果資金不斷流出，那我們將預(yù)測(cè)該股票未來(lái)大概率是下跌的趨勢(shì)。資金流這一選股因子在實(shí)際市場(chǎng)中還是有一定有效性的。一致預(yù)期模型的主要思想就是市場(chǎng)上大部分分析師也許會(huì)對(duì)同一只股票產(chǎn)生一致的看法，那么當(dāng)較多分析師認(rèn)為該股票未來(lái)會(huì)上漲時(shí)，我們便買入，反之則賣出。基于趨勢(shì)追蹤模型的量化擇時(shí)策略的主要思想就是追漲殺跌，我們所要做的就是判斷股票現(xiàn)在的趨勢(shì)方向。四、量化交易的前景量化交易首先在歐美市場(chǎng)中（尤其是美國(guó)市場(chǎng)）發(fā)展得十分迅速且慢慢趨于成熟。美國(guó)的對(duì)沖基金機(jī)構(gòu)逐步從完全主觀投資往量化投資的方向發(fā)展，而中國(guó)的私募也想復(fù)制這樣的步伐。在21世紀(jì)初期，包括Caxton,GLG,CitigroupAlternativeInvestments等在內(nèi)的資產(chǎn)管理規(guī)模較大的對(duì)沖基金都是以主觀投資為主，可以看出的主要資產(chǎn)都是集中在主觀投資的領(lǐng)域中，其中唯一一個(gè)以量化投資為主的對(duì)沖基金便是大名鼎鼎的橋水基金。而再看看2020年全球?qū)_基金Top20的榜單，橋水基金已經(jīng)位列第一，第二第三名分別為AQRCapitalManagement和ManGroup，而排名前十的機(jī)構(gòu)中大部分是以量化為主的基金。由此可見(jiàn)，量化在美國(guó)的對(duì)沖基金中已經(jīng)成為了常見(jiàn)的投資方式。國(guó)內(nèi)量化投資的發(fā)展還遠(yuǎn)遠(yuǎn)達(dá)不到歐美國(guó)家這樣的水平。目前國(guó)內(nèi)量化投資的水平還處在比較初級(jí)的階段，要和歐美國(guó)家看齊還有很大的進(jìn)步空間，因此國(guó)內(nèi)量化投資市場(chǎng)的潛力還是非常大的。目前國(guó)內(nèi)在量化投資領(lǐng)域發(fā)展比較領(lǐng)先的城市有上海、深圳、北京。上海作為國(guó)家的金融中心，期貨等衍生品的發(fā)展與創(chuàng)新一直是比較領(lǐng)先的，后來(lái)證券的alpha套利alphaalpha套利是對(duì)沖系統(tǒng)性風(fēng)險(xiǎn)而獲取超額收益的套利策略目前主要使用量化交易的機(jī)構(gòu)是私募基金和一些公募。由于公募基金的資金體量大，無(wú)法接受較大的回撤，因此需要選擇一些風(fēng)險(xiǎn)較低的量化策略執(zhí)行，這樣依賴也導(dǎo)致了量化交易在公募基金這塊領(lǐng)域的收益率也比較低。公募在量化領(lǐng)域的業(yè)績(jī)?cè)谧罱鼛啄曛胁⒉煌怀?。因此量化投資在公募基金中只是作為一種輔助工具來(lái)使用。但隨著更多衍生品的創(chuàng)新發(fā)展，公募基金中的量化交易還有很大的發(fā)展空間。近幾年私募基金不斷發(fā)展，發(fā)展速度穩(wěn)步上升，國(guó)內(nèi)也不斷