九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

我今天的主題演講關于量化投資，因為這是我比較擅長的一個領域。國內的量化投資起步比較晚，對于很多概念還存在一些誤解，存在與國際理解不一樣的地方。今天主要講量化投資的起源、國內外發(fā)展的現狀、量化投資可運用的領域以及國內將來可發(fā)展的方向。

一、量化交易的歷史與現狀

1、量化交易的歷史

量化交易本身并不神秘，將歷史數據做成統(tǒng)計上的規(guī)律，以嚴格的數學邏輯來實現。由于計算機自八、九十年代以來才得到速度上的發(fā)展，所以量化投資才開始比較廣泛的應用。

實際上，在1952年哈里·馬科維茨(Harry M. Markowitz)提出的均值-方差模型就第一次將數理工具引入金融研究。后來，CAPM（資本資產定價模型）已成為度量證券風險的基本量化模型。原來人們不清楚股票是如何定價的，有了CAMP以來，人們將股票定價分成兩部分：Beta（股票和市場關聯的部分）、Alpha（風險也是超收益的來源），股票的量化模型可以通過做空股票或做空股指來對沖掉Beta的風險來實現Alpha的收益。

1973年，Black和Scholes建立了期權定價模型。其實之前已經有少數的從業(yè)者運用類似的模型從市場上獲取穩(wěn)定的高收益，但這一模型是第一次系統(tǒng)化地實現了期權的定價模型?；粳F在所有的基礎包括期權的報價，都認為Black和Scholes是期權定價的基礎模型。

20世紀90年代，一個大進展是用數學方法來管理風險，最著名的風險管理數學模型是VaR（即Value at Risk）模型，其中以JP.摩根的風險矩陣（RiskMetrics）為主要代表。即使不做量化，也可以用VaR的方式和RiskMetrics來評估頭寸風險，通過風險模型來降低風險，從而提高收益風險比。

20世紀末至今，非線性科學的研究方法為人們進一步探索金融科學數量化的發(fā)展,提供了最有力的研究武器。像神經網絡、深度學習，最典型的案例是這個星期備受關注的AlphaGo與李世石的人機圍棋大戰(zhàn)，兩盤完善李世石，在結構化數據和有無限的數據來源的情況下，人類基本上沒有取勝的可能性。在投資方面還是有點不同的，一是因為有很多非結構化的信息，二是數據點的有限。但用量化的方法來做有很大的優(yōu)勢，特別是在越高頻的領域，就越有可復制的一些信息和足夠大的數據點，量化就有其非常大的優(yōu)勢；相對而言，在長周期的投資上，量化并沒有較大的優(yōu)勢，因為缺乏數據點，且依賴于很多非結構化的信息。

2、海外量化基金的發(fā)展

海外大規(guī)模的量化分為兩塊：一、從歷史時間看最早是CTA基金，五十年代、六十年代做商品策略的人都知道芝加哥有一個非常有名且簡單的量化模型——海龜算法，在五十年代到八十年代的商品市場上發(fā)揮了非常好的效果。二、從更大規(guī)模以及數學模型更復雜看是為大家所知的文藝復興基金（1988年左右成立），從1990年到2012年實現了平均35%的年回報率，而且扣除了基金管理費用和很高的業(yè)績提成，近10年來管理費為5%，業(yè)績提成為44%，扣除之后年化收益率還有35%，所以近20年的實際年化收益率應該有近70%，基本超越了所有的主觀基金。這在海外不稱為高頻，主要是幾分鐘到10天左右的預測，主要使用價量模型，在這方面取得了非常好的收益風險比和極高的收益，基本每年都是正回報，而且在劇烈波動的2008年達到100%多的費后收益。

然而并非所有的量化模型都是成功的。從歷史上也證明了這一點，長期資本管理公司的失敗，2008年也有不少跟長期資本類似的策略倒閉。還有高盛的Global Alpha 基金在出現'黑天鵝'時用歷史數據預測未來的失敗。從長遠來看，用科學的算法執(zhí)行交易策略能避開主觀交易的缺陷，同時也要注意策略的局限性，它不是萬能的。

3、海外量化策略的實戰(zhàn)運用

現在國外比較通行的一些量化交易策略，其中交易量最大的是高頻交易，很多是高頻股票、高頻期貨和高頻期權策略。高頻股票像Tower research capital；高頻期權做市像citadel，也做高頻商品和高頻股票，其中國分部在去年股票市上賺了20億左右，基本每天都是正盈利；還有以期貨為代表的還有Jump trading。在股市和期市上，高頻交易基本占到60%以上的交易量，但其容量比較有限，而且百分之幾百的收益率很快就只能跑自營資金，對資產管理而言沒有大的意義，主要用來實現交易員自身財富的增值。

股票統(tǒng)計套利，現在我把分為股票統(tǒng)計套利和股票基本面量化策略兩大類，因為這兩類的收益風險比在不同的市場行情下表現不同，2008年出現了前所未有的金融危機，當時股票基本面量化策略就受到比較大的虧損，它的持倉周期比較長，容量非常大。當時BGI管理700億美金以上，可以做量化多投，并不一定是要對沖，或130%做多、30%做空，還是實現100%的多投，但可以比100%多投實現更高的收益。這類策略有一個很大的問題，如果市場出現比較大的危機時，它的轉向會比較慢，所以在2008年會出現比較大的虧損，其中最大的代表是BGI，現在已經被Blackrock收購。另一大類是統(tǒng)計套利，海外還是以統(tǒng)計套利為主，主要是以價量為基礎，換手率高，文藝復興也做的是這一類。持倉周期在10天以內，風險收益比更好，其平均夏普率不一定比基本面量化高很多，在2007年之前的數據而言，做得比較好的統(tǒng)計套利在2.5-3，而基本面量化也可以做到2.5左右。就最大回撤比來說，統(tǒng)計套利會好得多，最大回撤基本能控制在2-3，基本面量化策略出現極端情況回撤可能會達到7%以上。其中代表基金：DE Shaw、Two Sigma、PDT Partners(曾經摩根斯坦利的自營組)，這些策略容量有限，比基本面量化策略小，DE Shaw在100億美金不到，Two Sigma、PDT在50億美金左右。

CTA策略，代表基金是Winton、AHL、Two Sigma，Winton、AHL的夏普率基本在0.7左右，Two Sigma可以做到1.5-1.6，發(fā)揮了短線上的價量優(yōu)勢，基本持倉周期在10天左右，而像傳統(tǒng)的像Winton等已經是在市場上做得比較好的長線CTA，sharp ratio都在0.7-0.8左右，但持倉周期更長，容量更大。Winton規(guī)模達到200多億美金，Two Sigma在50億美金左右。長線的策略都是以趨勢為主，Winton在長線基金里周期算是比較短的，在1-2個月左右，更長的可以達到3-6個月。Two Sigma如果是5到10天的周期，年化收益率可以達到16%，最大回撤10%。

宏觀量化對沖基金，主要是股指期貨、商品期貨、外匯期貨以及債券，比較典型的是AQR、  Global Alpha、Bridgewater（以量化為基礎，含有主觀成分，從1991年到今年2月，年化收益12%，sharp  ratio0.71，最大回撤21.69%，每年年底負收益最差的一年也在-10以內，總體的收益風險比比較大，現在的對沖基金管理規(guī)模在1000多億美金左右）。這種策略在國內的標的物較少，所以真正意義上的宏觀量化對沖基金較少。

相對價值策略，大家最熟知的是Long-Term Capital Management，1998年金融危機時出現比較大的問題，另外一個是Capula Capital，這是做相對價值策略，年化收益為9.38%，最大回撤7.42%，sharp  ratio做到1.92，因為杠桿放得較低，所以在2008年的金融危機損失并不是很嚴重。Capula Capital同時也是以中國人為主的在海外做得最大的基金。

4、量化投資在中國

在中國，因為程序化接口和其他各方面的原因，量化投資起步較晚，最早運用于商品策略。據我所知，開拓者是最早使用量化編程跟交易所連接做了程序化策略的一個產品。國內的量化策略真正意義上的開始是用量化的方法選股，做量化多頭，而真正意義上的量化加對沖的是2010年股指市場放開以后才開始做的。

從海外經驗來講，國內的量化產品相對比較單一。一是大家熟知的量化對沖，但量化與對沖是兩個不同的概念，可以做量化不對沖，也可以做對沖不量化，這也是對同行的一個啟示，不一定要做量化加對沖才可被市場所接受。BGI做量化不對沖做到幾百億美金的規(guī)模，中國也可以學習國外的經驗，只要風險收益比比其他的更好，就是可以被投資者所接受的。從量化基金來講，可以做量化的公募產品、量化的指數增強產品、量化的指數產品、量化的行業(yè)基金產品、量化的行業(yè)增強產品、風格類指數基金、策略指數基金，做成長型的也可以以量化的形式來實現，還有ETF產品、收益分級型。量化只是一個工具，可以運用到各種不同的產品上。

量化投資的好處是可以適應不同經濟環(huán)境和市場環(huán)境，去除人為情緒的干預，也可以覆蓋投資的全過程，投資決策方面包括量化選股、量化擇時、股指套利、高頻交易、商品期貨套利、CTA策略、統(tǒng)計套利等；在量化執(zhí)行方面，包括可以使用算法交易下單，可以實現一個平穩(wěn)且較低的交易成本；風險控制、資產配置也可以用量化來實現更科學化的管理。

二、量化模型的應用

1、量化選股

中國最大的交易市場還是股票市場，所以第一段先講量化選股策略。有很多的方法可以來選取股票，主動管理的可能是去公司調研，了解公司想要做什么業(yè)務、看財報及將來的發(fā)展來選取公司。量化選股是通過可獲取的一些數據來決定一個公司的價值，股票價格有一個合理的估值范圍，不是一個點而是有一個面。未來有不確定性，但還有一定的可預知性，既然我們還在從事這一行，那就是認為未來有一定的可預知性，從可預知性上可以導出股票有其范圍在內。這個方法現在已經比較成熟，所以基本上可認為是價值投資，如果算出來一個合理估值，股價在合理估值之上，大概率上今后會下跌；股價在合理估值之下，大概率上會下降。所有的投資都基于概率，而沒有確定性，無論是主觀投資還是量化投資，都是這樣。這個方法不局限于買PD的股票，因為成長股票大部分是可預估的。對于這個模型不同人有不同的理解，比如輸入的參數不同，同樣的一個成長股票，估值30倍可能還是便宜的，銀行可能估值5、6倍，去掉真正的核心估值未必是非常便宜的，這與傳統(tǒng)的價值投資是有區(qū)別的。

趨勢法，根據市場表現、強勢、弱勢、盤整等不同的形態(tài)做出對應的投資行為的方法，可以追隨趨勢，也可以進行反轉操作。因為估值方法是根據理性分析的數學理論框架，所以很快就被學術界所接受，而趨勢法是自從行為金融學出現后才被納入較合理的框架。

資金法，追隨市場買賣利潤的平衡，如果市場資金流入，就追隨這個策略跟隨價格上漲；如果資金流出，股票應該隨著價格下跌。

很多時候我們做量化投資是希望將這些方法融合在一起，再加上宏觀的判斷。如果只有估值法的話，大家在2008年就會理解，包括投資過港股的投資者也會理解，已經很便宜了，但還在不停地下跌，因為情緒因素和未來的不確定性，以及資金的流出。2008年，無論是股票，還是固定收益資產或是信用債，從估值法來說一直繼續(xù)下跌，因為資金還在不停地流出。所以我們覺得要做好一個量化選股的策略，要將這三種方法有機地結合起來。

2、量化擇時

現在由于股指的限制，交易失守，整體交易量比去年的高點下降了99%左右，現在每天股指交易量在幾萬手，去年是幾百萬手，所以很多對沖策略受到了很大限制。一種應對方法是做量化擇時模型，用量化做擇時其實就是CTA模型。

金融時間序列，比如股票價格，是典型的具有長時序相關的數列，它具有很高的自相關性質。股票的當前價值包含了歷史上諸多時間點的股價時間序列對它的影響。不管是一百年前的市場，還是現在的市場，參與者都是人，而且是很多很多的人，n足夠大的時候，就有大數據的意義，所以通過對歷史數據的分析，在一定程度上可以預測未來。而且隨著市場不同的有效性，它的可預測性是不一樣的，從海外的市場來講，如果已經將價格和可獲取的信息包括進去，越有效的市場做量化擇時，將來的可預測性越弱；中國的股票市場以散戶為主，所以有效性更容易形成一種驅動的“羊群效應”，價格對未來的可預測性影響就比較大。我們通過對時間序列的建模，選擇預測幾率大的時機交易，避開收益風險比低的時刻，再結合量化選股，就可以實現收益比較高的策略。

由于CTA策略的單邊特性，可以認為它就是量化擇時，只是運用在不同的品種上，這是狹義的CTA策略，因為在海外有廣義和狹義的CTA策略之分。廣義的CTA策略，指只要是從事期貨交易為主的策略都可以認為是CTA策略，無論是主觀的宏觀還是量化的宏觀，都要歸類為CTA策略；而在海外的策略分類里指的CTA策略，一般指的是狹義的CTA策略。由于商品的周期持續(xù)性和期貨交易方式的多空靈活性，所以CTA類策略收益與傳統(tǒng)資產投資有著顯著差異，配置在資產組合中有分散風險和提高收益的作用。Winton的sharp ratio只有0.7左右，為什么還是有這么多的機構投資者選擇它？就是因為它和傳統(tǒng)的投資不一樣，它和經濟周期是無相關性的。其它的大部分投資是順經濟周期的，無論是買股票，經濟好出現牛市，實現正收益，但出現經濟危機時就會出現大幅下跌，信用債也是這樣，事實上80%的投資類別，包括房地產、PE都是順經濟周期的。與經濟周期無關的資產品類就有相當大的特殊價值，所以在策略同等收益風險比的情況下，要首選跟經濟周期不相關的策略，并且對于其和逆經濟周期的策略，要增加權重。像做商品策略，從歷史的數據來看，在經濟危機時期都實現了比較大的正收益。

如果要做大規(guī)模的一些策略，像Winton追求的就是規(guī)模，因為對他們而言，短期收益很高，但對200多億的規(guī)模沒有很大的意義，所以基本以長周期的趨勢跟蹤為主，但在短線的出場上增加了一些反轉的策略，這主要是利用市場流動性和信息傳播速度的不同來獲取收益的，再加上杠桿的適度運用，在流動性好的周期性行情下收益往往會較高，或者在出現危機恐慌時收益較好。

大家做這個策略：一個是要抓住可預見的一些趨勢；二是控制不可預見的風險。運用這類策略里不求爆發(fā)，而是為了實現資產管理的目的，所以保證金比例一般不會超過25%，最大回撤控制在10-15%,在國內收益能達到20-30%，國外基本就是10%左右。

3、統(tǒng)計套利

統(tǒng)計套利主要是利用證券價格的歷史統(tǒng)計規(guī)律進行套利，統(tǒng)計方法分為幾大類：

一類是利用股票的收益率序列來建模，目標是在組合的β值等于零的前提下實現Alpha的收益,我們稱之為β中性策略。用這個策略來做市場非中性的非常少，因為這個策略容量有限，大家都想用這個策略來獲取最大的業(yè)績提成，如果加進β波動，用戶就不太愿意付30%-35%的提成，所以大部分還是會做對沖。不像容量大的量化基本面選股策略很多都是做量化多頭的，用統(tǒng)計套利的方法大部分是用中性策略為主。

另一類是利用股票的價格序列的協(xié)整關系建模，我們稱之為協(xié)整策略。股票關聯性很高，但長期的收益是分散的，比如一個股票每天漲1%，另外一個股票漲2%，它們的關聯性是100%，如果你做多一個，做空一個，兩個是不回歸的，虧損就會非常大；如果做配對模型，基本上還是用協(xié)整模型，以達到長期回歸。

前面的模型是基于日收益率對均衡關系的偏離，后者是基于累計收益率對均衡關系的偏離。所以基于日收益率建模的β中性模型一般是短線的，因為越長期，它的偏離就越不修復。而用累計收益率協(xié)整模型，持倉周期就可以相對長一些，這個策略也可以用在商品上。短期策略是用收益率本身來建模，長期的是用價格本身來建模。

4、期貨類套利

放到期貨也分為兩類：一是CTA策略；二是商品期貨套利（期現套利、跨期套利、跨市場套利）。

首先，期現套利對于一般的私募基金可能做不了，但有產業(yè)背景的就可以利用價差使期望基差回歸到合理區(qū)間，獲得預期利潤。另外是跨期套利，通過對同一商品不同合約間的不合理價差進行操作，使得期望價差回歸到合理區(qū)間，從而獲得預期利潤?？缡袌鎏桌侵竿ㄟ^對同一商品合約在不同市場間出現的不合理價差進行操作，使得期望價差回歸到合理區(qū)間，從而獲得預期利潤。比較典型的是國內的黃金T+D和黃金期貨之間的套利；倫敦有色金屬和國內上期所有色金屬之間的套利；上證50股指期貨和新交所A50股指期貨之間的套利。另一類相關性較弱，同一個大類下不同商品之間的套利，石油和燃油，國內的玉米跟玉米淀粉等，大豆和豆粕等，這些都可以用量化的方法實現套利。

股指期貨有其特殊性，所以將它作為一個單獨的類別，而商品期貨由于交割機制的存在，某些價差不一定回歸。股指期貨是根據現貨的價格進行交割的，所以沒有逼倉，純從金融行業(yè)量化角度而言，股指期貨是比商品期貨更好的套利標的。

5、期權套利

期權套利，如果市場上出現一些無效的價格，可以通過買進買出相關期貨，不同價格、不同月份之間的看漲看跌，對沖掉系統(tǒng)性的風險，實現絕對收益。期權交易在國內發(fā)展得還不夠充分，因為只有一個投資標的，但隨著將來商品期權和更多的股指期權，甚至個股期權的上市，可能會帶給大家更多的交易機會，實現穩(wěn)定的收益。

三、阿爾法模型和寬客

我們說的Alpha策略與國內傳統(tǒng)狹義上的股票Alpha策略有所不同，我們認為只要能做超收益、對沖掉風險的策略都是Alpha策略，我認為主觀選股也是Alpha策略。無論是評估主觀交易為主的基金還是量化為主的基金，對沖型的就比較簡單。國內2014年12月份很多量化對沖性基金就出現比較大的回撤，就是因為對沖的風險不完全，當時一些基金做多小盤，用IF做對沖，這是基于2012-2014年的市場，因為這段時間是一個小盤的牛市，而大盤是持續(xù)下跌的，很多基金獲取了比較高的收益，其實很大一部分收益是來自于小盤對大盤的風險溢價，但短期波動非常大。在美國也是一樣的，1960-2000年小盤對大盤的超額收益是非常大的，但隨著市場對風險溢價的了解，2000年到現在小盤對大盤的風險溢價已經消失得很快。評估一個主觀投資基金，都用滬深300做標的是不合理的，合理的對標標的是中小盤指數，如果主要做創(chuàng)業(yè)板，對標標的應該是創(chuàng)業(yè)板指數，這樣才能看出投資經理是否有獲Alpha的能力。

量化交易策略和主觀判斷交易策略的主要差別：策略如何生成以及策略如何實施。在我看來，策略的生成才是最重要的，對于策略實施，量化和主觀交易策略完全可以使用同一個模型。量化交易策略借助計算機系統(tǒng)實施策略，消除主觀判斷交易中的隨意性，實際上主觀交易策略是可以借助的，主觀判斷最強項的地方是選取標的，獲取一些量化模型無法獲取的信息，但在交易執(zhí)行方面，除非交易員有非常強的主觀交易能力，交易執(zhí)行成本比一些算法交易更好，基本是用量化的執(zhí)行方法來實現交易目的。另外量化可以消除交易決策中的情緒、不守紀律、心態(tài)、貪婪、和恐懼等心理驅動因素。

阿爾法策略是扣除基準回報以后的投資回報，在對沖受限的情況下，純做Alpha就要通過擇時和選股結合。海外的擇時是非常難的，特別是美國，大家比較信任的是股票上Alpha的超額收益能力。根據市場行為定義的發(fā)展中國家，像巴西，都是典型的可以通過擇時來獲取超額收益的國家。其中擇時也包括大小盤的擇時、行業(yè)的擇時。

從理論上，量化模型歸類：趨勢型、反轉型、價值型、成長型、品質型，這些策略都可以混合在一起，像股票量化選股模型就結合了信息類的東西，結合出短期跑贏市場的組合。   

數據挖掘技術相對于簡單的基本面量化模型，有一個較高的門檻，優(yōu)勢是可以更大限度地獲取市場行為。現在的神經網絡、深度學習等都可能是大家今后的發(fā)展方向。

四、量化黑箱中的風險控制

對投資來講，量化就是一個黑箱子，存在很多不可控因素，因為客戶無法了解頭寸的原因，更重要的是做好風控，降低顧客對你的顧慮。

從投資理論出發(fā)建立一個策略模型、良好的評估體系，通過組合盤加上擇時模型來進行的。在做策略組合時，要將各個模型做有機的組合，如資金管理平臺（擇時與行情預估模型、資金分配模型、子賬戶分賬系統(tǒng)）、自動化回測平臺（理論、算法、參數優(yōu)化、模型校準），很重要的是注意風險控制（風險計算模型、盤中風險預估與應對措施、模型失效風險），任何時候都要控制風險，如果跌了50%，就要增長100%，因為資金是有限的，所以對于不同的產品要用合適的風險模型來計算頭寸組合的風險，以及如何處理模型失效。

風控方案的組成：盤前風控，避免單一市場、單一策略帶來的系統(tǒng)性風險。如果滿倉下出現黑天鵝，可能會造成非常大的回撤。盤中風控，避免交易執(zhí)行的風險，如光大烏龍指事件，在高頻交易上也容易出現系統(tǒng)性風險，像騎士資本在45分鐘內損失4.4億美元，高盛當時由于期權的策略出錯也出現非常大的虧損。盤后風控，避免模型失控風險。

風險控制模型：風險管理不只是規(guī)避風險或者減少損失，而是通過對敞口實施有目的的選擇和規(guī)模控制，從而提高回報的質量和持續(xù)性。限制風險的大小，頭寸規(guī)模限制是風險管理的一種重要形式。對我們而言，策略要回溯到1999年（國外）-2005年（國內），要經歷過一輪大的牛市、熊市和危機模型的測算，才能保證策略的有效性，而不可根據近一兩年的數據。度量風險的大小，通過計算不同種類的金融產品的回報隨著時間推移的標準差（波動率，波動率越大，市場呈現的風險就越大），在固定的投資范圍中，度量不同種類的金融產品行為之間的相似性( 金融產品的橫截面的標準差，標準差越大，行為多樣，市場的風險比較小) 。

無論是做主觀還是量化，都可以進行參考，一個是交易成本的模型，通過對波動性的預測和對滑點的控制，可以評估多大頭寸對市場形成多大沖擊，雖然這對長線交易員影響不大，但對短線交易員還是有比較大的可參考性。

量化策略的優(yōu)點和缺點。優(yōu)點：系統(tǒng)性、穩(wěn)定性、可復制性。缺點：容易趨同，因為大家都是對有限數據的經驗總結所做出來的策略方案。對同一數據做擬合，無論是用機器還是人工的方法來做，做出來的策略都會比較類似。歷史上小盤平均是跑贏大盤的，大家做出來的策略都是小盤跑贏大盤的，歷史上價值平均是跑于成長的，大家做出來的策略都是價值平均跑于成長的。從九幾年15%的超額收益到現在的5%，大家都做同樣的一件事情，就將將來可預測的超額收益越做越小。非結構化的處理，比如數據點非常少，無法通過數據學習的方法來出預測方案，而人工可以根據全系列的分析得出更好的結果。還有就是非數據信號的處理，如政策，量化策略目前還不能對這些風險因素進行很好的評估，這方面是人工交易的優(yōu)勢。