1-量化交易解析

量化交易解析
2019/6/19
摘要：
在股票市场上，量化交易早不是什么新闻，目前在国外七成的交易都是通过计算机决策的，在国内这个数字也接近五成。

过去的股票市场都是靠交易员手动敲键盘来操作的，难免一失手成千古恨，这种行为被戏称为“胖手指”，相比之下，量化交易则如同点石成金的“仙人指”。

量化里最美的童话就是“旱涝保收”，牛市也好，熊市也罢，都能大赚特赚。

传统股市量化中最耀眼的明星莫过于詹姆斯西蒙斯，其一手缔造的大奖章基金自1988成立至2009年西蒙斯退休的这21年间，年平均收益率达到了惊人的46%，即使是2007年次贷危机席卷美国，量化基金遭遇滑铁卢的时代，大奖章基金依然获得了骄人的73%的回报率。

那么究竟量化交易有何等的魔力？
一、量化交易的定义
量化投资就是借助计算机技术和数学统计模型来实现投资思想。

传统的投资策略主要分为基本面、技术面和政策面分析法三种。

和它们有所不同的地方是，量化投资主要是依靠统计模型与历史数据来找出投资策略与投资标的物。

量化投资交易策略的定量思想与传统交易策略的定性投资实际上是一样的，它们均是依靠经济学中的市场弱有效理论，基金经理可通过对股票的基本面、成长性、估值等多方面的分析和研究，构建出能够产生超额收益的股票投资组合。

定性投资方法比较依赖于对公司的调查和分析研究，并且需要加上基金经理的个人经验与主观臆断。

但是量化投资则是将传统的定性思想进行量化的一个过程。

量化投资比较注重精确量化，而技术分析、基本面分析则不能做到完全的量化。

再者技术分析是用来分析进场点和出场时机的。

二、量化交易的策略类型
量化交易策略是根据金融理论、投资者的市场经验、数学和统计模型进行设计，一个交易策略应该包含如何进行品种选择、入场时机的选择、止损出场的时机、动态止盈的时机、加仓策略、资金如何控制等等。

目前国内量化交易主要分为以下几种类型。

（一）趋势追踪型策略
所谓的趋势就是一个高点或者低点沿一个确定的方向逐渐降低或者逐渐抬高，如果这一个规律被终止趋势就已经结束。

行情可以分为三种情况：上升型、下降型和震荡型。

经统计研究震荡型在整个行情中拥有70%的比例，判断趋势行情来临的办法有接下来的三种：景气指数，紊乱指数，舆情指标，这三种只适合判断股票的趋势行情不适合判断期货的行情。

以景气指数为例：
景气指数＝处于上升趋势中的股票数目/总股票数×100；低迷指数＝处于下降趋势中的总股票数/股票总数×100；震荡指数＝100－景气指数－低迷指数。

可以通过景气指数来判断行情的走势，也可以通过历史行情的景气指数来预测未来的低谷和高点。

（二）统计套利交易策略
统计套利主要是指运用计算机技术在历史的价格数据中统计出标的资产间的价差，并根据现在的价差偏离历史价差的程度，预测未来价差的走势。

常见的统计套利方法分为：期货与现货之间的期现套利、期货不同月份合约之间的跨期套利，同一期货品种在不同市场上的跨市套利，不通期货品种之间的跨品种套利期现套利的理论基础如下：
①期货的基本特点为随着到期日的日渐趋近，期货价格最终会向现货价格收敛。

期货的理论价格定义为持有现货需要的成本减去持有现货产生的股息之类的收益，以下为期货的理论价格公式：
d
e
S
F n-
⨯
=
其中，F：期货品种的理论价格，S：期货所对应的现货价格，r：无风险利率，t：合约的到期期限，d：持有现货产生红利
②套利机会：如果期货价格偏离了理论价格，并且偏离的幅度已经大于机会成本，
那么套利机会将出现。

c
d
S
F+
-
⨯
>n
1
e
F1：期货品种的市场价格，c：交易存在的成本（包括冲击成本）
（三）高频交易策略
高频交易就是指利用极为短暂的市场机会进行交易从而赚取利润的市场行为，例如某一种证券品种的买入价格与卖出价格之间的价差发生微小的变化或者股票在不同的交易所之间存在微小的、短暂的价差。

可见这种交易要求速度非常的快，所以有些交易机构将服务器放置到交易所旁边的机房，以缩短传播所用的时间。

高频交易有如下三种常见的形式：制造流动性赚取回扣的交易策略，利用算法构建的交易策略和充当做市商的交易策略。

①通过制造流动性来赚取回扣的交易策略：证券交易所为那些创造流动性的券商提供回扣，这样的交易方法的最初目标就是赚取交易所提供的回扣，从而创造不合理的价格，这样将会导致一方获利，另一方承担交易成本。

②算法交易策略需要对历史数据进行充分的研究而挖掘。

算法交易策略通过人为操纵使得买入价格提高或者卖出价格降低，从中进行获利的交易手段。

③做市商通常是指那些在证券行业中有一定的经济实力和经营信誉并且拥有证券
经营资格的法人来作为深圳证券交易所或者上海证券交易所的特别会员，做市商通过连续不断地向证券市场提供某一特定的买卖价格，并且有能力在特定价位上满足众多投资者的买卖要求，利用自有资金与投资者进行证券交易。

三、量化交易策略的实现
（一）数据库管理
有效的数据库管理涉及历史数据的调用及本地数据库的维护，包含处理国内股指期货与商品期货的分笔数据导出、保存到本地数据库、针对一定频率抽取截面数据进行深度加工处理、自动化地定时更新添加整理数据工作，从而方便抽取各种时段、特定时刻、一定时间间隔的期货、现货、基差、价差等交易数据。

（二）策略量化及模型构建
这是量化研究的重中之重，分为模型选择及效果回测两个层面。

选择纳入研究范围的模型，不能只是就获利理念论建模、比较模型，研究者还需要找出与整个策略实施过程关联度大的其他方案。

例如，设计配对交易方案，考虑了EG、Johansen协整方案后，研究者还可以选择Beta系数方法或残差标准差作为触发水平方案等。

进行期权定价研究时，除期权定价公式外，各种参数计算模型(如最大似然估计、模拟退火算法、最小二乘法)、计算速度与程序运行效率改进算法也是需要关注的重点。

从策略构建时就开始关注整体，是开发成功的模型中重要的一个环节。

效果回测指检验策略模型的稳健性，选取匹配交易环境的方案。

当在研究回测过程的时候，需要针对历史和模拟情景下的数据进行样本内外、连接实时行情进行实际交易环境下的效果检验。

针对各种行情(单边上涨、单边下跌、先上涨后下跌、先下跌后上涨、震荡、使用蒙特卡罗模拟技术计算的数据)，多次调整测试时段，确定开平仓的触发水平，观察结果中异常偏离及整体效果等数据，并依托资产组合的价值达到一定水平执行止盈止损、资金回撤操作等捕获资产组合价值高位运行的手段，筛选表现较佳的策略。

总而言之，在了解将在整个运行过程中要使用的模型方案后，留给效果回测环节解决的问题主要如下：选择什么样的参数、得到什么样形式的变量、整个过程如何衔接、如何筛选适当方案。

（三）实践操作与效果跟踪
包括指令管理、买卖信号传递、效果评估等一些子系统的设计。

交易优化的时候主要涉及参数调整及下单方式。

在下单时，针对考虑买卖差价流动性等市场信号，使用算法交易对大额订单进行分拆，寻找最佳和最有利的执行价格，以降低在交易的时候给市场的造成的冲击成本、提高执行效率和订单执行的隐蔽性。

下单执行策略时VWAP、TWAP使用较多。

资金管理及模拟情景，主要是应对高杠杆带来的尾部风险事件，预先测算需要承担的最大损失，并确保策略在自身的承受范围内。

当西蒙斯的大奖章基金被世人所知道的时候，量化投资也被越来越多的人所知道，目前量化投资作为一种交易方式风靡全球，量化交易的发展前景也将无比广阔。

【徽商期货有限责任公司半年度分析报告由徽商期货研究所组织撰写，供业务人员及在徽商期货进行期货交易的投资者参考。

尽管本刊所载信息我们认为是由可靠来源取得或编制，徽商期货并不保证本刊所载信息或数据的准确性、有效性或完整性。

本刊所载资料不应视为阁下对任何期货商品交易的直接依据。

在选择期货投资以及对期货商品做出交易决策之前，建议向徽商期货专业人士咨询。

未经徽商期货授权，任何人不得以任何形式将本刊内容全部或部分发布、复制。

】。