牛津博士王宁：大数据和量化金融从机器交易高频交易到大数据交易 数据派 数据观 中国大数据产业观察

牛津博士王宁：大数据和量化金融，从机器交易、高频交易到大数据交易数据派数据观中国大数据产业观察

牛津博士王宁：大数据和量化金融，从机器交易、高频交易到大数据交易

时间：2015-09-02 10:53:21

作者：数据派

本讲座选自2015年8月27日在2015中国国际大数据大会主题论坛五──牛津大学NIE金融大数据实验室、数据科学高级研究员、博士王宁所做的题为《大数据和量化金融，从机器交易、高频交易到大数据交易》的演讲。

王宁：很高兴来到这里，我是第二次参加这种会议了。我这次是以第二个身份来的，就是牛津大学NIE金融大数据实验室，代表实验室过来，今天主要分享一下我们实验室做的关于量化金融的思考跟案例。

首先简单介绍一下我们的大数据NIE实验室，是一个全新的实验室，是2013年11月正式成立的，我们实验室

的定位是世界主要大学的第一个以金融大数据为研究方向的实验室，我们是交叉学科的实验室，目的是把数据科学运用到金融领域，包括很多学科交叉在一起。因为我们的接口是牛津大学金融数学系，这个系框架上有金融、计算机、统计，我们致力于做一个产学研交流合作的平台。

我们主要研究的方向：包括行为金融学、第二个是机械学习在金融领域的应用。第三是一些金融的模型，特别基于数据的金融模型，数据来源主要是结构和非结构化数据。第四就是金融决策，就是我们说的情感分析，怎么用互联网包括社交媒体大数据帮助我们做一些金融决策。最后就是风险控制，也是我们常说的互联网金融怎么样能够把风险控制下来。

我们主要的提出的问题是几个挑战：

金融大数据对行业带来的挑战是什么？

大数据具体在金融领域的主要应用是什么？要真正对行业起到推进作用。

金融更多是关注未来的东西，怎么样能够更好预测未来的东西，降低风险？

最后是决策，怎么设计科学合适的机制，基于大数据机制，最终通过人或者机器进行自动化的决策？

回到我们的主题，金融行业首先核心它是一个决策的机制。一个交易员，自己买股票每天要面对很多决策，是买这个股票还是卖，是买这个基金还是卖这个基金，买是什么时候买，卖是什么时候卖，买还是卖是一个问题，而且这个问题很难找到答案，而且这个问题还是跟时间相关，就是你的时间点要拿捏非常好，如果买得早或卖得早有可能对你金融的盈利模式产生影响。所以最终归根到底不管是交易员的交易还是机器交易，最终金融数学，包括机器交易，核心是一个决策的问题。

一提到决策的问题千百年来有很多决策都是通过人来进行的，这位是诺贝尔经济学奖的得主，他是心理学家拿到经济学奖，他有一个理论就是每个人都有趋利避害的心理，对我有利的东西永远愿意接受，对我有害的东西我永远不太容易接受。这个在学术包括心理学有很多现成的案例，最简单的比方，中国的很多股民都是普通的散户，包括我自己的母亲也是，她买了股票以后股票一跌就不愿意卖了，就放在那里了，股票继续跌，你现在卖了也是在赚钱，你卖得早可能亏得更少，但是她的趋利避害的心理导致她股票一掉就放在那不管了，相反股票一涨她也不愿意卖，觉得会涨更好。所以无论是很资深的交易，还是散

户，每个人与生俱来都有趋利避害的心理，他永远希望看到好的事情发生，不好的事情永远不愿意看到。

所以这就导致我们所说的机器交易的发展，因为机器是没有感情的，你跟机器交易，一百块钱和一个亿对机器来说只是一个数字，而且机器不会受情感的影响，也不会受外界环境的影响。所以在西方，特别是华尔街产生一个新的工业就叫机器交易，或者说叫高频交易，这是一个简单的流程。高频交易的历史简单介绍一下，人类第一个股票交易所是在阿姆斯特丹，那时候信息不发达，通过信鸽传递信息，进行套利交易。1983年用了三千万元投资发明了历史上第一个实时的市场数据电脑系统，可以通过这个系统进行金融的计算，所以到今天彭博社在这个领域还是很领先的，在欧美很多的交易员还是非常熟悉彭博社提供的终端。在1996年美国的证监会通过立法允许了这种电子交易，最新的一个数字是美国华尔街时报有一个统计，说现在全世界在西方的金融市场70%的交易都是通过机器进行完成的。

这位是我们的一个前辈，大家知道叫西蒙斯，他建立的一个公司叫文艺复兴，他前身是一个数学家，MIT毕业，然后去美国国防部的机构研究密码，后来跟上司不愉快，

就回到美国的大学任数学系主任，做了一段时间觉得没有意思就进入了金融市场，他的公司叫文艺复兴公司。就是全世界做量化投资做得最好的，而且它的平均业绩每年可以达到30%以上的市盈率，它的基金的市盈率是远远超过像巴菲特他们的基金的。他的基金成功的唯一秘诀他是不会跟别人讲的，但是他有一个案例跟大家分享过，他的基金就是通过机器交易，没有任何人的参与，他在华尔街雇了很多高端的理工科毕业生，进行大量计算，通过模型交易，他说人不可信，只有通过机器交易才可以。

这是高频交易的显示度，不到一分钟做了1.8万次交易，频率非常高。高频交易的行业有过一个萎缩的情况，因为高频交易行业进入了一个瓶颈，这个瓶颈就是随着进入这个行业的人越来越多，门槛会提得很高，最后实际很多算法和模型都是基本上公开或者半公开状态，最后拼的是你的硬件和速度，高频交易是和时间赛跑，你的系统的速度怎么样，运算速度怎么样，包括宽带接口速度怎么样可能决定你最后的盈利。最后大家很多公司都是花了很大的钱投资于硬件和网络，实际是以速度的差值赚钱，最终导致很多小的对冲基金进行大量的投资还是竞争不过大基金，最后就倒闭了。所以对冲，整个高频交易行业进入了一个怪圈，有点像当时美国跟俄罗斯的军备竞赛的形式，

最后大家花了很多钱投资硬件，通过速度领先于同行业对手，通过速度差值赚钱，所以这个也就是一个高频交易从2013年开始有点慢慢在萎缩的部分的原因。

我们这里讲主要说高频交易现在既然有瓶颈，我们能不能跳出金融的量化的模式，从另外一个角度看，从大数据角度看能不能找到一个新的途径。所以我们就说从高频交易到大数据，大数据现在实际对整个行业，包括金融交易带来一个新的机遇，就是现在我们可以获取的数据远远不是以前的金融的交易，包括买卖的信息。我们可以跳出这个行业，在互联网的社交的领域能够看到有没有其他的可能性。

这是一个简单的例子，在一个银行发布的报告，提出在谷歌的搜索引擎里，它可以通过搜索房地产中介关健词流量的变化，可以准确预测英国房价的变化，两者有很高的关联性。基于这个理念也是我的一个朋友，他原来是波士顿大学，现在在英国华威大学，他提出通过谷歌搜索引擎做交易的一个模型，大家可以看到下面是标普500的走势，可以通过不同的关健词，上面是谷歌的关健词的流量变化，可以看到雷曼兄弟关键词大幅变化的时候，标普500