起底量化交易的发展之路

量化交易将传统交易理念规则化、变量化、系列化、模型化，利用计算机技术从庞大的历史数据中海选出多种“大概率”节点，藉以制定新型投资策略，形成一整套操作系统，在实盘中使用电脑自动执行。量化交易区别于主观交易的最大特征是模型的应用。模型概念由首位诺贝尔经济学奖得主、物理学家丁伯根率先引入经济学，第二位诺贝尔经济学奖得主美国现代经济学之父萨缪尔森创立了宏观和微观经济学量化体系，包括资本市场的隧道理论、金融市场的有效市场假说、国际金融学中的Balassa-Samuelson效应和Heckscher-Ohlin模型等。

A起源：朱尔斯·雷格纳特的故事

从现存资料看，最早采用科学方法来研究和发现股票价格涨跌规律的人，既不是股票和股市交易起源地的荷兰人，也不是将金融实践发扬光大的英国人，更不是一开始就和金融共生在一起的美国人，而是看起来有些不“靠谱”的法国人。

最早采用量化方法来分析数据变化并从中挖掘市场价格涨跌规律的，是1834年出生于于法国贝当的朱尔斯·雷格纳特（Jules Regnault）。雷格纳特出身贫寒，成年后到巴黎证券交易所成为股票经纪人助理，跑腿送信的日常工作中耳濡目染的股票涨跌，强烈激发起他探寻规律并赢取股市财富的梦想。

雷格纳特鄙弃内幕交易和造谣传言、跟风赶浪等投机手段，他出版了《概率计算和股票交易哲学》一书，一一列举当时股票交易中常见的“不诚实赚钱行为”。他首先站在道德的高度对这些行为予以严厉抨击：“正直的投资者想一想这种诡计就会脸红”，继而批评了试图在技术图表中寻找短线交易机会的投机者——“他们学了很多，预测了很多，对概率卓有研究并自认为精于投机……但他们的快速破产是概率论的必然结果，这如同行星围绕轨道运行一样确定”。因为短线交易类似赌博，加上当时交易所可采用20倍杠杆，所以频繁交易导致了很多快速破产案例。雷格纳特坚信“上帝已经以完美顺序为万物进行了测量、计算和分配”，并在书中详细阐述了自己发现的市场涨跌规律。

为什么雷格纳特强调短线交易的人一定会“快速破产”？

原来，雷格纳特认为，短线交易与赌博非常类似，如果你与朋友赌博，你输的就是他赢的，但股票交易不一样，股票交易有手续费（当时巴黎证券交易所对每一次的股票交易佣金为实际交易金额的1/8，由于当时可以采用20倍杠杆，所以实际佣金大概是0.63%），只要你频繁交易，最后快速破产就是必然的事情了。

帮助雷格纳特成功的方法，是耐心、细致、繁琐的数据分析工作。

雷格纳特每天下班后坚持用纯手工方法，耐心细致统计梳理巴黎证券交易所1825年至1862年的股票、国债价格数据，他惊奇地发现如果持有股票或国债的周期翻倍，价格偏差将增长1.41倍；如持有周期翻3倍则价格偏差增长1.73倍；翻4倍则增长2倍……由于1.41、1.73和2分别是2、3、4的平方根，这令雷格纳特激动异常：“我首次发现了一个未被人表达的数学自然规律，股票价格的差值与所考察的股票市场周期平方根成正比。”

紧接着，雷格纳特绞尽脑汁剖析个中奥秘，他试图模仿牛顿的天体运行理论，认定证券价格范围应该是圆内的某一点，而圆的面积πr2代表逝去的时间，所以股票价格偏差应该与时间的平方根成正比。虽然其莫名其妙的解释实在错得离谱，但雷格纳特实实在在找到了致富的钥匙，他用这种办法分析当时巴黎证券交易所最大量的证券交易品种——3%永续国债（面值100法郎，每半年付息1.5法郎且永远不偿付本金），根据该国债价格长期浮动于32.50至86.65法郎之间，计算出其合理价格应为73.4法郎。低于此价他就果断买进，偏离越远买进越多；高于此价就果断卖出，偏离越远卖出越多……就这样，虽然也会遭遇短期的缩水和亏损，但持续到1881年，47岁的他已不再需要上班打工，而是实现了“财务自由”。他雇了车夫、园丁，买了3辆马车和几匹好马，每年都去度假。1894年，雷格纳特去世，留下由债券、股票和房产构成的300万法郎的财富。

雷格纳特的故事告诉我们：市场价格的涨跌背后确实隐藏着某些普遍规律（包括雷格纳特当年未能正确解释的“正态分布”规律——随机的产品价格在长时段呈正态分布的情况下，其价格波动的方差与时间成正比，而3%永续国债正处于正态分布时段）。发现、掌握和利用这些规律，可以有效抑制人工主观交易无法摆脱的贪婪和恐惧，抵制谣言和“内幕消息”的噪音干扰，以理性量化的投资决策获取交易的成功。

B算法基石：爱德华·索普的故事

雷格纳特痛恨赌博，而爱德华·索普（Edward Thorp）却从赌博起家进入资本市场。

索普1932年8月生于美国芝加哥，毕业于加利福尼亚大学。作为麻省理工和加州大学的数学、金融学教授，工作之余他非常爱玩扑克游戏。他花了两年时间利用早期的IBM计算机和概率论的凯利公式发现了21点的计牌技巧，发表了论文《21点的优选策略》，一夜之间横扫内华达州雷偌市所有赌场，对普通赌徒展开“量化屠杀”，成功斩获上万美元。1962年他出版专著《打败庄家》，其基本原理为：随机事件样本越多，结果的确定性就越高。正如投掷硬币，只投10次什么结果都可能产生，但投掷上万次，正反面比率必然接近于1：1。同样对于某一手21点，谁也不知道胜算多少，但只要遵循反复优化的算法规则，比庄家更精于算牌，每次下注绝不超过总筹码的2%，在胜算偏向自己时“见好就收”，就能避免突遭变局输光筹码并实现盈利最大化，最终依靠概率在足够多的总局数中立于不败之地。之后哈佛等大学学生对索普的策略改良升级，秘密组成“21点团队”出入赌场，2002年美国出现了以此为题材拍摄的电影《决胜21点》。

由于索普在赌场无往不胜，终于被列入“禁入者”黑名单。于是他转战华尔街新生的股票权证市场，将数学公式编成电脑程序来寻找市场定价失常。他用量化模型精确计算出权证的合理价格，一旦偏离就抢筹下单。1969年索普辞职下海，首创全球量化交易对冲基金。索普运作“Princeton-Newport Partners”和“ Ridgeline Partners”两只对冲基金近30年，基金年均收益稳定在19%至20%，无一年亏损。索普的对冲基金标志着资管行业向定量化和程序化转型升级。他总结并出版了《战胜市场》一书，但为了合伙人的利益，书中对量化模型和数学公式严格保密。退休后索普将基金权杖交给了22岁的华尔街奇才格里芬。

著名投资大师乔治·索罗斯（George Soros）盛赞索普“善于利用数学知识，抓住证券市场日常波动机会”。安联债券基金公司和太平洋投资管理公司（Pimco）董事总经理比尔·格罗斯（Bill Gross）大学期间利用车祸住院之机熟读索普的《战胜庄家》，完成了关于可转债和《战胜市场》的毕业论文。格罗斯带着200美元到赌城拉斯维加斯成功赢回10000美元，而后受雇于Pimco，现管理资金规模近万亿美元，成为全美公认的“债券天王”。

索普的故事告诉我们：资本市场的投资交易与赌博在操盘策略技巧中有很多相似之处，其本质区别只在于前者密切关联经济动态而后者与经济无关。只要依靠概率建立起科学的量化模型，精确计算出投资标的合理价格，依照长期海量优选出的比例“下注”并自动止亏止盈，按市场变化随时调整“筹码”数据，就可以凭借足够的概率而最终积小胜为大胜。

C优势与风险：詹姆斯·西蒙斯的故事

詹姆斯·西蒙斯(James Simons)20岁获学士学位，23岁博士毕业，24岁成为哈佛大学数学系最年轻的教授，26岁破译美国五角大楼密码，37岁与中国数学家陈省身联合发表了著名论文《典型群和几何不变式》并创立著名的“Chern-Simons定律”，39岁斩获全球几何界最高荣誉维布伦奖，40岁设立林姆若伊基金沿用传统的基本面分析法从事外汇交易，45岁创立文艺复兴科技公司，他不雇用华尔街人士，完全靠数学模型捕捉市场机会，利用电脑交易，其管理资产规模高达220亿美元。

交易之初，西蒙斯与众多基金经理一样执著于宏观基本面，但不久他意识到广泛的数据可以模型化，并结合价值投资、风险投资等不同理念创造出更有效的新模型，于是分工由统计学家兼密码破译者鲍姆负责建模，同获数学界最高荣誉科尔奖的艾克斯对模型进行改进。然而模型投入实用第一年微利8.8%，第二年4月大亏30%，合伙人艾克斯与其分道扬镳。西蒙斯请来普林斯顿大学勒费尔教授，两人经半年反复分析后做出了历史性的决定——删除以往模型中所有宏观经济基本面内容，重点集中于短线交易。《量化投资——西蒙斯用公式打败市场的故事》一书的作者称此事件为大奖章基金(Medallion)的“遵义会议”。西蒙斯总结：“模型的优势之一是可以降低风险，而依靠个人判断选股，你可能一夜暴富，也可能第二天又输得精光。”

西蒙斯运作的大奖章基金主要投资于全球范围的商品期货、国债、外汇和股票等，他平均持有2500到3000种不同产品，长期持仓但日均交易超万次，投资组合中每种产品平均隔天就会有仓位变化。1989至2009的20年间，大奖章基金实现年均净回报率35%，同期高出索罗斯10%，高出同期巴菲特18%，如算上5%的管理费和44%的业绩提成，其年均净回报率达40%—80%。更重要的是，市场越“乱”该基金表现越好。如1994年美联储连续6次加息，导致美国债券市场年回报率为-6.7%，大奖章基金却净赚71%；2000年科技股泡沫破灭，标普指数下跌10.1%，大奖章基金净回报98.5%，几乎翻番；2007年、2008年次贷危机爆发，对冲基金大面积亏损，大奖章基金赢利73%、80%。在西蒙斯眼中“当大家都像无头苍蝇一样到处乱撞时，对我们来说最为有利，因为我们掌握的那些规律正是在这些时候出现”。美国《Alpha》杂志每年公布的对冲基金经理排行榜上，西蒙斯2005年、2006年分别以15亿美元、17亿美元净收入稳居全球之冠，2007年以13亿美元屈居第五，2008年再以25亿美元重返榜首，连续15年共赢利235亿美元，是当之无愧的有史以来最成功的“量化投资之王”。

但量化交易决非完美无缺。2011年西蒙斯旗下主要投资于全球期货和远期交易的文艺复兴机构期货基金（RIFF）年增长仅1.84%，到2012年居然破天荒亏损3.17%，亏损幅度超过同年巴克莱CTA指数的平均降幅1.59%。RIFF虽规模较小，但回报率暴跌逾同期行业平均水平且一发而不可收，到2012年年底其资产规模锐减至7.88亿美元，远低于2011年的40亿美元。2015年10月底文艺复兴科技公司正式宣布RIFF关闭，明星悄然陨落。

西蒙斯的故事告诉我们：金融领域的技术创新，大多源自跨学科的资源整合，而非从无到有的发明创造。西蒙斯从数学家变身投资领域首屈一指的“模型先生”，让世人对量化交易的特色优势有了最直观的理性认知。从传统的基本面分析到数学方法搭建量化投资模型，是交易进化的必经之路，但量化交易所依据的基本规律更易于在“乱市”中发挥关键性作用，正常市道下反而可能表现平平甚至低于投资界平均水平。

D发展趋势：具有广阔的成长空间

随着量化交易的快速发展，投资领域正在出现以下新趋势：

算法模型同质化。量化交易的算法模型虽各具特色，但同一理念的模型不断改进最终将趋同。

软件竞争硬件化。当算法模型趋于极限，包括超级计算机、超级芯片在内各种IT设备的硬件性能、质量、机房、服务器托管、与交易中心的点距离等都可能成为秒杀的关键因素，这同时也给高频交易的监管提出了新挑战。

竞争对手同类化。向量化交易转型的高技术门槛必然导致投资者结构的调整，市场将从主观与量化交易之间的博弈转向各类量化交易之间的博弈。

投资范围全域化。单一品种、单一资产、单一市场无法实现量化交易优势最大化，概率论青睐全品种、全时空、多市场、高频率的投资组合。

交易人才IT化。老牌金融中心伦敦正在演变为IT公司集散地，包括高盛、大小摩根、花旗、瑞信等在内众多欧美顶尖投行都在不计血本打造IT团队，专攻投资模型研发。

量化团队集约化。2017年8月有消息称，大小摩根和高盛筹划共建大数据公司，合力提供证券产品参考数据（Securities Product Reference Data）。

博弈手段对抗化。日趋激烈的竞争派生对手之间的干扰、幌骗甚至黑客攻击。2014年11月CFTC指控芝加哥投资公司交易员奥斯塔赫在359790份高频交易合约中累计幌骗交易1316次，CME对其处以15万美元罚款和一个月市场禁入。奥斯塔赫接受处罚但对幌骗行为既不承认也未否认。

量化交易正处于互联网+大数据+云计算+人工智能的时代大背景下。美国量化交易已走过30多年发展历程，从交易规模看，美国已拥有一大批实力雄厚的对冲基金，而国内机构虽有研发探索，但规模较小，技术储备有限，研发水平低，资金不足。从硬件设备看，中国近年崛起的银河系列超级计算机、量子通讯等领先世界，但尚未能相应匹配高端算法模型和软件系统，联袂进军量化交易领域，以获取稳定的收益。

随着大数据、人工智能等技术的飞速进展，金融投资正在逐步由人主导转向科技引领，人与技术在投资过程中如何更好地结合，成为未来投资的关键。在此背景下，量化投资日益得到国内大量基金公司的重视，特别是在监管逐步趋严、市场有效性逐步提升的过程中，量化交易具有广阔的成长空间。

作者单位：华泰（香港）期货

推荐阅读：

1.一个量化策略师的自白（好文强烈推荐）

2.配对交易——这个股票策略曾年赚5000万美元

3.揭开日内回转交易策略做“T+0”的面纱

4.经典量化选股方法——没有秘密的多因子

5.如何构建一个属于自己的择时体系

起底量化交易的发展之路相关推荐

量化交易：美国究竟比中国领先多久？
转量化交易:美国究竟比中国领先多久? 量化投资领域,中国不仅是本行业的技术储备不如欧美,而且实际上,量化交易经常运用各行各业的最先进科学模型来开发策略(eg. FBI用的人脸识别模型,NASA的空间 ...
量化交易：国竟中领先多久
转量化交易:美国究竟比中国领先多久? 量化投资领域,中国不仅是本行业的技术储备不如欧美,而且实际上,量化交易经常运用各行各业的最先进科学模型来开发策略(eg. FBI用的人脸识别模型,NASA的空间 ...
以数为基，恒生电子赋能量化交易数智升级
‍ ‍数据智能产业创新服务媒体 --聚焦数智 · 改变商业近年来,量化交易渐渐走进人们的视线.证监会主席易会满在2021年的时候就曾提出:"在成熟市场,量化交易.高频交易比较普遍,在增强市 ...
量化交易和高频交易有什么区别
很多人对于量化交易和高频交易分不清,经常混淆,下面简单说说他们的区别. 量化交易是指投资者利用计算机技术.金融工程建模等手段将自己的金融操作方式,用很明确的方式去定义和描述,用以协助投资者进行投资决策 ...
python用途适合做什么生意-PureQuant数字货币量化交易程序化交易python量化开源框架...
什么是量化交易量化交易起源于上世纪七十年代的股票市场,是指借助现代统计学和数学的方法,利用计算机技术来进行交易的证券投资方式.量化交易从庞大的历史数据中海选能够带来超额收益的多种"大概率& ...
程序员转行量化交易可行吗？
程序员转量化交易,其实是一件挺顺理成章的事,有一位网友他想向我佐证一下,职业量化交易这一条路,他可以做下去吗,以及其它一些细枝末节的问题. 他以前是某日系合资企业的程序工程师,程序背景是C++与pyt ...
为什么选择量化交易？
按照交易执行的主体可以把交易分为主观交易和自动化交易,自动化交易又称为量化交易或程序化交易. 随着电脑硬件的普及和升级,以及投资者的不断成熟,越来越多的投资者开始了解并选择量化交易,据统计,美国等成熟 ...
QUANT[1]:从零开始量化交易
本文是量化交易系列博文的第一篇,后续的如下所列 QUANT[1]:从零开始量化交易 - プロノCodeSteel - CSDN博客 QUANT[2]:量化交易策略基本框架搭建 - プロノCodeSte ...
Python机器学习与量化交易
文章目录 1. 量化交易简介 1.1 量化交易的历史 1.2 什么是量化交易 1.3 量化交易分类 1.4 金融产品及衍生品的投资策略 1.5 量化交易的优势 1.6 如何做量化交易项目 2. 量化回 ...
深渊还是天堂，量化交易能在熊市中实现“躺赢”？
"寒冬期只有两种方式可以赚钱,一是挖矿,二是量化投资."多位业内大佬发表过这样的言论. 量化投资,真的能赚钱吗? 目前很多"量化",其实是伪量化. 因为历史数据 ...

起底量化交易的发展之路

起底量化交易的发展之路相关推荐

最新文章

热门文章