编者语:文艺复兴基金的创始人西蒙斯(Jim Simons)是数学教授,他领导的量化对冲基金长期超越市场,是世界上最成功的对冲基金之一。旗下的“大奖章基金”(Medallion Fund)引起的猜测最多。这支基金以计入5%的管理费和44%的业绩提成费后年均净回报率40-80%著称于世。该基金采取的是短期,跨资产量化策略,操作策略严格保密。西蒙斯曾经说“基本面交易让我痛苦。科学则是我理解的领域,因此我决定专注于构建模型。”

文/何诚颖(国信证券总裁助理、发展研究总部总经理)

一、量化投资:神话与黑箱

谈量化投资不能不提“量化投资之王”(Quant King)——詹姆斯•西蒙斯(James Simons)。作为一位数学家,西蒙斯曾任纽约州立大学石溪分校数学系主任,与著名数学家陈省身合作提出了Chen-Simons理论,获得过5 年颁发一次的全美数学最高奖——维布伦奖。

作为一位量化投资专家,西蒙斯的成就更加引人注目。他于1982年发起成立了复兴技术公司(Renaissance Technologies),1988年3月成立公司的旗舰产品——大奖章基金(Medallion Fund)。大奖章基金是华尔街最成功的对冲基金之一,1988-2009年的大奖章基金的年化净收益率达到41.8%,远远超过了巴菲特的18.4%年化收益率,而其超越巴菲特的秘密武器就是量化投资。而且从1988年到2009 年,大奖章基金仅在1989年亏损4.1%,其余年份盈利均在20%以上。如此二十年如一日的骄人战绩创造了量化投资界的传奇神话。大奖章基金创造传奇的同时,西蒙斯个人也实现了常人难于企及的财富梦想。根据《福布斯2012年富豪榜全球上榜富豪名单》,2012年西蒙斯的个人财富约为110亿美元,名列美国富豪榜第26位,全球富豪排行榜100位。

在学术界,人们将西蒙斯的成功作为证伪有效市场假说的反例,渴望对其量化交易策略进行研究。在投资界,人们对其超一流的投资回报非常羡慕,急于模仿其成功的经验。但是,由于西蒙斯很少接受媒体的采访,人们对他的投资活动知之甚少。而且对冲基金一直有着黑箱操作式的投资模式,大奖章基金也不例外,其对工作人员有着极其严格的保密要求。这就使得西蒙斯及其大奖章基金具体所采用的那些量化投资技术总是笼罩着一层神秘色彩。量化投资常被人们冠以“黑箱作业”之称号,似乎处处散发着神秘气息。

然而,量化投资不是神话。

量化投资可能是世界上最成功的投资方法,只要它是一种方法,就会有自身的缺陷,并可能由此导致可怕的错误。20世纪90年代中期,美国长期资本管理公司(LTCM)以“不同市场证券间不合理价差生灭自然性”为基础,制定了“通过电脑精密计算,发现不正常市场价格差,资金杠杆放大,入市图利”的投资策略,在 1994-1997年间,每年的投资回报率分别达到了28.5%、42.8%、40.8%、17%,可以说是辉煌一时。然而其量化策略对一些小概率事件的忽略和对风险控制的缺陷,最终导致LTCM走到破产的边缘,最终被美林和摩根出资收购接管。纵观海外量化投资的历史,这样的例子比比皆是。就算是西蒙斯的文艺复兴科技公司也在担心量化投机神话的破灭。“大奖章基金耀眼光环的背后是无尽的压力:每时每刻,神话都有可能突然结束,大奖章的魔法随时随地都可能失灵,就像瓶子里的精灵一样‘嗖’的一声便不见了踪影。每时每刻真谛都有可能不再是真谛。”

量化投资也不是黑箱。

量化投资方法之所以被冠以“黑箱作业”主要出于三个原因:其一,量化投资基金都非常注意保密,那些赚钱的“模型”就是它们的命根子,是不可以说的秘密;其二,很多人都认为所有的量化投资公司都采用非常复杂的数学公式来进行投资,是常人难以理解的“黑箱”;其三,相当一部分人认为,量化投资预测金融价格走势的行为和使用占星术预测个人的运程很类似,是毫无科学依据的、遮人眼目的黑箱。

量化投资只是利用计算机技术并采用模型去践行投资理念,进行投资决策和交易的过程。计算机技术只是延伸了人脑的局限,使一些海量数据运行、计算、处理成为可能,在客观估计和辨别资产未来收益率的基础上捕捉市场的大概率成功的投资机会。而且所有模型都是建立在投资者的投资思想上,量化投资模型只是一种方法,是能够实现投资者投资理念的一种方法。投资理念是量化投资的灵魂。只有建立在正确的投资理念基础上,将其优化验证,然后形成模型,并且不断地根据投资理念的变化、市场状况的变化对模型进行修正、改善和优化,才能焕发量化模型的威力。

因此,量化投资不是神话,也不是黑箱,更不是遥不可及的东西。只要拥有投资理念和掌握模型开发技术的投资者都可以运用计算机技术进行量化投资策略的开发和研究。

二、量化投资:从西蒙斯到阿斯内斯

在量化投资近四十多年的投资实践中,出现了一批又一批实现财富梦想的量化投资大师,他们的量化投资经验无疑值得借鉴,他们也赚到了常人无法想象的财富。其中最具有典型性和代表性的包括詹姆斯•西蒙斯,肯•格里芬,克里夫•阿斯内斯等,他们在量化投资领域的创新与实践从不同的维度增进我们对量化投资的理解和认识。

对模型的重视。模型是量化投资的核心,也是承载和实现量化理念的关键载体。那些成功的量化投资大师正是依靠其开发的模型,创造了一个又一个量化投资的神话。格里芬不关心股票的基本面或内在价值,而是关心价格的波动,并通过大量信息以及各种数学模型来分析交易心态,以期从中寻找机会。在AQR资本管理公司的投资实践中,阿斯内斯把价值投资与趋势投资结合起来,开发价值与趋势结合的投资策略模型,根据对市场的综合判断进行超配和低配。实践证明,在很长一段时间里,价值与趋势结合策略给AQR带来了超过一半的利润。而且对于成功的量化投资来说,量化模型的不断修正也是非常重要的。大奖章基金根据强力计算机所扑捉到的复杂市场信号对自己的模型不断地进行修正,其调整的频繁程度远远高于一般的量化基金。

建立由科学家组成的投资团队。西蒙斯认为,对于科学家来说,如果让他们来研究市场,一定基于市场事实出发,而不是基于某种理论来预先规定市场应该是什么样的。因此科学家也更可能发现市场的无效之处,在此基础上形成交易策略。基于此,西蒙斯建立了一支由数学、物理学、统计学、密码破译、语音识别等领域科学家组成的投资团队。而正是这样的投资团队,为西蒙斯的大奖章基金带来源源不断的利润,创造一个又一个投资神话。同样,在格里芬创立的城堡投资集团,最核心的部门数量研究部,由大量数学家、物理学家、投资分析师和高级计算机科研人员开发数学模型,寻求利用自己开发的数量和数值分析技巧为投资指路,为交易员提供指支持。

交易资产的流动性。交易资产的流动性不仅影响量化策略的执行与终止,还通过交易成本影响量化策略的效果。因此,交易资产的流动性是量化投资的各种数学模型必须要考虑的重要因素。LTCM的垮台很大程度上是所交易资产的流动性不足引起的。西蒙斯非常重视所交易资产的流动性,他很少交易衍生产品,主要交易基础资产。在西蒙斯看来,一方面基础资产具有更强的市场流动性,另一方面,基础资产的价格更有可能出现规律性如趋势、模式等,更适合量化投资。

高频交易。西蒙斯意识到,依统计的角度,预测明日或者数小时之内走势的能力要远远强于预测一周或两周。因此,高频交易成为其制胜法宝。而且,大奖章基金在多个交易市场进行数据挖掘、发现交易机会就会进行瞬间交易,因此具有很强的灵活性,可以在不同市场间来回切换。另一方面,其交易遵循“壁虎式投资法”,用西蒙斯的话说,交易“要像壁虎一样,平时趴在墙上一动不动,蚊子一旦出现就迅速将其吃掉,然后恢复平静,等待下一个机会。”

风险控制。格里芬的城堡投资集团对投资组合实施严格的风险管理,其风险管理人员每天模拟投资组合在不同危机环境下的变化情况——亚洲金融危机卷土重来或者是“9•11”事件重演,当模拟状况下的投资损失超过可以容忍的限度,他们就会调整投资组合。另外,城堡投资集团将管理资本的30%作为流动资金,一方面是为在市场波动时抓住投资机会,另一方面也是出于风险管理的考虑。西蒙斯也充分肯定风险管理的重要性,他强调“我们的方式和 LTCM完全不同。文艺复兴科技没有、也不需要那么高的杠杆比例,在操作时从来没有任何先入为主的概念,而是只寻找那些可以复制的微小获利瞬间,我们绝不能以‘市场终将恢复正常’作为赌注投入资金。”

多样化策略。在量化投资领域,涉及多个市场的、多样化的交易策略可以为投资提供更高的安全边际,对此,阿斯内斯亦深信不疑。通过广泛和深入的研究,阿斯内斯的AQR可以设计出不同的模型和基金产品来满足不同客户的需求。AQR通过不同的交易策略管理着65只不同的基金,如绝对回报基金、变量基金、全球风险溢价基金等等,交易着各种资产,从波兰货币到日本债券,从原油、黄金到小麦。

从海外量化投资大师的经验分析,我们可以清晰地导出一条理解和认识量化投资的主线。量化模型是量化投资的核心,是实现投资理念的关键载体。由科学家组成的投资团队是量化模型开发的关键,代表了量化投资运用所需的技术。高频交易与多样化策略代表着量化投资的两个重要特征。交易资产的流动性是量化投资所必须考虑的重要事项。而风险控制则是量化模型的重要优势,也是影响量化投资成败的关键。

三、量化投资:真谛

市场的真谛是关于市场如何运行的终极奥秘。不管是基本面分析专家、技术分析专家,还是量化分析专家,他们都是运用不同的方法、从不同的角度研究市场中的隐匿模式,揭示市场的运行规律即真谛,从而打开蕴藏无尽利润的财富之门。那么,量化投资的真谛是什么?

量化投资是运用自然科学的技术(数学、物理学、统计学、计算机等)去挖掘市场运行的规律,在此基础上,运用社会科学(基于对市场的理解)去阐释规律的原理、可持续性以及未来变化,进而形成合乎逻辑的投资理念和投资方法。或者相反,量化投资是基于对市场的理解的基础上,认为市场运行应该存在某个规律,并运用自然科学的技术去开发模型并验证,进而形成合乎逻辑的投资理念和投资方法。因此,量化投资的要点在于如何实现对社会科学的知识与自然科学的技术深刻理解、充分掌握、有机结合以及综合运用。

量化投资明显不同于技术分析。技术分析是基于对过去市场运行规律的一种总结和运用,而对于这种规律,技术分析并不也无法阐释其基于何种的投资理念,因此,对于该规律的可持续性及未来可能变化也无法得出适当的估计。而量化投资策略无论是在选股、择时、行业选择、资产配置,还是风险控制等无不体现了定性的投资思想、客观的数据支持以及模型的实证检验,可以说是有理有据的。

量化投资也不同于基本面分析,量化投资是主观观点(基于对市场的理解)与客观技术(数学、物理学、统计学、计算机等)的结合,而基本面分析是很主观的,从宏观经济面、公司主营业务所处行业基本面、公司业务同行业竞争水平基本面,再到公司基本面的分析都没有定式,不同的个人、不同的角度、不同的侧重面都会造成对同一支股票完全不同的分析结果。因此,量化投资不仅能客服主观情绪偏差,客服人性弱点,客观评价交易机会,而且能充分利用客观技术的优势实现更全面、系统、准确、及时地扑捉交易机会。

虽然量化投资不同于技术分析与基本面分析,但是,量化投资并不排斥技术分析与基本面分析。量化投资可以将技术分析或基本面分析的结果作为模型所应考虑的因素之一,构造量化模型或对量化模型进行改进。比如,在量化选股的过程中,可以运用基本面分析方法剔除一些公司基本面较差的上市公司,或者在量化择时的过程中,根据基本面分析的结果对策略进行动态调整。特别是在市场上出现小概率事件(如重大政策转变)时,需要经验丰富的基金经理来把握宏观的和大的趋势转变,及时对量化模型进行必要的调整。

正如我们前面所说,量化投资是一种投资方法。作为一种方法,它有自身的优势和局限性。理性决策、多维视角、超强处理、及时跟踪、精确捕捉是量化投资区别于传统投资的五大优势。但是,量化投资也有其自身致命性的局限,那就是极端波动性和模型策略重复的风险。市场波动性是量化投资获利的关键,但是极端波动性却可以致量化投资以死地。长期资本管理公司的交易虽然都是基于成熟的计算机模型和风险管理策略,但是,当市场运动呈现出那些模型无法预测到的情景时,市场的极端波动使该公司在数周之内损失几十亿美元。

另一方面,从单一量化策略来看,某些策略是有效的。但是,当市场上太多的人采用了相同的策略,策略的有效性就会降低,甚至引发灾难。而且这种状况对于量化策略的开发者来说又是无法预知的。就像2007年8月初一批量化基金经历了惊心动魄的四个交易日后,阿斯内斯在给投资者的信中写道:“没有什么模型会一直有效。然而,这一次与模型本身无关,而是因为太多的人采用了相同的策略,就同其他曾获得成功的定量和非定量投资策略一样,当过多的人试着同时逃离同一投资策略时,此类投资者将陷入困境。我们知道这是此类投资面临的一个风险因素,但同其他人一样,我们低估了风险发生时的危害程度和扩散速度。”(完)

文章来源:何诚颖的博客 2013年4月26日(本文仅代表作者观点)

----------------------------------------------

推荐阅读:

1.一个量化策略师的自白(好文强烈推荐)

2.市面上经典的量化交易策略都在这里了!(源码)

3.期货/股票数据大全查询(历史/实时/Tick/财务等)

4.干货| 量化金融经典理论、重要模型、发展简史大全

5.干货 | 量化选股策略模型大全

6.高频交易四大派系大揭秘

【方法论述】量化投资——神话、黑箱与真谛相关推荐

  1. alpha模型:打开量化投资的黑箱;附创业板布林带策略代码:年化15%。

    原创文章第108篇,专注"个人成长与财富自由.世界运作的逻辑, AI量化投资". 关于量化投资,我们写了不少文章.从数据准备,预处理,因子特征工程,因子分析,规则策略,模型,回测, ...

  2. 《打开量化投资的黑箱》 阅读笔记

    第一部分 量化交易的世界 第一章 关注量化交易的原因 算法执行(algorithmic execution)指的是,在电子化市场中,投资者买卖行为是通过计算机软件实现的. 一个经典的策略叫做统计套利, ...

  3. 读书笔记_打开量化投资的黑箱11

    第四部分 高速及高频交易 第13章 高速及高频交易概要     根据艾特集团(Aite Group)研究,高频交易目前占据的市场比例略高于50%,期货市场上的比例大致相同,货币市场比例大概是40%. ...

  4. 读书笔记_打开量化投资的黑箱01

    大约4年前(2015年左右),看过一些量化的入门书籍,那时是完全小白的,一窍不通的(当然,现在也不算牛,只能算比当时有进步吧).前阵子开发策略,开发的有点小心累,之前自以为很好的策略or思路,实践下来 ...

  5. 读书笔记_打开量化投资的黑箱09

    第三部分  量化交易策略的投资指引 第10章  量化交易策略的固有风险 两种类型的敞口:     一种是可以带来长期回报(阿尔法和贝塔)的敞口,这种暴露人们易于接受;     另一种是不能带来长期回报 ...

  6. 读书笔记_打开量化投资的黑箱10

    第11章  对量化交易的批评:确保如实记录 /185 交易是一门艺术,而非科学     市场主要由人们对所接收信息的反应而驱动.不是所有的信息都可以系统地被理解. 由于低估风险,宽客引发了更多的市场动 ...

  7. 读书笔记_打开量化投资的黑箱06

    第7章  执行模型 执行交易两种途径: 电子途径:通过直接市场准入(direct market access,DMA)得以实现,通过经纪公司的基础设施和交易接口在电子市场(如ECN平台)直接进行交易, ...

  8. 读书笔记_打开量化投资的黑箱04

    第5章  交易成本模型 #交易成本的定义 理念:交易是有成本的,除非有足够的理由,否则便不应该进行交易. 交易原因:第一,可以增加盈利的概率或量(比如阿尔法模型)         第二,可以降低亏损的 ...

  9. 读书笔记_打开量化投资的黑箱07

    第8章  数据 输入垃圾,输出垃圾:如果使用的输入变量质量不好,得到的结果也不会好. 数据的重要性     通常来说,模型的很多细节都是由所使用的输入变量的特征决定的.     准确信息输入正确模型的 ...

最新文章

  1. 46 定时任务模块APScheduler
  2. OSPF协议工作原理
  3. 聚焦可信AI与产业应用,百度联合发起千言计划实现情感分析2.0升级
  4. 宏BOOST_TEST_TRAIT_TRUE的用法
  5. 【数据结构与算法】之有序数组中的单一元素的算法
  6. linux开发板 pc 通讯_从51单片机到Linux 开发板运行hello world(教程4)
  7. java循环的嵌套执行
  8. “让数据用起来”:解读数据中台必备的4个核心能力
  9. 任正非:华为要防止内卷 精益求精不叫内卷
  10. MapReduce在Map端的Combiner和在Reduce端的Partitioner
  11. IEEE 1588原理及实现
  12. 基于网络信息安全技术管理的计算机应用研究
  13. java求一元二次方程:ax2+bx+c=0的根
  14. vue防止用户恶意点击按钮
  15. 阿里内部Redis宝典遭外泄极致经典:源码+实战+理论
  16. SMBIOS介绍(1):概述
  17. 【图片新闻】法国计划加快天基激光武器的研发与部署
  18. 如何用python画函数曲线_python 画函数曲线示例 用python 怎么画函数图像
  19. Richedit中添加图片
  20. Codeforces 939C - Convenient For Everybody

热门文章

  1. 【mud】npc对话函数与自动对话匹配(gongsun.c)
  2. Cloudera Manager安装之Cloudera Manager安装前准备(CentOS6.5)(一)
  3. Resharper使用详解(转)
  4. 每日新闻:阿里、商汤设立人工智能实验室;美光科技收购英特尔股份;2019十大战略科技发展趋势;北京明年允许自动驾驶车辆开展测试...
  5. 成都哪个java培训机构好
  6. 《SMT实用指南》读书笔记1
  7. 相干光通信基础知识(一)
  8. 到底什么是“被动收入”?
  9. 【web前端】JavaScript总结
  10. 借用女性形象营销,微众银行为获客搞“擦边”,背后有何猫腻?