導語：如何才能寫好一篇量化交易策略的研究，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

盡管量化投資已經成為市場投資的發展趨勢，但是大多數投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數學模型，而賺錢的投資模型都是機構的秘密武器，不會輕易披露。另一方面是由于量化投資采用計算機系統，設計各種交易手段，有著較為復雜的數學計算與技術要求，現在許多量化投資都是計算機自動執行的程序交易。另外，量化交易者，俗稱寬客（quants）的交易和故事多多少少增加了量化投資的神秘感。所以，人們一般把量化投資稱為“黑箱”。納蘭（Narang，R.，2012）描述了量化交易系統的典型構造，打開了量化投資的“黑箱”。納蘭認為阿爾法模型用來預測市場未來方向，風險控制模型用來限制風險暴露，交易成本模型用來分析為構建組合產生的各種成本，投資組合構建模型在追逐利潤、限制風險與相關成本之間做出平衡，然后給出最優組合。最優目標組合與現有組合的差異就由執行模型來完成。數據和研究部分則是量化投資的基礎：有了數據，就可以進行研究，通過測試、檢驗與仿真正確構建各個模型。預測市場并制定策略是量化投資的核心，即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發展，量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為，如期現套利組合、市場異象研究中的差價組合等。統計套利策略是經典的量化投資策略，如匹配交易或攜帶交易。近年來，高頻交易成為量化投資的重要內容，基于高速的計算機系統實施高頻的程序交易已經是量化投資的重要利器。丁鵬（2012）將量化投資的主要內容分為以下幾個方面：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易、ETF/LOF套利和高頻交易等。他認為量化投資的優勢在于：紀律性、系統性、及時性、準確性和分散化。

二、量化投資“黑箱”中的構造與證券投資學的差異

在傳統的證券投資學中，投資組合理論、資本資產定價模型、套利定價理論和期權定價理論是現代金融理論的四塊基石。前兩者主要依靠均值-方差組合優化的思想，后兩者則主要依靠市場的無套利條件。傳統的投資方法主要是基本面分析和技術分析兩大類，而量化投資則是“利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程”。從概念看，量化投資既不是基本面分析，也不是技術分析，但它可以采用基本面分析，也可以采用技術分析，關鍵在于依靠模型來實現投資理念與投資策略。為了分析量化投資對證券投資學的啟示，本文從量化投資“黑箱”的各個構成來探討量化投資與證券投資學中思路和觀點的差異。

（一）資產定價與收益的預測

根據組合優化理論，投資者將持有無風險組合與市場風險資產組合，獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合，認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻。基于因素模型的套利定價理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考。可以說，在因素定價方面，量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇，證券投資學認為，對資產價格的影響，長期應主要關注基本面因素，而短期應主要關注市場的交易行為，即采用技術分析。在量化投資中，主要強調按照事先設定的規則進行投資，這在一定程度上與技術分析類似。但是，在技術分析中，不同的人會有不同的結論，而量化投資則強調投資的規則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。

（二）無套利條件與交易成本

在證券投資學里，流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現，如套利交易。根據套利定價理論，一旦市場出現無風險的套利機會，理性投資者會立即進行套利交易，當市場均衡時就不存在套利機會。現實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中，對市場中套利限制與非流動性的關注較少，這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下，金融資產交易的過程及其結果，旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中，不同的市場微觀結構對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。

（三）風險控制與市場情緒

在證券市場中，高收益與高風險相匹配。量化投資在追求高收益的同時，不可避免地承擔了一定的風險。在證券投資學中，系統性風險主要源于宏觀經濟因素，非系統性因素則主要源于行業、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側重點，在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外，量化投資還有自身不可忽視的風險源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風險。另一方面，市場沖擊的流動性成本也是量化投資的風險控制因素，理所當然地在圖1的風險控制模型中體現出來。另外，在一般的投資過程中，市場情緒或多或少會成為風險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔適度的風險來獲得超額回報，因為畢竟減少風險也減少了超額回報。

（四）執行高頻交易與算法交易

在對未來收益、風險和成本的綜合權衡下，實現投資策略成為量化投資的重要執行步驟。為了達到投資目標，量化投資不斷追求更快的速度來執行投資策略，這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里，技術分析認為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統處理數據和進行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點有：處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。高頻交易有4類流行的策略：自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行，目前“算法交易”比較流行。算法交易優化買賣指令的執行方式，決定在給定市場環境下如何處理交易指令：是主動的執行還是被動的執行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。

三、對量化投資在證券投資教學中應用的思考

從上述分析可以知道，量化投資的“黑箱”構造與證券投資學之間存在一定的差異，因此，在證券投資的教學中應當考慮量化投資發展的要求。

（一）市場微觀結構與流動性沖擊

在理性預期和市場有效假說下，市場價格會在相關信息披露后立即調整，在信息披露前后市場有著截然不同的表現。在證券投資學里，一般認為價格的調整是及時準確的，然而，現實的世界里，價格調整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調整是瞬間的，影響不大。然而，在高頻交易中，這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程，認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型，這些市場微觀結構的研究加強了流動性與資產價格之間的聯系，強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容，因而，為了加強證券投資學的實用性，應關注市場微觀結構的內容與發展。

（二）業績評價與高杠桿

對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風險與業績。在組合業績評價中，一方面要考慮風險的衡量，另一方面則要分析業績的來源。在證券投資學中，組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業績評價還應考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統的業績評價就不太一樣。在一般的證券投資學里，業績評價主要考慮經風險調整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。

（三）人為因素與模型風險

在量化投資中，非常注重計算機對數據和模型的分析，這突出了量化投資的規則性和固定性。然而，實際中，別看量化采用了各種數學、統計模型，但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，能夠消除很多認為的隨意性。但是，量化策略畢竟體現投資者的交易理念，這一部分依賴于投資者的經驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設定，而人的設定不僅依賴于經驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認知是不完全的，另一方面則是人們使用了錯誤的模型。經典的證券投資理論中，股票價格的變動被認為是隨機的，小概率事件出現的機會比較小，但是經驗研究表明股票收益率具有肥尾現象，小概率事件發生的機會超出了人們原先的認識，即市場還會出現“黑天鵝”。更為關鍵的是，量化投資更依賴數學和統計模型，這就使得量化投資存在較大的模型風險，即使用了錯誤的模型。為了防范模型風險，應采用更為穩健的模型，即模型的參數和函數應該適應多種市場環境。近年來，研究表明，證券收益及其與風險因素的關系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。

（四）2013年諾貝爾經濟學獎的啟示

篇2

在40歲之前，西蒙斯是一位在數學界頗有名望的教授，先后在麻省理工學院、哈佛大學、美國國防分析研究院任職。但從學術研究轉型后的西蒙斯，在投資領域的風頭更勁。1988年他創立的大獎章基金，曾創下連續20年，平均收益率超過35%的優良業績。哪怕是在2008年的金融危機中，該基金也獲得了80%的凈收益。除此之外，美國最大的十大對沖基金，基本上都是依靠量化投資的方式進行分析市場和交易。這在美國是一種常見的投資方式。

國內的量化投資元年應該是2010年股指期貨推出之后，從0到有，經過5年的發展，以其超越牛熊的穩定收益獲得了眾多機構投資者的青睞。今年6月份的這一輪股市深度調整中，大多數量化對沖類的私募基金，不但沒有損失，其凈值反而創出新高即是明證。

程序化交易不一定會增加波動率

程序化交易大大增加了市場的流動性，是穩定市場的重要力量。金融市場的核心價值在于流動性，無論是價值投資者，還是套保者，都需要對手盤。流動性越好的市場，才具有更好的價值發現功能。程序化交易主要是以短線交易為主，無論是套利還是投機策略，它們的存在大大增加了市場深度。對于套利類的策略，程序化交易是降低波動率的，對于投機類策略，程序化交易是增加波動率的。

例如，目前市場上比較流行的期現套利，它的原理是在基差（編者注：基差是指現貨價格與期貨價格之差，比如股票市場上滬深300指數與滬深300期指之差）擴大的時候建倉，基差縮小的時候平倉。比如2015年6月初的時候，在散戶的推動下，股票指數和股指期貨的基差一度擴大到了100點以上，整體市場非常的狂熱。這時候套利類交易的策略是，會買入股票，同時做空股指期貨。這樣如果股指繼續上漲，在股票市場的盈利可彌補做空股指期貨的損失。于是在雙邊力量的作用下，基差會慢慢縮小。從而使得市場的波動率恢復到正常。所以這種套利類的策略，是降低波動率。

然而對于做方向易的策略，往往是追漲殺跌的，這個和普通散戶的操作方式類似。這種策略下，當市場出現大幅上漲的時候會助漲，大幅殺跌的時候也會助跌，會增加市場的波動率。

其實波動率這個東西，不能太大，也不能太小。沒有波動率的市場就缺乏足夠的流動性，一個沒有流動性的市場，又怎么可能承擔金融市場優化資源配置的責任呢？

2010年5月6日，美國紐交所的道瓊斯工業指數曾經出現過一次“閃甭”事件，當時道瓊斯工業指數曾瞬間狂瀉1000點，短時間內造成1萬億美元市值蒸發。事后紐交所雖然對外宣稱程序化交易對此事負有責任，但是截至目前，對于此事到底是不是由于程序化交易造成的，美國調查機構并沒有一個最終的結論。所以與其說股指大幅調整是因為程序化交易造成的，不如去關注是否是因為市場本身泡沫過大，以至于需要一次調整，市場才能繼續上行。

所以并不能一概而論地說程序化交易一定會增加波動率。事實上，2008年的金融危機中，國內的量化投資還很少，而上證綜指不也上演了6000點到2000點的戲碼？程序化交易只是一個工具，它是中性的，不是說必然做多，也不會必然做空。尤其是7月份以來，股指期貨持續貼水，絕大多數的套利類的量化策略因為缺乏機會，都停止交易了，但是這并沒有避免股指出現大幅震蕩。

中國的量化投資基金現狀

量化投資是以數據為基礎，以模型為核心，遵守交易紀律，從而具有穩定收益和抵抗風險的能力。事實上，目前中國很多以量化對沖方式運作的私募基金，他們產品的業績都非常的穩定，就足以說明問題了。普通投資人，不能總是追漲殺跌，靠聽消息炒股的時代必將過去，未來的金融市場，一定是靠數據、模型和現代科技。散戶也應該學習一些量化投資的理念和方法，否則被市場消滅是遲早的事情。

就拿這次被禁止交易的幾個量化對沖私募基金來說，據已公布的資料顯示，其中不乏一些歷史業績十分優秀的公司。比如盈融達投資（北京）有限公司，他們主要的量化投資類產品，過去幾年年化收益率都在20%左右，無論身處牛熊市，收益都非常的穩定。目前盈融達的資產管理規模已經100億了。而業內和他們處于同一梯隊的，還有十余家之多，再加上券商、基金公司開發的產品，國內量化對沖類的產品，已經有兩三千億元的規模了。

從產品收益來看，2015年初至7月31日公募量化對沖產品的平均收益（剔除6月剛成立的華泰柏瑞量化收益）為12.07%，而同期普通股票型基金的收益為25.08%;在前期市場暴跌期間（取6月15日至7月9日）公募量化對沖產品的平均收益為-0.13%，而同期普通股票型基金的平均收益為-39.06%。

篇3

關鍵詞：量化投資；傳統投資；模式數學模型；自變量參數

1量化投資簡介

1.1基本概念

量化投資是一種借助于計算機高效計算程序進行復雜運算，以金融產品未來收益與風險為研究對象的新型投資方式。量化投資的基礎是以股票價格、日成交額等大數據庫數據為參考樣本數據并建立數學模型，運用仿真分析及迭代方法不斷修正數學模型，直到數學模型可以用來預測指導投資交易。任何一個投資的方案或者設想，都可以為它設計一個數學模型，然后借助大數據庫的現有數據進行迭代法測試分析，以此來判別數學模型的有效性。傳統投資方式基本上是對傳統的技術分析和公司的經營狀態基本分析，存在一定的局限性；相比之下量化投資分析是基于對大數據市場數據的，數據樣本空間容量足夠大，而且可以快速進行運算并排除投資者個人心理因素的主觀影響，科學性和時效性更強。此外，量化投資是一種主動性的投資方式，在進行數學模型選擇、自變量選取、數學模型的驗算迭代都是投資行為的主動部分。

1.2交易內容及方法

量化投資交易的內容主要是量化策略以及交易策略，在制定交易策略時必須立足于投資市場、投資產品以及分配在內等。具體交易平臺則是靠以計算機計算程序為基礎的線上交易平臺系統。進行量化投資交易時通常會遇到各種較為復雜的情況，但是基本前提都是要依據現有的既定的大量數據庫數據，靈活采用各種方法來判斷投資對象是否值得投資。總體來說，量化投資有估值法、資金法和趨勢法三種。

2量化投資現狀

從理論上來說，每個量化投資者的決策行為可以被同化為理性預期、風險規避、嚴格效用基本一致的理想化模型。然而現實情況中每個人的心理活動、出發點、知識水平等都存在差異，進行量化投資時人們作出的決策也存在差異。人的非理性行為與理性行為都是客觀存在的，而且非理性行為對理性行為也存在著一定的影響，因此投資人在進行投資決策時并不能完全理性地進行選擇。綜上所述，非理性人的客觀存在使投資人在進行投資決策時不能完全忽視個人的心理因素。既然個人的心理因素無法排除，那么在建立決策分析數學模型時，就應該把個人的心理因素考慮在內。當前我國國內量化投資有以下幾個特點：(1)個人投資者占總投資者的比例很高。上文已經提到投資者個人的非理性客觀存在且不可避免，那么眾多量化投資者的非理性因素間接影響我國量化投資市場。(2)我國的量化投資市場雖然發展迅速但仍不成熟。與美國及歐洲發達國家相比，我國量化投資市場只能是一個新興的市場，直接表現在各方面的信息不完整且難以搜集，一些基礎數據我們只能自己想方設法地去開發獲取。(3)量化投資行業的企業構成比較復雜。目前我國量化投資行業的企業種類比較多，跨越眾多不同的領域。加上我國量化投資市場還處于新生期，市場不穩定信息變化較快，因此量化投資行業的可用層面指標數目非常少且指標數值經常變化。當前我國量化投資者正是依據當前行業的特點，從不同的層面和角度驗證分析，建立泡沫型數學分析模型，才能獲得巨大的利潤。(4)量化投資策略研究落后。通過把我國量化投資策略與美國及西方發達國家的量化投資策略進行對比，發現我國現有的量化投資策略嚴重落后。國外的量化策略研究是在大量的事件、數據積累分析的基礎上，腳踏實地潛心研究總結出來的。現階段我國量化策略研究多是借用國外的策略，結合國內的量化投資行業的實際現狀進行修正得來的。當前我們還缺少指導量化投資行業的專家、指導著作，為此我國國內的一些高等院校開始著手量化投資策略的研究并取得了初步的成效。

3量化投資優勢

量化投資是在定性投資基礎上進行繼承和延伸的一種主動投資工具。定性投資的核心是對宏觀經濟和市場基本面進行深入的分析，再加上實地調研上市公司以及與上市公司的管理層進行經驗交流，最終把調研結果整理成專題報告，把報告作為決策依據。不難看出定性投資帶有很大的個人主觀判斷性，它完全依賴于投資經理個人經驗以及對市場的認知。量化投資在調研層面與定性投資相同，區別在于量化投資更加注重數據庫大數據，運用各種方法發現運用大數據所體現出來的有用信息，尋找更優化的投資方式以獲得大額收益，完全避免了投資經理個人的主觀臆斷和心理因素，更加科學合理。綜上所述，與定性投資相比，量化投資具有以下優勢。

3.1投資方式更加理性

量化投資是采用統計數學與計算機建模分析技術，以行業大數據庫為參考，取代了個人主觀判斷和心理因素的科學客觀投資方法。很明顯，行業大數據的樣本容量已遠遠高于有限的對上市公司調研所形成的樣本容量；在進行投資決策時，把決策過程科學化數量化可以最大程度的減少投資者決策時個人情感等心理因素對決策結果的影響，從而避免了錯誤的選擇方向。

3.2覆蓋范圍大效率高

得益于因特網的廣泛實施應用，與各行各業的運行數據都可以錄入大數據系統形成體量巨大的數據庫；得益于計算機行業云時代到來對計算分析速度的革命性變革，在極短的時間內就可以得到多種量化投資的投資方法。定性投資方式進行決策時，由于決策人的精力和專業水平都存在一定的局限性，自然其考慮投資的范圍要遠遠低于電腦決策，二者根本沒有可比性。綜上所述，雖然與定性投資相比，量化投資具有明顯的優勢，但是二者的目的是相同的，都以獲得最大收益為目的，多少情況量化投資與定型投資可以互相補充，搭配使用會起到意想不到的效果。

4量化投資的劣勢

上文已經提到量化投資的決策過程依賴于大數據庫以及計算機分析系統的科學決策，因此只要投資思想正確量化投資就不會出現錯誤。然而即使是投資思想及決策過程都沒有問題，也不意味著量化投資完美無缺。量化投資本質上是對某一特定基準面的分析，事實上基準面有時范圍過小，縱然決策過程合理化、無偏差，量化投資也存在一定的局限性。量化投資的另一特點是進行考察決策時覆蓋的市場面非常廣泛，在當前國民經濟快速發展的時代，人們對市場的認知難免出現盲區或者對某一個局部了解不充分的現象，此種情況下量化投資的正確性就很難保證。

4.1形成交易的一致性

基于量化投資的低風險特性，人們更多地依賴于采用大數據云分析平臺進行決策，如此大家對某一行業的市場認知以及投資決策水平就處在同一認知層次上，當遇到極端的市場行情時，人們作出的交易決策往往一致，即容易達成交易的一致性。例如期貨行業以及股票行業，在市場行情動蕩的特殊時期，人們往往選擇在同一時機拋出股票或者期貨，這種大規模的一次性拋盤則會造成在預期拋售價格基礎上的劇烈波動，導致投資者的實際收益在一定程度上低于預期收益。此種情形下又會引起新一輪投資恐慌，不利于市場的穩定發展。

4.2指標鈍化和失效

任何一個行業的某一個市場承載投資者的容量都是有限的，從戰略投資的角度來看，當某一個市場的產業鏈較為成熟、技術門檻較低時，投資者進入該市場就會容易很多，當市場的承載量大大低于投資者進入數量時，既定的投資策略則會失效。例如某一企業的某只股票第一年能獲得50%的收益，第二年則降為20%的收益，第三年可能是5%，第四年就沒有收益了。諸如趨利反轉策略、套利策略現在已經非常大眾化且投資者已經達成共識，一擁而上集中式進行投資就會導致投資評價指標鈍化甚至失效。

篇4

德意志銀行在第十二期年度另類投資調查報告中預測，2014年，對沖基金管理資產總規模將從2013年底的2.6萬億美元增至3萬億美元新高。而反觀國內，量化對沖投資才剛剛起步，尤其是公募領域，尚未有一只真正意義上追求絕對收益的量化對沖產品。

受市場有效性和工具種類等因素的限制，國外一些成熟的量化對沖模型無法照搬回A股。我們將國外的模型進行了本土化的改造，4年來，這種改造已初見成效：2013年，我們的8個量化對沖專戶組合年化平均收益超過了12%。我們欣慰地看見，中國式的量化對沖投資已見雛形，且羽翼漸豐。

這些專戶組合的投資過程，也是我們驗證本土化量化對沖模型的過程。在實際運行的組合中，我們大體采取兩種模式：阿爾法策略和套利策略。所謂阿爾法策略，是專注于創造絕對收益。根據A股市場的特點，我們將理論上的阿爾法策略進行了改造，以傳統的主動型股票研究分析結果為基礎，利用多因子模型來控制組合的風險和相關性，追求超越市場平均回報的絕對收益，為投資者提供持續穩定的阿爾法回報；第二類是套利策略，即利用衍生品到期收斂特點進行套利，在國內做得比較多的就是ETF和分級基金套利。這類套利策略基于市場的廣度和速度，但囿于公募基金內部防火墻等監管規定的限制，我們采用的多為分級基金套利。這種方法繞開了高頻交易對速度的極致追求，能夠為組合貢獻無風險收益。

更為可貴的是，通過量化對沖專戶的實踐，我們打造了自己的量化投資流水線，在金融工具、阿爾法策略、套利及實時風控等業務鏈環節上，我們的團隊和模型進一步得到完善，即使在白酒股異動、烏龍指這樣的“黑天鵝”事件出現時，也經受住了市場的考驗。

篇5

一、行業輪動策略

在國外，板塊輪動一直作為一種投資策略被廣泛應用于投資實踐。板塊輪動的最基本的特征是，在經濟周期的不同階段，可以系統的預測到不同的經濟板塊（或行業）跑贏（或差于）市場。而且，運用板塊輪動策略的投資者們相信這種相對的績效，即在經濟周期的不同階段從一個板塊轉向另一個板塊所帶來的收益。

國外不少的研究文章發現，板塊的表現并不一致，或者說提前（滯后）于經濟周期階段。Hou（2007）發現了板塊的提前/滯后效應，原因是新信息經濟的到來。Hong，Torous和Valkanov（2007），還有Eleswarapu和Tiwari（1996）的研究認為，和經濟活動有著密切聯系的板塊，如零售，金屬材料，服務業和石油板塊，引領著市場長達兩個月之久。Menzly和Ozbas（2004）證明，行業績效的時機和該行業在生產消費供應鏈中的位置有著密切的聯系，存在于上游和下游行業間的某種穩定的滯后關系。文章結論表明，基礎材料板塊是經濟復蘇階段第一個啟動的板塊，隨后是制造業。Stovall（1996）發現，處于消費末端的消費者相關的行業，如耐用消費品行業，是從衰退到復蘇階段的過程中最后啟動的行業。Sassetti和Tani（2003）關于板塊基金收益的研究表明，在經濟周期中期，板塊轉換是個成功的策略。然而，他們同樣發現，長期的投資者優于市場指數。相對而言，Tiwari和Vijh（2005）就質疑投資者將資金運用于板塊間輪動的能力。他們研究是基于一個板塊基金數據，從1972年到1999年的數據，結果顯示，板塊輪動的投資者缺乏選擇板塊與時點的能力，并且在修正風險與交易費用的情況下，投資者并不能獲得超額收益。

當前，國內的文獻研究多是從行為金融學的角度對研究投資者行為推動的板塊輪動現象進行研究的。何誠穎（2001）認為我國的股票市場的板塊輪動現象具有明顯的投機性，并可分為個股投機、板塊投機和大盤投機三類，然后文章運用現代資本市場理論和行為金融學理論對板塊現象分析，引用Shiller（1989）一文中的兩類投資者（噪音交易者和知情下注交易者）的假設對板塊現象進行了研究分析，并認為板塊現象是一種市場投機，而且其形成與中??股市投資者行為特征密切相關。陳夢根、曹鳳岐（2005）一文從市場中不同證券之間的價格關系出發研究股票價格間的沖擊傳導機制，認為在中國這樣的轉軌經濟新興市場中，投資者受政策預期主導，決策與行為趨同，一定程度上強化了股價沖擊傳導的動態作用機制，整個市場顯著的表現為板塊聯動、股價齊漲齊跌現象。文章實證研究表明，在上海證券市場中，不同的行業板塊在股價沖擊傳導機制中的重要性不同，也即存在著板塊輪動的特征，但是證券市場股價波動的市場性顯著地超過了不同行業板塊的獨立性，不同行業間的組合投資策略的績效并非最佳。還有少量的文獻研究認為存在著其他一些因素如資金流動，莊家炒作等也可以對板塊輪動現象做出一定的解釋。

可以看出我國股市板塊輪動現象的研究，主要集中于板塊現象的描述和測量，以及對板塊輪動現象進行解釋，且目前這些解釋還多是停留在定性理解層面，缺乏系統定量的研究。另一方面將板塊輪動現象作為投資策略應用于投資實踐的研究則相對較少。盡管板塊可以多種形式進行分類，然而以行業屬性劃分板塊是最為基礎的，也是投資決策應用最廣泛的板塊概念。

二、動量策略

動量效應也稱慣性效應，是指在過去一段時間收益率高的股票，在未來一段時間的收益率仍然會高于過去收益率較低的股票，即股票的表現情況有延續原來運動方向的趨勢。反轉效應也稱反向效應，是指在過去一段時間內收益率高的股票，會在以后的一段時間會表現較差；表現差的股票在以后的一段時間，其收益率會出現逆轉趨勢。

國外對于動量效應和反轉效應的研究始于1985年，DeBondt和Thaler基于1926年至1982年美國證券市場上的股票交易數據，采用相等權重在贏家組合（也稱為贏者組合，是指在一段時間內收益率高的股票）和輸家組合（也稱為輸者組合，是指在一段時間內收益率較低的股票）上的方法，結果證實贏者組合的收益顯著小于輸者組合。然后，金融經濟學者開始對動量效應和反轉效應做出進一步探索，分別在不同的市場驗證其存在與否。Chan（1988）研究發現股票在前期表現的好或者表現不好，這種表現在后期不能一直持續下去的，這與市場風險隨時間的變化有密切聯系。隨著動量效應和反轉效應的研究日益增多，其研究方法也趨于成熟。Jegadeesh和Titaman（1993）基于美國證券市場的股票交易數據對動量效應的存在性驗證時所設計的動量策略被后來的研究者廣為采用，這種經典方法也稱為傳統的動量策略。后來大量金融經濟學家采用Jegadeesh和Titaman設計的策略，針對所研究市場的實際情況，對動量效應和反轉效應進行存在性驗證。Chang（1995）研究發現日本證券市場的股票價格具有短期的反轉效應。Kaul和Conazd（1998）在研究美國證券交易所和紐約證券交易所1926年至1989年間的股票的動量效應和反轉效應時，構造8種不同的投資時間期限，發現大約50%的投資策略組合具有顯著性超額收益，在具有顯著性收益的策略組合里面，動量策略和反轉策略所占的比 例基本相等。Rouwenhorst（1998）在研究歐洲地區的證券市場時，選取了十二個國家的股票市場上的股票作為研究對象，發現股票收益在長期上沒有明顯的持續現象，而在中短期，股票市場的收益有持續現象；另外，在公司資產規模上做了對比，資產規模大或小的公司都具有動量效應，但是規模較小的公司的股票價格的動量效應在統計上表現更為顯著。Schiereck（1999）在針對德國股票市場的日交易數據實證分析動量效應和反轉效應，結果顯示德國股票價格的動量效應表現在中期，反轉效應則表現在短期和長期。Ahme和Nusrct（1999）在基于7個國家的股票市場股價的動量效應和反轉效應，發現了股票價格在長期的表現均出現反轉效應。Hamed和Ting（2000）以馬來西亞的證券市場為研究對象，對股票的動量效應和反轉效應做實證研究，研究得出馬來西亞證券市場和日本的證券市場的反轉效應的時間基本一致，表現在短期。

在國內，吳沖鋒和朱戰宇（2005）研究我國滬深股票市場股票價格行為時，考慮我國市場的賣空限制，在運用重疊抽樣方法，在形成期考慮收益率和交易量對股票進行排序，建立動量策略模型，考察動量策略的盈利情況，研究發現我國A股市場不存在動量效應。郝靜軒（2006）通過滯后期、加權收益計算等改進的動量策略，考察改進后的交易策略對贏家組合的影響，實證結果顯示，在考慮交易成本的情況下，改進的動量策略對贏家組合的收益有明顯的提升。東凱（2010）研究動量策略的改進方法中，通過設定月度市盈率作為閡值來調整投資組合的方法顯示，改進的動量投資策略的收益表現好于大盤的表現。張榮武，何麗娟和聶慧麗（2013）就我國股市的實際情況，運用HS模型的基礎上，將我國股市中的投資者分為套利慣性投資者、動量交易投資者以及消息觀察者，從三者的對技術和基本面的不同的關注視角出發，分別研究他們的投資決策對A股價格的不同影響。經驗證，套利慣性投資者的一系列行為決策會加劇股市的反轉效應，套利慣性投資者和動量交易者的決策行為均可以引發股市的動量效應。王俊杰（2013）對動量交易策略的擇時上做了實證研究，研究發現動量策略交易時，在形成期之后，不直接購買，而是經過一定的滯后期再進入持有期，效果優于市場平均收益和傳統動量策略方法。

綜合國內外學者對動量效應和反轉效應的研究，可以看出無論成熟發達的美證券市場，還是處于發展中的中國證券市場，大部分學者的研究支持證券市上存在動量效應和反轉效應。就我國A股市場而言，對于動量效應和反轉效的存在期的長短上程度上，由于采用的股票樣本和研究時間區間不一樣，國內者的研究結果存在差異的。

三、基本面策略

在傳統資本市場理論中，價值投資并沒顯著的地位，當時的主流思想為有效市場假說，即市場能夠完全準確的反映資產的價值，即投資者無法通過基本面分析、技術分析等手段得到超額收益。但隨著二十世紀八十年代起，越來越多的研究發現，有效市場并不真正存在，投資收益并不能完全由風險來解釋；市場中股票的價格存在偏離內在價值的情況，通過研究價格的偏差波動，能夠實現正的超額收益，從而駁斥了經典EMH假設。基于市場非有效性，BenjaminGraham提出了價值投資的理念，其在《證券分析》中將其定義為：“基于詳盡的分析，對本金的安全和滿意回報有保證的操作”，通俗而言就是通過基本面的分析，同時考量一定的安全邊際的選擇投資策略。

在價值投資理念逐漸普及并被接受之后，國外學者針對價值投資的有效性進行了一系列檢驗。Fama和French于1992年，針對1963年至1990年在NYSE，AMEX，NASDQ上市的股票，將其分別按B/M與E/P指標進行研究。其研究顯示：隨著B/M及E/P分組標記的組別增加，其月收益率有明顯的遞增現象，同時，這一現象無法用公司的beta值來解釋，這也就說明價值型的股票確實能夠較成長型股票帶來超額收益。Lakonishok，Shleifer和Vishny（1994）根據1963年至1990年在NYSE與AMEX上市的股票，針對高B/M的公司?^低B/M公司平均收益更高的現象進行了進一步研究。他們發現不僅在根據B/M排名形成公司組合的投資策略存在明顯的超額收益，同時在根據C/P、銷售增長率和E/P排名形成公司組合的投資策略也存在明顯的超額收益。Fama和French于1998年，針對包括美國、EAFE國家成熟市場以及16個新興市場國家的股票市場再次進行了實證研究。他們根據B/M，C/P，E/P和D/P區分價值股和成長股，從而形成投資組合。在13個成熟市場以及16個新興市場中，均發現價值組合相較于成長股組合有明顯的超額收益。

國內學者也對利用估值指標進行的投資策略進行了檢驗。王孝德與彭燕（2002）針對中國股票市場進行了實證研究，結果發現與國外成熟市場類似，價值投資策略在中國也能得到較高的超額收益。盧大印、林成棟、楊朝軍（2006）根據股價、B/M、S/P以及E/P作為指標確定投資組合，發現價值型的投資組合確實有高于成長型股投資組合的收益率。林樹、夏和平、張程（2011）基于B/M、C/P、E/P及GS，針對我國A股市場構造了投資組合，研究表明以單變量構成的組合中，大多價值型投資組合的收益率兩年明顯高于成長型投資組合；而以雙變量構成的投資組合較單變量的顯著性更高。即在中國股票市場，基于估值指標的投資策略仍然使用。

通過國內外眾多學者的研究以及實證檢驗發現，價值投資在國內外的資本市場均能夠產生正的投資收益，即根據公司的估值指標、財務指標均能有效的預測將來的公司收益，形成正投資回報的投資策略。

篇6

【關鍵詞】指令流毒性 量化監管 動態調整 股指期貨

一、引言

高頻交易如風暴一般的席卷了華爾街，據統計2009年之前，美國市場中將近2000個交易公司中幾乎2%是高頻交易公司，然而2009年開始美國高頻交易公司分別占了70%的股票市場交易量和近50%的期貨市場交易量，這些高頻交易公司通常充當了做市商的角色，向市場提供流動性，也提高流動性。

市場微觀結構指出知情交易者可以利用不知情交易者獲利。指令流被認為是有毒性的當它逆向選擇做市商時，做市商可能在其不知情的情況下在提供流動性的同時承受了損失，而指令流毒性會產生巨大的市場風險。

傳統的衡量指令流毒性的PIN值（伊斯利，基弗，奧哈拉和裴普曼提出了一種算法，即通過報價序列中的數據推斷出知情交易的概率即PIN值。

學者伊斯利在知情交易概率PIN的基礎上，提出了一種新的方法可直接估計高頻交易中的指令流毒性（VPIN）。這種方法可以避免估計那些不可觀測到的參數，并且可以隨著新信息到達市場的速度來隨機的更新VPIN，克服了在交易量很大的市場里難以估計PIN的困難，是一種較為簡單易操作的測量指令流毒性的處理方法；實證結果表明VPIN可以預測短期毒性誘導的波動，特別是當涉及到大的價格波動的時候。

劉文文，張合金使用VPIN模型，2010年6月17日到2011年7月15日的數據來衡量我國股指期貨市場上的指令流毒性；分析結果表明，VPIN可以監測到滬深300指數期貨大跌和大漲時候的指令流毒性。

林煥耿試圖基于VPIN構造高頻交易策略，使用滬深300股指期貨2011年11月到2012年10月的高頻交易數據，以15分鐘為時間框架計算VPIN及收益率。分析結果表明，當VPIN較大時，收益率與其一階滯后項有顯著的負相關關系。這意味著VPIN對于預測股指期貨收益率的作用。

綜合國內外研究而言，國外研究學者從市場微觀結構――信息模型出發，研究得出VPIN模型來直接估計高頻交易中的指令流毒性，并基于“閃電崩盤”提供了驗證。但VPIN模型中的關鍵參數設定是由研究者的經驗值而定，并非一個科學的值，該模型算法仍有待提升。

二、數據來源與處理

本文選取的是樣本為我國滬深300股指期貨市場2013年5月2日至12月31日的當月主力合約的高頻交易數據。

光大烏龍指事件發生在2013年8月16日，于是決定選擇樣本期間為2013年5月至12月。其次，在選取樣本數據中，對于烏龍指當天的數據經過反復思考論證，決定使用次月主力合約的當天數據而非當月主力合約中的當天數據。因為光大烏龍指事件發生在8月16日，恰逢8月當月主力合約的交割日。上午發生了烏龍指事件光大買入了一攬子股票觸發了一系列買賣交易，引致股市出現瘋狂的上漲。盡管A股出現了較大的市場異動，但IF1308合約（當月合約）交割一切正常，順利交割，交割量處于正常水平，未出現異常變動。交易量在小范圍內放大，只有極少的大量買賣單入場。并未出現異動。可以看出烏龍指當天的影響主要體現在次月合約中，更能吻合市場的真實情形，于是最終使用次月合約中的當天數據來替換當月合約中的當天數據。

三、模型設定與計算

直觀的說，模型解釋了不知情交易中正常水平下的一只股票中的買和賣，并且使用數據來定義不知情交易指令流的概率，即ε。異常的買或賣的量解釋了知情交易，并用這個量來定義θ。存在異常買量或賣量的交易階段數用來定義α和β。

隨著交易的進行，流動性提供者觀察交易并且建模猶如他們使用貝葉斯定律來更新他們對指令流毒性的認知，這些認知在本文中被描述為參數估計。P（t）（Pn（t），Pb（t），Pg（t））我們記這個為流動性提供者對于事件的想法。在時間t，n表示沒有消息發生，b表示壞消息發生，g表示好消息發生。于是他的認知（參數估計）在時間0時的P（0）=（1-α，αβ，α（1-β））。

這里，αθ+2ε是所有訂單的到達率，αθ是知情交易訂單的到達率。PIN非常直白的表現出了在一個信息交易階段開始交易的可能性。PIN可以計量在整個訂單流中，由于知情交易者而引起的部分訂單，并且價差等式表示，PIN是決定價差的關鍵因素。

這些公式闡明了觀點流動性提供者為了識別出進出市場的最優的水平需要正確的估計PIN值。PIN值的意外增加將會導致流動性提供者在不調整自己價格的時候蒙受損失。

計算PIN值的模型標準的途徑使用了最大似然法來估計不可觀測到的參數（α，β，θ，ε）操縱著交易中的隨機過程，并且PIN源自于這些參數估計。在Easley（2012）文章中，提出了一個在高頻市場中直接的測量毒性的分析估計，并不需要不可觀測參數的中間值估計。他們改進了算法，用交易量的時間試圖匹配市場中新消息到達的速度。這個以量為基礎的算法，我們記為VPIN，為在高頻交易環境下測量指令流毒性提供了一個簡單的度量方法。

整合交易能減輕交易分裂的影響，使用標準化的價格變化使得交易量分布以概率計算（我們叫做體積分布）。我們計算買量和賣量（VBτ和VSτ）用一分鐘的時間條（我們之后會展示我們的研究結果同樣適用于其他時間段的整合），但是分析也可以用交易量的分段。

同步交易量籃子使得我們可以很簡單的估計這種規范。特別是，回想起我們將一個交易日分割至等規模的交易量籃子并且每一個交易量籃子相當于是一個時期的信息到達。這意味著VBτ+VSτ是一個常量，對于所有時間限制τ來說這個常量等于V。然后我們近似交易不平衡的期望為在n個交易籃子的平均交易不平衡。

計算VPIN是基于成交量劃分的時間而非時鐘時間。實現基于成交量的取樣方法是將交易序列以均勻成交量分組，稱為一個“成交量籃子”。一個成交量籃子是成交量加總的一組交易。完成籃子的最后一筆交易如比所需要的大，超過的成交量將被劃分到下一個籃子，按照這樣的成交量籃子取樣后我們獲取到一個觀測值。構建成交量籃子時對每一筆買入和賣出成交量進行分類，成交量的方向與交易指令單毒性存在潛在聯系，結合總成交量水平和成交量的方向可以指示出存在新信息的可能性。因此，買入成交量占多數說明毒性來自好的信息，反之亦然。我們通過觀測買單和賣單之間交易的強度和不平衡性來估計出VPIN。

估計VPIN值需要選擇V，即每個籃子的交易量，并且n是籃子的數量通常近似交易不平衡的期望。我們初始規定V為日平均交易量的50分之一。如果我們選擇n=50，我們將會在50個籃子中估計VPIN指標，日平均交易量相當于找到了一個日VPIN值。我們的研究結果在廣泛范圍的V和n值選擇下是穩健的。

每生成一個交易量籃子都會更新VPIN指標。這樣，當51個籃子滿了后，我們舍棄掉第一個籃子并且根據2-51個籃子來計算新的VPIN。

四、實證分析

（一）描述性統計

對滬深300指數期貨市場計算出的29734個VPIN值做統計，VPIN的偏度為1.341，說明該序列明顯右偏；峰度系數為2.440，說明該序列具有厚尾的特征，從這些統計值可以看出樣本期VPIN不服從標準正態分布。

對滬深300指數期貨市場的計算出的VPIN值做頻度統計，VPIN值絕大多數集中在0.1和0.2這樣的低位上，小于等于0.2的占了70.29%。說明市場在大部分時間的表現還是較為穩定的。處于0.2到0.6之間的中間值占到了29.37%，說明市場雖有波動，但整體波動在合理范圍內。而高于0.6的只占了0.64%，VPIN高位值出現的次數微乎其微，說明異常波動總是占了很小的部分，這就意味著，通過實時監測VPIN值的發展動態，如果VPIN值出現了較高的數字的時候，要引起足夠的重視，極有可能市場會發生巨幅異常波動。

（二）流毒性指標波動性分析

檢驗VPIN波動性指標包括各種各樣的參數問題。本將通過在滬深300指數期貨市場對不同的交易量籃子選取的過程來展示VPIN計量的穩健性。

選取交易量籃子的量在檢驗VPIN值中是一個重要影響因素。在過去使用的算法中，因為VPIN包括了交易不平衡和交易強度，聚集一定的時間間隔可以降低變量的噪聲并重新調節。可以通過觀察在同一天，使用不同的時間間隔聚集籃子內交易量的VPIN值表現，來檢驗穩健性。

本文中，交易量籃子內采用的是逐筆交易區分買賣交易量來聚合交易量籃子，以交易量籃子滾動計算VPIN值。而交易量籃子的大小（V）會影響到VPIN的計算。因為V越大，籃子數n就越小，滾動計算的次數少，意味著估計有不詳盡的可能。如果V的設置選擇太小，滾動計算次數太多，雖然更精確了卻也是加大了計算量。一方面要保證計算VPIN值得準確性，另一方面也要控制計算量免得做多余無用功還浪費時間。

本文對VPIN模型的關鍵參數設定添加了動態調整的過程，經過反復的計算與調整，對交易量籃子（V）的值掃描更多的值，得出在更多V值下的VPIN模型計算的穩健性，給出V有效的參數庫。以光大烏龍指事件當天2013年8月16日的VPIN來看：滬深300指數期貨市場，V取日平均交易量的1/250―1/150之間，VPIN指標能夠準確預警出烏龍指事件：

結合上圖可知，V選取1/200―1/150日平均交易量，VPIN指標都可以在烏龍指發生前指出市場流毒性高，能夠很好的預警出烏龍指事件，具有事前預警效果。

而對于1/200―1/150日平均交易量之外的參數，VPIN輸出結果并不如預設中的準確。圖2中V取1/100日平均交易量，由于交易量籃子的取值過大，導致滾動的次數少而錯失了關鍵的監測點，從圖中可以看出VPIN對烏龍指的到來并沒有預警指示；而圖3中V取1/250日平均交易量，由于交易量籃子取值過小，籃子滾動次數大大增加，雖然在烏龍指發生之前出現預警指示，但非常遺憾的是，由于滾動次數過多使得VPIN過于敏感，在上午10點多就有預警指示。

五、結論

本文借鑒國外針對新型電子化交易市場的量化監管經驗，在等交易量信息交易概率（VPIN）的基礎上，優化模型參數的評價過程，提高算法的執行速度。本文基于光大烏龍指事件，運用VPIN模型對我國滬深300指數期貨進行實證研究。通過分析光大烏龍指事件當天的VPIN表現，得出VPIN指標在烏龍指發生至少1小時之前就給出預警指示，具有預警性。在滬深300指數期貨市場和股票市場的巨大波動性出現之前，VPIN值已經給出預警性指示，說明VPIN指標具有預警作用。并對VPIN進行穩健性檢驗，穩健性良好，使量化交易市場的事前預警更加準確、可靠。

參考文獻

[1]證監會，光大證券異常交易事件的調查處理情況.2013年8月30日.2013.

[2]林煥耿.基于VPIN的滬深300股指期貨實證及交易策略研究[D].廈門大學.2014.

[3]王冰，李想.淺議量化投資在國內市場的發展[J].經濟視角.2011.7（03）：46～47.

[4]熊熊，袁海亮，張維，張永杰.程序化交易及其風險分析[J].電子科技大學學報（社科版）.2011.12（03）：2～39.

[5]于鵬.一種期貨交易模型介紹[J].中國證券期貨.2013.21（02）：43～44.

[6]葉偉.我國資本市場程序化交易的風險控制策略[J].證券市場導報.2014.24（08）：43～45.

[7]姚靜.我國金融衍生品市場監管模式的選擇[J].經濟導刊，2011（6）.

[8]方浩文.量化投資發展趨勢及其對中國的啟示[J].管理現代化.2012.32（05）：3～5.

篇7

關鍵詞：傳統動量；增強策略；k近鄰

中圖分類號：F832.5 文獻標識碼：A 文章編號：1001-828X（2013）10-0-01

一、引言

動量效應也稱慣性效應，是指股票的收益率的表現情況有延續原來運動方向的趨勢。對股票價格的動量效應而采用的套利策略稱為動量策略。在根據動量策略進行投資時，最常用的方法是Jegadeesh和Titaman（1993）基于美國證券市場的股票交易數據對動量效應的存在性驗證所采用的方法[1]。國內也有一部分學者，對傳統動量策略的方法做出改進。吳沖鋒和朱戰宇（2005）在運用重疊抽樣方法，在形成期考慮收益率和交易量對股票進行排序，改進后收益高于市場平均收益率。郝靜軒（2006）通過滯后期、加權收益計算等改進的動量策略，結果顯示改進的動量策略對贏家組合的收益有明顯的提升。王俊杰（2013）對動量交易策略的擇時上做了實證研究，在形成期之后，不直接購買，而是經過一定的滯后期再進入持有期，效果優于市場收益和傳統動量策略方法。本文首先通過傳統動量策略，考察投資回報率；然后嘗試性將K近鄰算法與傳統動量策略結合，對策略做出改進，以期提高回報率。

二、傳統和增強動量策略方法

1.傳統動量策略方法

首先，構造不同形成期和持有期策略組合，形成期和持有期的時間區間為一個研究時間區間整體或一種投資交易策略，即[T，t]。本研究形成期和持有期分別采用重疊取樣和非重疊取樣法。

其次，在形成期為T時期內，構造贏家組合（收益率排名靠前的一系列股票）。在形成期為T的時間內，計算股票的超額收益率，按超額收益率的高低進行排序，取前10%的股票作為贏者組合。

最后，分別計算贏者組合在持有期t的累積超額收益率以及整個時間區間贏者組合的平均累積超額收益率。

2.增強動量策略計算方法

在傳統的動量策略中，計算形成期T內單支股票的累積收益率時，如果第一個交易日和最后一個交易日的價格出現異常波動的話，那么構建的贏家組合不一定具有動量效應。因此，有必要在計算形成期T內的累積收益率時，消除第一個交易日和最后一個交易日價格異常波動的影響。本文采用KNN算法的思想來消除異常波動，這種增強方法可以稱之為KNN增強動量策略。

KNN增強動量策略在計算單支股票的形成期T內的累積收益率時，把離最初（最后）日期最近K個交易日作為最初（最后）日期的K個近鄰，把最初（最后）日期與其K個近鄰的相隔天數作為它們之間的距離，由距離的大小分別計算近鄰的權重值，然后計算最初（最后）日期的價格。

公式1和2中，f函數為KNN算法中常用的高斯權重函數；和分別表示最初和最后一個交易日的價格；d表示距離。根據公式1，KNN增強動量策略確定的最初（最后）一個交易日的價格，計算KNN增強策略的形成期T內的累積收益率。然后計算持有期內的贏家組合的收益率，計算過程同傳統策略。

三、動量策略和增強動量策略實證研究及結論

1.數據的選擇與參數處理

數據的樣本區間為2006-7-1至2013-7-31。選取的股票為滬市A股所有股票。形成期和持有期：動量策略和反轉策略均采用的形成期分別為1、2、3……12個月，持有期分別為1、3、6、9、12個月。買賣雙方的費用分別為千分之二和千分之三。本文的證券市場平均收益參照標準是上證指數。本文的數據源自國泰安數據庫。

2.結論

本文運用KNN算法的思想將傳統的動量策略做出改進探索，根據實證研究得出以下結論。

（1）KNN增強動量策略的收益大于傳統動量策略。根據表實證結果顯示，構造60種投資策略組合，55種組合的收益明顯提高；KNN增強動量策略的收益統計上顯著大于傳統動量策略。

（2）KNN增強動量策略保持了傳統動量策略的易操作性。KNN算法是數據挖掘算法中最簡單的算法之一，與傳統動量策略結合之后，增強的動量策略沒有變得過于復雜。

因此，增強的動量策略可以為投資者提供參考，具有一定的價值。

參考文獻：

篇8

在管理層明確今年經濟增長的下限及通脹的上限時，7月匯豐中國制造業采購經理人指數（PMI）初值為47.7，創下11個月以來新低，面對國內宏觀經濟數據下滑、經濟疲軟的態勢，股票市場圍繞2000點上下震蕩，多以陰跌收尾，在這樣的大背景下有一類產品能跳出投資標的的束縛，在A股震蕩下挫的態勢下，繼續為投資者創造絕對收益，那便是管理期貨對沖基金；自1990年中國第一家期貨交易所鄭州期貨交易所成立以來，國內期貨市場經歷了二十余年資本市場的洗刷，并且有完善的交易機制，不僅可以做多也可以做空，有別于傳統股票市場，大多數只能依靠股票上漲賺錢。

國外管理期貨CTA是對沖基金投資策略的一種類型，管理期貨CTA即商品交易顧問（Commodity Trading Advisor），商品交易顧問可以直接客戶在商品期貨市場進行交易，抑或提供商品期貨、期權及相關衍生品種的買賣建議及研究報告，管理期貨的收益來源于各種商品價格的波動，獨立于股票、債券等傳統投資標的，同時可以多空雙向操作，即使在股票市場連續下跌時，也能持續獲利。

境外管理期貨的基金主要采取以下幾種模式進行投資，最主流的是程序化交易，該交易方式主要是依賴事先導入計算機系統的策略模型來做出決策，電腦決策的好處是避免了人性的弱點，防止在市場出現過于繁榮與悲觀時，投資者做出不理智的交易行為；目前國際上運用程序交易的基金公司有元盛資產管理公司（Winton Capital Management Ltd.），該公司也是目前世界上最大的商品交易顧問，投資標的囊括商品期貨、股指期貨，資產管理規模超過250億美元。旗下產品主要是用計算機進行趨勢跟蹤，趨勢跟蹤是一種基于價格分析的技術面投資方法。元盛關注的核心信息是各個期貨品種的價格的變化，而非其基本面的信息。趨勢跟蹤的信奉者相信價格會在很多時候沿著價格變動的趨勢繼續發展。也正因為此，元盛不少經典的趨勢跟蹤策略雖然會設置嚴格的止損策略，但不會進行止盈。縱然大部分的交易會以虧損收場，但元盛那些盈利的交易卻可以帶來巨額的回報，覆蓋了虧損的同時還貢獻了足夠多的利潤。除了程序化交易外，還有多元化交易及自由式交易模式，這類期貨管理者通常會對投資標的的基本面進行分析或對一些核心數據進行研究后再做出決策，同時會結合基金經理以往的投資經驗，附帶一些主觀的行情判斷，所以該類模式的投資經理只專注于某個他們熟悉的特殊或相關市場領域。

而國內期貨市場在經過長達二十余年的發展后，也促發了不少以期貨為投資標的的產品，好買基金研究中心收錄了一批國內管理期貨的私募基金，由于該類對沖基金多由有限合伙方式或單賬戶期貨的形式存在，部分產品信息披露、基金估值體系不完善。

業績較好的是淘利資產旗下的淘利趨勢1號、2號，其中淘利趨勢2號成立于今年1月，該產品主要是進行期貨的趨勢交易及商品期貨的現貨與期貨之間的跨期套利。在趨勢交易這一塊，淘利量化交易模型都有通用的金融邏輯，包括技術面、行為金融學等理論的支持；在交易模式上，淘利采取“人-機”結合的模式，在參數設置上，交易員有一定的權限，可根據市場臨時更改參數，但主要是針對極端的情況發生。在期貨交易中，淘利的每個策略都會通過公司自有資金實盤測試后再運用到實際產品中，公司自有資金的實盤運作將會利于調試策略的不足，更好的與市場相契合，今年以來截止于今年7月12日，淘利趨勢2號取得了55.37%的絕對收益，大幅跑贏滬深300指數。業績表現不錯的產品還有沈偉光的鴻鼎永富1期，今年以來取得16.48%的絕對收益。

篇9

garp量化選股策略在a股市場中的應用

股票市場千變萬化，人腦判斷的淺薄顯然易見，而且由于人性本身的缺陷，總是容易犯錯誤。市場投資的越多，越覺得市場的不確定性越大，大部分時間處于未知的狀態，無法判斷未來會怎么樣，唯一能夠做到的就是把握大概率的機會，還有就是把控制風險和資產管理放在首位。量化投資是通過一種理性的方式，通過程序選出股票，實現一種大概率化的投資，最大限度的克服人性的恐懼和貪婪。而量化投資中一個非常重要的投資思想或者選股策略是garp（合理價格成長）的選股策略，本文主要闡述garp思想及其在a股市場的量化運用。

在根據garp選股策略進行股票投資時，我們首先確立投資對象范圍，構建目標股票庫，然后根據公司的成長特性建立股票分類體系，在成長分類的基礎上對股票進行評估，對不同成長類別的公司，我們都同時關注于估值和公司基本面確實的或者預期的改變。對每家公司根據其成長性歸類，從基本面趨勢、估值、基本面趨勢的認同度三方面進行綜合評估。我們將公司基本面趨勢和基本面趨勢認同度視為投資契機，目的是幫助我們避免“價值陷阱”。僅僅是有吸引力的估值不足以構成我們買入的充分理由，反過來也一樣。如果我們的估值顯示目前的市場價格已經過度反映了公司未來的成長性，良好的成長表現或預期、上升的基本面趨勢認同度也不能自動構成買入建議。我們買入價格有吸引力且基本面有良性變化、市場認同度逐步提高的公司的股票。總會有一些股票初看上去，不能輕易滿足我們的價值評估標準，但是正確評估三方面因素是我們最基本的要求，并且在大多數情況下，已足夠得出投資結論。

從garp選股策略的反面來看，為什么高估值的股票表現不佳呢？我們認為主要原因是專家們的預期經常出現錯誤。當分析師做出收益預測時，他們或者過于悲觀，過于樂觀是時常發生的事，無論哪一種情形，投資者都會采取過度行為，甚至出現很多投資者的扎堆行為，因為投資者都喜歡從眾。同時，也證實了分析師的悲觀預測對于高估值個股的業績損害遠遠大于對低估值個股的業績損害；原因在于當某個季度本文由收集整理收益低于預期時，低估值個股一般不會崩盤，因為價格中已經包含了懷疑主義的因素，但是當收益高于預期時，這些股票就會光芒四射；而分析師往往高估高估值個票的未來收益，當這些收益低于預期時，這些股票就會崩潰，因為這些股票往往包含太多的泡沫。

將garp的選股策略應用于量化投資中是一個比較復雜的系統工程，是garp投資思想系統化的體現，首先我們來回答garp選股策略為什么在量化投資中可以更好的成功運用？戰勝市場獲得超額收益和打敗競爭對手是每個機構投資者的目標，為了達到這個目的，時常感到恐懼貪婪及追求短期業績的機構投資者不得不增加大量的短線交易。最終，這些機構投資者預定了他們的悲慘結局，有時侯還會造成巨大的經濟損失，“短線交易”導致市場經常出現“錯誤定價”的股票。量化投資成功的關鍵在于能夠快速準確找出符合garp選股原則的個股，股票市場不總是有效的，所以愿意研究和學習的機構投資者還是有機會擊敗市場的。

篇10

關鍵詞：交易策略；風險評估；收益

Abstract：This paper sets up a risk-benefit model based on binomial distribution in order to provide theoretical foundation for risk assessment on securities trading strategy. This model proves from both theoretical and practical views that under some conditions the long-term risks of trading strategy are not relative to the number of transactions or the ratio of the number of positive-benefit transactions over the total number of transactions，they are only rely on the extent of positive benefits over negative benefits. This model as a tool of risk assessment provides basic foundation for securities trading strategies and gives a forecasting method to estimate long-term risks by calculating the value of alpha of trading strategy.

Key Words：trading strategy，risk assessment，benefit

中圖分類號：F830 文獻標識碼：A 文章編號：1674-2265（2012）10-0003-05

一、引言

自上個世紀50年代以來，大量學者研究證券市場中資產風險與收益率的關系。馬科維茨（Markowitz，1952）的投資組合理論奠定了風險和收益關系研究的基石，并導致了現代資本市場理論的發展。基于該投資組合理論，夏普（Sharp，1964）、林特納（Lintner，1965）和莫辛（Jan Mossin，1966）提出CAMP資本資產定價模型，根據市場走勢預測選擇不同的證券組合以規避市場風險、獲得較高收益。隨著證券市場的發展，羅斯（Ross，1976）提出APT套利定價理論，默頓（Merton，1973）提出OPT期權定價理論。這些理論模型在投資組合績效、證券估價、證券投資等領域成為里程碑式的投資模型，得到了廣泛應用。然而，這些經典模型以及后來布里登（Breeden，1979）、里昂諾姆（Reinganum，1981）、陳浪南等（2000）、靳云匯等（2001）都集中在對投資組合風險性的研究上，很少涉及到交易策略的風險研究；康拉德和考爾（Conrad和Kaul，1998）研究了交易策略，但沒有具體研究交易策略的風險評估方面。投資組合的風險性和交易策略的風險性存在一定差別：前者屬于投資標的選擇策略范疇，而后者屬于操作層面的交易策略范疇；投資標的本身的風險具有不可控性，而操作策略往往能夠通過諸如“止盈”或者“止損”等手段來有效控制投資標的自身帶來的風險。

盡管目前一些理論試圖揭示證券市場復雜行為的原因，并預測投資標的的未來行為，但是這方面的研究進展仍很緩慢，甚至大多數成功的投資者也認為，復雜的市場行為是不可預測的。巴菲特說過，他從不預測市場，也沒有人能夠預測市場。當人們總結這些投資者投資成功的原因時，會發現他們往往非常注意投資風險的控制，盡管他們也很重視對投資標的的選擇，但從不對市場做出堅決的預期。這說明，復雜的市場行為至今仍是人類未解之謎，而包括風險控制和風險評估在內的交易策略的風險研究在實際投資過程中的作用往往重要于投資組合或者投資標的本身的風險研究，也就是交易策略的制定比投資組合策略的選擇重要得多。

由于交易策略的制定，每一次投資的收益率往往是可控的，因此我們可以假設其單次投資的收益率是固定的。在本文中，我們以熟悉的二項分布為基礎，建立了一個風險—收益模型，結果證明該模型能夠作為交易策略風險評估的一個理論基礎。該模型把目前關于交易策略風險評估方法中常用的正收益比率與收益率聯系起來，改進了評估方法。

二、 交易策略虧損概率的測算

（一）正收益交易的概率函數

我們假設某個投資者按照既定的交易策略，比如設定“止盈”和“止損”收益率等，進行了一系列交易，投資者的初始資金為 ，并且每一次正收益交易的收益率為常數 ，負收益交易的收益率為常數 ，則總收益率可以表示為：

這里， ； 分別代表正收益交易和負收益交易的次數。我們感興趣的是總收益率小于零的條件：

即：

這里： 。

在 次交易中，我們想知道發生 次正收益交易的概率是多大？顯然， 次正收益交易和

次負收益交易的順序可能不一樣，因此，交易次數為 的交易過程將有總共Q種可能的情況出現。

這里C 表示組合數。另外，發生 次正收益交易的可能性有M種。

于是，出現 次正收益交易的概率為：

該概率函數是歸一的，即：

顯然，這就是人們熟悉的二項分布。累計概率函數于是可以表達為：

（二）辛苦系數

當正增長率 和負增長率 一定時，在 次交易中，正收益的交易次數小于 次將導致總收益率小于零。這是個臨界正交易次數，即 ；

又由于 ，因此我們可以把這個臨界次數表達為：

這里，符號[]表示取整的意思，并且：

它是一個臨界的正交易比率，正交易比率就是正收益的交易次數占總交易次數的比例，也就是所謂的“勝率”。這里我們不妨稱這個臨界值為“辛苦系數”，它表明投資者在目前的正收益率和負收益率交易水平下，至少要保證總交易次數中的 比例是正收益，才能使最后的總收益率為正。顯然根據前面

的表達式，我們可以得到“辛苦系數”與單次收益率的關系：

假設 ，并在圖1中畫出 曲線。從圖中可以看出，單次負收益率相對正收益率越大， 值越大，說明投資者想要最后獲得正收益率就需要更多的單次正收益交易，就越“辛苦”。

（三）未來虧損概率

定義未來虧損概率為：假設保持現有的單次正增長率和負增長率的增長模式，未來在一個較大的交易次數 下，總收益率虧損的概率。未來虧損概率實際上就是某一個交易策略的長期風險。根據這個定義，我們知道它等于累計概率函數（7）：

方程（11）的解析表達式為：

這里， 是 Gamma 函數， 是超幾何函數，從而構建了交易策略的風險收益模型。

方程 （12） 就是未來虧損概率的表達式，它是一個在交易次數 時與 無關的函數，這就為我們評估交易策略提供了很好的工具，因為未來無論 和

如何配置都不影響未來的虧損概率，它是一個能反映交易策略長期風險的特征函數。圖2 根據方程 （12）給出了未來虧損概率與交易次數在不同“辛苦系數”下的關系，顯然，當交易次數很大時，未來虧損概率是穩定的；并且投資者越“辛苦”，其未來虧損的概率就越大。

三、Monte Carlo模擬

為了驗證前面所述的模型，我們進行了Monte Carlo 模擬。Monte Carlo 模擬是一種用以替代真實隨機實驗的計算機模擬實驗方法，它通過隨機抽樣的方法來模擬自然界中的各種隨機現象或者實現各種計算要求。我們假設一次試驗過程包括 次交易，而每次交易的收益率不是正的 就是負的 ；另外，出現正收益和負收益的概率是相等的。于是我們就可以計算出這樣一次試驗的總收益率 。我們重復這樣的試驗 次，并且統計每次試驗的交易總收益率

的次數 ，就可以得到在常數參數 、 和 的條件下，該交易策略的虧損概率 。當我們在每一次試驗中選擇很大的交易次數時，便可得到未來虧損概率。圖3給出了計算流程圖。

方程（12）描述了在交易次數 情況下，虧損概率與辛苦系數 的關系。從圖4中可以看出，未來虧損概率與辛苦系數存在正相關的關系，并且這個關系可以劃分為三個區域：在辛苦系數小于0.4的區域，未來虧損概率幾乎為零；辛苦系數在0.4—0.6之間的區域，未來虧損概率顯著上升；而在辛苦系數大于0.6的區域，未來虧損概率幾乎為1。事實上，辛苦系數是關于單次收益率 和 的函數，因此我們可以通過某交易策略的單次收益率情況來判斷其未來存在的交易風險。

我們分別模擬了對應這三個區域的虧損概率與交易次數 的關系，其結果與方程（12）得到的理論值符合得很好。圖5給出了模擬值與理論值的比較。從圖中可以看到，當交易次數 很大時，虧損概率趨向一個穩定值，這說明如果一個投資者堅持在一個常數的單次（正負）收益率的交易模式下進行交易，那么這個投資者長期的收益率出現虧損（或者盈利）的風險也是固定的。另外，這個風險與“辛苦系數”有關，“辛苦系數”越大，虧損概率越高；或者說與單次交易的常數收益率有關，負收益率絕對值相對正收益率越高，虧損的風險越大。

未來虧損概率 是在交易次數 時的虧損概率，顯然它是個只與參數 ，也就是“辛苦系數”有關的量，而與交易次數 無關，換句話說，它與單次交易的正負收益率有關。我們令單次正收益率

并給出了未來虧損概率和單次負收益率絕對值 之間的關系。圖6 給出了理論值和模擬值的比較，可以看到兩者符合得很好。這說明，我們的理論模型能夠很好地描述這樣一個基本的交易風險與收益的事實。

四、交易策略的風險評估

我們提出的這個收益與風險模型為評估交易策略的未來風險提供了有力的理論支持。從上面的分析可以看出，當單次交易的增長率確定時，其交易策略在長期交易下的虧損概率就是確定的，而與交易次數沒有關系。這個結論使我們科學地評估策略風險成為可能，因為在這個模型下，策略的風險是一個由策略本身所決定的稟賦性特征，與任何交易次數或者交易時間等細節問題無關。因此，也就可以不必對交易策略進行耗時的實際測試，而直接判斷策略的未來風險了。當然，實際的交易往往非常復雜，單次交易收益率經常不會滿足這個風險—收益模型的條件，但當交易策略能夠長時間保持一個相對穩定的單次收益率時，這個模型確定的風險值就是可靠的。換句話說，本文提出的風險—收益模型為數量化風險評估提供了科學的理論依據。

另外，我們的評估模型也揭示出這樣一個關于投資交易的道理：一個交易策略的未來風險僅僅取決于正收益率相對負收益率絕對值的比值，也就是

，這個比值越大，其風險越小。換句話說，交易的風險與發生正（負）交易的次數無關，而只與單次的正負收益率有關。我們必須保證一次或者少數幾次很高的正收益率，而其他發生負收益的交易產生的損失都很小，才可以保證我們長期的總交易是正收益。這也就是平常投資者所說的“大賺小賠”的投資法則。

目前，有關交易策略的風險評估方法多集中于考察交易策略所能達到的正交易比率上，也就是所謂的參數“勝率”上，然而本文的模型顯示“勝率”高的交易策略不一定未來虧損的風險就低。單次正收益率很低，但獲利次數很高，即“勝率”很高，未來虧損概率一樣會很大，這是因為單次正收益率很低，盡管正收益次數很多，但未來一次虧損就可能把以前積累的利潤消耗盡。我們的模型把正交易比率與交易的收益率聯系起來，給出了更加科學的評估方法。

五、在交易策略風險評估中的應用

我們的模型可以應用于交易策略的風險評估。可以根據某個交易策略的歷史交易次數和交易收益率，把所有正收益率和負收益率分別折合成兩個復合收益率，即 和 ；然后分別根據“辛苦系數”的計算公式（10）算出參數 ；最后按照方程（12 ）可以算出該交易策略的未來風險概率 。這個概率的含義就是，如果交易策略在未來以目前的模式繼續運行下去的話，它的虧損概率就是 。

舉個例子，假設某個交易策略產生了下列的收益率，如表1。首先，我們可以很容易地計算出復合收益率，即 ， - ；另外根據（10）得到辛苦系數 ；于是可以計算出該策略的未來虧損概率為 。它表明，如果這個交易策略以后仍按這種模式運行下去的話，其未來虧損的概率大概是0.58。這個例子表明我們可以通過計算交易策略的 值來估算它的未來風險，并且在這個例子中我們也看到盡管該交易策略有70%的勝率，但其未來存在的虧損風險仍然高達58%。

值得注意的是，由于實際交易中每次交易收益率是變化的，有時差別還很大，這將影響辛苦系數

值的評估效果，因此我們還需要附加計算單次收益率的方差 和 。方差越小， 值的評估效果越好。另外，用戶可以選擇市場處于上升階段或者下跌階段計算 值，這樣評估更易于比較。

六、結論

不同于傳統的關于風險的描述，比如定義風險為收益率的方差等，本文試圖通過一些基本假設自然地推導出風險的表達式。在二項分布的基礎上，我們建立了一個風險收益模型來作為交易策略風險評估的理論依據。這個模型從理論上和數值實驗上證明了：在單次交易的收益率不變以及不考慮交易成本的條件下，（1）交易策略的長期風險不依賴于交易次數；（2）交易策略的長期風險不取決于正收益比率；（3）交易策略的長期風險只取決于正收益相對負收益的幅度。模型為風險評估工具提供了堅實的理論基礎，并且把目前關于交易策略風險評估方法中常用的正收益比率與收益率聯系起來，改進了評估方法。

參考文獻：

[1]Banz，R.，1981，“The Relationship between Return and Market Value of Common Stocks”，Journal of Financial Economics，9（1），pp.3-18.

[2]Breeden，D.，1979，“An Intertemporal Asset Pricing Model with Stochastic Consumption and Investment Opportunities”，Journal of Financial Economics，7（3），pp. 265-296.

[3]Markowitz，H.M.，1952，“Portfolio Selection”，The Journal of Finance 7 （1），pp. 77-91.