量化交易從0到1：入門者必讀

巴菲特，以過去20年平均投資回報率高達20%，成為公認的投資大師。

 

索羅斯，以華爾街著名對衝基金“量子基金”，成為與巴菲特齊名的“金融大鱷”。

 

而詹姆斯·西蒙斯，雖名不見經傳，但其創建的文藝複興科技公司第一支基金產品——大獎章基金被稱為“印鈔機”，1989—2009年間大獎章基金平均年回報率高達35%，較同期標普500指數年均回報率高20多個百分點，比索羅斯和巴菲特的操盤表現高出10餘個百分點。而這背後的秘密武器就是量化投資。

 

量化交易是指通過數量模型的計算，尋找投資機會並做投資決定的方法。量化基金可以為純量化策略主導，也可以在做投資決策時融入基金經理主觀判斷。量化基金像正常的對衝基金一樣，可投資於股票、債券、ETFs、期貨、指數等常見金融資產。

 

美國擁有世界上最大的，流動性最好的二級市場，規模約為100萬億美金，是中國股市的十倍左右，約是世界上其他二級市場規模的總和。

 

根據Radnorwood基金數據顯示，美國標普500指數從1977年以來，平均年回報大約是11.5%。美國道瓊斯指數從1896年以來，平均年回報大約是10%。

 

美國科技行業發達，美國股市的頂梁柱也為科技股，一些大型科技公司的股票，在近年來實現幾百倍甚至上千倍的漲幅。 自1986年上市至今，股票已漲1400倍。良好的股市氛圍推動了各種關於股票交易的金融機構發展，其中對衝基金的發展世界領先。美國對衝基金的交易策略複雜且世界領先，加上美國科技行業發達，因此依靠數量模型和計算機的量化交易在美國發展的非常迅速。

過去20年中的龍頭股票，數字為發行以來股價翻倍倍數

 

量化交易投資前提

 

由於量化交易大部分為計算機分析曆史數據，從而預測未來走向。因此，就有許多交易前提。

 

1

公司財務表現需是股價的核心驅動力

 

股價代表投資者對於企業未來價值的預期，而公司的財務狀況可以說是這其中的重中之重。每當公司發布季度財報時，股價往往會有大幅度變化。所以，隻有財務表現是股價的主要推動力時，股票的價格才變得有意義。

 

下圖為亞馬遜十年來股票價格變化與財務狀況對比。藍線為毛利潤，綠線為股票價格，紅線為自由現金流狀況。由此可見，亞馬遜股價的變化基本隨著毛利潤上升的趨勢而上升。在量化分析時，分析師會建立模型對於公司財務數據進行大量分析，因此如果財務數據與股價關係不大，那量化模型將變的沒有意義。

 

圖片截取自Radnorwood Capital

 

2

量化交易需在比較有效的市場進行

 

有效市場是指目前資產的現有市場價格能夠充分反映所有相關、可用信息的資本市場。

 

這一點和第一個前提非常相似，但包含了更多的信息。例如，公司管理層發生重大變故後，股價會不會隨之產生波動。如果股價並不能受其影響，那說明該市場並不十分有效，因此對公司事件與其他信息的分析也會變的沒有用。根據Radnorwood capital的數據，曆史上，約90%的季報後股價反應與業績正相關。

 

 

3

三項金融指標可以解釋長期股價走勢

 

成長、自由現金流和可預見性為可解釋長期股價走勢的三項重要金融指標。

 

首先，許多股票的表現受到其增長的推動，當公司一路成長時，投資者很容易忽視其盈利能力和波動性。

 

其次，公司自由現金流的豐富可以幫助公司償還債務、開發新產品、回購股票、增加股息等。而高股息的發放對於投資者來說也是一個非常具有吸引力的事情。更高的自由現金流有發放更高股息的可能，因此自由現金流的高低對股價也起到了推動作用。

 

最後，投資者會更願意投資公司業績可預見性高的股票。如美國國債，雖然收益不高，但信用非常好，可以為投資者提供可預見的收益。因此，美國國債一直是投資人推崇的選擇。

 

圖片截取自Radnorwood Capital

 

 

量化交易策略

 

量化交易有很多交易策略，可以分為高頻交易、算法交易和統計套利。

 

高頻交易指利用計算機捕捉市場微小變化來進行獲利的方法，比如，某股票的買入賣出價差，或某股票在不同交易所的微小差價。高頻交易量巨大，並且一日內可完成多次交易。

 

算法交易是利用計算機建立複雜的數學模型來進行交易套利的交易策略。如建立一個代數方程，加入不同的影響因素，根據每次代數方程的結果，係統給出不一樣的答案，並根據該答案進行交易。

 

統計套利是指用曆史數據進行統計分析和基本麵分析後得出的套利交易模型。

 

在量化交易策略中，最為複雜也最為常用的當數算法交易(Algorithmic)。

 

根據Coherent Market Insights的數據，2017年算法交易市場的總額達到93億美金，並且在2018到2020年有年均10.1%的複合年增長率。北美擁有最大的算法交易市場，大約60%至73%的股票交易策略中使用了算法交易，這也歸功於北美科技行業的發達。近年來人工智能的大規模發展也極大程度上幫助了量化交易的發展。一些公司如Sentient,Clone Algo,Alpaca, WalnutAlgorithms, Binatix和Aidyia正在使用人工智能來進行算法交易。

 

From Unsplash

 

量化基金的優勢

 

量化策略第一個優勢在於結果更加理性，不會帶入人的主觀思維。量化基金中的投資決策使用事先設定好的量化模型進行計算，得出結果後可直接進行交易，避免了基金經理的情緒變化和經驗不足帶來的影響，相對於人的判斷來說更加客觀。

 

量化策略的第二個優勢在於可以一次性運作大量股票。人工分析一次隻能分析少量股票，且交易過程需要更多時間，可能在此期間錯過最佳投資機會。量化策略由電腦主導，可以同時分析大量數據和投資機會，並在同一時間進行投資。這樣的策略使得量化交易更加高效、成本更低、更加全麵。

 

 

量化策略的第三個優勢在於它的投資策略容易用曆史數據回測來證明。一般來說，量化交易員通過數學模型和統計學分析，建立量化模型。模型建立後，會使用曆史回測數據，計算出表現。當表現符合預期時，才會在今後使用該模型交易。易回測證明，也是量化交易的一大優勢。

 

小結

 

總結來說，算法交易，作為最常用的量化投資策略，憑借獨有的理性、運作量大和易回測等特點正越來越多的被運用在各類金融產品交易上。並且，算法交易將不斷被開發和完善。

 

但是，由於算法交易大量運用曆史數據和財務數據進行分析，因此運用算法交易進行股票分析前，股票本身也需要滿足三個前提。首先股票的價格是由該公司財務數據所決定，其次股價要能反應出真實有效的市場信息，第三股價要可以被三項金融指標來解釋。