|
什么是量化交易，量化交易的三种模式！
第一种：与高频交易的结合 就是量化自然而然会和高频交易结合在一起，高频交易其实也有很多做法，包括做市策略在海外，抢单交易等等，现在所谓的高频交易其实更多的是由Alpha本身驱动的。 第二种：统计套利 不管是在国外还是在国内，现在统计套利本身都占据了非常大的市场份额。统计套利也包括几大类策略，包括量价因子策略、基本面策略、另类数据策略。那么量价因子顾名思义也比较简单，就是根据市场上公开的交易信息，包括价格信息，成交量信息，订单信息等等综合而成，去预测股票资产价格涨跌的规律；基本面因子大家知道股票的很多的价格，包括商品期货价格，最终还是由基本面驱动的，给股票资产进行有效定价，好的公司价格会上涨，差的公司价格会下跌，那么基本面因子就是从公司的财报，或者是市场上分析师的一致预期的数据当中，获得对股票基本面信息进行汇总，并对其较长期的资产价格做出预测和判断，那这也是国内运用非常广泛的一个因子。第三类：另类数据因子。近年来因为数据越来越多，大家会关注更多非传统的股票信息数据，把它做成另类策略，比如说信用卡消费数据、网站爬取到的数据等，甚至包括一些订阅信息等类似这样的一类数据。在这些信息中多多少少都会影射出公司本身的一些预期收入变化。甚至包括该公司其他的一些供应相关的一些信息的变化，那么，大家就会不断的从这些另类数据当中提取与公司基本面有关的信息并用它来预测股价。说到统计套利，基本上可能我们可以先讲这些内容作为一个简单的介绍。 第三种：算法交易 它与前两者区别是卖方券商提供给买方的去执行交易策略 的一个算法的工具。在美国，大家提到量化交易占比可能会达到90%以上，这90%以上的交易量一半是由算法交易去完成。在美国，有很多主观投资经理，他们在形成自己的策略和仓位之后会交给机器交给这些算法平台去执行交易订单，机器的好处是同时在市场上各个交易所，寻找到最后一个报价，并通过总结市场的一些短期规律，不断优化算法从而寻找更优的一个执行价格并减少市场冲击的一个方法。
量化本身与主观投资未来的融合和关系！ 目前在美国很多大型的对冲基金，尤其做主观对冲基金，他们也会使用一些量化的方法去做投资，在策略生成仓位之后，也会用算法交易去提供一些执行优化。，当然因为美国很多对冲基金，高杠杆运作对风控非常高的要求，他们也会用量化的手段去优化投资的组合，控制回撤，不断优化自己的收益回撤比。这些主管基金经理也会像量化一样不断挖掘更多的另类数据，用另类数据跟踪股票的一个基本面变化，比如说游戏公司在APPLE STORE的下载量，包括一个油田的卡车进出数目等类似这些信息本身，虽然量化是从更加系统化的角度去挖掘这些细节的规律，主观基金经理更多是对这些数据的一个主观总结，结合行业的先验知识，做出一个对资产价格本身的判断，基于少数数据点做出一个高维信息判断的一个决策。量化则基于大量系统化结构化的数据，在没有太多先验知识的情况下，对数据以及系统化地挖掘来总结出这个市场本身规律。这两种方法本质的区别也是人作为一种智能化的生物决策的流程和现代所谓的人智能在方法论上的差异。人经过多年进化，形成了社会知识，包括行业知识，包括对人对社会的判断，但是机器本身更多还是通过一些结构化的数据及大量的训练，以一个优化函数来得到一个所谓的不断逼近优化结果的目标，所以这两种方法论其实本质上还是人和机器的竞争。
量化交易的发展现状！ 说到量化交易不得不提的是它在美国的发展现状，因为量化交易本身起源于美国。90年代开始兴起，再到最近10~20年，在美国经历飞速的发展，到现在基本上已经形成了一个寡头垄断的格局。量化交易本身在美国市场份额占比是非常大的，百分之九十几的交易量是通过这个机器去完成当中可能有一半的对手方都是一些偏高频的策略，在市场上不停交易，当然还有一些交易量也是中低频策略，通过算法交易在执行。美国市场体量确实是全球最大的资本市场，未来中国可能现在在市场交易也确实在不断的接近，但美国有一个很显著的特点，就是美国本身的交易制度，除了灵活，他可以允许很多的信息的传播，包括交易所，每一个交易的信息的细节都会在市场行情当中得到披露，它是全世界可能信息最透明的一个交易场所，包括美国的交易制度也是非常的自由，他鼓励多个交易所和多个交易价值之间的竞争，像中国可能更加是一个中央化管控，一只股票在一只交易所的一个现状，美国非常高科技的一些发展，使得交易所在效用及数据处理的能力尚也会大幅提升，这是我想说的第二是因为他自有的这种灵活的制度和交易所的竞争，它的数据体量可以说是非常大，像美国一天一只股票在一个交易所这个数据上经常就可以达到1T,可想而知全市场的数据可能一天所有的股票，交易所相加之后，可能上千T的一个数量级，是非常庞大体量，所以处理大体量数据本身要花费非常大的精力、资历、人力、物力。美国在这方面是走的比较领先的，不管是在信息的处理能力上，交易所在处理基本信息的能力，包括交易数据落地后，构建分析框架对这套信息庞大信息的处理能力，包括实盘交易之后，不同的交易所进行实盘交易也需要大量的机器资源去提供稳定的市场上竞争，所以美国量化交易对基础设施的要求是在比较高的水平。 那么第三个是信息化程度，其实刚刚也提到过，不管是标准化的市场行情来说，美国在信息程度上做了大量的披露，包括比如说像基本面数据其他的关于资本市场的信息，美国的数据体量都是非常充分非常庞大，也包括大量的非结构化的数据和一些另类数据。可能很多对冲基金会使用几百种另类数据或者上千种去进行股票的信息的研究加总和预测。那么所以美国相对来说在信息维度上，也是走的比较领先。所以它的本身的自由度就是市场资本市场的一个策略，因为可被挖掘的信息自由度也是非常高的，所以它的竞争也是会非常充分。最后就谈到所谓的运算带宽，其实正因为它庞大的数据体量，非常高的信息维度就带来了市场化的科技的竞争，所以它的本身要消耗大量的计算资源，去实现历史回测也好数据分析也好还是实盘交易也好。所以各家大型的对冲基金，都会建立自己的私有云，去做这些技术架构并为量化交易的策略的迭代提供一个非常强大的后台的服务。 |
备案号：
