量化交易从0到1：入门者必读

巴菲特，以过去20年平均投资回报率高达20%，成为公认的投资大师。

 

索罗斯，以华尔街著名对冲基金“量子基金”，成为与巴菲特齐名的“金融大鳄”。

 

而詹姆斯·西蒙斯，虽名不见经传，但其创建的文艺复兴科技公司第一支基金产品——大奖章基金被称为“印钞机”，1989—2009年间大奖章基金平均年回报率高达35%，较同期标普500指数年均回报率高20多个百分点，比索罗斯和巴菲特的操盘表现高出10余个百分点。而这背后的秘密武器就是量化投资。

 

量化交易是指通过数量模型的计算，寻找投资机会并做投资决定的方法。量化基金可以为纯量化策略主导，也可以在做投资决策时融入基金经理主观判断。量化基金像正常的对冲基金一样，可投资于股票、债券、ETFs、期货、指数等常见金融资产。

 

美国拥有世界上最大的，流动性最好的二级市场，规模约为100万亿美金，是中国股市的十倍左右，约是世界上其他二级市场规模的总和。

 

根据Radnorwood基金数据显示，美国标普500指数从1977年以来，平均年回报大约是11.5%。美国道琼斯指数从1896年以来，平均年回报大约是10%。

 

美国科技行业发达，美国股市的顶梁柱也为科技股，一些大型科技公司的股票，在近年来实现几百倍甚至上千倍的涨幅。 自1986年上市至今，股票已涨1400倍。良好的股市氛围推动了各种关于股票交易的金融机构发展，其中对冲基金的发展世界领先。美国对冲基金的交易策略复杂且世界领先，加上美国科技行业发达，因此依靠数量模型和计算机的量化交易在美国发展的非常迅速。

过去20年中的龙头股票，数字为发行以来股价翻倍倍数

 

量化交易投资前提

 

由于量化交易大部分为计算机分析历史数据，从而预测未来走向。因此，就有许多交易前提。

 

1

公司财务表现需是股价的核心驱动力

 

股价代表投资者对于企业未来价值的预期，而公司的财务状况可以说是这其中的重中之重。每当公司发布季度财报时，股价往往会有大幅度变化。所以，只有财务表现是股价的主要推动力时，股票的价格才变得有意义。

 

下图为亚马逊十年来股票价格变化与财务状况对比。蓝线为毛利润，绿线为股票价格，红线为自由现金流状况。由此可见，亚马逊股价的变化基本随着毛利润上升的趋势而上升。在量化分析时，分析师会建立模型对于公司财务数据进行大量分析，因此如果财务数据与股价关系不大，那量化模型将变的没有意义。

 

图片截取自Radnorwood Capital

 

2

量化交易需在比较有效的市场进行

 

有效市场是指目前资产的现有市场价格能够充分反映所有相关、可用信息的资本市场。

 

这一点和第一个前提非常相似，但包含了更多的信息。例如，公司管理层发生重大变故后，股价会不会随之产生波动。如果股价并不能受其影响，那说明该市场并不十分有效，因此对公司事件与其他信息的分析也会变的没有用。根据Radnorwood capital的数据，历史上，约90%的季报后股价反应与业绩正相关。

 

 

3

三项金融指标可以解释长期股价走势

 

成长、自由现金流和可预见性为可解释长期股价走势的三项重要金融指标。

 

首先，许多股票的表现受到其增长的推动，当公司一路成长时，投资者很容易忽视其盈利能力和波动性。

 

其次，公司自由现金流的丰富可以帮助公司偿还债务、开发新产品、回购股票、增加股息等。而高股息的发放对于投资者来说也是一个非常具有吸引力的事情。更高的自由现金流有发放更高股息的可能，因此自由现金流的高低对股价也起到了推动作用。

 

最后，投资者会更愿意投资公司业绩可预见性高的股票。如美国国债，虽然收益不高，但信用非常好，可以为投资者提供可预见的收益。因此，美国国债一直是投资人推崇的选择。

 

图片截取自Radnorwood Capital

 

 

量化交易策略

 

量化交易有很多交易策略，可以分为高频交易、算法交易和统计套利。

 

高频交易指利用计算机捕捉市场微小变化来进行获利的方法，比如，某股票的买入卖出价差，或某股票在不同交易所的微小差价。高频交易量巨大，并且一日内可完成多次交易。

 

算法交易是利用计算机建立复杂的数学模型来进行交易套利的交易策略。如建立一个代数方程，加入不同的影响因素，根据每次代数方程的结果，系统给出不一样的答案，并根据该答案进行交易。

 

统计套利是指用历史数据进行统计分析和基本面分析后得出的套利交易模型。

 

在量化交易策略中，最为复杂也最为常用的当数算法交易(Algorithmic)。

 

根据Coherent Market Insights的数据，2017年算法交易市场的总额达到93亿美金，并且在2018到2020年有年均10.1%的复合年增长率。北美拥有最大的算法交易市场，大约60%至73%的股票交易策略中使用了算法交易，这也归功于北美科技行业的发达。近年来人工智能的大规模发展也极大程度上帮助了量化交易的发展。一些公司如Sentient,Clone Algo,Alpaca, WalnutAlgorithms, Binatix和Aidyia正在使用人工智能来进行算法交易。

 

From Unsplash

 

量化基金的优势

 

量化策略第一个优势在于结果更加理性，不会带入人的主观思维。量化基金中的投资决策使用事先设定好的量化模型进行计算，得出结果后可直接进行交易，避免了基金经理的情绪变化和经验不足带来的影响，相对于人的判断来说更加客观。

 

量化策略的第二个优势在于可以一次性运作大量股票。人工分析一次只能分析少量股票，且交易过程需要更多时间，可能在此期间错过最佳投资机会。量化策略由电脑主导，可以同时分析大量数据和投资机会，并在同一时间进行投资。这样的策略使得量化交易更加高效、成本更低、更加全面。

 

 

量化策略的第三个优势在于它的投资策略容易用历史数据回测来证明。一般来说，量化交易员通过数学模型和统计学分析，建立量化模型。模型建立后，会使用历史回测数据，计算出表现。当表现符合预期时，才会在今后使用该模型交易。易回测证明，也是量化交易的一大优势。

 

小结

 

总结来说，算法交易，作为最常用的量化投资策略，凭借独有的理性、运作量大和易回测等特点正越来越多的被运用在各类金融产品交易上。并且，算法交易将不断被开发和完善。

 

但是，由于算法交易大量运用历史数据和财务数据进行分析，因此运用算法交易进行股票分析前，股票本身也需要满足三个前提。首先股票的价格是由该公司财务数据所决定，其次股价要能反应出真实有效的市场信息，第三股价要可以被三项金融指标来解释。