|
與股神巴菲特的“價值投資”理念不同，數學家出身的西蒙斯將智慧體現在數學模型中，用量化捕捉市場機會，其管理的“大獎章”基金創造了驚人的投資回報。 在西蒙斯的華爾街生涯的最初階段，他和其他人一樣，關注一系列宏觀信息：美聯儲何時會加息，對利率、匯率會產生什么影響，但他很快認識到，即便是同樣的宏觀信息，不同個體也會做出截然不同的判斷，主觀成分非常大。 于是，西蒙斯決定獨辟蹊徑。他和統計學家、數學家等非典型性金融人士一起，對各種金融價格之間的關聯關系進行研究，最后在模型中只留下技術性數據。百分之百依靠模型做交易，從1988年創立之日起到西蒙斯退休的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。 量化交易的中國之路 從廣義而言，凡是借助現代統計學和數學的方法，從龐大的歷史數據中選擇能帶來超額收益的多種“大概率”事件以形成策略，然后用數量模型驗證及固化這些規律和策略，最后嚴格執行的方式，都可以稱為量化交易模式。 在中國，從2004年第一只公募量化產品成立至今，已取得了一定的進展。根據華寶證券的統計，2014年通過信托平臺發行的量化對沖基金達到522只，另外還有72只券商資管產品發行，保守估計2014年全年新發行的量化對沖產品就超過600只。 從客觀條件而言，量化交易的實現必須具備四個條件：充分的市場流動性；強大的計算設備；快速的網絡；低廉的手續費。在當下的中國，技術和費用都是可以通過“投入”解決的問題，但一些中國特色的障礙仍需直面。 一是原始數據質量不佳，巧婦難為無米之炊。由于金融市場歷史有限，很多公司或產品的數據不全面，而且規范性也有所欠缺。 二是可選擇的工具有限。以境內證券市場為例，股票期權仍屬試點階段，如果是跨境套利，則在監管和轉換上均有成本，別的暫且不提，僅資金進出、境內外兩個賬戶的資金調配、市場假期不同的處理，就需要境內外雙方的磨合。 三是總體規模太小，流動性不夠。以對沖基金為例，根據華寶證券的測算，截至2014年底，國內量化對沖私募的管理資產規模約1500億元，與全球2.7萬億美元的規模相比，約占0.9%，還有很大的拓展空間。 四是廣大投資者對量化的認識仍然不足。量化基金往往以風險中性策略為主，好處是不論牛市還是熊市都更易獲得穩定收益，但壞處是在大盤單邊上揚的環境里，這點收益對投資者的吸引力遠不如抓住一只大牛股來得強。 第五點也可以說是最主要的一點：人才儲備缺乏。從主觀條件來看，策略的制定，最終考驗的是對市場的了解，以及量化人才本身具備的能否將“想法”轉化為“實際”的能力。在華爾街，大批物理、數學、計算機背景的專業人士投身于量化交易。甚至有人戲稱，物理博士可能在實驗室，也可能在華爾街做模型，而在中國，類似高端人才的儲備及與金融業的融合明顯不足。 量化路上的新難題 即便水土不服的問題得到解決，也并不是傍上了量化就可以躺著賺錢了。未來之路究竟如何，恐怕還需要認真思考以下一些問題。 第一個問題是：系統一旦出現程序故障，是否會帶來殺傷性的沖擊？ 2010年5月6日，高頻、算法和交易機器人(300024)突然出現失控，聯手制造了臭名昭著的道瓊斯市場崩盤，俗稱 2:45閃電崩潰（The Flash Crash of 2:45 p.m.）。道瓊斯工業指數在五分鐘內下跌了近1000點，整個市場9%的財富瞬間蒸發。當時，大多數高頻量化交易公司都從中大賺了一筆。 2012年8月1日，曾經是行業標桿的Knight Capital則遭遇了毀滅性的打擊。由于新使用的交易軟件突然出現故障， 45分鐘內，Knight買賣了價值約70億美元的紐約證券交易所的股票——平均每秒約260萬美元。每次買進時，計算機算法就會提高市價，而其他公司當然樂見接盤俠的出現，于是Knight被迫花費了4.4億美元來彌補錯誤，公司市值下跌40%，最終導致被收購。 在中國，“光大烏龍指事件”可謂一次史無前例的負向試驗。2013年8月16日，光大證券(601788)策略投資部的套利策略系統發生邏輯判斷失誤，導致出現價值234億元人民幣的錯誤買盤，成交約72億。當日，上證綜指一度上漲5.96%，中石油、中石化、工商銀行和中國銀行等權重股盤中一度漲停。雖然其后公司沽出ETF與股指期貨，依然對當日中國A股市場造成巨大沖擊，并為公司帶來1.94億元人民幣的損失。 第二個問題是：即使系統無瑕疵，模型本身是否會老化？ 量化交易主要依賴于數學模型的設計與執行。一個好的量化交易策略可以挖掘出別人尚未發現的市場機會，并及時抓住該機會獲取收益。但一個現實是，套利從某種程度上而言是一個零和市場，如果市場參與者紛紛看到了這個機會，并陸續琢磨出相應的投資程序，則盈利空間必然很快壓縮。換句話說，模型也面臨著老化的壓力。 一般而言，成熟的量化投資部門會設有一個策略模型池，其中包括了許多的交易策略，每一個或者多個交易策略對應一個市場產品、市場行業或者市場特征。為了提升整體盈利能力，一種方法是完善交易策略池，使用動態方法調用不同的策略，在多種策略上實現資金的動態分配；另一種方法是對每一個模型進行完善升級。但這個升級過程是否有效，對人力資本的考驗非常巨大。 當市場進階到成熟階段，套利機會基本被抹平，那么只能從“工具”下手進行提升。比較典型的就是具有短持倉特征的高頻交易模式。當年收購騎士的另一家量化交易巨頭Getco，是被公認為在速度方面具有無可比擬優勢的算法交易公司。公司為保持幾毫米的優勢花費巨大，但問題是：別的公司也同時在這么做。競爭從未停止，最終結果就是越先進，邊際利潤越稀薄。2008年，Getco的利潤是4.3億美元； 2011年下降為1.63億美元；到了2012年，則只有區區1600萬美元。 第三個問題是：“黑天鵝”是否可以避免？ 都說量化是聰明人的游戲，但無論交易系統的構建者有多聰明，或有多努力，都不可能預測到世界上所有的極端事件。從911事件到次貸危機，黑天鵝存在于金融、商業甚至個人生活的任何領域。它在意料之外，卻又改變一切。 任何投資方法都是依靠歷史預測未來，因此都會害怕黑天鵝事件。如果說定性交易的交易員在面臨重大突發事件時，尚且可以做出人工反應，如減少倉位或至少停止購買，那么定量交易系統在事發瞬間幾乎沒有辦法做出調整，而只能繼續執行原先的策略。這是任何系統都無法對抗的現實的弱點。 不過量化在事后的調整完善上也有一定的優勢：可以迅速把最新情況納入模型，重新回測、優化、模擬，爭取在最短的時間內扭轉損失。仍以西蒙斯為例，在遭遇2007年8月歷史上罕見的9%回撤之后，團隊立刻重新建模，在致投資者的信中他宣稱“我們新的模型已經發現了3個很強的交易信號”。果然，接下來的日子里新模型大展神威，當年收益率達到80%。 |
|
|
