|
江湖上，劍氣之爭向來難離恩怨情仇，量化投資亦是如此。從技術上，量化投資可分為兩個流派——Q Quant 和P Quant，此消彼長，不斷進行技術迭代。 量化投資流派之爭 Q Quant算得上是量化投資的“屠龍刀”，Q指風險中性測度，認為歷史數據只是記錄過去的數字，無法預測未來，定價機制主要依靠數學模型，比如隨機過程、偏微方程。 也就是說，Q Quant重模型而輕數據，主要依靠數學模型來進行投資，而歷史數據只是這個模型的磨刀石。在運算技術尚不成熟的年代，各類金融衍生品憑借著Q Quant定價模型大行其道，頗有“屠龍刀”號令天下之勢。 P Quant則可以稱為量化投資的“倚天劍”。P指真實概率測度，這種模型依賴的概率分布是從歷史數據上估算出來的，而且數據量越大，其預測的效果越接近未來的效果。 P Quant產品主要是時間序列、貝葉斯算法、機器學習等與計算機技術密切相關的建模方法。計算機技術的日新月異使得海量數據處理瞬間成為了可能，在“Big Data”的強力支持和“電子化交易”的產業革新下，尤其是金融危機后，P Quant一出，莫與爭鋒，一時風頭無兩。 量化投資交易策略 量化投資的江湖，可以按策略分為三大門派：趨勢性交易、市場中性策略、高頻交易。 趨勢性交易 該策略的核心是根據目前價格發展的動向，運用價格形態、擬合趨勢曲線等多維度參數來推測未來價格的變動方向。就像沖浪一樣，提前捕捉到了波峰和波谷，那么就能乘風破浪，所向披靡。 市場中性策略 該策略同時構建多頭頭寸和空頭頭寸，對沖市場的高低起伏，比如買入股票的同時賣出股指期貨來對沖股票市場風險。對沖策略、套利策略、阿爾法策略等都涵蓋其中。與趨勢交易相比，市場中性策略的優勢在于，在任何市場環境下風險相對更低，收益穩定性更高，資金容量也更大。任他風出雨打，我自巋然不動。 高頻交易 顧名思義就是在極短的時間內頻繁買進賣出，完成多次大量的交易，此類交易方式對硬件系統以及市場環境的要求極高。無論市場如何變化，把趨勢變化切割成更小的時間段，高頻交易總能把握住大概率投資機會。 量化投資發展史 提起量化投資，就不得不提量化投資的開山鼻祖——詹姆斯·西蒙斯(James Simons)，這位慧眼獨具的投資巨擘在43歲時與普林斯頓大學數學家勒費爾(Henry Laufer)重新開發了交易策略，并由此從基本面分析轉向數量分析，1988年在他45歲時，正式成立了文藝復興科技公司，成為了勇執牛耳的量化投資霸主。 至今，量化投資發展已歷經近30年的歷史，從理論的出現發展至今成為最重要的投資方式之一，離不開兩個助推器： 現代金融理論的發展 現代金融理論對傳統理論的主要推動作用包括： 計算機技術的發展 無論是P Quant還是Q Quant都要基于對數據的計算，人腦的速度自然比不過電腦的速度，而電腦的速度越快，量化模型能夠處理的數據體量及速度也就越快，相比人工計算分析的優勢也就越明顯。 西蒙斯在1989-2009年運作的大獎章基金，平均年收益率為35%，若算上44%的收益提成，則該基金實際的年化收益率可高達60%，比同期標普500指數年均回報率高出20多個百分點。眾多歐美頂尖投行和資產管理機構，都在積極培養自己的量化團隊從事產品模型研發，頗有一副“得量化者得天下”的氣勢。 隨著大數據和人工智能的發展，量化投資將有新的突破。獲得高盛、谷歌投資的人工智能投資助手Kensho可以覆蓋4倍于傳統分析師能夠獲得的數據源，并能在數分鐘內自動化完成事件對資產價格影響的預測，獲得傳統分析師花費幾個小時分析的結果。隨著科技的發展，量化投資的江湖也將會更加精彩紛呈。 — End —
|
|
|
