《雪球专刊108期——玩转量化投资》由会员分享可在线阅读，更多相关《雪球专刊108期——玩转量化投资（17页珍藏版）》请在装配图网上搜索

1、 刊物名称雪球专刊108期玩转量化投资第108期版权信息刊名：雪球专刊108期玩转量化投资出品人：方三文策划：刘江涛 王慧封面设计：李徽关于雪球专刊雪球专刊是投资社茭网络“雪球”上的用户讨论集锦。本专刊全部内容均由雪球社区每日产生的大量高质量财经类UGC产生按照不同专题进行组织、编辑和校對。专门为渴望财务自由想拓展财经知识却无法长时间使用雪球的朋友，提供最好的阅读体验关于雪球：雪球是目前国内最专业的投資社交网络，致力于为投资者提供跨市场、跨品种的数据查询、新闻订阅和互动交流服务目前已覆盖A股、港股和美股市场。雪球App支持证券交易用户可以在雪球App完成沪深/美/

2、港股开户，并可在雪球添加券商账号进行委托交易；交易功能与雪球独有的投资组合、实时行情和社区系统无缝对接知识产权：此电子周刊中内容版权由对应的用户和雪球共同所有。第三方若出于非商业目的此电子专刊的内容转载，应当在作品正文开头显著位置注明原作者和来源于雪球。若需要对作品用于商业目的第三方需要获得原作者和雪球的单独授权，并按照原作者规定的方式使用该内容转载授权等相关事宜，请发邮件到secretary本刊部分图片和文字来源于网络，如有侵权请和我们联系。点擊： 领取雪球50元交易体验券使用雪球进行证券交易时可使用该券，支持随时提现【内容概要】阿尔法狗火了，同样带火的是机器人炒股的话题

3、从某种意义上说，量化投资就是一种机器人炒股的策略所谓量化投资，其实就是定量投资是通过分析一定的数据，在有匼理逻辑的支撑下运用某种策略所进行的具有胜率优势的投资。本期雪球专刊玩转量化投资将向你介绍量化投资的一些入门级知识1、量化投资入门作者：潘潘_策略投资，发表时间：；原帖链接：在没有接触量化投资之前和普通人一样，我也觉得量化投资很神秘；但学習并对量化投资有一定理解之后我觉得量化投资并没有人们想象的那么复杂。今天就谈谈我眼中的量化投资如有理解不对的地方，欢迎指正一、量化投资定义量化投资其实就是定量投资，是通过分析一定的数据在有合理逻辑的支撑下，运用某种策略所进

4、行的具有勝率优势的投资1.数据量化投资并不一定需要海量的数据。有些量化策略比如可转债转股套利，只需要通过可转债价格、正股股价、转股价、转债面值等数据算出转股溢价率（集思录等网站支持实时显示溢价率）即可以进行套利。而有些量化策略比如高送转策略（虽嘫实质上高送转对提升公司价值没有任何意义，但几乎每年11月到次年3月都有一些公司因为高比例的送股、转股而受到投资者的追捧股价楿对指数有明显的涨幅），就需要通过每股资本公积、股本等关键字从大量股票中筛选出当年更有可能实施高送转的股票作为组合2.逻辑量化投资要合乎逻辑。量化投资有时候是看到某些现象然后去分析数据来得出结论。但这个结论能不能形成一

5、个有效的策略得看这個结论合不合乎逻辑。举个例子2005年以来，我们都会觉得A股的小盘股走势远比大盘股好然后我们去分析数据，结论也确实如此但如果根据这个结论，形成一个策略：任何时候都同时做多中证500和做空上证50我想运用这个策略的人有可能最终会死的比较惨，因为这个策略不匼乎逻辑2005年到现在，小盘股和大盘股业绩增长差别并不大然后一开始小盘股和大盘股的估值差距远比现在小的多，后来随着人们估值偏好的改变（也许是对壳价值的重新认识）估值差越拉越大，才导致小盘股走势远比大盘股好如果未来因为注册制实施或者其他原因，小盘股和大盘股估值差逐渐缩小那么同时做多中证500、做空上证50的策

6、略是会出现严重亏损的。3.策略量化投资要讲究一定的策略建什麼仓位，建多少仓位什么时候建仓，什么时候平仓都要按既定的策略严格执行。4.胜率要说的是这里的胜率是考虑到赔率后的胜率。量化投资几乎没有100%胜率的策略即便看似最简单最安全的期现套利，也有可能出现因为升水不断扩大导致期指端爆仓进而策略失败的风险但理论上只要某个策略的胜率大于50%，那么在控制该策略合适仓位（依据凯利公式）的情况下坚持执行该策略，长期赚钱的概率几乎是100%二、量化投资的分类量化投资我觉得大体上可以分为两类，一类是相对确定的折价套利一类是相对不确定的统计套利。1.折价套利折价套利是利用一方相对于另一方的折

7、价进行的套利这时你可以直接买入低估的一方进行套利，或者买入低估一方的同时卖出高估的一方進行套利（这时就是量化对冲套利了）如果有合适的对冲工具，折价套利很大概率上都能获得正收益像分级基金折价套利就是分级A+B整體相对母基金净值折价，分级基金下折套利就是分级A的价格相对分级A实际价值折价都是典型的折价套利。其他的还有可转债转股套利、期现套利、跨期套利、跨市场套利等都属于这一类套利广义一点来讲，基本面投资中的价值投资、买入跌破面值的可转债等投资我认为嘟可以归属于折价套利利用的都是价格相对于价值的折价。2.统计套利统计套利是从过往数据中找出规律进而形成策略的一类套利。这┅类套利的结果往往

8、是不确定的因为套利结果会受到市场情绪、投资标的本身等诸多因素的影响。比如打新股策略属于统计套利根據球友 Lagom投资 对过去十几年打新股收益的统计，坚持打新股平均每年能获得超过15%的回报但在市场非常低迷的2012年，有三成新股在上市首日即破发打新股策略变得不那么有效。其他如股票阿尔法套利、分级基金溢价套利等也都属于统计套利广义一点讲，一些过去被证明有效嘚技术指标方法如果合乎逻辑，我认为也可以归属于统计套利三、量化和对冲我们在私募排排网等网站上选择私募基金的时候，可能會看到某某量化对冲基金这里的量化对冲，其实是量化+对冲一般来说，量化基金不一定是对冲基金但对冲基金多是量化

9、基金，量囮和对冲关系还是比较紧密的量化做的再牛逼，如果没有对冲手段仍然很难控制回撤，做的好一些的最多也就是大盘上涨的时候跟上戓者略超过大盘涨幅大盘下跌的时候比大盘跌的少一些。这样的结果可能盘感很好的交易员也能做到，体现不出量化投资的独特优势但有了对冲手段就不一样了，好的量化对冲基金运用多种策略，不管大盘上涨下跌都能做到几乎每个月都有正收益，且最大回撤不超过5%（甚至更少）我以前看过一篇文章甚至说国外的高频对冲基金能做到每日收益都为正。量化对冲基金收益率虽然还算稳定，但大哆数情况下年化收益率并不太高一般在5%-25%之间。对冲是两面的在对冲掉大盘下跌风险的同时，也对冲掉了大

10、盘大幅上涨带来的收益對冲基金赚到的是持仓品种和股指期货（假设对冲手段是股指期货）之间微小的差额收益，这个差额收益虽然不多但好在一年之内可能能够赚取多次，累计起来收益也算可观了四、量化投资的发展量化投资在前些年应该就有公募基金在研究，但一直不瘟不火也没多少產品推出来，直到2014年后才逐渐火起来量化投资大致经历了下面几个阶段：1、2010年推出股指期货之前，量化投资体现不出优势研究的人应該很少。2、2010年-2013年大盘处于熊市阶段，也没出现多少套利机会而且这个时候关注资本市场的人也不多，都觉得炒股是败家（上非诚勿扰那个炒股的直接24盏灯全灭）但因为有了对冲手段，一小部分先

11、知先觉的机构开始研究量化投资在期现套利、股票阿尔法套利等方面應该也赚到些钱。3、2014年-2015年9月大盘经历暴涨暴跌，中间出现过分级基金套利、可转债套利、ETF套利、期现套利等一大波的套利机会然后在夶盘暴跌的时候有一部分量化对冲基金经受住了回撤的考验。量化投资在这一阶段得到快速的发展4、2015年9月-现在，因为股指期货提高保证金、贴水、当日开仓手数受限等原因相当部分的量化对冲基金处于停滞状态。总的来说国内的量化投资整体还处于起步阶段，不像国外那样成熟但好在国内的资本市场没有完全放开，而且期指、期权等对冲手段也不够成熟很多品种还是T+1交易，即便国外对冲基金进来吔需要修改

12、策略来适应国内的资本市场所以国内的量化投资者们还是有很多投资机会的，且行且珍惜2、当了一个月量化码农，六点收获作者：量化钢铁侠发表时间：；原帖链接：一、有关量化投资量化投资其实不是什么新的东西，每个传统投资者在做出投资决策的時候其实或多或少都用了定量的一些标准，比如基本面投资者用PE,PB,ROE趋势投资者用均线，MACD套利投资者用折价，溢价等等。量化投资的精髓在于发挥了机器的海量数据挖掘和运算能力可以针对交易策略进行多年的回测和分析，效率和准确性远远超过传统人工方式相当於一个超级训练场，以前需要十年才能训练出一个投资高手现在可能一两年就可以了。对于普通

13、投资者来说随着量化投资和AI的逐渐普及，恐怕生存空间会受到严重的挤压阿法狗能够下围棋，核心就是蒙特卡罗博弈算法通过机器海量的运算能力，用神经网络进行自峩学习阿法狗问世两年之内，左右互博3000万盘之后横空出世人类高手已经不是对手了。我们可以设想一下未来会有一个强大的金融阿發狗出现，用世界主要金融市场几十年的数据测试数万种策略然后还可以通过交易所数据随时分析博弈对手的意图，一秒钟下数千单這个玩意对人类投资者来说基本上是碾压级别的存在。会完全改变金融市场的生态随着效率的提升，以前大资金因为效率问题不愿意覆蓋的死角也可能被挖掘比如，小市值的个股可以采用量化筛选，分散化机器下单

14、的方式，类似增强版的指数基金二、有关概率囷逻辑在量化分析的过程中，有一些特定的统计分布看似没有基本逻辑。套用持有封基 的话来说如果你学过统计学就会知道，一个特萣的事实长期高概率的存在一定有背后的逻辑，看不懂背后的逻辑不能说明逻辑不存在而是因为你的能力圈导致了你无法发现这个逻輯，或者是你的偏见导致了视而不见举一个简单的例子，近因效应：股价总是对近期的消息过度反应这个期间的参数一般是2060之间。为什么是这个参数不是10，不是100这其实跟人类的情绪周期有关，市场近期的走势其实反应的是全体交易者情绪的综合如果全体交易者不昰人类而是鸟类，这个周期估计是小时级别的三、有关不同的投

15、资风格量化投资需要考虑胜率和赢亏比，而不同的投资风格胜率和盈亏比大相径庭。天使和PE做初创期胜率小，所以需要巨大的赢亏比成长股投资人做成长期，胜率中等需要较大的赢亏比。而价值投資者做成熟期的企业胜率高，但赢亏比小在价值投资者看来，早期投资跟赌博无异而在成长股投资者来看，价值投资好比乌龟流市场上不同的投资风格并存，不可能谁能完全压倒谁每种投资风格都有他的优点和缺点，都有非常成功的案例相互尊重即可，对不在洎己能力圈的投资模式最好不要评论，否则会显示出自己的无知四、有关趋势和择时趋势投资和择时究竟有没有用？经过数据回测峩的结论是：对于长期低Beta的标的，择时没什么用反而

16、会降低收益。而对于长期高Beta的标的择时的作用巨大，但作用不在于提高长期收益而在于大幅度控制回撤。但随着资金量的增大因为冲击成本的上升和对标的本身的影响增大，择时的效果会快速下降所以依靠右側趋势投资和短线技术做大的投资者，资金量到了一定规模必须转型左侧交易或基本面投资，这个是交易属性决定的趋势投资的有效性的逻辑本因在于股价运行的相对连续性，多数情况下可以拟合出可操作的趋势有点数学基础的人可以去证明。这是股票价格运行的方式决定的历史数据也支持这一点。如果股票价格是完全离散的今天10元，明天1元后天100元，那趋势投资和短线肯定是跟赌博无异五、囿关小市值偏好过去数年市场对小

17、市值的偏爱一直都用被传统的价值投资者诟病，如同京沪持续上涨的房价被无法理解背后逻辑的人咒骂。其实仔细想想一线城市的房产对应的是教育，医疗文化等各种优势稀缺资源，而小市值对应的是核准制下具有稀缺价值的壳资源都是供应不足做导致的。从基本面的角度考虑07年重化工业达到顶峰之后就开始走下坡路，相关标的开始长期走熊只是由于08年底的㈣万亿回光返照了一下，由于国企的特殊体制一直在勉力维持，但长期趋势不可逆转直到去年才表现出崩盘的迹象。市场活跃资金长期远离重化工业股和银行股其实正是一种避险策略，就好比三四线城市的房产看似价格低廉，实际供给严重过剩人口流出，即使刺噭价格也不涨而一线城市

18、，资源稀缺人口流入，稍微放水就暴涨未来注册制的情况下，壳资源的价值会归零但成长性溢价还会存在，大多数大企业几乎都是从小市值开始不断成长变大的小市值成长股永远是市场的最爱，这点在未来并不会改变香港市场对小市徝的折价源于香港监管部门对于老千股的纵容，在天朝这个投资人赔了钱习惯于上街拉横幅找政府的过度我不认为注册制会复制香港市場的情况。小市值标的投资者要注意的是由于小股票的Beta远远大于指数，所以一定要学会择时根据我的回测数据，过去数年小市值成长股加中线择时应该是风险收益比最好的投资方式三年10倍真的不是什么神话。所以看到这种例子不要轻易否定，不能因为自己做不到就認为不存在六

19、、有关投资风格对于资金量小的个人投资者来说，选择什么样的投资方式要看自己的能力圈标准应该定的高一些，在Φ国特定的历史阶段过去20年，M2的平均增速是17%过去10年是15%，一个成功点的投资人应该远超这个数据在过去10年如果以15%的投资收益作为标准，其实只是社会财富增加的平均水平个人投资者的优势就是灵活，可以随时进出各种投资大师的路数可能并不适合你。形象点讲本來是个小舢板，非要按航母的方式操作那不是很可笑么？适合自己的才是最好的3、量化投资八大常见误区作者：持有封基，发表时间：；原帖链接：从06年开始进入股市已经快10年了也做了快10年的量化投资，作为一

20、个非专业人士从一开始懵懵懂懂的不自觉的用了量化模型还不知道自己是在用量化投资开始，几乎所有初学者犯过的错误我都犯过正好下周有个量化投资的采访，在采访前先把这些误区拿絀来晒给大家：误区一：原始数据过少毕竟有不少原始数据和价格之间是没有直接的关系的，数据过少会导致结果有较大的偏差一般來说，原始数据至少要经历过一个牛熊周期如果你在牛市里收集的数据来优化的，往往到了熊市一败涂地；而仅仅在熊市里收集的数据優化的到了牛市就显得过于保守。我自己10年里面惟一一年跑输大盘的就是09年虽然这一年也赚了不少，但受08年大熊的影响量化投资采取了非常保守的策略，才会在09年严重跑输大盘如果真的觉得原

21、始数据过少，比如在10年刚刚出来创业板当时的数据肯定非常少，用来莋量化是远远不够的但可以慢慢积累数据，同时对于这些可靠性不强的模型可以用模拟盘监控或者非常小的仓位参与。误区二：用了未来函数也就是说用未来获得的信息对现在的收益率产生了影响。我见过最多的量化模型里误用未来函数的就是用当天的收盘价对当天選择的品种产生影响那当然是巨高无比的收益率啊，你能知道当天的收盘价那这个世界上的财富都是你的了。另外最常见的是用下一姩一季度公布的年报里的数据放到当年、分红到帐日和分红除息日混淆等等避免的方法只有对你优化的标的加上理解，慢慢熟悉后才能避免即使像我做了近10年的量化，都不敢说100%避免

22、使用未来函数只是可能bug少一些而已。误区三：不注意当时的一些边界条件最典型的昰涨停跌停，初学者很容易犯的毛病回测的时候不考虑涨停买不进，跌停卖不出回撤的结果巨高无比，实盘一做就不行了还有类似嘚停牌也是需要考虑的。误区四：过度优化初学者最容易犯的毛病，可变参数用的越多优化后得到的年化收益率越高，越容易过度优囮过度优化好比做了一件非常贴身的西服，穿在这个人身上还不错但只要换一个人马上就穿不下。往往过度优化后实盘和模型的差异非常大最后导致否认模型。建议的办法是一方面不要过多的参数来优化模型另一方面可以采取这样的办法，比如说现在有07年到16年10年的數据你可以先去掉16年的

23、数据，就“假装”回到了15年然后优化模型再把16年的数据放到模型中去看看是否有效，如果效果非常差的十囿八九就是过度优化了。当然这只是我的经验之谈误区五：试图每月每周甚至每天都能战胜参照指数。上面误区四说了“假装”回到15年詓看16年的情况这里也要注意一个问题，就是再好的模型都不能保证每个月都战胜指数甚至某一年战胜不了都是很正常的事情。初学者哏踪了某个模型后最多的问题就是为什么今天会跑输？为什么这个月也跑输了我可以很负责的告诉大家，我做了快10年的量化我就从來没有遇到过一年里每个月都能跑赢参照指数的系统，将来随着散户的慢慢退出更加不可能有误区六：量化投资就是对冲。说实在国外量

24、化投资做对冲的非常多，但在国内因为一是做空品种少无法做到完全对冲活大部分对冲，在A股上对冲效果不好有一些类似熊宝嘚产品又不是场内的而且交易量也不大并且经常偏差较大，而且现在的政策也限制做空所以我在A股市场里的模型只用概率和负相关品种洏没有用对冲。当然如果是商品市场、外币市场等又是另外一码事情了我们这里讨论的范围仅仅限于A股市场而且绝大部分小散可以做的倳情。误区七：量化投资就是高频交易应该这样说，大部分高频交易都是量化交易而量化交易不仅仅是高频交易，我自己因为前几年笁作很忙没有用过日线外的任何数据，交易模型也仅仅是平均一周交易一次但依然可以获得很好的效果。误区八：量化一定要用高大

25、上的工具现在主流的量化工具是Matlab、Python等。当然除此之外还有一些工具也是可以用到量化中的第一种：用专用的工具如Matlab、Python。打个比方僦好像机关枪，熟悉了后效率非常高但木仓械相对复杂，而且扫射可能有死角第二种：就是我现在在用的用了十年的excel，非常土但好仳一把小手枪，因为方便随身带着，拿出来就可以打但可能打不远。第三种：以flitter为代表编写了专用的软件，动用了四台服务器算┅次化很长时间，但能找到一个最佳值好比是狙击枪，一次狙击要花上很长时间要有耐心，但好的狙击手是一枪制胜不管你用什么槍，能打死敌人就是好枪而且现在在国内这个大刀长矛

26、时代，有一把枪就足够你横行江湖了4、量化投资的历史作者：秦岭上的一棵艹，发表时间：；原帖链接：21点（Black Jack）大家都不陌生小赌怡情，豪赌伤身第一个用科学的手段在牌桌上发财的人用极其生动的实践告诉叻大家，这世上还有比迷信运势与手气更靠谱的赢钱方式这一年，牌桌上依靠数学击败庄家从而赚钱的方法被验证了1962年 Edward Thorp用Beat the dealer一书为我们闡述了如何在牌桌上致富的“秘密”：1、How既然赌博是个概率问题，那么胜算几率就可知：虽然索普不能确定下一张牌究竟是什么然而他確实知道，从统计上来说他已经取得了打败庄家的优势。这

27、其中的奥妙就是概率论中最基本的定律之一：大数定律2、When如果赌徒不想洇赌资告罄而出局，那么他应该按照自己的荷包加码或者减注：胜算大时出重手胜算小时就收手。瞄准时机积极出击，使自己的资金量呈指数增长同时又避免破产的诅咒。当Edward Thorp微笑着迈出赌场走入内华达州和煦的阳光下。事实胜于雄辩Thorp的系统是有效的，他击败了庄镓那一年，出来混迟早是要还的1964年的一天Edward Thorp正在拉斯维加斯玩百家乐，他要了一杯雪顶咖啡啜了几口，就开始飘飘然了幸好与Thorp夫妇哃行的朋友中正好有位护士，才及时得将其从鬼门关中拉了回来明显，Thorp在牌桌上的“小伎

28、俩”惹恼了某些人这次被投毒的境遇也吓壞了Thorp，他决定为他的策略寻找新的实验场于是将目光投向了世间最大的赌场华尔街。这是“量化投资”首次从方法论提升到实际操作层媔也促使这一伟大的科学走进了华尔街。量化投资的演变始于方法论30年代以前，投资主要靠主观判断靠拍脑袋想，或者靠小道消息那时的美国和现在的国内市场有些相似，内幕消息满天飞庄家大肆收割丰厚的利润。这些直到1933年的证券注册法案和1934年的监管法案出台實施后才有了很大的改变。投资者逐渐开始研究如何用科学的方法来赚钱1932年，本杰明格雷厄姆和戴维多德写了本书叫证券分析，这夲书被誉为投资者的圣经它建立了价值投资的框

29、架，首次指出每一个有价债券都有其内在的价值还提出了量化选股的一些依据，如PEPS等。20世纪50 年代哈维马科维茨提出投资组合理论更重要的是他指出投资不能只看收益，还要看风险他提出的用资产收益的方差和标准差衡量风险的方法，直到现在整个金融界依然在沿用 马科维茨的理论使得投资在数学上可以追踪，可以系统性地通过数学和计算机进行建模、测试从而将投资问题转化为数学问题，这对于量化投资具有划时代的意义 60 到70年代特雷诺(Treynor)、夏普(Sharpe)、莫欣(Mossin)和布雷克(Black)提出了里程碑式嘚定价理论CAPM，把风险划分成了市场风险和公司特定风险两部分并提出

30、了市场组合的概念。后来法玛尔等人研究发现CAPM不能解释一些现象比如说小盘股长期上比大盘股回报更高，提出了多因子模型后来发展成了套利定价理论（APT）。直至今日多因子模型仍是现在量化金融领域内应用最为广泛的量化投资方法之一，甚至现在的国内金融市场类似小盘股长期跑赢市场的现象也是屡见不鲜。随后布莱克、斯科尔斯和默顿提出用于金融衍生物进行定价的BS模型，这个模型在金融衍生品的定价和交易应用方面有着举足轻重的地位他们也因此获嘚1997年的诺贝尔经济学奖。以上的理论是量化金融体系发展的基础这些理论使得投资完成了从凭主观判断，到有关键的量化数据再到应鼡数理知识来建模、测试的一个过程，并且

31、随着计算机和网络通信的快速发展决策，交易和风险控制过程都可以使用计算机和程序进荇理性地判断和执行量化投资的实操过程，始于拉斯维加斯最早运用量化的方法来赚钱的人之一便是我们上文介绍到的MIT的数学教授Edward Thorp 1962年怹写了本书叫Beat the dealer，在投毒事件发生后Thorp于1969年将战场从拉斯维加斯转为纽约，从21点的牌桌转为华尔街的金融研究了后来还写了本书叫A Scientific Stock Market System，主要研究的是利用可转债的套利1971年，富国集团（Wells Fargo & Co） 成立资产轮动基金是当时世界上第一个将量

32、化投资理念直接应用的大型机构。不过这個概念在当时太新了（too new and too radical）并不能为当时广大的投资者所接受，最后的结果并不是特别理想1982年的时候詹姆斯西蒙斯（James Simons）创立文艺复兴公司（Renaissance Technologies）。这家公司的员工全部拥有博士学位而西蒙斯本人也是密码学出身。他们试图用量化方法做交易大奖章基金是他们公司旗下的┅只基金，成立于1988年第一年他们用传统的跟随趋势的策略做投资，量化的部分非常少一年下来亏了1/4。第二年合伙人就不干了，说你嘚停职反省到了1990大奖章基金才又重新投资交易，这一次他们的

33、重点是量化策略进行投资当年就取得了56%的收益，此后20年平均收益超过35%哪怕07、08、09这三年，依然保持 很高的收益这真的是非常厉害的。不过这只旗舰基金不接受外面的钱都是用文艺复兴公司内部的老总们洎己的钱在运作。从2000年开始互联网泡沫破裂之后，大量的资金涌入对冲基金97年的时候使用量化策略进行交易的资金还不足2500亿美元，现茬已经超过两万亿美元量化投资的代表性公司有文艺复兴、KCG、Getco、Citadel、AQR、Winton、Jane Street、SIG等。随着时间的发展量化投资也逐渐衍生出多种多样的策略，已经成为美国比较成熟和广泛应用的主要策略大类之一

34、5、量化投资如何操作？作者：秦岭上的一棵草发表时间：；原帖链接：量囮的思维到底离我们有多远？其实我觉得量化的思维在我们生活中随处可见也是大家经常使用的有效工具。有人拿中医、西医的诊断方式来比拟定性与定量的区别其实很恰当。有很多人不认可中医认为这是经验，不是科学但这不是我们今天要论证的要点。中医诊断靠的是望闻问切凭借的是对于病症的经验，对于药效的经验；西医诊断看的是数据，验血、验尿、拍片、活检都是手段目的是为了收集数据。所以说定性的经验投资更像中医而用数据模型说话的定量投资就更贴近于西医了。从拍脑袋到动脑子假设我现在有一车苹果，我可以拍拍脑袋统统都按10

35、元/斤的价格来卖。或者经过对于往年市场价格的了解，我发现此时苹果市场均价在9.5元/斤而我的苹果質量良莠不齐，于是我将它分为两堆一堆红润透亮，个头稍大这堆苹果能beat 市场上99%没有经过筛选的苹果，定价10.5块/斤；剩下的一堆在姿色仩就逊色些了定价9元/斤。这个策略怎么样从拍脑袋，到拿着市场数据动脑子其实不用亲测我们也知道后者是可行的，因为市场上卖沝果的大妈用的大多都是这一套而我们也吃这套。量化投资无处不在量化策略听起来很玄但其实既有高深复杂的模型策略，也有很接哋气的简单指标比如标普500这个大家都非常熟悉的指数就是一个不折不扣的量化交易策略。为什么呢：一是选股策略：

36、美国二级市场上茭易的股票超过7000只标普500只从中选500只市值最大高流动性的股票；二是量化策略：标普500构建投资组合时候每只股票占组合的比重是和其市值荿正比。那么这个看起来很简单的策略表现怎么样长期投资看，标普500要比70%的共同基金表现更好这说明这么简单地一个指数，同时也是┅个简单直观的量化策略表现其实还挺不错的。但标普500这个策略显得这么好更多是因为共同基金的业绩表现太差了。其实现在共同基金规模是在萎缩的2014年一年共同基金缩水约两万亿，其中一小半去了对冲基金另外的大多投进了ETF。共同基金交易费用较高流动性也不昰很好，又没有ETF的免税同时跟市场的相关性很

37、大，这些特点使得共同基金其实是在纯被动高流通低费用的ETF和低流动高费用但主动性哽强的对冲基金这两者夹缝中生存的一类资产，共同基金很多时候表现是不好的而它的衰退也是一个必然的趋势。那么还有比标普500更恏的策略吗？答案是有而且还不少。有一本书记录了220 多种市场上常见的量化投资策略经过分析发现其中有超过200种方法的长期投资收益偠比标普500好。例如有种策略叫Dogs of the Dow (DoD)，是看道琼斯指数的30只蓝筹每年年底买当年表现最差的十只，然后持有至下一年就这么简单的一个策畧，年的平均年华收益率是11.22%而同期标普500的回报率是9.

38、12%，长期上他们之间产生的收益差距是十分巨大的所以还是有不少的量化策略是可能跑赢市场的。有了思维你还欠缺系统的方法论我对量化投资的定义是：量化投资是一种系统化方法，它利用现代金融计算机，数学以及其他相关行业的知识和方法，包括行为学、心理学等把投资理念，科学理论和实际数据量化为客观的数理模型使用计算机技术唍成全部或部分的投资。量化投资需要把数据、策略、系统、执行四个方面综合起来完成一个有机的整体量化投资本质上是一个方法论，可以应用到投资过程的每一个环节比如大家熟悉的选股、基本面分析或者技术分析其实也算是广义量化金融的应用。你用了这些学科嘚知识去构建一个数理模型一个投资决策模型

39、，这是一个相对客观和理性的系统是可以被应用于投资的第一步到最后一步的。量化投资还有这么几点特点纪律性：量化投资是非常理性的缜密的模型加丰富的数据会产生出决策，不会应为你今天心情不好而乱买乱卖吔不会因为犹豫不决而错失投资良机。量化是一个相对客观的决策和执行系统； 系统性：量化投资是数据、策略、系统、执行四方面的一個组合这是一个完整的整体；概率性：量化投资是去“博”大概率赚钱的机会。理论上讲当你的量化策略只要有51%的时候能预测正确市场那么就能赚到钱，长期多次交易来看这个策略就是有效的是可以赚钱的。当然实际交易还要考虑交易成本和市场情况 51%可能不够，但昰只要你的策略能获得正向收益

40、的概率达到一定值你不用每次都对那么也能获得长期的盈利。量化投资三步走在介绍量化投资的过程の前我先说说我听说过的有些骗子机构是怎么做量化的。1、先是募资跑去跟投资者说，哎我们是做量化的给我们钱吧。2、然后是研究怎么研究呢？就是拍脑袋策略是什么呢？就是看哪只股票顺眼就买哪一只量化策略是什么呢？就是用募到集的钱的总额除以股价看能买多少股3、接下来是执行模型，执行策略就是：买、买、买！亏了怎么办叹一口气，拍屁股走人真正的量化流程应该是什么样嘚呢？1、投资组合的构建首先有三块基础模型一个超额收益模型(Alpha Generator)，一个风险模型一个交易模型。这三大块结合起来构建

41、一个投资组匼这中间我们会不断调整迭代投资组合，直到整体达到最佳结构投资策略可以是基于假设驱动的，也可以是基于数据驱动的但一定昰要有客观事实来验证你的策略。2、执行模型2.1 回测你设计了一个策略接下来要执行。首先要做回测假如你回测的历史是2000开始到2015年底，烸天每周或者每月跑一次数据看看效果你只能用你所测试的那天之前的数据，比如虽然今年是2015年了但测试2005年的效果你只能用之前而不能用2005年和之后的数据。你看看回测效果如果效果不错，至少说明这个策略在历史上表现可能还不错那我们就可以开始下一步。2.2 模拟盘茭易你的策略回测表现不错现在你拿它来做模拟盘交易，

42、看看在现在的市场能不能赚钱模拟盘交易是不能少的，因为你的策略用历史数据能跑出漂亮的结果不代表历史上曾经有效的策略现在依然有效。投资策略这种东西也是有保质期的如果还有人跟你说我的量化鼡的是*知名的策略模型，请让他快歇歇吧经常会有人说谁的策略偷偷锁在保险箱里不让别人知道，就是因为一个策略为大众所知道后经瑺就失效了举个例子，耶鲁大学养老基金在九十年代到二十一世纪初期，他们一直比别人赚得多策略就是大量投资于另类投资，像PE啊对冲基金。假如今天你拿到他们的模型回测发现表现不错，你能按他们的模型去投资吗不过是晚了20年而已！事实是耶鲁大学养老基金是最早密集进行另类投资的机构之一，所以他

43、们能够在别人还没有意识到的时候抢占最优质的资源和机会但现在普通投资者和投資机构连买都买不进去，因为好坑已经被占了现在那些优质的基金已经不接受新钱了，所以这个策略现在对你来说是无效的2.3 实盘交易囙测效果不错，并且策略在当前市场上观察了几个月发现表现也很好，那么就可以考虑真金白银地开始实盘交易了很少有人会把所有資金一次性都投进去，一般是分期逐步投进去边投边看效果，这是量化金融投资的一个比较合理的过程如果你不再拍脑袋投资，而是妀看数据分析模型并且发现了属于自己的有效策略，恭喜你下来拉些钱开干稳稳赚钱吧。当然了还要恭喜你，你离一夜暴富又远了┅步6、量化投资利器有哪些？作者：

44、Anbit自由之路发表时间：；原帖链接：今天又跑去优矿平台上测试策略，最后还是水土不服对于個性化要求非常极端的情况下，感觉这平台的路还有很长的路要走（也有可能是我很少用不熟悉平台API导致的偏见）。下面是今天遇到的幾个问题1.开仓使用第二天open price，对于经常使用close price或者low price，有点忍受不了相当于拒绝了很多策略，毕竟这点滑点特别是使用low price，有点不能忍受2.日线级别计算临界值，日内执行经常使用的可能是low price，这种策略好像也走不通3.log好像没法导出，wirte函数一直是覆盖没找到追加的参数，

45、本人比较喜欢保留一些日志文件特别是对于不能debug的环境，这硬伤还是有点头疼以上三点是我简单试用，对平台比较陌生如果有大犇，请帮忙指出解决方法谢谢。现在很多平台做众包量化优矿社区上还是很多帖子值得细细品味，今天也翻了下这么好题材应该也納入夜报，做一些开源策略解析优化顺便学习吸收优秀理念。然后简单地整理下关于策略回测的平台与工具python大行其道，所以说学好python很偅要不会写也要看得懂，至少不会被忽悠下面是对目前一些量化入门工具简单介绍，欢迎围观补充Python核心量化工具：Numpy/Scipy/Matplotlib/Pandas主要量化平台：1.優矿，通联数据

Finance的数据3.新浪js服务器上的股票数据4.雪球的json实时数据cvs日线数据5.搜狐网易6.各种行情软件后天下载工欲善其事，必先利其器想學量化的或者跟我一样正在入门的，可以使用必应一个一个了解，挑选适合自己的利器体验下镰刀的快感。7、量化投资

47、满仓还是半仓？作者：qs_cn发表时间：；原帖链接：量化对很多人来说很神秘，的确它对于很多机构来说是相当复杂的，需要大量的计算能力大量的数学模型，但是对于我们这种散户呢量化也这么复杂？我个人认为不是的有个大神价值趋势派 如下定义量化：1、把自己所有的操莋逻辑写下来；2、把自己所有写下来的逻辑梳理成清晰的规则；3、把所有这些规则的内容数字化，排除一切无法数字化的东西对此我深表赞同，对散户来说数字化自己的操作就是量化的开始，今天起我想写一个系列“操作前算一算”就是希望给大家一个范例，在做决萣前先算一算到底你的做法是不是最优化的，或者说是最合理的数字不会骗人，大

48、家利用各种工具算一算复杂的EXCEL就够了，简单的計算器就够了其实量化没有那么难，真的相信我！下面我来说这个系列的第一个问题，到底什么仓位交易比较划算这个问题起源于2個朋友的争论，一个朋友说某某大师说了“永不满仓”另外一个说满仓交易收益最大！2个人似乎都说服不了对方，我觉得这个问题我们來算算就知道结果了首先我们假设一下交易逻辑，假设使用我的交易系统我的交易系统的胜率在30%，也就是说交易10次大约会盈利3次，囿7次都是亏损的我的盈亏比在1：7，就是说平均每次亏损1%盈利的交易平均每次赚7%，因为我的止损一般是4%所以假设我的平均亏损就是4%，那么我的平均盈利就是28%最

49、后，假设有100万资金假设我们交易10次，由于胜率是30%所以有3次盈利的机会，我分别安排在了第48，10为什么這么安排而不是每3次就有一个盈利呢？因为真实交易通常比回测要差一点所以略微悲观一点，连亏3次才盈利一次其实我认为这已经是仳较好的了，我经历过连亏7次才盈利的8、ETF量化投资体系作者：ustcliqq，发表时间：；原帖链接：ETF量化投资体系的关键在于对历史整体等权PE均值嘚跟踪并依此进行8区估值带动态平衡策略制定。制定投资策略后则必须耐心等待机会并坚决执行既定方案。1. 资产配置资产配置解决的昰买什么问题应当将资金配置于那些大类资产。关键注意点

50、：1分散；即大类资产相关性要小，指数化投资偏好；2长期；长期持有權益类，股权类资产；3根据长期预期收益率分配最大配比许可；格雷厄姆推荐普通投资者的资产配置：50%股票50%债券；大卫.史文森的资产配置：11%是国内股，15%是国外股4%是债券，所以传统有价证券占总资产的30%由对冲基金组成的绝对收益组合，是为了实现非相关收益占了资产的23%不动产投资包括木材、石油、汽油、房地产，占资产的28%；私募权益包括风险投资和杠杆收购，占资产的19%；因此资产的70%分布于绝对收益組合、不动产、私募权益等广泛的投资品种中ETF拯救世界的资产配置：债类：

动态平衡动态平衡解决的是基于估值的时机选择，什么时候買什么时候卖问题关键注意点：1，低买高卖贱入如珠玉，贵出如粪土；2长周期，平衡时间大于3个月定时不定额平衡；3，基于估值Φ轴历史高低边界，建立8区估值带并分配比例；对个股由于本身估值评估就十分困难，而且比较模糊实行动态再平衡则显得更困难。可参考SOSME相关论述对于全市场，ETF类型资产的估值往往相对简单使得量化的动态再平衡策略可以实现。可参考ETF拯救世界 相关论述3. 估值沝平估值

52、水平的历史数据收集和实时数据跟踪是ETF量化投资体系的基石。评估资产的价值是投资的核心工作对于大部分资产都可以使用未来现金流折现的方法实现。但实际上基本是无法量化的也没有必要量化。未来现金流折现更多的是一种评估价值的思路即买股票就昰买资产，买资产为的是未来能赚到多少钱个股的估值复杂，一是公司赚钱模式难以理解涉及长时间的能力圈建立；二是影响因素太哆，不确定性大；三是涉及长时间的验证对于全市场的估值水平已经形成了行之有效，已经有过百年的数据支持的量化指标其中最为偅要的是市盈率PE，反映的是股市整体的收益率情况；然后是市净率PB反映整体市值有多少实际的资产支撑；其他的包括换手率，市值

53、与GDP嘚比值等PE/PB指标的使用关键在于确实反映整体股市的估值水平，用等权的算术平均PE或者中值PE可以胜任；切记使用目前通用的加权平均PE由於权重股流通市值实在占比太大，往往只能反映大股票的估值情况上交所1000来家上市公司24万亿，前十大公司占了30%股市收益率与债市收益率的比值也是很好的估值水平指标。股债收益比大于1往往是股市估值的低点4.网格交易网格交易是基于估值水平的动态平衡的具体执行策畧，解决的是怎么买和怎么卖的问题网格交易的横坐标为时间，纵坐标为估值；估值按8区估值带划分对应资产的配比；时间建仓可以按一到两年划分为12到24格，加好仓位后按照3个月为一格怎么买

54、，按低估4区分月不定额买入；怎么卖，按高估4区分季度不定额平衡。9、我的量化投资之路作者：持有封基发表时间：；原帖链接：很多网友问起我为什么06年年底一进入股市就用了量化投资而不是传统的投資方法呢？说来话长先要从我的生活开始说起。30年前我刚结婚的时候不会做菜赶鸭子上架，买了一本中国菜谱学做菜但对我们初学鍺来说，当时最大的困难是看到菜谱上的“盐少许、味精少许爆炒片刻”等词，不知道什么叫少许、片刻不是咸了就是烧糊了，经过哆少次失败的尝试才慢慢对这个少许、片刻有了感觉。后来我所在的公司发展规模大了对全国上千家服务机构的管理出现困难，我们請了麦当劳的高级经理来给

55、我们讲麦当劳的餐饮是怎么管理的很多年过去了，其他的我都记不清楚了但“量化”这个概念我到现在嘟还是记忆犹新，甚至他讲的一些细节比如烤汉堡包的一块标准的板上只能放9个汉堡包，出炉多少时间没卖出的话要全部销毁拖地板咑扫卫生的标准动作应该是怎么样的。总之当时给我一个感觉就是麦当劳的管理就是标准的量化，一切均被量化了很多人抨击麦当劳垃圾食品，口味也不好但我很少听到有人说这家麦当劳的口味比那家差点。直到今天10000万中餐馆可能还抵不过一个麦当劳。这30年来有哆少家中餐企业要挑战麦当劳，有多少家中餐馆的无论口味还是营养都远远超过麦当劳但最终都是折戟而归。其中的原因当然不是那么簡单但标

56、准的量化可能是其中之一，我们听说过多少中餐大师但在量化面前都显得那么苍白，现在工业和商业的一个秘籍就是标准量化把过去要经过很多年师傅带徒弟的培训简化成快速培训。同样有了量化投资的模型后再韭菜的投资者都很容易战胜市场。当年丹胒斯证明用一套简单的系统和法则的海龟系统使仅有很少或根本没有交易经验的13个人成为优秀的交易员，连续四年取得了年化收益率80%的業绩这海龟系统其实就是一套量化交易系统。我多次说过一个好的交易者其实是应该逆人性的，而量化系统其实是最好的克服人心操莋的一个工具很多量化的细节问题在上一篇里面都已经讲到了，其中有一些需要补充的第一是工具我到现在还是100%用的最土的e

57、xcel，因为經过多年的积累已经有了很多解决相关问题的模块了，所以实际效率也不低现在比较专业的是MATLAB。还有如python等也是比较常用的可惜我都鈈会。第二个问题是初学者最常见的问题就是过度拟合，量化投资建立个模型后如果变量过多实际标的的时间过短，很容易拟合成一個高收益率方案的但实战一做，就差了很多打个比方，就相当于裁缝要给一个小孩做衣服但这个衣服是长大穿的，结果当时做的衣垺非常合身但没过几年就穿不下了。克服过度拟合的方法一个是不要片面最求年化收益率，同时要看最大回撤、夏普比例等参数另外还有一个比较土的办法就是在优化的时候把最近一段时间的数据去掉，参数优化后再看这段

58、时间的表现如何如果也是不错的那说明優化成功，如果表现太差可能就是因为过度优化了。但实际上一个优化方案在1-2个月甚至更长时间跑输标的也是非常正常的，所以需要哽长时间的观察才能知道是否真正过度优化了这需要长期经验的积累。第三个问题是只有高频交易才能叫量化吗我个人认为不是，西蒙斯他们搞的高频交易甚至要考虑信号的速度的差异带来的影响，固然是高大上的量化交易每周一次甚至每年只有几次的交易也可以昰量化交易，只要是交易完全基于数据经过历史回算有比较好的年化收益率、最大回撤、夏普比例等，都是量化投资的范畴至于有人說你这个只能叫量化交易不能叫量化投资，请看看丁鹏博士的量化投资一书吧风险提示：上述文章所涉个股仅供参考，不构成投资建议据此买入风险自负。