万为杰：杨老师给我出这个题目的时候，我感觉震惊，这个东西怎么说？其实我当时说实在话，因为我算比较年轻，相对各位前辈来说，应该算是比较年轻的小伙子。当然蒋老师说我是狂热分子。这里我首先要跟陈剑灵老师说，您是我的偶像。

先做个自我介绍，参加这样的场合比较少，一直关在家里做研究，只是最近才出来，因为我有一些瓶颈的问题，我是带着问题来的，向大家请教的，我在这里可能会抛出一些问题，当然也会分享我的研究。

我在大学的时候拿自己的学费炒股，那时候很容易，我觉得挣钱挣的好轻松，一毕业就进入证券公司，我刚开始进去的时候可能什么都不懂，我在大学的时候有一个群，有很多做指标化的交易，我在8年前就开始写股票的指标，包括大家可能比较熟悉的理想论坛、大智慧破解版，可能老前辈比较了解的赢富数据，我们当时根据它跟踪基金的买卖，基本准确率达到80%，后来因为准确率太高了，基金公司反感，把大智慧的赢富数据关掉了，那个东西是可以盈利的。

后来我一直坚信指标是可以盈利的，但是我一直没有做出来，一直到我在广州遇到一个前辈，他做了几年的程序化，他一直在盈利，包括我看到陈剑灵老师的介绍，后来我坚信我们中国有人可以做到连续几年时间，并且每年以100%、200%的速度增长。我看到这个例子之后，觉得这个东西我一定要做出来，我把工作辞掉，开始在家里做研究，我研究了很久，程序都不是很好，并且我把所有原来写的指标放进去，发现也不是很好。

后来我有一个国外在大通摩根任职的朋友，他是做分析师的，他给了我很多国外的报告，我英文不好，他给我翻译好了，我把那些模型、指标，测试后发现，居然是可以盈利的。我突然间很感兴趣，就收集了很多国外的模型，包括我前两天还发给一些其他的朋友，上面有很多指标，但是那些指标你只要提炼回来，很多还是可以做到盈利的，包括像陈剑灵老师公司的论坛上面，有很多学者发出来的模型，直接用来测试，都是可以用来盈利，当然是正向的，它的回撤是很大的，只不过需要修改，需要加入自己的东西，他们只是把一些粗糙的东西交给大家。

我们有几个朋友，组成一个小团队，各司其职：收集的收集，编译的编译，测试的测试。我们有这样一个团队，但是一直都是闭门造车，现在我们也是遇到一些瓶颈的问题，我需要走出来向大家学习，并且把这些问题抛出来，希望能找到问题怎么解决的方法。

我先跟大家做一个简单的分享：国外的程序化经历怎样的过程，我把原来学习的资料调出来，整理了一下，可能我的表达能力也不是很好，还是杨老师亲自帮我整理了一份思维顺序还比较好的，我现在给大家简单介绍一下程序化发展的状况，根据这些状况就可以衡量出我们现在要做的事情和即将要做的事情。

刚才张涛老师已经讲了，量化交易就是利用计算机和数学模型去实现投资理念，并实现策略的过程。量化投资在海外已经有30年多的发展历史，但是我们要看到它的份额，有30%以上，即使在主动投资里面还是有20%到30%用量化投资做指标判断。国外的共同基金在过去20多年时间里面取得10.8%的平均收益。

CQA数据统计，02到04年三年间，量化产品的平均年收益率为5.6%，比非量化产品平均年收益率高出1%。

Lipper数据显示05到08年87只大盘量化基金业绩表现好于非量化基金，增强型基金更是跑赢非量化，07到08年市场中性策略比较好，其中双向策略和大盘量化基金表现差于非量化基金，中性策略实际就是对冲的或者套利的。增强型指数，我们现在发的产品就是增强型指数的，在国外已经有很多年，但是在国内还是很少的，所谓增强型指数，指数里面本来的标准指数，可能沪深300里面有300只股票组成，增强型指数只选择其中的100或者150只股票，增强型指数从国外的经验来说，远远跑赢按照权重标的来说的东西。在国外几十年的历史表现来看，增强型市场的中性策略和增强型基金，或者中性策略的量化要优于非量化基金。

我们要分析一下国外几大做量化的投行，文艺复兴的大奖章大家很熟悉，我们公司叫天和复兴，和它有相似，我们通过一些文献、文章，尽量达到它所做的模式。

他们公司主要做的是风险性控制，他们主要做中性策略，包括套利、债券套利，包括日本债券套利，全球的对冲套利都是他们在做的东西，文艺复兴做到短差之间的交易。文艺复兴的壁虎式增长，独孤求败。05年，西蒙斯宣布成立一只规模可能高达1000亿美元的新基金，相当于全球对冲基金管理资产总额的十分之一。他们运用的方式，完全玩的就是概率，这是他的理念，不用复杂的另类金融衍生工具，只用复杂的统计工具。

第二个，数学模型中有关宏观经济的一些数据部分全部剔除，也就是我们所说的基本面的东西全部剔除，他们全部集中在短线交易，交易策略以短线交易为主，关注更短时间的趋势和反弹，它的优势就是不像普遍趋势跟随者是靠钱吃饭的，没有行情，可能几个月时间都不盈利。

它使用的是每笔交易数据库，并不是每分钟价格的变化。目前我们做不到这样，有一篇文章说国内是伪高频，包括陈老师的交易机制中国不具备，高频统计的东西我们已经做出来过，但是每个数据是500毫秒一次，把数据全部打包发给我们，里面隐藏很多信息，那一分钟看到的数字可能就是打包过来给你的假数据，根本不是真实的，包括万兆丰他们发给我们的数据，那个就是标准的逐笔数据，可以判断出哪个是大单，哪个是小单，完全可以判断出来，但是现在国内交易所发给我们的分析不出来。

D.E.SHAW对风险狂热闻名，他们有一个执行委员会，每个月风险控制主管就会碰一次头，决定怎么下注，他们以策略和投资组合两个层面仔细审查可能的风险，进行场景分析和可测量的量化压力测试，以作为最后决策的依据。进一步强化了分散投资的理念以降低风险，不仅是投资的多样化，还有资金来源的分散化，以保障遭遇小概率事件。

这里不得不提高长期资本的教训，大家可能看过他们一些兴起和衰败的文章，量化投资史上最负面的案例可能就是长期资本，他们为什么会失败？说的更直接一点，就是规模太大了，自己把自己玩死了，不是它的模型有问题，该公司建立的模型数据库建立在复杂的定量基础上，并认为新兴市场利率将降低，发达国家的利率走向相反，于是大量买入新兴市场债券，同时抛空美国国债。

打一个简单的比方，你认为下一个月1307的价格是3007，现在1306是3000，最终会趋于一致，所以有一个线性回归，在债券市场上也面临同样的问题，近期活跃成交，远期能不能成交得了？大量买进一个远期的东西，导致1998年8月的时候俄罗斯宣布卢布编制，国债毫无流动性，债券卖不出去，很多人都知道长期资本公司大量持有俄罗斯的国债，会去接手吗？都不要，变现不了的时候，导致公司的破产，把自己的头寸暴露出去了，人家都看得到，导致人家都不要你的债券，导致你无限贬值的过程。

长期资本的策略认为价格变化长期是符合正态分布的，价格的波动性应有一个长期稳定的平均值，而当时市场的波动性过高，长期资本通过出售期权的方式来做空波动性，等待波动性的回落，长期资本出售期权的收益是有限的，最多是获得期权金，但其潜在的损失是无限的。还有利率掉期套利失利，掉期合同的固定利率和同等期限的政府债券利率一般有一个比较固定的利差，当掉期利差过高时，长期资本认为利差将均值回归，则购买收入固定利率同时支付浮动利率的掉期合同。

因此，量化投资基金不可避免的一个缺陷是遭遇黑天鹅时，能不能直观的判断出那不是天鹅而不是ET，如果突然面对剧烈波动大起大落的市场，原来设计的模型很可能难以维持良好的表现，所以量化投资的另一个关键在于，清楚知道模型的“假设和局限”，就好比知道数学体系中的公理，并在假定不再成立时，及时调查因子或者模型的逻辑，才能规避风险。就像我们上个月看到股指平时都是升水的，居然有一个贴水，套利怎么办？原来都是升水，很容易做套利，包括用现货ETF做套利，也是很麻烦的，现在是贴水，怎么办？原来是卖股指买现货，因为有升水部分，它要回归，有点差可以挣，现在贴水，难道买股指卖现货吗？当这个假设不成立的时候，我们怎么去调整因子或者逻辑关系。

简单介绍一下华尔街的十大模型，根据期货交易杂志，每年都会有一个公布，像Aberration模型十年运行下来，很少亏钱，他们的源码就是不连线的突破系统。交易系统是1986年发明的，业绩一直名列前茅，特点是能够同时在8个不同的品种上，包括谷物、肉类、金属、能源、外汇、金融以及股指期货等，交易频率常常是每年交易某一品种3—4次，60%的时间都持仓，平均每笔交易持仓60天，是长线系统，因此可以接受比较大的资金量。

大家可以深入研究一下，包括蒋老师给我发过来长江证券的研究，我们根据这个做了反趋势的突破，通过我的模拟系统或者计算机系统能测算出来开仓点在哪个地方，但是止损点我始终没有想到，一旦趋势确立了，怎么去止损？因为没有明确的介绍它的止损系统在哪一块，所以我现在还在做深入的研究，希望过一段时间我们团队能把反趋势的做出来。

第二个系统是Andromeda，2002年4月发布，一直保持业绩增长，这个系统网上有卖的，但是我没有买，没有买的原因是05年一直到08年表现的不是特别好，如果有免费的，我会再深入研究一下，因为那段时间表现不好，第二代系统已经出来了，但是没有经过市场的考验，我们也不敢确定。它是一个长线趋势交易系统，依赖简单的数学公式完全客观地进行交易，可以采用一套系统、一套参数，不做修改，并且没有进行最优化处理，属于非曲线匹配系统，平均每笔交易的持仓时间为60—65天，该系统的一大特色是交易终止点不是根据价格，而是根据持仓时间而定。

如果成交信号只有100次以内，有一定局部特征的现象，这里有一个最大的特点，终止点不是根据价值，而是根据持仓，我们最近做了研究，根据持仓量的变化，我刚才还在给陈老师建议，通过导入一个外部数据，这里我再给陈老师提一个要求，希望我们的平台更多的完善，因为我是你们的忠实用户者，我们看到的持仓线希望更多的变化蜡烛线，持仓线的变化也有增也有减，我们看到这一分钟多加了50手空，多加了70手多，一下加一下减，它是一直在变动的，我们希望它形成K线，这个系统的形成是根据持仓数据变化的。

大家有没有看到一个现象，当趋势要发生的时候，持仓量不断的累积，当趋势一旦往一个方向发展的时候，持仓量绝对是有预防迅速崩溃，这是很明显的现象，包括我们自己也在做一些小的修改，我们的退出机制现在也是不根据价格，根据持仓量，本来我开了空单，一直下跌，突然一个秒杀下来或者一下跌了几十点，如果根据传统反向回10%或者5%，很容易损失几个点的利润，可能当天最高点到30点，但是等到平仓的时候可能少了15点，我们做了一个修改，持仓量如果瞬间下跌下来有一个反向过程的时候，如果说我们的盈利达到30多点的时候，有反向过程，就平仓，这是根据它的系统学到的优势。

Checkmate的交易系统，它的目标不是最大化利润，而是保证收益率的一致性和最大回撤最小化。该系统在全部的品种上使用相同的交易法则和参数，因此避免了过度优化和曲线匹配的问题。在进场点选择上把关严格，可能在跟踪时间时监控多个品种，但交易很少，这使得其使用的保证金平均来看会比其他系统要少。他们经常能在获利最大的最近高点或低点离场，很多人都在研究入场机制，实际上我认为入场机制在交易里面是最不重要的部分，入场的时候，只要你买进了，接下来所有的时间你无动于衷，没有任何改变，改变不了任何结果，唯一能作出决定的就是你的退出，你是在稍有盈利的情况下还是在稍有亏损的情况下退出，还是在能承受的范围内退出。

Golden SX主要是黄金指标，这个指标我也看到过，我看到的这些都是网上公布出来的，包括国外的交易活跃论坛上面一些网友提供出来的，我也不知道真假，我只是一家之言，把我知道的东西拿出来跟大家分享一下。它大致的意思就是和黄金分割线有点类似，如果支撑位没有打破，调到一定幅度就会买进，对于买点是很有讲究的，它主要用在黄金和外汇上面，我们看到外汇的波动率就是不断在震，这个指标在外汇和黄金上面就会很好，但是在股指上面可能不见得会很好，特别是在中国股指上面，它的大致原理就是类似于我们看到的黄金分割线，在支撑位上有一个回调，调到什么幅度就会买入，它的成功率很高，有56%，而它适用于振荡市场。

R-breaker大家很了解，它主要是用在股指上面，实际就是做了中轴线，根据前一分钟的最高价、最低价加起来再除以平均值，上面有一个主力位，根据均价作出了三个主力位和三个支撑位，主力位1就是2倍均价减去1，最高价加上2倍均价减去最低价，如果说突破了第二个主力位的时候就去做多，有时候我们看到的突破可能是假突破，回调掉下来主力位1的时候就会反向看空。包括DT模型很简单，就是最高价减去最低价，第二天的开盘价加上波动率，实际就是波动率的突破来做的。

后面的一些交易系统，有的是适用在外汇上的，所以我没有做过太多的研究，我研究的除了这几个之外，也还有一些，源码不一定能全部拿到。有一个网站，会后大家有兴趣可以找我交流，那个网站有什么优势呢？会公布很多指标，至于你怎么用，如果你用的好，确实很惯用，就像张涛老师刚才说，他用MACD就能做得好，我用MACD不见得能做好，那些指标很多对我的止盈、止损、过滤等有帮助。

绝大部分策略是趋势跟踪策略，并且使用期限时间相对较长，它们的盈利来源于捕捉大的趋势性机会。一般同时会将策略使用的多个市场，任何一个市场有机会均能被抓到，而没有趋势性机会的市场，亏损也不会太大。系统最重要的核心是不要太过于复杂，这是比较重要的，一般参数只有2—3个，我们所有的系统都是遵循这个原则，系统的第一个原则就是一定要简单，这是第一点；第二点，我们的系统复杂在过滤、止盈止损、加减仓、策略配比上，这些通过策略本身做不到；一个好的系统，绝对适用于多个市场，我们现在所有的系统，包括中国的商品，都是可以做的，甚至连股票都能做，但是股票没有T+0，没有做空的机制，所以我们做不了。

我刚才给大家说了，前面是我简单的分享，接下来要看到问题，包括我现在碰到的问题，我是带着问题来的，希望向各位前辈请教。首先量化模型最大的缺陷在于对周期转化缺乏判断力，这一句话就点明了，我原来有段时间真实的例子，到12月份的时候趋势化模型不挣钱了，实际上最后一个月测下来也是挣钱的，不像原来那么平稳，波动率大了以后，波动超过我的范围，还导致大家觉得1月份好挣钱的时候，我1月份亏损了。

但是我把周期变换，所有的参数都没有变换，就把1分钟变为30秒，我所有的策略全部变成挣钱的。我们对周期转换，这是最大的缺陷，什么时候模型变得无效，并且什么模型适合什么周期，什么时候去变化周期，什么时候变化参数，这真的是所有量化的弊端，这个问题我已经请教了很多人，前两天还和东方资产的李总监谈一些项目合作，我把这个问题抛给他们，他们也在想办法解决，他们解决的方法，第一个就是人为的降低仓位，把现在表现比较好的一些模型填充进来；第二个是利用神经系统学，让计算机自行学习和判断现在市场是属于振荡还是什么，在振荡过去几年的历史里面，哪些系统表现比较好，会自动替换程序。

定性投资是以深度的基本面研究为核心基础，并且辅助于公司的调研以及各类研究报告，基金经理在综合所有信息之后依赖主观选出个股。定量投资是通过技术分析对市场现状和趋势的判断，根据所发现和累计的市场规律，在行业配置和个股精选方面做选择。什么叫100%回归分析，2006年的一项调研指出，资产管理公司实际使用的定量模型主要有回归分析和动量模型，100%的受访公司声称使用了回归分析，78%的公司使用动量技术，其他比较受欢迎的量化技术包括现金流分析和行为模型，47%的受访公司声称使用现金流理论，44%的公司使用行为模型。

这里简单讲一下几个理论，对于我们知道的信息，我们利用我们不知道的信息，我们假定一切皆有可能概率，认为比较好的篮子里多放几个，比较可疑的少放几个。

遗产编程实际是用遗传算法类似的东西，给电脑一个简单的模型和规则，让它自动组合生成后一代，经过一代一代选择筛选，最后剩下那一组就是最适合环境的模型，每一代计算只是将自己相对简单的模型进行交叉和变异，并不是一味增加参数。但是它有一个核心的弊端，学数学的会比较清楚，它不是很全面，会有遗漏掉的。

神经网络，模型里面把任何一个人的模型，包括我的、陈总的、蒋总的，所有的模型丢到计算机里面，所有亏钱的会挑出来，会把那些图形用计算机经过严格的配比，计算机会分析出亏钱的相似度接近70—80%，我做过这样的实验，盈利比较高的天数和亏损比较高的天数全部挑选出来，好象有40多天盈利比较大的，5%以上的盈利天数和超过2%左右的亏损天数，计算机一匹配，基本上就是85%以上都相同。

为什么呢？这种模型会在什么时候挣钱，计算机会告诉你，如果那天是大震，未来几天的表现是什么，计算机也会给你作出一个概率，大盈利以后，就像张涛老师刚才说，盈利以后他会检查，他用他的经验觉得未来振荡的机率或者亏钱的机率比较大，计算机会准备的高度你这种机率有多大，国外做到的模式现在的模型处于什么阶段，在过去的历史上可以找到，对于未来会出现什么情况，什么模型能够盈利，自动从你的模型库里调用出来，如果不确定的时候，匹配不到的时候怎么办？

采用中性策略做一个稳定收益，只要匹配得到，就从模型库里面调，这样一种方式做到稳健盈利，但是我们现在能不能做到这一块？很难，因为我们国内的交易理念、交易平台包括现在所有用到的交易平台对接不上数学的方式。我们希望能够有一个平台可以做到这一块，如果让我开发这个平台，成本太高了，可能砸进去几千万都不一定能做出来。因为要对接数学，会控制整个模型库的调用，通过计算出来概率有多大的时候，使用什么模型，会自动调用，这个模型太难建立了。

协方差矩阵，这个东西用到哪里？我听到大家说用策略组合，我原来选择的一个东西，我把所有好的策略，可能用了不同的方式。但是策略出来收益率最高、风险最小的策略挑出来做组合，直到有一天我发现这个思路是错的，要赚钱的都赚钱，要亏钱的都亏钱，计算机达到那个值，只在那个位置开，可能20天里面会有3、4天的误差，但是大趋势的时候或者亏损的时候，点位都是一样的，小波段的时候可能不一样，我后来发现这种对冲实际是无效的，为什么会无效？

我后来找了一个学数学的朋友，把我所有模型的资金曲线全部导成Excel的数据给他，他给我组合了我认为表现很不好的，但确确实实能综合资金的曲线，原来人为的思路，我不知道怎么判断的，这个模型两年里面只有两个月或者三个月的测试是亏钱的，而且亏钱的幅度不大，我觉得这个模型很好，虽然选择的思路不一样，但是评判的标准一样，我把这样的模型做了组合，结果遇到一个问题，我现在才能想明白，我想请教一下大家对于模型组合更深入的研究，这是我要抛给各位专家前辈的问题，我希望这个问题能得到更深入的探讨，大家等下可以一起交流。

未来的展望，我是很有信心的，包括我把所有的东西停掉去做研究，因为我们知道问题在哪里了，就会去解决这些问题，对周期性转换的缺乏，市场发展转换的时候能够持续，往往不能维持比较良好的表现，这也许要加入一些特定性的判断，就像某些前辈能够很好的人为判断，但是我每次人工去判断的时候，全部都是跟系统做错的，所以也会加入一些特定性判断，比如综合性分析经济周期、财政政策、市场环境等因素，对历史数据的依赖，也就是一种归纳推理，甚至是难以验证的归纳推理，所需要的是时间的验证，可能会超出我们的预期，就先最大回撤一样。

基本就是这些分享，可能我的口才不是很好，讲的逻辑不是很好，希望能够把这些分享出来，当然我也带了很多问题，希望大家能给我一些解答和帮助。谢谢！