热门关键字： 宏观解读约稿沈良

海通期货郭梁：期货市场量化技术及本土化前景

量化技术的应用范围
　　应用量化技术的产品主要包括对冲基金、指数基金和量化共同基金。近三十年来，它们都取得了蓬勃发展。
　　对冲基金(hedge fund)是基金的一种形式，它采用各种交易手段(如卖空、杠杆操作、程序交易、互换交易、套利交易、衍生品种等)进行对冲、套期等来赚取巨额利润。对冲基金大多数都是采用数量化的分析工具和方法进行资产的筛选和交易。
　　指数型基金是一种以拟合目标指数、跟踪目标指数变化为原则，实现与市场同步成长的基金品种。它采用各种量化技术实现对目标的复制或者跟踪，经过20多年的快速发展，美国的指数基金已经发展成为一个规模庞大、种类丰富的基金业分支。
　　量化共同基金是指运用量化技术管理的共同基金，它包括纯量化的共同基金和混合管理的共同基金。根据Lipper2009年中期的统计，量化共同基金的规模已经达到4000亿美元。
　　那么究竟什么是量化投资策略？简单来讲，量化投资策略就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。与传统定性的投资方法不同，数量化投资不是靠个人感觉来管理资产，而是将适当的投资思想、投资经验甚至包括直觉反映在量化模型中，利用电脑帮助人脑处理大量信息，帮助人脑总结归纳市场的规律，建立可以重复使用并反复优化的投资策略（经验），并指导我们的投资决策过程。
　　因此，我们看到量化技术只是一种工具，它是用来帮助我们了解金融市场，发现金融市场规律，模拟金融市场发展，并制定出投资策略的实现途径。我们关心的应该是量化技术所体现的投资理念以及量化投资策略隐含地投资逻辑。
　　量化技术的几大优势
　　有效市场假说理论（EMH）认为当前市场上所有证券的价格不仅反映了证券历史价格信息，同时也反映了当前所有公开的信息。在一个有效市场中，所有投资者的盈利或者损失都是由于投资者的运气而并非技术。有效市场假说认为量化交易策略在长期的投资中是不能获利的。但是近二十年来的实证研究不断发现股票收益率具有可预测性的证据，EMH的理论基础和实证检验都受到了强有力的挑战。种种现象都表明市场本身是非有效的。为什么市场的非有效性能够长期持续存在呢？行为金融学作为一种研究投资者行为模式的前沿学科能够很好地解释这些现象。行为金融学认为：投资者并不是完全理性，而只具有有限理性，投资者在现实决策中存在诸多的认知偏差，这些偏差不可避免地要影响到人们的投资行为，进而影响资产定价。因此越来越多的人们相信，通过制定不受个人情绪干扰的量化投资策略并严格执行，有助于获得更好的投资回报。
　　定量投资和传统的定性投资本质上是相同的，二者都是基于市场非有效或是弱有效的理论基础。有区别的地方是，定性投资管理较依赖投资者的个人经验及主观判断，而定量投资管理则是将定性思想与定量规律进行量化应用的过程。
　　采用量化技术的交易员是否比那些靠感觉或者是直觉的交易员有着稳定的优势呢？下图中我们提供了巴克莱银行（Barclay Group）的一项统计结果，在1996年到2008年的13年中，量化交易团队（Systematic Traders）的平均年化收益为7.15%，而“靠感觉”的主观交易团队（Discretionary Traders）平均年化收益仅为4.74%，量化交易团队相对于主观交易团队有着明显的优势。当然，我们不能否认一些天才投资家能完全依靠主观分析获得稳定的高收益，但是这种成功的案例少之又少。
　　量化交易团队与主观交易团队业绩比较
　　
　　

　　
　　　　
　　我们认为量化投资策略有五大优势，主要包括量化各种因子、强调纪律、跟踪及时、分析全面、高效性等。
　　量化各种因子：相对于传统的基本面分析，量化技术通过各种模型实现基本面的量化，不仅可以确定单一因素的影响，还可以揭露多因素之间的复杂关系，方便投资者制定投资策略，这对于受到瞬息万变大量信息冲击的金融市场尤为重要。
　　强调纪律：依据量化技术制定的投资策略都是精确的，而不是随着投资者情绪的变化而随意更改。强调纪律的投资策略好处很多，可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差，行为金融理论在这方面有许多论述。
　　跟踪及时：量化技术能够及时快速地跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻找新的交易机会。
　　分析全面：量化技术提供了一整套完备的分析和交易系统，它主要包括多层次的量化模型、多角度的观察及海量数据的观察等等。多层次模型主要包括大类资产配置模型、商品组合模型和单一商品交易模型等等。多角度观察主要包括对宏观周期、行业状况、市场微观结构、相对强弱、市场情绪等多个角度的分析。量化技术还能通过对高频数据的处理，深入挖掘市场的盈利机会。
　　高效性：量化技术依托于高性能计算机，批量处理大量数据，这是人脑无法做到的。
　　量化方法与其它主流投资方法并不对立
　　量化投资策略是主动型投资策略，它的理论基础是市场并非有效的，投资者通过积极主动的资产管理可以打败市场，获取超额收益。很多投资者认为量化分析与基本面分析是对立的，既然采用了基本面分析方法就没法也没必要应用量化分析方法，这是错误的观念。海外数量化投资的经验是数量化投资模型90%考虑的是基本面因素，同时考虑市场因素、技术因素等。量化研究与基本面研究应该是相辅相成的。量化投资策略以正确的投资理念为根本，辅以基本面分析，以全市场的广度、多维度的深度视角扫描投资机会。量化分析方法也不否定技术分析方法，相反很多技术分析方法还能为量化分析方法提供极具价值地创意。
　　投资流程及主要的量化技术
　　
　　

　　
　　
　　
　　
　　一个完整的投资决策流程应该包括战略资产配置、战术资产配置、组合构建/标的选择、风险管理和绩效评估五方面，每一个步骤都涉及众多的量化技术，我们简要介绍如下：
　　指数化投资：商品指数化投资包括指数编制与指数增强。指数编制是指在保证流动性和反映宏观经济基本状况前提下，通过各种方法把商品期货合约连接起来，作为衡量商品期货行情的标准。有了基本的商品指数后，投资者还可以使用各种技术提高指数收益，或者是构建复合型指数。这里主要涉及的技术包括平滑由合约更换导致的断点所使用的滤波技术，构建复合型指数需要掌握的非线性规划技术等。
　　宏观经济周期和影响因素量化技术：国外很多机构为了更好地把握宏观经济对商品市场的影响，纷纷建立量化宏观经济体系，例如UBS就建立了一套宏观经济打分体系，也可以采用回归模型和PCA方法量化宏观经济影响因素。量化宏观经济周期的方法则数不胜数，如HP滤波、分形方法等。
　　市场中性策略：市场中性策略是通过构建没有风险暴露的多空组合来追求绝对收益。此策略中多空头寸必须严格匹配，通过把握品种之间的相对强弱关系，追求阿尔法收益而不承担贝塔风险。经典的计量经济学理论为研究市场中性策略提供了很多方法，如协整方法、马尔科夫过程等、ARMA模型、GARCH族模型、SV模型也可以为价差序列和收益率序列的未来变动提供预测。
　　商品择时：实务界和学术界开发了很多模型用于商品择时，如传统的计量经济学GARCH族模型、马尔科夫过程等，来自于行为金融学的均值回归模型、羊群效应等。
　　组合构建/标的选择：构建投资组合的主要方法包括马科维茨的最小均值方差模型、基于VaR约束的模型、融入分析师主观观念的Black-Litterman模型等，常用的战术资产配置方法则包括基于行业景气周期的商品轮动模型、基于品种特征的风格轮动模型等。
　　风险管理：风险管理包括在险价值(VaR)、条件风险价值(CVaR)、预期损失(ES)和风险预算技术等。
　　交叉学科方法：随着金融市场迅速膨胀，不少数学家和物理学家甚至是生物学家投入到金融市场研究中，并作出了重要贡献。数学家把随机微积分应用于金融市场引发研究的革命，资产定价理论如雨后春笋般出现。同时，一些金融模型的最优化求解也需要借助专业的数学知识。金融物理学是新近流行的另外一种交叉学科方法，一些物理学家把地震、湍流的研究方法应用于金融泡沫建模，并取得了良好的效果。另外，多重分形、复杂网络以及灾变动力学在金融市场也有着广泛的应用。
　　量化技术本土化前景
　　2009年，我国期货市场继续保持高速增长，累计成交合约21.6亿手，成交金额130万亿元，分别同比增长58.18%、81.48%，中国期货市场大发展的时代已经到来。市场不仅需要新的品种、新的投资群体，而且需要新的研究方法和体系，特别是在未来股指期货上市后，期货市场成交以及容量将会大大增加。当前市场主流分析方法——基本面分析方法和技术分析方法容易被庞大的信息量、矛盾的信号和主观情绪制约，无法发挥其应有的作用。量化技术作为基本面分析和技术分析的有力补充，它应用计算机高效处理数据，帮助投资者更加全面深入地理解复杂的金融期货以及商品期货市场，并制定出合适的交易策略和风险管理策略。随着股指期货未来在我国内地上市，我们相信量化技术会在国内期货市场有着广阔的应用和发展空间。

【免责声明】本文仅代表作者本人观点，与本网站无关。本网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。