2010第四届中国期货分析师论坛

风险管理量化投资论坛

时间：2010年4月24日星期六

地点：黄龙饭店三楼

主持人：

非常欢迎各位嘉宾，来到风险管理量化投资论坛的分论坛。我是蒋易波，今天下午第一节由我来主持。众所周知量化交易在国外已经得到了广泛普遍的运用，国内也是在这几年逐步的成为了一些热点。也有一些很多的先行者在策略量化交易商进行了非常有效的探索和研究、常试。今天有幸请到在量化投资非常有经验的专家来跟我们一起分享量化交易投资研究的一些经验。首先，由董事总经理法国巴黎银行资产管理部外汇亚泰主管，负责客户服务，解读量化投资的这本书的作者，忻海博士。由他来跟我们分享解读量化投资，有请忻海博士。

忻海：

《解读量化投资》

各位大家下午好！今天很有幸能到这个研讨会跟大家分享一下关于量化投资的一些认识，我知道很多同行都是从事量化投资经验比较多，实践比较久的，有些对这个概念很感兴趣，但不是很了解量化投资。今天我发半个小时的时间，对量化投资这个概念，这个行业做一个比较鸟瞰式的介绍。

投资的方法有很多种不同的分类，我比较喜欢分类也是比较简化，用两组相对比较清楚的概念，按照他取的信号来源来分，分成基本面型和技术型，技术型一般比较注重过去的价格数据，看他本身的交易价格，也许包括一些交易的数量或者其他类似的数据。基本面型从外汇上讲，看宏观经济的一些指数，比如说经济增长，通胀，或者是央行以后的利率政策，一个是过去历史的价格，和基本面型。

这是一组相对独立的概念。另外一组就是量化型对判断型，判断型就是对人脑对电脑的获取。我们也会看到，分法不是很准确，并不是人脑对电脑的博弈。安全两组相对的概念，可以由量化型加技术型，基本面型加判断型的等。下面我列了两个，大家可能比较熟悉的。

西蒙斯是量化型投资，他是一个比较有名的教授，看的是历史的价格，是一个比较很有代表性的量化型加技术型的。在另一个和他相对的象限是巴非特索罗斯以基本面为主，按照它们自己所雇佣的交易人员对基本面的交易投资，这是两个比较成功的案例。量化投资并不是灵丹妙药，只不过是一个比较好用的方式。

大家比较熟悉的是图表法和技术分析法，历史是很久远的。不同的技术分析人员，给他不同的数据和图表，做出来的判断分析是完全不同的，有很多人为的因素在里面。

基本面型加量化型也有一些基金是做量化公式，所用的输入数据是基本面型的一些指标，股票选股上有很多是这一类的投资方式。比如说用PB，或者PE对股票进行一定的筛选，到达一定的临界值就会买入、买出。我上面列的一个指数“巨无霸指数”是《经济学人》的量化型和基本面型所做的。这个判断是非常准确的。在技术型加判断型里面我还列了两个稍微有点带玩笑的法则叫做“超短裙法”“星象法”，这个有点把量化投资，有些贬低了，不管是技术分析法还是技术的量化型投资，是有一定的理论依据的，是跟投资者的心理变化，或者是跟市场的心理结构有关系的，不能万全归结到一起。

量化投资的不同叫法也有很多，比如说经常提到的模型交易，或者说系统交易，模型和系统一般指的是数学公式和基于数学公式建立的由电脑操控的交易形态。模型主要偏向于统计的方向。系统偏向于电脑的方向。这两年主要偏向于算法交易（olworithmic  trading），大家会觉得他是比较高级的交易，也不尽然。还有高频交易和超高频交易，一般来说算法交易是以天为单位，高频交易就不是以天为计，以秒和毫秒为单位，在里面由分出超高频交易，现在一些国家的监管机构也在关注这一类，有些也也调查超高频交易，是不是违反了一些关于证券交易的规定，受的关注也比较多。这里面包括，高频和超高频，实际上也是系统交易的延伸，只不过是时间段比较紧，超高频交易所获利的来源是不同的，更多的是中介的交易模式，而不是说主动去单边投资的交易模式。所以有点不同。

还有两种电脑交易或者是自动交易，虽说量化投资不是只能用电脑交易，只能用电脑算，我也见到过很多投资人，用很简单的表格，自己去做投资。一般来说人们想到量化投资都是跟电脑相关的。

黑箱交易，很多投资细节完全不提，首先怕别人去模仿，然后怕交易的秘密传到别的地方，所以外地人叫黑箱交易，最近几年行业越来越大的了，有很多机构也把这个钱交到这个交易商，整个量化投资行业便得比较公开化，细节不可共享，但是什么样的交易模式变得是半公开，现在还用这个概念应该说是“灰箱交易”，比如我们是交易公司，我们的交易方式是用什么样的数学公式，用什么样的历史上多久的数据这就是商业秘密，不可跟别人来分享。

量化投资和期权定价理论的关系

在海外如果你要说我是一个量化分析师，一般来说你是一个期权的量化分析师，分析这个期权怎样去定价，怎样去对冲，投行要找很多分析师，都是关于期权定价的概念。我们今天谈的很多人看的量化分析，主要是看的比较狭义的，根据历史的交易找出一个数据，来进行一个交易。期权定价理论是在过去30年中，最重要的一个创新，不光是一个比较复杂的数学公式，很多人是专门做量化研究的，到出公式要需要很深的知识。里面是一个动态对冲的理论，简单地说，要是卖出一个期权，在过去来看，你指望卖出很多很多的期权，用期望的概念，预期3个月之后，跟事先的预测结果差不多你就能赚钱，有这个理论之后，期权定价就不再是一个预期的概念。你卖出了期权可以进行动态对冲，这个理论关键是这一点，跟量化投资有什么关系。首先，因为期权定价理论实际上是对将来风险各种交易人对将来风险的综合评估，所以他得出隐含波动性可以运用到将来的风险评估，改变你的量化投资公式。这在行业中是比较普遍的。

另外，中国的期权交易不是特别普遍，将来会越来越普遍，很多价格流动性比较大，历史价格数据比较完整，很多量化投资的公式和概念，研究方法，可以直接用到期权上，也可以作为一个量化投资的方向。

最后一种是，期权的交易在中国比较多的时候，期权和期货、期权和现货之间的套利机会会非常非常多，期权和期货的套利比较复杂，需要很多的量化分析，这个我觉得像量化投资非常有前景。

另外量化投资有三个比较大的分类：

（一）价格趋势；

最传统的量化方法，很多变种，包括趋势和泛趋势，大部分的技术分析策略都属于这一类。

（二）相对价值、套利、对冲；

获取两个或者多个证券之间价格差异的量化方法，如果是无风险的就叫“套利操作”，还有外汇套利、利率区县的套利、股票指数的套利、多空操作、统计套利。

（三）高频和超高频交易；

最近几年快速发展；一部分是将“价格趋势”和“相对价格”，传统量化投资的模型很自然可以用到更多的时间段上，量化方式用在非常短的时间内，是针对微观市场的结果、做市等。

你去询价一个价格从一个银行价格报给你，又到别的银行对冲自己的头寸，这个价格的变化是有规律的，高频的交易模型可以针对这些规则发现规律。

从历史上看可以追溯到很久，1900年使用几何学、数学和占星术研究投资—威廉江恩。

1930年按照“规则投资的投资方式，理查德唐奇安。

1970年用电脑和历史价格选取最佳的规则，艾迪，赛柯塔

1980年所罗门兄弟银行的债券套利，约翰，梅里威瑟。

1988年复兴技术公司成立，詹姆士，西蒙斯。他是一个很有名的数学教授，88年开始正式成立了复兴技术公司，那时候开始运作大小型基金公司，他使用比较狭义的量化投资的公式，他这个人表现很好，使投资人对这个行业很有兴趣，有越来越多的人去模仿他，他也走入了投资行业的主流，起到了很大的作用。

1990年各类金融衍生工具、量化分析大局进入投资银行。投行大批雇佣量化分析师，做期权对冲的量化分析。

1998年长期资本管理倒闭。这中间的教训对整个量化投资行业是比较大的。

2000年全自动交易、高频和超高频交易、交易所并购，有一些ETF直接就有量化基金的概念在里面，比如说趋势投资就可以获利，有些指数不是上证指数，而是一种动态的，通过趋势来获利的交易模型他的指数是根据交易模型的，发展比较迅速。

2010年机构工共置、按持、量化共同基金、可投资量化指数。

量化投资的使用情况，投资银行分两类，一类是做势，尤其是OTC的产品中需要量化的方式，因为他的数据比较多，来进行分析，更好地控制他的库存，控制他的报价方式。

衍生工具大部分都是在OTC市场上交易的，衍生工具怎样去对冲就需要大量量化投资的模型和人才。另一方面，自营资金，比如说高盛，自营资金收入所占的比例是非常高的，这里面高盛自营投资或者其他投资银行有一部分有明星的交易人，他来做判断型的投资，有一部分是由完全量化的、黑箱的投资也是一种互补，要完全把你的钱全放在一种交易模式，就是太多的鸡蛋放到一个篮子里，投行自营资金的投资很多都是采取不同的投资方式。

投行还会雇佣一些量化投资师，对他的客户进行量化投资的帮助，我也碰到好几个对量化投资自己建模感兴趣的期货公司，投行有一些专门提供这些免费服务的人，他替你做一些测算，他的好处就是你要交易的话，你是通过他的银行来进行交易，他来收取中介手续费。

对冲基金最主要的就是专门使用量化投资技术的基金。共同基金是比较新的方式。机构投资管理人专门为退休金、保险基金等提供投资服务的基金管理公司；资产配置、指数优化。这个行业中，最近几年大家也谈到一些比较热门的话题，比如说olphohbetad，也需要很多的量化分析。现在有很多指数优化采取比较另类的指数方法，选取一个更好的指数，风险跟上证指数低一些，风险相同。回报相对高一些。

我简短说一下比较有代表性的任务，复兴科技，他是一个数学教授他到金融行业投资，刚开始也是需要一方面的钱，也需要消遣，后来他对这个越来越感兴趣，80年代末，他完全从这个数学界跳出来，成立了这个复兴科技公司，专门做投资。刚开始跟大家一样，也是判断型的，后来完全是数量型，他主要原因就是很多操盘自己做投资的人都有同感，自己做的话，天天都会担惊受怕，老是不停地想，下一步怎么办，总是不停的考虑。他作为一个科学家，他觉得很多东西都是可以量化的，让电脑去做，只要在概率上讲，我能超过50%的条件下能够赚钱的话，有亏有盈对我来说心理上没有什么影响。这是他刚开始研究量化的动机，后来他越来越成功，总结他的人也比较多。比如说他是比较注重创新，不是说别人都在做趋势分析，他也去做一个更好的趋势，他不是这样，他是别人做趋势，他就不做趋势，他去想一个别的数据源，或者是别的数据分析方法，他雇佣的人都是做信号处理、做电脑、做物理、做语音识别的专家，用其他领域的方法，来设计他的模型。他总是想比较新的东西。

在很久的时候，他就意识到要快，他在10年前花很多钱来提高他交易的机房配置，交易速度也提高，现在的高频交易、超高频交易每个人都知道，但是他10年前就做这个事情，比别人快很多，现在全球各种各样的交易量越来越大的时候，他已经占了先机，可以提前赚钱。他的主要统计方式就是统计套利，通常套利就是两个东西的价钱是有差别的，然后你买出一个，卖出另外一个，等到将来就会赚取差价，通常的套利是没有风险的，现在没有风险的套利，在中国的市场可能有机会，但是在成熟的市场风险是很大的。

在配对交易上发展出一种套利。有时候出现股市价格稍微偏差的时候，配对交易就会把价钱稍微高的那个卖掉，把低的那个买进来，等价格回归到一样的高度。在最近随着超高频交易发展，这个发展得很快，世界上很多股票交易所，它们的交易量越来越大，每笔交易越来越小，就是因为这种套利模式被越来越多的人在使用。西蒙斯赚钱还针对一般的股价，或者是各种各样的金融产品的过激反映，或者有一单新的生意，一般价格变动会超出他的合理变动，他的很多模型是针对这种市场异常。他从来不接受采访，他每次都说，我们的投资很多，我们什么都做，他都不会告诉别人，这些都是由他过去的工作经验来透露出来的。

真正拿到西蒙斯公式的话也赚不到他那样的钱，他是一个科技公司，花了很大的代价做一个非常庞大的电脑系统，在很短的时间内光有公式是做不到的。

为什么量化投资能够赚到钱？最主要的是市场有很多投资人，不是按照传统的金融理论来假设，对新机会的出现，新信息的评判不是完全理智的，我们大家都知道，止损的时间大家都舍不得，这种会造成价格的一定格式。超高频的交易模式还会造成市场的微观结构，这中间可以用量化投资的方法得到这中间的规律。

说到量化投资和期货市场，量化投资所使用的金融市场不一定是期货市场，实际上在股票市场用的是非常非常多，但是期货市场有他很多的好处，首先是高杠杆，交易成本很低，隐蔽性也很高，你要做一个量化投资人，你背后有一个人，你赚的钱就是他赔的钱。比如说在外汇行业，你做一个超高频的交易，你经常去跟投行交易，投行会发现你总他身上赚钱，很快他就会断掉你的线，但是在期货市场就没有这样的事情，因为隐蔽性比较高。

最近十年中期货交易市场数据比较大，全球经济增长，量化投资对冲基金在这上面交易量越来越活跃。外汇期货是我比较熟悉的市场，十年前外汇期货交易连1%都不到，平常都是用OTC来交易的。但是最近十年中，外汇期货也是增长非常非常快，后面的直接原因就是量化投资的高频交易大副使用期货。期货市场可以进行趋势交易，也可以用期货市场和现货市场联动来进行对冲和仓位的调整。中国新的股指期货出来大家这也是大家研究的一个方向，用股指期货和现货的联动来做交易。

量化投资不仅仅是限于买卖对象，这是非常关键的一点，大家说起来就是量化投资的公式，买什么卖什么，量化投资分析的方法可以用在投资的很多不同方面，最直接就是交易策略，没有认为感情的干预，可能跟人的判断来比会好一些，比如说投资组合的优化，仓位有多少，什么时候加仓、什么时候减仓，各种证券和资产之间如何匹配。还有刚才对指数进行优化，这些也是可以用量化进行分析的量化使用方法。投资的另外一面就是风险控制，怎样去用量化投资对整个投资组合进行止损，对杠杆进行控制，这也是行业中研究非常非常多的，衍生工具的定价和对冲之前也都说过了。很多不同的方面上都会对投资收益、降低风险带来正面的影响，他的使用范围非常广。

还有一点优化交易的执行方式，有些操盘比较大的数量时，这个对市场的价格影响比较大，现在很多量化交易的算法就用到交易执行方式，怎样把一笔交易打散，降低交易成本，这也是量化投资使用的非常多的领域。

说起比较狭义的量化投资就是对历史数据进行分析，量化投资对判断型投资相比有一个好处就是他总有数据，你建立一个模型，可以给你一个可信度，另一方面要非常非常警惕，有可能这种数据只是假象，对将来没有预测性，这个度量怎样把握，完全是一个人为或者是艺术的东西，你统计的东西可以减少认为拟合的程度，量化投资行业很多从业时间很长，要不断地进行判断，来防止数据的过度挖掘。在国外经常说，把一个数据库严刑拷打就什么都会“招”，尤其是现在统计方式很发达，把过去的历史数据拟合，通常来说拟合程度越高，对数据判断越低。

量化投资的局限性

“西医”和“中医”——头疼的病困不同，历史可能不重演。有些人比较反感西医，只看表象，不看内部的问题，没有真正的找到治好病的原因。

具体到量化投资上就是说，你找到过去的格式，但是过去的格式每次的原因不同，将来会怎样，你是说不清楚的，所以你只是假定重复历史，这种假定是有局限性的，这种批评是对的，量化投资要注意到你的模型对将来有多少参考的价值，历史总是会重复的，但是重复的方式是不同的，所以这是需要人脑和经验去判断的。

“筷子”和“漏勺”——人们可能认为量化投资成功的可能性大。很多人有一个错觉量化投资比较简单，只要找几个格式，就能赚钱，这是一种片面性的看法，漏勺当然用起来比较简单，不用想锅里有什么东西，怎样防止数据挖掘这都是需要实践经验，还有对各种局限性的认识加起来才能做一个比较好的判断。

另外投资我觉得最大的局限性就是流动性问题，在西蒙斯大奖基金到了50亿美元的时候就只剩自己和员工的投资，为什么呢？他觉得到50亿的基金，虽说全球各地都做那么多支股票，那么多各种各样的期货，他觉得已经到了流动性上线，再加的话，就不能赚钱了，所以他对流动性判断是非常值得学习的。量化投资策略的福祉和散播造成机会的小时，如果你老是赚钱的话，很多人都会去模仿你，在海外最常见的情况就是你在一家量化投资基金做得很成功，慢慢你升起来做了发起人的副手，几年以后你就会自己去做，这种模型就会分散得很快。

量化投资的前景

作为一种投资方式，它存在的历史很久，而且经历过不同的市场变化格式，经过考验，作为一种组合方式是非常合理的，尤其是在像中国这样的市场，有很多新的金融工具在不断的被引进，这种量化投资方式来捕捉这种机会，也是非常合理的，另外要说一点，刚才我提到量化投资不仅仅是限于买入卖出，在风险控制和组合方面对投资的帮助将不会小于你是怎样去选股，怎样去选类型。如果是一个量化基金，每个环节都会有帮助，不仅仅是选股。

今天就讲到这里，谢谢大家！

主持人：大家有没有问题？

今天我是听进去了，忻海博士带给我们像印钞机一样，纸进去，钱出来。策略进去，方式出来。谢谢忻海老师！

下面要清楚的是深圳证券交易所，王焕然先生，他目的主要负责衍生品市场环境下的产品创新，他演讲的主题是《数量化交易的风险管理》，有请！

王焕然：

感谢主持人！量化投资真正进入普通大众的事业还是从高频交易信息以后，福布斯把整个量化投资称为华尔街上的新现象。深交所对数量化的交易和发展进行了一些基本研究。我们是金融创新实验室和衍生品工作小组，我们对先生品市场做了一些创新，对于资产管理对于买方进行了一些产品创新做了一些研究。昨天晚上，我把PPT更新了一下，把名字改成了数量化交易与风险管理。最近不停地去调研，看了一下大家的风险管理状况，在这个阶段我们来谈风险管理策略并不是很实用。这里主要讲四个议题：

数量化交易与风险管理

数量化交易概念与应用

数量化交易的现状

数量化交易对市场的影响

数量化交易与风险管理

什么叫做数量化交易？我们把它定义为数量化交易，并不是用市场上所用的量化投资来娘扩进来，我们把他定义为金融工程手段来定义你的投资，进行投资决策，并且严格的实行你的决策，按照他的侧重点不同，我们称为自动化交易、程序化交易、算法交易、程序化交易和高频交易。

所谓自动化交易就是技术分析投资方式的自动化，将技术分析投资方式固化成计算及可以理解的模型、技术指标，他的好处可以避免投资人心理变化，严格地执行既定策略。在忻海现行所从事的外汇交易领域，自动化交易是一种应用很广的投资方式。

数量化投资是利用计算机来分析宏观经济和公司的基本面交易，并通过数学模型来预算未来变化的数量。

数量化投资可以帮助投资人在越来越多的信息中选择实质性关键信息，并转化成投资决策。在整个市场的宏观行业数据，还有公司数据，积累到一定程度之后，我们才有前提条件。程序化交易是伴随着股指期货与现货市场套利交易而星期的数量化交易方式。

NYSE把程序化交易定义为包含15只或15只以上的指数成份股的组合交易，其价值超过100万，且这些组合交易是同时进行的。另外就是一个算法交易，有时被称为“黑箱交易”就是通过计算机模型执行订单，以减少对市场价格造成冲击，降低交易成本。算法交易是交易执行精细化发展的结果。由计算机模型根据特定目标自动生产执行的成本。最后我们说到高频交易，高频交易其实是投资数量化交易发展到高端阶段的产物，透过极高速的超级电脑分析高频交易数据中的变化模式，并且利用这些价格变化模式利。

在相对更快的时间内获得市场行情和执行大量交易指令。从而取得普通交易方式难以获得的利润空间。高频交易的成交量现在在纽约美国股票市场成交量的70%。

数量化交易的应用主要由四个方面：

制订投资决策，不仅是基本面分析与技术分析，而是它们的融合，通过对分析宏观经济环境，通过资产配置、行业选择、选股、择时。

一个订单的执行成本第一个是机会成本，就是你想要下订单没有下订单过程之中，价格的变化。冲击成本就是你的大额订单下到系统里，在他完全成交之前，这个价格变化就是冲击成本。

做市商报价

现在的做市商已经并不是纳斯达克场外的做市商，在电子化交易时代，新型做市商在电子化交易系统上进行双向报价，他体现出来的一个优势只是交易所给他提供的成本优势，承担的是报价的义务。一个是金融产品定价，另一个方面就是风险控制的对冲，大家可以看到前一阵子，权证发行商在后台运用股票进行风险控制和对冲。

数量化交易应用大家特别关注的是套利，套利有确定性套利和统计套利，有大概的两种方式，一个是当前市场的资产价格违反溢价定律，一个是同样价格的资产具有不同的价格，另外一个就是具有相同资金流的资产拥有不同的价值，动态对冲利用期货的工具保护组合的价值。

统计套利简单地说是一个对当前价值异常的未来回归的一个期望，当前价格如果有异常的话，如果回归正常的价格我们就可以进行相对的买卖，常见的就是配对交易，在美国市场，黄金期货和黄金行业指数配备交易到现在一直有存在套利空间的，钢铁期货和钢铁行业的指数也是存在套利空间的。

国际市场上数量化交易的现状，我们把他分为4个市场进行描述，首先是股票市场，股票市场在国际市场上他的交易量多达全市场交易量的70%，因为股票市场相对于衍生品市场和债券市场，相对较少，股票只数很少，周转率也很小，电子化交易成本也比较高，对于期货期权市场是有一种天生各种各样套利的方式，比较适合做数量化交易，在国际市场上衍生品大概在50—70%债券市场很不活跃，大部分是场外交易，在国际市场上不到10%。虽然数量化交易这种表面看来并不是很活跃，但是作为量化投资方式，可以做到非常好，他虽然最后破产了，模型在最后来说是非常完美的，只不过没有考虑到流动性问题。外汇市场是由各种各样的利率评价关系，所以他的数量化交易的情况非常好，大概到70%—80%，在外汇市场美国连署做了一个研究，有政府的干预，完全可以实现盈利，所以数量化交易方式也会比较适合于生存。

在国内数量化交易也进行了一些基本的调研，在自动化交易，我们是在期货市场，在外汇市场还是受管制的。我们和一些期货公司调研的结果，技术平台比较稳定，基本没有大型应用在股票市场。在期货市场上运用比较好的原因是因为期货市场的参与者为特定人群，技术分析比较简单地说期货市场的参与者比股票市场的参与者更专业一些。

数量化投资在股票市场上刚刚星期，到目前为止，股票市场分析师团队逐渐成熟，数据日益丰富；华尔街华人金融工程师的回归为国内带来数量化金融的理念和经验。

程序化交易以前是在ETF套利上有一些应用，融资融券上市，股指期货上市后会有较大发展，产品链还不健全，较难实施套利。

我们现在国内可能是两个交易所，市场机制与国外不同，没有“最佳执行”的问题与要求，机构投资者在减少执行成本上动力不足，属于常试阶段。

高频交易现在的现状基本上没有，因为“T+1”交易、行情数据限制和较为不熟悉。

数据化交易的动力

首先就是电子化交易方式的广泛运用，另外一个就是传统交易方式下利润空间的减少。为了拓展新的利润空间发展新的交易方式，减少执行成本也推动了算法交易和数量化交易节省的历程。对冲行业也有兴起，他和券商之间的竞争关系，促进了全球化跨资产的领域，对冲基金作为买方也推动了一个更好的方式为卖方。

在美国国家市场系统在07年正式实行市价成交规则，对于美国来说，他有10个左右交易所，30个左右的OTS，还有大概4个电子交易网络，对于他来说要达到最佳执行一定要对技术系统有相当大的改造，推动最大的还是对于监管上的放松，我们现在的监管特别的松。

数量化交易的主要参与者一个是投资银行，是具有买和卖的双重角色，来增加利润，作为纯粹的经济业务，要为买方提供服务，高盛在2009年平均每天通过数量化交易每天有1个亿左右。对冲基金无比比拟的优势，比如说数量化基金资产达到141美元，人才、技术、监管、风控都做得非常好。对冲基金做得比较好的就是复兴科技。

做市商是高频交易为王，他为整个衍生品市场做市，对于新型做市商提供双边报价，就是高频交易发展的源头，做高频交易是一个稳定赚钱的，是相当于稳定的做市商。

数量化交易对市场会有哪些影响，我们也会从三个角度来说，从市场微观结构的影响，对市场参与者结构的影响，对市场运行的影响。

对市场微观结构的影响提供市场定价效率，降低了交易执行成本，提高了市场流动性，增加了套利交易的活跃度，第一张图在美国市场上股票交易的价差和佣金的水平，到2004年已经是从最初的0.25美元，已经降到零点零几，肯定是可以降低在每张订单的交易规模。从80年开始到2006年，每张订单所包含的股票数量一个图形。数量化交易还可以降低市场的波动性，一方面当你出现定价异常的时候，马上会有套利把你的定价异常抹掉，另一方面也会增加你的波动。

对市场参与者结构的影响

（一）卖方——两极分化。

1.IT军备竞赛；

2.多元化系统接入；

3.规模效应：新产品、新服务、新渠道。

（二）买方——加速整合。

1.人员结构整合；现在从事交易方式主要是金融或者是经济类相关人员，这些交易员，交易员的结构肯定要发生变化，一定需要有IT人员进行介入，现在做数量化交易的情况，一个交易员要配数量化交易师，下面再配四五个数量化程序员。

2.算法整合；市场不断变化，算法只适合于市场的某一个阶段，也在不停的升级换代，买方会有一些特殊的需求时，进行更专业的执行。

3.肢协从卖方像买方整合。

对市场监管及运行的挑战

（一）增加市场风险，提高检查难度。

1.机构的个体风险；

2.市场的整体风险，“乌龙指”；

3.对市场检查提出了更高的要求；

4.新的交易犯罪形式。

（二）升级交易所系统与服务

1.交易所系统的吞吐量与速度，Eurex  o/d  38M->230M

2.交易所的数据服务，<1ms

3.交易所系统的接入，Co-location

数量化交易的风险管理

数据与延迟，基本数据的接入，数据是根本，是源头。在国际性投行在2009年底数据要求已经达到了300个T，这是一个不可想象的数据，如果把300个T完全存储再完全快速存储，套利机会早就没了。

市场行为数据的私密性

1.客户行为数据—行为模式窥则

2.市场行为数据—流动性、波动率

3.客户市场数据—市场与客户行为的互动

交易延迟管理，交易的速度并不是越快越好的，对冲基金和自行交易完全是通过超高频交易来进行做市商的套利。顶级券商对延迟的要求是小于10个ms，全功能服务型投行有10个ms就可以。

数量化交易的风险管理：

（一）实时风险管理

1.海量数据集中管理

2.内存数据库

3.策略组

4.深入理解日间价格变动细节

（二）集成风险管理—国内现状面临的问题，要做股指期货，期货下单只能走期货经济公司，证券这边走证券公司，一旦发生风险，我有限后对冲，这就是目前面临集成风险的问题，也需要市场来推动一下。

另外说一下数量化交易在动荡市场环境下会有什么样的风险管理，2008年的时候，数量化交易从51%降落到44%，动荡的市场环境下，市场环境发生变化，很多算法会失效，大的止损订单会带来恶性循环，在2007年的8月份发生了美国市场上没有任何原因的大规模动荡，也有可能是某些订单的一个卖出，导致了数量化交易的止损，整个对冲基金行业调研的结果倾向于传统的倾向方式。

前面这些就是我们对于数量化交易在国内的一些影响，和我们认为数量化交易在国内发展需要的一些机会，和我们推动数量化交易发展，在国内也应该有一些机制上的变革，我的演讲就到这里，谢谢大家！

主持人：刚才王焕然先生，跟我们从他的角度对于数量化交易的一个理解，特别是风险管理方面。下面要请出的深圳市陈剑灵先生，他是一个职业交易员，在国内商品期货使用程序化交易系统，结合程序化管理手段，有效控制系统风险，实行资金稳定增长有很多的应用经验。欢迎陈剑灵先生！

陈剑灵：《算法交易和头寸管理实战应用》

深圳市拓瑞邦泽科技有限公司

拓瑞邦泽前身的是一家韩国的程序化交易公司，后来因为金融危机破产了，韩国的程序化非常普及，有很多人在做，很难统计，接进来的单子是谁下的不清楚。在国内的应用中，我把程序化交易分成三类，一个是利用技术为主的，单边的投机程序化交易，第二类就是套利，也可以说是对冲，因为他在使用这个必须使用计算机，人是无法监控到的。股指期货出来以后可能会有新的程序化交易方式。这些都必须用到程序化量化交易。我的理解是很想用《阿凡达》的例子，程序化交易并不是机器人，阿凡达里的机器人不是传统意义上的机器人，他是人的能力的延伸。程序化管理也是这样的，运用的电脑是人在操作，如果让你用计算机监控你的能力就无限扩大，你一个人的管理能力，管几个亿的资金你觉得风险很大，除非你有团队，团队也很有限，运用计算机可以管很多东西，当然也要注意流动性的问题。

算法交易实际上是被动的交易手段，并不是能够产生完整的买卖策略的东西，首先什么概念，我想自己稍微总结一下，根据网上的资料，指在交易中使用一定算法，利用计算机程序自动下单。由计算机程序的算法决定交易下单的时机、价格和数量，也是大价格定的。计算机程序下单能同时管理大量的操作。

既然不是一种完整的体系，我想把算法交易和程序化交易、交易时机跟大家一起探讨一下，程序化交易是什么？国外的定义经常是通过下单速度，不一定对，也许是错的，实际上还是利用计算机把策略来自动执行，或者说用你的思想转成程序，就是程序化交易。这里我想提系统交易，你做的是完整的系统交易思路，算法交易就是我们刚刚说的概念，你进厂或者出厂的时候减少你的成本。怎样跟程序化交易来运用。算法交易与自己的选择，比如说我们用时间算法交易，我可能在一个小时借100张单子，真正什么时候来决定这个建仓的交易时机。算法交易本身的量也是你之前决定的，你怎样决定你的头寸。为什么要使用算法交易，首先是降低冲击成本，如果你做短线交易，或者中线交易，如果你下大量单子以后，肯定会对市场化达到一定的冲击，中国的流动性很好，但是厚度不够，整个买卖盘的变化不是很大，在一个价位上拿到的单子是很少的，而sB500的厚度是很厚的，国内的流动性成交量很大，但是厚度不够，如果你没有使用算法交易，势必会造成你的冲击成本非常大，这是为什么要使用算法交易的第一个理由。

第二个是避免影响市场，我们说除非你是做庄，如果你有很大的资金，来捕捉交易机会的话，你应该不影响市场，你的策略是基因，我进场以后是价格不动，如果你的价格是动的，你的所有策略都会推倒重来，他这种波动的影响是忽略不计。我们所有的交易失误，如果没有使用交易，大量的进场，势必会对价格进行影响，也就是说你在影响着市场，你在影响市场的情况下，所有的交易策略都必须重新考虑。

第三点是有效过滤噪声，这也是我实战中体会到的，价格突破哪一个点位，你决定不决定买入，或者说他又回来，这时候如果你去使用算法交易，你大单拆成小单，大部分头寸你没有进入，也就是说，如果他没有有效突破，你利用算法交易能过滤到交易的噪声。

如果你想使用算法交易，你必须考虑到哪几个因素，假设我2万以上要买入，如果我使用算法交易，势必会延长进入的时间，原来我可能在1分钟就把所有单子做完了，再怎么波动，如果我用时间算法交易延时的这部分成本，跟你的策略结合是怎样的，冲击成本到底是多大，这里是一个图，我们所有的策略测试，测试的结果都是一个价位，比如说你2万买入，等等因素都是一个价位，运用算法交易以后就不是按这个价位做了。18块钱只有三跳多一点，四跳，如果在这么一个低的交易单笔盈利的算法里面，使用算法交易，有可能不能做，在系统测试阶段，必须把算法成本考虑在内。

使用算法交易的系统测试，一般来说是这样做，信号出来以后，可能会延时一个天线，我就有理由认为，信号出来以后我不是马上进场，我可能会等待着下一个阶段，这是两种进场方式所作的比较。一个是盘中价格进场的交易信号，还有一个是均价价格进场的交易信号。

交易明细比较有所不一样，从这个测试结果来看，你会选择合适的算法交易，甚至延长两个或者三个。资金曲线比较很重要。这是我应用算法交易的一个界面，时间加权平均价格，这是最简单之前运用的一个方法。到后面我们运用更好地一个界面，这个界面内容比较多，只想介绍一下算法交易的部分，一个是单笔数量，当然我们可以融入更多的策略性的东西，可以在下面公式的条件里面来实现，还有最大的仓位“偏移”。在做这个测试的时候，你甚至可以把很多条件写成公式条件，然后再用这些限制，在做交易的时候，会达到什么效果呢？在使用算法交易的时候，套利应用算法交易，必要性更强，套利的单子价格机会更多，没有一定的工具你是做不到多大的量，甚至对一些交易品种明显进行差异，如果你使用一定的算法交易，包括一定的策略，你是有可能做到，这个例子就不能详细再提，有套利机会，在他出现之前，可能没有量也做不到，但是如果用一定的交易工具，有可能实现捕捉到交易机会，成为主力以后很快纠正这个价差，这些都可以通过你的公司条件实现套利的算法交易。这是一个应用，这讲到套利算法的应用，就是利用发送自己的条件，根据买卖盘口，可以更轻松地根据你的需要，组成一个完整的算法交易的指令。

算法交易买卖的数量决定并不是本身产生的一种策略性的决定，而是你的策略给他一定的量，但是你可能拥有很多的交易策略，在这个中，你怎样判断你策略的好坏。在做交易的时候，也是很有必要整个交易的模式做一个评估，然后确定风险跟交易头寸。因为人判断的模式跟策略是很难定样的，我只是用系统来判断这种优势。单笔盈利就是数学期望值，单笔盈利只是正的系统才是正系统，也就是说你赢的时候是怎么赢的，输的时候是怎么输的，因为没有交易次数的话，你的统计概率是不充分的，你的技术是低的。从1—17个系统最好地是第一个，从总收益角度来看，这些策略中间，首先是哪个好，哪个不好，是不是盈利最多的就是最好的。我常识寻找一种方法，当然这种方法不可能完全正确，这是我自己运用的一个方法，来寻找到判断这些策略优劣的判断方法。对于这一系列参数，在选择时，往往追求的是总收益的最大化，并没有考虑到风险，在选择参数，包括怎么结合风险来考虑，如果结合风险跟头寸有关系，一个是策略选择，一个是策略的参数选择，存在的一个好的策略，什么是好的策略？用什么方法来评定？我想就是用TB系数的计算公式：（平均单笔盈利×平均单笔盈利×交易册书）/（平均盈利×平均亏损）=平均单笔盈利×平均单笔盈利/（平均盈利×平均亏损）×交易次数=期望收益×最优头寸×交易粗疏

所有的交易跟杠杆的使用是有关系的，应该确立这样一个思维，包括很多比赛的冠军，他有这么多倍，他是使用高杠杆，所以收益自然就高。这个头寸并不是说你想用多少就用多少，这里有个最佳的算法。我想举一个例子，就是一个赌局。赢的概率是P，输的概率是1-P，赢的净收益率是rw，输的净收益率-r1。

如果我压十块钱，我赢到10块钱的概率是51%，我输10块钱的概率是41%。该独具的资金增长率是多少？这是一个数学公式网上也能查得到。就是g=

式中：g为增长率

F肯定是小于1，他算出来是一个比例，最佳投资比例肯定不是满仓，如果你按这个比例下，就会报仓，从这个结论来说，正常情况下，做期货满仓肯定不是最佳，你追求你的收益都不是最佳的，如果Rw和r1越大，增长速度g越大。在这种系统下，做优的投资比例会越小，为什么炒手的下单比例要大，做长线的人投资要小。如果赢的收益比输的收益越小，他就越大。假想用期望收益率大于零这一标准筛选出了如下三个可以参与的赌局：

所以，如果单看赢的净收益率，则独具B要比独具A更诱人，但实际上，参与赌局A可以实现的资金增长速度却要快于参与赌局B。即使是与赌局C相比，尽管赌局C的期望收益率是赌局A的2倍，但是参与赌局C资金所能实现的最快增长速度仍然小雨参与赌局A。赌局指标和系统指标的对应：

赢的概率P、输的概率1—P对应的是胜率。赢的净收益率rw和输的净收益率-r1对应的是平均盈利和平均亏损。

交易应该追求什么目标？就是交易的越细越好。

TB系数——相对增长率，这里头有一个重要的不同，赌局什么时候压中都行，而交易不是这样的，这里头有一个细微的差别。我觉得这样处理比较合适。这样算了以后，从1—17个系统算出他的实际收益，我的目的是想看系统的好坏来做相对比较，其实最好的系统是第8个“165”。从中可以看出来，做长线的时候你要做头寸，你的风险要看好，不同参数也是这样，最高的是-60，最优的头寸是20。要选择一个好的资金曲线目测就行了，但是人的精力有限，因为目测可能有很多的差距，也没有那么多的精力。

头寸的确定和头寸的管理，基本上讲完了，大致我使用的方法就是按这种方法来选择我的系统，包括我的头寸，确定头寸之后，我就能确定系统所能承受的风险。

今天因为题目叫做风险管理，量化投资论坛，我想讲程序化交易风险观，系统交易他的风险观是怎么样，这三个风险的划分是波涛老师在风险的心理观提出来的，我觉得提的很好。我阐述一下作为系统交易者他的风险观是怎样的，第一种是把风险分成三种，第一种是主动风险承担者，第二种是被动，第三是盲目。包括你做很多判断交易，有的人想到我准备输多少钱做这笔交易，市场让我赚多少钱是市场说了算，输的钱我已经拿出来了，我已经想到了风险，然后算好了该拿的钱。被动风险承担者首先是想看有多少利润，然后确定风险。盲目风险承担者更不用说了，只想追求利润，不考虑风险，遇到风险是不能接受。第一第二有比较大的差别，包括很多在座很多，不管是程序化交易还是量化交易，等等基本的交易，我想更确定主观风险承担者，市场提供什么机会，其实我们是不知道的，但是风险是可以确定的，程序化交易者因为有一个测试结果，他对他的系统，包括对可能的表现，真正能知道的是一个风险，也就是说，刚刚算的头寸管理，都是从风险来算头寸，最后再来算出我最后的收益，所以他更体现了主动风险的承担，我想在这三点的理解，投资者可以去选择，去对号入座，我应该去怎么做。甚至对这种选择，都可能对你的交易造成一种本质上的区别，你的思维方式，你是怎样去看，你是怎样去想的，这是我所想讲的程序化交易的的风险观。

今天的演讲完了，谢谢大家！

主持人：感谢陈总！你一般在实践当中，选择几倍杠杆，你的实战当中。

陈剑灵：我甚至在短线里面使用7、8倍杠杆，长线里面不能超过2倍杠杆，看你怎么运用，因为你交易的周期都不一样，你使用什么杠杆跟你的风险是有关系的，以前的炒手能够计价杠杆。在使用高倍杠杆的时候一定要考虑到流动性。比如说雷曼兄弟的倒闭，从我的理解来说，他能够60几倍杠杆走这么多年，肯定有理由，他肯定每做错，判断也是对的，关键是没有考虑到流动性，把自己逼死了，自己就死了，你一定要考虑在合适的流动性上做，否则就会失效。

主持人：考虑到投资者的风险承受力，风险偏好来选择风险杠杆的测试。今天的第一节整个论坛就到这里，我们也在这里组建了一些专门的研究，下一次也非常欢迎各位专家来互相交流。谢谢！

第二节论坛是《量化投资发展趋势》的圆桌讨论，由党剑总经理进行主持。

主持人：各位同志请落座，今天最后一个环节是圆桌讨论的环节，我是东正期货的党剑，我受主办方的委派来做最后一个环节的主持人。论坛中几位嘉宾大家比较熟悉，但是我还要介绍一下，从左至右，一个是深圳证券交易组的王焕然。杭州副总经理孙超，第三位是中国国际期货研究院王红英，第四位是上海投资组合付伟芳，第五位是陈剑灵。

请他们发表5分钟的见解，对于整个期货行业的发展方向会有自己的理解。第二个环节想就某一些我们大家比较关注的问题像嘉宾发表提问，对于自己或自己的公司的一些看法。第三个问题就是希望听众和嘉宾有一些互动，可以就嘉宾发言中的内容进行提问。

首先请陈总对量化投资发展趋势发表自己的见解。

王焕然：我介绍一下自己的经历。进入这个金融市场以后，当时的钱很少，那时候没有涨跌停版的，也不是T+1的，刚好我能够通过图文电视的信号，把股票数据专程文件，用213的探测系统，自己编天线，在家就能看这些天线图，这样以后，我发现我要比别人强很多，因为别人下单要排队，而且都看不到股票，这样的话，就给自己构成一种优势。我经常敢竞价，冲进去就买，但是这种日子随着电子化的普及慢慢消失。我想讲这些东西，从量化投资的角度，作为一个投资者为什么要选择，就是说在构筑自己的优势。到2000年以后，我当时感觉股票市场不大好，因为他没有做空机制，在大的系统中期货不错，那时候在福建没有什么期货公司，邮寄到深圳，对这个系统化交易认识给我最深的就是看波涛老师的三本书，有一次我在北京的书店里面，看到这三本书以后，我一看吓一跳，我怎么没这么想问题，我原来是想判断价格。以前南方证券的股票公司写得都不错，后来我发现，如果股票市场T+0的话，比期货容易得多，其实也是我所想的。当你的对手在落的情况下，你有优势的情况下，你有盈利，包括以后的发展，我认为会带来更大的优势，因为他在悄悄地改编着投资者结构，让你的交易相对容易，这也是我们想提出的观点。应该怎样做这个东西，要找到有自己优势的地方，发挥自己的优势，才能顺应发展。

量化投资对于有经验、有强的逻辑思维，肯定是优势，也是一个发展趋势，从投资者角度认为的。

第二我想说，如果作为一个个人投资者，甚至是机构投资者，在做量化投资时，要考虑流动性风险，要考虑是否合适你的规模和市场的规模。

孙超：

刚才陈总介绍了他的思路，王焕然也有他从自己的角度来解释一下量化投资。我主要是从套利和统计套利这种改易行为的认识。从套利交易来说，看似无风险，但是从市场上来说，具有一定的技术门槛，必须依靠金融技术和强大的IT技术来实现的，从这个方面来说，只是会对一些期权定价，或者是找到缺陷是没法实现的，这些机会转瞬即逝，原因很简单，在交易机会上，必须通过策略来发现，关于套利交易的看法。套利交易看法中王先生也从技术风险上强调的，我强调的是在做套利交易时去杠杆化交易的问题，2007年8月的时候，在海湾对冲基金当中，数量从55%降到40%多，亏损发生在3天之内，这三天之内这些基金亏损原因就是因为杠杆太高，在做套利交易的时候，一定要注意到杠杆风险和流动性风险。

当时间区域无穷的时候，亏损的概率要区域零，收益的波动除以时间也要随着时间的趋向零，这是理想的条件，统计套利是有一定的风险，如果只是坚持这个策略去做不一定取得成功，原因很简单，可以让时间趋向于无穷时得到收益，但是在时间有限资金有限时不一定得到这些收益，因为可能你已经破产了。在某一个策略上，要根据市场表现对他进行资金配置。从另外一个角度来说，在分散同时，要考虑到3个因素，一个是我们做的产品要尽可能的分散化，在证券市场上做一些策略，在产品分散上的话，你的风险相对较低，从2008年金融危机来看，全球的所有资产包括大宗商品，包括股市全部下跌，你要规避你的风险，这时你是一个很系统性的风险，这些不同产品中间相关性很强。第二种方法就是通过策略的分散，有的是趋势策略、套利策略来分散你的风险。时间窗口分散，有可能是后面出现的高频交易，就是形势越多样化，面临的风险越小。

王红英：我谈谈对量化投资的看法。我想两法投资历史的过程，请大家回顾一下。最早就是基本面，我们生产供应量，实际上也是一个量化的概念，一方面进化到传统也是解释买卖点的发展。现在就是城市化交易，最大的特点就是跟传统的趋势不同他可以回避振荡，第二个他是可以发现市场有效的拐点，其实你对拐点的判断，往往对于本身的估值拐点越来越重要，解决的是传统投资当中解决不了的某个时间某一个具体的价格点位。实际上我们有一个策略交易式，包括历史数据的统计，实际上是个单位数，跟我的收益之间的关系。但是最大的问题是，风险没有办法计量。动态定价技术的内涵就是去风险的收益，你要算出来投资组合时间收益率以及持有期的匹配，怎样去掉系统性的风险是个非常重要的技术。内部小范围可以公开一下，我是上市公司资产公司的执行总裁，我管理着40多亿的上市公司的资产，在以前我们是怎么做的，当时我们是用一种策略来判断，当时是5836点。现在中国的股民大概在12万左右，他是收到追捧的，虽然他的PE比较高，包括国内的A股从6000多点跌到1600多点，获得了一个板块的阿尔发收益。4月6号，我们买了一些农业等的板块，大概37、8个，最高差107.7点，将近108点，正常价差是在45点内，实际上就能算出来45点以上都是套利空间。在哪一天收益达到10%，这就是量化投资在我们身边无处不在的特点。

个人做量化投资和机构做量化投资的不匹配性，如果大家是机构的话，可以到机房去看，全是托管的，每次我去的时候都能看到很多的老外在那里加机器，最多可以看到加到24个CPU。未来谁都会有套利，问题的关键是能不能抢到这个价位，如果你的机构服务器还是放在交所以外，就不用做了，很多人都会进来做。恒生指数是3.7年，4年就回归过来了。这技术上不下40、50家。我觉得传统城市交易还是能够起到作用的，我们现在有十几个再去做测试用非常好，这里可能加上资金管理也是能赚到的钱的，你可能是5%之内的，但不是千分之一之内的，个人和机构是一样的。

付伟芳：量化投资这个概念很广泛，在国外有很多量化投资，包括对冲，包括套利，还有我们大家所熟悉的技术化交易，也就是这几种量化交易，这其实就是一个计算，可能是一个比较简单一点的交易。现在的量化投资我的理解这个市场非常广泛，我举个很简单的例子：

上周交易的指数期货，大家如果参与的话可能会发现一个很有意思的事情，每一天都有几笔非常大的单子，眼睛是能看得到的，眼睛看得到并不是说你这个钱就能看的到，我们通过什么做的。我是这么想，没有相关性的东西是没有依据的，跨区套利是有相关性的，而且相关性很大，通过平稳性的分析能做到一些分析，如果说这种盘中的行情出来的时候，这是给你的一个机会，可用计算机来做。冲上去以后，近期先起来，远期的反应没有那么快，每天抓几次的话，收益也不少。我说的这也是一种量化投资，大家不要把量化投资看得太狭隘。

陈剑灵：从交易所的角度来讲，是从宏观的角度来理解这个事情，这个事情对市场肯定有好处的，可以提高市场的效率。我们对它的判断自动化交易和数量化投资这两个是可以大力发展，而且可以交叉发展的一种方式。程序化交易也是可以进行大力的发展，并且对市场也会有很大的变化。预算法交易就像刚才说的这种，当股指期货有几笔大的单子打出来，随着市场的需求来讲，高频交易对于交易制度要求还是很高，比如说T+1交易在短期内还不会推出来，融资融券做变相也是有一些限制的。另外还有一些行情，虽然成交和订单都是实时发送的，并不是特别能够提供大家使用的状况，高频交易还要有一个很长的路要走。对于数量化交易要有看法。

另外数量化交易发展，“人”是很重要的。在近纪念华尔街日报有一个文章，数量化交易发展对交易员会有很大的影响，叫做《交易员之死》，它替代了交易员的主观看法。交易员是对市场形成感觉，对市场发现机会，然后把市场的感觉描述给数量化策略师，数量化策略师把他的这种感觉模式化，形势化变成一种可以实现的策略，然后去把他变成一种数量化投资方式。这个对于人发展的方向会有更不同的区分，数量化交易人对于策略和市场的敏感可以把交易员的发展方向做一个转变，我是这样看待的。

主持人：刚才五位嘉宾对于量化投资的发展趋势，包括量化趋势要涵盖的内容都做了一些讲述，讲得非常好，虽然地点在三楼，灯光也不像一楼那么明亮，这么多人关注量化投资，我觉得非常欣慰。下面我要问问题的环节，因为我问的问题未必能够代表在座各位的水平和要求，如果要问其他问题请递给工作人员。

请问王焕然先生，上海交易所有一些创新，股指期货上了，沪深300指数上了，全市场的ETF还没有，在这种情况下，永邦华泰做了一些创新，这中间有一些现金替代，就这个问题我也和有关部门交流过，在深圳来替代的话资金量蛮大的，有没有可能，交易所可以提供买卖一揽子股票的程序化交易的模式，交易化创新是否能够引领或者能够探讨出业界的发展趋势。

王焕然：先说股指期货的套利，前几天大家也都看到了，股指期货推出以后，沪深300如果有一些问题的话，套利还有其他渠道的，现在沪深300变成这个样子，我就不去说了（笑）。我说深交所能不能提供一揽子这个交易方式，我们当年曾经常识过做一些技术的创新，当初我们开发了股票期权的跨期订单都能做4条腿的套利支持，我们如果要支持一揽子订单也是可以的，目前看你支持的量有多少，如果你要支持像100多支一揽子订单，交易系统的效率肯定要降低很多，这是一个要权衡的问题，我们现在还是尝试，并没有在真正推到市场上。我们一直关注市场上的需求，如果市场上真的对一揽子订单有很大的需求，我们还是会投入的。

主持人：谢谢王先生！这个也给我们一些理念上的支持，沪深发行沪深300的ETF，总是想避免ETF的定价，因为有些技术上难以处理的话，对某一些现实中能够实现的，本应该实现的还实现不了，希望有一天，我们的交易所也能够提供更多的基于程序化交易的基础性东西。

第二个问题我想问一下孙总提出来的，我觉得您提的内容很好，尤其是一句话对我的出动蛮深的，我刚学期货的时候没听过程序化交易，最早的时候都是写黑板的，没有电子化交易，也没有现在的网上交易方式，基本上是电话传到黑板上。有一句话“眼睛看到的不一定交易看得到”，万达期货周总提出来的问题，请问一下孙总，在座当中有很多新入行的，想做程序化交易，改怎样来准备。

孙超：程序化交易是指交易思想，你的思想定下来以后，再找平台，就像陈剑灵陈宗的TB就是很好的平台，可以把你的思想变成程序，变成自动化交易的工具，就是其实两步，一个是思想，一个是找平台，如果你完成了这两步就进入到了自动化交易的门槛。

主持人：我觉得孙总是言简意赅地回答了这个问题，在正常的各个研究所，各个研究部门，在做程序化研究的过程中，更多地还是和一些机构投资者，或者是一些客户的交往，大家可能也会认为，程序化交易无论在国外的进展又如何的迅速，实际上终究是一个小众市场，在座的各位非常可贵，我们从事这个行业，但是我们干预另辟蹊径进入这个行业，或者成为这个行业某一领域的专家，从这个意义上来讲，我还是对在座的各位非常敬佩的，包括我本人当年没有做这个，因为我虽然是学工科的，但程序化交易这条路确实并不一定好走。

第三位想问一下中期研究院的王红英先生，因为作为一个幕前比较大的期货研究部的领头人，你在程序化交易的研究方面肯定比别的领头人要走的更靠前一些，因为你主持的是一些大公司的研究工作。在座的同志也有研究所的同业，我想问一下中国国企在这个方面是如何培养人，如何跟客户做交流的。

王红英：我们面临的压力很大，好多朋友见了我过了三个月就说脑袋又亮了，其实是头发少了，压力很大。如果你不走，做到第二，别人就会“看不上”你。信息技术高度发展是每个公司、每个竞争者、每个国家利益当中不可避免的事情，必须有这样一个责任，能力并不一定很强，但是一定要有这样的责任。虽然公司有大有小，但是我想运转的模式都是一样的，我们公司大，你可以大做，公司小你可以小做，我们对于人员的筛选，适应的是专业化分工，以前我们看到很小的公司，被券商收购以后实力也不是很大。在券商系的发展，有几家大的分得很细，有产品设计部，在这种情况下人员对口非常重要，现在是一个模块化的管理模式，我们大概分了34个部门来进行细化，有40%的人工作经验很多。我们是跟电信、IMB学的一招，在互动方面，很多研究人员去我们公司，投了大概有1千多万的硬件设备，跟CME的模式可能一样，包括其他公司基金的、私募的，包括投行的，全部开放可以互动，我给大家提供了这样一个平台，中期有这样一个机制，有一定的资金投入到这种研发里。我希望越来越多的研究院，可以进入到跨行业的体验中心，这里我们有一个公共图书馆功能，大家来交流体验，通过这个模式来促进行业的整体发展。

我们现在做了风险数据库，做了一个预警系统，现在中期集团是信息发布商，我并不是想卖软件，我想把数据弄出来，很多做数据的没有研究院，好多做程序化交易的都喜欢到我们这里来交流，我也希望更多人来和我们交流，我们一起为行业做出贡献。

主持人：我对付伟芳先生的讲法很感兴趣，有人问付总，能不能对时间风险、流动性风险、资金风险探讨得更详细一些，我也想问一个问题。您是怎样在一个有限的策略当中，通过产品、时间、窗口来分散风险。您谈到的理论上很可取，但是具体的操作当中是怎样其做的，是通过什么样的方式来降低这样的风险。

付伟芳：关于另外一部分怎样去控制，股指期货里面是有风险的，包括跟踪误差的风险，还有保证金的风险，这是最重要的，他还有一个去杠杆化，就是加强你的资金管理，假设沪深300指数，现货是100万，保证金15万，在115万进去的时候，后面几天价差没有收敛的时候已经爆仓了，你肯定要增加准备预留金，当然还有一些其他的风险，可能就涉及到具体的技术问题了。

主持人：关于机器学习的应用问题，这种投资者问，投资学习理论的支持向量机是否投入应用，效果怎样，这是华安期货的同业问的。

陈剑灵：其实，我是认为，现在很多的技术指标，已经把很多的指标都简化了，如果你用很复杂的高等数学的算法来追求这个，没有必要，可以把他的思想拿过来，去套用。要把原理理解一下，不一定用他的数学方法来做，像我们应用的方法，我举个简单的例子。假设5条移动平行线，哪条好都不一样，每个时期都不定，要涉及一个规则，让系统来选择，在什么时间来利用什么样的平行线，因为你是按照一个规则来的，这也是一种学习方法，如果把它神秘化，不是交易的一部分，不要搞得很复杂。真正交易是人在交易，机器是帮助你在打仗，我们看到的那些名家那一个不是个人英雄，一定要发挥简单化，还是个人英雄主义，在这个市场上充分体现。

主持人：因为时间关系，大家提出的问题，我尽量问，又得从右至左，问俄罗斯准备上铝的ETF，证券交易所问这个大宗商品的ETF有这个想法吗？

王焕然：目前还没有。

主持人：我请教大家，一个单个商品可以做成ETF吗？

王焕然：有黄金ETF，在美国，相当做一个黄金指数一样的，这是不同时间的价格平均下来。这个要做只是把商品交易所的东西拿过来放在我这里挂着。

主持人：孙总，刚才有人专门递了您一个纸条，您直接念吧，我就不提问了（笑）。

孙超：那个纸条是我们公司人递给我的，您有好的系统可以跟我们联系，我们可以共同购买，可以一起合作，相当于做个广告。

主持人：给大家一个买卖的机会。王总是不是能用两句话来概括一下您的感受和建言。

王红英：刚才我们进了很多的量化投资的问题，反映了一个问题，金融业衍生品的发展越来越像金融IT的方向发展，我从92年做的公司，一直在做金融交易，我们在香港也有做一些定向发行。从这两年的时间创业板、融资融券、股指期货，下一步我们的人民币汇率也要进入一种新的发展模式，央行现在也在考虑这些事情，整个的知识丰富是机遇也是压力，所以我觉得大家经历了这么多的问题，更快地进行知识的更新，我想这是未来可以攀登的门槛。

主持人：谢谢您对大家的祝愿！我们最后再请陈总再回答一个问题，作为今天的小节的结束。大家都对算法结束更多地理解为当日内的交易，有人问，在日内短线交易策略上有什么样的建议？在台湾要当日冲交的交易，我们叫日内交易。

陈剑灵：它能够有一定的交易量，从很多角度都是可以欢迎的，日内交易不是很好做，但是你首先至少要做一些主观的判断交易，然后把你的方法逐步转化成日内交易，如果单纯的闭门造车直接想一个去做有一些闭门的嫌疑。可以借助什么时候启动你的系统，像我们一直在提供，很多投资者提供的工具，如果你让我们提供的模型，那是不合理的，也是不现实，而且也是不可信的，对于投资者来说。你选择一个运行时机，这个系统某些时候不行，有些可以，让你先选择时机，这样你就把风险控制交给计算机，但是是由你制定时间的，由你按动按纽，我们也是从失败到成功慢慢做上来的。

刚刚孙总说了，我们总是强调专业化，做量化交易对人的要求很高，你要有强的逻辑，要有金融的基本理念，说白了还要高智商，挺难的。成为不了专业的投资者，可以成为伯乐，你至少能认识这个市场的风险，包括交易的难度。可以寻找强大的对手，你必须对交易有自己的认识。

王红英：我补充一下，最后一点很重要。我曾经参与写过一本书是关于期货交易的。无非就是说根据每个品种的波动率算一下数据突破跟踪。我算每个合约的正常价差，如果说达到80个点，-20点就具备双向炒的趋势，我们做过这种模式，这种跨期模式大家也可以算一下。也可以算一下物品的定价，有些人根据报纸方案去做，不太计较某些精细的点位，比如说铜高上60个点就卖。还有一种就是说，我们所说的跳点策略，比如说中午11点半必吃的，在这里还有一个以橡胶为例，好多外地偏远地区的人有一个毛病，上午挂的单子不喜欢撤，有些人会靠这样的方式去赚钱。这也策略我觉得通过TB完全能够实现。

陈剑灵：在做交易的时候有几点是最难的，策略的对错跟单子有着很重要的联系，对这个东西的识别能力就体现在你的经验，能不能形成真正策略的根源，大家看单子的时候，能穿透输赢的表象，是不是盈利的策略。如果你单纯的去考虑，我认为是很有问题的，一定要充分注意这一点。

主持人：我们谢谢陈总，也谢谢台上的5位嘉宾，从我作为主持人的角度来看，有些问题大家想多问一下，另外有些问题不具备全局性，可能是个别交流的问题，会场人不能算最多的，给我们留更多的时间跟台上的嘉宾大家有一个互相交流的机会，所以我用比较简短的语言做一个总结。

程序化交易因为市场的发展作为后发起人的优势能够快速地追赶上其他国家或者地区的交易技术，股指期货出来之后，事实上我们的一些机构投资者也会摆脱靠天吃饭的这种局面，以后真正的这种盈利不是胆子大，这一年下不下雨，而是靠的金融技术，在座的各位和台上的嘉宾一样，能够有机会遇到这么一个非常好的程序化交易，也有国外金融工程师带来新的理念，所以我也祝愿大家以后再程序化交易过程中坚定不移中走下去！

我宣布本次《量化投资发展趋势》圆桌论坛到此结束！谢谢！