今天和某私募基金的老总谈量化,他说:"我入行两年多了,并且信心满满的说,量化投资策略是不会亏损的,我们的年化收益与最大回撤比高达9:1"。
这个信息似乎要颠覆我的世界观,姑且不论采用某些量化策略能否实现“年化收益与最大回撤比是否能够达到9:1”这样好的业绩,仅仅讨论一下,量化投资策略是不是会亏损,以及为什么会这样。
用事实证明量化投资也是会亏的
按照科学的分析方法,我只要找到一个量化投资策略或者基金亏损的例子,就能够证明量化投资策略是会亏的。
1. 长期资本管理公司(LTCM)
为什么把这个作为首个例子呢?
这是因为,长期资本管理公司的合伙人中有很多大牛,包括期权定价BS公式创始人、诺贝尔经济学奖得主罗伯特•默顿(Robert Merton)和迈伦•斯科尔斯(Myron Scholes)。
他们基于相对价值的投资方法,根据利差做套利,最终的命运是1994年成立,2000年破产清算。
2. 骑士资本的乌龙指
1995年成立的骑士资本是美国最知名的证券公司之一,使用自有资金,采用高频交易平台,当流动性不足的时候提供流动性,因此也是美国证券市场上最大的流动性提供商之一;
2012年7月27日由于升级系统的时候,遗漏了一台服务器没有升级,造成8月1日纽交所开市后,不到一个小时的时间损失4.6亿美金。
国内的一些公募和私募基金,因为不当使用量化策略,产生亏损的,就不提了。仅以国际上两个最著名的量化亏损案例,证明,量化策略也是会亏损的。
为什么回测结果很好的量化策略也会亏损?
去证明,使用量化策略做投资,也会亏损,并非我的目的。
查理芒格有说过要想成功,先要知道哪些错误会导致失败,当你把可能导致错误的地方一个一个避免之后,你离成功也就不远了。
所以,这篇文章的核心在于分析,为什么有些量化策略会导致实盘交易的亏损?
量化交易相对于主观交易来说,会对自己的投资理念、投资策略、投资模型用过去一段时间的历史数据进行检验,分析在过去的历史行情中表现如何,如果过去表现都不太好,未来很可能效果也不好。只有用历史数据回测表现比较好的情况下,才有可能会考虑实盘。
从策略回测到实盘交易的过程中,那么步骤会造成亏损?
- 回测结果不可信
回测的过程很可能会脱离现实,造成回测结果的不可信。
比如,幸存者偏差,有些公司或者基金表现不好,倒闭了。但是回测的时候,在当时,如果这些公司或者基金存在,应该考虑到。
比如,未来数据或者前视偏差,就是在当前,你已经知道未来的价格或者其他信息了,基于这些信息做判断买卖,回测的结果当然不可信。
再比如,是否考虑了交易的真实成本,是否考虑了手续费、滑点等。
另外,策略的参数是否进行了优化?这个策略是否是过拟合的?
还有不少需要考虑的细节,所有的这一切都会造成回测的结果不可信。
2. 过去并不等于未来
在过去表现良好的投资策略,因为政策改变、投资者结构变化、经济环境变化、市场有效性提高等因素的影响,在未来可能会不在适用。如果继续使用这个策略,也会造成亏损。
3. 量化平台出现bug
在实盘交易中,量化平台出现问题,导致下错单,出现亏损。
4. 投资策略的根本假设存在错误
很多比较复杂的基于统计或者机器学习、深度学习的投资策略,往往基于正态分布的假设,而现实中,很可能不符合正态分布,所以,可能会存在在过去很长的一段时间中,回测表现良好,但是未来一出现极端行情,就会造成大幅亏损或者爆仓。
5. 资金管理的问题
资金管理有时候比策略本身更重要,良好的资金管理能够让你“睡得着”。
加杠杆一定要谨慎,尽可能要控制风险,不要追求暴利。
尽可能不要借钱投资;尽可能不要借钱投资;尽可能不要借钱投资;重要的事情说三遍。
资金管理不善,可能会导致在策略回撤的时候,不能扛过去,导致把好的策略给停掉,出现亏损;也可能会导致资金提前撤离,好的策略不能够继续运行,造成亏损。
后续会继续总结一些经验:
- 如何判断一个市场是否是安全可靠的?
- 如何判断一个市场是否达到了“弱式有效”,导致技术分析失效?
- 为什么随机游走理论在金融市场中往往不成立?
- 如何分析行情是震荡还是趋势?
- 如何确定在哪个周期上进行交易?
- 各个交易品种有什么异同?
- 如何自己建造一个回测框架?
- 如何避免回测当中存在的“坑”?
- 目前市场上都有哪些量化策略?
- 每个类型的交易策略为什么能够赚钱?各存在哪些缺陷?
- 如何判断回测结果是否可信?
- 如何判断当前的回测结果是否可以考虑上实盘?
………………
未来更多文章,敬请关注
转载自知乎:https://zhuanlan.zhihu.com/p/68905105