策略=模型+数据，打开量化投资的黑箱

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

作者： Superquant 来源： 量化投资那些事儿
这是一篇关于量化投资的浅显简单的介绍文章，主体内容来自于里什·纳兰的《打开量化投资的黑箱》一书的读书笔记。文章写于2014年本文作者刚开始硕士研究生学习期间，作为一名在本科期间从未接触量化投资之类的学生，在从金融工程转学概率统计硕士、并准备从事量化投资职业之后，读到此书给了我很大的启发，也希望能够给予正在或准备进入量化行业的各位读者一定的帮助。

一、何为量化投资

量化投资是将投资者和交易者的思想、经验和直觉反映在量化模型中，借助于计算机处理大量数据和信息来进行投资和交易决策。

二、为何量化投资

1、用机器帮助人脑快速预测金融市场

人类历史是一部用机器不断代替人力的发展演化过程，从原始时期肩挑手扛的生产到现代社会的大规模生产，从挥汗如雨的简单体力劳动到丝丝入扣的复杂逻辑推理活动，我们都希望将人的身体和大脑从繁杂的劳动中解放出来，使我们能够享受生活或者从事创造性工作。从一定程度上说，现代科学技术的进步使得我们已经能够将很多简单重复的工作交给机器去做。事实证明，没有生命的机器比人类更能高效而无误地做好重复性工作，因为它不知疲倦、不惧繁琐而且还不会情绪化行事。这就很自然地引导我们去思考这样一个问题：金融市场中的投资和交易活动多大程度上是简单重复的工作，是否可以把这些工作交给机器去做？如果投资和交易活动存在一定程度上的抽象性模式，机器是否有能力识别出这些模型并利用这些模式去预测市场？

在金融市场中，为了赚钱，无数市场参与者根据自己所掌握的信息做出个体的投资决策，在承担一定风险的条件下，通过交易活动将这些信息整合到市场中。因此，市场的价量变化就能够反映各种信息。既然各种运动都是有规律可循的，我们可以依据这些规律对未知事件做出预测，那么对金融市场同样也应该是可以认识和预测的。

2、是人类而不是机器应该对量化交易和各个方面负责

准确地说，量化交易是人类经过严格的研究后得到的交易策略，然后交付给系统去实施。尽管依赖于自动化执行和系统化执行，但研究过程和策略选择的主体是人类，系统用来交易的投资范围也是由人类来选定。这些赋予量化交易策略生命的人，也就是我们通常所说的宽客（Quanttrader）。宽客在研究中采用科学方法，虽然研究中使用了各种技术、数学方程和公式，可研究进程却完全依赖于人类决策。事实上，人类决策贯穿于量化交易策略从设计、实施到监测的各个环节。因此，量化交易策略和传统的主观判断型交易策略在投资上做法都差不多，只不过后者主要依赖于人类每天来管理投资组合。

3、量化交易策略和主观判断型交易策略的主要区别

量化交易策略和主观判断型交易策略的主要区别在于策略如何生成以及策略如何实施。因为对策略进行了细致研究，故量化交易者能够像科学家检验科学理论一样检验策略，并且借助于计算机系统实施策略，能够消除很多存在于主观判断型交易者的随意性。交易决策中的情绪、不守纪律、心态、贪婪和恐惧等心理驱动因素，能够在宽客的投资过程中得以消除，要知道这些心理因素恰恰是推动市场非理性运动的力量。这些心理因素被理性分析和系统化方法所取代，并且这些方法都是从其他众多领域学来的。对那些需要重复进行并且需要严格按照纪律执行的事情，计算机的能力毫无疑问可以超越人类。虽然人类在重复性的简单劳动上远逊于计算机，但是在创造性的复杂劳动上，计算机却不是人类的对手。

4、量化交易能够为市场提供流动性

量化交易借助计算机程序，能够快速判断市场行情进行下单，为市场提供流动性、提高交易效率，但在某种好程度上也加大了市场波动。

三、谁在量化投资

量化投资的目的就是资产管，证券公司、期货公司、公募基金和私募基金目前都在参与。

四、如何量化投资

1、 量化投资模型整体框架

2、 Alpha模型

Alpha模型分为理论驱动模型（自上而下）和数据驱动模型（自下而上）。

1）理论驱动模型

2）数据驱动模型

数据驱动模型采用数据挖掘（Data mining）技术，假设数据可以暗示将要发生的事件，并且借助技术分析可以识别出一些市场走势。成功的策略并不关心市场行为背后的经济理论和逻辑，而是用丰富的数据来检验统计结果。目前市场上存在很多数据挖掘策略模型，包括：

• 模式/信号识别

• 文本识别：新闻舆论热点，投资者情绪

• 机器学习：人工智能

  
  

3）混合驱动模型

采用多种Alpha策略组合起来使用，分别赋予各自权重，这一点和主观判断型交易有很多相似之处。

3、 风险控制模型

• 头寸规模管理

• 如何看待头寸规模限制水平（严格的约束条件和惩罚）

• 风险如何度量（波动率和资产组合相关性）

• 头寸规模限制水平用于何处（单个头寸或一组头寸）

• 资产组合的财务杠杆

  
  

4、 交易成本模型

• 佣金和费用

• 支付给经纪人、交易所和监管者

• 成本比例固定，易于计算

• 对整个交易成本来说微不足道

• 滑点

• 交易者在决定交易开始到订单实际上被执行两个时间段之内的价格变化

• 滑点是金融产品波动率的函数

• 市场冲击

• 短时间交易量巨大会对市场价格带来巨大冲击

• 与市场流动性相关

  
  

5、 投资组合构建模型

• 相等头寸权重

• 相等风险权重：根据波动率进行资产配置

  
  

6、 执行模型

• 订单执行算法

• 市价订单和限价订单

• 大订单和小订单：拆单

• 明订单和暗订单：伪装头寸，窥探交易对手信息

  
  

7、 数据

• 数据的类型

• 价量相关数据：订单薄

• 基本面相关数据

• 数据的来源

• 交易所：价格，交易量，成交时间，持仓量，订单簿

• 公司：财务报表，大股东持仓报告，内部人员报告

• 政府：宏观经济数据

• 新闻机构

• 专门的数据供应商

• 数据清洗

• 缺失值

• 错误值

• 奇异值：分红，配股，拆股

• 数据储存

  
  

8、 研究

• 根据各种想法提出交易策略：择时或选股

• 用代码写出交易策略（语言选择）

• 数据准备

• 历史回测

• 模型评价

  
  

注：本文首发于订阅号量化投资那些事儿，lhtz_news，欢迎关注交流

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏7 回帖

关键词：量化 量化投资 量化交易 策略

欢迎关注交流，订阅号量化投资那些事儿(lhtz_news)