金融市场量化交易的国际经验

内容提要

随着资本市场发展愈加成熟，量化投资也受到了越来越多的关注。大数据与人工智能技术如火如荼地发展，为量化投资的流程自动化和策略智能化注入巨大动力。国内量化投资起步较晚但发展迅速，借鉴国外量化技术的演进道路，未来国内量化策略将更加注重基本面的底层逻辑，并朝着多元化、自动化以及智能化的方向发展。

一、量化交易的国际发展历程

量化投资（Quantitative investing）是一种以数量化统计分析工具为核心、以程序化交易为手段的交易方式。

（一）萌芽阶段

海外量化交易具有悠久的发展历史。最早的量化交易的例子可以追溯到2500多年前。古希腊哲学家泰利斯通过观测星象，预测当年橄榄会丰收，于是他立即以低价租用了当地所有的榨油机。等到橄榄丰收的时候，他再以高价将榨油机转租。实际上，泰利斯相当于交易了一个榨油机的看涨期权。

（二）现代金融数学理论蓬勃发展阶段

20世纪是现代金融数学理论蓬勃发展的黄金时期，资产组合理论、资本资产定价模型、期权定价公式、套利定价模型等相继问世，为现代量化交易的发展奠定了坚实的理论基础。

1．均值方差模型

1952年，美国经济学家马科维茨发表论文《资产选择：有效的多样化》，给出了在给定的风险水平下，形成具有最高收益率的投资组合的方法，标志着现代投资组合理论的开端。

2．CAPM模型

基于马科维茨投资组合理论，1964年威廉·夏普团队进一步建立了资本资产定价模型（CAPM模型）。该模型用β系数衡量投资组合收益率与市场收益率的关系。

3．B-S期权定价公式

1973年，布莱克和斯科尔斯发明了对期权定价的Black-Scholes公式，对于有效期内不派发红利的欧式期权进行定价。

20世纪是量化金融理论蓬勃发展的黄金时代，一系列重磅金融理论相继诞生，为如今量化策略百花齐放打下了坚实的基础。

（三）量化技术百花齐放

进入21世纪，云计算、大数据、机器学习等计算机技术的发展，为人工智能（Artificial Intelligence）深入量化领域奠定了良好的基石。在实际投研中，我们可以对财务、交易数据进行建模，从而分析数据的特征，也可以利用机器学习领域的各类分类与回归预测算法构建交易策略。除了将数值数据作为模型的信息输入，新闻、社交网络中丰富的文本数据，也是我们分析市场变动线索的一大利器。此外，运用自然语言处理技术，我们可以学习非结构化文本数据的数值表示；运用知识图谱的相关技术，我们可以构建不同种类的实体连接所组成的关系网络，并根据关系网络辅助投资决策。

二、国际著名量化基金及其策略——以桥水基金为例

桥水基金（Bridgewater）是当前世界头号对冲基金，成立于1975年，创始人雷伊·达里奥（Ray Dalio），桥水基金是多种创新投资策略的先锋者。

（一）alpha和beta分离投资策略

传统投资组合中，股票的风险过大，组合收益对股票市场的表现过于敏感。通过大范围的分散投资，大大缩小投资的风险，同时通过各种金融衍生品，如期货、期权和互换等，来对冲一定的beta收益相关风险，进而实现beta和alpha的收益分离。基于上述投资理念，桥水基金设计了阿尔法覆盖策略，又叫可携阿尔法策略。分离策略下，内部的beta收益稳定且风险低，而外部alpha策略则可以通过投资其他高风险产品获得超额收益。

图1  传统投资组合

图2  alpha和beta分离策略组合

利用出色的投资系统，结合传统风险分散工具，在全世界范围进行投资项目的量化搜索，投资于相关性小的投资品种，建立beta收益投资组合，该组合能够大大降低系统风险。主要方式是通过运用杠杆，提高低风险资产的风险和收益，降低高风险资产的风险和收益，大大分散市场风险。

表1  传统投资组合与桥水基金beta分散化投资组合风险与收益比较

数据来源：Bridgewater

（二）alpha收益获取策略

获取alpha收益的投资组合建立是通过分散投资于大量相关性很低的资产，从而无论在任何经济环境下都可以获得稳定的alpha收益流。与低分散化alpha投资组合相比，选择高alpha收益的资产，并且构建大量分散化投资组合，可以建立更优的风险调整阿尔法组合。

表2  高分散化alpha投资组合可以获得更高超额收益

数据来源：Bridgewater

（三）阿尔法覆盖（alpha overlay）策略

绝对阿尔法对冲基金的主要投资策略是建立最优alpha资产组合，其最流行的策略就是阿尔法覆盖策略。该策略通过运用期权、互换或者期货等金融衍生工具对市场风险进行对冲，实现alpha收益与beta收益完全分离。

图3  阿尔法覆盖（alpha overlay）策略操作示例

三、我国量化交易发展现状

与国外相比，国内量化交易发展的历史较短。根据一些重要的事件发生节点，可以将国内量化交易发展划分为几个阶段。下面就每个时代的主流量化技术进行探究。

（一）阶段一：首只量化基金诞生

在2002年，国内第一只指数增强型量化基金——华安上证180指数增强型基金成立，开创了国内量化投资的新时代。随着光大保德信量化核心基金在2004年成立，主动量化投资理念在国内基金市场生长开花。虽然上述基金运用了量化技术，但是当年国内量化市场仍处于初创期，对于量化投资尚处于摸索状态。

（二）阶段二：股指期货上市，交易策略不断丰富

2010年4月16日，中国第一只股指期货沪深300股指期货（IF）上市，标志着中国做空机制的开端，量化交易的可行策略也得到了丰富。

该阶段的策略以中低频交易为主。此时的公募量化策略大致可被分为量化选股策略和量化对冲策略；而对于私募量化基金而言，期货策略、期权策略等也是常用的量化交易手段。

1．量化选股策略

量化选股就是利用数量化的方法选择股票组合，主要分为三大类：多因子选股、事件驱动选股以及基本面量化选股。

（1）多因子模型

多因子模型假设股票收益率是由一系列因素（因子）决定的，根据经济金融理论或市场经验寻找这些因子，然后通过对历史数据的拟合和统计分析进行验证和筛选，最后以这些因子的组合作为选股标准，买入满足这些因子的股票。

（2）事件驱动模型

在提前挖掘和深入分析可能造成股价异常波动的事件基础上，通过充分把握交易时机获取超额投资回报的交易策略。

（3）基本面量化模型

基本面量化模型是一种对基本面投资和量化投资的融合，是将计算机算法与人类的分析结合起来的一种1+1>2的新型投资方式。

2．量化对冲策略

量化对冲策略是通过衍生品或者做空股票等对冲方法来对冲掉系统风险，以获取绝对收益的一类策略。量化对冲策略主要包括：股票市场中性策略、股票多空策略、CTA（期货管理）策略以及套利策略等。

（1）股票市场中性策略：Alpha策略，从消除市场系统性风险（Beta）的角度出发，通过同时构建多头和空头头寸对冲市场风险，以期获得较稳定的绝对收益。

（2）股票多空策略：通过多头和空头的组合布局，降低整体基金的净头寸，分散系统性风险，从而获得与市场低相关的绝对收益。

（3）CTA（期货管理策略）：商品交易顾问对商品等投资标的走势做出预判，通过期货期权等衍生品在投资中进行做多、做空或多空双向的投资操作，为投资者获取来自于传统股票、债券等资产类别之外的投资回报。

（4）套利策略：当两个或多个相关品种的价格出现定价错误后，在价格回归的过程中，通过买入相对低估的品种，卖出相对高估的品种获利。

3．期权策略

期权也被称为选择权，是一种能在未来某特定时间以特定价格买入或卖出一定数量的某种特定商品的权利。从交易方式来看，期权策略主要可被分为以下几类：

（1）方向性交易策略：利用期权的杠杆特性进行方向性交易（常见的有买入看涨期权、卖出看涨期权、买入看跌期权和卖出看跌期权，或者基于不同行权价或到期时间的期权构建组合）；

（2）波动率交易策略：波动率是期权交易中非常重要的观察角度，与其他的金融资产不同，期权不仅能进行方向性交易，还能进行波动率交易；

（3）套利策略：对于期权而言，常见套利策略有平价套利策略(Put-Call Parity)、箱体套利、凸性套利、边界套利等；

（4）套保策略：风险管理是期权最核心的功能之一，期权与现货结合的套保策略也是目前机构常用的策略，如备兑开仓策略（Covered Call）、保护性看跌期权策略（Protective Put）等。

（三）阶段三：高频交易兴起

2015年4月16日，中证500股指期货上市，这意味着量化基金拥有更多的发挥空间，小盘股的对冲也更为便利。在此阶段，量化基金的策略逐步步入精细化和高频时代。

高频策略的速度很快且收益相对稳定。然而高频策略的缺陷也很明显，主要体现在以下几方面：一是策略容量有限。若策略规模达到市场容量上限，市场摩擦成本将显著增大，产品收益率将较难提升；二是主要关注市场的短期波动。如果市场结构发生变化，交易团队需要不断挖掘新的因子。

（四）阶段四：人工智能广泛运用

在此阶段，人工智能在量化策略的运用越来越广泛。相比于传统量化交易策略，人工智能策略具有自动化优势与非线性优势，同时更有充分挖掘海量数据中隐藏的规律的潜力。无论在收益率预测、组合构建、资产定价、文本分析还是交易执行环节，人工智能技术都有其用武之地。最近几年，国内头部私募相继大力招聘人工智能领域的优秀人才，同时投入巨额资金构建人工智能投研架构，可见该技术在国内量化领域方兴未艾。

四、量化交易发展的国际经验借鉴

国外交易市场与量化技术已较为成熟，国内起步较晚因此量化技术还有很大的发展空间。笔者结合海外的发展历程，对国内量化技术的发展进行展望。

（一）基本面逻辑强化

频繁交易带来的高昂手续费与交易成本限制了高频交易的流动性，高频交易的超额收益将不断降低，这也是海外成熟市场的发展经验。高频策略的有效性会随着规模的增大而降低，这也意味着量化策略以后将更加注重基本面的底层逻辑。

（二）量化策略智能化

随着人工智能领域感知、预测、决策技术如火如荼的发展，全球新发行的对冲基金中使用人工智能技术的公司比例正逐年提升。在国内，随着头部量化团队对人工智能人才、研究与架构的大力投入，国内的量化策略也有望向着数据化、自动化和智能化的方向不断发展，量化策略对突发事件的反应速度与迭代速度也将进一步加快。

（三）策略配置多元化

从资产配置的角度来看，多样性起到了很重要的作用，因而量化投资的全球化将是一个明显的趋势，这将促使量化基金开发覆盖全品种、全时空、多市场的投资组合策略。另一方面，伴随着国内资本市场做空机制的不断开发，量化策略也将不断丰富与完善。

作者：姜宇薇，南京银行资金运营中心

原文《金融市场量化交易的国际经验》全文将刊载于中国外汇交易中心主办《中国货币市场》杂志2022.04总第246期。

更多阅读

◆市场对美联储紧缩最关注什么？——基于百位基金经理调研

◆美联储货币政策正常化的路径解析

◆美联储货币政策正常化对银行外汇业务影响浅析

更多精彩内容

扫码关注我们