分类
外汇剥头皮交易策略基础知识介绍

对冲基金与量化交易解密

资产回报负偏态分布图

对冲基金与量化交易解密2-现实中的alpha

有价值的企业会涨,差的会跌。目前股价基本反应了市场对各种信息的解读。比如某个事件导致的UPS跌超过Fedex两倍。但是过一阵子当投资者理性化了,或者市场对信息的解读有变化之后,UPS与Fedex的股价又会回到合理区间。所有的交易有买方也一定有卖方。因此当基础投资者选中的股票盈利之后,99%的原因是由于某个因子而不是真正的alpha。比如在一个很常见的5因子模型:'市场风险beta','公司大小','成长','动量(momentum)','支撑现金流的投资'就能够解释绝大部分的收益(expected return)。在诺贝尔奖获得者Eugene Fama有效经济的理论下,市场alpha无论短期或者长期都为0。可是事实验证的结果却是相反的。西蒙斯的文艺复兴(Renaissance Technology) Medallion fund有年收益30%的事实就证明了市场并非一直有效。这里的解释有很多,不过一般人只能从事后了解到08年的次贷危机中的评级机构才是市场无效的导火索。提前预知的人其实就是找到了alpha。

所以我觉得alpha真正的定义有理论与实际两层:

  1. 投资人在特定的时间买对了特定的资产。这个时间区间可以是秒(西蒙斯)或者是年(次贷危机)。并且是在对手方因为某种原因意识到错误之前。
  2. 常用因子回归之外的确定因子收益。因子和股价一样无法预测,所以能预测的因子也是alpha。比如以上UPS和Fedex的例子,如果能持续发现一只股票相比较超跌是由于投资者对负面新闻过于敏感。然后把这个信息量化或许也可以在对冲其他所有因子的前提下提取alpha。

通过以上定义,你的对手越聪明,或者你的对手越快,就越难获取alpha。在市场开放,流动性足够的前提下,对少额资金投资者来说发展中的市场的散户更多,机构投资者更少,更容易盈利。但是最终能 稳定 盈利的大部分都是顶级量化基金或者价值投资。

下一篇我可能会谈什么才算是顶级的量化策略。比较常见的有两种,多资产规律和单资产预测。量化不是交易机器人,而是获取更高的胜率。比如在德州扑克里两张A的胜率是80%,但是你也只有用同样的胜率玩过够多局之后才会发现筹码的增长。在西蒙斯的基金里只要53.4%的胜率就足以让他们每年都获得比市场丰厚的多的收益。而他们最初的策略就是在外汇市场中运用Hidden Markov Chain,但真正的盈利是在2年模型不断优化后得到的。

对冲基金与量化交易解密

Alpha或者(额外收益Excess Return)是超过最好回报的收益,这个最好回报我们普遍用股票指数作为标准线。很多人以为alpha是守恒的,比如黄金或者比特币这种防通胀资产(non-yielding asset)里。有人赚钱也必须有人亏钱。但指数也只能反应一揽子股票,无法计算人力资本(human capital),社会和谐等带来的福利。阿根廷政府与经济非常失败,通胀高,利率高,汇率低,但是股市却节节攀升。这种情况下投资就不一定会输给对冲基金了。

阿根廷利率 阿根廷股市

寻找alpha并不是大多量化基金一开始首要做的事情。其实下单系统,数据分析,回测模型,仓位调整(position sizing),模型优化才是真正决定什么策略会行得通的要素。基金不同于自营交易还需要很好的风险管理(risk management)来保证投资者的最终利益。不同策略在不同参数或者系统下性能是不一样的。特别是在高频交易里,技术才是争夺的堡垒。只有那些非常成熟的杠杆内资产(AUM)在5千万美金(这是一个非常通用的临界值)以上的基金才会由于资金量大无法使用普通的策略:trend(趋势交易),mean reversion(区域交易),pair trading(相对交易)。因此雇佣许多数理博士来把最新学术理论实际化。在这方面最出名的是西蒙斯的文艺复兴(Renaissance Technology),由于他们的夏普比例(sharp ratio)远远高于市场上其他对冲基金平均值的1.5倍左右。

Simon 西蒙斯 - 文艺复兴基金创始人

传统金融学的知识其实和量化一样重要。量化基金会把传统金融( https:// tradingeconomics.com/ )对冲基金与量化交易解密 数据(比如利率的随机分析)整合到模型里面。用机器学习的方式来分析市场走向(risk appetite)测试不同的策略。忽略传统金融的量化基金往往更受黑天鹅事件或者负偏态分布的影响。

资产回报负偏态分布图

对冲基金与量化交易解密

实际上,我们量化对冲基金的目标便是力争“稳稳的幸福”——通过对冲掉市场系统性风险, 力争实现与市场波动无关的长期稳定的绝对收益 。(以景顺长城量化对冲策略三个月定开基金为例)

首先是, 市场下跌时,量化对冲基金有着独特的抗跌优势 。比如在2018年,沪深300指数下跌25.31%,普通股票型基金平均下跌24.74%,而量化对冲基金平均亏损仅0.25%,部分产品甚至取得了3%以上的年度收益。对比之下,量化对冲基金展露出较好的抗跌性。

再就是震荡市时,反复震荡下,单纯做多可能会非常“磨人”。而量化对冲基金的目标,是 对冲掉市场波动的风险,赚取超越市场的那部分超额收益 。因此,可以说量化对冲基金是不惧市场震荡的,甚至是适合震荡市投资的,尤其适合“爱波动”的A股。

解密一个量化对冲基金开发人员的工作内容

小壁虎的春天 于 2020-01-02 15:51:58 发布 403 收藏 1

360截图20200102151728031.jpg

价格/数据源:量化研究员和交易员需要根据证券价格时间序列开发自己的算法。因此,量化研究的一个重要方面就是获取高质量的证券价格信息。数据源类型多种多样。数据需要被检索、存储、清洗,并以统一的格式提供给量化人员。这是量化开发人员的工作,也是我几乎80%的工作内容。

信号/算法:这方面的工作涉及对获取的价格数据进行统计研究以识别交易机会。对冲基金所采用的策略是非常多样化的。对于量化基金,他们通常会采用趋势跟踪、均值回复、统计套利或高频/做市商策略等。所有的基金都会保好自己的底牌,因此,好的策略很少会透露出来。这一块就是量化研究员或交易员的工作。

执行/订单:一旦交易策略通过任何必要的回溯测试,并获得足够的理论性能,接下来就是针对交易执行的建模,将订单以最优的方式发送到交易所,同时不至于造成太大的滑价或交易成本。正如定价一样,博士团队通常会研究有效执行下单的算法,事实上,交易执行和信号有明显的重叠。一旦执行算法设计好,接下来就是执行量化开发人员的工作——建立与主要经纪商的接口以实现交易。此外,投资组合管理和调整工具需要完全自动化,以按需生成快照报告。后者约为我20%的工作内容。