前言：中文期刊网精心挑选了量化交易策略的研究范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
量化交易策略的研究范文1
在如今每位公民都想通过金融产品投资的方式来增加个人资产的时代，量化基金的高收益率逐渐被投资者所知。西蒙斯，一位世界级的数学家以年净赚15亿美元成为全球收入最高的对冲基金经理，名气可谓超过金融巨鳄索罗斯。大奖章年化以35%超越股神巴菲特年化20%的收益神话。而在2016年5月《机构投资者》旗下出版物《阿尔法》公布的“2016年全球收入最高的对冲基金经理”排行榜中前十位有八位为量化基金经理，前25位有一半属于量化分析。由此可见海外对冲基金的焦点正从宏观对冲基金转向量化对冲基金。
而在国内，量化基金正处于起步阶段，国内对于量化投资策略的研究较少。笔者以量化投资平台上自主开发的策略代码为例，通过对代码的编写优化及检验回测，使读者了解到量化投资的可操作性和高回报性。
1 量化投资策略概述
量化投资是计算机通过开发者编写的程序来进行分析以及交易整个的品种选择、交易时机、交易方向以及仓位管理都是通过计算机完成。它避免了投资者个人的情绪影响，完全自动化操作，和如今的工业2.0类似。一个稳定的量化投资策略往往可以胜任一位投资者的多种操作策略，尤其在风险管理上量化投资更胜一筹。
国内的主流量化交易平台有文华赢智、TB、金字塔决策交易系统和国泰安量化投资平台等。国内的量化交易平台繁多，而与海外动辄数百上千亿美元的量化基金相比，国内目前量化产品规模总体不大，而严格遵循量化投资理念的基金更少。并且A股市场发展时间较短，与发达国家比起来市场效率低太多，所以A股有很大的市场空间和盈利机会。本文以程序化实现简单、性价比高等特点的文华赢智为程序化交易平台为例，为防止成果泄露，以上证指数为模型进行探究。
首先，笔者先阐述如何建立一个量化投资策略。
（1）交易思路的确立。不仅仅是量化投资，就算是普通的投资者也需要一套自己的交易体系。赚不到钱，赔钱，一直观望，总之，所有交易中的不幸都可以归咎于没有一套自己的交易系统或者自己的交易系统有问题。
（2）将思路编写成投资策略。这一项是量化投资的关键，如何将自己的投资思路转变为?C器代码，首先是由你所在的交易平台所搭建的语言决定的，例如文华赢智就是使用的比较简单的麦语言。其次需要对使用的技术指标进行组合搭建，编写出可运行的代码。
（3）在计算机上进行回测，选取最优目标组合和参数。技术指标的参数设置往往决定了整个交易系统的成败，一点点小的误差往往会导致千差万别的结果。笔者格外强调资金管理是投资体系中非常重要的部分，却是大多数投资者忽略的环节，这需要读者进行不断学习研究。
（4）进行实盘操作，在操作中不断完善投资策略，评价该交易代码。评价程序化交易模型性能优劣的指标体系包含很多测试项目，但主要评价指标有年化收益率、最大资产回撤、收益风险比、夏普比率、胜率与盈亏比等。在下文中笔者将对这些评价指标进行分析。
2 量化投资策略代码分析：以文华赢智交易平台为例
在文华赢智中，进入趋势模型跟踪编写平台，利用麦语言中已存在的函数进行编写，现笔者将自行编写的其中的一个策略代码贴出：
MA1：=MA（C，N1）；//多头均线
RSV：=（CLOSE-LLV（LOW，N））/（HHV（HIGH，N）-LLV（LOW，N））×100；//收盘价与N周期最低值做差，N周期最高值与N周期最低值做差，两差之间做比值定义为RSV
K：=EMA（RSV，2×M1-1）；//RSV的指数移动平均
D：=EMA（K，2×M2-1）；//K值的指数移动平均
C>MA1 AND CROSS（K，D）；//MA1均线上方，KD金叉，买入
CROSS（D，K）；//KD死叉卖出平仓
参数设置：[N1=10，N=44，M1=M2=27]
笔者需要对参数的设置进行重点提醒。测试参数的不同会对测试结果产生非常大的影响，对于参数的精确设置影响到交易模型的可行与否。
这其中，笔者进行的是顺势交易的代码编写。顺势交易，是顺着当前的趋势进行交易。如果当前趋势上升就买入开仓，当前趋势下跌就卖出开仓。为了防止恶意做空，本策略只进行多头行情的研究，空头行情并没有叠加进来，所以收益率要比双向行情要低。
下面对此策略代码进行回溯。对交易模型的测试结果是否满意主要与品种、时间、手续费费率有关。不同的品种相同的策略有不同的结果，测试的品种越多，越能检验出策略模型的适用性。在时间上，如果所采用的历史数据越少、时间跨度越短，测试的市场状况就越狭窄，策略的可靠性就越差，反之亦然。手续费费率的影响就不用多提，但是有关滑点的问题也是策略需要多加研究的方面。
交易人员最关注的是策略到底能否盈利，能赚多少。交易的盈亏额能完全反映这一点。在如下的季度统计图和年度统计图中可以看出从2009年8月到2014年11月各有盈亏，比较温和，总体的波动幅度并不大。而从2014年11月开始，出现了一直盈利并且幅度较大的状况，尤其是2016年年初的季度，最高的盈利额达到了110354元，这比2014年前总的盈利还要多。而从2016年第一季度后出现了亏损，但是幅度并不大，而后又出现了盈利的情况。该策略在该时间段是盈利的，符合模型最基本的要求，季度统计图和年统计图如图1所示。
交易者在一个策略中拥有的资产总和也是其关注的重点。假如交易者所用的权益小于某一理想的数值，他可能会停止该策略的继续进行，这也是我们常说的回撤问题。在如下的权益曲线图中，交易者的权益几乎是一直递增，并且在2014年年末后斜率变大，由此我们可以得出使用该策略几乎不存在回撤问题，对于交易者的心态有着积极的作用。权益曲线图如图2所示。
每次交易的盈亏额也是交易者关注的问题，如果亏损数量过大，再加上杠杆的作用，可能就会出现爆仓的问题。首先说明，此回溯并没有加进杠杆因素，国内保证金按保守20%计算，也就是5倍杠杆，虽然不太大，可是影响还是有的。在如下的盈亏分布图中，可以看出最大的一笔亏损出现在第500次左右交易时，亏损额为27523，而最大的盈利额也是出现在附近，盈利为32916，看来这附近的波动很大，应该有政策因素在内的影响。该策略总体来说单次盈亏额波动并不大，比较稳健。盈亏分布图如图3所示。
只有图表并不能准确地反映出策略的完全可行性，下面将此策略的测算报告给予公布。
我们从测算报告中可以很容易得出此策略一共测试了2772天，无杠杆收益率为六年50%，而且只是多头策略。而自2017年2月17日结算时起，沪深300、上证50股指期货非套期保值交易保证金调整为20%，所以5倍杠杆的话就为250%。如果只看重策略的收益率却忽略了回撤风险是极其冒险的激进策略。如果策略的收益风险比相同，但是结果还是要取决于资金管理决策。
笔者在此将夏普比率进行说明。评价策略的优劣应从收益值和风险一起考虑。调险后的收益率就是一个同时考虑进了收益和风险的指标，能够排除风险对评价的不利影响。1966年，夏普提出了著名的夏普比率：S=（R-r）/σ（R为平均回?舐剩?r为无风险投资的回报率，σ为回报率的标准方差）。此公式表示为尽量用最合适的方法用小风险换得大回报。如果为正值就说明投资收益比银行存款利息高。比率越大说明所获的风险回报越高。该策略的夏普比率为22.83，可见是一个理想的策略模型。
3 结 论
量化交易策略的研究范文2
胡俊敏是物理学博士，她是怎样跨专业从事投资行业？
她管理的博时特许价值基金，从2012年6月接手到年底，净值增长幅度居同类前20%，她是通过怎样的操作大幅提升基金业绩？
博时特许价值基金是量化基金，量化基金的操作又有怎样特点？
每日基金特邀胡俊敏博士，倾听她的人生经历和投资理念。
张学庆：从您的简历来看，是物理学博士，这是典型的理科学科，当然您后来又做过量化研究的工作，但您目前从事的工作是投资，是属于金融学这类范畴，这两个学科距离特别大。您之前研究的物理学、化学 ，对于投资有何帮助？
胡俊敏：当年念物理，现在做投资，不是事先计划好的，而是当时的历史环境造成的。我大学的时候是八十年代，中国还没有股市，我连股票是什么都没有概念。因为我比较喜欢跟数字打交道，就学了物理。去哈佛后，刚好碰上一些量化金融理论得到应用，华尔街需要有很强数理根基的人才。而由于美国经济不景气，教育经费不足，学术界又人才过剩，于是华尔街就吸引了大批的数学、统计或物理的博士。我在哈佛有机会初步了解到金融投资。
现在回头看，我学物理出身，做过材料研究，做过量化研究，现在做量化投资， 不是必经之路，但是确实每一段经历形成了我自己的知识结构，对我的投资理念的形成有不同程度的影响。
对于市场的理解。市场是否处于均衡的状态，金融界有很多争论。统计物理关于均衡非均衡态的理论以及量子力学的不确定原理我觉得一定程度上也适用于股票市场。股票市场不停地有新的信息，不同投资者对信息的接受和反馈不是瞬时的。另一方面，投资者行为与股价又是互相影响的，所以市场是处在一种不完全均衡的状态。市场过热现象也是不均衡态的一种表现。
数学统计上几率分布的概念在投资中是至关重要的。经常有投资者问我，你觉得下面一个月市场是涨还是跌，其实这是很难预测的，沪深300指数平均月收益为0.5%，但月波动率有9.1%，一个月的收益有2/3的几率分布在-8.6%到9.6%之间，波动性非常大。
逻辑思维方式和分析解决问题的能力。研究生的时候我做的是实验物理。就是通过对一些现象的观察和研究，找出规律，验证和发现基本原理。投资中由于信息多，频繁、且不完全，具备理性的逻辑思维和抓住问题本质的能力就非常重要。
张学庆：除了在学校中所学的知识，在后来工作中，还需要增加哪一方面的训练？才能成为一名合格的基金经理。
胡俊敏：量化基金经理需要的知识面比较广。除了比较强的数理基础和编程能力，下面几个方面的知识也是非常重要的。
基础金融知识：我业余选修金融方面的课，并通过准备CFA的考试补上金融知识的缺。争取到量化分析师的工作机会
量化投资管理：这有一整套理论框架。我当时在巴克莱资产管理公司任基金经理，有幸参加了《主动组合管理》作者Ron Kahn的课程。这本书被认为是量化投资的圣经。
行为金融：指由于投资者心理或思维偏差造成市场不有效的各种现象。量化投资之所以可行，就是因为股价由于各种原因而偏离其真实价格，有一定统计性规律可循。
市场经验：需要积累，我目前也在逐步积累A股市场的经验。
有志加入到量化投资行业中的朋友们可以针对各自的知识结构，制定出自己的准备计划。
张学庆： 您一个人管理5只基金，这可能得益于采用了量化的方法，同时管理五只基金，你会采取怎样的分配方法来统筹自己在五只基金间的精力分配？
胡俊敏：这就是量化投资的优势。首先，整个投资流程高度自动化、系统化。每天开盘前，所有基金及模型所需数据都已更新到基金管理系统里。其次，量化投资团队，基金经理后面有基金经理助理、量化分析师及IT的支持。基金经理只需将时间花在最关键的地方。具体讲，
量化基金，比如我管理的特许价值，以及和王红欣博士共同管理的裕富沪深300基金：更多的是模型管理，而不是个股管理。组合里的股票可能有上百只，但是我需要管理的是有二、三十信号构成的模型和一些组合构建的参数。需要交易的时候，可以根据模型用优化系统进行计算，我会检查模型结果是否正确，然后批量交易，而不是一个股票一个股票地分析、决定。。
张学庆： 您管理的基金比较多，有主动配置型，有被动配置型。能否给基金投资者一些建议，那类基金适合哪些投资者投资？
胡俊敏：特许价值基金是一只主动股票型基金，通过量化多因子选股模型在各行业内精选个股，以期获得长期跑赢市场的超额收益。风险要比纯被动或增强指数型基金高，但是超额收益的空间也高，适于有中等风险承受力，投资期间较长，对收益有较高要求的投资者，也可作为长期资产配置的一个成分。
张学庆：做为基金投资者，如果不看好市场，您认为他们有几个措施能够躲开市场风险。
胡俊敏：根本解决的方法是调整资产配置比例。如果对股票市场的未来不看好，那就降低在股票类资产的配置，将卖出的资金放到债券、其它投资品种、或现金上。因为对于市场的判断很难百发百中，所以在调整配置的时候即使不看好股票市场，仍然建议保留一定的股票类资产，市场走势常是不确定的。
同时，普通投资者择时的能力是比较差的。所以我给普通投资者的建议是1）采取定额定投的策略，牛熊市无阻的坚持投资。2）不要将所有的鸡蛋放在一个篮子里。分散投资，做长期资产配置。长期而言所承受的风险是有收益的。
张学庆： 博时特许价值现在规模是11亿，一个基金经理，他管理的资金到达多大规模之后，就会影响到业绩的增长，这也提醒投资者，选择基金时也要注意规模。
量化交易策略的研究范文3
他们和先前的人工交易不同，用数学统计出此前的交易规律，建成模型，用程序来交易。他们大多有较高的学历，或物理或数学或IT背景。他们用模型、公式克服人性的弱点去交易，赚取理性的利润，这个工作叫量化投资。
这是近几年才形成的一个低调的金融圈子，尤其是今年来，这个圈子似乎风生水起。算法、编程、想法、策略、模型成了这个圈子中的常用语，他们分布在券商、公私募基金、期货等金融行业，他们在创新中摸索前进，优秀的团队也不少见。
谨慎的宽客人
量化投资圈的人喜欢自己被称为“宽客人”或“矿工”。所谓“宽客”即金融工程师，他们靠编程序去设计模型，用数学的方法分析金融市场，找出影响价格涨跌的相关因素，规避其中的风险，获得收益。
徐明（化名）是上海艾革瑞投资团队的创始人之一，有着大多数编程人员的内秀和儒雅，自信的微笑又暗示着自己不是普通的“码农”。清华大学数学系学士，香港科技大学工业工程与物流管理系博士，精通数学建模、金融工程、组合优化和人工智能算法，这些标签和不少量化“宽客人”类似，他们具备这个行业的先天优势。
徐明在中山大学管理学院管理科学系任教期间，对金融工程产生了浓厚的兴趣，西蒙斯的经历和成功给了他极大的鼓舞，逐渐走上专业量化交易这条路。
十月，天气渐冷。《中国证券期货》记者联系上徐明时，他正带着自己的团队参加海通期货2013年的“笑傲江湖”实盘赛，目前成绩位列投资家组第三名，这不是第一次参加海通期货的实盘赛，去年以总收益89%、总收益额189万，获得程序化组亚军。
“艾革瑞”，源自“Algorithm”（算法）的译音，创始人的量化定位可见一斑。团队主要成员在2012年开始全职投身于程序化交易，多具有证券期货投资、金融工程研究和IT项目开发经验。艾革瑞团队主要做股指期货日内交易，交易频率比较低，平均一天做1个来回的交易，持有时间一般都要超过1个小时。
量化交易和人工交易有一个很大的不同，就是模型的建立。“程序化交易更像一门科学，需要投资者具有较高的模型开发和系统开发能力，以及对于交易规律的深刻认识。”徐明认为，人工交易更像一门艺术，需要对经济周期和行业发展有独到的眼光。
对于模型，“宽客人”都视为自己最核心的秘密武器，往返于华尔街和上海的徐明和其他讳莫至深的受访者不同，对模型提出了自己的看法，“模型是用数学方法找规律，而数学方法找规律很容易过度优化。”
对于投资行业的深刻认识更为重要。徐明表示，“国内金融市场和华尔街还是有本质的不同，对于中国市场期货交易的认识和理解，比运用各种数学模型更为重要。很多系统在数学上是最优的，但是在实践中并不是最优的，而且还可能是有极大风险的（即过度优化）。”
策略是量化“宽客人”的另一个交易核心。“如果交易经常不盈利，就不能仅仅认为是利润回吐了，要考虑策略是否失效。”金华强调。
策略是否失效是所有程序化交易者面对的一个非常难的问题。“失效”本身就很难定义。日内趋势的策略胜率一般都不到50%，所以总是有赔有赚的。赔钱的连在一起，就连续回撤了，这其实只是亏损连在了一起而已。不同的时间，市场的规律也会呈现不一样的特征，所以也很难判断暂时表现不好的策略是否就永久不好了。
所以，最重要的不是判断策略是否已经失效，而是在策略表现不好的时候可以找到原因和解决办法。
在2013年第二季度，艾格瑞团队就经历了一个较大级别的回撤，后来发现系统的很多亏损来自于“过度预测”。直观的理解就是市场还没有开始趋势的时候，系统就进行了未来趋势方向的预测。这一能力在过去的一年都不错，可以获取超额收益；但是可能是因为市场氛围变了，现在不仅不管用，还会带来连续的亏损。
后来艾格瑞团队对策略进行了调整：其一，相关性小的多周期、多系统非常必要。其二，用一套系统的方法去辨别哪些是市场里稳定的规律，哪些是不稳定的规律。其三，在风险控制上更为严格和保守，在谨慎保护本金的基础上，实现盈利。
调整策略后，解决了“过度预测”的问题，然后系统就又恢复了正常。从运行两个多月来看，表现比较稳定。
摸着石头过河的机构
机构投资者对量化投资的关注也越来越多，光大证券“816”事件揭开了冰山一角。8月16日，光大证券量化套利资金超过了200亿，乌龙事件一度引发国内A股和股指剧烈地震。据中国量化投资学会理事长、量化投资经理丁鹏透露，“目前国内量化投资资金的体量已经达到1000亿元。” 这些资金或主要来自券商和险资自营的量化套利资金，以及公私募的量化基金。
业内人士指出，国内某另一家券商在量化上投入的套利策略资金超过了300亿，远超出光大的投入资金，目前，不少券商也在用巨额资金更新IT设备，加上公私募资金，在量化上的投入远超过1000亿。
据悉，光大和海通等券商经营量化套利这项业务上，年度收益约10%-12%，甚至达到10%-15%或更高。如果按200亿元的管理资金来看，带给券商的直接收益就达到20亿-30亿元。这一盈利数字可能近年来熊市中某些券商一年的营业收入。
由于A股市场实施T+1交易，券商量化交易部门在A股从事高频交易的资金较少，据业内人士推算，大约有20亿左右。如果A股市场实施了T+0操作，估计更多券商大资金投入。
公募基金排名的压力，参与股指期货对冲仓位比例不超过20%限制，都成了公募基金量化投资无形的镣铐，短期内难有多大规模。
“公募基金做量化很费劲。”王萌（化名）坦诚表示。
王萌，上海交通大学计算机硕士，资深软件工程师，具有多年软件开发和管理经验，以及金融市场投资经验。已经在资本投资市场10年了，目前是上海某公募基金的总监。
“由于参与公募基金的排名，不可能完全做到量化管理，大多都有主动管理的因素在面。”王萌坦言，这和采访国内某期货公司量化部经理时的话，颇有几分相似，“目前国内公募基金的业绩也没有听说那个做的业绩挺好，更多的是一种宣传噱头。”
而私募则相对轻松的多。私募资金私募基金在量化基金设计上，主要侧重于量化多空策略的经营，目前国内有数十款产品在做，虽然规模算不上太大，但收益稳定保持在9%-15%还是容易做到。
张强（化名）在华尔街做量化投资多年，回国后成立了自己的私募公司，量化操作股指期货。15个月来，资金收益保持在25%，这个业绩在行业里可能算不上多高，但是出奇的稳定，这正是量化投资追求的最高境界，关键是稳定收益。远比上半年盈利50%，下半年亏60%好的多。更难得的是，15个月来回撤仅仅1.5%。这和公募基金带着“镣铐”跳舞形成了鲜明的对比。
无法阻挡狼来了
目前国内的量化投资刚刚起步，发展还受诸多因素困扰。
政策性因素扰动、历史数据不足、数据准确性差、T+1的限制，金融衍生工具不够丰富，风控的完善、系统软硬件的限制等，这些都是量化投资在国内市场的瓶颈。
政策性因素扰动也很明显，证监会对光大证券“816”的巨额罚款，对光大证券在券商中量化的领先地位颇有打击，同行不得不放慢了量化的步伐。
对于数据的不充足以及准确性差，也深受其害，财报质量和国外压根就不在一个档次，查阅数据也只能追溯到最近6、7年，这对用数学的方法统计数据建模型造成了直接的影响。
而某期货公司的董事总经理则直言，目前国内期货市场还是T+1，还没有开通夜盘交易，而国内期货市场又受国外盘影响巨大，国内盘受其影响隔夜暴涨暴跌再正常不过，而依靠数据、模型的量化交易只能是无可奈何，这也是国内商品期货量化操作业绩不理想的原因之一。
金融衍生工具不够丰富，也是国内量化投资的一大影响。目前国内量化投资仅能运用在商品期货、股指期货和国债期货上，还限制颇多。比如股指期货，国内每天挂单不能超过500手；国债期货开通不久，成交量有限；期货市场虽然套利客观，但容纳资金量有限。
据业内传闻，光大证券的量化部门前期运行投入资金是1500万元，如果再加上维护费用，数目不容小觑。
这在券商同行中绝不是孤例。尽管如此，因经验不足，还是在风控上闹出了震惊中外的（816）乌龙事件，对量化的影响可见一斑。
光大乌龙事件暴露出机构投资人在追求创新时忽略了风控的完善。“光大虽被证监会罚款5个亿，但券商用自营资金做量化的赚钱能力也被大众所知，未来会有大量的钱涌入。”一位机构人士认为。
丁鹏认为，“不能因为光大事件，就将先进技术和理念拒之门外，绝对收益是未来趋势。”
国内金融市场，尽管在量化上还存在着不少的问题，但这引人注目的量化投资前景依然引起了国外大鳄的注意，我们无法阻挡：狼来啦！上述某期货公司人士透露，“韩国成熟的量化投资团队，已经进入国内市场开始剪羊毛，据说比国内的量化机构能量要大的多。”还有更恐怖的团队，国外量化操作鼻祖巴克莱已经在国内完成了前期量化测试，不久也会携带巨额资金和先进的理念来分一杯羹。
模型避免过度优化
量化交易策略的研究范文4
2013年，量化投资成为了仅次于互联网金融的投资界关注焦点，而作为银华基金副总经理、量化及全球投资总监的周毅，则给记者一种波澜不惊的感觉。4年来，他目标坚定、善于布局、踏实理性、运筹帷幄，从产品、团队、策略3条主线入手，以高效的节奏，为银华基金在中国的量化投资市场上，一步步竖起了鲜明的旗帜。
周毅认为，在中国量化对冲产品有着广泛的客户基础，投资者对这类产品的需求潜力很大。只要做好产品和策略，满足客户的投资需求，量化对冲产品将有十分广阔的发展空间，而且随着监管制度的变革以及金融工具的发展，量化对冲事业的春天已经到来。
4年精磨优秀团队
2010～2011年，周毅以分级基金作为量化投资的突破口，带领银华量化团队初战告捷。2012年，周毅向着量化投资本土化进一步迈进，这一年的目标是——从量化专户开始尝试绝对收益，团队先后建立了侧重阿尔法策略和套利策略的研究小组，在克服了高频交易限制、数据库不完善、集中交易制度、佣金费率等多方面约束的情况下，当年银华专户产品中表现最好的账户的年化收益率（扣除各种费率后）大幅超越同期沪深300指数，而波动率仅约为沪深300指数的1/3。
2013年，来自银行渠道的数据显示，银华基金管理的量化对冲专户扣除全部费用后的平均收益率达到12.65%，净值波动率却仅为沪深300指数的1/4，而夏普比率则高达1.95，创造了稳定的绝对收益。此时，银华的量化专户规模已超过10亿元。
“分级养量化”策略大获成功。金牛理财网的最新数据显示，截至3月6日，银华的分级基金场内规模达到234.56亿份，占市场规模的45.43%。今年以来的日均交易额近4亿元，占全市场的一半以上。与此同时，也为公司带来了非常可观的利润贡献。
成绩的取得与银华基金量化团队的打造密不可分。作为一名拥有15年从业经验的量化投资者，周毅深知，严格意义上的量化团队应该是一条流水线产业链，锻造这样的团队，绝非一朝之功，而靠“一笔钱挖一两个人”来建设量化团队也非长久之策，他立志要打造一个和国外一流对冲基金建制类似、水平相同的团队。
瞄准需求勇夺市场
在练好“金刚钻”的同时，2014年，信托业拐点也带给量化对冲更好的发展时机。周毅认为，信托与量化对冲，看似毫无相关性，但实际上面对的是同一类投资者——追求稳定回报的高净值客户。
“过去几年，信托做得非常好，刚性兑付带来了低风险下的高回报。投资者更热衷于信托产品，而对冲基金则相对显得冷门。”周毅说。而到了2014年，事情正在发生变化。对非标投资的控制让信托业走入瓶颈，2013年年底，信托发展所依赖的房地产业和矿业进入衰退周期，多只信托产品出现兑付危机，打破信托刚性兑付的呼声也越来越高，这意味着其投资属性正在改变。
周毅认为，面对这种趋势，未来可能有一部分投资者将从信托产品中脱离，转而选择新的投资方向，而对冲基金则恰恰能够满足此类客户的需求。此外，与信托产品的投资标的不同，量化对冲产品的投资主要基于二级市场，从市值披露和流动性来讲，更加透明，更加清晰。
然而，对于任何新兴的投资种类，要想取得投资者的信赖，需要的是过硬的管理业绩。银华基金便是凭借专户产品在过去3年持续优异的业绩表现，在市场上逐渐获得了追求稳健回报的投资者的认同。
银华量化对冲专户的优秀业绩表现源于其独门策略。周毅表示，国外有很多成熟的对冲策略模型，但要应用在A股的投资实践中，还需要很长的本土化过程和探索。3年来，银华的量化团队一直致力于探索适合A股的量化对冲策略和投资模型，并在实践中对其进行检验和不断完善。
具体而言，就是根据A股市场的特点，将理论上的阿尔法策略加以改造，以传统的主动型股票研究分析结果为基础，利用多因子模型来控制组合的风险和相关性，追求超越市场平均回报的绝对收益，为投资者提供持续稳定的阿尔法回报。
周毅表示，对冲投资策略程序一旦设定好，就像是一个冷静理性的基金经理，没有贪婪和恐惧等情绪。投资在这种情况下变成流水线，它可能做不到最好，但从质量稳定性角度来看，它就是最优的选择。量化投资可能产生不了历史上最棒的基金经理，但确实是一种回报稳定的投资方式。
机制创新预示对冲“春来到”
周毅认为，对冲基金在国外已经发展成为一个成熟的投资领域，整个市场的有效性比较高，同时有大量的金融工具可以使用。投资组合中的任何一种风险，都可以找到对应的衍生工具进行对冲，有很多种工具能够精准地满足客户对风险收益的要求。但在国内，A股市场的融资融券成本过高，衍生品起步相对较晚，可用的对冲工具也非常少，这些都制约着对冲基金的发展。
例如目前A股能够用来对冲系统性风险的工具只有沪深300股指期货，在操作中，只能通过放空沪深300股指期货来对冲组合风险。这就意味着，应用这种策略的组合在市场呈现大蓝筹股单边牛市的情况下投资难度较大，这也是量化投资能够在2013年的结构性行情（创业板、中小板表现明显好于主板）中表现优异的客观原因。此外，对冲工具的匮乏也制约着对冲基金规模的发展，周毅测算，仅就目前的投资标的而言，银华团队可以有效管理的量化对冲基金规模极限或为50多亿元，而单只对冲基金的理想规模大约是5亿元左右。
不过，在今年的两会上，全国政协委员、上海证券交易所理事长桂敏杰在接受中国证券报记者采访时表示，上交所正在努力推进蓝筹股实行“T+0”交易制度。周毅表示，他期待中证500股指期货、个股期权以及股指期权的推出。他坚信，从发展趋势来讲，中国的衍生工具会越来越多，国外成熟的量化对冲投资模式未来在中国大有用武之地，同时量化投资管理的资金规模也会变大。
量化交易策略的研究范文5
此前王伟林是天津东源（天津）股权投资基金管理有限公司（下称“东源投资”）创始人之一，旗下管理的定向增发指数化基金去年收益率达到了40%，在私募中排名第二。
“我本来想待到年底，拿到私募亚军的光环再走，但最后与几个股东在投资理念上不合，加之看到市场形势会好转，就毅然离开。”王伟林笑着告诉《投资者报》记者，“现在看来，我这次是看准了。”
他曾在华尔街做过7年投资工作，因承袭海外经验，自己创业时选择了另类投资的道路。他告诉记者，未来公司私募产品的重心将发展定向增发基金、量化基金等等。
钟情定向增发
即使另立门户，王伟林仍然钟情定向增发，他将继续活跃在定向增发市场，直接和老东家形成竞争。东源投资就是一家专门投资定增产品的私募公司。
王伟林告诉记者，他离开的一个重要原因是与东源投资管理层在投资理念和方法的不一致。东源投资总经理王雪涛提出的一个理念是“大概率、小赔率”及“市场（公司）测（看）不准”理论。而这种“大概率、小赔率”方法运用在定增投资上是不可行的。
定增价格和二级市场价格之间有一定的折价，这一直被认为是定增的超额收益。过去，定向增发价格的确有30%～50%的折扣，投资者不用做研究就能获得“阿尔法”。“但这是历史，现在战场变了。”王伟林说。
“近两年，参与定增市场的投资者越来越多，A股市场又不断下行，导致定增市场的折扣率不断缩小，从过去的超30%到如今不过10-15%，有的项目甚至低于5%。单纯依靠定增的折扣率已经没有办法覆盖所有的风险了。”王伟林认为，不做研究、不动脑筋的定向增发策略跟赌博没有太大区别，是“靠天吃饭”。
他告诉记者，在股票投资中，量化投资（统计规律）之所以有效，是因为可以一次性买入几十只股票，分散风险，实现统计规律。但是在定增指数投资中，由于不同股票定增发行的时间不同，你不可能一下子买齐，很难做到在短时间内达到分散，因此统计规律不能实现。如果你有足够的资金还好说，资金不足、碰到一个地雷，公司的资金就可能全部砸进去了。
“东源就很不幸，第一次投资就碰到了地雷——安凯客车。2011年8月份5000万投资了安凯客车，到12月份底净值一度跌到0.72元。面对惨景，无力扭转，东源投资的管理层一度灰心到撂挑子不干了。”王伟林回忆说，“最后产品由我接手，改变之前广撒网的投资模式，后来在我的力主下投资金螳螂、宏源证券等，净值才慢慢恢复。”
在他看来，以后做定增不能做简单的“被动”财务投资，而是要更深入地介入公司。只要投资人拥有相当大的股权，就有权指定董事会成员并影响公司管理层的聘任，真正地参与到公司中来，增加对公司的了解，提高投资的确定性。
他告诉记者，在海外对冲基金的策略中，就有定增基金专门找问题公司投资，通过控股问题公司，建立新的管理层，并对公司进行分拆重组等。
涉足量化交易
在上海道宁，除了做定向增发外，王伟林还构建了量化交易等产品线。
王伟林有着丰富的经验，在华尔街7年，曾经担任Rasini & Company高级研究员、组合基金经理，恒星资产管理有限公司研究总监，因此对于舶来品——量化交易驾轻就熟。
从国外回来后，他一直在中信建投总部负责私募业务，开发了一套私募基金评价体系，对于国内的竞争对手都有充分的了解。渠道方面，长期以来和银行打交道，在募资渠道方面也有优势。
他告诉记者，他们公司量化交易最独特的地方是，加入了长中短仓位元素。因为纯做市场中性的量化交易，市场收益率有限，每年可能就有7～8%的收益率，在国内不能满足投资者的需求，加入了仓位变化，再加上杠杆就可以获取更好的收益。
上海道宁的量化交易将和北京名策数据处理有限公司合作，两家共同产生的策略用于私募化产品。这家公司的创始人来自JP摩根，在程序化交易非常在行。
目前，他们已经构建了不少的策略。王伟林举了一个例子：今年8月份，我们就看空白酒，在市场下跌是做空了白酒股。在下跌以后又做了配对套利策略：做空茅台、做多五粮液；做空茅台、做多青青稞酒等。这些策略都取得了很好的绝对收益。
这种配对有估值/成长性配对、区域差异配对，涉及多种维度。国内少有人实践过这样的策略。“未来产品设计中，我们将配对策略、股指期货、融券都放进去，这样的产品会非常有诱惑力。这样的产品波动性比较小，同时可以运用杠杆把收益提上去，这将是我们的优势。”王伟林称。
新周期的起点
尽管股市上涨了很多，目前开始有了调整，但是王伟林非常乐观：“股市已经扭转了颓势，股市未来将会持续走好，这将是一个新周期的起点。”
十提出的新型城镇化建设，不是一天两天的事情，未来几年都会持续，这个主线将会持续拉动经济的增长。虽然有券商称，目前反弹的市场，股市已经反映兑现，但是在他看来，他们没有把经济周期看清楚，没有将政府工作报告解读透。
量化交易策略的研究范文6
[关键词]EMD；SVM；量化交易
doi：10.3969/j.issn.1673 - 0194.2016.20.043
[中图分类号]F224 [文献标识码]A [文章编号]1673-0194（2016）20-00-01
0 引 言
随着计算机技术的快速发展，人们对复杂事物的处理方法也更加高效。量化投资就是随之而发展起来的交易方法，主要理论来自于数量金融学。从20世纪50年代至20世纪末，数量化金融从马克维茨的均值-方差模型到CAPM（资本资产定价）模型、ATP（套利定价）模型，再到ARCH、GARCH等计量经济学模型都取得了惊人的成绩。21世纪至今，非线性的研究方法取得了重大突破，极大地丰富了金融研究的手段和方法。在前人理论的基础上，本文利用EMD（经验模态分解）算法对原始价格信号去噪，再利用SVM（支持向量机）对价格涨跌进行预测确定交易。
1 理论与模型
1.1 EMD
经验模态分解（EMD）是由NASA院士黄锷提出的一种处理非平稳和非线性信号的分析方法。与其他信号处理方法不同的是，EMD是一种自适应的分析方法，在不同的工程领域得到了成功应用。EMD假设任一复杂的信号都由本征模态函数（IMF）和趋势项（r）构成，其数学表达式如式（1）。IMF的提取关键步骤是获得原信号的上下包络线并求得其均值，最后再将原始信号减去其均值即可获得IMF。其中包络线一般采取插值法来获得。
1.2 SVM
支持向量机（SVM）是一种基于统计学习理论的模式识别方法，其在生物信息学、文本和语音识别等领域取得成功。算法的核心思想是：确定一个最优的分类超平面使分类误差最小同时类别间隔最大，对于线性不可分问题通过核函数（本文采用高斯径向基函数）映射到高维空间再进行求解。SVM的本质是最优化问题，式（2）即为问题表达式，其中超平面分类为：WTφ（x）+b=0，松弛变量为。对于式（2）的求解笔者采用拉格朗日乘子法并根据KKT条件得到最优解，从而找到最优分类超平面。
1.3 交易策略构建
首先，笔者将原始2天共46个10分钟级的价格进行EMD分析，从而得到趋势项数据。笔者将趋势项信号的标准差除以原始信号减去趋势项信号的标准差所得值取对数，得到第一个特征――波动信噪比，该值越大表明趋势越明显。其次，三个特征是对分解后低频部分的IMF的最后5个和10个数据做OLS回归，所得的回归系数即为特征值。第四个特征是上述两个回归直线夹角的cosine值。第五个特征则是成交量，由于该数据与其他数据数量级不同，笔者采取归一化处理。
本文所构建的SVM训练滑动窗口为500，约一个月的数据量。数据的标签笔者定义为当价格涨幅大于0.04%时为+1，小于0.04%时为-1，其余为0，然后将5个特征值带入，滚动训练出SVM模型，并预测下一期价格是涨是跌，预期价格上涨及标签为+1做多，反之做空。
2 交易回测
2.1 交易样本选择
本文选择上海期货交易所的螺纹钢期货的活力合约作为交易品种（数据来源Wind，品种代码RB.SHF），数据为2015年1月5号至2016年1月29号的日盘10分钟级数据。螺纹钢因其交易量较大所以选为测试品种。开仓、平仓交易费用万分之四，不考虑杠杆和滑点。
2.2 回测结果展示
图1展示了该策略累积收益率曲线图，在测试期内实现累计收益46.24%，年化收益达43.32%，夏普比率为1.89（设无风险利率为3%）。
3 结 语
本文应用信号处理的EMD算法作趋势分解，从分解后的趋势项及高频IMF，并结合使用网格法进行参数寻优的SVM作价格涨跌分类预测。回测结果表明该方法能够获得超额收益，具有一定的应用价值，今后可进一步对标签阈值、数据窗口进行改进优化。
