量化交易的十大難題


關於量化交易,描寫對沖基金行業的《富可敵國》一書中對世界上最成功的量化對沖基金公司——西蒙斯領導的文藝復興科技公司有一段有趣的描述:

“文藝復興科技公司宴請了500投資者。一名科學家自告奮勇地幫助西蒙斯寫一個程序以搞定座位安排,他對某些人能與另外某些人相處融洽給出一個概率,然后讓計算機優化餐桌擺設。有一段時間,西蒙斯辦公室里的黑板上滿是單身女代數幾何學家和已婚男柔道教練相處得好等等事件的可能性估計。當舉辦宴會的那個晚上終於來臨,程序讓文藝復興科技公司的最大投資者坐在了他可能喜歡得過頭的女士旁邊——她曾告他性騷擾。”

 數學或科學的抽象思維在現實中可能會導致奇怪的結果,甚至完全相反,包括投資。

 躺着賺錢?量化交易的十大難題

 不停閃爍的超級電腦自動進行着高速交易,熒幕上滾動着通過高速網絡提前獲取的最新市場消息,加上通過杠桿放大的頭寸,賬戶的盈利不斷上跳...很多趨勢投資者把量化交易視為一樣“可以躺着賺錢的”形式。但現實真有這么美好么?美國投資公司ConvergEx的首席策略師Nick Colas在參加了一次量化交易大會后頗為感慨,提出了做量化交易的十大難題:

 難題一:

 量化交易員(寬客)與基本面投資者一樣會遭遇虧損。我在量化交易大會那天本想聽到廣泛成功的算法及量化處理過程、可以輸出完美的回溯測試結果並且在最小的風險上獲得最大收益的策略,我還希望聽到電腦科技、執行速度、或者數據挖掘方面的新進展。

 但聽了一圈下來,我發現量化投資其實相對來說還處在初級發展階段,比如你經常可以聽到關於“新聞對於股價的真實影響有多少?”的爭論,而此時基本面投資者只需簡單的基於預測特定事件、比如超過或差於預期的財報做交易即可。而量化交易者則需要搞清楚具體此類消息對股價的平均影響程度,這不是件容易的事,你的研究對象時刻在變化着。

 難題二:

 想在不同的股票/市場/產品中研究出一套通用交易規則很難。如果你想研究出一套只基於公司財報的交易系統這不難,比如基於超出預期的營收或股息來買入。但是供給面的情況如何?消費者層面的情緒如何?事實證明,財報的影響不及后兩者的大,但是你若想把后兩者納入交易模型中,這相當費力費時。

 難題三:

 股票、基本面、新聞消息之間的關系不停變化着。記得2009年美股到達低點的時候,很多“低質”公司的回報大大高於“優質”公司的回報。很多3塊錢的“垃圾股”可以在很短時間內漲到10塊錢,而高價的優質公司的股票想要翻一倍都要花上很久很久。對於基本面投資者來說,這是掘金的好時候,但對於量化投資者來說卻是噩夢,因為大多數模型此時都會顯示做多“優質股”做空“垃圾股”,后果則可想而知。

 難題四:

 數學有時幫你解決問題有時又會成為障礙。寬客們要在浩如煙海的金融數據中“尋寶”,但是他們與普通人一樣,一天只有24個小時,經常會碰到因一個分析無法推進而其他分析也陷入停頓的狀況。

 難題五:

 好材料卻並不容易使用。Twitter(美國的微博)是市場突發消息和傳聞的最大出處,所有投資者都不會無視這里傳出的訊息。但是這里的消息格式往往不規范,語法也千奇百怪,你無法讓計算機程序挑選出有效信息並運用於自動交易中。

 難題六:

 並非100%有效。不管是量化還是基本面投資者,大家都是在玩數字游戲。如果你的交易生涯中能有66%的勝率就已經算干的很好了。不過量化交易與后者的不同點在於持倉時間,量化交易一般只做穩而快的短線交易,不像基本面投資可以等上相當長的一段時間,在一只股票上獲取甚至100%的收益率。

 難題七:

 一切都從回溯測試開始。多數時候,回溯測試可以證明的你的設計交易策略在過去的表現,這是量化交易世界中非常重要的一塊內容,不過並不是所有寬客都能意識到,過去不代表未來。

 難題八:

交易信號就在那里,也不在那里。現在的信息社會到處都是數據,科學家們甚至可以做到預測每家沃爾瑪超市上空的天氣如何。Google的統計為我們展示着每天全世界網民都在搜索哪些內容。包括你想在市場中搜索上升動能最強的股票,如今都不難做到。面對茫茫多的數據,你該把時間精力放在哪一塊呢?這是個難題。

 難題九:

 量化交易正被監管機構瞄上。我想很多寬客們前幾天都聽說了:巴菲特決定讓旗下Business Wire終止向高頻交易公司提供特許直投新聞的服務。這是巴菲特為保護自己公司聲譽而高調與高頻交易撇清關系的行為。雖然量化投資≠高頻交易,但是不能否認,量化投資的主要優點之一便是“快”!如今量化投資者們獲取信息的速度問題,已然被監管者們划進了重點監視區。下回監管者們又會關注哪個點呢?難說。

 難題十:

 愈發激烈的競爭。從Deltix和RavenPack主辦的這次大會中你就能明顯感受到寬客們的熱情,偌大的會場不僅座無虛席,就連站的地方都快沒有,不但沒有中場休息就連過了午餐時間也不見有人離場。很顯然,量化交易在發展了20多個年頭后,依然非常流行,但這背后也就意味着同行內的競爭十分激烈,越來越快的電腦與網絡,越來越復雜的算法和數據庫,入行門檻也不斷提高。

來源:華爾街見聞

------------------------------------------------------------------

拓展閱讀:如何避免量化交易策略模型過度擬合

 


注意!

本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系我们删除。



 
粤ICP备14056181号  © 2014-2020 ITdaan.com