Contract
第 1 章
本章学习目标:
1.了解量化交易的基🎧概念;
2.熟悉量化交易的参与者;
3.熟悉量化交易的特点;
4.熟悉量化交易的发展。
本章导读
xx在遭遇南海泡沫危机后曾说,“我能计算出天体的运动,却难以预计人性的疯狂”。人性的疯狂还有金融市场价格波动的不确定性能否被准确地计算与预测,这一直是现代金融学上争论的热点。有人认为价格的变动符合xx运动,是无序的随机行为。也有人认为价格的短期变动无法预测,长期走势可以预测。人们对于追逐价格有效预测的脚步从来没有停止,产生了针对随机过程的研究,试图找到混沌中的秩序。20 世纪以来,涌现出大量xxx、物理学家、统计学家,他们尝试利用数学工具建模分析人类的交易行为以及对市场价格波动进行预测。他们当中的某些幸运者找到了预测的方法,并以此从市场中不断获取收益。他们所采用的方法就是量化交易,它改变了现代金融市场的格局。量化交易在带来技术革命的同时也埋下了风险的种子。对于普通投资者来讲,量化交易仍然披有一层神秘的面纱。实际上,量化交易就是在传统的基本分析和技术分析的基础上发展起来的一种数量化的交易方法。通过本章的学习,将了解量化交易的研究对象、主要参与者,掌握量化交易的特点,了解量化交易的发展背景。
1
知识结构图
1.1 量化交易的基本概念
1.1.1 认识量化交易
量,在新华字典中有以下意思:古代指斗、升一类测定物体体积的器具,度量衡;能容纳、禁受的限度,酒量、气量、胆量;数的多少,数量、质量、降雨量、限量供应;审度,量刑、量才录用。在数字信号处理领域,量化指将信号的连续取值(或者大量可能的离散取值)近似为有限多个(或较少的)离散值的过程。
而我们所说的量化,是指把抽象的逻辑事物,采用具体的数学描述。比如,小明吃了很多包子,已经吃不下去了,那么小明的饭量有多少呢? 10 个包子,这是一个具体的数量表达。小明与同班同学比,饭量是大是小呢? 同学们平均每人吃5个包子,小明吃10个,所以小明的饭量比别人大。
与量化分析相对应的是主观分析,主观分析多是通过分析者的经验判断,受分析者自身因素影响较大,不同分析者对于同一问题的分析结果各不相同。主观分析就像是中医看病,中医讲究望、闻、问、切,最后得出诊断结果,并根据病情开具不同的中草药配方,很大程度上依赖于医生的经验。而西医的看病方式大不相同,医生会先让病人去做化验,再
做X 光透视等,通过这些科学手段得出结论,对症下药,西医更像是量化分析。量化分析
扩 展 阅 读 1-1怎样成为一个成功的交易者
会进行配对
撮合成交
价格在每一次的成交中形成。基本面分析着重分析宏观经济走
,,
多是通过有科学依据的数学描述,从 而得出相对客观的结论。
量化介绍完了,下面来说交易。市场上每分每秒都有交易产生,只要存在供给侧(卖方)、需求侧(买方),供需双方就
势、微观企业资产报表,从而找到最值得投资的标的。技术分析着重研究标的的价格,从历史价格变化中预测价格波动方向与趋势。
量化交易就是采用定量的方法对交易进行分析,从而得出结论,指导交易的进行。大多数量化交易通过构建数学模型对价格、风险进行科学的分析与预测,从而制定具体的交易决策指导投资交易行为。量化交易是一门交❹型学科,不单单包含金融知识,更多的还包含数学、物理、统计、计算机等学科知识。量化交易的优势也由此而来,它借助统计模型、计算机技术,可以同时处理海量数据,跟踪数量众多的投资标的。量化交易的涵盖范围广,几乎囊括了市场上所有交易品种。
1.1.2 量化交易的研究对象
基本面分析的研究对象是宏观经济政策、微观产业结构、公司财务报表。技术分析的研究对象是历史价格的变化。量化交易构建了一套输入输出模型。输入输出模型是以系
统的输入和输出变量这种外部特征来描述系统特性的关系式。它可以是传递函数、频率特性、微分方程、差分方程等。我们把量化交易看作餐厅的流水线,数据是食品原材料,交易策略是加工原材料的厨师。量化交易的研究对象是数据和交易策略。
1.数据
数据对于量化交易至关重要,它是量化交易模型的基础。作为输入输出模型的输入部分,某种意义上它决定着量化交易模型要使用哪种分析方法。数据的涵盖面很广泛,不局限为行情价格。像财经指标、财务报表,甚至新闻稿、突发事件都可以作为输入源提供给交易策略进行分析。
计算机网络的发展以及计算机运算能力的进步,使得量化交易对数据的获取效率不断提高、对数据的处理时间逐步缩短。之前信息技术不发达,整个市场能够提供关于上市公司信息的频率缓慢,需要一年半载去了解上市公司的基本情况。市场参与者受制于数据传递效率低下的问题,普遍采用长期持有的方法。后来才采用发布财务报表的方式,以季度、年度的方式公开发布财务报表,这时出现了基本面投资方法。随着信息以更快的速度进入市场,市场参与者在持股市场的交易频率开始变短,投资本身可以涉及的股票数增加,这是信息技术不断发展对市场的影响。
伴随着交易所自动化、计算机的发展,基本面信息、行情数据信息是以天为单位进入市场,而使用计算机系统可以帮助我们提高处理数据的效率,这时出现了各式各样的量化交易。可以认为是数据的革新推动了量化交易的产生。量化交易中的统计套利、高频交易又将市场带入秒、毫秒级时代,在这个领域中,个人无法完成交易操作,已经实现了机器代替人类交易员。
2.交易策略
数据是量化交易的基础,交易策略则是整个量化交易的核心。就像厨师知道什么样的原材料适合什么样的烹调手段一样。量化交易策略也应该匹配输入数据的特征。市场上通常用“黑箱”来描述交易策略,形象地比喻了输入数据、输出交易信号,但是不知道其内部运行机制。对于交易策略,经常用“神秘”和“复杂”两个词语形容。其实它和人类决策的过程一致,很多内容是相通的。
说到交易策略,目前市场上有两种主流的投资理论,经过旷日持久的争论也未能分辨优劣。第一种理论是被动投资管理理论,它的基础是在有效市场中,无法获得超额收益,没有机会战胜市场。或许短期内可以获得超越市场的收益,但是长期来看很难战胜市场。所以最好的交易策略是买入指数持有,获取指数的收益。第二种理论是积极的投资管理理论,秉持这种理论的投资者认为有效市场假说不成立,市场中的参与者也不是完整意义上的理性人,对市场进行预测,选择恰当的时机调整自己的投资组合,达到风险最小而收益极大化。
量化交易的参与者大部分是第二种理论的拥护者,量化交易策略大致分为三种。第一种是直接交易策略,通常对股票、期货、外汇等投资标的使用基本面分析法、技术分析法,对分析方法进行量化,从而生成交易策略。第二种是套利交易策略,套利不仅仅局限在同品种的套利,也可以是跨品种的套利,甚至套利的对象并不是价格本身而是市场波动
率。套利交易策略的核心思想是捕捉市场上暂时的异常交易现象。第三种是做市交易策略,这种交易策略在现代电子交易平台做市商中频繁使用,通过向市场提供流动性,赚取风险转移的差价。
针对量化交易的研究,绝大部分时间是在研究交易策略。大家都在寻找阿尔法,想尽办法获取超额收益。交易策略的类型多种多样,不同交易策略适用于不同的投资品种。比如对于期货交易期现套利策略适用,对于股票交易多因子模型适用。
1.1.3 量化交易的主要参与者
量化交易其交❹类学科的特性以及对计算机硬件设备的高需求使其准入门槛较高,目前普通投资者参与量化交易较少。市场上的量化交易参与者主要是机构,包括做市商、对冲基金、投资银行以及券商。
1.做市商
做市商是由具备一定实力和信誉的证券经纪法人,在其原有的水平上不断向交易者报出某些特定证券的买入价和卖出价,并在所报价之上接受机构投资者或者其他交易商的买卖要求、保证及时成交的证券交易方式,起源于场外店头市场,是世界上最古老的证券交易制度。
远程通信技术的不断进步,导致互联网交易制度的出现以及成交量的激增,传统的场外市场逐步发展为现代的场外市场和规范的柜台市场,并向场外联网柜台市场演进,报价手段逐步从口语、旗语、电报电传、自动报价机器向电子报价、网上报价等演化,成交技术逐步从人工非自动交易过渡为电子自动交易。
做市商盈利的主要来源在于向市场提供流动性时所赚取的买卖差价。通过量化交易系统分析买单、卖单的情况,找到对市场冲击最小的成交价,有利于降低市场的波动性。
高频交易者可以利用自己的技术优势和信息优势成为电子交易网络中事实上的做市商。他们在电子交易网络中大量进行交易,获取买卖价差,但又不承担传统做市商的责任,也几乎不受监管机构的约束。因此,高频交易成为近年来量化交易的热点。
1)骑士资本
骑士资本(KnightCapital)于1995年创立,起初的名字叫骑士集团,2000年时改成了骑士交易集团,2005年的时候又改成了骑士资本。其总部位于美国新泽西州,在英国、德国、中国和新加坡等地都设有办公室。骑士资本是一家从事做市、电子下单、机构销售以及交易的公司,是全美最大的做市商之一。骑士资本通过做市为19000 多只在美国上市股票提供顺畅的交易服务。2011 年,骑士资本是全美在纽约证券交易所(以下称“纽交所”)和纳斯xx证券交易所零售股票交易业务中排名第一的做市商,其交易量占纽交所的17.3%,占纳斯xx证券交易所的16.9%。
2012年8月1日,骑士资本的做市部门因技术故障发出大量错误指令,导致纽交所的140多只股票短时间内出现巨幅波动。由于主要证券交易所拒绝取消这些交易订单,该公司承受了4.4亿美元的巨额损失,其股价暴跌,甚至到了破产的边缘。随后骑士资本
以14亿美元的价格将自己出售给高频交易公司巨头 Getco。
2)BATS
美国并不仅仅只有纽交所和纳斯xx证券交易所两大证券交易所
,早在1990
年,美
国政府就立法打破了最大交易所的支配控制权,允许其他交易所的存在并与上述两大交易所竞争。时至今日,全美的证券交易所已膨胀至50 余家。这些交易所互相沟通信息,以在任何时点对任何股票找到全国最佳买卖报价。而 BATS 正是当下除上述两大最权威交易所之外,最有影响力的一个交易平台。
BATS于2005年8月成立于堪萨斯州的堪萨斯城,其名字来源于更好的多样化交易系统(betteralternativetradingsystem)的英文缩写,成立初期仅仅是一个二级现金股票交易中心。
经过6年多的发展,依靠技术的发展,它已经拥有美国10.8%的股票交易份额和2.1%的股票期权交易份额,在美国所占的市场份额仅次于纽交所和纳斯xx证券交易所。
正是美国电子网络交易系统(electroniccommunicationnetwork,ECN)的 出现使 BATS类似的高频做市公司迎来了发展的春天。ECN 是在一定的价格下可自动对买卖单进行配对的电子交易系统,机构投资者、做市商等 ECN 的用户在注册之后便可以直接在系统中交易。在美国通过 ECN 交易,不仅可以减少投资者的交易成本,也可以使投资者更快地获得证券交易的价格信息。
在交易过程中,延迟时间是衡量一个交易所竞争力的重要指标,而 BATS 最大的优势则是拥有一套自主知识产权的 ECN,其研发的 ENC 交易平台的报价延迟时间从2007年的0.93毫秒降到了目前的0.13毫秒,这逼近光速的报价反应时间对投资者有着巨大的吸引力。除此之外,BATS还保持着非常好的流动性。数据显示,BATS平均每秒就可以处理22000份订单。
2.对冲基金
对冲基金是量化交易的主要参与者。规模在200亿美元以上的7家对冲基金机构中,JP xx、高盛等这些基金普遍采用量化交易方式,而且有越来越多的大型投资银行和对冲
扩展阅读 1-2 对冲基金的发展历史
基金正在采用这一交易方式。
美国证券交易委员会(SEC)没有对对冲基金有法律上的定义。对冲基金是一种非常活跃并且另类的私募投资基金,无论是在熊市还是在牛市,它都在寻求能够产生非常有吸引力的正收益。对冲基金为了获得正收益,会用各种不同的策略和金融工具,所用策略既有激进的,也有保守的。对冲基金的核心资产其实就是它的基金经理,它的客户主要针对有限的高净值人士或者大型机构。对冲基金通过业绩来对基金经理进行考核,并且给予基金经理一定比例的提成,这是对冲基金区别于公募基金的主要因素之一,高比例的提成也鼓励基金经理努力工作并且为客户产生最大的回报。和公募基金不同的另一点是:对冲基金产品里含有对冲基金经理人自己的资产,这可以避免利益冲突,同时可以给予客户足够的信任,并且使客户认为经理人和自己的利益是捆绑在一起的,经理人会尽最大努力为客户理财。
1)大奖章基金
大奖章基金(MedallionFund)成立于1988年3月,是美国私募基金公司文艺复兴科技公司(RenaissanceTechnologiesCorporation)的第一只基金产品,产品的基金经理是两位美国著名的xxx:xxx和埃克斯,他们分别于1967 年和1976 年获得学界最高荣誉———美国数学学会5年一度的伟xx奖,这是大奖章基金名称的由来。
值得一提的是xxx在中国有两位好友,分别是数学界和物理界的泰斗———陈省身和xxx。xxx与陈省身合作的“陈-xxx定理”成为微分拓扑学的基础理论。在西蒙斯前往 Stony Brook University 掌舵数学的时候,x xxx正好在 Stony Brook University掌舵物理。当时xxx已经通过“宇称不守恒”拿到了xxx奖,正试图建立一个更加强大的规范场理论,但在纤维丛等数学细节上遇到了困难。xxx引入和乐群帮他扫清了数学障碍,从而建立了近代物理的基础———“x-xxx理论”。今天 Stony Brook的物理学机构,名叫“xxxxx物理研究所”;而几何学机构,名叫“xxx几何物理中心”。
文艺复兴科技公司旗下有三个基金公司,分别是 MedallionFund、NovaFund和 The RenaissanceInstitutionalEquitiesFund,与后两者侧重投资纳斯xx股票市场以及面向机构投资者不同,大奖章基金只采用非股票工具,并且面对全球市场。其在美国国内的交易工具包括商品期货(能源、玉米、小麦、大豆等)和美国国债券,境外交易包括汇率期货、商品期货和外国债券。大奖章基金拥有自己的内部交易席位,由大约20 名交易员组成。其每周的交易从周一早上澳大利亚开市到周五美国市场闭市。
20年来,西蒙斯的复兴科技对冲基金在全球市场进行交易,并且使用复杂的数学模型去分析并执行交易,其中很多过程已经完全自动化了。文艺复兴科技公司使用了程序模型来预测那些易于交易的金融工具价格。这些程序模型的建立是在大量数据收集之后,通过寻找那些非随机行为来进行预测。其主要通过对历史数据的统计,找出金融产品价格、宏观经济、市场指标、技术指标等各种指标间变化的数学关系,发现市场目前存在的微小获利机会,并通过杠杆比率进行快速而大规模的交易获利。现在大奖章基金的投资组合包含全球上千种股市以及其他市场的投资标的,模型对国债、期货、货币、股票等主要投资标的的价格进行不间断的监控,并作出买入或卖出的指令。
为了建立这些程序模型,文艺复兴科技公司雇用了大量的非金融背景的专业人士,包括xxx、物理学家、社会学家和统计学家。在公司位于东锡托基特的办公室里,有1/3的雇员都拥有博士学位。
2)德邵集团
xx 集 团 (X.X.Xxxx & Co)和 文 艺 复 兴 科 技 公 司、城 堡 投 资 集 团 (Citadel
InvestmentGroup)一样都是量化投资的代表。
xx·x曾经是xx士丹利统计套利交易组的成员之一,并于1980年获得xxx大学计算机博士学位,后成为哥伦比亚大学计算机生物与生物技术中心高级研究员。xx
1986年加入xx士丹利后负责该组的技术部门,两年之后从
扩展阅读 1-3 黑盒群体
xxxx利离职,他以2800万美元在纽约创立xx集团。xx集团的资产管理规模顶峰时曾达400亿美元,但肖自始至终都将xx集团看成自己的一个实验室,把自己看成一名科学家而非投资家。
基金成立后,他建立了一套旨在找出隐藏的市场趋势或定价异常的数量模型,并在此基础上进行投资。可以说在美国对冲基金界,x是将计算机技术应用到收集股票价格变化中的少数几个先行者之一。
当然,对于肖的模型内容,外界知之甚少。就如同可口可乐“严防死守”它的饮料秘方一样,肖对他设计出来的投资模型的保密工作做到了极致。尤其是在基金成立初期,一些公司的员工甚至都不能把他们的工作地址透露给自己的家人。
xx集团的发展过程并不是一帆风顺,尤其是发生在1998年的俄罗斯债务危机一度给它带来重创。与其他众多对冲基金一样,德劭集团在固定收益类投资上蒙受了巨额亏损,此后几年也一直没有缓过劲来。肖大幅裁员,缩减开支,并获得了一批新投资者的青睐。基金的业绩随后开始复苏。
在科学技术不断进步的支持下,定量投资逐渐盛行起来,xxx上投资生涯的顶峰似乎是行业发展之下的必然。20年中,基金的资产管理规模迅速膨胀,年均回报率达20%左右,其最高峰时的交易量可以占到整个纽交所的 5%,肖也因此有了“定量之王”的美誉。
3.投资银行、券商
投资银行和券商参与量化交易可以分为两个阶段,主要是以多德-xxx法案来划分时间点的。在这之前,投资银行、券商主要是以自营交易的形式参与到量化交易中来,这与对冲基金的模式十分类似,如xx士丹利的 PDT(processdriventrading)和高盛的 GlobalAlphaFund(全球阿尔法基金)。
xx-xxxxx被认为是“大萧条”以来最全面、最严厉的金融改革法案,成为与“xxx-斯蒂格尔法案”(《1933 年银行法案》)比肩的金融监管基石。其核心内容就是在金融系统当中保护消费者。法案中限制了银行自营交易及高风险的衍生品交易。在自营交易方面,允许银行投资对冲基金和私募股权,但资金规模不得高于自身一级资本的3%。在衍生品交易方面,要求金融机构将农产品掉期、能源掉期、多数金属掉期等风险最大的
衍生品交易业务拆分到附属公司,但自身可保留利率掉期、外汇掉期以及金银掉期等业务。
投资银行与券商作为金融市场的卖方,为客户提供更好的订单执行服务和市场接入服务。瑞士信贷在该领域一直处于领先地位,其次是高盛和xx士丹利,花旗集团、xx大通和当时的xx兄弟也都在2004年前后退出自己的平台和算法。
美国证券交易委员会允许暗池(darkpool)交易系统,极大程度上促进了以此为交易
策略的量化交易。暗池是一种为买卖双方匿名配对大宗股票交易的平台,参与者主要为机构投资者,其运作方式并不透明,不但不会展示买卖盘价及报价人士的身份,也不会向公众披露已执行交易的详情。美国目前最大的两个“暗池”是瑞信(CreditSuisse)集团的 Crossfinder和高盛公司的SigmaX。
1.2 量化交易的特点
1.1节我们介绍了量化交易的基本概念,大家对量化交易有了初步的认识。本节我们将深入学习量化交易的特点,包括量化交易自身的优势与局限性;了解与传统交易相比,量化交易有哪些不同;了解量化交易对当前金融市场的影响,以及量化交易饱受市场争议的原因所在。
1.2.1 量化交易的优势
我们之前介绍过量化交易是通过构建数学模型对价格、风险进行科学的分析与预测,从而制定具体的交易决策指导投资行为的方法。量化交易借助统计模型、计算机技术,可以同时处理海量数据,跟踪数量众多的投资标的。它具有三大方面的优势。
1.方法科学
量化交易系统所产生的决策是有理论支撑的,通常为数学模型或者统计模型;具有数据支持并且经过大量实验反复验证的,并不是随意产生。量化交易模型多层次、多角度进行分析,并将结论建立在海量数据证实的基础上。
多层次模型包括资产配置模型、行业选择模型等。多角度观察包括对宏观周期、市场结构、市场舆情等的观察。量化交易模型并不是建立在形而上学的理论之上,任何的假设都经过海量数据的检验,去伪存真后再进入市场进行使用。
2.纪律性强
量化交易投资模型产生的买卖决策,不随投资者情绪的变化而临时更改,克服了人在进行决策时所产生的贪婪、恐惧以及侥幸心理。而量化交易中的自动化交易环节又确保了交易执行的一致性,从而减少了人在交易执行时因心理压力等因素导致的执行不到位等情况。
量化交易可以降低交易中的错误概率,程序按照正确的方式进行设置,将不会出现运行错误的情况。但是如果程序设置错误,将会导致量化交易模型的执行风险。
3.响应迅速
量化交易模型响应迅速包括两方面内容。第一,快速发现交易机会。量化交易通过计算机与网络技术,可以对全球金融市场的交易品种进行24 小时不间断的监控,快速地跟踪市场变化,不断进行运算,发现投资机会。第二,第一时间执行交易。发现交易机会后,由量化交易模型中的执行策略进行交易信号的处理。部分量化交易模型是直接连接交易所柜台的,将处理过的交易信号发送到交易所,瞬时完成下单指令。
1.2.2 量化交易的局限性
很多量化交易的模型是基于历史数据设计的,但如果市场上出现了以往历史没有出现过的情况,数学模型将难以适应。如2008年金融危机出现,很多量化交易的机构亏损巨大。
量化交易模型需要通过经纪公司实现向场内交易所申报,所以经纪公司理论上可以看到量化交易模型的每一笔交易明细。这对于保密度要求极高的量化交易模型来说是潜在的风险。经纪公司可以采用跟随交易策略,这样会造成抢单,提高量化交易的成本。大奖章基金曾多次更换合作的银行。
另外,量化交易之所以成功,是基于对客观的市场特性有一些基本假设,但当极端市场出现时,这些假设的基础会改变,这时候量化交易的表现会非常差,如市场流动性,特别是当市场失去流动性时,量化交易不具有控制损失的优势。非常典型的例子是:1998年,美国长期资本管理公司(LTCM)管理的长期资本基金拥有非常优秀的衍生品定价、风险度量和交易系统,但是面对没有足够流动性支撑的证券资产,还是损失惨重。
从市场监管者的角度讲,一方面希望市场活跃;另一方面又希望市场有良好的交易秩序和有效性,希望价格平稳而透明。量化交易确实大幅提高了交易量,但同时可能给市场带来更大波动。甚至部分量化的交易策略完全是利用市场规则的漏洞达到盈利的目的,制造人为的价格,使得价格没有反映出真实的市场情况。比如幌骗交易就是一个以制造混乱从中获取利润的策略,在股票市场或者期货市场交易中虚假报价再撤单的一种行为,即先下单,随后再取消订单,借此影响股价。之前提到的多德-弗兰克法案已经明令禁止在美国进行幌骗交易。
1.2.3 量化交易与传统交易的比较
传统交易策略可以按照管理风格分为两类:主动型投资策略和被动型投资策略。被动型投资策略即为指数化投资,主动型投资分为基本面投资与技术面投资。
量化交易与传统交易中的主动投资一样,都是试图获得超过市场基准的阿尔法收益。在交易决策分析方面,传统的交易是通过人工进行分析判断,而量化交易是通过数学模型进行投资决策分析。在交易执行方面,传统的交易一般由人进行手工下单,而量化交易大多数通过计算机程序自动完成下单。
传统交易很容易受到决策者自身情绪的影响,使得最终的投资结果偏离客观分析结果。而量化投资利用程序分析现有的数据,根据程序化投资策略完成判断,避免了分析与
决策在情感方面的负面影响。因此,量化投资相对于传统的投资,可以更客观、稳定、可靠,避免情感因素。
由人主导的传统交易方式受制于人的精力与能力的影响,实时跟踪投资标的数量有限,实时决策分析的参考依据有限,造成投资决策的范围狭窄;而量化交易通常借助计算机程序监控市场的变化、执行交易策略进行定量的分析和判断,通过升级计算机运算速度、优化程序,监控的市场和策略分析的依据可以不断增加。
量化交易通常使用既定的交易模型,需要不断更新优化才可以适应市场不断的变化,若遇到突发事件,只能按照原有的策略执行。而传统交易,参与交易的人员可以根据市场行情的变化,随时调整交易策略。
传统交易更强调投资收益而不是风险控制;而量化交易将风险控制作为一个重要环节,追求风险和回报之间的权衡。量化交易可以有效地避免投资者偏离潜在的性能基准,过度追求利润而忽视风险。
综上所述,量化交易与传统交易相比的优势在于它可以避免人为负面影响,通过计算机实现策略来管理人的情感和认知,更大、更快、更准确地针对投资对象进行判断及分析,可以平衡风险与回报;而传统交易的优势在于通过深层次的人为决策来选取投资策略。
1.2.4 量化交易对市场的影响
量化交易推动投资交易进入新的时代,就像电子交易平台的建立改变了传统交易所电话人工委托的模式。小到市场的微观层面,大到市场宏观层面,量化交易改变着投资交易的游戏规则,对金融市场的影响意义重大且深远。
1.提高市场效率
市场流动性、套利交易、交易成本、市场对消息的消化速度是影响市场效率的主要因素。量化交易凭借计算机的运算能力和相应速度,在套利交易时有明显的优势,使得参与套利交易的资金流入增加。许多机构使用量化交易从事高频做市业务,使得市场流动性大幅提高,买卖价差逐步缩小。市场上时刻发生着信息的流动,量化交易凭借IT(信息技术)优势可以及时地发现信息,挖掘信息背后的价值,通过计算机对信息进行定量分析,制定交易决策,及时地进行应对处理。程序化组合交易的执行,对于机构投资人而言,可以在不同的市场中大量交易不同的组合,降低交易成本。并且许多机构凭借高频交易提供类似做市商的业务,大幅增加了流动性,实际上已经推动美国的交易所给出更小的价格微调范围。
从理论上来说,价格波动是市场对信息的反映,那么,由于市场上随时发生着信息的流动,交易频率很低的话就无法及时地将信息整合到价格中去,反而形成更大程度上的价格背离,构成投机的条件。量化交易凭借IT 优势,可以及时地发现信息,以及信息背后所蕴含的价值,并通过高频交易及时响应信息,由于其的存在,很多市场信息能够在很短的时间内整合到市场价格中。
芝加哥交易所通过自己常年收集的数据对程序化交易对不同市场产生的影响做了总结。其基本结论是随着程序化交易量的增加,市场的波动性有所降低。另外市场的深度
有所增加、做市商给出的双边报价变窄,这两点说明了市场的流动性变得更好。
2.参与者机构化
量化交易的发展有利于建设以机构投资者为主的市场。量化交易对于普通投资者来说进入门槛较高,大部分个人投资者难以使用,但不排除各位专业化个人投资者能够熟练使用量化交易在市场中赚取阿尔法收益。量化交易的发展也将会改变机构投资者的竞争格局,加速机构投资者进行整合。
对于金融市场的卖方来讲,量化交易是技术密集型行业,发展要求技术、资金、人才的大量投入。因此在量化交易快速发展的“军备竞赛”中,卖方将形成两极分化的趋势。有实力的龙头经纪商将主导量化交易的发展,而实力弱小的经纪商只能在夹缝中寻求生存空间。
度
接入更多的交易市场,这需要巨大的人力、物力、财力投入。因此只有优势经纪商才能
、经纪商作为市场的卖方需要建设复杂的IT 系统来处理数据、不断提高交易执行速
在这场永无止境的“军备竞赛”中获胜。量化交易具有规模化效应,已经占据量化交易优势的经纪商将能够在更短的时间以更低的成本推出新产品、新服务,拓展新的盈利渠道。对于金融市场的卖方来讲,量化交易时代,二级市场上不再是交易员与交易员之间的
博弈,而是人与算法之间的博弈以及算法与算法之间的博弈。
(1)买方机构的人员组成将向数理逻辑、金融工程、技术人员方向倾斜。
(2)超级计算机支持下的算法将加快市场获利模式的发现,当大量参与者使用相似模式进行交易时,市场会迅速趋向均衡,从而使该算法获利。
(3)量化交易将加速交易执行的角色从卖方向买方转移。量化交易使得二级市场投资进入集约化竞争阶段,交易执行的成本控制过程将变成投资获利不可缺少的重要组成部分,买方不会满足于卖方提供的通用执行算法,必定会自行研发适合自己的更精细的执行算法。
3.使得交易所IT系统不断升级
为了降低对市场的冲击成本,交易员会使用量化交易策略将他们的大量交易指令拆分,这直接导致交易的次数飞速增多,从而市场交易数据出现爆炸性增长。而随即美国期货市场出现的小合约电子化也必然助长市场上交易数量的膨胀。同时,高频率自动化交易系统的发展有助于增加成交的概率。这一切都导致对各交易所的IT 系统提出了更高的要求。
1)吞吐量与速度升级
量化交易让交易所的交易量大幅提升
,由 于量化交易的影响
,欧 洲期货交易所
(Eurex)的每日平均订单数大幅增长;而欧洲证券交易所(Euronext)的订单及成交数也因为量化交易每年呈现两位数的增长。各交易所系统升级后,系统的吞吐量和响应速度大幅提升,Eurex目前每日最高可处理10亿笔订单,端到端响应时间约10毫秒。
2)数据服务升级
高频交易商需要实时地获取市场信息
,以便迅速捕捉转瞬即逝的利润
,因此量化交易
对交易所的数据服务提出了更高的要求。Eurex升级后的市场行情数据与分析系统为量化交易提供了实时的数据接口,交易所的实时订单和成交信息可以在1 毫秒之内到达投资者的量化交易系统中。
3)接入服务升级
升级后的交易所系统为量化交易预留了多种接入方式。
软件上
,交易所同时提供了
标准的协议[如FIX(金融信息交换协议)]和速度更加快捷的私有协议接口;硬件上,很多交易所为量化交易提供了联位(co-location)服务。
4.市场瞬时波动率增加
虽然量化交易中的套利机制会迅速将偏离正常的股票价格拉回到正常价格附近,这种行为减小了市场的总体波动率,提高了市场的效率,但是量化交易却在某种意义上放大了市场瞬时波动率,导致市场在短时间内出现巨幅的波动。市场上的量化交易策略越来越多,不可避免地会出现量化交易策略趋同的现象,使得部分交易信号同时出现。这种现象在设置量化交易止损策略时时常出现,大部分量化交易策略在设置止损依据时参考持仓盈亏。所以当市场出现“黑天鹅”事件时,不可避免地出现大面积量化交易策略触及止损,从而引发一系列止损单融入市场,导致市场在瞬间极度缺乏对手盘,造成单边巨幅变动。例如,2010年5月6日美国市场发生的“闪电崩盘”,道琼斯指数瞬间暴跌1000点。
1.3 量化交易的发展
革
今天的金融市场与百年前的金融市场相比有着翻天覆地的变化。科学技术改变了信
。自从1613年成立荷兰阿姆斯特丹证券交易所以来,技术的进步推进着金融市场的改
息的传播方式,从最早的信件传递到今天的互联网,大幅加快了市场中参与者的沟通速度等,提高了金融数据分析的质量和效率,这些使得金融更加高效和有效,市场更加透明,同时,也为投资者提供了全新的交易方式。
1.3.1 量化交易与现代金融理论
量化投资起源于20世纪70年代初期,巴克莱国际投资管理公司发布了世界上第一只被动管理的指数基金,后来被世人称作量化投资的鼻祖。
美国数量经济学教授巴尔·罗森伯格,作为量化投资的先行者,创建了投资组合业绩管理模型,并和3位合作伙伴创立了罗森伯格机构股权管理公司,利用计算机管理股票投资组合。此后,他开发出了多种量化分析模型,并创造出著名的“综合阿尔法”模型。罗森伯格机构股权管理公司到1990年时,资产管理规模已突破了100亿美元。
程序化交易在20世纪80年代得到了迅猛发展,交易量飞速增加。这个时期被视为
程序化交易的高速发展期,证券资产组合保险程序化交易和股指期货套利型程序化交易也正是在这个时期出现的。同时凭借着计算机软硬件技术的突飞猛进,软件的高速并行算法都获得了飞跃式的进步,金融工程学的发展也使得不同的交易策略迅速地编成计算机可以理解的数学模型并执行。在这段时间,量化交易渐渐地超出了程序化交易的范畴,演
变出更多的模式,变得更加精细和实用。在这一时期,大量的对冲基金使用程序化的套利交易系统,大量的养老金使用程序化的组合保险策略。
到了20世纪90年代后期,量化交易在资产管理和经纪业务领域获得了长足的发展,在金融创新的变革和推进中,投资经理使用各种新的金融计量化工具,比如 ETF(交易型开放式指数基金)的管理,大量通过程序化交易来实现一篮子股票交易,通过被动化投资的控制跟踪误差,实现指数的股票化交易。在经纪业务领域,越来越多的经纪公司推出了依赖程序化交易的股票组合池,程序化交易的主要优势是可以帮助投资者通过程序化交易实现低成本的交易股票组合,经纪商通过大量推介程序化交易,实现增加交易量的目的。
1.3.2 量化交易的发展背景
金融市场的下单指令流计算机化始于20 世纪70 年代早期,其标志是纽交所引入订单转送及成交回报系统(designatedorderturnaround,DOT,以及后来的 SuperDOT)以及开盘自动报告服务系统(openingautomatedreportingsystem,OARS)。DOT 直接把交易所会员单位的盘房与交易席位联系起来,通过电子方式将订单传至交易席位,然后由人工执行。而 OARS可以辅助专家决定开盘结算价。
1975年以前,世界各国的证券市场交易基本上都采用固定佣金(fixedcommissionon transaction)制度。当时美国实施的证券交易固定佣金制度的规定是:其一,所有的经纪公司按照全国统一的标准费率收费。其二,佣金费率不因交易量的大小而变化,证券买卖的大户和散户所需支付的佣金相同。其三,这种制度还规定所有经纪公司不得给客户任何形式的回扣或补贴。纽交所也规定:交易所会员之间不准许开展价格竞争,非会员之间不准许开展批发业务,而且会员和非会员之间也不准许进行交易佣金的分割。当时实行这种制度的初衷是希望通过限制经纪人在价格上的竞争来维护市场的稳定。固定佣金制度限制竞争的做法在一定程度上也限制了证券市场的发展创新。1975 年,美国证券交易委员会颁令禁止固定交易佣金,使证券交易从奢侈品进入寻常百姓家。电子信息网络 (electroniccommunicationnetworks,ECNs)在20世纪70年代迅速兴起。1978年,美国证券交易委员会又一纸法令,催生了ITS(inter-markettradingsystem,跨市场交易系统)。ITS以电子网络为基础,让证券交易下单在全美各个交易市场之间互联,使各交易所每种股票的价格和成交量在荧屏上显示,经纪人和投资者可在任何一个证券市场上直接进行证券买卖。美国全国证券交易商协会自动报价系统 (NationalAssociationof SecuritiesDealersAutomatedQuotations,NASDAQ)立即响应,为ITS 提供与美国全国证券交易商协会自动报价系统互联的计算机辅助执行系统(computerassistedexecution system,CAES)。这样,ITS/CAES以及已经形成气候的各个 ECNs,组成了全美国的电子交易网络平台。
中
纽交所的交易程序会被预先录入计算机,当期货价格和股票指数直接价差大得足以
。进入20世纪80年代,计算机已经被广泛应用于股票与期货的跨市场指数套利交易
盈利时,计算机会自动向纽交所的电子买卖盘传递系统发送交易指令。也是在20 世纪
80年代,计算机辅助交易被应用于投资组合保险中。
20世纪80年代后期及90年代,随着电信网络的发展,美国证券市场的全面电子化成交和电子撮合市场ECN 开始发展。纽交所在1997年批准了从分数制报价方式改为十进制小数点报价的小电子合约方案,但整个推行用了3~4年。最后美国全国证券交易商协会自动报价系统也在美国证券交易委员会的压力下跟进这个改革方案。股票报价的最小变动单位由1/16美元或者1/32美元,最终调低到了1 美分。买卖之间的最小变动差价得到了大幅缩小,遏制了做市商的交易优势,相比较而言高频交易的供应商可以提供更好的流动性和更低的差价。电子合约的缩小最终改变了证券市场的微观结构。市场流动性的降低导致机构投资者使用计算机来分割交易指令,用以执行到更优越的均价,算法交易得到初步发展。这一时期的算法有交易量加权平均价格(VWAP)、交易时间加权平均价格(TWAP)、交易量参与度(VP)、限价交易(limittrading)。
从2004年至今是量化交易的快速发展期,其动力一方面来自通信标准,另一方面来
自新的政府法规的引导。量化交易的通信标准:与传统市场的限价订单相比,量化交易需要的通信参数要多得多。买方交易员所使用的交易系统[通常称为“指令管理系统”
(ordermanagementsystem)或“执行管理系统”(executionmanagementsystem)]必须能够适应与日俱增的新型算法指令。新型复杂算法需要花费巨额的研发及其他费用,如基础设施、市场推广等。卖方需要做的是让新型算法电子指令直达买方交易员,并且让后者无须每次都再编码就能直接下单交易。FIX 组织是一家非营利性交易协会,专门免费发布为电子证券交易设立的公开的通信标准。其会员包括几乎所有的大中型经纪商、货币市场银行、机构投资者及共同基金等。此组织在证券交易的盘前交易及交易领域的标准设定方面占有垄断地位。2006—2007年,几家会员联合发布了描述算法交易指令类型的 XML(可扩展标记语言)标准草案。这个标准被称作 FIX 算法交易定义语言(FIXatdl)。该语言使得新型算法的开发更方便快捷。
除去金融系统电子化,量化投资发展与现代金融理论相辅相成。量化交易离不开现代金融理论的支撑。现代金融理论的显著特点是在金融经济学中引入数量化的理论和方法,用它们来研究金融风险与控制、资本市场运营、资本资产结构与定价。在20 世纪50年代以前,金融学几乎全部集中于对事物单调重复的描述,金融理论仅仅是实际工作经验和对会计数据的处理,直到“有效市场假说”的建立,标志着以数量化为基础的现代金融的建立。自此金融学运用各种数理工具,建立起逐渐完善的理论体系。
20世纪五六十年代是现代金融理论的开端。马科维兹(Markowitz)于1952 年建立均值-方差模型,第 一次把数理工具引入金融研究。在马科维兹工作的基础上,夏 普 (Sharpe)、林特尔(Litner)、特里诺(Treynor)、莫辛(Mossin)等人研究了资产价格的均衡结构,得到了资本资产定价模型(CAPM),它研究证券市场中资产的预期收益率与风险资产之间的关系,以及均衡价格是如何形成的。这也成为度量证券风险价格的基本数量模型。20 世纪60 年代,法玛(Fama)提出有效市场假说。这一假说主要包括理性投资者、有效市场和随机游走三个方面。该假说意味着,在健全的资本市场中资产价格的动态规律可以用随机运动来描述,任何使用历史价格以及其他信息来预测证券价格的行为都是徒劳的。这也构成现代金融理论的基石。
之后,在20世纪70年代,金融创新有了长足的进步,主要表现为将数学方法引入金
融定价模型中。1973年,布莱克(Black)和斯克尔斯(Scholes)使用伊藤(Ito)积分,建立了期权定价模型,实现了金融定价的突破。该模型迅速用于实物,使得金融创新工具的品种和数量迅速增加。此后,1976 年,罗斯(Ross)建立 套利定价理论 (arbitragepricing
theory,APT)。
20世纪80年代
,现代金融创新进入鼎盛时期
。在此期间诞生了所谓的80
年代国际
金融市场四大发明,即票据发行便利(NIFs)、互换交易、期权交易和远期利率协议。金融理论的一个新概念———“金融工程”也诞生了。金融工程作为一个新的学科从金融学独立出来。
20世纪八九十年代,对期权定价理论的进一步研究刺激了对倒向随机微分方程求解的发展,从而对期权定价理论的研究开启了新的动力。同时,对倒向随机微分方程的理论和数值计算的研究又会促使期权定价理论数学模型的新研究。
其次,20世纪90年代,金融学家更加注重金融风险的管理。可以说,风险管理是20世纪90年代以来对金融机构管理的中心论题。在风险管理的诸多模型中,最著名的风险管理数学模型是 VaR(valueatrisk)模型。目前,这种方法已被全球各主要银行、公司及金融监管机构所接受,并成为最重要的金融风险管理方法之一。
在该时间内,金融市场中长期存在异常现象受到学者关注,如股票溢价之链、股利之谜、赢者输者效应、日历效应、规模效应等。经济学家试图在不动摇市场有效性的假设前提下对这些异象作出解释,但结果并不令人满意。面对这一系列金融市场的异常现象,一些研究学者开始从传统金融理论的最基本假设入手,放松关于投资者是完全理性的严格假设,吸收心理学的研究成果,研究股票市场投资者行为、价格形成机制与价格表现特征,取得了一系列有影响的研究成果,形成了具有重要影响力的学术流派———行为金融学。
20世纪末,非线性科学的研究方法和理论在金融理论及其实践上的运用,极大地丰富了金融科学量化手段和方法论的研究。无疑,这将开辟金融科学量化非线性的新范式的研究领域。
非线性科学的研究方法和理论,不仅在金融理论研究方面开辟了崭新的非线性范式的研究领域,而且在金融实践和金融经验上也取得累累硕果。其中最为著名的是桑塔费 (SantaFe)于1991年创立的预测公司,它是使用非线性技术最有名的投资公司之一。其名声远扬主要应归功于其创始人 DoyneFarmer博士和 NormanPackard 博士。他们在系统地阐述李雅普诺夫指数对于混沌分类的重要性方面和重构相空间的延迟方面都有着重要贡献,而且使用一些不同的方法,如遗传算法、决策树、神经网络和其他非线性回归方法等建立模型。令人遗憾的是,根据专有合同,他们的技术属于瑞士银行集团。因此,他们投资过程的细节和业绩记录都是专有财产。
总之,非线性科学的研究方法和理论,为人们进一步探索金融科学数量化的发展,提供了最有力的研究武器。目前研究表明,发展一种将人们所能看到的非线性结构并入金融理论和金融经验的研究与应用的过程才刚刚起步,这里有许多工作需要人们去开创、丰富和发展。
1.3.3 国外量化交易的发展
1.电子化交易方式的广泛运用
进入20世纪80年代后期及90年代,随着通信网络的大发展,金融市场逐步得以实现电子化。电子化的交易方式是量化交易的前提基础,尤其是针对交易所交易的标准产品。并且,场外交易(OTC)市场上交易的金融工具,如国债等,也在金融电子化的浪潮下逐步规范化,逐渐走向类似交易所的标准化交易方式。这为量化交易的发展提供必要的前提。
2.传统交易方式下利润空间大幅度减小
电子化交易方式的广泛运用使得市场更加透明、高效。随着市场参与者的增多,买卖价差逐渐缩小,做市商的传统利润空间大幅度减小甚至消失。在美国,百分位报价改革把每股的最小变动价位从1/16美元变成1美分。这改变了市场的微观游戏规则,让买卖竞价价差变得更小,做市商的交易优势大幅缩小。在这种情况下,投资银行开始利用先进的技术手段进行大量交易来弥补损失。
利润的减少使得投资银行更加关注成本控制,并且通过降低交易成本和人力成本两个方面来进行控制。而算法交易可以很好地降低交易成本,并代替大量成本高昂的交易员。
3.对冲基金行业的兴起
当大多数投资银行不得不忍受利润减少的痛苦时,对冲基金行业却凭借IT 技术和金融模型获得高速发展(如文艺复兴科技公司的大奖章基金)。这使得投资银行开始关注可以产生大量利润的量化交易领域,并且积极地运用量化交易捕捉市场的机会。投资银行和对冲基金的竞争也推动了量化交易的进一步发展。
4.政府监管法规的施行
2004年3月生效的美国国家市场系统管理规则规定,当客户委托订单时,均需要按照当时的最优价格将客户订单传递到证券交易所。该规则的推行结果必然是推动纽交所、费城、波士顿和其他地区的坚持采用人工交易方式的股票及期货交易所最终实现电子化,为算法交易的广泛应用扫清障碍。
5.量化交易自身优势
量化交易可以使复杂理论和实际交易有机结合变为现实。当今的金融市场,简单的技术分析和指标计算已经不能满足交易决策的需要。大量历史(时序)数据分析和复杂模型被引入以发现市场的规律和交易机会。人们通过计算机程序监测市场情况,对数据进行实时分析,然后由各种统计和量化算法帮助交易决策。人们通过历史数据或随机模拟的市场情况来测试交易策略效果。最终测试好的策略以程序的形式植入交易者自行开发
或者是由软件提供商所提供的交易平台中进行交易。
高频交易策略通过计算机程序在短时间内对金融产品进行反复买/卖,对速度和精度要求很高。通过高频交易,投资者可以把握到更多通过人工无法把握的投资机会。
交易指令优化执行。券商为了赢取更多的客户订单,已经开发出大量交易执行算法。这些算法很大程度优化了交易指令的执行,相比直接下单不仅可以获得更好的成交价格、更快的成交速度,还可以尽量少地影响市场。另外随着交易策略的复杂化,比如某些套利策略涉及一篮子股票的同时买/卖,手工完成的风险很大,而算法则可以很轻松完成,而且保证准确性。
1.3.4 国内量化交易的发展
1.发展现状
我国的量化交易发展较晚,处于发展初期,参与群体还不多,但近一两年发展势头很快。随着从华尔街回来的华人金融工程师越来越多,量化交易越来越多,ETF、股指期货套利等量化交易逐步兴起。
量化交易在期货市场已初具规模,国内的专业软件公司推出的自动化交易软件使短线交易者更加快捷地下单,自动化交易模型已经慢慢地在期货投资者中流行,并且逐步被一些专业的投资机构和咨询机构采用。相对应的一些交易所也推出了更加快捷深度的行情系统,满足量化交易投资者对行情的差异化需求。
随着股指期货的推出和股指期货套利的兴起,越来越多的机构投资者有通过程序化交易实现套利、通过算法交易降低冲击成本的需求,算法交易和程序化交易开始被一些投资机构尝试。
证券市场量化交易逐步兴起,量化基金从2009 年开始逐步成为热点,量化基金是用量化的研究方法去替代经验和主观判断进行投资的基金,主要策略包括量化择时/定量资产配置、多因子选行业/选股;主要产品结构包括纯股票多头、指数增强、市场中性。
早期的公募量化基金以多因子量化选股为主要策略,以指数增强和主动管理股票型为产品形式。后来随着数据的积累以及国内投资工具的丰富,尤其是监管的适度放松和创新,公募量化策略和产品设计也得以进步和发展,新出现了引入对冲机制追求绝对收益的市场中性基金,后来又出现引入大数据源构建策略组合的大数据基金。
从设立活跃度来看,如图1-1所示,剔除传统指数基金,截至2016年3月31日,共有
133只典型的量化基金发起成立,近两年来量化基金的发展速度较快。
从发展规模上来看(图1-2),量化基金发展趋缓,截至2015年底资产规模达1227.18亿元,占股票型基金的4.24%,造成规模较小的主要原因:一是产品设计相对较新,投资者的认知需要一定的时间;二是在基金设立时市场环境欠佳,致使其业绩表现不佳。但是可以看出近两年来新型量化基金开始发展,虽然指数增强基金规模缩水明显,但是主动量化基金的发展势头良好。
图1-1 公募量化基金按类型设立发展状况
资料来源:量邦科技公募基金数据库。
图1-2 公募量化基金资产规模发展
资料来源:量邦科技公募基金数据库。
截止到2016年3月28日,年化收益率超越当期沪深300 指数收益的指数增强基金有35只,占比高达67%,可见在增强效果上公募基金表现还是较好的,当然不排除指数所标的指数表现好于沪深300指数。对于58 只主动量化基金,有42 只基金自设立以来战胜沪深300指数涨幅,剔除7 只股票市场中性的基金,有41 只基金战胜同期沪深300指数涨幅,占比高达80%以上。而根据统计,在全市场所有指数基金中长期以来战胜沪深300指数的指数基金仅达50%。可见通过数量化的方法,从长期来看,量化基金相较于传统主观基金具有一定的优势。
国内的量化交易最早是从证券市场开始,近几年在期货市场迅速发展起来。特别是国内的一些软件公司推出了具备量化交易功能的软件,渐渐被业界认可并采用,为期货的
短线交易者提供了快捷的下单方式。初期期货市场的量化交易模型主要是由个人投资者自己编写,但渐渐地一些投资咨询机构和金融机构也开始推出专业的模型。目前“单兵作战”的个人投资者和初具规模的专业团队形成了国内量化交易模型的供给主体。其中,个人投资者占了七成左右的比例。交易模型已经覆盖了波段交易、日内交易和长线交易的国内商品期货的所有品种,并且交易模型以短线为主(日内交易模型占50%左右,波段交易模型占40%左右)。适合机构操作的长线交易模型还较少。除个别极有实力的机构在做内外盘套利外,绝大部分的交易模型只针对国内期货交易所的商品期货,涉及外盘的交易模型并不多见。总的来看,国内量化交易供给主体还处于混沌状态,存在着无序、杂乱、缺乏组织的特点,但已经初具规模并迅速壮大。随着对量化交易前景的看好,专业化程序编制团队正在迅速地进入这个市场,目前的混沌局面必将被打破,3~5年内,专业化的期货量化交易公司将不断涌现,并成为市场上的主力军。
许多软件公司已经开始推出比较成熟稳定的程序化交易平台,并且国外的一些程序化交易软件供应商也开始在国内推广。随着人们对量化交易认知度的提高,评价一个量化交易系统的好坏已经不是简单地看是否盈利。大家越来越看重其是否通过足够长的周
期测试,用来测试的历史数据质量如何,并且对于测试指标的认识也越来越客观和专业。大部分的投资者特别是机构投资者对量化交易越来越重视。中国加入 WTO(世界
贸易组织)以后,中国和国际市场联系得越来越紧密,中国的大宗商品价格越来越明显地
受国际价格影响,而错综复杂的国际环境令国内的机构很是头痛。随着中国的国力增强,越来越多的大型金融机构、投资机构涌现,它们非常需要量化交易工具帮它们获得稳定的收益,并且随着股指期货的上市,对量化交易的需求呈现爆发式的增长。
国内正在量化飞速发展的黄金时代,为了抑制股指期货的过度投资与炒作,中金所公布一系列股指期货严格管控措施,旨在进一步抑制市场过度投机,促进股指期货市场规范平稳运行。其中将沪深300、上证50、中证500 股指期货客户在单个产品、单日开仓交易量超过10手的构成“日内开仓交易量较大”的异常交易行为。日内开仓交易量是指客户单日在单个产品所有合约上的买开仓数量与卖开仓数量之和。这一举措出台后,大量量化交易策略撤离股指期货市场。
2.市场环境
国内证券市场只有20多年的历史,相比欧美以及亚太其他发达地区市场成熟度还有很大差距。不仅如此,国内市场的一些特性也使程序化交易在国内发展受到限制。
国内的交易场所比较单一,股票只在上海和深圳两个证券交易所进行交易,期货在上海、郑州、大连三个商品期货交易所和一个上海金融期货交易所进行交易。而欧美的情况则是大量的流动性存在于交易所以外,如大大小小的暗池、ECN 等。即使同一只股票也会在多个交易所交易,目前纽交所股票只有25%左右的交易量是通过纽交所执行的。国外很多执行算法就是为这种条件量身定做的,比如各种智能路由算法,而在国内这些算法都没了用武之地。也正是由于欧美的交易场所太多,市场受到一些轻微的扰动就可能出现大的波动。例如,2010年5月6日美国主要股票市场盘中大跌,监管部门至今仍在寻
找明确的引发原因。而国内的证券和期货交易都是在指定的几个交易所进行,因此,国际市场上的有些交易方式在国内市场并无多大的用武之地,因为国内交易场所比较少,整个市场系统的稳定性也相对较好。
国内证券市场的T+1交割制度使得大量日内交易策略不能实施,并且股票市场的交易成本非常高,高频交易策略更是无从谈起。除此以外,股票市场不允许卖空、缺乏做市商制度、可供交易的产品简单等,都不利于量化交易策略在证券市场的开展。国内券商对执行算法的服务很少。目前国内的股票市场,机构投资者都是通过券商提供的市场直连通道(directmarketaccess)直接下单交易,而券商并没有提供规模化的算法附加服务,未来还有广阔的发展空间。
期货市场采用的是T+0的机制,手续费相对较低,且允许双向交易,相对证券市场更加适合程序化交易。但监管层出于金融安全考虑,对程序化交易特别是高频交易做了很多限制。我国的交易指令比较单一,投资者大多数情况下只能选择套保和投机两种交易策略,虽然已有郑州商品交易所和大连商品交易所推出的跨期套利交易指令和跨品种套利交易指令,但依然缺乏与量化交易相对应的更多交易指令。而在国外成熟市场,几乎都有专门用于量化交易的指令,如 NASDAQ Level系列报价系统。国内期货市场整体步伐显然落后,这对于量化交易的推广不利。
国内监管机构对量化交易非常警惕,并且监管非常严格。如《中国金融期货交易所交易细则》第四十四条规定:“会员、客户使用或者会员向客户提供可以通过计算机程序实现自动批量下单或者快速下单等功能的交易软件的,会员应当事先报交易所备案。会员、客户采取可能影响交易所系统安全或者正常交易程序的方式下达交易指令的,交易所可以采取相关措施。”
国内的相关技术和服务还无法满足量化交易的发展需求,我国股票市场、期货市场行情的分发是以快照的形式进行,并不是严格意义上的分笔成交数据。
在国际成熟期货市场,机构投资者是量化交易的主体。目前,我国期货市场投资者结构不尽合理,个人占了绝大多数,法人机构和企业参与量较少,专业从事量化交易的法人机构更是十分缺乏。在这样的情况下,市场整体的交易效率发挥存在一定障碍。量化交易对于市场环境要求较高,越是成熟的市场,其发挥的效率越高。
尽管目前国内的量化交易发展遇到瓶颈与困难,但是量化交易作为具有跨时代意义的产物,未来必定会在国内绽放光彩。
本章术语
量化交易,做市商,对冲基金,柜台市场,暗池交易,均值-方差模型
思考题
1.简要阐述量化交易的研究对象。
2.简述市场上量化交易的参与者及它们的特点。
3.量化交易与传统交易相比有哪些优缺点?
4.简述量化交易对金融市场的影响。
5.如何看待量化交易的发展轨迹?
即测即练