量化交易在海外的發(fā)展已有近40年的歷史，其投資業(yè)績(jì)穩定，市場(chǎng)規模和份額不斷擴大、得到了越來(lái)越多投資者的認可。國內開(kāi)始系統地應用量化交易是在20世紀初期，2010年以后逐漸發(fā)展和壯大起來(lái)，越來(lái)越多的機構和專(zhuān)業(yè)投資者涉足量化交易領(lǐng)域。隨著(zhù)互聯(lián)網(wǎng)、大數據的發(fā)展、量化交易在國內也出現了明顯的業(yè)務(wù)特點(diǎn)和發(fā)展趨勢。
了解國內量化交易的未來(lái)發(fā)展趨勢對我們如何布局量化交易平臺是大有裨益的。今天，筆者將從全球化、高頻化、對沖化和智能化等幾個(gè)方面來(lái)闡述分析國內量化交易的發(fā)展趨勢。
【全球化】
QFII在2017年持有的A股資產(chǎn)突破萬(wàn)億元人民幣規模，滬深港通雙向累計年成交額也破萬(wàn)億人民幣規模，2018年MSCI明晟指數納入A股成分后，會(huì )帶來(lái)數千億的指數配置資金，這些數字背后體現著(zhù)不同證券市場(chǎng)的影響在不斷加深。隨著(zhù)經(jīng)濟全球一體化進(jìn)程以及我國金融行業(yè)對外開(kāi)放的不斷深入發(fā)展，國內金融市場(chǎng)和國外發(fā)達市場(chǎng)的相關(guān)性也會(huì )越來(lái)越強，從大宗商品交易市場(chǎng)到股票交易市場(chǎng)，以至各類(lèi)場(chǎng)外交易市場(chǎng)，不同市場(chǎng)之間的聯(lián)動(dòng)和影響也越來(lái)越復雜，單一的市場(chǎng)在全球化金融背景下很難獨善其身。
有分析指出，從摩根斯坦利的MSCI指數和全球各主要國家的市場(chǎng)指數相關(guān)性可以看出，在2007年經(jīng)過(guò)次貸危機和量化投資不斷發(fā)展之后，很多國家的股票指數和全球股票指數呈現了大規模的相關(guān)性。從這一分析我們可以看到不同市場(chǎng)的相關(guān)性在不斷地變高，歐美市場(chǎng)的整體相關(guān)性已達50、60%，甚至有些市場(chǎng)相關(guān)性達到70%。亞洲市場(chǎng)的相關(guān)性也從10、20%提升到目前的30、40%。從資產(chǎn)配置的角度來(lái)看，在整個(gè)資產(chǎn)的配置中，多樣性起到很重要的作用，我們需要另類(lèi)資產(chǎn)來(lái)投資，否則我們將進(jìn)入相關(guān)性的誤區。市場(chǎng)相關(guān)性的提高不利于傳統資產(chǎn)組合的優(yōu)化，但從另一個(gè)角度，不同市場(chǎng)相關(guān)性的提高使得很多跨市場(chǎng)的量化策略得以實(shí)施，比如期貨市場(chǎng)的內外盤(pán)跨市場(chǎng)套利。
全球量化旨在一個(gè)日益聯(lián)系緊密的一體化金融市場(chǎng)里尋找有用的信息。發(fā)達國家投資界已有新型量化公司通過(guò)技術(shù)手段分析不同金融市場(chǎng)的各類(lèi)數據，在數以?xún)|計的實(shí)時(shí)數據里得到套利信息的能力已經(jīng)超過(guò)傳統金融分析。國內也已有量化團隊，從相關(guān)A股海外指數如富時(shí)指數、海外ETF、大宗商品等入手進(jìn)行跨市場(chǎng)量化對沖投資。
量化交易中金融資產(chǎn)的全球化配置，不僅是豐富了國內投資者金融資產(chǎn)的配置范圍，更體現著(zhù)國內投資者投資理念的轉變與成熟。2016年以來(lái)，以上證50指數為代表的績(jì)優(yōu)藍籌股走出漂亮的50指數走勢，市場(chǎng)的波動(dòng)性也逐步降低，指數表現出一種慢牛格局，這些都體現著(zhù)國內投資風(fēng)格的轉換。當市場(chǎng)越來(lái)越有效時(shí)，我們的量化投資策略也必然會(huì )向成熟市場(chǎng)看齊。
【對沖化】
量化投資的方法種類(lèi)很多，大致包括技術(shù)面分析、基本面分析和基于復雜數學(xué)模型的衍生品投資。隨著(zhù)國內融資融券、股指期貨和各類(lèi)期權品種的不斷推出，市場(chǎng)的做空方式也逐步完備，基于金融衍生品進(jìn)行量化對沖投資逐漸在國內發(fā)展起來(lái)。根據機構的統計數據，目前國內實(shí)施的量化策略中，有60%左右的量化策略是在股票多空、市場(chǎng)中性和套利等對沖型的量化投資策略上。
國內金融市場(chǎng)正在逐漸走向成熟，但目前仍然屬于新興市場(chǎng)，市場(chǎng)整體的波動(dòng)較大。投資跑贏(yíng)了市場(chǎng)卻可能依然虧錢(qián)，因為市場(chǎng)下跌的系統性風(fēng)險無(wú)法有效規避?！白非蠼^對收益”已成為國內資產(chǎn)管理市場(chǎng)未來(lái)發(fā)展的大勢所趨，通過(guò)量化對沖策略取得無(wú)關(guān)市場(chǎng)牛熊的絕對收益，越來(lái)越成為穩健投資者首要的投資目標。
量化對沖最核心的是多空策略，選擇做多好的股票、做空差的股票，或者通過(guò)價(jià)差統計套利的模式，做多相對低估的股票、做空相對高估的股票，以期在價(jià)差回復的過(guò)程中獲利。所以相關(guān)性來(lái)自于量化對沖，量化對沖也影響著(zhù)市場(chǎng)證券相關(guān)性的發(fā)展。在金融投資全球化的趨勢下，量化對沖的發(fā)展使得不同市場(chǎng)上很多資產(chǎn)的相關(guān)性逐漸緊密相關(guān)起來(lái)。
【高頻化】
2015年以來(lái)，高頻交易是被推向輿論的風(fēng)口浪尖的，監管層也推出一些高頻程序化交易的規范化制度，這也在一定程度上反映了目前國內的量化策略在向高頻化的方向發(fā)展。量化對沖往往是基于資產(chǎn)的錯誤定價(jià)，套利是對沖的重要模式，錯誤定價(jià)的套利機會(huì )稍縱即逝。高頻化其實(shí)是對行情和交易高性能的追求，投資中比競爭對手更快的了解市場(chǎng)微觀(guān)結構的變化，是高頻量化取得成功的關(guān)鍵。
對于證券市場(chǎng)，很難預測市場(chǎng)未來(lái)的趨勢，但我們一定知道未來(lái)是波動(dòng)的。高頻交易就是通過(guò)抓住市場(chǎng)的微小波動(dòng)來(lái)獲利。結合對沖操作可以發(fā)現，通過(guò)對沖后投資組合的長(cháng)期風(fēng)險是顯著(zhù)降低的，但對沖組合的短期整體波動(dòng)并未顯著(zhù)降低。這樣就可以通過(guò)高頻對沖交易獲取穩定的收益。這一領(lǐng)域的Virtu公司2014年公布的數據中，在其過(guò)去5年的1238個(gè)交易日中只有一天是出現虧損的。如此高的勝率對“追求絕對收益”的穩健型投資者來(lái)說(shuō)具有極大的吸引力。
高頻交易有一個(gè)特征：它并不適合太大的總資金量，巧合的是長(cháng)期資本管理公司LTCM在50億美元左右出現問(wèn)題，西蒙斯的大獎?wù)禄鸬囊幠Ｒ仓共接?0億美元。從這個(gè)角度看，它很適合剛起步的金融團隊，啟動(dòng)資金和人員都不需太多。當然隨著(zhù)市場(chǎng)金融衍生品市場(chǎng)的不斷發(fā)展壯大，市場(chǎng)交易品種的不斷豐富，高頻交易全市場(chǎng)累計的容量也是不容小視的。
【智能化】
互聯(lián)網(wǎng)的高速發(fā)展產(chǎn)生了大數據，也造就了大數據在包括金融行業(yè)在內的眾多業(yè)務(wù)領(lǐng)域取得成功的應用場(chǎng)景。同樣，大數據應用在證券量化投資中的應用價(jià)值毋庸置疑，投資過(guò)程中我們能獲得的數據除了大量的傳統金融數據，GIS、新聞、博客、論壇、即時(shí)通訊也會(huì )產(chǎn)生圖像化、語(yǔ)言化的文本和音頻數據，往往對金融市場(chǎng)也會(huì )造成或多、或少的影響，這些數據海量地聚集，遠遠超越了人類(lèi)對數據可能的處理能力。人工智能尤其是深度學(xué)習的方法的發(fā)展，提高了對于非結構化、高維稀疏的數據進(jìn)行非線(xiàn)性規劃求解的能力。
隨著(zhù)金融大數據、人工智能和基礎計算能力的發(fā)展，很多投資公司正在推動(dòng)機器學(xué)習的方法，這使得計算機能夠分析數據并提出自己的預測算法。那些機器不再依賴(lài)人類(lèi)來(lái)寫(xiě)公式，算法和量化分析最終可以大大減少對投資分析人員的需求。
在大數據的海洋中要分析和識別模式，似乎依靠基于人工智能的機器學(xué)習工具和技術(shù)是唯一選擇，這應該是大數據應用環(huán)境下發(fā)展投資策略的必由之路。比如，新聞網(wǎng)站對突發(fā)性重大事件的報道必然對金融市場(chǎng)產(chǎn)生影響，實(shí)現基于文本等非結構化數據的事件驅動(dòng)套利策略，需要借助人工智能的自然語(yǔ)言處理NLP來(lái)進(jìn)行。
美國的RS Metrics公司，通過(guò)對全美超過(guò)28家零售商和餐館進(jìn)行衛星圖像監控，可以準確計算出它們在全國范圍內或某一地區的客流量同比增長(cháng)情況，并在目標公司發(fā)布財報前，以周度、月度或季度的頻率向客戶(hù)發(fā)送報告；美國能源情報機構Genscape通過(guò)計算機對衛星圖片來(lái)識別全球港口的油輪運輸和庫存情況，了解石油的需求與供給狀況，來(lái)指導大宗商品的投資。
從大趨勢而言，人工智能在量化投資交易的應用會(huì )加深加快。但基礎研究的限制，讓它目前很難單獨面對復雜的金融市場(chǎng)，更好的方法是讓它去處理大數據，找到數據和金融市場(chǎng)之間的關(guān)聯(lián)，發(fā)現投資交易的機會(huì )。但在這個(gè)過(guò)程中，人也不應該缺席。人和人工智能的混合系統，會(huì )在未來(lái)一段時(shí)間的金融市場(chǎng)中唱主角。
在過(guò)去，國內證券市場(chǎng)投資單一、投資策略趨同，這種情況下必然造就大起大落的市場(chǎng)。投資者結構很重要，當大家做的角色都趨同的話(huà)，市場(chǎng)必定是不穩定的。量化投資帶來(lái)了一種非主觀(guān)性的投資思路，另類(lèi)的操作辦法。量化交易通過(guò)對投資過(guò)程的程序化，把人的情緒排除到投資進(jìn)程之外，整個(gè)投資過(guò)程完全按照預先設定的程序進(jìn)行操作，確保投資進(jìn)程的客觀(guān)性。事實(shí)上對于市場(chǎng)的成熟、穩定、高效是有幫助的。
隨著(zhù)證券市場(chǎng)的不斷發(fā)展、金融衍生品的不斷推出、對沖工具的不斷豐富、投資復雜度的日益提高，量化投資將以其低風(fēng)險、收益穩定的特性成為機構投資者的主要投資策略。
因此，未來(lái)的量化交易亟待在數據服務(wù)、交易服務(wù)、風(fēng)險監控等方面做出適應量化交易發(fā)展趨勢的改變和完善。轉自（恒生研究院 ）
聯(lián)系客服
