欢迎来到量化小学

第二讲:量化对谁有用?
▲ 全年订阅  加入“量化小学”校友圈儿

Video Player is loading.
Current Time 0:00
Duration -:-
Loaded: 0%
Stream Type LIVE
Remaining Time -:-
 
1x

详细内容请观看PPT视频

句读知之

  • “不动手的量化都是耍流氓。”
  • “量化投资是工程学的问题,就像我们盖一个房子,房子盖的好还是盖的坏,差别是很大的。”
  • “garbage in, garbage out。进去的是垃圾,出去的也是垃圾。”

量化和你有关系

大家好,欢迎来到量化小学,我是渔阳。今天是第二课,我们要讲的是:量化对谁有用?

关于量化投资,我经常听到这样一种说法:量化是数学天才、计算机极客玩儿的,跟一般的投资者没有什么关系。

对这种说法,我觉得也对也不对。因为量化可以有狭义和广义两种解释,从狭义的角度,量化就是用非常复杂的数学模型、以及计算机的交易方法来进行全自动的交易,从这个意义上来说,量化可能确实和一般的投资者关系不大。

但是量化也可以有另一种广义的解释:利用数学和统计的方法,计算机技术和现代的金融理论,为我们的投资实践提供帮助。从广义的意义上来说,量化跟我们每个做投资的人都是有关系的,而在量化小学里面,我们就会从广义的角度来对待量化投资。

今天我们主要讲以下几个话题:

传统投资 VS 量化投资

谈到量化投资,首先别被这些高大上的名词给吓倒,比如说机器学习、随机过程,这些是数学方法;大数据、云计算、托管服务器,这些是计算机的技术。CTA、Alpha、统计套利、Risk Parity、多因子模型,这些是金融上的术语。

看着比较乱,他们都是干什么的?其实说白了量化就是以下几个特点:

第一,大量的使用数据;第二,广泛地应用数学和现代金融理论,最后量化会紧密地结合计算机技术

传统的投资研究流程:

量化投资和传统投资不是一个对立的关系,在我看来这是一个渐进的光谱,意思就是说在传统投资的流程当中,我们可以加入量化的成分,比如我们更多的利用数据、更多的利用计算机技术、更多的利用现代金融理论,那就具有了量化投资的一些特征。

而且最近几年的趋势来看,各类的投资方式都会越来越多的利用到数据、数学、金融理论和计算机技术,可以说整个投资的光谱是在向量化的方向移动的。更具体的看一下投资流程,比较传统的投资流程,我把它大概分为这么几个步骤:

首先,做投资你得有点原料。我怎么做判断?可能是看一些财经新闻、券商的研究报告、公司的财务报告,甚至于是听一些小道消息。

有了原料之后要做分析,这里面可以是定性分析,也可以是定量分析,所以说传统投资并不排斥量化。比如说公募基金的研究员,他会根据公司的财务报表、根据他自己的实地考察,来对公司的合理的股价、未来的盈利预期做出判断,这已经是定量分析了。

有了分析之后,要对投资的金融标的做出判断。比如说大势的方向、个股的优劣、相对价值等等。那么我们做判断,最后还是要转化成投资决策的。以公募基金为例,一般来说是由基金经理来做出决策,他会根据分析师的推荐来挑选股票、分配权重,在控制风险的前提下,构建一个合理的投资组合

下一步就进入执行阶段,在一些比较大的机构里面会有专门的交易室。还以公募基金为例,基金经理会把单子下到交易室,然后由有交易员用软件或者用电话来下单。

最后一个步骤,既然是投资,总会涉及到绩效评估,并据评估的结果来调整投资策略。所以传统的投资研究流程大概就是这样。

量化投资研究流程:

我们再看看量化,还是同样几个步骤。

首先从原料的角度,量化是数据驱动,会看价量数据、财务数据,也会看一些非传统的数据。比如说投资者情绪,甚至一些新闻的数据,先把它转化成机器能够理解的一些指标,或者机器可以处理的语言。

分析环节,量化会比较多的运用到数学和统计学的方法,比如说传统的线性回归,机器学习、模式识别等等。我特别要指出,其实量化并不排斥主观,因为你可以把量化想象成这样一个过程:

我有10个模型,这10个模型都是数学模型,我也可以有一个主观的观点,这相当于是我的第11个模型。从另外一个角度来说,10个模型相当于10个分析师,那么我第11个分析师是一个人类分析师,只要是能够对这些模型,或者分析师作出的判断的数学性质有一个比较好的了解,那我其实可以把它们组合在一起。

我知道这个观点可能一些量化的同行会觉得有点叛经离道,因为也确实有一种流派就认为量化和主观是不能搭界的,一定要把主观和量化区分开。但我个人确实不是非常同意这种观点,特别是在中国实践了两年多以后,我觉得在中国市场里面,主观的判断的确有它的一席之地。

因为在我们国家,对于政策的解读非常重要,对于市场的宏观判断非常重要,而这正是人擅长做的事情,我们完全可以在量化的框架下,把机器做出的一些模型,主要是一些偏微观的东西和人做出的一些判断,主要是偏市场经验和宏观的东西把它组合在一起。

下一步是预测和判断,量化就有点像中医和西医的差别,中医就直接告诉你得了什么病,西医先给你来一份验血报告,有20多个指标。量化就是先要进行风险拆解,从很多的维度来进行数量化的判断。

比如说这个英文名词Market Timing其实就是市场方向的意思,Residual Return是建立在风险模型上面的对股票收益的判断,Volatility、Correlation都是风险度量的指标,最后Market Regime其实是判断市场是处于什么样的宏观环境,加息还是减息等等。

投资决策这个环节,这里面实际上有很多现代金融学的精华,比如说资产配置、投资组合构建、风险管理等等。为什么说是现代金融学的精华呢?这是我个人的评价,因为我觉得这块东西是既简单又管用的。

投资就是风险和收益的一种平衡。在之后的讲座当中,我们会更详细地讲到这一点,如果你合理的配置资产,合理的构建投资组合,先把风险管理好,那你的所得是非常确定的。所以这块非常管用,里面也有很多实际的例子。现在世界上我们来看哪些金融公司做得最大?很多都是运用了一些比较简单,但是却非常实用的现代金融理论。

比如说世界上最大的对冲基金是桥水,它其实就用到了Risk Parity这样一种投资组合构建的方法;最大的资产管理公司Blackrock;最大的公募基金之一Vanguard,他们都是利用指数化投资,利用ETF,都是来自于现代的有效市场理论。而且就现在比较流行的一些概念,比如说Fund of Funds基金中的基金,还有智能投顾,其实主要都是在资产构建、组合构建、风险管理上下功夫的。所以在后面的章节当中,我们也会重点的介绍这些现代金融学的精华理论。

交易执行这个环节,量化会比较多的利用到自动化交易和程序化交易。这里面涉及到计算机技术和市场的微观结构。大家也不用把这个想得特别神秘,我自己是个交易员出身,以前在债券交易台都是喊单的,所以我对市场是有非常直白的理解,量化的程序化交易可以把它看成人类交易员的快速版本。

比如说他看到市场卖的比买的多,那他买的时候就会稍微的慢一点,稍微悠着一点。相反它觉得卖单不是那么多,而且越来越少,都被人吃掉了,那他就会冲得快一点。

在这个基础上,因为计算机算得快,所以可以开发出各种各样帮助大家来执行的算法。经常说到算法交易,很多是处理大单用的,看用户有什么样的需求。例如,用户的需求是我有一个大单,不想让大家知道我在买,悄悄的进村,打枪的不要,就会有特殊的程序来做这个事情,尽量隐藏它的踪迹。

也有的大单,公募基金这样下单的比较多:我就随行就市拿到市场平均价,这就用VWAP算法。也有特别急的算法,不着急的算法等等。说白了就是利用计算机的技术来实现人们想要做的一些交易。

最后是业绩评估,既然是量化,肯定又要给你来一份几十个指标的验血报告,从各个角度来分析投资的业绩。比如说夏普比率、最大回撤、交易量、单笔交易的胜率等等。

量化投资的难点

刚才我们看到了量化投资有这些特点,那么量化投资的难点又在哪?就是两个字:实操。

因为量化投资是工程学的问题,就像我们盖一个房子,从原理上来说可能不是那么难,你弄一点水泥弄一点钢筋,一盖就是一个房子,但实际上它取决于这个工程的质量,取决于很多细节,房子盖的好还是盖的坏,差别是很大的。

那么具体到量化,比如首先是数据,数据一定要有广度,而且要保证质量,如果数据有错的话,很难保证你的研究是正确的。英文里面有一句话叫做“garbage in, garbage out”,进去的是垃圾,出去的也是垃圾。

第二点就是研究方法一定要严谨,量化里面有很多坑,必须尽最大努力避免。比如说有一个常见的坑叫做look ahead bias其实就是说看到了未来的数据,如果能够看到明天的这个价格的话,你当然会赚钱。但是实际这是不可能的。但是在回撤当中就有可能出现,因为也许你的程序写的不对,取到了明天的数据,或者是有其他的隐藏的更深的bug,这个是要尽最大努力避免的。

第三点,资产的配置、风控都很有讲究,我们以后会讲到。最后一点,交易系统一定要能够体现业务逻辑,能够适配市场的微观结构。所以做量化非常重要的一点就是一定要善用工具,提高效率。上次我们也介绍过,我们最近推出的quant<OS>的开源的量化投资平台,有这样一套比较好的工具,它会帮你解决掉很多常见的问题,也会帮你避免一些常见的坑。

比如刚才我们讲的,我看到了明天的数据,那么在quant<OS>系统上面,这件事发生的概率就会大大的变小,因为它会保证你按照时间切片来取数据的时候,只能看到在这个时间点之前发生的事情。

实际操作的简单例子

说了半天,上次我们说过不动手的量化都是耍流氓,那今天我们就实际动手来做一些事情。

简单例子,从选股开始。关于具体怎么用量化的方法来选股,我们以后会讲,今天咱们先做一些简单的事情。谈到选股,我先给散户朋友一些建议。

选股策略:

首先,选股确实不容易,不要跟风、不要听消息,因为大家都想挣钱,有那么多的专业人士在天天挖掘,散户朋友时间和精力都有限,所以我不建议大家花很多时间去选股。

那么真要选怎么办?

我觉得有一种简单的方法,这是十几年前我的合伙人季律师告诉我的,后来我越来越觉得有道理。这种方法就是你觉得哪个公司产品好,你就重点的去考虑哪个公司的股票。

现在我们就来先选几只股票,我们开启上帝视角:我坐在家里喝点小酒,贵州茅台,吹着格力空调,我们都买了平安保险,打开我招商银行的账户,又发工资了,日子过得不错,我得做点投资。那就甭选股了,因为这四个公司都不错,我就买这四只股票。

回测分析:

Video Player is loading.
Current Time 0:00
Duration -:-
Loaded: 0%
Stream Type LIVE
Remaining Time -:-
 
1x

下面咱们切到quant<OS>平台来做回测分析,我上一期也讲过,这些样例的代码都是提供的,所以大家都可以自己来做这样的事情。我们看到似乎有很多的计算机代码,其实大部分都是工具性的,你都不用去碰它,真正用户要改的就是这几行,其实就做了一个很简单的事情先把这四只股票定义下来,我要买这四支,然后做了一个简单的权重分配。

这里面我们做了简单的等权重,就是每只25%。在买之前,我总想看一下这个投资组合的历史表现怎么样?跑这些简单的代码,他会给你自动的生成一个分析报告。好,我们就看到:这个投资组合的历史表现还是相当不错的,不但能赚钱,而且大幅的跑赢了沪深300指数,尤其是今年跑赢的很多,现在过后我们都知道了,今年是白马股特别厉害的市场,这四只股票正好都是所谓的白马股。

仿真交易:

历史分析做完了,我觉得还不错。接下来可能就想要交易这些股票。谈到这块,我还是不建议大家很快的去上实盘,因为真刀真枪,搞不好可能是输钱的。所以在量化开发的过程当中,我建议先用仿真交易来测试一下你的策略。虽然是仿真交易,尽可能的还是要做到接近实盘。

quant<OS>系统里面有个在线的仿真的平台,它有自动撮合的机制,会尽可能地来接近实盘的交易。

其实什么叫撮合?就是模拟交易所来根据你单子的状况,根据市场情况来决定你能不能成交。举个简单的例子,我要说下个单要20块钱去买股票,如果说在交易所里面根本就没有20块钱的成交,没有人用20块钱来卖,那你显然是不能成交的。如果有,那你有可能成交,仿真平台就干这样的事情。

Video Player is loading.
Current Time 0:00
Duration -:-
Loaded: 0%
Stream Type LIVE
Remaining Time -:-
 
1x

那我们怎么用这个仿真平台呢?也非常简单,就是这几行代码,其实就是我这四只股票,然后我对着计算机的ip地址发单,这就可以了。我们现在把这单子发出去,应该是已经成交了。现在切到仿真平台,登录quant<OS>,这是我自己的账户。我可以看到:今天的交易都已经成交了,这四只股票在这,这个组合今后的表现会怎么样?我可以每天看一看。

好,这两个简单的例子就跑完了,我们可以看到:如果有了好的工具,其实做回测、做交易并没有那么复杂。我们就能把主要的精力集中在怎么样去挑股票,怎么样去选择好的交易上面。一些工具性的事情都帮你解决掉了。

本期回顾

最后回顾一下,今天我们讲了量化研究的投资流程,有六个步骤。

一般来说,大家最关心的还是中间几个步骤,就是我们怎么样利用原料来做分析,做出预测和判断,做出投资决策。在接下来的几讲当中,我们就重点来讨论这些问题。

最后,在本次节目结束之前,再一次的提醒大家,注册quant<OS>,安装工具,撸起袖子开始干!我们今天提到的两个例子,都已经提供出来了,大家应该自己试一试。

下一次我们将讲一讲量化投资的基本逻辑。谢谢大家。

 

 

-END-

 

 加入“量化小学”的见识圈,一起学习 

感谢您订阅本特辑,全年订阅用户请扫描下方二维码或点击链接,即可加入专属见识圈子深入交流学习。