当人工智能遇到量化投资，整合1+1&2
就在最近这段时间，接二连三的发生机器人代替交易员的情况，在金融市场上人工智能变得备受关注。
& 金融市场对于马上到来的人工智能时代真的准备好了吗？
就在前几天，一则爆炸性新闻轰动了整个市场的人心。贝莱德集团正是全球最大的资产管理公司，对于公司的主动型基金业务，进行了重新安排，首先做的就是辞退一些主动型基金经理，取而代之的就是量化投资策略！
侯桂程是鸿信投资金融机构部的总经理，他说过：“作为人工智能在投资上的应用，量化投资以表现出颠覆潜质。”和人类相比较，人工智能占有很多的优势，撇开它非常厉害的计算能力，人性的弱点它也可以轻松的避开，在做决策时，它也能够很客观的给出答案。
虽然对于量化投资，人工智能正尝试着走进这个圈子！但是，根据公募市场近期的情况看，量化投资基金己经超过140只，特别是在2015年：股市发生大幅度地波动，量化基金发展的范围扩大的非常快。
但是梁大伟（渣打中国财富管理部董事总经理）的判断是，在未来的日子里，金融发展的大方向就是人工智能和大数据的智能投顾的结合体。在信息的整理和分析上，大数据和人工智能需要的时间非常少，而且非常的准确，在建立更出色和最好表现的投资组合上有很大的帮助。
侯贵程说过：“可以预见，人工智能在金融领域的广泛应用，将为量化投资带来新机遇。”
实际上，像语言识别、图像识别、无人驾驶、机器人等人工智能技术，在近几年来慢慢的走进我们的生活，新的机遇和挑战在很多行业中开始迈开脚步！
曹实是ＣＦＡ协会亚太区金融分析研究总监，他曾说过：“在超级计算机Ｄｅｅｐ Ｂｌｕｅ（深蓝）及ＡｌｐｈａＧｏ等人工智能成果不断的出现，跟之前的人工智能的威力相比，今天的更为真实。就像富士康的产品组装线上，人类己经被机器人取而代之。在将来，机器翻译和理财机器人将会变得很普遍！
依据瑞银的判断，像金融服务、医疗保健、制造、零售和交通等行业，都大大小小受到人工智能的影响。
瑞银还说，亚洲的一部分就业岗位，都会因为人工智能变得普遍而受到威胁，尤其会威胁到，中端技术类工作中预判性强和日常重复性的职位。
陈敏兰（瑞银财富管理投资总监办公室亚太区主管）曾经说过：“为了更好迎接人工智能驱动型时代的到来，我们要善于发现潜在机会、挑战与发展模式，并深入了解其将带来的深远影响。”
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。苹果/安卓/wp
积分 1498, 距离下一级还需 727 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 8 天连续签到: 1 天[LV.3]偶尔看看II
本帖最后由 forex95 于
14:03 编辑
矩阵量化智能交易系统简介&&手工交易外汇太累，经常熬夜伤身体！伤不起！没有3、5年经验，交易越多亏钱越多！亏不起！& && && &&&量化交易对于国内的大部分人来说还是比较陌生和高深的，智能交易由于国内的金融体系发展不完善，接触的人就更少，本发明期望使得量化交易变得平民化，人工智能交易变得简单化，期望量化人工智能交易变成未来的交易趋势并流行起来，任何人只要设定几个简单的参数就能实现人工智能量化交易。& &
& && && &另外，通过该系统，他实现了一种通用的生产智能交易的量化工具。通常，一个智能交易至少需要两步，第一，要有一个想法，第二，要编程实现这个想法。而矩阵量化智能交易系统只需要你有第一步就能实现智能交易，换句话说该系统简化了智能交易的生产步骤，因为你不需要去编程来实现你的想法，只要设定几个简单的参数就能开始进行智能交易。此外，由于他还有评价系统，所以，他不仅能提高了智能交易的风险识别能力，而且增强了智能交易的风险控制能力。综合起来看，矩阵量化智能交易系统实现了从人工交易到智能交易的市场量化分析和交易风险的量化监控。可以说他是一种通用的生产智能交易的量化工具，没有该系统当然也能实现智能交易，但是有了他就像给每个人一个智能手机，他们不仅可以用他打电话，而且也能用他照相，玩游戏，发微薄等等。而矩阵量化智能交易系统就像是每个智能交易的那部智能手机。
废话不多说，看看软件是啥样子吧？见全貌图：
17:18:55 上传
智能交易风险分析系统
17:18:54 上传
矩阵量化分析指标
17:18:53 上传
大易经分析系统
17:18:54 上传
该软件要解决的技术问题是什么？
1：形态分析是技术分析领域中运用比较多的方法，通常被分为两大类：反转形态和整理形态，比如头肩型、三重顶或底、双重顶或底，圆顶和圆底都属于反转心态，而三角形，菱形，旗形，矩形则属于整理形态。但是，无论哪种形态，哪类形态都有一个问题，就是形态在没有走出来之前谁也不能断定会走一个什么样的形态出来。所以，基于形态分析进行的交易往往需要等到形态走出来之后才能确定交易策略。那么有没有一种办法可以在形态未走出来之前就知道他上涨或下跌的概率和幅度呢？本发明正是基于此而设计了矩阵统计分析指标。
2：对于人工智能交易来说，他主要是研究如何利用计算机技术模拟人的思维来解决问题的方式，所以，人工智能交易是按照某个人或某些人的思维模式来设计并预先设定在程序中的，其他人是无法知道设计者的思想，也无法改进该交易系统。本专利要解决的技术问题是，通过矩阵统计分析指标，使得人工智能交易在一定的规则内可以按照任何人的思维模式来设定交易系统并改进该交易系统。而规则的参数设计正是本发明使得该功能能得以实现的关键.可以说矩阵量化智能交易系统是生产EA的EA。
& && &&&3：对于违约距离的计算， KMV模型在运用到金融衍生品交易上时是无法量化违约点, 本发明通过利用区分度模型使得违约点的计算得以实现。从而能精确计算出在外汇，期货，股指等其他金融衍生品上某账户的违约距离和违约概率。这对于个人或人工智能交易系统的评级和提高个人或人工智能交易系统的绩效是大有裨益的。
该软件有何不足之处？
1：对于违约距离（为负值）显示为红色时，并不一定代表这个量化智能交易系统就一定是失败的。因为一个智能交易系统在开始的一段时间可能由于正确率不高而造成了一定的亏损，但如果他的风险回报率足够高，那么在经过一段时间的交易后他仍然有可能会盈利，甚至很稳定。所以，当违约距离显示为红色时不要轻易否定该交易系统，还需要再观察一段时间，如果持续显示红色，那表示你或者你的交易系统还有改进的空间。
2：本软件结合了人工智能交易和量化交易，而量化交易又结合了量化市场风险与量化交易风险。可以说矩阵量化智能交易系统几乎完全是由算法在进行交易。不过从最近欧债危机产生的原因来看，其中一个重要原因是过度量化，而定性不足。所以，我在矩阵量化统计分析指标中加入了矩阵趋势研判的定性分析。但即便如此，从我个人使用的情况来看，如果能结合基本面的分析时而做一些人工干预有时会收到奇迹般的效果。
看看现在有多少人在使用呢？
09:08:10 上传
最近注册的用户有多少呢？
09:08:09 上传
到底效果如何呢？随便挑一个组合的最近交易看看吧。
09:08:09 上传
是不是有点心动了呢，那就使用一下看看吧。软件下载：
本帖隐藏的内容
(1.05 MB, 售价: 10 个论坛币)
09:06:32 上传
售价: 10 个论坛币
安装注意事项：
& && &&&1：主机必须有MT4.且该系统只能安装到MT4上运行。& &&&
& && &&&2：安装的时候必须先关闭MT4软件。& &
& && &&&3：安装时可能会提示有病毒，请放心使用，那不是病毒，而是网络安全认证，杀毒软件会误以为是病毒。&&
& && &&&4：界面弹出来后，点试用即可。& && &
& && &&&5：安装后，点模板--&点“易经量化交易系统”或者“大易经分析系统”或者“矩阵量化统计分析指标”或“易经分析系统” 即可看到分析模板。
& && &&&6：安装后，点导航--&点智能交易系统-》点：change_mall即可调用智能交易系统开始交易。
载入中......
情绪只是时间的消耗品，所谓非理性行为就是对时间的量化。
thanks for sharing
有这么好的事？
电脑报病毒，求退币
槐破梦 发表于
电脑报病毒，求退币亲看安装注意事项第三条
情绪只是时间的消耗品，所谓非理性行为就是对时间的量化。
学习看看！
我也想用来赚钱，不知道有可能用得了
  |
  |
  |
  |
  |
  |
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师六大量化实战高手巅峰对话，论道量化投资新方向！ - 知乎专栏
{"debug":false,"apiRoot":"","paySDK":"/api/js","wechatConfigAPI":"/api/wechat/jssdkconfig","name":"production","instance":"column","tokens":{"X-XSRF-TOKEN":null,"X-UDID":null,"Authorization":"oauth c3cef7c66aa9e6a1e3160e20"}}
{"database":{"Post":{"":{"title":"六大量化实战高手巅峰对话，论道量化投资新方向！","author":"lianghuawang","content":"日，万众瞩目的2016年中国证券私募年度论坛暨金樟奖颁奖盛典于北京盛大开幕，此次论坛由格上财富和招商证券联合主办，一百多家知名私募机构代表联袂出席，干货满满的主题演讲，精彩纷呈的圆桌对话，现场气氛火爆，座无虚席，堪称一场私募行业巅峰盛宴！会上，邀请了6位量化投资精英围绕话题《危与机并存，量化对冲策略如何突破迷局？》展开激烈讨论，各位私募大佬各抒己见，碰撞智慧，为大家带来了深入的解读。以下是对话实录，由格上财富整理：主持人：白鹭资管董事长，章寅先生嘉宾：九坤投资创始合伙人，王琛先生塞帕思投资董事长，王潇航先生盛冠达资产董事长，黄灿先生因诺资产总裁，徐书楠先生千象资产创始合伙人、总经理，马科超先生白鹭资管董事长，章寅先生主持人章寅：大家好，我是白鹭资管的章寅，也是今天圆桌论坛的主持人，今天的议程让我们收益颇多，也希望今天我们这个论坛让大家听到一些实实在在的东西。2015年股市经历剧烈波动以后，为了维护市场的稳定，监管层对于股指期货的操作进行了严格的限制，以至于股指期货对冲工具接近废除，股指期货市场交易量巨减，2015年量化对冲策略和套利策略的平均收益率相对比较高，但是2016年只有1.01%和5.08%，国内量化对冲策略型基金遭遇了历史性的挑战，投资策略受到了严重的影响。日，股指期货松绑政策终于落地，投资环境看来有所好转，但仍具有较多限制，面对如此复杂的环境，量化对冲策略的基金应该如何破局？九坤投资创始合伙人，王琛先生1、主持人章寅：各位谈一谈你们如何理解量化投资？量化投资的盈利原理是什么？量化投资策略和主观策略有什么不同？和主观投资比有哪些优势？王琛：非常高兴来到这个会议，很荣幸与各位参加圆桌会议。关于量化策略，刚才林总、尹总已经讲得很深、很细了，我讲一点自己的理解。我觉得量化在中国市场还是在寻找α，就是我寻找很多超额收益的来源。可能在国外，现在α越来越难做，但是在中国我们觉得可以挖掘到的α还有很多，这里有很多的收益来源是来自于尚未被发掘的数据和角度，尤其在中国市场下一些特定的政策和特定的市场环境下的一些策略，所以我觉得整个中国的策略或者因子的发掘还是蛮多的，我们花得时间最多的是在找因子。不管在股票还是期货，九坤的思路是依靠人工和机器学习方法，发掘策略因子提高超额收益。我们主要还是希望以更高收益风险比的超额收益得到比较好的投资结果。相比于主观投资来说，量化本身还是基于数字出发的，对于历史数据挖掘出来的因子和主观的投资理念是有一些重叠的，比如说尹总提到如果做个股，投资员分析需要非常深入的分析这支股票，可以分析到非常多的细节，而做量化看到的是数据，看到的是公开的信息，这些数据对公司的挖掘没有那么深，这是相比主观投资相对差一点的。我们的优势是在于我们同时可以做很多家公司，用一类的风格或者其他因子寻找方法可以得到这部分的收益，所以这部分跟主观投资是不太相同的。另外一方面就是对风险和收益量化的体系，不管做挖掘因子还是在整个风险体系搭建上，会更加偏重于数量化的模型，可能做主观投资不需要那么量化。现在中国的量化市场的机会还是蛮多的，整个市场的有效性相比于国外市场更差一些，在未来的几年应该量化的超额收益还是会持续存在的，不管是α策略还是CTA或者是指数增强等等，很多策略类型未来几年还是会有非常好的超额表现的。王潇航：我觉得量化投资在我们这些纯理工的人看来就是数据的较量、技术的较量、科研最顶尖水平的较量。现在无论人工智能、机器学习各方面，如果只是像当初一样简单做一些指标选股、指标因子，很难获得超额收益。对我来说，我觉得量化投资最大的好处是什么？刚才尹总讲了，现在这些深度学习模式、机器都已经在国内普及开来，人和电脑最大的差别在于电脑是很客观的，它的分析能力是很强的，一个人很厉害，那时候看非常大脑，他们说那些人很厉害，记忆力非常强，看到一支股票可以背下来，这对机器来说不是很难的事。但是对人来说是比较难做到的是机器强的是数据处理能力。如果说到程序化交易就更容易交易下去。我有很多同行他们是做成长股投资或是价值投资，他们经常跟我说感觉很难坚持，回撤有点多，很煎熬。对于我们做量化投资的好像没有这个过程，股灾的时候朋友圈有一篇文章很火，一个人问做量化投资的，说你有什么观点，他说我做量化的没有观点，量化投资就是这样，看起来好像很冰冷的，好像就是在执行机器给我们的策略，但其实是因为我们已经把我们所有的精力、智力灌注到了这个很小的芯片里面，所以它代表的是我们的心血，我们更容易坚持下去，主要是这两方面，一方面是技术实力，计算机对人类的超越，在数据方面，一方面是计算机的执行能力，比人类更加直观一些，这是我的看法。黄灿：对量化投资我跟大家理解不同的地方，很多人都觉得量化投资是计算机、数学、物理这些加在一起，我觉得量化投资归根到底还是投资，所以投资的基础知识是很容易被量化投资这些人所忽视的东西，举个例子，刚才有提到铁矿石、螺纹钢、焦炭做套利，你不会拿大豆和铁矿石、螺纹钢做套利，这三个东西没有相关性，但是机器不知道，在策略研发过程中，你自己的投资基础还是非常重要的，代码可以千篇一律，但是人的思想不能千篇一律，这是做量化比较有意思的地方。在资产配置上，一定会遇到一个问题，A股、债券、套利策略怎么配置？这里面的配置我觉得在国内还没有哪一家说我可以用非常精准的量化模型做出一个预期收益非常高的配置方案，而目前这个阶段大家都是主观，比如今年可能看好A股，配股票可能主观上配多一点，今年看好债，债的波动率很大，看好商品可能配的CTA多一点，其实量化投资里面，大家选量化投资、量化投资产品的时候对基金经理个人本身的金融投资功底的考察还是非常重要的。徐书楠：量化投资相比于主观投资有一个很大的区别：量化投资对风险有非常量化的度量。主观投资并不是不在乎风险，但是主观投资一般是从收益的角度衡量去选择股票的，比如我看好了某个股票之后，可能我不太在意它中间会有多大的波动，我注重结果，不注重过程。但是量化投资从它每一次的选择过程中都会非常的注重风险因素，所以量化投资可以做出一些风险比较低的产品来，而这样的低风险产品可能对于其他的投资模式来讲是比较困难的，因为它缺乏对风险的定量分析。这里可以举一个更加直观一点的例子，像尹总讲了期权，期权是典型的金融衍生品，金融衍生品都是为了对冲市场的某些风险而推出的，对这些金融衍生品，像期权的定价，就是量化投资在中间做出了非常大的贡献的。比如说我们知道期权定价最著名的定价公式就是由两个教授Black和Scholes提出，并由Merton改进的，这个成果获得了诺贝尔经济学奖。其实Black、Scholes和Merton都做过量化投资，所以量化投资在复杂衍生品定价方面是有着非常显著的优势的。量化投资能够使市场波动变小，对市场具有积极的意义。中国市场有很多的散户参与，所以存在很多无效的波动，为什么美国市场的α非常低？因为这个市场比较有效，无效波动比较少。所以量化投资在交易的过程当中就会使这个市场的无效波动变少，所以它是有利于这个市场慢慢的趋于理性的，这是我要讲的两个主要的观点。马科超：量化投资本身是相信在未来一段时间内历史是能够重演的，基于这个假设，这个假设不是科学，也不是逻辑，就是你相信在一段时间内整个市场交易者结构没有发生大的变化，政策不会发生大的变化，从历史数据当中挖出来的统计上的规律还是会有一定显著性的，本身量化投资是基于相信数据、相信历史在一段时间内会大概率重演的理念，与基本面分析来讲，它更注重挖掘一家公司或者一个标的未来潜在跟以往不一样的东西，你可能比别人先发现，就会获得更高的收益，我觉得在理念上面是略有区别的。量化往往是跟计算机技术结合得非常紧密的，区别量化和基本面分析的优劣势可以归结为机器和人的优劣势的比较，机器在于监控的标的物的数量上，在于处理数据的能力与速度方面，以及在执行层面的严格程度、冷血的程度方面都是比人要好的，基本面的研究对于某一个标的、股票、资产会挖到95%的程度，但是对于做量化的人来说只需要挖到70%就够了，但是你要挖得足够多，3500支股票里面挖得足够多，从大数上面获得概率优势，这就是量化和非量化的区别。千象资产创始合伙人、总经理，马科超先生2、主持人章寅：由于国内的量化投资才刚刚兴起，各位认为中国的量化投资和国外更成熟市场的量化投资有哪些差异或不同，中国的量化投资未来会如何演变？有哪些挑战和机遇？马科超：国内是量化的春天，从2013年开始可以申请私募管理人牌照以来，做量化的团队越来越多，但是会发现整个市场的增量资金包括股票市场的散户交易量还是很大，对于交易环境来说很多都是零和博弈，在这个市场里面只要你比你的交易对手有一点优势，你就会大概率获胜，在未来五年、十年，散户被机构化的过程当中，建议个人投资者还有机构投资者尽快往量化这边站，这是我个人的建议。五年如果散户被机构化完之后，可能就是全新的格局了，比拼的是更先进的算法、更底层、花样更多的数据以及更快执行力的计算机技术，收益率也会降低，光景就五六年的时间。徐书楠：中国市场相比于美国这样的成熟市场，优势是中国市场的α是比较高的，在中国目前状况下量化投资收益风险比比成熟市场要更高，即使成熟市场用的工具、策略都比我们成熟，但是因为它面对着一个更加理性的市场，所以它的策略收益风险比其实不如我们的。从缺点上来讲，中国市场目前的量化投资资金容量还比较小，这个也是由于中国市场的金融衍生品不发达所造成的，因为量化投资主要是处理风险，所以需要有很多金融衍生品去对冲这些风险。第一个能够大规模对冲股市风险的就是股指期货，这是2010年推出的，2015年又被限了，现在虽然放松了一点但还不够。随着中国推出更多衍生品，比如商品期权以及未来推出的金融衍生品，这一点会大大改善，量化策略的资金容量也会大大增加。我们认为五到十年之后量化投资会比现在更加繁荣。黄灿：我觉得国内和国外投资者不同，国内的散户多，国外的机构多。我们要注意一点，国内和国外的交易制度是有一些细微差别的，这些交易制度的差别会把它体现到这个市场的表现上。例如，我们有很多同行喜欢拿国外的一些公司计算国内的一些情况，最简单的一个例子，用国外的期货定价理论给国内的期权定价。国内市场不合理，我的观点市场存在就是合理的，国内股指期货贴水是非常合理的，因为国内和国外的交易制度不同，杠杆比率不同，国外股票市场能够获取的α收益也是不同的，刚才尹总提到每年从市场上赚到40%的α，有这么强的α能力市场会升水吗？不可能升水，会大量做空股指期货获得超额收益，正因为这些不同所以国内市场和国外市场会表现不同。量化投资的机遇也有很多，相信在座都有这样的共识，量化投资才进入1.0版本，还有2.0、3.0、4.0版本远远没有到，机遇是一大把的，挑战就是包括市场的各种各样的风险、各种各样的情况都是我们面临的挑战，制度上面今年股指期货可能会逐步放开，这个市场跟被限制之前的市场有什么不同？这个我们大家都不知道，这是我们面临的挑战还有期权的推出，各个公司都在如火如荼准备这个期权的策略，这也是我们的挑战。这是我对问题的回答。王潇航：前面把机遇说得差不多了，我就说一个挑战——居安思危。过去两年开始到现在，量化基金都是暖春，但是我觉得其实最大的挑战在于什么？量化是基于数据的，我们现在和国外最大的区别是什么？举一个最简单的交易制度上的区别，我们是有涨停板的，但是国外没有，如果哪一天国内把涨停板打开了，把这个制度取消掉了，我们也没有涨停板了，这个对量化基金就是一个很大的考验，突然发现这个数据变了，我以前做的是CTA，现在告诉我说我要用CTA数据做股票，这个是不可能的，所以我觉得居安思危。我倒是觉得机会确实是一大把，但是最大的挑战是在于一些交易制度的突然改变，这个改变几乎是所有量化机构最害怕的东西，也是我自己最害怕的东西。王琛：我们觉得国内过去几年来看每一年都有一段最好的机会，比如说更早的时候，股指期货刚上市的时候，我们刚开始做国内市场，在股指期货上面接一个程序化交易，随便做一些策略都是很赚钱的策略，到后来α策略很好做，稍微做一点因子还带一点正基差，随便做很容易拿到20%或者30%以上的收益。2015年的股灾之后，市场又变化了，融券不允许做，股指期货也不允许超过十手，倒逼大家开发新策略。去年大家做CTA，或者做股票T+0等等，这些变化是国内跟国外差别比较大的。这个变化主要还是因为政策以及交易制度、交易工具的变化，我觉得未来这种变化在预期范围之内还是会持续的变化，所以我觉得在国内做α或者做所有的量化策略来说，最主要的是你所有的策略它可能由于政策或者其他限制性的条件致使策略也要不断的变，在新的规则之下要找到新策略，这是最大的挑战，也是跟国外最大不同的。盛冠达资产董事长，黄灿先生3、主持人章寅：股指期货受限以后，股指期货对冲策略和套利策略基本无法正常运行，2月7日股指期货亮出了松绑的信号，请各位嘉宾解读一下政策对市场的影响。王琛：从政策落地之后一个多月的时间来看，实际股指期货流动性增长并没有预想的那么乐观，这更多是政策方面乐观信号的释放，真正股指期货想要恢复人气，可以作为有容量、有对冲工具作用的实现，还需要时间，我们做量化对一些未来预测方面应该不是我们擅长的，长期来看是乐观的，短期来看还是会按照去年比较苦日子的方式来过，这是做量化不要太乐观的情况。王潇航：从量化对冲来看，之前有预测今年中证1000大幅度跑赢中证500，但是其实今年却跑输了中证500。似乎这波反弹和以前不一样，以前反弹大家都感觉赚了很多钱，去年3月份好像大家赚了很多钱，今年反弹大家为什么赚的钱不是那么多，指数涨得也不少，我们波动性并没有改善，这不是股指期货从10手到20手的松绑可以对股票多投端有的改善，我觉得这个事件只不过是工具性的松绑，对股市来说没有那么多利好，我觉得很中性。黄灿：成交量来看有一点改变，成交量放大1.5倍左右，跟放开之前还是远远没有办法比，我认为这个对于我们做量化的意义远远大于实际，表示监管层已经意识到股指期货不是坏孩子，我们市场是需要这么一个对冲工具的，我们也给交易所一些时间，我相信在未来差不多一年左右的时间，放开的步骤一步两步，可能会分四步走，最终渐渐把股指期货的交易制度能跟之前的交易制度差不多的水平，这是我对股指期货放开的一些看法和预测。徐书楠：股指期货松绑对于股市而言是偏中性的，股市运行有它自己的逻辑，不会因为股指期货的政策就会产生一些比较异常的波动。但股指期货松绑对不同量化策略是有利好的，利好程度往下排大概是这样的：受利好比较大的是α策略和股指期货的低频的CTA策略。对α策略而言，虽然松绑的幅度不大，这个市场还是不会回到正基差，但是负基差肯定有一定的收窄，这就是α策略的额外收益。另外，股指期货放松到20手，也会使Alpha策略和低频CTA策略的单产品容量提高一倍，并且，由于保证金下调，预期收益率也会有一定的提高。对套利类的策略利好不是特别大，因为市场还是一个负基差的环境，像期现套利这种策略仍然没有办法回到无风险套利的状态，所以目前放开到20手，套利策略仍然无法像之前那样正常运行。对于一些非常需要股指期货开仓手数的策略，像股指期货日内高频之类的策略，这个政策可能基本没什么用处，还是基本上没有办法正常运行，所以大家看到股指期货的交易量并没有一个明显的提升，这也是因为交易量最大的这些策略还是没有办法大规模的上。股指期货还是需要更大的松绑程度，比如说要松绑到50手，可能才会对市场产生一些实质性的影响。马科超：我认为最黑暗的时候已经过去了，象征性的意义稍微大一些，对于CTA策略来说我们目前是没有急着上原有性价比特别高的股指日内策略，这个还要观察一下，对于多策略混合量化选股的策略有一些帮助。资金使用效率上面，保证金降低之后，其他资金可以用于低风险套利或者选股策略等等，这是两方面的帮助。我们对今年和明年持续性开放是持很乐观的态度，它会对CTA策略以及α策略都有很大帮助的。塞帕思投资董事长，王潇航先生4、主持人章寅：过去一年由于股指期货深度贴水的原因，阿尔法策略受到极大影响，2016年阿尔法策略私募基金平均收益只有1%，请问两位王总你们是如何战胜深度贴水取得绝对收益的？王潇航：我们去年管理规模在10个亿左右，平均收益约23%，最好的产品是23.86%，周度最大回撤是0.7%，日最大回撤是0.4%。大家会问，深度贴水为什么能够做到这样的业绩。我那时候一直在思考一个问题，到底是不是贴水造成了这个市场就一定难做，我研究了很久，发现并不是。去年我们做到这样最主要原因是在数据库的领先，我和一些同行也交流过，可能我们的数据库会稍微大一点，方法论而言大家都是从多因子的角度出发，我们更多时间是因子的构建，因子有效性检验，对α基金来说应该是更理性看待这个问题，大家现在都说贴水小了就做得好，贴水大了做不好，不是的，应该更理性思考这些问题，这是我的一些看法。王琛：我们这边的体系是偏统计套利和量价相关的因子，因子库的数量也是比较多的，去年负基差环境之下，我们因子库中收益最高的因子在那个时间点回报率更高一些，这种情况之下我们就更有信心和更有动力去战胜负基差，这种环境下你的α强也是可以背着基差做超额收益的，并不矛盾，主要还是这方面。因诺资产总裁，徐书楠先生5、主持人章寅：2016年的11月之后我们看到很多程序化的CTA基金都在亏损，甚至有的基金在年底最后1个月把全年的收益都回吐出去，请问徐总、马总，造成程序化CTA基金这么大回撤的原因是什么？未来这些现象还会出现吗？应该如何应对？徐书楠：我们公司是以混合策略产品线为主打的产品线来推广的，所以CTA这种策略类型在我们策略中是一种配置，我先谈谈我们公司CTA策略的情况：我们公司做CTA是混合策略的一种配置，它里面有偏趋势的，也有偏套利的，趋势里面也有短中长不同周期的趋势类策略，套利策略当中也有不同类型的策略。不同的策略，在去年年底这个时间点表现是有区别的，如果统一看CTA的基金是不是在一个时间点会有一个同步的表现，这个其实不是那么的容易。因为CTA策略本身是有很多种不同做法的，不同的做法可能他们的相关性非常低，甚至是负相关的，所以一种行情可能对某一些策略不太好，一些基金在回撤，但可能另外一些基金就在盈利。根据我本人的判断，像去年年底和今年1月初这样的行情，中长期趋势策略会产生比较大的回撤。因为这个市场在大趋势的行情下出现了非常大的反转，比如从去年的双十一开始商品期货有一个暴跌，整个12月都是下跌行情，今年1月份的行情是涨跌交互的，这样的行情都是不利于CTA的中长趋势策略运行的。但是，并不是所有的CTA策略都在这个时点有回撤，比如我们的一些CTA套利类策略就是有盈利的。当然，判断未来一段时间哪一类策略能够有好的市场机会，几乎是不可能完成的任务。所以，我们采用的方式，还是多策略配置。我们同时配置趋势类和套利类的CTA，并且在每一类中都有很多子策略组成，这样自然能够组成一个更加稳健的策略组合来。马科超：我们做CTA这个细分领域还是比较靠前的，我们有单独CTA系列的产品，所有系列产品都是30%的资金放在期货端做保证金，保证金会给产品带来最大2倍的杠杆。CTA这种大类的策略本身就应该放长时间去看，对于趋势跟踪类策略来说，每年有大级别的行情，但无法判断往上持续性的上涨或者往下持续性的下跌，会发生在每年的哪几个月份，如果单独把时间线割开来看，从11月中到现在是在回撤，这个回撤是很正常的，我们系列产品都是3%到5%的回撤。从2016年7月份到9月底，从2015年1月份到3月份都是有很正常的整体低波动率环境造成的CTA低波动率的回撤，这是比较正常。对于投资人来说，CTA策略是需要长线配置的，这样才能够享受到每年当中不确定的一个大行情来临的时候，你要确保还在这个市场里面，而不是择时的说预判未来的市场有波动率先赎回，我们认为是不健康的。对于历史数据的回撤，2007年、2008年金融海啸的时候，我们所有的策略都是经过类似那样情况的黑天鹅事件的测试，包括像2016年的熔断机制，像2015年的千股跌停的股灾以及特朗普上台黄金白银的一些外盘的暴动，我们所有的策略一定是经过历史上无数次黑天鹅事件的测试之后才能使用，我们不认为这一段时间的回撤是属于在预期范围之外的情况，是非常正常的一种情况。（来源：格上财富）文章有整理转发 ","updated":"T08:58:54.000Z","canComment":false,"commentPermission":"anyone","commentCount":0,"collapsedCount":0,"likeCount":2,"state":"published","isLiked":false,"slug":"","isTitleImageFullScreen":false,"rating":"none","titleImage":"/v2-ae592dab989a824ac9c5b18_r.png","links":{"comments":"/api/posts//comments"},"reviewers":[],"topics":[{"url":"/topic/","id":"","name":"量化交易"}],"adminClosedComment":false,"titleImageSize":{"width":801,"height":402},"href":"/api/posts/","excerptTitle":"","column":{"slug":"quanttech","name":"量化投资大家学"},"tipjarState":"inactivated","annotationAction":[],"sourceUrl":"","pageCommentsCount":0,"snapshotUrl":"","publishedTime":"T16:58:54+08:00","url":"/p/","lastestLikers":[{"bio":"Golden slumbers","isFollowing":false,"hash":"0d31a090db3dab9d5f15ffed28054fe7","uid":342200,"isOrg":false,"slug":"wu-shi-qi-42","isFollowed":false,"description":"","name":"五十七","profileUrl":"/people/wu-shi-qi-42","avatar":{"id":"8c92d1f28ea8a0a30242aacffc3fedc8","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},{"bio":"假装是一只苦逼数学狗","isFollowing":false,"hash":"048bcf0d566144","uid":04,"isOrg":false,"slug":"liu-peng-cheng-48","isFollowed":false,"description":"","name":"刘鹏程","profileUrl":"/people/liu-peng-cheng-48","avatar":{"id":"2bb27258cdf2d3607017abd274a36fec","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false}],"summary":"日，万众瞩目的2016年中国证券私募年度论坛暨金樟奖颁奖盛典于北京盛大开幕，此次论坛由格上财富和招商证券联合主办，一百多家知名私募机构代表联袂出席，干货满满的主题演讲，精彩纷呈的圆桌对话，现场气氛火爆，座无虚席，堪称一场私募行业巅…","reviewingCommentsCount":0,"meta":{"previous":{"isTitleImageFullScreen":false,"rating":"none","titleImage":"/v2-719b76ef0ea12df1dd99_r.jpg","links":{"comments":"/api/posts//comments"},"topics":[{"url":"/topic/","id":"","name":"量化交易"}],"adminClosedComment":false,"href":"/api/posts/","excerptTitle":"","author":{"bio":"财经","isFollowing":false,"hash":"65baa4a5ad72bb","uid":541400,"isOrg":false,"slug":"lianghuawang","isFollowed":false,"description":"欢迎来到量化投资大家学，我们搜罗顶尖量化资讯，发表专业量化见解，祝您成就宽客梦想，仗剑量化江湖。","name":"量化汪","profileUrl":"/people/lianghuawang","avatar":{"id":"v2-f1f012c71ccb0d","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},"column":{"slug":"quanttech","name":"量化投资大家学"},"content":"01
对冲基金利用社交媒体的高频信息交易电影《决胜二十一点》第一幕就是，哈佛医学院负责招生和奖学金评审的主任对男主角说，今年一共有76位申请者竞争罗宾逊奖学金，最终只有一位幸运儿。他/她的经历光impress(打动)评审委员会还远远不够，必须dazzle(用现在的网络流行语来说就是“亮瞎”)到大家。在香港大学的七年教学生涯中，我总是在每一门课程开始时，就模仿着对学生说，如果你们将来继续深造，要申请奖学金来找我写推荐信，最起码要让我觉得impressive，如果要让我一辈子都记得，必须dazzling。在这七年里，我教过的本科生、硕士生和博士生至少有1500名，我大致上给40多位本科生写过硕士学位项目申请的推荐信，精心指导过的7位本科生——他们目前在美国和欧洲一流经济和金融系攻读博士学位（过去七年港大经济金融学院毕业生选择攻读博士学位的据我所知不超过20人），我自己的两位博士生毕业后分别在高盛中国策略部和中国人民银行上海总部工作。不过以最短时间dazzle到我的是一位印度来的硕士生阿斯温·戈亚，他本科专业为计算机，辅修经济金融。2013年春季，我在《对冲基金》课程中简单提到投资者的情绪会对证券价格产生影响，比如大家情绪高涨时更可能推动价格上涨。过去发现的情绪的代理指标各有各的劣势，最新的思路是从Facebook、Twitter或者微博上实时读取短讯（我记得那时候微信还没流行开来），然后通过文本算法程序去判断每条短讯里包含的情绪是正或负，然后加总分析，并以此为依据建立证券组合。实际上我本人的博士论文就是从理论上解释这个发现。我提到2010年有三位计算机专家发现利用tweets里的情绪信息预测道·琼斯指数每天的涨跌有超过85%的准确性。一家叫做Derwent的对冲基金，按照他们的文本算法程序试运行了一个特别的情绪基金，在第一个月里取得了接近2%的回报。可能实际融资并不容易，Derwent后来将这项技术得出的买入卖出信息卖给有兴趣的投资者。另外一家叫做MarketPsych的公司，则收集证券价格数据、媒体热词、投资者情绪、经济不确定性和政府稳定性等量化指标来进行投资（见图1）。作为对冲基金，他们在年的业绩表现超越标准普尔500指数25%，随后转型成为以数据发布、量化研究和咨询业务为主的公司。而全球最大的对冲基金桥水(Bridgewater)也公开他们使用社交媒体的实时信息以掌握全球经济每天的变化。实际上，金融学近年来大量文献指出，虽然市场价格对于新信息的反应非常迅速（即市场有效说），仍然有一些公开的信息可以对于一段时间后的股价具备预测力。例如“谷歌趋势”上面的搜寻量指标，可以对两周后的股价升跌有显著的预测力。不过这类研究结果发表后常常被投资者大量采用从而失去其效力，而坚持市场有效说的学者认为，这些发现只是为了迎合行为金融的流行潮流而制造出来的统计假象，或者是为了发表而滥用数据挖掘的结果。我倾向于相信一些基于社交媒体大数据的未发表的研究结果对于投资有帮助。当时我的介绍非常简单，我告诉大家只有到夏季的《行为金融》课程才会把相关的文献集中整理后发给大家。然而一个月后，在学生自选主题的课程项目演示中，戈亚让所有人大吃一惊，他最独特之处在于，想到把tweets包含的情绪信息用于预测二元期权的未来价格。简言之，买入(卖出)和某证券挂钩的二元期权是预期该证券在接下来较短时间（比如数小时）内价格将上涨(下跌)，这种短时间到期的特点让低频基本面数据变得没有什么价值，而反映市场情绪的高频数据则对于价格预测帮助颇大。另外，由于二元期权的回报结构特殊，投资者通常需要有55%的准确度才可能盈利。戈亚首先建立了一个包含400条tweets的数据库，然后教会语言处理软件包LingPipe每条包含的情绪为正还是负。接下来，他编写的程序以毫秒的高频速度实时读取和一种证券相关的tweets，此时具备自我学习能力的LingPipe就可以判断这些最新tweets体现的正负情绪，当加总后的正情绪tweets数量超过负情绪总数的55%时，他就买入对应的二元期权(实际上，这个准确度百分比根据买入时间点的价格而随时变化)。他还讨论了三位计算机专家方法的不足，如何利用多重信息来源补充tweets包含的信息，以及如何将同样的思路运用到其他金融工具的交易上。当然，同样的策略可以同时运用到上百上千支二元期权上，成为统计套利的一种。虽然过去几年有一些高频交易技术被美国监管机构禁止，我相信这段故事可以让大家认识到，并非所有的高频技术都是魔鬼，它往往只是优化现有交易策略的一种手段。戈亚课后告诉我，他想成立一家对冲基金实现自己的创新点子，我鼓励他的同时也深知创业艰难。写作此文时，我特意查询他的近况，非常惊喜地知道他在2014年回到印度创立了一家叫做KeepKaam的人才招聘网站。事实上，还有几位学生也在他们的课程项目演示中dazzle了我，他们的共同特征是有很强的技术背景，虽然金融方面的知识并不丰富，但一旦抓住一个概念彻底理解后，就能够通过定量技术来极大缩短分析和执行时间以及人力成本。所以每次在我的金融课程结束时刻，我总是强烈建议经济金融系的学生多认识理科工科的学生，先成为朋友，再结合各自的优势去组队创新或创业。图2从四个角度概括了不同量化交易策略各自的特点。我估计看完前两篇，追踪到此的读者们有一种望梅未止渴的心情。对于不掌握高频交易技术，因子模型或者机器学习的读者，是否仍然有机会从巴菲特的投资哲学和索普的量化思想中学到一招半式？量化交易相对于“买入并持有”的价值投资高得多的交易频率真的有必要吗？普通投资者也可以受益的公式是什么？02
什么是“魔法公式”?我在写作《电影里的量化投资密码》考虑如何结尾，同时酝酿第三篇的主题时，突然收到了香港财经分析师协会的通知,我在高盛中国策略部工作的学生付思和我合写的一篇论文《魔法公式是否在香港股票市场有效？》，经过了香港的大学教授和明星基金经理组成的评审团的盲审后，获得了该协会“亚洲资本市场研究”2015年最佳论文奖，这对于已经离开学术界的我来说真是一个莫大的鼓励。我当即决定把这个结合了巴菲特的投资哲学和索普的量化思想的简单公式介绍给大家。索普很早就研究了格拉厄姆和多德的投资圣经《证券分析》，但他发现，很难使用书中提到的对企业未来现金流折现来估算企业现值的方法，因为预测下一年的盈利都是极其困难的事情。而且他还发现，许多被广泛认为低估值的股票在接下来的几年内仍然处于低估值的状态，索普因此放弃了价值投资策略，转而把各种证券视作没有基本面支撑的扑克牌，仅仅根据价格的相对变化来做量化套利。而巴菲特对数学和计算机在投资中的运用向来没有好感，在他看来，证券的价值体现在企业的基本面上，买证券是买入好的生意和企业并长期持有，当高质量企业被低估值是再好不过的买入机会，巴菲特用相对估值的办法（比如企业股本回报率高于30%，自由现金流名列前30%，净利润率高于行业平均，债务股本比低于行业中位数等等）去解决索普认为的绝对估值困难的麻烦。巴菲特尤其不喜欢业界对于每天新公布的经济数据大做文章的习惯，他认为这类工作绝大多数时间是浪费资源和破话价值的，他很幽默地讽刺说：经济学家花费大量时间学习数据分析，如果不把这点本事拿出来显摆下，别人就会忘记了他们的存在，一个手里拿着锤子的人看什么东西都是钉子。应该说索普和巴菲特只有两个相同点，一是，巴菲特认为投资另外一个最重要的环节是控制自己的情绪，不受市场价格波动的影响。相反，大部分投资者在价格高涨时情绪激动地买入，在价格下跌中恐慌抛售。而索普使用计算机和量化策略恰恰能够在最大程度上减少情绪波动对投资的破坏性作用。二是，两人都不相信芝加哥学派主张的市场“总是”有效无法被战胜的观点。巴菲特(认同市场大部分时间有效)曾经开玩笑说，我们这些价值投资者能赚钱，实在是多亏了大学教授告诉一代代学生证券分析是浪费精力。我相信许多投资者尝试过，将巴菲特的投资理念“用平常的价钱买一家很棒的公司远远强过用很棒的价钱买一家平常的公司”进行量化，但真正成功却又乐意将其公开的则是凤毛麟角，也许这和巴菲特本人的态度有关，他说过“对于手持公式的怪才要格外小心”。无论如何，到了本篇的主角乔尔·格林布拉特出场的时刻，这位成功的对冲基金经理和哥伦比亚大学的兼职教授，在2006年出版的名为《一本战胜市场的小书》里，给出了两个简单的公式。第一个公式用来寻找巴菲特所说的“很棒的公司”，可以表述为资本回报率等于扣除利息、税收前的利润(EBIT)除以有形资本(不含现金)。资本回报率越高的公司质量越棒。第二个公式用来衡量“平常的价格”，可以写成收益率等于EBIT除以企业价值。收益率越高的公司价格越划算。值得一提的有两点：一是，市场上通常用股本回报率或者资产回报率来判断公司价值高低，用市盈率(类似于收益率的倒数，但分别用盈利和企业股票市值取代EBIT和企业价值)来判断价格是否合理；二是，格林布拉特的公式里用到的EBIT和有形资本不同于通常的资本回报率计算时所用的EBITDA(扣除利息、税收、折旧和摊销前的利润)和总资本(包括无形资本和现金)。他在书里详细解释了这样做的原因，简单来说，这样两个经过调整的计算公式可以让公司之间进行苹果对苹果的公平比较，而通常的指标则会因为企业的资本结构(债权与股权比重)不同以及税收差别对待而产生苹果对桔子的不公平比较。有了这两个公式或者说两因子模型，格林布拉特的选股方法就变得非常简单，他首先计算出美国每家上市公司的资本回报率和收益率，并依次从高到低排名，然后将两个排名简单加总，然后买入总排名最靠前的30家公司并持有一年。一年后再重新排名，交易完成后再持有一年，以此类推。格林布拉特称这个策略在年的年化回报为30.8%，同期标普500指数年化回报为12.4%。换言之，初始的100元投资在17年之后会分别增长到大约元。——因为这样优异的表现，这两个公式和选股方法被简称为“魔法公式”。值得一提的是，本系列第一篇《量化巴菲特》提到的复制方法其实颇为复杂，并非可以轻易模仿。但“魔法公式”则异常简单，普通投资者都可以运用。而且一年内只需要对股票组合再平衡一次，不像高频交易那样需要建立昂贵的交易系统和对手进行速度竞赛，交易费用上的优势也显而易见。如果用本系列第二篇来做类比，和这个价值投资策略最类似的则是电影《点球成金》描述的真人真事：耶鲁大学经济系的一位毕业生利用统计分析量化技术帮助一家陷入困境的小型棒球队挑选被市场严重低估的优秀球员，球队最后创造了史无前例的棒球联盟连胜纪录，此后这一量化方法被各大棒球队采用。在尝试“魔法公式”前，格林布拉特与合伙人成立的对冲基金Gotham Capital专长于事件驱动投资策略,在期间取得了年化40%的回报。他在1999年出版了畅销书《你能成为股市天才》介绍他的事件驱动策略。2006年出版的《一本战胜市场的小书》更受市场欢迎，他们还建立了一家“魔法公式”的网站免费公开总排名靠前的美国公司(见图3)，在公开战胜市场的方法这点上，格林布拉特和索普非常相似。到了2010年，格林布拉特与合伙人对外声明不再采取事件驱动策略，而集中使用“魔法公式”，这更从一个侧面体现出该策略的魅力。“魔法公式”公开后引起重视，对书中使用的年美国数据的验证得到相似但略低的回报数据(可能因为会计数据处理的差别)。图4展示的是关于“魔法公式”和标普500指数长达47年(年)的比较。可以看出在回撤、夏普、盈利月份比等指标上前者均优于后者(从1964年开始是因为此前的一些会计数据不存在。年化回报率低于前面提到的30.8%主要原因是只投资于高流动性的中大盘股)。两位欧洲投行分析师发现“魔法公式”按相同权重策略年化回报在年分别高出美国、欧洲、英国和日本的股票(相同权重)市场指数的3.6%、8.8%、7.3%和10.8%。另外一项研究发现在年，在北欧市场运用该策略得到的年化回报为14.7%，同期明晟北欧指数回报为9.3%，标普500指数回报为4.2%。03
“魔法公式”是否在香港市场有效？由于香港的教授极少研究香港和中国证券市场，这个问题之前还没有人尝试回答。付思和我发现，从2000年1月-2014年6月在香港股票市场采用“魔法公式”策略，如果每隔半年（因为香港采取半年报会计制度）买入总排名前30%的股票按市值权重持有则年化回报达到20.3%，远远高出恒生指数同期表现。——顺便说一句，我们曾经比较了魔法公式在中国的表现，利用年的数据，此策略构造的股票组合的年化回报和沪深300指数表现几乎一样为14.1%，但前者的波动率要略高出后者，原因可能和大多数投资者认为价值投资还没有在中国扎根有关，不过这个结论也只是初步的，还有待更细致的数据处理，随后我们做了一些因子模型回归分析了风险和回报之间的关系，这些都是学术研究的标准步骤。我们知道如果要真正执行，还需要做许多策略优化和精炼化的工作，比如应该把投资空间限于香港股票市场高流动性的股票，避开财务造假或者可能陷入破产的公司（许多低估值的公司恰恰是面临财务困境难以生存的），细化挑选出更高质量、具备竞争优势和价值护城河、以及财务稳定健全的公司等，但是如果把这些步骤都考虑进来就足够我们写成一本书了。有趣的是，我第一次有机会在公开讲座上分享研究发现是2015年4月中旬。我特意看了一下文章在2014年6月最后选出来的36只股票，发现如果按相同权重一直持有十个月下来的回报达到37.2%，如果我只持有其中市值最高的10只股票则回报高达62.3%。做完这一步后，我才特意看了下排在第一位回报高达481.5%的是哪家公司，结果是汉能。事实上，在那个时候关于汉能的财务报表异常和股市表现已经引起了很多人的怀疑。虽然汉能直到5月20日被停牌，我相信如果我们真正采取“魔法公式”策略，汉能应该无法通过策略优化和精炼的环节。金融学术界早已经发展出精确度很高的财务报表异常排查和破产风险衡量模型。用到的方法非常类似文章开始提到的戈亚使用LinePipe来判断tweets包含的情绪。学者们通过对过去被查实财务造假或者陷入破产的公司的会计账目进行分析，找到了一个包含多因子的量化衡量公式。在我们用“魔法公式”挑选出的总排名靠前的公司后，将他们的几项财务数据输入这个公式，一旦其数值低于一个经验阈值，就可以将其直接排除出股票组合。显然，排除这些公司虽然在短期内会影响投资组合的回报表现，但长期来讲毫无疑问是值得的。04
执行的困难源自认知和行为偏差“魔法公式”的表现如此之好，加上格林布拉特自己对冲基金的实际表现优异，是否人人能够从中得利？答案是不言自明的，真正能够做到价值投资的人极少。大的机构投资者往往受限于制度约束，比如价值投资往往很难在一个季度、半年甚至一年中表现优异，而投资经理面对短期业绩评估的压力促使他们放弃价值投资而追逐热门的成长股。个人投资者更是受认知和行为偏差(包括过度自信，羊群效应，高估小概率事件等等)，特别是情绪波动的影响经常高买低卖，绝大多数人跑输市场指数。同样，对自己能力过度自信，高估自己成为那极少数跑赢大市的投资者喜欢频繁交易，价值投资强调的买入并长期持有对他们太缺乏吸引力。有一份有名的研究标题为《交易慢的人是不是最先死？》，学者发现一些过去业绩不错的投资者率先接受网络交易，但网络给予的频繁交易机会反而让他们的业绩大幅度下降。而继续使用电话下单的慢速交易者的业绩表现则没有什么变化。这点也可以再次回答前面的疑问：对于长期投资者而言，不掌握高频交易技术实在没有什么损失。有意思的是，格林布拉特自己在2009年5月-2011年4月邀请一些客户做了一个“魔法公式”的投资测试。他定期公布利用公式挑选出来的总排名高的公司名单，这些客户可以根据名单再自行挑选，买卖和持有时间也没有限制。另外一个参照账户则按照他的《小书》描述的投资步骤严格执行。结果两年下来，前者的平均投资累积净回报为59.4%，非常不错，但依然输给了标普500指数的62.7%，而参照账户的表现则是84.1%。投资者的主要行为偏差表现在既错过买入一些看上去前景糟糕的股票，又急忙卖掉一些买入后表现不如意的股票，然后又去追逐名单里表现好的股票。在客户中表现最佳的一位则在一开始就买入名单上的全部股票后再也没有进行交易。其实这样的结果对于任何一位熟悉现代金融学研究的人来说都不意外。格林布拉特在一次采访中就说，他发现自己也经常输给“魔法公式”策略，他害怕而避开的一些股票往往在接下来表现异常地好。专家输给量化系统的故事在其他领域同样不胜枚举，因此，我想说量化投资的神奇之处并不在于其创造阿尔法的点子有多么复杂，而在于依靠尽量详细扎实的系统性研究成果，减少人为的干预。我上文已经指出存在比“魔法公式”策略更好的精炼量化策略，在香港市场应该同样有效，等我有时间写出来再去竞争明年香港财经分析师的最佳论文奖吧，至于最终执行的结果，我深信依然会是一场人与机器的博弈(见图5)。（来源：开拓者金融网）","state":"published","sourceUrl":"","pageCommentsCount":0,"canComment":false,"snapshotUrl":"","slug":,"publishedTime":"T14:48:26+08:00","url":"/p/","title":"量化投资魔法公式：结合巴菲特和索普的优势","summary":"01 对冲基金利用社交媒体的高频信息交易电影《决胜二十一点》第一幕就是，哈佛医学院负责招生和奖学金评审的主任对男主角说，今年一共有76位申请者竞争罗宾逊奖学金，最终只有一位幸运儿。他/她的经历光impress(打动)评审委员会还远远不够，必须dazzle(用现…","reviewingCommentsCount":0,"meta":{"previous":null,"next":null},"commentPermission":"anyone","commentsCount":0,"likesCount":0},"next":{"isTitleImageFullScreen":false,"rating":"none","titleImage":"","links":{"comments":"/api/posts//comments"},"topics":[{"url":"/topic/","id":"","name":"CTA"}],"adminClosedComment":false,"href":"/api/posts/","excerptTitle":"","author":{"bio":"财经","isFollowing":false,"hash":"65baa4a5ad72bb","uid":541400,"isOrg":false,"slug":"lianghuawang","isFollowed":false,"description":"欢迎来到量化投资大家学，我们搜罗顶尖量化资讯，发表专业量化见解，祝您成就宽客梦想，仗剑量化江湖。","name":"量化汪","profileUrl":"/people/lianghuawang","avatar":{"id":"v2-f1f012c71ccb0d","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},"column":{"slug":"quanttech","name":"量化投资大家学"},"content":"Futures收录新兴商品交易顾问（CTAs）的第24个年头，每一年都有特别之处，但在2013年重点关注农产品的以及利基市场的基金经理做得比较好。这一结果并不令人惊讶，因为这一年是长期趋势跟踪交易又一个困难的年份。基于农产品的基金经理更倾向于基本面并且斟酌行事，这使得他们避免了近年来市场risk-on/risk-off的困难。新基金经理试图与众不同、脱颖而出也是情理之中的，因为即使在一个趋势性良好的环境中，追随趋势的新基金经理要被认可仍是困难的。独特是好的。新交易业务的推出之路总是艰难的，今年同样也是非常困难的，因为MF Global和 Peregrine Financial Group倒闭了，他们的倒闭还带来了额外监管负担。在审查候选人的时候，我们不仅要看经理人的近期表现，还要看他总的交易方法和风险管理，以及在交易风格和费用结构上的前后一致性。之前的“热门新兴商品交易顾问”继续取得巨大成功，有的已经变得默默无闻。这不是一种认可和支持，而是对新人才的审查。利浦马克资本（Leapmach Capital）: 管理好风险利浦马克资本管理公司管理资产总额：110万美元八月份回报率：.70%最近一年收益率：6.39%最差回撤：1.02%夏普比率：5.19Matt Chuang说，使得Leapmach资本管理公司的Delta中性短期策略与其他卖出期权策略区分开来的是他们对风险管理的高度重视。虽然这样说起来似乎并没有特别之处，但是Leapmach的确做了许多不同的事，这家公司是chuang在从事交易工作七年之后于2011年创立。首先，它分散化投资，在所有主要板块进行交易，而不是只集中于股票指数。同时chuang对每个板块使用不同的方法，将基本面分析和技术分析融合到他主要的系统方法中。“在我的交易策略中，技术分析和基本面分析同样重要” chuang说道。“针对不同的交易品种，我可能会更侧重两者中的某一个。例如，在股指上我会更注重基本面，然而对黄金来说，技术分析可能会更有意义”。他基于交易量和波动性分别评估每个市场和行业。“因为风险管理是我最优先考虑的重点，我希望尽可能多元化。” chuang说道，“我在各个行业运用不同的核心策略，因为它们都有不同的内在特点。在多个市场交易为我提供了更多的机会，因此如果其中一个或者几个市场缺乏交易量和波动性，我仍然可以活跃在其他市场”。虽然这些策略是基于收取权利金，但他会同时持有多头和空头的期权头寸；尽管他的多头期权通常是为了对冲，但是它们有时候仍然会产生收益。“我持有多头期权通常是为了对冲目的，”他说道。“我明白进行利差交易就有收益的权衡，但是我降低了一定的市场风险。我的多头/空头头寸的比率根据当前和未来的市场状况随着时间的不同而不同，随着产品的不同也不同。只有在市场极度动荡且方向性明显的时候多头期权才会产生收益”。chuang在伊利诺伊大学获得了电气工程硕士学位，但是他的一位参与交易的室友帮助他改变了职业路径。2005年毕业之后，他的室友建议他从事交易工作，因此他拒绝了一个待遇更丰厚的职位，进入了一家当时刚刚起步的交易公司上班。“我试着交易了一段时间，并且从此再也没回到工程领域，” chuang说道。大多数头寸始于利差，这些利差是基于chuang对市场在某一特定时段的预期变化方向。“对我做的每笔交易，我总是确保在某个特定的时间段我可以预期市场会在一定的价格范围内移动，这就是我开始一笔交易的方式”，chuang说道。“在我交易之前，我会确保我正在观察的时间窗口对我的客户有利，然后再决定在那段时间内标的期货合约的价格区间。Leapmach保留了在芝加哥和香港的办事处。Chuang把时间分别花在芝加哥和亚洲，再亚洲他还有其他的商业兴趣。他在台湾长大，然后跟着家人搬到了加拿大，大学之后又去了芝加哥。他对风险管理的高度重视在一些波动市场得到了印证。2011年1月公司刚刚成立时产生最差回撤是1.02%的亏损；在此之后，Leapmach已经实现了15.29%的年复合回报率。Leapmach的交易可能持续数天乃至数月，chuang也在不断地监测并调整。“我们都知道，期权发行人最大的恶梦是出现极强的方向性价格变化”，chuang说道。“实时监测利润和风险的能力使我在这些不良事件中免于遭受巨大损失”。在这方面，chuang成功地处理了这种对卖出期权而言最可怕的事情，并从中盈利。“我相信当市场处于发狂模式时存在更多赚钱的机会，因此点击复位键并没有错，即使这意味着赔钱以及从头再来。（来源：FUTURES）文章有整理转发","state":"published","sourceUrl":"","pageCommentsCount":0,"canComment":false,"snapshotUrl":"","slug":,"publishedTime":"T16:44:21+08:00","url":"/p/","title":"热门新型CTA度过了艰难岁月（上）","summary":"Futures收录新兴商品交易顾问（CTAs）的第24个年头，每一年都有特别之处，但在2013年重点关注农产品的以及利基市场的基金经理做得比较好。这一结果并不令人惊讶，因为这一年是长期趋势跟踪交易又一个困难的年份。基于农产品的基金经理更倾向于基本面并且斟…","reviewingCommentsCount":0,"meta":{"previous":null,"next":null},"commentPermission":"anyone","commentsCount":0,"likesCount":0}},"annotationDetail":null,"commentsCount":0,"likesCount":2,"FULLINFO":true}},"User":{"lianghuawang":{"isFollowed":false,"name":"量化汪","headline":"欢迎来到量化投资大家学，我们搜罗顶尖量化资讯，发表专业量化见解，祝您成就宽客梦想，仗剑量化江湖。","avatarUrl":"/v2-f1f012c71ccb0d_s.jpg","isFollowing":false,"type":"people","slug":"lianghuawang","bio":"财经","hash":"65baa4a5ad72bb","uid":541400,"isOrg":false,"description":"欢迎来到量化投资大家学，我们搜罗顶尖量化资讯，发表专业量化见解，祝您成就宽客梦想，仗剑量化江湖。","profileUrl":"/people/lianghuawang","avatar":{"id":"v2-f1f012c71ccb0d","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false,"badge":{"identity":null,"bestAnswerer":null}}},"Comment":{},"favlists":{}},"me":{},"global":{},"columns":{"quanttech":{"following":false,"canManage":false,"href":"/api/columns/quanttech","name":"量化投资大家学","creator":{"slug":"lianghuawang"},"url":"/quanttech","slug":"quanttech","avatar":{"id":"v2-7afadb0314","template":"/{id}_{size}.jpg"}}},"columnPosts":{},"postComments":{},"postReviewComments":{"comments":[],"newComments":[],"hasMore":true},"favlistsByUser":{},"favlistRelations":{},"promotions":{},"switches":{"couldAddVideo":false},"draft":{"titleImage":"","titleImageSize":{},"isTitleImageFullScreen":false,"canTitleImageFullScreen":false,"title":"","titleImageUploading":false,"error":"","content":"","draftLoading":false,"globalLoading":false,"pendingVideo":{"resource":null,"error":null}},"drafts":{"draftsList":[]},"config":{"userNotBindPhoneTipString":{}},"recommendPosts":{"articleRecommendations":[],"columnRecommendations":[]},"env":{"isAppView":false,"appViewConfig":{"content_padding_top":128,"content_padding_bottom":56,"content_padding_left":16,"content_padding_right":16,"title_font_size":22,"body_font_size":16,"is_dark_theme":false,"can_auto_load_image":true,"app_info":"OS=iOS"},"isApp":false},"sys":{}}
