量化投资简介

:"\u003Cp\u003EOverview概述\u003C\u002Fp\u003E\u003Cp\u003E随着量化金融领域日渐成熟，量化交易方法也在金融投资过程中应用越来越广泛，并被投资者熟知。但目前国内量化投资发展较为缓慢，投资者参与量化投资积极度较低。量化投资仍主要掌握于专业机构手中，对相应技术和数据分析能力要求高。本文将简介量化投资，帮助投资者更加容易了解量化投资。\u003C\u002Fp\u003E\u003Cp\u003EReport报告\u003C\u002Fp\u003E\u003Cp\u003E量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。量化交易简单来说就是应用了统计学和概率学，通过了抽样和相关性分析，应用多元回归和时间序列分析以及数学模型来形成的投资决策。定量投资和传统的定性投资本质上来说是相同的，二者都是基于市场非有效或弱有效的理论基础。两者的区别在于定量投资管理是“定性思想的量化应用”，更加强调数据。\u003C\u002Fp\u003E\u003Cp\u003E量化交易的历史大致可以分为三个阶段，第一阶段，1971～1977年，1971年世界第一支被动量化基金由巴克利国际投资管理公司发行。1977年，第一支主动量化基金由巴克利发行，总额70亿美元，是美国量化投资的开端。第二阶段，1977～1995年，这一阶段计算机技术飞速发展，为量化投资的数据分析打下了很好的铺垫。第三阶段，1995年至今，量化投资的成熟阶段，目前，全部投资中，量化投资的占比超过50%，其中指数类投资全部采用定量技术，主动策略投资中，30%左右使用定量技术。\u003C\u002Fp\u003E\u003Ch3\u003E量化交易特点\u003C\u002Fh3\u003E\u003Cp\u003E1、纪律性。坚决执行模型的运行结果进行决策，减少因投资者情绪波动而导致的非理性的投资决策。\u003C\u002Fp\u003E\u003Cp\u003E2、系统性。多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；多数据，即对海量数据的处理。尽可能的涵盖市场多维度数据，来进行有效测算。\u003C\u002Fp\u003E\u003Cp\u003E3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。\u003C\u002Fp\u003E\u003Cp\u003E4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。\u003C\u002Fp\u003E\u003Ch3\u003E量化投资技术方法\u003C\u002Fh3\u003E\u003Cp\u003E1、统计套利\u003C\u002Fp\u003E\u003Cp\u003E统计套利是利用资产价格的历史统计规律进行的套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。\u003Cbr\u002F\u003E统计套利的主要思路是先找出相关性最好的若干对投资品种，再找出每一对投资品种的长期均衡关系，当某一对品种的价差偏离到一定程度时开始建仓，买进被相对低估的品种、卖空被相对高估的品种，等价差回归均衡后获利了结。股指期货对冲是统计套利较常采用的一种操作策略，即利用不同国家、地区或行业的指数相关性，同时买入、卖出一对指数期货进行交易。在经济全球化条件下，各个国家、地区和行业股票指数的关联性越来越强，从而容易导致股指系统性风险的产生，因此，对指数间的统计套利进行对冲是一种低风险、高收益的交易方式。\u003C\u002Fp\u003E\u003Cp\u003E2、算法交易\u003C\u002Fp\u003E\u003Cp\u003E算法交易又称自动交易、黑盒交易或机器交易，是指通过设计算法，利用计算机程序发出交易指令的方法。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格，甚至包括最后需要成交的资产数量。\u003C\u002Fp\u003E\u003Cp\u003E算法交易的主要类型有:\u003C\u002Fp\u003E\u003Cp\u003E(1)被动型算法交易，也称结构型算法交易。该交易算法除利用历史数据估计交易模型的关键参数外，不会根据市场的状况主动选择交易时机和交易的数量，而是按照一个既定的交易方针进行交易。该策略的的核心是减少滑价。被动型算法交易最成熟，使用也最为广泛，如在国际市场上使用最多的成交加权平均价格、时间加权平均价格等都属于被动型算法交易。\u003C\u002Fp\u003E\u003Cp\u003E(2)主动型算法交易，也称机会型算法交易。这类交易算法根据市场的状况作出实时的决策，判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外，把关注的重点逐渐转向了价格趋势预测上。\u003C\u002Fp\u003E\u003Cp\u003E(3)综合型算法交易，该交易是前两者的结合。这类算法常见的方式是先把交易指令拆开，分布到若干个时间段内，每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达到单纯一种算法无法达到的效果。\u003C\u002Fp\u003E\u003Ch3\u003E常见的量化交易策略\u003C\u002Fh3\u003E\u003Cp\u003E1、B-breaker\u003C\u002Fp\u003E\u003Cp\u003E在外汇交易系统中，枢轴点(PivotPoints)交易方法是一种经典的交易策略。PivotPoints是一个非常单纯的阻力支撑体系，根据昨日的最高价、最低价和收盘价，计算出七个价位，包括一个枢轴点、三个阻力位和三个支撑位。阻力线和支撑线是技术分析中经常使用的工具之一，并且支撑线和压力线的作用是可以互相转化的。从交易的角度上来看，PivotPoint好比是作战地图，给投资者指出了盘中应该关注的支撑和阻力价位，而至于具体的战术配合，PivotPoint并没有具体地规定，完全取决于投资者自身的交易策略。投资者可以根据盘中价格和枢轴点、支撑位和阻力位的相关走势灵活地制定策略，甚至可以根据关键点位进行加减仓的头寸管理。\u003C\u002Fp\u003E\u003Cp\u003E2、海龟交易法\u003C\u002Fp\u003E\u003Cp\u003E海龟交易法是著名的公开交易系统。首先进行市场和品种选择，选择关联度低、流动性好、容量大的市场和品种进行组合投资。其次决定头寸规模，采用基于波动性的头寸管理策略。海龟交易法建仓有两套规则，第一套建仓规则为以20日突破为基础的短线系统，第二套建仓规则是以60日突破为基础的长线系统，加仓规则是价格在上次买入价格的基础上往盈利的方向变化，即可在增加25%仓位。海龟交易法同样具备两种止损规则，统一止损是任何一笔交易都不能出现账户规模2%以上的风险；双重止损是账户只承受0.5%的账户风险，各单位头寸保持各自的止损点位不变。海龟交易法的卖出规则一旦出发都要退出。\u003C\u002Fp\u003E\u003Cp\u003E3、凯利公式\u003C\u002Fp\u003E\u003Cp\u003E凯利公式由JohnLarryKelly于1956年提出。它指出在一个期望收益为正的重复性局或者重复性投资中，每一期应该下注的最优比例。藉由捕捉可以最大化结果对数期望值的资本比例f也就是得到长期增长率的最大化。那么在单纯的就有两种结果的简单局来讲，这里的两种结果指的是：输去所有注金，或者获得资金乘以特定赔率的彩金。\u003C\u002Fp\u003E\u003Cp\u003E可以通过一般的陈述引导出下面的公式：f=\u002Fb。凯利公式在量化投资中的应用是确定投资品的最佳杠杆比率，凯利公式的核心是在于控制风险。\u003C\u002Fp\u003E\u003Cp\u003E4、卡尔曼滤波算法\u003C\u002Fp\u003E\u003Cp\u003E在40年代，美国科学家Wiener和前苏联科学家Ｋолмогоров等人研究出最佳线性滤波理论，之后又被后人称之为维纳滤波理论。从理论的角度来看，维纳滤波存在着一个最大的缺陷：就是一定要应用到无限的过去数据，再实时处理上，并不适用。在40年代，为了打破这一缺陷，Kalman将状态空间模型引入到滤波理论里，并引导出了一套递推估计算法，后期又被人称作卡尔曼滤波理论。它是以最小均方误差为估计的最佳准则，因此来找到一套递推估计的算法，它的根据就是：选用信号与噪声的状态空间模型，把前一时刻的估计值和现时刻的观测值利用起来，然后更新对状态变量的估计，从而求出和得到现时刻的估计值。它在实时处理和计算机运算方面都非常的适用。\u003C\u002Fp\u003E\u003Cp\u003E5、蒙特卡洛期权定价\u003C\u002Fp\u003E\u003Cp\u003E根据资产价格呈对数正态分布的假设，模拟出资产在期权持有期内的不同的价格走势，得到资产在期权到期日的不同价格分布，由此根据期权在资产不同价格下的价值得到期权在到期日的价值分布，再取期权在到期日价值的均值作为期权价格。通过模拟标的资产价格路径预测期权的平均回报，紧接着就是得到期权价格估计值。在市场当中，蒙特卡洛方法的最大的优越点就是：误差的收敛率从来不会依靠于问题的维数，也就是这个原因，在高维期权定价时，应用这种方法是最合适不过了。\u003C\u002Fp\u003E\u003Cp\u003EConclusion结语\u003C\u002Fp\u003E\u003Cp\u003E量化交易简单来说就是应用了统计学和概率学，通过了抽样和相关性分析，应用多元回归和时间序列分析以及数学模型来形成的投资决策。将风险和收益更加具现化，让投资者在进行投资决策阶段更加清晰和准确。\u003C\u002Fp\u003E\u003Cp\u003E风险提示：\u003C\u002Fp\u003E\u003Culclass=\"list-paddingleft-2\"\u003E\u003Cli\u003E\u003Cp\u003E警惕打着区块链和新技术的旗号进行非法金融活动，标准共识坚决抵制利用区块链进行非法集资、网络、ICO及各种变种、传播不良信息等各类违法行为。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E

摩根大通：量化紧缩在2023年中之前不会给联邦基金利率造成上行压力:金色财经报道，虽然美联储的资产负债表正常化本月开始，但随之而来的银行准备金减少在相当长的一段时间内不会令金融状况实质性收紧并给联邦基金利率带来上行压力。策略师AlexRoever表示，由于银行准备金充裕，并将在“一段时间内”保持这种状态，因此有效联邦基金利率与准备金余额利率之间的利差应该会保持稳定。摩根大通估计，至少可以有7500亿美元的准备金从系统中消失而不会影响到联邦基金利率，这个门槛可能在2023年年中达到。[2022/6/5 4:02:40]

DeFi量化对冲基金Force DAO公布2021年路线图，将于Q4推出移动应用:DeFi量化对冲基金Force DAO公布2021年路线图，团队还将在接下来的几周，分享一个关于每个产品状态的公开的实时路线图。

根据路线图，Force将于Q2推出V2、生息指数基金Quads、独立的借贷池和聚合器Black Smith、使用MEV的跨链arb资金库Arbot R&D；

Q3将推出生息资产支持的稳定币EQUAL、DeFi JS、为OTC和银行服务台优化Uni V3 LP范围的Parabola；

Q4将推出Force Prize、移动应用、EVM代币跨链期权协议Numerator。[2021/4/18 20:33:23]

现场 | 黑马量化孙冠男：传统金融与币圈量化的区别在于发展阶段及生命周期不同:金色财经1月11日现场报道，今日，在由三链资本和金色财经联合主办的“给你3个亿”全球量化大赛线下见面会上，金色财经合伙人&CoinTime COO佟扬主持了“数字资产量化的特色与创新性”的圆桌讨论。黑马量化创始人孙冠男表示：币圈量化不谈基本面，传统金融和币圈量化唯一的区别就是发展阶段及生命周期不同。币圈的量化现在主要是正规军没进来，一旦正规军进来，量化收益率会直线下跌。目前所谓的流动性的问题是散户的币没有参与到市场交易中，我相信随着一些币圈理财产品的出现，这个问题将会得到很好的解决。[2019/1/11]

现场 | TokenPanda基金经理邵昱淇：资金规模过大过小都不适合量化交易:金色财经现场报道，12月14日，TokenPanda基金经理兼COO邵昱淇在由金色财经主办的第五期金色沙龙现场进行了演讲。他指出，资金规模过大或者过小都是不适合做量化投资的。他说，资金规模过大的时候，在一个交易标的里你的个人资金超过成交量的2‰，这时候有比较高的影响市场的可能性。[2018/12/14]

动态 | 数字资产量化投资平台NetCentric正式宣布获得火币全球生态基金投资:由ICONIZ标准资本孵化的区块链项目网络中心量化投资交易平台正式宣布获得火币全球生态基金投资。据悉，新一轮融资将用于推进量化交易策略平民化，数字资产投资自动化的建设。[2018/8/15]

标签：OININTFORVOTMIKS Coincointiger交易所Bogdanoff ForeverVOT价格

火币APP热门资讯