前言：中文期刊網精心挑選了量化交易策略的研究范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。

量化交易策略的研究范文1

在如今每位公民都想通過金融產品投資的方式來增加個人資產的時代，量化基金的高收益率逐漸被投資者所知。西蒙斯，一位世界級的數學家以年凈賺15億美元成為全球收入最高的對沖基金經理，名氣可謂超過金融巨鱷索羅斯。大獎章年化以35%超越股神巴菲特年化20%的收益神話。而在2016年5月《機構投資者》旗下出版物《阿爾法》公布的“2016年全球收入最高的對沖基金經理”排行榜中前十位有八位為量化基金經理，前25位有一半屬于量化分析。由此可見海外對沖基金的焦點正從宏觀對沖基金轉向量化對沖基金。

而在國內，量化基金正處于起步階段，國內對于量化投資策略的研究較少。筆者以量化投資平臺上自主開發的策略代碼為例，通過對代碼的編寫優化及檢驗回測，使讀者了解到量化投資的可操作性和高回報性。

1 量化投資策略概述

量化投資是計算機通過開發者編寫的程序來進行分析以及交易整個的品種選擇、交易時機、交易方向以及倉位管理都是通過計算機完成。它避免了投資者個人的情緒影響，完全自動化操作，和如今的工業2.0類似。一個穩定的量化投資策略往往可以勝任一位投資者的多種操作策略，尤其在風險管理上量化投資更勝一籌。

國內的主流量化交易平臺有文華贏智、TB、金字塔決策交易系統和國泰安量化投資平臺等。國內的量化交易平臺繁多，而與海外動輒數百上千億美元的量化基金相比，國內目前量化產品規模總體不大，而嚴格遵循量化投資理念的基金更少。并且A股市場發展時間較短，與發達國家比起來市場效率低太多，所以A股有很大的市場空間和盈利機會。本文以程序化實現簡單、性價比高等特點的文華贏智為程序化交易平臺為例，為防止成果泄露，以上證指數為模型進行探究。

首先，筆者先闡述如何建立一個量化投資策略。

（1）交易思路的確立。不僅僅是量化投資，就算是普通的投資者也需要一套自己的交易體系。賺不到錢，賠錢，一直觀望，總之，所有交易中的不幸都可以歸咎于沒有一套自己的交易系統或者自己的交易系統有問題。

（2）將思路編寫成投資策略。這一項是量化投資的關鍵，如何將自己的投資思路轉變為?C器代碼，首先是由你所在的交易平臺所搭建的語言決定的，例如文華贏智就是使用的比較簡單的麥語言。其次需要對使用的技術指標進行組合搭建，編寫出可運行的代碼。

（3）在計算機上進行回測，選取最優目標組合和參數。技術指標的參數設置往往決定了整個交易系統的成敗，一點點小的誤差往往會導致千差萬別的結果。筆者格外強調資金管理是投資體系中非常重要的部分，卻是大多數投資者忽略的環節，這需要讀者進行不斷學習研究。

（4）進行實盤操作，在操作中不斷完善投資策略，評價該交易代碼。評價程序化交易模型性能優劣的指標體系包含很多測試項目，但主要評價指標有年化收益率、最大資產回撤、收益風險比、夏普比率、勝率與盈虧比等。在下文中筆者將對這些評價指標進行分析。

2 量化投資策略代碼分析：以文華贏智交易平臺為例

在文華贏智中，進入趨勢模型跟蹤編寫平臺，利用麥語言中已存在的函數進行編寫，現筆者將自行編寫的其中的一個策略代碼貼出：

MA1：=MA（C，N1）；//多頭均線

RSV：=（CLOSE-LLV（LOW，N））/（HHV（HIGH，N）-LLV（LOW，N））×100；//收盤價與N周期最低值做差，N周期最高值與N周期最低值做差，兩差之間做比值定義為RSV

K：=EMA（RSV，2×M1-1）；//RSV的指數移動平均

D：=EMA（K，2×M2-1）；//K值的指數移動平均

C>MA1 AND CROSS（K，D）；//MA1均線上方，KD金叉，買入

CROSS（D，K）；//KD死叉賣出平倉

參數設置：[N1=10，N=44，M1=M2=27]

筆者需要對參數的設置進行重點提醒。測試參數的不同會對測試結果產生非常大的影響，對于參數的精確設置影響到交易模型的可行與否。

這其中，筆者進行的是順勢交易的代碼編寫。順勢交易，是順著當前的趨勢進行交易。如果當前趨勢上升就買入開倉，當前趨勢下跌就賣出開倉。為了防止惡意做空，本策略只進行多頭行情的研究，空頭行情并沒有疊加進來，所以收益率要比雙向行情要低。

下面對此策略代碼進行回溯。對交易模型的測試結果是否滿意主要與品種、時間、手續費費率有關。不同的品種相同的策略有不同的結果，測試的品種越多，越能檢驗出策略模型的適用性。在時間上，如果所采用的歷史數據越少、時間跨度越短，測試的市場狀況就越狹窄，策略的可靠性就越差，反之亦然。手續費費率的影響就不用多提，但是有關滑點的問題也是策略需要多加研究的方面。

交易人員最關注的是策略到底能否盈利，能賺多少。交易的盈虧額能完全反映這一點。在如下的季度統計圖和年度統計圖中可以看出從2009年8月到2014年11月各有盈虧，比較溫和，總體的波動幅度并不大。而從2014年11月開始，出現了一直盈利并且幅度較大的狀況，尤其是2016年年初的季度，最高的盈利額達到了110354元，這比2014年前總的盈利還要多。而從2016年第一季度后出現了虧損，但是幅度并不大，而后又出現了盈利的情況。該策略在該時間段是盈利的，符合模型最基本的要求，季度統計圖和年統計圖如圖1所示。

交易者在一個策略中擁有的資產總和也是其關注的重點。假如交易者所用的權益小于某一理想的數值，他可能會停止該策略的繼續進行，這也是我們常說的回撤問題。在如下的權益曲線圖中，交易者的權益幾乎是一直遞增，并且在2014年年末后斜率變大，由此我們可以得出使用該策略幾乎不存在回撤問題，對于交易者的心態有著積極的作用。權益曲線圖如圖2所示。

每次交易的盈虧額也是交易者關注的問題，如果虧損數量過大，再加上杠桿的作用，可能就會出現爆倉的問題。首先說明，此回溯并沒有加進杠桿因素，國內保證金按保守20%計算，也就是5倍杠桿，雖然不太大，可是影響還是有的。在如下的盈虧分布圖中，可以看出最大的一筆虧損出現在第500次左右交易時，虧損額為27523，而最大的盈利額也是出現在附近，盈利為32916，看來這附近的波動很大，應該有政策因素在內的影響。該策略總體來說單次盈虧額波動并不大，比較穩健。盈虧分布圖如圖3所示。

只有圖表并不能準確地反映出策略的完全可行性，下面將此策略的測算報告給予公布。

我們從測算報告中可以很容易得出此策略一共測試了2772天，無杠桿收益率為六年50%，而且只是多頭策略。而自2017年2月17日結算時起，滬深300、上證50股指期貨非套期保值交易保證金調整為20%，所以5倍杠桿的話就為250%。如果只看重策略的收益率卻忽略了回撤風險是極其冒險的激進策略。如果策略的收益風險比相同，但是結果還是要取決于資金管理決策。

筆者在此將夏普比率進行說明。評價策略的優劣應從收益值和風險一起考慮。調險后的收益率就是一個同時考慮進了收益和風險的指標，能夠排除風險對評價的不利影響。1966年，夏普提出了著名的夏普比率：S=（R-r）/σ（R為平均回?舐剩?r為無風險投資的回報率，σ為回報率的標準方差）。此公式表示為盡量用最合適的方法用小風險換得大回報。如果為正值就說明投資收益比銀行存款利息高。比率越大說明所獲的風險回報越高。該策略的夏普比率為22.83，可見是一個理想的策略模型。

3 結 論

量化交易策略的研究范文2

胡俊敏是物理學博士，她是怎樣跨專業從事投資行業？

她管理的博時特許價值基金，從2012年6月接手到年底，凈值增長幅度居同類前20%，她是通過怎樣的操作大幅提升基金業績？

博時特許價值基金是量化基金，量化基金的操作又有怎樣特點？

每日基金特邀胡俊敏博士，傾聽她的人生經歷和投資理念。

張學慶：從您的簡歷來看，是物理學博士，這是典型的理科學科，當然您后來又做過量化研究的工作，但您目前從事的工作是投資，是屬于金融學這類范疇，這兩個學科距離特別大。您之前研究的物理學、化學 ，對于投資有何幫助？

胡俊敏：當年念物理，現在做投資，不是事先計劃好的，而是當時的歷史環境造成的。我大學的時候是八十年代，中國還沒有股市，我連股票是什么都沒有概念。因為我比較喜歡跟數字打交道，就學了物理。去哈佛后，剛好碰上一些量化金融理論得到應用，華爾街需要有很強數理根基的人才。而由于美國經濟不景氣，教育經費不足，學術界又人才過剩，于是華爾街就吸引了大批的數學、統計或物理的博士。我在哈佛有機會初步了解到金融投資。

現在回頭看，我學物理出身，做過材料研究，做過量化研究，現在做量化投資， 不是必經之路，但是確實每一段經歷形成了我自己的知識結構，對我的投資理念的形成有不同程度的影響。

對于市場的理解。市場是否處于均衡的狀態，金融界有很多爭論。統計物理關于均衡非均衡態的理論以及量子力學的不確定原理我覺得一定程度上也適用于股票市場。股票市場不停地有新的信息，不同投資者對信息的接受和反饋不是瞬時的。另一方面，投資者行為與股價又是互相影響的，所以市場是處在一種不完全均衡的狀態。市場過熱現象也是不均衡態的一種表現。

數學統計上幾率分布的概念在投資中是至關重要的。經常有投資者問我，你覺得下面一個月市場是漲還是跌，其實這是很難預測的，滬深300指數平均月收益為0.5%，但月波動率有9.1%，一個月的收益有2/3的幾率分布在-8.6%到9.6%之間，波動性非常大。

邏輯思維方式和分析解決問題的能力。研究生的時候我做的是實驗物理。就是通過對一些現象的觀察和研究，找出規律，驗證和發現基本原理。投資中由于信息多，頻繁、且不完全，具備理性的邏輯思維和抓住問題本質的能力就非常重要。

張學慶：除了在學校中所學的知識，在后來工作中，還需要增加哪一方面的訓練？才能成為一名合格的基金經理。

胡俊敏：量化基金經理需要的知識面比較廣。除了比較強的數理基礎和編程能力，下面幾個方面的知識也是非常重要的。

基礎金融知識：我業余選修金融方面的課，并通過準備CFA的考試補上金融知識的缺。爭取到量化分析師的工作機會

量化投資管理：這有一整套理論框架。我當時在巴克萊資產管理公司任基金經理，有幸參加了《主動組合管理》作者Ron Kahn的課程。這本書被認為是量化投資的圣經。

行為金融：指由于投資者心理或思維偏差造成市場不有效的各種現象。量化投資之所以可行，就是因為股價由于各種原因而偏離其真實價格，有一定統計性規律可循。

市場經驗：需要積累，我目前也在逐步積累A股市場的經驗。

有志加入到量化投資行業中的朋友們可以針對各自的知識結構，制定出自己的準備計劃。

張學慶： 您一個人管理5只基金，這可能得益于采用了量化的方法，同時管理五只基金，你會采取怎樣的分配方法來統籌自己在五只基金間的精力分配？

胡俊敏：這就是量化投資的優勢。首先，整個投資流程高度自動化、系統化。每天開盤前，所有基金及模型所需數據都已更新到基金管理系統里。其次，量化投資團隊，基金經理后面有基金經理助理、量化分析師及IT的支持。基金經理只需將時間花在最關鍵的地方。具體講，

量化基金，比如我管理的特許價值，以及和王紅欣博士共同管理的裕富滬深300基金：更多的是模型管理，而不是個股管理。組合里的股票可能有上百只，但是我需要管理的是有二、三十信號構成的模型和一些組合構建的參數。需要交易的時候，可以根據模型用優化系統進行計算，我會檢查模型結果是否正確，然后批量交易，而不是一個股票一個股票地分析、決定。。

張學慶： 您管理的基金比較多，有主動配置型，有被動配置型。能否給基金投資者一些建議，那類基金適合哪些投資者投資？

胡俊敏：特許價值基金是一只主動股票型基金，通過量化多因子選股模型在各行業內精選個股，以期獲得長期跑贏市場的超額收益。風險要比純被動或增強指數型基金高，但是超額收益的空間也高，適于有中等風險承受力，投資期間較長，對收益有較高要求的投資者，也可作為長期資產配置的一個成分。

張學慶：做為基金投資者，如果不看好市場，您認為他們有幾個措施能夠躲開市場風險。

胡俊敏：根本解決的方法是調整資產配置比例。如果對股票市場的未來不看好，那就降低在股票類資產的配置，將賣出的資金放到債券、其它投資品種、或現金上。因為對于市場的判斷很難百發百中，所以在調整配置的時候即使不看好股票市場，仍然建議保留一定的股票類資產，市場走勢常是不確定的。

同時，普通投資者擇時的能力是比較差的。所以我給普通投資者的建議是1）采取定額定投的策略，牛熊市無阻的堅持投資。2）不要將所有的雞蛋放在一個籃子里。分散投資，做長期資產配置。長期而言所承受的風險是有收益的。

張學慶： 博時特許價值現在規模是11億，一個基金經理，他管理的資金到達多大規模之后，就會影響到業績的增長，這也提醒投資者，選擇基金時也要注意規模。

量化交易策略的研究范文3

他們和先前的人工交易不同，用數學統計出此前的交易規律，建成模型，用程序來交易。他們大多有較高的學歷，或物理或數學或IT背景。他們用模型、公式克服人性的弱點去交易，賺取理性的利潤，這個工作叫量化投資。

這是近幾年才形成的一個低調的金融圈子，尤其是今年來，這個圈子似乎風生水起。算法、編程、想法、策略、模型成了這個圈子中的常用語，他們分布在券商、公私募基金、期貨等金融行業，他們在創新中摸索前進，優秀的團隊也不少見。

謹慎的寬客人

量化投資圈的人喜歡自己被稱為“寬客人”或“礦工”。所謂“寬客”即金融工程師，他們靠編程序去設計模型，用數學的方法分析金融市場，找出影響價格漲跌的相關因素，規避其中的風險，獲得收益。

徐明（化名）是上海艾革瑞投資團隊的創始人之一，有著大多數編程人員的內秀和儒雅，自信的微笑又暗示著自己不是普通的“碼農”。清華大學數學系學士，香港科技大學工業工程與物流管理系博士，精通數學建模、金融工程、組合優化和人工智能算法，這些標簽和不少量化“寬客人”類似，他們具備這個行業的先天優勢。

徐明在中山大學管理學院管理科學系任教期間，對金融工程產生了濃厚的興趣，西蒙斯的經歷和成功給了他極大的鼓舞，逐漸走上專業量化交易這條路。

十月，天氣漸冷。《中國證券期貨》記者聯系上徐明時，他正帶著自己的團隊參加海通期貨2013年的“笑傲江湖”實盤賽，目前成績位列投資家組第三名，這不是第一次參加海通期貨的實盤賽，去年以總收益89%、總收益額189萬，獲得程序化組亞軍。

“艾革瑞”，源自“Algorithm”（算法）的譯音，創始人的量化定位可見一斑。團隊主要成員在2012年開始全職投身于程序化交易，多具有證券期貨投資、金融工程研究和IT項目開發經驗。艾革瑞團隊主要做股指期貨日內交易，交易頻率比較低，平均一天做1個來回的交易，持有時間一般都要超過1個小時。

量化交易和人工交易有一個很大的不同，就是模型的建立。“程序化交易更像一門科學，需要投資者具有較高的模型開發和系統開發能力，以及對于交易規律的深刻認識。”徐明認為，人工交易更像一門藝術，需要對經濟周期和行業發展有獨到的眼光。

對于模型，“寬客人”都視為自己最核心的秘密武器，往返于華爾街和上海的徐明和其他諱莫至深的受訪者不同，對模型提出了自己的看法，“模型是用數學方法找規律，而數學方法找規律很容易過度優化。”

對于投資行業的深刻認識更為重要。徐明表示，“國內金融市場和華爾街還是有本質的不同，對于中國市場期貨交易的認識和理解，比運用各種數學模型更為重要。很多系統在數學上是最優的，但是在實踐中并不是最優的，而且還可能是有極大風險的（即過度優化）。”

策略是量化“寬客人”的另一個交易核心。“如果交易經常不盈利，就不能僅僅認為是利潤回吐了，要考慮策略是否失效。”金華強調。

策略是否失效是所有程序化交易者面對的一個非常難的問題。“失效”本身就很難定義。日內趨勢的策略勝率一般都不到50%，所以總是有賠有賺的。賠錢的連在一起，就連續回撤了，這其實只是虧損連在了一起而已。不同的時間，市場的規律也會呈現不一樣的特征，所以也很難判斷暫時表現不好的策略是否就永久不好了。

所以，最重要的不是判斷策略是否已經失效，而是在策略表現不好的時候可以找到原因和解決辦法。

在2013年第二季度，艾格瑞團隊就經歷了一個較大級別的回撤，后來發現系統的很多虧損來自于“過度預測”。直觀的理解就是市場還沒有開始趨勢的時候，系統就進行了未來趨勢方向的預測。這一能力在過去的一年都不錯，可以獲取超額收益；但是可能是因為市場氛圍變了，現在不僅不管用，還會帶來連續的虧損。

后來艾格瑞團隊對策略進行了調整：其一，相關性小的多周期、多系統非常必要。其二，用一套系統的方法去辨別哪些是市場里穩定的規律，哪些是不穩定的規律。其三，在風險控制上更為嚴格和保守，在謹慎保護本金的基礎上，實現盈利。

調整策略后，解決了“過度預測”的問題，然后系統就又恢復了正常。從運行兩個多月來看，表現比較穩定。

摸著石頭過河的機構

機構投資者對量化投資的關注也越來越多，光大證券“816”事件揭開了冰山一角。8月16日，光大證券量化套利資金超過了200億，烏龍事件一度引發國內A股和股指劇烈地震。據中國量化投資學會理事長、量化投資經理丁鵬透露，“目前國內量化投資資金的體量已經達到1000億元。” 這些資金或主要來自券商和險資自營的量化套利資金，以及公私募的量化基金。

業內人士指出，國內某另一家券商在量化上投入的套利策略資金超過了300億，遠超出光大的投入資金，目前，不少券商也在用巨額資金更新IT設備，加上公私募資金，在量化上的投入遠超過1000億。

據悉，光大和海通等券商經營量化套利這項業務上，年度收益約10%-12%，甚至達到10%-15%或更高。如果按200億元的管理資金來看，帶給券商的直接收益就達到20億-30億元。這一盈利數字可能近年來熊市中某些券商一年的營業收入。

由于A股市場實施T+1交易，券商量化交易部門在A股從事高頻交易的資金較少，據業內人士推算，大約有20億左右。如果A股市場實施了T+0操作，估計更多券商大資金投入。

公募基金排名的壓力，參與股指期貨對沖倉位比例不超過20%限制，都成了公募基金量化投資無形的鐐銬，短期內難有多大規模。

“公募基金做量化很費勁。”王萌（化名）坦誠表示。

王萌，上海交通大學計算機碩士，資深軟件工程師，具有多年軟件開發和管理經驗，以及金融市場投資經驗。已經在資本投資市場10年了，目前是上海某公募基金的總監。

“由于參與公募基金的排名，不可能完全做到量化管理，大多都有主動管理的因素在面。”王萌坦言，這和采訪國內某期貨公司量化部經理時的話，頗有幾分相似，“目前國內公募基金的業績也沒有聽說那個做的業績挺好，更多的是一種宣傳噱頭。”

而私募則相對輕松的多。私募資金私募基金在量化基金設計上，主要側重于量化多空策略的經營，目前國內有數十款產品在做，雖然規模算不上太大，但收益穩定保持在9%-15%還是容易做到。

張強（化名）在華爾街做量化投資多年，回國后成立了自己的私募公司，量化操作股指期貨。15個月來，資金收益保持在25%，這個業績在行業里可能算不上多高，但是出奇的穩定，這正是量化投資追求的最高境界，關鍵是穩定收益。遠比上半年盈利50%，下半年虧60%好的多。更難得的是，15個月來回撤僅僅1.5%。這和公募基金帶著“鐐銬”跳舞形成了鮮明的對比。

無法阻擋狼來了

目前國內的量化投資剛剛起步，發展還受諸多因素困擾。

政策性因素擾動、歷史數據不足、數據準確性差、T+1的限制，金融衍生工具不夠豐富，風控的完善、系統軟硬件的限制等，這些都是量化投資在國內市場的瓶頸。

政策性因素擾動也很明顯，證監會對光大證券“816”的巨額罰款，對光大證券在券商中量化的領先地位頗有打擊，同行不得不放慢了量化的步伐。

對于數據的不充足以及準確性差，也深受其害，財報質量和國外壓根就不在一個檔次，查閱數據也只能追溯到最近6、7年，這對用數學的方法統計數據建模型造成了直接的影響。

而某期貨公司的董事總經理則直言，目前國內期貨市場還是T+1，還沒有開通夜盤交易，而國內期貨市場又受國外盤影響巨大，國內盤受其影響隔夜暴漲暴跌再正常不過，而依靠數據、模型的量化交易只能是無可奈何，這也是國內商品期貨量化操作業績不理想的原因之一。

金融衍生工具不夠豐富，也是國內量化投資的一大影響。目前國內量化投資僅能運用在商品期貨、股指期貨和國債期貨上，還限制頗多。比如股指期貨，國內每天掛單不能超過500手；國債期貨開通不久，成交量有限；期貨市場雖然套利客觀，但容納資金量有限。

據業內傳聞，光大證券的量化部門前期運行投入資金是1500萬元，如果再加上維護費用，數目不容小覷。

這在券商同行中絕不是孤例。盡管如此，因經驗不足，還是在風控上鬧出了震驚中外的（816）烏龍事件，對量化的影響可見一斑。

光大烏龍事件暴露出機構投資人在追求創新時忽略了風控的完善。“光大雖被證監會罰款5個億，但券商用自營資金做量化的賺錢能力也被大眾所知，未來會有大量的錢涌入。”一位機構人士認為。

丁鵬認為，“不能因為光大事件，就將先進技術和理念拒之門外，絕對收益是未來趨勢。”

國內金融市場，盡管在量化上還存在著不少的問題，但這引人注目的量化投資前景依然引起了國外大鱷的注意，我們無法阻擋：狼來啦！上述某期貨公司人士透露，“韓國成熟的量化投資團隊，已經進入國內市場開始剪羊毛，據說比國內的量化機構能量要大的多。”還有更恐怖的團隊，國外量化操作鼻祖巴克萊已經在國內完成了前期量化測試，不久也會攜帶巨額資金和先進的理念來分一杯羹。

模型避免過度優化

量化交易策略的研究范文4

2013年，量化投資成為了僅次于互聯網金融的投資界關注焦點，而作為銀華基金副總經理、量化及全球投資總監的周毅，則給記者一種波瀾不驚的感覺。4年來，他目標堅定、善于布局、踏實理性、運籌帷幄，從產品、團隊、策略3條主線入手，以高效的節奏，為銀華基金在中國的量化投資市場上，一步步豎起了鮮明的旗幟。

周毅認為，在中國量化對沖產品有著廣泛的客戶基礎，投資者對這類產品的需求潛力很大。只要做好產品和策略，滿足客戶的投資需求，量化對沖產品將有十分廣闊的發展空間，而且隨著監管制度的變革以及金融工具的發展，量化對沖事業的春天已經到來。

4年精磨優秀團隊

2010～2011年，周毅以分級基金作為量化投資的突破口，帶領銀華量化團隊初戰告捷。2012年，周毅向著量化投資本土化進一步邁進，這一年的目標是——從量化專戶開始嘗試絕對收益，團隊先后建立了側重阿爾法策略和套利策略的研究小組，在克服了高頻交易限制、數據庫不完善、集中交易制度、傭金費率等多方面約束的情況下，當年銀華專戶產品中表現最好的賬戶的年化收益率（扣除各種費率后）大幅超越同期滬深300指數，而波動率僅約為滬深300指數的1/3。

2013年，來自銀行渠道的數據顯示，銀華基金管理的量化對沖專戶扣除全部費用后的平均收益率達到12.65%，凈值波動率卻僅為滬深300指數的1/4，而夏普比率則高達1.95，創造了穩定的絕對收益。此時，銀華的量化專戶規模已超過10億元。

“分級養量化”策略大獲成功。金牛理財網的最新數據顯示，截至3月6日，銀華的分級基金場內規模達到234.56億份，占市場規模的45.43%。今年以來的日均交易額近4億元，占全市場的一半以上。與此同時，也為公司帶來了非常可觀的利潤貢獻。

成績的取得與銀華基金量化團隊的打造密不可分。作為一名擁有15年從業經驗的量化投資者，周毅深知，嚴格意義上的量化團隊應該是一條流水線產業鏈，鍛造這樣的團隊，絕非一朝之功，而靠“一筆錢挖一兩個人”來建設量化團隊也非長久之策，他立志要打造一個和國外一流對沖基金建制類似、水平相同的團隊。

瞄準需求勇奪市場

在練好“金剛鉆”的同時，2014年，信托業拐點也帶給量化對沖更好的發展時機。周毅認為，信托與量化對沖，看似毫無相關性，但實際上面對的是同一類投資者——追求穩定回報的高凈值客戶。

“過去幾年，信托做得非常好，剛性兌付帶來了低風險下的高回報。投資者更熱衷于信托產品，而對沖基金則相對顯得冷門。”周毅說。而到了2014年，事情正在發生變化。對非標投資的控制讓信托業走入瓶頸，2013年年底，信托發展所依賴的房地產業和礦業進入衰退周期，多只信托產品出現兌付危機，打破信托剛性兌付的呼聲也越來越高，這意味著其投資屬性正在改變。

周毅認為，面對這種趨勢，未來可能有一部分投資者將從信托產品中脫離，轉而選擇新的投資方向，而對沖基金則恰恰能夠滿足此類客戶的需求。此外，與信托產品的投資標的不同，量化對沖產品的投資主要基于二級市場，從市值披露和流動性來講，更加透明，更加清晰。

然而，對于任何新興的投資種類，要想取得投資者的信賴，需要的是過硬的管理業績。銀華基金便是憑借專戶產品在過去3年持續優異的業績表現，在市場上逐漸獲得了追求穩健回報的投資者的認同。

銀華量化對沖專戶的優秀業績表現源于其獨門策略。周毅表示，國外有很多成熟的對沖策略模型，但要應用在A股的投資實踐中，還需要很長的本土化過程和探索。3年來，銀華的量化團隊一直致力于探索適合A股的量化對沖策略和投資模型，并在實踐中對其進行檢驗和不斷完善。

具體而言，就是根據A股市場的特點，將理論上的阿爾法策略加以改造，以傳統的主動型股票研究分析結果為基礎，利用多因子模型來控制組合的風險和相關性，追求超越市場平均回報的絕對收益，為投資者提供持續穩定的阿爾法回報。

周毅表示，對沖投資策略程序一旦設定好，就像是一個冷靜理性的基金經理，沒有貪婪和恐懼等情緒。投資在這種情況下變成流水線，它可能做不到最好，但從質量穩定性角度來看，它就是最優的選擇。量化投資可能產生不了歷史上最棒的基金經理，但確實是一種回報穩定的投資方式。

機制創新預示對沖“春來到”

周毅認為，對沖基金在國外已經發展成為一個成熟的投資領域，整個市場的有效性比較高，同時有大量的金融工具可以使用。投資組合中的任何一種風險，都可以找到對應的衍生工具進行對沖，有很多種工具能夠精準地滿足客戶對風險收益的要求。但在國內，A股市場的融資融券成本過高，衍生品起步相對較晚，可用的對沖工具也非常少，這些都制約著對沖基金的發展。

例如目前A股能夠用來對沖系統性風險的工具只有滬深300股指期貨，在操作中，只能通過放空滬深300股指期貨來對沖組合風險。這就意味著，應用這種策略的組合在市場呈現大藍籌股單邊牛市的情況下投資難度較大，這也是量化投資能夠在2013年的結構性行情（創業板、中小板表現明顯好于主板）中表現優異的客觀原因。此外，對沖工具的匱乏也制約著對沖基金規模的發展，周毅測算，僅就目前的投資標的而言，銀華團隊可以有效管理的量化對沖基金規模極限或為50多億元，而單只對沖基金的理想規模大約是5億元左右。

不過，在今年的兩會上，全國政協委員、上海證券交易所理事長桂敏杰在接受中國證券報記者采訪時表示，上交所正在努力推進藍籌股實行“T+0”交易制度。周毅表示，他期待中證500股指期貨、個股期權以及股指期權的推出。他堅信，從發展趨勢來講，中國的衍生工具會越來越多，國外成熟的量化對沖投資模式未來在中國大有用武之地，同時量化投資管理的資金規模也會變大。

量化交易策略的研究范文5

此前王偉林是天津東源（天津）股權投資基金管理有限公司（下稱“東源投資”）創始人之一，旗下管理的定向增發指數化基金去年收益率達到了40%，在私募中排名第二。

“我本來想待到年底，拿到私募亞軍的光環再走，但最后與幾個股東在投資理念上不合，加之看到市場形勢會好轉，就毅然離開。”王偉林笑著告訴《投資者報》記者，“現在看來，我這次是看準了。”

他曾在華爾街做過7年投資工作，因承襲海外經驗，自己創業時選擇了另類投資的道路。他告訴記者，未來公司私募產品的重心將發展定向增發基金、量化基金等等。

鐘情定向增發

即使另立門戶，王偉林仍然鐘情定向增發，他將繼續活躍在定向增發市場，直接和老東家形成競爭。東源投資就是一家專門投資定增產品的私募公司。

王偉林告訴記者，他離開的一個重要原因是與東源投資管理層在投資理念和方法的不一致。東源投資總經理王雪濤提出的一個理念是“大概率、小賠率”及“市場（公司）測（看）不準”理論。而這種“大概率、小賠率”方法運用在定增投資上是不可行的。

定增價格和二級市場價格之間有一定的折價，這一直被認為是定增的超額收益。過去，定向增發價格的確有30%～50%的折扣，投資者不用做研究就能獲得“阿爾法”。“但這是歷史，現在戰場變了。”王偉林說。

“近兩年，參與定增市場的投資者越來越多，A股市場又不斷下行，導致定增市場的折扣率不斷縮小，從過去的超30%到如今不過10-15%，有的項目甚至低于5%。單純依靠定增的折扣率已經沒有辦法覆蓋所有的風險了。”王偉林認為，不做研究、不動腦筋的定向增發策略跟賭博沒有太大區別，是“靠天吃飯”。

他告訴記者，在股票投資中，量化投資（統計規律）之所以有效，是因為可以一次性買入幾十只股票，分散風險，實現統計規律。但是在定增指數投資中，由于不同股票定增發行的時間不同，你不可能一下子買齊，很難做到在短時間內達到分散，因此統計規律不能實現。如果你有足夠的資金還好說，資金不足、碰到一個地雷，公司的資金就可能全部砸進去了。

“東源就很不幸，第一次投資就碰到了地雷——安凱客車。2011年8月份5000萬投資了安凱客車，到12月份底凈值一度跌到0.72元。面對慘景，無力扭轉，東源投資的管理層一度灰心到撂挑子不干了。”王偉林回憶說，“最后產品由我接手，改變之前廣撒網的投資模式，后來在我的力主下投資金螳螂、宏源證券等，凈值才慢慢恢復。”

在他看來，以后做定增不能做簡單的“被動”財務投資，而是要更深入地介入公司。只要投資人擁有相當大的股權，就有權指定董事會成員并影響公司管理層的聘任，真正地參與到公司中來，增加對公司的了解，提高投資的確定性。

他告訴記者，在海外對沖基金的策略中，就有定增基金專門找問題公司投資，通過控股問題公司，建立新的管理層，并對公司進行分拆重組等。

涉足量化交易

在上海道寧，除了做定向增發外，王偉林還構建了量化交易等產品線。

王偉林有著豐富的經驗，在華爾街7年，曾經擔任Rasini & Company高級研究員、組合基金經理，恒星資產管理有限公司研究總監，因此對于舶來品——量化交易駕輕就熟。

從國外回來后，他一直在中信建投總部負責私募業務，開發了一套私募基金評價體系，對于國內的競爭對手都有充分的了解。渠道方面，長期以來和銀行打交道，在募資渠道方面也有優勢。

他告訴記者，他們公司量化交易最獨特的地方是，加入了長中短倉位元素。因為純做市場中性的量化交易，市場收益率有限，每年可能就有7～8%的收益率，在國內不能滿足投資者的需求，加入了倉位變化，再加上杠桿就可以獲取更好的收益。

上海道寧的量化交易將和北京名策數據處理有限公司合作，兩家共同產生的策略用于私募化產品。這家公司的創始人來自JP摩根，在程序化交易非常在行。

目前，他們已經構建了不少的策略。王偉林舉了一個例子：今年8月份，我們就看空白酒，在市場下跌是做空了白酒股。在下跌以后又做了配對套利策略：做空茅臺、做多五糧液；做空茅臺、做多青青稞酒等。這些策略都取得了很好的絕對收益。

這種配對有估值/成長性配對、區域差異配對，涉及多種維度。國內少有人實踐過這樣的策略。“未來產品設計中，我們將配對策略、股指期貨、融券都放進去，這樣的產品會非常有誘惑力。這樣的產品波動性比較小，同時可以運用杠桿把收益提上去，這將是我們的優勢。”王偉林稱。

新周期的起點

盡管股市上漲了很多，目前開始有了調整，但是王偉林非常樂觀：“股市已經扭轉了頹勢，股市未來將會持續走好，這將是一個新周期的起點。”

十提出的新型城鎮化建設，不是一天兩天的事情，未來幾年都會持續，這個主線將會持續拉動經濟的增長。雖然有券商稱，目前反彈的市場，股市已經反映兌現，但是在他看來，他們沒有把經濟周期看清楚，沒有將政府工作報告解讀透。

量化交易策略的研究范文6

[關鍵詞]EMD；SVM；量化交易

doi：10.3969/j.issn.1673 - 0194.2016.20.043

[中圖分類號]F224 [文獻標識碼]A [文章編號]1673-0194（2016）20-00-01

0 引 言

隨著計算機技術的快速發展，人們對復雜事物的處理方法也更加高效。量化投資就是隨之而發展起來的交易方法，主要理論來自于數量金融學。從20世紀50年代至20世紀末，數量化金融從馬克維茨的均值-方差模型到CAPM（資本資產定價）模型、ATP（套利定價）模型，再到ARCH、GARCH等計量經濟學模型都取得了驚人的成績。21世紀至今，非線性的研究方法取得了重大突破，極大地豐富了金融研究的手段和方法。在前人理論的基礎上，本文利用EMD（經驗模態分解）算法對原始價格信號去噪，再利用SVM（支持向量機）對價格漲跌進行預測確定交易。

1 理論與模型

1.1 EMD

經驗模態分解（EMD）是由NASA院士黃鍔提出的一種處理非平穩和非線性信號的分析方法。與其他信號處理方法不同的是，EMD是一種自適應的分析方法，在不同的工程領域得到了成功應用。EMD假設任一復雜的信號都由本征模態函數（IMF）和趨勢項（r）構成，其數學表達式如式（1）。IMF的提取關鍵步驟是獲得原信號的上下包絡線并求得其均值，最后再將原始信號減去其均值即可獲得IMF。其中包絡線一般采取插值法來獲得。

1.2 SVM

支持向量機（SVM）是一種基于統計學習理論的模式識別方法，其在生物信息學、文本和語音識別等領域取得成功。算法的核心思想是：確定一個最優的分類超平面使分類誤差最小同時類別間隔最大，對于線性不可分問題通過核函數（本文采用高斯徑向基函數）映射到高維空間再進行求解。SVM的本質是最優化問題，式（2）即為問題表達式，其中超平面分類為：WTφ（x）+b=0，松弛變量為。對于式（2）的求解筆者采用拉格朗日乘子法并根據KKT條件得到最優解，從而找到最優分類超平面。

1.3 交易策略構建

首先，筆者將原始2天共46個10分鐘級的價格進行EMD分析，從而得到趨勢項數據。筆者將趨勢項信號的標準差除以原始信號減去趨勢項信號的標準差所得值取對數，得到第一個特征――波動信噪比，該值越大表明趨勢越明顯。其次，三個特征是對分解后低頻部分的IMF的最后5個和10個數據做OLS回歸，所得的回歸系數即為特征值。第四個特征是上述兩個回歸直線夾角的cosine值。第五個特征則是成交量，由于該數據與其他數據數量級不同，筆者采取歸一化處理。

本文所構建的SVM訓練滑動窗口為500，約一個月的數據量。數據的標簽筆者定義為當價格漲幅大于0.04%時為+1，小于0.04%時為-1，其余為0，然后將5個特征值帶入，滾動訓練出SVM模型，并預測下一期價格是漲是跌，預期價格上漲及標簽為+1做多，反之做空。

2 交易回測

2.1 交易樣本選擇

本文選擇上海期貨交易所的螺紋鋼期貨的活力合約作為交易品種（數據來源Wind，品種代碼RB.SHF），數據為2015年1月5號至2016年1月29號的日盤10分鐘級數據。螺紋鋼因其交易量較大所以選為測試品種。開倉、平倉交易費用萬分之四，不考慮杠桿和滑點。

2.2 回測結果展示

圖1展示了該策略累積收益率曲線圖，在測試期內實現累計收益46.24%，年化收益達43.32%，夏普比率為1.89（設無風險利率為3%）。

3 結 語

本文應用信號處理的EMD算法作趨勢分解，從分解后的趨勢項及高頻IMF，并結合使用網格法進行參數尋優的SVM作價格漲跌分類預測。回測結果表明該方法能夠獲得超額收益，具有一定的應用價值，今后可進一步對標簽閾值、數據窗口進行改進優化。