序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的5篇期貨量化交易策略，期待它們能激發您的靈感。

篇1

359

2015-4-6

投資者報

近20年來，隨著金融信息化建設的不斷完善以及金融工程學和金融數學理論的不斷發展。量化交易逐漸從幕后走向臺前，逐漸被廣大投資者認識、接受。據統計顯示，在美國的證券市場中有60%的指令是由程序發出的，占比十分可觀。

從國內外歷史經驗上看，量化交易的持倉周期一般較短，頻繁地進出操作，要求交易標的必須具有良好的流動性，并且價格波動較大以便獲利。

期貨合約作為交易所上市的標準資產，往往具有極好的流動性，而且支持做空和T+0結算，交易手續費低廉，是量化投資的理想對象。如國外的標準普爾500指數期貨、美國國債期貨、布倫特原油期貨，國內的股指期貨、塑料、白糖、PTA期貨等，都是量化交易者青睞的交易標的。

幾種典型的期貨量化交易策略

經過20余年的發展，期貨量化交易的理論和實踐有了較大的發展，誕生了多種不同思路的量化交易策略。

1. 期貨期限套利策略

期限套利是最常見的期貨套利策略，賺取現貨和期貨的瞬間價差，以股指期貨為例，當滬深300股指期貨價格顯著高于現貨時，可以做空股指期貨，同時買入滬深300一攬子股票，等待價差減小后將期貨和現貨頭寸平倉。同樣對于商品期貨，也可以有類似的期現套利操作。筆者在實際應用這種策略操盤時發現，當基差擴大至30基點和負基差時，可明顯觀察到有大量套利盤平倉。

采用這種策略操作存在的問題是，雖然套利策略相比單邊投機策略風險較小，但若期貨和現貨價差繼續擴大，則頭寸將面臨損失。另外，一手股指期貨對應的是100萬元左右的現貨資產，加上股指期貨的保證金，一個套利頭寸的建倉成本在115萬元左右，僅適合資金量較大的投資者。

2. 跨品種統計套利策略

在期貨市場往往存在統計相關性較高的期貨品種，如大豆和豆油、豆粕，原油和塑料，菜籽油和菜粕等等。若當前價差顯著大于或者小于歷史水平時，可以建立頭寸，等待二者的價差恢復到正常水平。與期限套利相同，統計套利也面臨著當價差擴大后頭寸面臨損失的風險。

3. 趨勢跟蹤類策略

與主觀交易經常預測未來行情走勢不同，趨勢跟蹤類策略往往不預測也不預見，它們以價格為基礎，每當價格有所變動發出趨勢信號時，就跟進追漲殺跌。比較經典的趨勢跟蹤型策略有均線交易系統、MACD交易系統、布林帶交易系統等。量化交易員往往使用不止一個指標來識別趨勢，并利用多種過濾方法來過濾虛假信號，提高勝率。

4. 事件驅動型量化交易策略

隨著自然語言處理和數據挖掘技術的不斷增長，出現了基于輿情挖掘的交易策略，量化交易者的服務器會在互聯網搜索任何與該期貨合約有關的文本的信息，基于搜集到的信息判斷該合約在短期內的價格走勢。

5. 高頻交易策略

隨著計算機技術和網絡技術的不斷發展，傳統基于K線交易系統的交易速度，已經無法滿足量化交易者的需求。從而產生了以Tick數據為單位的高頻交易策略，現有的高頻交易策略包括自動做市，訂單流跟蹤，統計套利等。高頻交易成功的關鍵在于交易速度，為了追求極致，高頻交易者往往不惜花重金在期貨交易所周邊購置服務器，以圖達到最快的交易速度。

主觀交易VS程序化交易

關于主觀交易和量化交易孰優孰劣的問題一直是投資界爭論的話題。從經驗上看，若交易方法得當，輔以不錯的手氣，主觀交易往往能在短時間內帶來巨大的收益，但是由于投資者在主觀交易中經常違背交易紀律，不能做到堅決的止盈和止損，“凈身出戶”的例子屢見不鮮。

與主觀交易不同，量化交易的交易紀律是由計算機程序保證的，若價格運行到程序設定的止損點位時計算機會堅決止損，不會出現主觀交易者常犯的“死扛等反彈”的情況，其收益曲線一般較主觀交易者更為穩定。除了維護交易紀律，量化投資者對比主觀人工交易者還有以下幾點比較優勢：

1. 體力與精力

受制于體力和腦力，主觀交易者無法時刻保持最旺盛的精力，進而影響交易績效。而且當前三大商品期貨交易所紛紛推出了夜盤交易，這更對主觀交易者的腦力和體力提出了嚴峻挑戰。

2. 交易速度與滑點

主觀交易者在投資決策前需要用肉眼收集相關信息，進行思路整理，進行必要的計算，最后打開軟件下單，即使是最富有經驗的交易員完成這一系列動作平均也需要5秒左右的時間，對于以日內短期交易為主的期貨交易來說，5秒延遲的滑點成本巨大，嚴重影響交易績效。而由計算機執行的量化交易從收集信息到執行交易，僅僅需要毫秒級別的時間，滑點成本顯著小于主觀交易者。

3. 理性與感性

按照行為經濟學的理論，投資者在投資活動中存在各種認知偏差。如損失厭惡偏差，自確認偏差、參照點偏差、過度自信偏差、后悔厭惡偏差等等，這些負面的認知偏差往往令主觀交易者在金錢與身體上面臨雙層煎熬，而計算機執行的量化交易顯然無需考慮此問題。

近日，微量網和國內某媒體合作舉辦了“首屆全國期貨全明星人機大戰實盤爭霸賽”，通過對比主觀交易組和程序化交易組的成績我們發現了有趣的結果。大賽排名前十名的選手中主觀交易和程序化交易各一半，其中前3名全部都是主觀交易選手，但在11名到50名的選手中，程序化組的選手卻占到70%以上，而且即使排名靠前的主觀交易選手大都是身經百戰，程序化交易選手的平均回撤率也顯著小于主觀交易選手，達到8%之多。

量化交易發展空間巨大

2005年之后，伴隨著量化投資的傳播，程序化交易開始出現在內地市場。在開始階段，量化交易主要利用模型辨別交易信號，并以手工下單為主。

2010年股指期貨推出后，由于市場流動性好，交易信號明顯，成為程序化交易的主要標的，但參與量化交易的仍然以機構投資者居多。2011年至2012年，市場上涌現出文華財經、交易開拓者、天語等交易軟件，他們大多使用簡單，上手容易，推動了程序化交易的普及，使采用程序化交易的投資者數量快速增加。2012 年開始，隨著期貨資管的開閘，私募基金開始大量利用程序化交易參與到期貨市場中，程序化交易技術和成交量均得到飛速發展。

篇2

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

篇3

【關鍵詞】高頻交易 策略

一、高頻交易的理論基礎

（一）高頻交易是傳統買入持有策略的有益補充

高頻交易策略作為量化投資策略的一個重要分支，是基于對交易品種的日內短期判斷形成的交易策略，通過每次交易的微小盈利進行累積來獲取收益。

（二）高頻交易策略較其他量化策略可靠性更勝一籌

高頻交易策略其理論基礎同其他量化交易策略是完全一致的，即為概率統計中的大數定律，但是高頻交易策略的可靠性在理論上更高。不管何種量化投資策略，一般情況下，其策略的形成過程都需經過樣本內的統計分析，樣本外的事后驗證，再進行實盤運作。之所以敢于進行實盤運作，基于的基本假設有兩個，其一是通過大量的樣本內分析，該策略在大概率上能夠獲得收益，其二是預計實盤運作的獲勝頻率將會收斂到該概率上，這里我們用的是頻率，而不是概率，是因為給予我們實盤試驗的機會十分有限，有可能是一個小樣本試驗。從統計學的意義上講，大數定律要求的樣本的基本條件是獨立同分布，也就是說如果我們在實驗過程中，樣本分布的同質性越強，大數定律能夠實現的可能性越大。因此在量化策略的構建過程中，我們需要解決的首要問題即為數據清洗，通過樣本的清洗與甄別，剔除噪音數據，獲取相對獨立同分布的樣本空間進行建模，而高頻交易相對量化選股而言，其樣本的噪音數據相對較少，因此從模型的可靠性角度來說，高頻交易的量化模型相對更為可靠。

二、高頻交易策略的主要類型

高頻交易策略一般可以分為如下三類：

（一）趨勢策略

該交易策略往往投資于一個證券品種，運用技術分析或數學工具預測其未來價格走勢，并據此確定建倉和平倉時點。只要預測方法能夠保證一定的準確率并能抓住大的價格波動，那么這樣的策略就有可能獲得較好的累積收益。該類策略在商品期貨和股指期貨市場上已經得到廣泛運用。

（二）價差策略

與趨勢策略不同，價差策略往往會投資多個具備某種共性的證券品種，并認為這些證券之間的價差應該維持在一個均衡水平，不會偏離太多。如果發現市場上某些證券之間的價差過大，那么該策略便會做空那些高估證券，同時買入低估證券，直至價差回復到均衡水平再同時清掉多、空頭倉位，賺取價差變動的收益。

（三）做市策略

該類策略之所以取名為做市策略，是因為其采用了類似于做市商提供買/賣報價（bid/ask price）方式，賺取買賣價差（bid-ask spread），但其本身的目的并不是要做市，給市場提供流動性。這種策略通常需要對逐筆成交和掛單報價做建模分析，從海量數據中挖掘定量模式，掛單和撤單之間的時間間隔可能在毫秒之間（1毫秒=0.000001秒），因此也是技術要求最高的一種交易模式，通常也稱作超高頻交易（UHFT，Ultra High Frequency Trading）。鑒于國內法規、硬件設施、交易費用的限制，該類策略在國內尚且無法實施。

三、高頻交易的關鍵要素

與傳統的低頻交易方式相比，高頻交易中每次交易的持續時間都要短的多，期間證券價格的波動也相對較小，因而每次交易的平均收益/虧損幅度都很有限，通常在10bp的數量級別。一個好的交易策略理論上可以通過不斷累積這樣的微小收益和完備的風控措施來獲取許多投資者夢寐以求的高收益、低風險。但是由于交易頻繁，一些傳統低頻交易中容易忽視的因素，很有可能導致一個高頻交易策略理論上很完美，但執行起來卻虧損連連。這些因素包括：

（一）交易費用

單次的交易費用從絕對數量上來說很小，但通過高頻交易的多次累積，最終總的交易費用會十分可觀。從證券品種來看，一些比較容易獲得低廉交易手續費的品種，如商品期貨、股指期貨和ETF更適合于采用高頻交易策略；而在股票市場，雖然說融資融券標的股已經可以通過現行的信用交易機制變相實現T+0交易，但由于賣出股票時有高達10bp的印花稅，因此高頻交易策略很難實現長期的盈利。

（二）買賣價差（bid-ask spread）

實際交易中投資者必須根據實盤的買賣單報價進行交易，最終成交價會和收盤價有差別。買賣價差越大，這種差別會越明顯，并會通過高頻交易次數的累積，最終導致重大虧損。因此從這個角度講，交易活躍、價格高的證券品種往往具備較小的買賣價差，高頻交易策略執行效果會更好。

（三）下單方式

高頻交易中與買賣價差密切相關的另一個重要因素便是如何選擇下單方式。實際交易中，限價交易方式優于市價交易方式，只有在價格趨勢明顯或價差幅度很大時，才用市價方式成交，不過需要注意的是，這樣做同時會增加限價單等待成交而導致的時間風險。

（四）交易速度

高頻交易的兩大核心要素，其一是產生高頻交易信號的交易策略；其二是優化交易執行過程的算法。這兩大核心要素都對高頻交易平臺的運算速度提出了極高的要求。高頻交易策略的交易速度包括兩個部分：一部分是指高頻交易系統接收實時行情，分析數據，發出買賣交易指令的速度；另一部分是指交易指令到達交易所的速度。

四、高頻交易在中國的展望

目前，國內高頻交易沒有大規模展開，主要受到一些限制：（1）高頻交易受制于交易費用的影響，國內股票市場交易費用相對較高，在股票市場實施超高頻的交易策略存在較大的困難；（2）中金所關于股指期貨日內開倉總數不得超過500手的限制，同時中金所列出了10條異常交易行為，其中5條都是針對股指期貨日內高頻交易。盡管當前的金融環境對開展高頻交易存在一定的障礙，但值得欣慰的是國內已經涌現出一批機構投資者從事高頻交易，并且獲得了不菲的收益，相信在不久的將來高頻交易在國內將會迎來巨大的發展空間。

參考文獻

[1]胡春東.高頻交易的“是”與“非”[J].深圳金融，2010，（03）.

篇4

在40歲之前，西蒙斯是一位在數學界頗有名望的教授，先后在麻省理工學院、哈佛大學、美國國防分析研究院任職。但從學術研究轉型后的西蒙斯，在投資領域的風頭更勁。1988年他創立的大獎章基金，曾創下連續20年，平均收益率超過35%的優良業績。哪怕是在2008年的金融危機中，該基金也獲得了80%的凈收益。除此之外，美國最大的十大對沖基金，基本上都是依靠量化投資的方式進行分析市場和交易。這在美國是一種常見的投資方式。

國內的量化投資元年應該是2010年股指期貨推出之后，從0到有，經過5年的發展，以其超越牛熊的穩定收益獲得了眾多機構投資者的青睞。今年6月份的這一輪股市深度調整中，大多數量化對沖類的私募基金，不但沒有損失，其凈值反而創出新高即是明證。

程序化交易不一定會增加波動率

程序化交易大大增加了市場的流動性，是穩定市場的重要力量。金融市場的核心價值在于流動性，無論是價值投資者，還是套保者，都需要對手盤。流動性越好的市場，才具有更好的價值發現功能。程序化交易主要是以短線交易為主，無論是套利還是投機策略，它們的存在大大增加了市場深度。對于套利類的策略，程序化交易是降低波動率的，對于投機類策略，程序化交易是增加波動率的。

例如，目前市場上比較流行的期現套利，它的原理是在基差（編者注：基差是指現貨價格與期貨價格之差，比如股票市場上滬深300指數與滬深300期指之差）擴大的時候建倉，基差縮小的時候平倉。比如2015年6月初的時候，在散戶的推動下，股票指數和股指期貨的基差一度擴大到了100點以上，整體市場非常的狂熱。這時候套利類交易的策略是，會買入股票，同時做空股指期貨。這樣如果股指繼續上漲，在股票市場的盈利可彌補做空股指期貨的損失。于是在雙邊力量的作用下，基差會慢慢縮小。從而使得市場的波動率恢復到正常。所以這種套利類的策略，是降低波動率。

然而對于做方向易的策略，往往是追漲殺跌的，這個和普通散戶的操作方式類似。這種策略下，當市場出現大幅上漲的時候會助漲，大幅殺跌的時候也會助跌，會增加市場的波動率。

其實波動率這個東西，不能太大，也不能太小。沒有波動率的市場就缺乏足夠的流動性，一個沒有流動性的市場，又怎么可能承擔金融市場優化資源配置的責任呢？

2010年5月6日，美國紐交所的道瓊斯工業指數曾經出現過一次“閃甭”事件，當時道瓊斯工業指數曾瞬間狂瀉1000點，短時間內造成1萬億美元市值蒸發。事后紐交所雖然對外宣稱程序化交易對此事負有責任，但是截至目前，對于此事到底是不是由于程序化交易造成的，美國調查機構并沒有一個最終的結論。所以與其說股指大幅調整是因為程序化交易造成的，不如去關注是否是因為市場本身泡沫過大，以至于需要一次調整，市場才能繼續上行。

所以并不能一概而論地說程序化交易一定會增加波動率。事實上，2008年的金融危機中，國內的量化投資還很少，而上證綜指不也上演了6000點到2000點的戲碼？程序化交易只是一個工具，它是中性的，不是說必然做多，也不會必然做空。尤其是7月份以來，股指期貨持續貼水，絕大多數的套利類的量化策略因為缺乏機會，都停止交易了，但是這并沒有避免股指出現大幅震蕩。

中國的量化投資基金現狀

量化投資是以數據為基礎，以模型為核心，遵守交易紀律，從而具有穩定收益和抵抗風險的能力。事實上，目前中國很多以量化對沖方式運作的私募基金，他們產品的業績都非常的穩定，就足以說明問題了。普通投資人，不能總是追漲殺跌，靠聽消息炒股的時代必將過去，未來的金融市場，一定是靠數據、模型和現代科技。散戶也應該學習一些量化投資的理念和方法，否則被市場消滅是遲早的事情。

就拿這次被禁止交易的幾個量化對沖私募基金來說，據已公布的資料顯示，其中不乏一些歷史業績十分優秀的公司。比如盈融達投資（北京）有限公司，他們主要的量化投資類產品，過去幾年年化收益率都在20%左右，無論身處牛熊市，收益都非常的穩定。目前盈融達的資產管理規模已經100億了。而業內和他們處于同一梯隊的，還有十余家之多，再加上券商、基金公司開發的產品，國內量化對沖類的產品，已經有兩三千億元的規模了。

從產品收益來看，2015年初至7月31日公募量化對沖產品的平均收益（剔除6月剛成立的華泰柏瑞量化收益）為12.07%，而同期普通股票型基金的收益為25.08%;在前期市場暴跌期間（取6月15日至7月9日）公募量化對沖產品的平均收益為-0.13%，而同期普通股票型基金的平均收益為-39.06%。

篇5

寬客，quant的音譯。在華爾街，這個詞是指那些利用復雜的數學公式和超級計算機—既不是直覺也不是公司基本面等其他傳統方法—在稍縱即逝的金融市場中賺錢的人。

這群人多數都不是學金融而是學數學或者物理出身，當他們進入華爾街后，被認為是華爾街名副其實的淘金者，1980年到2007年，是他們勢不可擋的黃金年 代。

2005年左右，量化投資在國內出現。

從事量化投資的人被稱為寬客，則是最近兩三年的事情。一方面是一些介紹華爾街寬客的書籍被翻譯引進，另一方面，因為2008年金融危機爆發，一些華爾街的寬客開始轉戰中國。

短短幾年，隨著中國衍生品市場的日漸開放，自稱寬客的人越來越多。券商、基金、期貨、私募……一句市場玩笑話，誰家要是沒有一個兩個寬客，都覺得不太好意思。

寬客的春天真的來到了？

年輕的中國寬客們

一間不到20平方米的房間，沒有任何隔斷，每張辦公桌上都放著兩到三臺電腦，五張辦公桌呈扇形分布在落地窗前，每個人扭頭就可以和其他人說話。

這就是永安期貨研究所量化投資團隊的辦公室。和國內不少量化投資團隊一樣，他們在公司具有相對獨立的空間。

30歲的張冰，2009年畢業于北京大學，理論物理博士，是這個團隊的負責人。有著一張娃娃臉的他，舉手投足之間流露出來的依然是濃濃的書生氣。不僅是他，屋子里的其他人也都像是在大學機房里安靜地做研究、編程序。

事實上，要想進入這個團隊，必須有熟練的計算機編程能力。2012年7月加盟張冰團隊的李洋是北師大應用數學碩士，他經過一天近十個小時的筆試和面試才最終被團隊接納。筆試中80%的題目都是用計算機編程。

“量化投資是聰明人的游戲。”張冰說，量化投資實際上是一種在證券市場上找規律、找錯誤的游戲。誰先找到新規律、新錯誤，誰先獲得超額收益的可能性就越高。

這個團隊除了一位數學碩士，一位計算機碩士，還有三位是物理博士。數學和計算機能力都超強。

還在北京大學攻讀博士學位的時候，張冰就聽導師馬伯強提到他有不少同學、學生，赴美留學繼續深造物理之后，沒有繼續學術研究，而是轉戰華爾街做投資，做得相當成功。

物理學一直關注的是動態，尋求規律，目的是為了預測并掌握未來。把物理學理論知識運用到金融實踐中，尋找證券定價變動的規律，其實并沒有越過物理學的研究范疇。

這讓本來就對金融有興趣的張冰，開始想自己今后的路。他還專門去一個私募基金實習了半年。“在物理學中，你是和上帝玩游戲，在金融領域，你是和上帝的造物玩游戲。”

這句話并不是張冰原創，而是來自他的前輩，同樣也是理論物理博士出身的伊曼紐爾·德曼（Emaneul Derman）。

德曼的自傳《寬客人生：華爾街的數量金融大師》在2007年被引介到中國。德曼自1985年進入華爾街之后，就致力于把物理學理論和數學技巧及計算機編程技術結合起來，建構數量模型，尋找金融證券的定價，指導證券交易。

張冰看過這本書之后，更加確信，自己可以選擇像德曼一樣去當寬客。不過，當他決定做寬客時，發現中國突然間就涌現出很多量化投資專家。而事實上這些人多數是營銷專家，根本就不懂量化投資，最后都虧得一塌糊涂。

2009年，他決心成為真正的寬客，于是拉著同班同學陳星和師妹錢文，成立了這個以北大理論物理博士為班底的寬客團隊。這是國內期貨公司中第一批成立的寬客團隊。目前國內三分之一的期貨公司有量化投資團隊。

團隊平均年齡27歲，成立至今一直比較穩定。張冰也沒有擴容的打算。因為要找到對數字的敏感，善于發現數字之間的規律和聯系，還能把這些規律變成數量模型指導證券交易的人，很難。他這個團隊也還處于自我培養的過程中。

“中國寬客以年輕人居多。”中國量化投資學會理事長丁鵬說。

丁鵬是上海交通大學計算機博士，方正富邦基金的資深量化策略師。2012年初，他推出一本《量化投資：策略和技術》，成為國內最早一本專門介紹量化投資的專業書籍，被一些人認為是寬客圣經。

一年前，丁鵬建了一個QQ群，隔三差五與對量化研究感興趣的人進行討論，沒想到經過口口相傳，QQ群迅速發展壯大，線上討論也發展到線下交流。他便牽頭成立了中國量化投資學會。

學會如今在全國擁有十幾個分會，近八千人，大部分都是有著一定數理知識基礎的年輕人，這些人都打定主意要成為中國的寬客。

在丁鵬看來，在中國當寬客，生活很簡單，只需要潛下心來，發揮個人聰明才智，做研究，建模型。真正找到好的可以賺錢的模型之后，都是別人求你。

這讓很多純理工背景人的人很向往。在現在的社會格局下，要想出頭并不容易，但當寬客可以掌握自己掌握命運，完全憑自己取得成功。

賺錢之道

丁鵬一天典型的工作狀態是：查看模型前一天的運轉結果，考慮是否要對策略進行修正。如果沒有需要修正的，則著手準備為下一個模型的開發。其他的都是電腦的事情，不用他管。他根本就不看基本面。

張冰團隊的辦公室放眼望去，也沒有交易時間最常見的五顏六色的股票K線圖和大盤走勢圖，電腦屏幕上顯示的多數是白底黑字的編程界面。

不過，他們并不像丁鵬那么輕松。團隊每人按特長各有分工：有的主要處理數據，有的做策略設計，有的做策略建模。因期貨公司目前不能直接做交易，張冰團隊每天主要做的就是衍生品量化投資分析工作，把研究的結果開發成產品供客戶購買。

而通常能夠進行交易的寬客團隊一天的工作流程大致如此：有人在交易頭一天晚上就負責收集并更新、處理好交易所公告的數據；第二天開盤之前，通過選定的模型，經相關軟件自動給出交易策略。開盤后，按照模型給定的策略進行交易。早上10點左右，交易員、基金經理盯盤最忙碌的時候，量化投資團隊一天的最主要工作—投資決策、交易下指令的工作已經完成。

丁鵬認為，進入量化投資門檻之后，找到好的方法，會比較輕松，理論上講，“一臺筆記本一個U盤就可以賺錢了”。

真實交易還是需要一個團隊的支持，不過核心的交易模型和思想，確實一張U盤就可以存儲完成。有朋友曾拿U盤拷下他設計的量化投資模型到香港股市去實踐，半年間盈利最高點達到了120%，不過，這個高風險的策略只適合于小資金操作，并不適合于大規模的資產管理。丁鵬解釋：”資本市場沒有神話，需要不斷地修訂自己的模型和策略 “。

張冰目前也不敢奢望那樣的賺錢狀態。

事實上，量化投資在國內最早也就是2005年才萌芽。業內公認，2005年開始的ETF套利拉開了量化投資在中國的序幕，而股指期貨等衍生品2010年才逐步放 開。

因為無可借鑒，張冰團隊只能從零做起。從收集數據到建構模型到交易的風險控制，都是他們自己一個代碼一個代碼寫的。

這是個系統工程，在這個體系中，先觀察事件之間的聯系—通過觀察或實驗去取得數據；再假設一個結論—構建理論去解釋數據；然后去預測分析—構建量化模型并回測；最后檢驗并證實這個結論—實盤交易。

所有這些都需要資本和人力的大量投入。從華爾街回來的寬客—北京名策數據處理有限公司執行董事祝清大致估計了一下，一個真正從事量化投資的寬客團隊運作起來，前期至少要投入5000萬。

祝清曾在美國的全球證券投資基金工作多年，有三年，他是一個40人寬客團隊的負責人，要從全球9000多只股票池里找出投資品種。這讓他有機會對量化投資從數據、代碼到模型、系統進行深入地接觸和運用，甚至對系統的漏洞也了如指掌。

這些是他當時所在公司花了十幾年，經過大量的投入才建構的一個系統工程。而建構整個系統的基礎就是數據，華爾街其他有著進行量化投資的寬客團隊的公司，無不在數據上有很大的支出。

2008年祝清從華爾街回國，創辦專注于金融數量分析和程序化交易的數據處理公司。這幾年，他帶領30人的團隊，主要做了四件事：建立專供量化投資的量化數據庫、量化決策終端、高速量化交易平臺、量化策略研發服務。他希望借助強大的分析工具平臺，以及日益完善的數據庫系統來改變行業的經營模 式。

目前他的公司尚未到盈利階段。

春天尚未到來

1月19日，中國量化投資學會的50多名資深會員在北京郊區舉辦了一次聚會，聚會的主題是“擁抱量化投資的春天”。丁鵬表示：冬天已經過去，寬客的春天已經到來。

丁鵬是有理由樂觀的：國家政策層面支持金融衍生品市場放開；2012年，玻璃、原油、國債期貨、CTA以及滬深300指數期權等一系列金融衍生品加速推進；隨著投資品種增多，越來越多的金融機構意識到量化投資的重要性和緊迫性。

另外，國內打算做寬客的人也暴增—從中國量化投資學會的壯大就可看出端倪。

不過，同是中國量化投資學會成員的張冰和祝清都持謹慎態度。

張冰不認為寬客短期可形成一股力量。畢竟，美國發展了四十年，而中國只做了四五年而已。沒有足夠的投入，不可能那么快有收入。沒有收入，堅持來做的人就不會太多。

祝清更嚴苛。他并不認為會建模型的人就可稱為寬客。他認為目前中國真正的寬客，尚不足100人。祝清按照華爾街的標準來定義中國寬客：作為寬客，最起碼要滿足三個條件—有高凈值客戶；有量化投資研究平臺（有數據有人有模型）；有交易通道。

按照這個標準，目前，真正的中國寬客都在過冬，都還在燒錢階段，活下去都很難。即使是初春，最早也至少要三年之后—這還要看有沒有一兩位真正經受住市場檢驗、收益率排名靠前的標桿性寬客脫穎而 出。

據祝清了解，因為國內多數金融機構的高層并不懂量化，在這方面投入太少，即使一些數一數二的大型券商，歷史的數據都不存。沒有歷史數據無法驗證模型，量化投資就是句空話。

取得數據，還需要有人來處理數據，建構模型。金融機構的投入不會很快有結果，另一方面，寬客很有可能做出成果之后就走人，中國在這方面尚無知識產權保護。而在美國，只要有人敢在服務器上拷一行代碼，就有FBI介入了。

2008年中金公司從華爾街花重金請回來的知名寬客李祥林，如今他已去做私募了。

祝清介紹，西方寬客主要分三類：從事高頻交易的、采用對沖策略的、預測趨勢的。而他們所有的交易、投融資決策都是通過數量模型進行，由電腦決策并完成下單。

根據國際知名咨詢機構CELENT2011年的研究報告，中國目前通過電腦程序化交易的市場份額（按交易量計算）約為0.6%，2013年將快速增長到2.5%以上，主要應用于股指期貨和ETF指數化產品的交易。