期货量化交易策略精选(五篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的5篇期货量化交易策略，期待它们能激发您的灵感。

篇1

359

2015-4-6

投资者报

近20年来，随着金融信息化建设的不断完善以及金融工程学和金融数学理论的不断发展。量化交易逐渐从幕后走向台前，逐渐被广大投资者认识、接受。据统计显示，在美国的证券市场中有60%的指令是由程序发出的，占比十分可观。

从国内外历史经验上看，量化交易的持仓周期一般较短，频繁地进出操作，要求交易标的必须具有良好的流动性，并且价格波动较大以便获利。

期货合约作为交易所上市的标准资产，往往具有极好的流动性，而且支持做空和T+0结算，交易手续费低廉，是量化投资的理想对象。如国外的标准普尔500指数期货、美国国债期货、布伦特原油期货，国内的股指期货、塑料、白糖、PTA期货等，都是量化交易者青睐的交易标的。

几种典型的期货量化交易策略

经过20余年的发展，期货量化交易的理论和实践有了较大的发展，诞生了多种不同思路的量化交易策略。

1. 期货期限套利策略

期限套利是最常见的期货套利策略，赚取现货和期货的瞬间价差，以股指期货为例，当沪深300股指期货价格显著高于现货时，可以做空股指期货，同时买入沪深300一揽子股票，等待价差减小后将期货和现货头寸平仓。同样对于商品期货，也可以有类似的期现套利操作。笔者在实际应用这种策略操盘时发现，当基差扩大至30基点和负基差时，可明显观察到有大量套利盘平仓。

采用这种策略操作存在的问题是，虽然套利策略相比单边投机策略风险较小，但若期货和现货价差继续扩大，则头寸将面临损失。另外，一手股指期货对应的是100万元左右的现货资产，加上股指期货的保证金，一个套利头寸的建仓成本在115万元左右，仅适合资金量较大的投资者。

2. 跨品种统计套利策略

在期货市场往往存在统计相关性较高的期货品种，如大豆和豆油、豆粕，原油和塑料，菜籽油和菜粕等等。若当前价差显著大于或者小于历史水平时，可以建立头寸，等待二者的价差恢复到正常水平。与期限套利相同，统计套利也面临着当价差扩大后头寸面临损失的风险。

3. 趋势跟踪类策略

与主观交易经常预测未来行情走势不同，趋势跟踪类策略往往不预测也不预见，它们以价格为基础，每当价格有所变动发出趋势信号时，就跟进追涨杀跌。比较经典的趋势跟踪型策略有均线交易系统、MACD交易系统、布林带交易系统等。量化交易员往往使用不止一个指标来识别趋势，并利用多种过滤方法来过滤虚假信号，提高胜率。

4. 事件驱动型量化交易策略

随着自然语言处理和数据挖掘技术的不断增长，出现了基于舆情挖掘的交易策略，量化交易者的服务器会在互联网搜索任何与该期货合约有关的文本的信息，基于搜集到的信息判断该合约在短期内的价格走势。

5. 高频交易策略

随着计算机技术和网络技术的不断发展，传统基于K线交易系统的交易速度，已经无法满足量化交易者的需求。从而产生了以Tick数据为单位的高频交易策略，现有的高频交易策略包括自动做市，订单流跟踪，统计套利等。高频交易成功的关键在于交易速度，为了追求极致，高频交易者往往不惜花重金在期货交易所周边购置服务器，以图达到最快的交易速度。

主观交易VS程序化交易

关于主观交易和量化交易孰优孰劣的问题一直是投资界争论的话题。从经验上看，若交易方法得当，辅以不错的手气，主观交易往往能在短时间内带来巨大的收益，但是由于投资者在主观交易中经常违背交易纪律，不能做到坚决的止盈和止损，“净身出户”的例子屡见不鲜。

与主观交易不同，量化交易的交易纪律是由计算机程序保证的，若价格运行到程序设定的止损点位时计算机会坚决止损，不会出现主观交易者常犯的“死扛等反弹”的情况，其收益曲线一般较主观交易者更为稳定。除了维护交易纪律，量化投资者对比主观人工交易者还有以下几点比较优势：

1. 体力与精力

受制于体力和脑力，主观交易者无法时刻保持最旺盛的精力，进而影响交易绩效。而且当前三大商品期货交易所纷纷推出了夜盘交易，这更对主观交易者的脑力和体力提出了严峻挑战。

2. 交易速度与滑点

主观交易者在投资决策前需要用肉眼收集相关信息，进行思路整理，进行必要的计算，最后打开软件下单，即使是最富有经验的交易员完成这一系列动作平均也需要5秒左右的时间，对于以日内短期交易为主的期货交易来说，5秒延迟的滑点成本巨大，严重影响交易绩效。而由计算机执行的量化交易从收集信息到执行交易，仅仅需要毫秒级别的时间，滑点成本显著小于主观交易者。

3. 理性与感性

按照行为经济学的理论，投资者在投资活动中存在各种认知偏差。如损失厌恶偏差，自确认偏差、参照点偏差、过度自信偏差、后悔厌恶偏差等等，这些负面的认知偏差往往令主观交易者在金钱与身体上面临双层煎熬，而计算机执行的量化交易显然无需考虑此问题。

近日，微量网和国内某媒体合作举办了“首届全国期货全明星人机大战实盘争霸赛”，通过对比主观交易组和程序化交易组的成绩我们发现了有趣的结果。大赛排名前十名的选手中主观交易和程序化交易各一半，其中前3名全部都是主观交易选手，但在11名到50名的选手中，程序化组的选手却占到70%以上，而且即使排名靠前的主观交易选手大都是身经百战，程序化交易选手的平均回撤率也显著小于主观交易选手，达到8%之多。

量化交易发展空间巨大

2005年之后，伴随着量化投资的传播，程序化交易开始出现在内地市场。在开始阶段，量化交易主要利用模型辨别交易信号，并以手工下单为主。

2010年股指期货推出后，由于市场流动性好，交易信号明显，成为程序化交易的主要标的，但参与量化交易的仍然以机构投资者居多。2011年至2012年，市场上涌现出文华财经、交易开拓者、天语等交易软件，他们大多使用简单，上手容易，推动了程序化交易的普及，使采用程序化交易的投资者数量快速增加。2012 年开始，随着期货资管的开闸，私募基金开始大量利用程序化交易参与到期货市场中，程序化交易技术和成交量均得到飞速发展。

篇2

他们和先前的人工交易不同，用数学统计出此前的交易规律，建成模型，用程序来交易。他们大多有较高的学历，或物理或数学或IT背景。他们用模型、公式克服人性的弱点去交易，赚取理性的利润，这个工作叫量化投资。

这是近几年才形成的一个低调的金融圈子，尤其是今年来，这个圈子似乎风生水起。算法、编程、想法、策略、模型成了这个圈子中的常用语，他们分布在券商、公私募基金、期货等金融行业，他们在创新中摸索前进，优秀的团队也不少见。

谨慎的宽客人

量化投资圈的人喜欢自己被称为“宽客人”或“矿工”。所谓“宽客”即金融工程师，他们靠编程序去设计模型，用数学的方法分析金融市场，找出影响价格涨跌的相关因素，规避其中的风险，获得收益。

徐明（化名）是上海艾革瑞投资团队的创始人之一，有着大多数编程人员的内秀和儒雅，自信的微笑又暗示着自己不是普通的“码农”。清华大学数学系学士，香港科技大学工业工程与物流管理系博士，精通数学建模、金融工程、组合优化和人工智能算法，这些标签和不少量化“宽客人”类似，他们具备这个行业的先天优势。

徐明在中山大学管理学院管理科学系任教期间，对金融工程产生了浓厚的兴趣，西蒙斯的经历和成功给了他极大的鼓舞，逐渐走上专业量化交易这条路。

十月，天气渐冷。《中国证券期货》记者联系上徐明时，他正带着自己的团队参加海通期货2013年的“笑傲江湖”实盘赛，目前成绩位列投资家组第三名，这不是第一次参加海通期货的实盘赛，去年以总收益89%、总收益额189万，获得程序化组亚军。

“艾革瑞”，源自“Algorithm”（算法）的译音，创始人的量化定位可见一斑。团队主要成员在2012年开始全职投身于程序化交易，多具有证券期货投资、金融工程研究和IT项目开发经验。艾革瑞团队主要做股指期货日内交易，交易频率比较低，平均一天做1个来回的交易，持有时间一般都要超过1个小时。

量化交易和人工交易有一个很大的不同，就是模型的建立。“程序化交易更像一门科学，需要投资者具有较高的模型开发和系统开发能力，以及对于交易规律的深刻认识。”徐明认为，人工交易更像一门艺术，需要对经济周期和行业发展有独到的眼光。

对于模型，“宽客人”都视为自己最核心的秘密武器，往返于华尔街和上海的徐明和其他讳莫至深的受访者不同，对模型提出了自己的看法，“模型是用数学方法找规律，而数学方法找规律很容易过度优化。”

对于投资行业的深刻认识更为重要。徐明表示，“国内金融市场和华尔街还是有本质的不同，对于中国市场期货交易的认识和理解，比运用各种数学模型更为重要。很多系统在数学上是最优的，但是在实践中并不是最优的，而且还可能是有极大风险的（即过度优化）。”

策略是量化“宽客人”的另一个交易核心。“如果交易经常不盈利，就不能仅仅认为是利润回吐了，要考虑策略是否失效。”金华强调。

策略是否失效是所有程序化交易者面对的一个非常难的问题。“失效”本身就很难定义。日内趋势的策略胜率一般都不到50%，所以总是有赔有赚的。赔钱的连在一起，就连续回撤了，这其实只是亏损连在了一起而已。不同的时间，市场的规律也会呈现不一样的特征，所以也很难判断暂时表现不好的策略是否就永久不好了。

所以，最重要的不是判断策略是否已经失效，而是在策略表现不好的时候可以找到原因和解决办法。

在2013年第二季度，艾格瑞团队就经历了一个较大级别的回撤，后来发现系统的很多亏损来自于“过度预测”。直观的理解就是市场还没有开始趋势的时候，系统就进行了未来趋势方向的预测。这一能力在过去的一年都不错，可以获取超额收益；但是可能是因为市场氛围变了，现在不仅不管用，还会带来连续的亏损。

后来艾格瑞团队对策略进行了调整：其一，相关性小的多周期、多系统非常必要。其二，用一套系统的方法去辨别哪些是市场里稳定的规律，哪些是不稳定的规律。其三，在风险控制上更为严格和保守，在谨慎保护本金的基础上，实现盈利。

调整策略后，解决了“过度预测”的问题，然后系统就又恢复了正常。从运行两个多月来看，表现比较稳定。

摸着石头过河的机构

机构投资者对量化投资的关注也越来越多，光大证券“816”事件揭开了冰山一角。8月16日，光大证券量化套利资金超过了200亿，乌龙事件一度引发国内A股和股指剧烈地震。据中国量化投资学会理事长、量化投资经理丁鹏透露，“目前国内量化投资资金的体量已经达到1000亿元。” 这些资金或主要来自券商和险资自营的量化套利资金，以及公私募的量化基金。

业内人士指出，国内某另一家券商在量化上投入的套利策略资金超过了300亿，远超出光大的投入资金，目前，不少券商也在用巨额资金更新IT设备，加上公私募资金，在量化上的投入远超过1000亿。

据悉，光大和海通等券商经营量化套利这项业务上，年度收益约10%-12%，甚至达到10%-15%或更高。如果按200亿元的管理资金来看，带给券商的直接收益就达到20亿-30亿元。这一盈利数字可能近年来熊市中某些券商一年的营业收入。

由于A股市场实施T+1交易，券商量化交易部门在A股从事高频交易的资金较少，据业内人士推算，大约有20亿左右。如果A股市场实施了T+0操作，估计更多券商大资金投入。

公募基金排名的压力，参与股指期货对冲仓位比例不超过20%限制，都成了公募基金量化投资无形的镣铐，短期内难有多大规模。

“公募基金做量化很费劲。”王萌（化名）坦诚表示。

王萌，上海交通大学计算机硕士，资深软件工程师，具有多年软件开发和管理经验，以及金融市场投资经验。已经在资本投资市场10年了，目前是上海某公募基金的总监。

“由于参与公募基金的排名，不可能完全做到量化管理，大多都有主动管理的因素在面。”王萌坦言，这和采访国内某期货公司量化部经理时的话，颇有几分相似，“目前国内公募基金的业绩也没有听说那个做的业绩挺好，更多的是一种宣传噱头。”

而私募则相对轻松的多。私募资金私募基金在量化基金设计上，主要侧重于量化多空策略的经营，目前国内有数十款产品在做，虽然规模算不上太大，但收益稳定保持在9%-15%还是容易做到。

张强（化名）在华尔街做量化投资多年，回国后成立了自己的私募公司，量化操作股指期货。15个月来，资金收益保持在25%，这个业绩在行业里可能算不上多高，但是出奇的稳定，这正是量化投资追求的最高境界，关键是稳定收益。远比上半年盈利50%，下半年亏60%好的多。更难得的是，15个月来回撤仅仅1.5%。这和公募基金带着“镣铐”跳舞形成了鲜明的对比。

无法阻挡狼来了

目前国内的量化投资刚刚起步，发展还受诸多因素困扰。

政策性因素扰动、历史数据不足、数据准确性差、T+1的限制，金融衍生工具不够丰富，风控的完善、系统软硬件的限制等，这些都是量化投资在国内市场的瓶颈。

政策性因素扰动也很明显，证监会对光大证券“816”的巨额罚款，对光大证券在券商中量化的领先地位颇有打击，同行不得不放慢了量化的步伐。

对于数据的不充足以及准确性差，也深受其害，财报质量和国外压根就不在一个档次，查阅数据也只能追溯到最近6、7年，这对用数学的方法统计数据建模型造成了直接的影响。

而某期货公司的董事总经理则直言，目前国内期货市场还是T+1，还没有开通夜盘交易，而国内期货市场又受国外盘影响巨大，国内盘受其影响隔夜暴涨暴跌再正常不过，而依靠数据、模型的量化交易只能是无可奈何，这也是国内商品期货量化操作业绩不理想的原因之一。

金融衍生工具不够丰富，也是国内量化投资的一大影响。目前国内量化投资仅能运用在商品期货、股指期货和国债期货上，还限制颇多。比如股指期货，国内每天挂单不能超过500手；国债期货开通不久，成交量有限；期货市场虽然套利客观，但容纳资金量有限。

据业内传闻，光大证券的量化部门前期运行投入资金是1500万元，如果再加上维护费用，数目不容小觑。

这在券商同行中绝不是孤例。尽管如此，因经验不足，还是在风控上闹出了震惊中外的（816）乌龙事件，对量化的影响可见一斑。

光大乌龙事件暴露出机构投资人在追求创新时忽略了风控的完善。“光大虽被证监会罚款5个亿，但券商用自营资金做量化的赚钱能力也被大众所知，未来会有大量的钱涌入。”一位机构人士认为。

丁鹏认为，“不能因为光大事件，就将先进技术和理念拒之门外，绝对收益是未来趋势。”

国内金融市场，尽管在量化上还存在着不少的问题，但这引人注目的量化投资前景依然引起了国外大鳄的注意，我们无法阻挡：狼来啦！上述某期货公司人士透露，“韩国成熟的量化投资团队，已经进入国内市场开始剪羊毛，据说比国内的量化机构能量要大的多。”还有更恐怖的团队，国外量化操作鼻祖巴克莱已经在国内完成了前期量化测试，不久也会携带巨额资金和先进的理念来分一杯羹。

模型避免过度优化

篇3

【关键词】高频交易 策略

一、高频交易的理论基础

（一）高频交易是传统买入持有策略的有益补充

高频交易策略作为量化投资策略的一个重要分支，是基于对交易品种的日内短期判断形成的交易策略，通过每次交易的微小盈利进行累积来获取收益。

（二）高频交易策略较其他量化策略可靠性更胜一筹

高频交易策略其理论基础同其他量化交易策略是完全一致的，即为概率统计中的大数定律，但是高频交易策略的可靠性在理论上更高。不管何种量化投资策略，一般情况下，其策略的形成过程都需经过样本内的统计分析，样本外的事后验证，再进行实盘运作。之所以敢于进行实盘运作，基于的基本假设有两个，其一是通过大量的样本内分析，该策略在大概率上能够获得收益，其二是预计实盘运作的获胜频率将会收敛到该概率上，这里我们用的是频率，而不是概率，是因为给予我们实盘试验的机会十分有限，有可能是一个小样本试验。从统计学的意义上讲，大数定律要求的样本的基本条件是独立同分布，也就是说如果我们在实验过程中，样本分布的同质性越强，大数定律能够实现的可能性越大。因此在量化策略的构建过程中，我们需要解决的首要问题即为数据清洗，通过样本的清洗与甄别，剔除噪音数据，获取相对独立同分布的样本空间进行建模，而高频交易相对量化选股而言，其样本的噪音数据相对较少，因此从模型的可靠性角度来说，高频交易的量化模型相对更为可靠。

二、高频交易策略的主要类型

高频交易策略一般可以分为如下三类：

（一）趋势策略

该交易策略往往投资于一个证券品种，运用技术分析或数学工具预测其未来价格走势，并据此确定建仓和平仓时点。只要预测方法能够保证一定的准确率并能抓住大的价格波动，那么这样的策略就有可能获得较好的累积收益。该类策略在商品期货和股指期货市场上已经得到广泛运用。

（二）价差策略

与趋势策略不同，价差策略往往会投资多个具备某种共性的证券品种，并认为这些证券之间的价差应该维持在一个均衡水平，不会偏离太多。如果发现市场上某些证券之间的价差过大，那么该策略便会做空那些高估证券，同时买入低估证券，直至价差回复到均衡水平再同时清掉多、空头仓位，赚取价差变动的收益。

（三）做市策略

该类策略之所以取名为做市策略，是因为其采用了类似于做市商提供买/卖报价（bid/ask price）方式，赚取买卖价差（bid-ask spread），但其本身的目的并不是要做市，给市场提供流动性。这种策略通常需要对逐笔成交和挂单报价做建模分析，从海量数据中挖掘定量模式，挂单和撤单之间的时间间隔可能在毫秒之间（1毫秒=0.000001秒），因此也是技术要求最高的一种交易模式，通常也称作超高频交易（UHFT，Ultra High Frequency Trading）。鉴于国内法规、硬件设施、交易费用的限制，该类策略在国内尚且无法实施。

三、高频交易的关键要素

与传统的低频交易方式相比，高频交易中每次交易的持续时间都要短的多，期间证券价格的波动也相对较小，因而每次交易的平均收益/亏损幅度都很有限，通常在10bp的数量级别。一个好的交易策略理论上可以通过不断累积这样的微小收益和完备的风控措施来获取许多投资者梦寐以求的高收益、低风险。但是由于交易频繁，一些传统低频交易中容易忽视的因素，很有可能导致一个高频交易策略理论上很完美，但执行起来却亏损连连。这些因素包括：

（一）交易费用

单次的交易费用从绝对数量上来说很小，但通过高频交易的多次累积，最终总的交易费用会十分可观。从证券品种来看，一些比较容易获得低廉交易手续费的品种，如商品期货、股指期货和ETF更适合于采用高频交易策略；而在股票市场，虽然说融资融券标的股已经可以通过现行的信用交易机制变相实现T+0交易，但由于卖出股票时有高达10bp的印花税，因此高频交易策略很难实现长期的盈利。

（二）买卖价差（bid-ask spread）

实际交易中投资者必须根据实盘的买卖单报价进行交易，最终成交价会和收盘价有差别。买卖价差越大，这种差别会越明显，并会通过高频交易次数的累积，最终导致重大亏损。因此从这个角度讲，交易活跃、价格高的证券品种往往具备较小的买卖价差，高频交易策略执行效果会更好。

（三）下单方式

高频交易中与买卖价差密切相关的另一个重要因素便是如何选择下单方式。实际交易中，限价交易方式优于市价交易方式，只有在价格趋势明显或价差幅度很大时，才用市价方式成交，不过需要注意的是，这样做同时会增加限价单等待成交而导致的时间风险。

（四）交易速度

高频交易的两大核心要素，其一是产生高频交易信号的交易策略；其二是优化交易执行过程的算法。这两大核心要素都对高频交易平台的运算速度提出了极高的要求。高频交易策略的交易速度包括两个部分：一部分是指高频交易系统接收实时行情，分析数据，发出买卖交易指令的速度；另一部分是指交易指令到达交易所的速度。

四、高频交易在中国的展望

目前，国内高频交易没有大规模展开，主要受到一些限制：（1）高频交易受制于交易费用的影响，国内股票市场交易费用相对较高，在股票市场实施超高频的交易策略存在较大的困难；（2）中金所关于股指期货日内开仓总数不得超过500手的限制，同时中金所列出了10条异常交易行为，其中5条都是针对股指期货日内高频交易。尽管当前的金融环境对开展高频交易存在一定的障碍，但值得欣慰的是国内已经涌现出一批机构投资者从事高频交易，并且获得了不菲的收益，相信在不久的将来高频交易在国内将会迎来巨大的发展空间。

参考文献

[1]胡春东.高频交易的“是”与“非”[J].深圳金融，2010，（03）.

篇4

在40岁之前，西蒙斯是一位在数学界颇有名望的教授，先后在麻省理工学院、哈佛大学、美国国防分析研究院任职。但从学术研究转型后的西蒙斯，在投资领域的风头更劲。1988年他创立的大奖章基金，曾创下连续20年，平均收益率超过35%的优良业绩。哪怕是在2008年的金融危机中，该基金也获得了80%的净收益。除此之外，美国最大的十大对冲基金，基本上都是依靠量化投资的方式进行分析市场和交易。这在美国是一种常见的投资方式。

国内的量化投资元年应该是2010年股指期货推出之后，从0到有，经过5年的发展，以其超越牛熊的稳定收益获得了众多机构投资者的青睐。今年6月份的这一轮股市深度调整中，大多数量化对冲类的私募基金，不但没有损失，其净值反而创出新高即是明证。

程序化交易不一定会增加波动率

程序化交易大大增加了市场的流动性，是稳定市场的重要力量。金融市场的核心价值在于流动性，无论是价值投资者，还是套保者，都需要对手盘。流动性越好的市场，才具有更好的价值发现功能。程序化交易主要是以短线交易为主，无论是套利还是投机策略，它们的存在大大增加了市场深度。对于套利类的策略，程序化交易是降低波动率的，对于投机类策略，程序化交易是增加波动率的。

例如，目前市场上比较流行的期现套利，它的原理是在基差（编者注：基差是指现货价格与期货价格之差，比如股票市场上沪深300指数与沪深300期指之差）扩大的时候建仓，基差缩小的时候平仓。比如2015年6月初的时候，在散户的推动下，股票指数和股指期货的基差一度扩大到了100点以上，整体市场非常的狂热。这时候套利类交易的策略是，会买入股票，同时做空股指期货。这样如果股指继续上涨，在股票市场的盈利可弥补做空股指期货的损失。于是在双边力量的作用下，基差会慢慢缩小。从而使得市场的波动率恢复到正常。所以这种套利类的策略，是降低波动率。

然而对于做方向易的策略，往往是追涨杀跌的，这个和普通散户的操作方式类似。这种策略下，当市场出现大幅上涨的时候会助涨，大幅杀跌的时候也会助跌，会增加市场的波动率。

其实波动率这个东西，不能太大，也不能太小。没有波动率的市场就缺乏足够的流动性，一个没有流动性的市场，又怎么可能承担金融市场优化资源配置的责任呢？

2010年5月6日，美国纽交所的道琼斯工业指数曾经出现过一次“闪甭”事件，当时道琼斯工业指数曾瞬间狂泻1000点，短时间内造成1万亿美元市值蒸发。事后纽交所虽然对外宣称程序化交易对此事负有责任，但是截至目前，对于此事到底是不是由于程序化交易造成的，美国调查机构并没有一个最终的结论。所以与其说股指大幅调整是因为程序化交易造成的，不如去关注是否是因为市场本身泡沫过大，以至于需要一次调整，市场才能继续上行。

所以并不能一概而论地说程序化交易一定会增加波动率。事实上，2008年的金融危机中，国内的量化投资还很少，而上证综指不也上演了6000点到2000点的戏码？程序化交易只是一个工具，它是中性的，不是说必然做多，也不会必然做空。尤其是7月份以来，股指期货持续贴水，绝大多数的套利类的量化策略因为缺乏机会，都停止交易了，但是这并没有避免股指出现大幅震荡。

中国的量化投资基金现状

量化投资是以数据为基础，以模型为核心，遵守交易纪律，从而具有稳定收益和抵抗风险的能力。事实上，目前中国很多以量化对冲方式运作的私募基金，他们产品的业绩都非常的稳定，就足以说明问题了。普通投资人，不能总是追涨杀跌，靠听消息炒股的时代必将过去，未来的金融市场，一定是靠数据、模型和现代科技。散户也应该学习一些量化投资的理念和方法，否则被市场消灭是迟早的事情。

就拿这次被禁止交易的几个量化对冲私募基金来说，据已公布的资料显示，其中不乏一些历史业绩十分优秀的公司。比如盈融达投资（北京）有限公司，他们主要的量化投资类产品，过去几年年化收益率都在20%左右，无论身处牛熊市，收益都非常的稳定。目前盈融达的资产管理规模已经100亿了。而业内和他们处于同一梯队的，还有十余家之多，再加上券商、基金公司开发的产品，国内量化对冲类的产品，已经有两三千亿元的规模了。

从产品收益来看，2015年初至7月31日公募量化对冲产品的平均收益（剔除6月刚成立的华泰柏瑞量化收益）为12.07%，而同期普通股票型基金的收益为25.08%;在前期市场暴跌期间（取6月15日至7月9日）公募量化对冲产品的平均收益为-0.13%，而同期普通股票型基金的平均收益为-39.06%。

篇5

宽客，quant的音译。在华尔街，这个词是指那些利用复杂的数学公式和超级计算机—既不是直觉也不是公司基本面等其他传统方法—在稍纵即逝的金融市场中赚钱的人。

这群人多数都不是学金融而是学数学或者物理出身，当他们进入华尔街后，被认为是华尔街名副其实的淘金者，1980年到2007年，是他们势不可挡的黄金年 代。

2005年左右，量化投资在国内出现。

从事量化投资的人被称为宽客，则是最近两三年的事情。一方面是一些介绍华尔街宽客的书籍被翻译引进，另一方面，因为2008年金融危机爆发，一些华尔街的宽客开始转战中国。

短短几年，随着中国衍生品市场的日渐开放，自称宽客的人越来越多。券商、基金、期货、私募……一句市场玩笑话，谁家要是没有一个两个宽客，都觉得不太好意思。

宽客的春天真的来到了？

年轻的中国宽客们

一间不到20平方米的房间，没有任何隔断，每张办公桌上都放着两到三台电脑，五张办公桌呈扇形分布在落地窗前，每个人扭头就可以和其他人说话。

这就是永安期货研究所量化投资团队的办公室。和国内不少量化投资团队一样，他们在公司具有相对独立的空间。

30岁的张冰，2009年毕业于北京大学，理论物理博士，是这个团队的负责人。有着一张娃娃脸的他，举手投足之间流露出来的依然是浓浓的书生气。不仅是他，屋子里的其他人也都像是在大学机房里安静地做研究、编程序。

事实上，要想进入这个团队，必须有熟练的计算机编程能力。2012年7月加盟张冰团队的李洋是北师大应用数学硕士，他经过一天近十个小时的笔试和面试才最终被团队接纳。笔试中80%的题目都是用计算机编程。

“量化投资是聪明人的游戏。”张冰说，量化投资实际上是一种在证券市场上找规律、找错误的游戏。谁先找到新规律、新错误，谁先获得超额收益的可能性就越高。

这个团队除了一位数学硕士，一位计算机硕士，还有三位是物理博士。数学和计算机能力都超强。

还在北京大学攻读博士学位的时候，张冰就听导师马伯强提到他有不少同学、学生，赴美留学继续深造物理之后，没有继续学术研究，而是转战华尔街做投资，做得相当成功。

物理学一直关注的是动态，寻求规律，目的是为了预测并掌握未来。把物理学理论知识运用到金融实践中，寻找证券定价变动的规律，其实并没有越过物理学的研究范畴。

这让本来就对金融有兴趣的张冰，开始想自己今后的路。他还专门去一个私募基金实习了半年。“在物理学中，你是和上帝玩游戏，在金融领域，你是和上帝的造物玩游戏。”

这句话并不是张冰原创，而是来自他的前辈，同样也是理论物理博士出身的伊曼纽尔·德曼（Emaneul Derman）。

德曼的自传《宽客人生：华尔街的数量金融大师》在2007年被引介到中国。德曼自1985年进入华尔街之后，就致力于把物理学理论和数学技巧及计算机编程技术结合起来，建构数量模型，寻找金融证券的定价，指导证券交易。

张冰看过这本书之后，更加确信，自己可以选择像德曼一样去当宽客。不过，当他决定做宽客时，发现中国突然间就涌现出很多量化投资专家。而事实上这些人多数是营销专家，根本就不懂量化投资，最后都亏得一塌糊涂。

2009年，他决心成为真正的宽客，于是拉着同班同学陈星和师妹钱文，成立了这个以北大理论物理博士为班底的宽客团队。这是国内期货公司中第一批成立的宽客团队。目前国内三分之一的期货公司有量化投资团队。

团队平均年龄27岁，成立至今一直比较稳定。张冰也没有扩容的打算。因为要找到对数字的敏感，善于发现数字之间的规律和联系，还能把这些规律变成数量模型指导证券交易的人，很难。他这个团队也还处于自我培养的过程中。

“中国宽客以年轻人居多。”中国量化投资学会理事长丁鹏说。

丁鹏是上海交通大学计算机博士，方正富邦基金的资深量化策略师。2012年初，他推出一本《量化投资：策略和技术》，成为国内最早一本专门介绍量化投资的专业书籍，被一些人认为是宽客圣经。

一年前，丁鹏建了一个QQ群，隔三差五与对量化研究感兴趣的人进行讨论，没想到经过口口相传，QQ群迅速发展壮大，线上讨论也发展到线下交流。他便牵头成立了中国量化投资学会。

学会如今在全国拥有十几个分会，近八千人，大部分都是有着一定数理知识基础的年轻人，这些人都打定主意要成为中国的宽客。

在丁鹏看来，在中国当宽客，生活很简单，只需要潜下心来，发挥个人聪明才智，做研究，建模型。真正找到好的可以赚钱的模型之后，都是别人求你。

这让很多纯理工背景人的人很向往。在现在的社会格局下，要想出头并不容易，但当宽客可以掌握自己掌握命运，完全凭自己取得成功。

赚钱之道

丁鹏一天典型的工作状态是：查看模型前一天的运转结果，考虑是否要对策略进行修正。如果没有需要修正的，则着手准备为下一个模型的开发。其他的都是电脑的事情，不用他管。他根本就不看基本面。

张冰团队的办公室放眼望去，也没有交易时间最常见的五颜六色的股票K线图和大盘走势图，电脑屏幕上显示的多数是白底黑字的编程界面。

不过，他们并不像丁鹏那么轻松。团队每人按特长各有分工：有的主要处理数据，有的做策略设计，有的做策略建模。因期货公司目前不能直接做交易，张冰团队每天主要做的就是衍生品量化投资分析工作，把研究的结果开发成产品供客户购买。

而通常能够进行交易的宽客团队一天的工作流程大致如此：有人在交易头一天晚上就负责收集并更新、处理好交易所公告的数据；第二天开盘之前，通过选定的模型，经相关软件自动给出交易策略。开盘后，按照模型给定的策略进行交易。早上10点左右，交易员、基金经理盯盘最忙碌的时候，量化投资团队一天的最主要工作—投资决策、交易下指令的工作已经完成。

丁鹏认为，进入量化投资门槛之后，找到好的方法，会比较轻松，理论上讲，“一台笔记本一个U盘就可以赚钱了”。

真实交易还是需要一个团队的支持，不过核心的交易模型和思想，确实一张U盘就可以存储完成。有朋友曾拿U盘拷下他设计的量化投资模型到香港股市去实践，半年间盈利最高点达到了120%，不过，这个高风险的策略只适合于小资金操作，并不适合于大规模的资产管理。丁鹏解释：”资本市场没有神话，需要不断地修订自己的模型和策略 “。

张冰目前也不敢奢望那样的赚钱状态。

事实上，量化投资在国内最早也就是2005年才萌芽。业内公认，2005年开始的ETF套利拉开了量化投资在中国的序幕，而股指期货等衍生品2010年才逐步放 开。

因为无可借鉴，张冰团队只能从零做起。从收集数据到建构模型到交易的风险控制，都是他们自己一个代码一个代码写的。

这是个系统工程，在这个体系中，先观察事件之间的联系—通过观察或实验去取得数据；再假设一个结论—构建理论去解释数据；然后去预测分析—构建量化模型并回测；最后检验并证实这个结论—实盘交易。

所有这些都需要资本和人力的大量投入。从华尔街回来的宽客—北京名策数据处理有限公司执行董事祝清大致估计了一下，一个真正从事量化投资的宽客团队运作起来，前期至少要投入5000万。

祝清曾在美国的全球证券投资基金工作多年，有三年，他是一个40人宽客团队的负责人，要从全球9000多只股票池里找出投资品种。这让他有机会对量化投资从数据、代码到模型、系统进行深入地接触和运用，甚至对系统的漏洞也了如指掌。

这些是他当时所在公司花了十几年，经过大量的投入才建构的一个系统工程。而建构整个系统的基础就是数据，华尔街其他有着进行量化投资的宽客团队的公司，无不在数据上有很大的支出。

2008年祝清从华尔街回国，创办专注于金融数量分析和程序化交易的数据处理公司。这几年，他带领30人的团队，主要做了四件事：建立专供量化投资的量化数据库、量化决策终端、高速量化交易平台、量化策略研发服务。他希望借助强大的分析工具平台，以及日益完善的数据库系统来改变行业的经营模 式。

目前他的公司尚未到盈利阶段。

春天尚未到来

1月19日，中国量化投资学会的50多名资深会员在北京郊区举办了一次聚会，聚会的主题是“拥抱量化投资的春天”。丁鹏表示：冬天已经过去，宽客的春天已经到来。

丁鹏是有理由乐观的：国家政策层面支持金融衍生品市场放开；2012年，玻璃、原油、国债期货、CTA以及沪深300指数期权等一系列金融衍生品加速推进；随着投资品种增多，越来越多的金融机构意识到量化投资的重要性和紧迫性。

另外，国内打算做宽客的人也暴增—从中国量化投资学会的壮大就可看出端倪。

不过，同是中国量化投资学会成员的张冰和祝清都持谨慎态度。

张冰不认为宽客短期可形成一股力量。毕竟，美国发展了四十年，而中国只做了四五年而已。没有足够的投入，不可能那么快有收入。没有收入，坚持来做的人就不会太多。

祝清更严苛。他并不认为会建模型的人就可称为宽客。他认为目前中国真正的宽客，尚不足100人。祝清按照华尔街的标准来定义中国宽客：作为宽客，最起码要满足三个条件—有高净值客户；有量化投资研究平台（有数据有人有模型）；有交易通道。

按照这个标准，目前，真正的中国宽客都在过冬，都还在烧钱阶段，活下去都很难。即使是初春，最早也至少要三年之后—这还要看有没有一两位真正经受住市场检验、收益率排名靠前的标杆性宽客脱颖而 出。

据祝清了解，因为国内多数金融机构的高层并不懂量化，在这方面投入太少，即使一些数一数二的大型券商，历史的数据都不存。没有历史数据无法验证模型，量化投资就是句空话。

取得数据，还需要有人来处理数据，建构模型。金融机构的投入不会很快有结果，另一方面，宽客很有可能做出成果之后就走人，中国在这方面尚无知识产权保护。而在美国，只要有人敢在服务器上拷一行代码，就有FBI介入了。

2008年中金公司从华尔街花重金请回来的知名宽客李祥林，如今他已去做私募了。

祝清介绍，西方宽客主要分三类：从事高频交易的、采用对冲策略的、预测趋势的。而他们所有的交易、投融资决策都是通过数量模型进行，由电脑决策并完成下单。

根据国际知名咨询机构CELENT2011年的研究报告，中国目前通过电脑程序化交易的市场份额（按交易量计算）约为0.6%，2013年将快速增长到2.5%以上，主要应用于股指期货和ETF指数化产品的交易。