期货量化交易策略精选(十四篇)

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14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。

篇6

《投资者报》从接近上海期货交易所的人士了解到，首款基金专户CTA产品元盛一号，于2012年9月初正式成立。不过由于是创新类产品，该产品成立后经过了报备、交易所开户等约一个半月的时间。从10月下旬正式开始交易截至11月13日，该产品净值是1.027元。

这类产品与股票、债券等资产的低相关性、双向交易、高倍杠杆，使CTA基金拥有了丰富的投资策略设计，但投资者教育不足，产品运作参考经历不长，使产品特性短期难以得到投资者的广泛认同。

基金两类商品专户

目前已经有国投瑞银、工银瑞信、财通等基金公司发行了可投资商品期货的专户产品。如2012年6月国投瑞银获批做商品期货的专户，成为上期所首个特殊单位客户。不过，这些产品都主要运用对冲交易策略，以商品期货套利为主。

而另一条投资商品期货的方式，是通过与第三方商品交易顾问（CTA）合作，参与商品期货交易的投资管理。元盛一号的运作，即是华宝兴业基金公司与全球最大CTA元盛资产进行期货交易技术合作。该产品期货交易的投资，主要运用元盛公司开发的“中国多元化策略”进行趋势跟踪。

上述接近期货交易所的人士透露，基金专户CTA可以投资于国内四大期货交易所，总共20多个品种。“方法是通过数量化统计方法，去辨别进场和退场的时间。在风险控制上，通过设定波动率目标，通过设定期货投资杠杆上限，很好控制产品运作风险，并通过银行独立资金托管、监控和估值，来规范化运作。”这种CTA趋势跟踪策略的专户，跟参与商品套利的专户有何不同？

从专户产品开发角度，市场多认为先做套利风险更低，投资者更容易接受。商品套利有两种，一是无风险套利，比如利用股指期货和ETF的套利，利用价格差。但这种机会在过去一两年中在急速下降，当足够的资金涌入，不会去维持很长时间；二是期货市场的套利，这是一种价差交易，并非完全无风险。比如，做多大豆、做空棉花，通过跨品种进行对冲，赌价差会有变化。

“关键还是背后的投资逻辑是什么，赌价差是出于什么样的理由。统计套利这块，我们从私募等机构了解到，收益空间越来越窄，并不是这类产品不好，而是有特定的风险。”华宝兴业创新产品推广主管、负责CTA专户产品设计的章希对本报表示。

主要资产关联度接近0

数据显示，元盛资产的CTA基金成立15年来，平均年化收益率达到17%，有14年实现盈利，仅2009年亏损4.6%。这类产品和主要资产相关性很低，与股票、债券等资产的长期关联度接近0，从而有助于分散投资风险、优化组合回报。章希称，CTA可以做多与做空，可以做到绝对收益，让投资者表现出了兴趣。但也有很多客户想观望下，因为这类产品在国内没有先例。

随着CTA牌照下发，期货公司也将通过自己的平台发产品。章希表示，“这个市场非常大，哪怕期货公司有了资产管理牌照，我们还是会跟他们合作，共同推动市场发展。”相对而言，CTA是资产管理产品，基金公司对资产管理的产品化的经验，包括对渠道和市场的了解等优势，可以在未来发展中体现出来。

目前，海外CTA投资领域已经包括商品、外汇、利率、股票、信用市场等类别众多、地域广泛的市场。在交易方式上，期货资产管理大体可分为两类：一是通过量化策略，就像元盛CTA通过程序化交易下单；还有一类，是由基金经理主观判断来下单。

账户保证金平均30%

多数投资者一听到期货的反应，是高风险、投机性强、可能让资金血本无归。其实，基金专户产品对产品的投资范围有明确限定，如元盛一号年化波动率在20%左右，跟股票接近。

篇7

关键词：程序化交易；交易哲学；半自动交易系统

程序化交易产生于美国，早期的程序化交易分为程序化买入和程序化卖出两种，用于纽约股票交易所同时买卖15支以上的股票组合的交易。因此，有时也被称为篮子交易。

随着投资管理业的资金管理规模扩大，投资经理和基金经理们发现凭经验和手工操作无法应对市场风险加大、价格变动频繁等挑战，程序化交易刚好可以解决这些难题，因为它具有速度快、避免个人情绪干扰、量化等优势，投资机构纷纷投入重金研发自动交易模型，其在提高投资决策质量和速度、交易辅助等方面大展身手。

时至今日，西方发达国家已经研发出不少成熟的自动化交易系统，譬如美国有70%的交易是由程序化交易完成的，而且交易量占比连年来还有不断上升的趋势，交易模型的功能也日趋强大和完善。量化投资及程序化交易大师西蒙斯默默无闻地在十几年间大量使用量化系统的交易方法，取得了比巴菲特、索罗斯等市场传奇更高的年收益率。譬如海龟交易创始人丹尼斯不断通过自动化交易实现其从400美金到2亿美金的个人传奇，还培训出一支海龟投资团队（现在还活跃在各大投资机构），他们为早期大胆吃螃蟹者的投资客无声无息地带来了可观的投资回报。

我国的程序化交易起步较晚，发展缓慢，开发出来的比较成熟的交易系统也相对缺乏，但最近几年发展也很迅猛，这得益于新的投资理念的导入、应用平台开发迅速成熟，如tb（交易开拓者）、文化财经、金字塔等平台已经深受广大自动交易者所喜爱和认同。由于程序化交易规避了人性中的贪婪和恐惧等弱点，交易速度快、系统性强，国内自动化交易量占比最近几年也在快速上升。据统计，我国当前金融产品的程序化交易占比为20%～30%，程序化交易的发展空间将会越来越广阔。

一、程序化交易策略为什么要创新

（一）策略效用的边际递减

使用策略的人多了效果就会越来越差。细心的投资者会发现，国内的股指期货越来越难做。在2010年国内刚推出股指期货时就有人使用台湾的一些比较成熟的程序化交易策略而大赚其钱，但在最近两年却发现不容易赚钱了，甚至遭到了比较大的回撤。这是什么原因呢？金融市场本身就是一个众多策略博弈的一个场所，某个策略一旦成功并被多人使用了，其有效性就会越来越低，而且道高一尺魔高一丈，市场上会出现针对某种策略的猎杀者。从技术指标层面看，例如20年前，通过一条20天均线的交易策略是有利可图的，紧接着，越来越多人开始使用均线来做投资决策。但是，每个交易策略和买卖机会都是有容量限制的，这使得策略使用的人越多，单个K线的波动则越大，例如突破20天均线的当根K线的波动极大，这使得中间的利润空间迅速收缩，最终使得策略失效。也可以理解成，当一个策略使用的人越多，知道的人越多，它的盈利能力则越低，最终变得无利可图。在基本面分析上，同样存在自毁性，例如20年前，只要买账面有利润的公司都能赚钱，紧接着所有人都认准了公司账面利润进行投资，这使得所有账面有利润的公司股价都很高，这时候，人们只能通过预测未来利润获得投资回报了。而随着越来越多人熟知各种预测利润的方法，导致价值被低估的公司越来越难找了，最终变成了一个均衡市场。笔者认为，这可以认为是交易策略效用的边际递减。

（二）行情特点发生变化

金融市场的复杂性表现在行情的多变性。还是以国内的股指期货为例，在2010年是一个双边大震荡的行情，2011年单边下跌，2012年、2013年宽幅震荡，2014年上半年窄幅震荡，可以看出无论是单边行情还是震荡行情，由于国内A股的市场容量越来越大，股指期货的日内变动幅度呈现出越来越小的特点，这就给日内趋势易策略带来不小的挑战。

知名投资人、“悍马理论”的创始人冯正平表示：世界上没有交易圣杯，这是他的悍马定律里的第一条。他说2008年前的市场特征与之后的就很不一样，一些原来赚钱的模型后来都赔钱了，而有一些原来赔钱的反倒变成赚钱了。他打了个比方很生动：“就像我们造一个工具，是拿来切菜的还是砍骨头的，还是拿来修指甲的，这个要想清楚。”意思是设计模型时要清楚自己设计出来的交易模型适用于哪种市场环境，要考虑模型的针对性、适应性。

基于多年期货量化交易的经验，上海泛金投资管理有限公司董事长杭国强认为，程序化的本质是给自己的交易列出一系列规矩，让自己的交易更有规则，并利用计算机提高交易速度，其中成败的关键在于对细节的处理。“利用程序界定、评价和预测未来的收益，建立有效的评估体系，不断适应市场的变化，才是程序化交易的灵魂”。

普天投资机构创始人吴转普也认为：自动化交易不存在永远的圣杯，不可能做出一个类似印钞机一样让交易者获利的程序化交易模型，自动化交易更多地被看成是一种管理控制系统，要加入对基本面和技术面的理解，要考虑市场参与者结构的变化，交易程序要不断优化和创新。

在国外，一些成熟的投资公司配备了众多数学和计算机专业人才，他们的主要任务就是针对市场的变化不断完善模型，这正体现了金融机构存在的必要性与重要性。80%～90%的工作人员是在做量化模型的建模、数据处理工作，交易执行人员比较少。由于要处理庞杂的数据，在量化交易中，团队的价值得到充分体现。每隔一段时间他们就会开发出新的交易模型。

即使在高性能硬件与软件结合的高频交易领域，也不存在可以长久不变的“交易圣杯”。高频交易策略对技术要求比较高，在网络速度、硬件反应速度及网络监测等方面都有近乎苛刻的要求。作为高频程序化交易者，Cyc partner公司创始人柳峰介绍说，高频交易者对市场的监测，以及对策略的修改一直不曾停止，“只有不断发现并保持自己的比较优势，才可能在变化的市场中保持盈利”。而高频交易背后的逻辑结构相对来说是简单的，盈利率比较高，有些策略在三年之内运行会比较适用。但是，在市场中采用同种高频交易策略的数量增加之后，交易者必须对策略加以改进。

二、程序化交易策略创新的思路

（一）交易哲学的革新

程序化交易本质上是交易者交易思想的体现，程序化是一种控制手段。有什么样的交易哲学就有什么样的程序化交易策略，所以审视自己的交易哲学的逻辑性就显得尤为重要。策略的优劣对比实际上是背后交易哲学的较量。优秀的交易策略创新来自于交易哲学的突破与革新，而做到这一点并不容易，需要交易者对世界、对自然、对市场有一种深邃的洞察力并能理解转换成为市场语言，物化为交易指标体系。笔者几年来一直致力于对市场背后推动力的研究，市场的上涨和下跌并非随机和无序。比如说，我们可以把市场按照形态分为单边和震荡，在单边市中趋势性模型就能大显身手，而趋势性模型在震荡市中由于来回止损会产生比较大的回撤。而震荡模型策略的表现刚好相反，所以用什么模型不是关键，判断对时段性的单边行情还是震荡行情成为交易策略提高胜率和盈亏比的关键。至于用什么模型来判断单边和震荡是笔者多年研究的成果，有比较高的准确性。

（二）从全自动到半自动的尝试

笔者认为，交易策略不易过于死板。众多程序化交易策略坚持不下去的原因是全自动带来的众多劣质交易，频繁止损。其实法无定法，笔者认为可以半自动化交易提高胜率和盈亏比，至于何时开启程序化何时关闭程序化背后的规则和逻辑也必须是严密的、一贯的，譬如在背后规则市场进入单边市时开启程序，市场重归震荡市时关闭程序，需要一切有章可循。正如世上没有永动机一样，没有一个自动化交易策略能一如既往地战胜市场，能够在资本市场有骄人业绩的一定是半自动交易程序策略。

（三）交易周期、参数的调整

可以针对不同金融市场的特点，变革不同的交易周期，充分认识到金融市场博弈的本质。当多数人使用某个交易周期的时候，我们可以回避它改变交易周期，比如在股指期货中大家常用1分钟图、10秒钟图，笔者觉得不烦尝试15秒图，既保持了一定的反应速度，又能减少频繁交易的问题，对于大家在交易中常用的macd指标、dmi指标、均线指标，我们可以通过测试调整其参数设置以达到阶段性优化交易的目的，更重要的是避开了大众常用参数，可以避开程序化交易猎杀者的屠刀。建议策略框架的核心参数不要超过三个，超过三个以上的参数有拟合历史行情的嫌疑。著名的海龟策略创始人也曾在海龟策略遭受比较大的亏损时修改技术参数才渡过难关的。

（四）创新交易技术指标

使用独创的交易技术指标来设计交易系统能在金融市场上提高交易胜率和盈亏比，其原因在于创新的交易技术指标相对保密，不具有从众性，相反具有出其不意的优势。比如在趋势交易系统里面大家认为均线是一个很好的趋势跟踪指标，但它的缺点也很突出，除具有其他趋势跟踪指标一样的滞后性外，对付慢涨急跌或者慢跌急涨的行情是一个弱项，所以有人创造了自适应均线来对付这种行情，这就是创新交易指标的做法。笔者举出这个例子意在抛砖引玉，创新和改良指标的方法和技术有赖于开发者的细心、耐心和汗水。

三、程序化交易策略创新后测试要注意的问题

首先，避免对交易策略的参数过度优化。过度优化是以拟合历史取得比较高的胜率和盈亏比的，这种过度优化的策略对付现实或者未来变化的行情反倒会产生比较大的回撤甚至亏损，这是由于形态的周期性反复原理产生的。

其次，核心框架策略可以试着应用于其他金融交易品种，观察其表现。

再次，某一参数取值的盈利远远高于或低于附近的参数值就要引起高度警惕。

最后，不要对一两次巨亏或比较长的连续亏损单独做优化，否则即使减小了最大回撤也是不可靠的。

参考文献：

[1]（美）里什q纳兰.打开量化投资的黑箱[M].郭剑光，译.北京：机械工业出版社，2012.

篇8

周毅认为，在中国，量化对冲产品有着广泛的客户基础，投资者对这类产品的需求潜力很大。因此，只要做好产品和策略，满足客户的投资需求，量化对冲产品将有十分广阔的发展空间。

四年精磨

优秀团队步步为营

据了解，2010～2011年，周毅以分级基金作为量化投资的突破口，带领银华量化团队初战告捷。当年，银华的分级基金一鸣惊人，获得了不可动摇的市场地位，也为此后银华的量化之路提供了市场认可度和基础支持。

2012年，周毅向着量化投资本土化进一步迈进，这一年的目标是——克服A股市场对冲工具少，公募基金交易限制多的难题，从量化专户开始尝试绝对收益。团队先后建立了侧重阿尔法策略和套利策略的研究小组，尽管有高频交易限制、数据库不完善、集中交易制度、佣金费率等多方面的约束，但当年银华专户产品中，表现最好的账户的年化收益率（扣除各种费率后）仍然大幅超越同期沪深300指数，而波动率仅约为沪深300指数的1/3。

2013年，一切更加完善，来自银行渠道的数据显示，银华基金管理的量化对冲专户扣除全部费用后的平均收益率达到12.65%，净值波动率却仅为沪深300指数的1/4，而夏普比率则高达1.95，创造了稳定的绝对收益。此时，银华的量化专户规模已超过10亿元。

“分级养量化”的策略大获成功。金牛理财网的最新数据显示，截至2014年3月6日，银华的分级基金场内规模达到234.56亿份，占市场规模的45.43%。今年以来的日均交易额近4亿元，占全市场的一半以上。而银华的分级基金大多以被动跟踪指数为主，管理成本较低，因此，为公司带来的利润贡献非常可观。

成绩的取得与银华基金量化团队的打造是密不可分的。作为团队领头人，周毅本人曾在巴克莱资本等机构从事数量化投资相关工作，拥有15年从业经验。他深知，严格意义上的量化团队应该是一条流水线产业链，锻造这样的团队，绝非一朝之功，在策略不断过时、市场前景广大的中国量化投资市场，靠“一笔钱挖一两个人”来建设量化团队非长久之策。他立志要打造一个和国外一流对冲基金建制类似、水平相同的团队。

据周毅介绍，2010年，银华基金最早在国内设立量化投资部，2012年，量化投资团队已经达到16人，职责涵盖了策略研发、投资管理、金融IT、交易下单、系统风控等领域。2013年，银华量化的团队架构已经相对完整、人才配置齐全，团队中的骨干力量均有海外留学经历和多年海外量化投资相关工作经验。银华量化团队抓住了分级基金的发展机遇，赢得了市场和投资者对分级产品的认可，得到了公司对量化投资的大力支持。在天时、地利、人和齐备的机遇之下，银华量化团队逐渐发展完善，并在实战中得到了锻炼。

信托“破刚”

独门策略巧夺市场

金刚钻已成，就到了“海阔凭鱼跃”的时候。而2014年信托业打破刚性兑付的案例出现，在带来信托业拐点的同时也带给量化对冲的好时机。

周毅认为，面对“信托刚性兑付”被打破的这种趋势，未来可能有一部分投资者将从信托产品中脱离，转而选择新的投资方向。而经过一两年的市场培育，量化对冲产品重复信托快速发展的故事正在成为一种可能。银华量化对冲专户的优秀业绩表现，更是让其倍受市场关注。

据了解，目前银华量化对冲专户产品的投资策略大概分为两种模式：阿尔法策略和套利策略。所谓阿尔法策略，是专注于创造绝对收益。根据A股市场的特点，银华将理论上的阿尔法策略进行了改造，以传统的主动型股票研究分析结果为基础，利用多因子模型来控制组合的风险和相关性，追求超越市场平均回报的绝对收益，为投资者提供持续稳定的阿尔法回报。

银华在实践中与卖方研究员建立广泛的合作，这些研究员对A股情况非常了解，选股模型的数据输入实际已经融合了本地特点。再利用量化技术对这些结果进行优化，并降低组合的风险性和相关性。周毅指出，这就相当于雇用了两个不同的基金经理，一个人是对本地情况很熟悉，另一个人是数学统计专家。从投资上来讲就是强强联合，既能有效地控制风险，又能最大限度地保持超额收益。两者结合产生的阿尔法既包括本地特点又相对稳定，能做到风险和回报的相对优化。

第二类策略是套利策略，即利用衍生品到期收敛特点进行套利。周毅介绍，目前，套利在国内做得比较多的就是ETF和分级基金套利。这类套利策略基于市场的广度和速度，但囿于公募基金内部防火墙等监管规定的限制，银华采用的多为分级基金套利。这种方法绕开了高频交易对速度的极致追求，能够为组合贡献低风险收益。

不管是阿尔法策略还是套利策略，都不依赖择时，而是在所选的股票和放空的标的之间的相对强弱差上，赚取绝对收益。“对冲并不需要判断某个行业是涨还是跌，只是基于相对强弱，中间的差是回报。对指数也是同样的道理。”周毅介绍，“这也是国外对冲机构广泛使用的投资方法。”

对冲春天

期待机制与产品创新

从发展趋势来讲，中国的衍生工具会越来越多，国外成熟的量化对冲投资模式未来在中国大有用武之地，同时量化投资管理的资金规模也会变大。

在目前的阶段，周毅并不认可过快提升对冲类产品的规模。他指出，不管多好的策略，它所能支持的资金量，所能支持的衍生品存货量和股票量都是有限的。对冲基金更在乎超额收益是多少，而不在乎规模有多大。

据周毅测算，仅就目前的投资标的而言，银华团队可以有效管理的量化对冲基金规模极限或为50多亿元，而单只对冲基金的理想规模大约是5亿元左右。但随着中证500股指期货、股指期权等衍生工具诞生，这个规模会大幅增加。

周毅认为，在理想情况下，一个以追求绝对收益为目标的组合表现与市场好坏是没关系的，应该是在任何情况下都能提供投资者以绝对回报。但A股的现实是，能够用来对冲系统性风险的工具只有沪深300股指期货，这是目前量化对冲投资面临的最大问题。在操作中，只能通过放空沪深300股指期货来对冲组合风险，这也就意味着，应用这种策略的组合在市场呈现大蓝筹股单边牛市的情况下投资难度较大。相对的，在震荡市和单边熊市的情况下，量化对冲组合都能取得相对更好的表现。因为震荡市往往是结构性行情，意味着中小板和创业板波动性大于主板，这种情况下获取阿尔法很容易。2013年就是这种情况；大蓝筹股单边熊市时也相对利于量化投资发挥优势。

篇9

1、《期货截拳道》作者：朱淋靖；

2、《以交易为生》作者：埃尔德；

3、《超越技术分析》作者：图莎尔·钱德；

4、《高级技术分析》作者：布鲁斯·巴布科克；

5、《打开量化投资的黑箱》作者：里什·纳兰；

6、《海龟交易法则》作者：柯蒂斯·费思；

7、《交易策略评估与最佳化》作者：罗伯特·帕多；

8、《统计套利》作者：安德鲁·波尔；

9、《期货市场技术分析》作者：约翰·墨菲；

篇10

【关键词】统计套利 玉米期货 协整 资本市场

关于统计套利策略，首先要提的是20世纪20年代华尔街传奇人物杰西·利弗莫尔，他通过创造“姐妹股”为自己赚取了大量财富。然后在20世纪80年代在Morgan Stanley中由Nuozio Targalia领导的量化投资团队被认为是最早使用统计套利的投资团队。统计套利是指应用各种定性和定量分析方法识别投资组合之间的相对错误的价格关系，买入被低估的投资组合，同时卖出被高估的投资组合，等待错误价格向均值回归从而获利的一种投资套利策略。

一、策略设计

（一）套利对象的选取

本文选取玉米期货合约c1401和c1311作为研究统计套利在中国内地市场的应用主要是基于以下几点考虑：

1.玉米期货合约c1401和c1311同属于玉米期货，两者受到共同因素影响较多，为研究统计套利提供了现实的可能性。

2.玉米期货的流动性较好，玉米期货是大连商品交易所的主要交易品种之一，各种投资者和玉米交易商参与度活跃。

3.玉米作为主要粮食作物之一，对确保国家粮食安全具有重要的作用，国家对农业的大力支持，有利于玉米价格的稳定，代表玉米未来价格的玉米期货价格也随之较为稳定。

（二）数据来源

本文研究玉米期货合约c1401和c1311统计套利关系的数据来源于期货交易软件“文华财经——赢顺期货交易软件”，选取了c1401和c1311从2013年4月2日到2013年9月30日的日度数据作为研究对象，其中x表示c1401的每日收盘价，y表示c1311的每日收盘价，对x和y取对数后分别表示为lnx和lny。

（三）协整分析

1.单位根检验

由于玉米期货的价格是基于玉米现货的未来价格走势产生的，并且玉米期货合约c1401和c1311的标的物都是玉米，受共同因素影响较多，从直观上看，两个不同期间的玉米合约的价差之间存在一种平稳关系。为此，对玉米期货合约c1401和c1311分别取对数lnx和lny进行单位根检验，检验结果显示：lnx和lny都是一阶单整平稳序列，所以lnx和lny之间可能存在协整关系。

2.协整检验

（1）做lny对lnx的协整回归方程：

lny=0.410122lnx+4.593945+u。

（2）用eviews对u进行单位根检验，显示：u是I（1），即u是平稳的，因此接受lny和lnx是协整关系的假设。根据协整回归方程可以看出玉米期货合约c1401和c1311的套利组合比例是：1：0.410122，即价差为：Spread=0.410122lnx-lny。

二、制定交易策略

由协整检验的结果我们得到价差分布序列Spread，此序列表明了玉米期货合约c1401和c1311之间的差距水平，所以可以根据对价差的分析来构建跨期套利的交易策略。根据Eviews的统计测算得出价差序列的基本统计数据，为了更好地让序列数据集中化，我们依据价差序列均值mean的结果将Spread中心化，即：MSspread=Spread-mean.

跨期套利中价差分析非常重要的一点就是分析套利出现的时机和概率。为此，首先要确定套利区间，本文采纳国外学者在计量方法分析中的±3/4标准差为交易上下边界，因此，交易上下边界确实可以设为±3/4×σ（其中σ=0.005191141）。并且为了减少损失，需要设置平仓上下限，文中以±2σ为平仓上下限，交易策略制定如下：

1.当MSspread﹤-3/4×σ时，买入5张玉米期货合约c1401同时卖出2张玉米期货合约c1311；当MSspread﹥+3/4×σ时，卖出5张玉米期货合约c1401的同时买入2张玉米期货合约c1311。

2.当价差序列如预期回归到±3/4×σ区间时进行反向操作平仓获利了结，完成一次交易。

3.当价差触发±2σ以外的区域时，不管是多头头寸或空头头寸都立刻平仓止损，以减少损失。

三、总结

本文在研究统计套利策略中发现：当两个投资品种受共同因素影响较多时，统计套利策略比较容易成功，所以在选择投资对象时，应该考虑两个投资对象共同的基本面影响因素相似度的高低，相似度高就为统计套利策略的实施奠定了良好的基础。在实施统计套利策略过程中，交易成本是一个必须考虑的事情，频繁的实行统计套利会造成极大的交易成本，可能是原本的盈利变成亏损，因此，在制定和实施统计套利策略时应该将交易成本纳入考虑的对象。

参考文献

[1]吴振翔，陈敏.中国股票市场弱有效性的统计套利检验[J].系统工程理论与实践，2007（02）.

[2]朱治平.期货套利机会创造更大收益[N].中国证券报，2008.

篇11

在管理层明确今年经济增长的下限及通胀的上限时，7月汇丰中国制造业采购经理人指数（PMI）初值为47.7，创下11个月以来新低，面对国内宏观经济数据下滑、经济疲软的态势，股票市场围绕2000点上下震荡，多以阴跌收尾，在这样的大背景下有一类产品能跳出投资标的的束缚，在A股震荡下挫的态势下，继续为投资者创造绝对收益，那便是管理期货对冲基金；自1990年中国第一家期货交易所郑州期货交易所成立以来，国内期货市场经历了二十余年资本市场的洗刷，并且有完善的交易机制，不仅可以做多也可以做空，有别于传统股票市场，大多数只能依靠股票上涨赚钱。

国外管理期货CTA是对冲基金投资策略的一种类型，管理期货CTA即商品交易顾问（Commodity Trading Advisor），商品交易顾问可以直接客户在商品期货市场进行交易，抑或提供商品期货、期权及相关衍生品种的买卖建议及研究报告，管理期货的收益来源于各种商品价格的波动，独立于股票、债券等传统投资标的，同时可以多空双向操作，即使在股票市场连续下跌时，也能持续获利。

境外管理期货的基金主要采取以下几种模式进行投资，最主流的是程序化交易，该交易方式主要是依赖事先导入计算机系统的策略模型来做出决策，电脑决策的好处是避免了人性的弱点，防止在市场出现过于繁荣与悲观时，投资者做出不理智的交易行为；目前国际上运用程序交易的基金公司有元盛资产管理公司（Winton Capital Management Ltd.），该公司也是目前世界上最大的商品交易顾问，投资标的囊括商品期货、股指期货，资产管理规模超过250亿美元。旗下产品主要是用计算机进行趋势跟踪，趋势跟踪是一种基于价格分析的技术面投资方法。元盛关注的核心信息是各个期货品种的价格的变化，而非其基本面的信息。趋势跟踪的信奉者相信价格会在很多时候沿着价格变动的趋势继续发展。也正因为此，元盛不少经典的趋势跟踪策略虽然会设置严格的止损策略，但不会进行止盈。纵然大部分的交易会以亏损收场，但元盛那些盈利的交易却可以带来巨额的回报，覆盖了亏损的同时还贡献了足够多的利润。除了程序化交易外，还有多元化交易及自由式交易模式，这类期货管理者通常会对投资标的的基本面进行分析或对一些核心数据进行研究后再做出决策，同时会结合基金经理以往的投资经验，附带一些主观的行情判断，所以该类模式的投资经理只专注于某个他们熟悉的特殊或相关市场领域。

而国内期货市场在经过长达二十余年的发展后，也促发了不少以期货为投资标的的产品，好买基金研究中心收录了一批国内管理期货的私募基金，由于该类对冲基金多由有限合伙方式或单账户期货的形式存在，部分产品信息披露、基金估值体系不完善。

业绩较好的是淘利资产旗下的淘利趋势1号、2号，其中淘利趋势2号成立于今年1月，该产品主要是进行期货的趋势交易及商品期货的现货与期货之间的跨期套利。在趋势交易这一块，淘利量化交易模型都有通用的金融逻辑，包括技术面、行为金融学等理论的支持；在交易模式上，淘利采取“人-机”结合的模式，在参数设置上，交易员有一定的权限，可根据市场临时更改参数，但主要是针对极端的情况发生。在期货交易中，淘利的每个策略都会通过公司自有资金实盘测试后再运用到实际产品中，公司自有资金的实盘运作将会利于调试策略的不足，更好的与市场相契合，今年以来截止于今年7月12日，淘利趋势2号取得了55.37%的绝对收益，大幅跑赢沪深300指数。业绩表现不错的产品还有沈伟光的鸿鼎永富1期，今年以来取得16.48%的绝对收益。

篇12

近年来，投资领域的众多精英纷纷投身量化投资领域，利用计算机科技并采用一定的数学模型去实现自己的投资理念、投资策略。他们以自己的智慧加数学的方法组成投资策略，设计出自己的赢利模型，来克服交易中人性的弱点，实现稳定的赢利。

不少机构和个人都赢利颇丰，然而从今年8月开始，不少量化投资者都在遇到同一个问题，以前稳定赢利的模型现在开始不灵了，屡屡大幅回撤亏损。

“好奇怪，每一次回撤都打到止损点后，再重新起来，这模型到底怎么了？”渤海证券某分析师告诉记者。

国内如此，国外量化同行也遇到同样的困惑，经常出现很大的回撤。尤其是最近，全球CTA策略都不太景气，很多传统CTA做得比较大的公司，今年都面临倒闭窘境。

倒在反向策略？

2013年11月17日上午，清华大学深圳研究生院报告厅。第四届（2013秋季）中国量化投资国际峰会上，100多位金融界菁英汇聚一堂，交流着量化投资出现的问题。

不少同行都遇到了和渤海证券分析师类似的问题，模型失灵，行情每次回撤都打在止损位后，再重新起来，一次次止损都在亏钱，是模型出了问题吗？

“你的反向策略是如何制定的呢？”在上午的论坛上，台下的提问给嘉宾制造了些许紧张，在量化这个圈子里，大家对模型都是讳莫如深，避而不谈，更何况是反向策略的制定，这位被问嘉宾顾左后而言他，并没有正面回答。

反向策略揭开了近几个月大多数模型亏损的冰山一角。投资界有这样一种说法，投资者都是在赚犯错方钱。显然当量化投资者在逐渐增多时，在市场中这部分人群都在用类似方法，也就有了相同的属性，这时聪明者就针对这部分人群制定出了相应的反向策略，专剪这个人群的羊毛，多数模型失灵也就不足为奇了。

上述提问者没有轻易放弃，又把问题转向了本次论坛的主持人原美国骑士资本董事总经理、高频交易总监明可炜。

“反投资策略的方式我听得很少。现在的问题是很多的量化投资同时进入市场，使得市场的价格实现机制出现了偏差，反策略发现了很多的量化投资策略在做同一件事情的时候，把价格推到了不合理的位置。”如果说主持人上面的回答相对中肯，下面则有意淡化反投资策略。

“犯错误的投资人可以使别的投资人的回报变得更多，但并不是说你要有收益必须是别人犯错误的结果。就像巴菲特说，他买一只股票绝对不是因为这只股票今年便宜点，而是他认为这只股票在未来30年、50年会给他带来很高的利益。我认为量化投资者也不是在寻求别人犯错务的时机，如果是基本面，或者说发现了一个趋势，就可以获得很好的收益，这个时候谁都没有犯错误。”

策略失效另有隐情

反向策略并不是策略模型失效的唯一原因，会场嘉宾各抒己见。

中国量化投资学会理事长丁鹏认为，如果说它是有经济学原理做支撑的策略，它未来一定再次有效。比如说套利策略，平常讲的股指期货套利，它是有经济学原理做支撑的；还有大的趋势性策略，只能抓大牛市或者大熊市的，可能很多年都不会再次有效，像这种策略一旦失效的话，一定要考虑背后的真正驱动因素是什么。

“对于一些趋势策略来讲，它可能是暂时的失效，因为进入趋势振荡阶段，它必然会这样。有一些事件操作的策略，它可能因为事件的消失而长期的失效。”渤海证券金融工程部总经理何翔认为，“对于短期失效的趋势策略，从个人来讲，你要有一个风险容忍度，要清楚能不能坚持这样的策略。”

风控不容忽视

不少的量化交易者，都有过不错的收益，但亏损更甚，原因之一是没有把握住风险控制。会场几位重量级嘉宾畅谈了风控的方法。

“控制风险比收益更重要，控制风险才是投资者最核心的东西。”丁鹏认为，在银行、保险、券商和期货这几大金融行业中，期货的收益应该是最高的，但做期货往往是最穷的；而银行的收益是最低的，银行理财只有5、6个点，但银行是最富的。为什么？因为银行的风控能力是最强的，所以真正的富人敢把钱存在银行，但没人把大钱拿给期货公司玩。通常是把风险控制住之后，靠规模、放大杠杆去赚钱的。

通过多策略的方法降低风险。职业投资人、宽客俱乐部总经理冯正平认为，金融投资的策略体系一定要符合保险学原理。比如你交易200个标的，用了200个策略，其一个标的出了问题，仅影响0.5%。要从这个角度去研发策略、组合策略。

“我们公司对策略风控、模型回撤要求非常严格。” 何翔表示，“我们在策略开发的过程中，特别注重三个方面，一是时间纬度上，要在不同的时间架构上对策略进行分散，有长期、中期、短期，甚至日内的；二是在空间上进行分散；三是在策略的类别上分散，有趋势型策略，也有振荡型策略，多策略使风险最小化。”

算错成本没赢利

张华（化名）是近年从华尔街回来的博士，在国内做了一个阿尔法套利，平均每周交易4次，每次交易扣除交易成本之后可以盈利千分之三，一个月做16次，一年收益率应该是50%。做出来之后，在数据回溯和模拟上都很吻合，但是做进去之后，第一个月亏了，第二个月又亏了，第三个月还是亏损。

“这种情况是没有算清楚冲击成本和交易成本。”上海铸铭投资管理中心总裁张向阳认为，在进行历史数据回溯的时候，他应该是拿一口价格来算账，而那口价格是在买价上成交的还是在卖价上成交的，他是不知道的，只能在卖价上买。这样就形成了误差，导致设计模型时就不能赢利。

好模型如利剑

量化赢利如同一辆好车在路上跑，风险控制如同刹车，计算成本如同估计路况，遇到路况不好时踩刹车放缓速度避免翻车，而好的策略模型则如同油门，路况好时要想跑的快，必须踩油门。

和多数宽客人对自己的模型三缄其口不同，渤海证券金融工程部总经理何翔分享了团队几年来几种模型的赢利情况。“在整个量化策略开发过程中，我们以风控为前提，然后把握一些趋势性的机会，顺势而为，分析市场的行为，做好策略开发的分散，最终严格执行策略，实现了好的收益。”

何翔团队在2010年开发了MT-SVM量化预测模型，结合技术指标、宏观指标，对每个月市场涨跌的情况进行预测。市场本身混沌、非线性的，团队用人工智能的方法，预测每个月上证指数的涨跌，然后得到一个从2001年到现在涨跌方向的预测结果。这是一个比较粗糙的预测方向，给出一个市场方向的大参考。最近的预测是从10月份开始预测市场上涨。用上证指数做一个标的，用这个模型做一个简单的模拟操作，测出来一个净值，预测的效果很好。

另一个是量化定增套利策略。这是何翔和团队在去年年初开发的，他们更关注定向增发前的部分，从董事会预案公告，股东大会公告通过，然后到证监会审核通过，再到定增公告，不同的阶段去分析、统计哪些阶段会有超额收益。基于这样的思路，他们建立了量化定增套利策略模型，年化可以到10%-20%，但是波动也比较大。

最后分享的策略是基于量化均线突破策略——短线交易策略。这个策略用在所有的股票上，分析、识别均线和K线形态，在历史上满足这个形态的样本，就可以满足这个的策略，一般持有1到3天。这个策略效果还不错，只是可容纳的资金有限，如果扩大样本量，还会有比较好的结果的。

何翔对自己团队的策略如数家珍，看得出来，对策略出来的效果巨满意。

明天还能赚钱吗？

随着对量化的熟络，越来越多的投资者进入了这个圈子，“悍马定理”创始人冯正平给这些新的宽客提出了宝贵建议：

原来做主观交易的投资者有盘感、经验、好心态、能够操作大资金，建议他们组建一个团队，和一些做量化投资者结合起来，一起做市场，会少走弯路。

现货投资者，因为原来现货做的好，规模大，拥有丰富的社会资源，基于现货市场的定价机制形成了自己的一些的方式，如果做量化，建议他们先实现程序化，做一些套保或者对冲，无需高深的数学知识也会收入颇丰。

如果是纯量化投资者，因将来的发展趋势会更加智能化，所以要向更复杂的非线性的数据工具倾斜。

对于量化投资的未来发展趋势，丁鹏认为会形成两大流派，一个是策略流派，一个是工具流派。策略流派是开发出各种各样的好策略，发现更多的机会；工具流派是用传统的策略，但工具做得更好、数据更全、效率更高、数据更快。

篇13

【关键词】指令流毒性 量化监管 动态调整 股指期货

一、引言

高频交易如风暴一般的席卷了华尔街，据统计2009年之前，美国市场中将近2000个交易公司中几乎2%是高频交易公司，然而2009年开始美国高频交易公司分别占了70%的股票市场交易量和近50%的期货市场交易量，这些高频交易公司通常充当了做市商的角色，向市场提供流动性，也提高流动性。

市场微观结构指出知情交易者可以利用不知情交易者获利。指令流被认为是有毒性的当它逆向选择做市商时，做市商可能在其不知情的情况下在提供流动性的同时承受了损失，而指令流毒性会产生巨大的市场风险。

传统的衡量指令流毒性的PIN值（伊斯利，基弗，奥哈拉和裴普曼提出了一种算法，即通过报价序列中的数据推断出知情交易的概率即PIN值。

学者伊斯利在知情交易概率PIN的基础上，提出了一种新的方法可直接估计高频交易中的指令流毒性（VPIN）。这种方法可以避免估计那些不可观测到的参数，并且可以随着新信息到达市场的速度来随机的更新VPIN，克服了在交易量很大的市场里难以估计PIN的困难，是一种较为简单易操作的测量指令流毒性的处理方法；实证结果表明VPIN可以预测短期毒性诱导的波动，特别是当涉及到大的价格波动的时候。

刘文文，张合金使用VPIN模型，2010年6月17日到2011年7月15日的数据来衡量我国股指期货市场上的指令流毒性；分析结果表明，VPIN可以监测到沪深300指数期货大跌和大涨时候的指令流毒性。

林焕耿试图基于VPIN构造高频交易策略，使用沪深300股指期货2011年11月到2012年10月的高频交易数据，以15分钟为时间框架计算VPIN及收益率。分析结果表明，当VPIN较大时，收益率与其一阶滞后项有显著的负相关关系。这意味着VPIN对于预测股指期货收益率的作用。

综合国内外研究而言，国外研究学者从市场微观结构――信息模型出发，研究得出VPIN模型来直接估计高频交易中的指令流毒性，并基于“闪电崩盘”提供了验证。但VPIN模型中的关键参数设定是由研究者的经验值而定，并非一个科学的值，该模型算法仍有待提升。

二、数据来源与处理

本文选取的是样本为我国沪深300股指期货市场2013年5月2日至12月31日的当月主力合约的高频交易数据。

光大乌龙指事件发生在2013年8月16日，于是决定选择样本期间为2013年5月至12月。其次，在选取样本数据中，对于乌龙指当天的数据经过反复思考论证，决定使用次月主力合约的当天数据而非当月主力合约中的当天数据。因为光大乌龙指事件发生在8月16日，恰逢8月当月主力合约的交割日。上午发生了乌龙指事件光大买入了一揽子股票触发了一系列买卖交易，引致股市出现疯狂的上涨。尽管A股出现了较大的市场异动，但IF1308合约（当月合约）交割一切正常，顺利交割，交割量处于正常水平，未出现异常变动。交易量在小范围内放大，只有极少的大量买卖单入场。并未出现异动。可以看出乌龙指当天的影响主要体现在次月合约中，更能吻合市场的真实情形，于是最终使用次月合约中的当天数据来替换当月合约中的当天数据。

三、模型设定与计算

直观的说，模型解释了不知情交易中正常水平下的一只股票中的买和卖，并且使用数据来定义不知情交易指令流的概率，即ε。异常的买或卖的量解释了知情交易，并用这个量来定义θ。存在异常买量或卖量的交易阶段数用来定义α和β。

随着交易的进行，流动性提供者观察交易并且建模犹如他们使用贝叶斯定律来更新他们对指令流毒性的认知，这些认知在本文中被描述为参数估计。P（t）（Pn（t），Pb（t），Pg（t））我们记这个为流动性提供者对于事件的想法。在时间t，n表示没有消息发生，b表示坏消息发生，g表示好消息发生。于是他的认知（参数估计）在时间0时的P（0）=（1-α，αβ，α（1-β））。

这里，αθ+2ε是所有订单的到达率，αθ是知情交易订单的到达率。PIN非常直白的表现出了在一个信息交易阶段开始交易的可能性。PIN可以计量在整个订单流中，由于知情交易者而引起的部分订单，并且价差等式表示，PIN是决定价差的关键因素。

这些公式阐明了观点流动性提供者为了识别出进出市场的最优的水平需要正确的估计PIN值。PIN值的意外增加将会导致流动性提供者在不调整自己价格的时候蒙受损失。

计算PIN值的模型标准的途径使用了最大似然法来估计不可观测到的参数（α，β，θ，ε）操纵着交易中的随机过程，并且PIN源自于这些参数估计。在Easley（2012）文章中，提出了一个在高频市场中直接的测量毒性的分析估计，并不需要不可观测参数的中间值估计。他们改进了算法，用交易量的时间试图匹配市场中新消息到达的速度。这个以量为基础的算法，我们记为VPIN，为在高频交易环境下测量指令流毒性提供了一个简单的度量方法。

整合交易能减轻交易分裂的影响，使用标准化的价格变化使得交易量分布以概率计算（我们叫做体积分布）。我们计算买量和卖量（VBτ和VSτ）用一分钟的时间条（我们之后会展示我们的研究结果同样适用于其他时间段的整合），但是分析也可以用交易量的分段。

同步交易量篮子使得我们可以很简单的估计这种规范。特别是，回想起我们将一个交易日分割至等规模的交易量篮子并且每一个交易量篮子相当于是一个时期的信息到达。这意味着VBτ+VSτ是一个常量，对于所有时间限制τ来说这个常量等于V。然后我们近似交易不平衡的期望为在n个交易篮子的平均交易不平衡。

计算VPIN是基于成交量划分的时间而非时钟时间。实现基于成交量的取样方法是将交易序列以均匀成交量分组，称为一个“成交量篮子”。一个成交量篮子是成交量加总的一组交易。完成篮子的最后一笔交易如比所需要的大，超过的成交量将被划分到下一个篮子，按照这样的成交量篮子取样后我们获取到一个观测值。构建成交量篮子时对每一笔买入和卖出成交量进行分类，成交量的方向与交易指令单毒性存在潜在联系，结合总成交量水平和成交量的方向可以指示出存在新信息的可能性。因此，买入成交量占多数说明毒性来自好的信息，反之亦然。我们通过观测买单和卖单之间交易的强度和不平衡性来估计出VPIN。

估计VPIN值需要选择V，即每个篮子的交易量，并且n是篮子的数量通常近似交易不平衡的期望。我们初始规定V为日平均交易量的50分之一。如果我们选择n=50，我们将会在50个篮子中估计VPIN指标，日平均交易量相当于找到了一个日VPIN值。我们的研究结果在广泛范围的V和n值选择下是稳健的。

每生成一个交易量篮子都会更新VPIN指标。这样，当51个篮子满了后，我们舍弃掉第一个篮子并且根据2-51个篮子来计算新的VPIN。

四、实证分析

（一）描述性统计

对沪深300指数期货市场计算出的29734个VPIN值做统计，VPIN的偏度为1.341，说明该序列明显右偏；峰度系数为2.440，说明该序列具有厚尾的特征，从这些统计值可以看出样本期VPIN不服从标准正态分布。

对沪深300指数期货市场的计算出的VPIN值做频度统计，VPIN值绝大多数集中在0.1和0.2这样的低位上，小于等于0.2的占了70.29%。说明市场在大部分时间的表现还是较为稳定的。处于0.2到0.6之间的中间值占到了29.37%，说明市场虽有波动，但整体波动在合理范围内。而高于0.6的只占了0.64%，VPIN高位值出现的次数微乎其微，说明异常波动总是占了很小的部分，这就意味着，通过实时监测VPIN值的发展动态，如果VPIN值出现了较高的数字的时候，要引起足够的重视，极有可能市场会发生巨幅异常波动。

（二）流毒性指标波动性分析

检验VPIN波动性指标包括各种各样的参数问题。本将通过在沪深300指数期货市场对不同的交易量篮子选取的过程来展示VPIN计量的稳健性。

选取交易量篮子的量在检验VPIN值中是一个重要影响因素。在过去使用的算法中，因为VPIN包括了交易不平衡和交易强度，聚集一定的时间间隔可以降低变量的噪声并重新调节。可以通过观察在同一天，使用不同的时间间隔聚集篮子内交易量的VPIN值表现，来检验稳健性。

本文中，交易量篮子内采用的是逐笔交易区分买卖交易量来聚合交易量篮子，以交易量篮子滚动计算VPIN值。而交易量篮子的大小（V）会影响到VPIN的计算。因为V越大，篮子数n就越小，滚动计算的次数少，意味着估计有不详尽的可能。如果V的设置选择太小，滚动计算次数太多，虽然更精确了却也是加大了计算量。一方面要保证计算VPIN值得准确性，另一方面也要控制计算量免得做多余无用功还浪费时间。

本文对VPIN模型的关键参数设定添加了动态调整的过程，经过反复的计算与调整，对交易量篮子（V）的值扫描更多的值，得出在更多V值下的VPIN模型计算的稳健性，给出V有效的参数库。以光大乌龙指事件当天2013年8月16日的VPIN来看：沪深300指数期货市场，V取日平均交易量的1/250―1/150之间，VPIN指标能够准确预警出乌龙指事件：

结合上图可知，V选取1/200―1/150日平均交易量，VPIN指标都可以在乌龙指发生前指出市场流毒性高，能够很好的预警出乌龙指事件，具有事前预警效果。

而对于1/200―1/150日平均交易量之外的参数，VPIN输出结果并不如预设中的准确。图2中V取1/100日平均交易量，由于交易量篮子的取值过大，导致滚动的次数少而错失了关键的监测点，从图中可以看出VPIN对乌龙指的到来并没有预警指示；而图3中V取1/250日平均交易量，由于交易量篮子取值过小，篮子滚动次数大大增加，虽然在乌龙指发生之前出现预警指示，但非常遗憾的是，由于滚动次数过多使得VPIN过于敏感，在上午10点多就有预警指示。

五、结论

本文借鉴国外针对新型电子化交易市场的量化监管经验，在等交易量信息交易概率（VPIN）的基础上，优化模型参数的评价过程，提高算法的执行速度。本文基于光大乌龙指事件，运用VPIN模型对我国沪深300指数期货进行实证研究。通过分析光大乌龙指事件当天的VPIN表现，得出VPIN指标在乌龙指发生至少1小时之前就给出预警指示，具有预警性。在沪深300指数期货市场和股票市场的巨大波动性出现之前，VPIN值已经给出预警性指示，说明VPIN指标具有预警作用。并对VPIN进行稳健性检验，稳健性良好，使量化交易市场的事前预警更加准确、可靠。

参考文献

[1]证监会，光大证券异常交易事件的调查处理情况.2013年8月30日.2013.

[2]林焕耿.基于VPIN的沪深300股指期货实证及交易策略研究[D].厦门大学.2014.

[3]王冰，李想.浅议量化投资在国内市场的发展[J].经济视角.2011.7（03）：46～47.

[4]熊熊，袁海亮，张维，张永杰.程序化交易及其风险分析[J].电子科技大学学报（社科版）.2011.12（03）：2～39.

[5]于鹏.一种期货交易模型介绍[J].中国证券期货.2013.21（02）：43～44.

[6]叶伟.我国资本市场程序化交易的风险控制策略[J].证券市场导报.2014.24（08）：43～45.

[7]姚静.我国金融衍生品市场监管模式的选择[J].经济导刊，2011（6）.

[8]方浩文.量化投资发展趋势及其对中国的启示[J].管理现代化.2012.32（05）：3～5.

篇14

简单理解，CTA就是对期货、期权买卖提供买卖建议、研究报告，或直接为客户期货、期权的业务形式，属于资产管理业务。

不过，受牌照限制，目前信托的CTA产品只能限于股指期货方面，而且有股指期货牌照的信托公司并不多。据郑安国透露，目前仅有8家获得牌照，华宝信托是第一家，他们于2011年11月获得股指期货牌照。

但信托CTA创新的现状不仅是监管层放批股指期货牌照缓慢，而且已经获得牌照的信托公司发行股指期货相关产品的进程亦很缓慢。据郑安国介绍，目前仅有4家发行股指期货相关信托产品。

“在没有把握控制风险之前，信托公司对股指期货投资的相关产品谨慎的姿态，我个人是完全赞成的。”中国人民大学信托基金研究所所长邢成向《投资者报》记者表示。

产品中性保守

自2011年7月15日银监会网站正式刊登《信托公司参与股指期货交易业务指引》以来，信托公司获批牌照速度并不算快。

目前仅有华宝信托、中国对外经济贸易信托、华润深国投信托、华宝信托、兴业国际信托、平安信托等8家信托公司获得股指期货牌照。

郑安国表示，因为华宝信托参与了银监会方法的制定，所以华宝信托是第一家获得牌照的信托公司。

“华宝在证券投资领域比较专业，他们的证券投资类产品大多是他们自己操盘来做的，所以他们有这个条件，有这样的人才储备或资源。”用益信托分析师李旸认为。

而这8家已经获得牌照的信托公司推出的股指期货相关信托产品进程也比较缓慢，由于这类产品信息的不透明性，记者目前尚无法查明有多少信托产品与股指期货相关。但据郑安国介绍，目前有4家信托公司发行35款相关产品。

华宝信托现在总共大约有十多款股指期货相关产品，每个产品的规模大概是在12-13亿元，此外，在这个基础上，华宝信托做了一个华宝对冲基金指数，不过其成份股比较少，现在大约有6只股票。

“信托公司在做这类业务时会比较谨慎，部分信托公司会跟做股指期货比较专业的公司来合作。”李旸表示。

目前信托发行的股指期货相关产品投资策略偏中性，相对保守，主要是以量化套利策略为主参与股指期货交易。记者在采访中发现，在目前持续低迷的股票市场环境中追求稳定收益是发行对冲基金是信托公司及私募机构考虑的首要因素，使得市场现有相关产品业绩表现亦比较平淡。

“目前我们产品设计还不是以收益率最大化为目标，而是尽可能控制下行风险，控制波动水平。在构建组合时，考虑加入行业中性策略进行量化选股，获取一定收益安全垫后再逐步放大阿尔法策略头寸。”一位不愿透露姓名的阳光私募人士表示。

该阳光私募人士还认为，对冲信托产品在运作初期可能不会有太出色的成绩，但只要安全垫的周期过去，随着盈利产生，以追求收益为主的套利策略将发挥作用。

而华宝信托即将发行的CTA产品意味着信托在探索股指期货产品方面又迈进一步。

三大障碍

“其实在现有的政策条件下，信托公司参与股指期货的空间还是比较大的。”邢成表示。之所以信托目前在这方面进展较慢，表现谨慎，邢成认为主要是由于三个原因。

首先是相关专业人才匮乏，这点李旸也认为是目前信托公司开展股指期货业务的最大困难。李旸表示，股指期货在我国尚属于比较新的领域，推出至今不过两年多，而且股指期货专业化的程度和技术水平要求更高，信托公司在这方面缺乏人才，更缺乏实战经验。

“期货方面我还不懂，不好意思。”在记者和一位资深信托人士聊华宝信托即将发行的CTA产品会如何运作时，这位往日滔滔不绝信托“老人”也“卡了壳”。

今年以来，多家信托公司都在招聘从事期货业务相关人员，在一家招聘网站上，记者看到11月29日中融、兴业、陕国投等多家信托公司都在招聘期货人员。

其次，信托公司股指期货业务进展较慢和资本市场整体过于低迷有关。“当然股指期货是双向交易，涨跌都会有交易机会，但毕竟整体资本市场走势比较低迷且走向模糊，这对信托公司参与股指期货又进一步增加了难度。”邢成说。

最后，是出于风险控制考虑。“信托公司风险防范意识现在已经有了较大幅度提升，在他们没有很大把握防范风险、控制风险之前，对于股指期货相关信托产品持保守或谨慎姿态是正确的。”邢成表示。

针对这些问题，邢成建议信托公司应专门成立一个证券投资部或资本市场部，并针对业务特点，引进人才，同时制定一套关于交易、决策、风控等制度体系。