量化交易的风险性

　　量化交易的风险首先是一二级市场“级差”风险，其次是交易员操作风险，最后是系统软件的风险。

　　一二级市场的“级差”是整个套利交易的核心。在现有规则下，ETF套利模式分为两种：一种是通过购买一揽子股票，按照兑换比例在一级市场换得相应的ETF份额，然后在二级市场上将ETF卖出；另一种则与前者相反，是在二级市场上购买ETF份额，通过兑换比例换得相应数量的股票，然后在二级市场卖出股票。交易的顺序视股票价格、兑换比例、ETF份额交易价格的变动而决定。

　　由于股价的变动，ETF套利级差转瞬即逝，因此纷繁复杂的计算过程，目前业内由计算机完成，交易员通过设定计算程序并按照结果决定策略，又或者完全自动让系统在出现套利空间时自动交易，后者便称之为程序化交易。

　　又因为套利的空间非常小，通常只有万分之几，因此套利交易为了获取适中的收益，参与的资金量都比较大。如果交易员把握不当顺序做反，则投资将出现亏损，这便是级差风险。而为了控制这样的人为风险，券商一般提倡自动化交易，方向由计算机把握，交易员输入交易数量即可。

　　第二种风险是交易员操作失误，比如光大这次的乌龙指事件，有可能是交易员在输入数量的时候出现了失误。这同时也牵扯到第三种风险，系统软件风险，每个交易员在系统中都有相应的交易权限，包括数量、金额。光大本次涉及的金额坊间一度传闻为70亿元，而数量如此巨大的金额是如何绕过系统权限完成交易的?这个问题的暴露，也导致业内质疑光大风控并未做足。

什么是量化交易

　　量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。量化交易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，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。

　　量化交易起源于上世纪七十年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场，程序化逐渐成为主流。有数据显示，国外成熟市场期货程序化交易已占据总交易量的70%-80%，而国内则刚刚起步。手工交易中交易者的情绪波动等弊端越来越成为盈利的障碍，而程序化交易天然而成的精准性、100%执行率则为它的盈利带来了优势。

量化交易的优势

　　1. 严格的纪律性

　　量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的化，我会打开量化交易系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、资金上、买卖时机上的综合评价情况，而且这个评价是非常全面的,比普通投资者拍脑袋或者简单看某一个指标买卖更具有说服力。

　　2. 完备的系统性

　　完备的系统性具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；其次是多角度，量化交易的核心投资思想包括宏观周期、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；再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。

　　3. 妥善运用套利的思想

　　量化交易正是在找估值洼地，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。定性投资大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票；与定性投资不同，量化交易大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。

　　4. 靠概率取胜

　　这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。

基本面VS量价，哪个量化策略更优？

       近期，量化投资比较热门。但是，对于量化选股的两条路，你知道多少？量化选股本质上也是主动投资，目的是希望通过对各类数据进行分析，获取超越市场β（贝塔）的α（阿尔法）收益。之前我们提到，根据底层数据的不同，量化策略可以有多种细分。比较常见的就是基本面策略和量价策略。这两种策略，哪个更具优势？谁才是未来的发展方向？

1、基本面量化：主动逻辑与量化工具的耦合

       基本面量化是基本面投资和量化投资的耦合，将量化投资工具与主动研究有效结合起来。主动研究更加注重研究的深度，比如对于个股的所有相关信息（包括财务数据、竞争格局、渠道等等）进行深度研究，但是只能覆盖少部分的重点个股，也容易受到研究人员主观情绪的影响，并且不会给出具体的交易信号。

       而量化工具，由于计算机可以快速的处理大量数据，更加注重研究的广度，可以覆盖全市场所有的上市公司，并且策略可回测检验，但是对于中长期的逻辑，量化可能就没办法演绎了。

       基本面量化框架针对各行业板块运行特点构建，纳入财务数据、多元的行业另类数据等，先逻辑后数据，量身定做的模型带来了更高的针对性和可理解性。
       综合来看，基本面量化结合主动投资与量化工具优势，投资比较分散，不依赖市场风格，优势凸显。

2、量价策略

       基于量价因子的量化模型主要通过对海量的量价数据挖掘，寻找投资规律。由于数据量非常大，因此主要是通过机器学习、人工智能等方法来处理数据。并且，由于量价数据每天都在变，模型的调仓换股可能会比较频繁，尤其是高频策略，可能每天都是100%的换手率。

       就目前的市场来说，私募主要采用的是量价策略，而公募由于具备比较丰富的研究资源，多数采用的是基本面量化。

3、基本面逻辑或将强化

       今年，量化基金异常火爆，尤其是私募相关产品，规模持续扩张。但是，近期也出现了头部量化机构的业绩出现较大回撤的情况。这也说明，基于量价的策略，其收益情况是受到了规模的影响。随着市场不断进化，高频交易的超额收益将不断降低，策略的有效性会随着规模的增大而降低，这也是美国等成熟市场的发展经验，近期头部私募相继封盘也印证了这一点。

       随着量化基金规模的不断扩张，量化策略必然要往策略容量更大的低频方向发展；另外，从当前市场情况来看，预计未来仍将是比较分化的结构性行情，对行业或赛道的精选将成为重中之重，量价策略对行业进行中性化处理，直接抛弃了强势行业的β（贝塔）收益，使得量化基金的收益可能很难跑赢押中赛道的主动型基金。因此，基本面量化或将是未来量化投资的重要发展方向之一。

来源：a940303378

6种常见的量化投资策略

       据估计，美国公开市场上大约有90% 的交易使用量化交易，随着投资者的量化技术和建模技术的提高，这一数字可能还会增加。什么是量化交易策略？

       在这篇文章中，我们想探讨一些量化部署的策略。我们会把策略分类，在同一大类中策略之间也会有不同。

量化价值策略

       量化价值策略侧重于股票的价值，寻找预计会随着时间的推移而增加价值的现被低估的股票。一般来说，价值策略的工作原理是划掉“股票世界”中被认为有风险的，并使用估值倍数对股票进行排序，通过分析盈利能力和财务实力等因素来确定其增值的可能性。价值策略的成功取决于找对那些会随时间推移而增值的现被低估的股票。

聪明的 Beta 策略

       Beta 是衡量证券对市场变动的敏感性的指标。它是衡量资产相对于整个市场的表现，如按市值加权的指数所示。例如，波动性比市场大 30% 的股票的贝塔系数为 1.3。通过关注贝塔，投资者可以构建满足其风险偏好的被动管理投资组合。

       Smart Beta 策略旨在通过根据波动性、动量、规模或价值等因素重新加权的自定义指数跑赢市场。与 beta 基金一样，smart-beta 基金与整个市场密切相关，它们包含根据策略规则进行主动选择的元素。

因子投资策略

       因子是与更高回报相关的资产的可量化属性。因子通常分为宏观经济因素和微观经济因素。宏观经济因素包括通货膨胀、流动性和经济增长。微观经济因素包括股价波动、信用水平、股票流动性和质量。因子投资旨在通过投资具有可带来卓越回报的因子的证券，创造一个领先于市场的多元化投资组合。

       因子投资是一套广泛的策略，其中包括我们在此讨论的一些其他策略，例如聪明的贝塔策略。

统计套利

       统计套利是一种定量投资方法，旨在创建高度多样化的投资组合，其中的证券持有时间可能只有几分之一秒。基本策略基于均值回归分析。分析师确定成对或相关证券组的定价效率低下。他们开立被低估证券的多头头寸，并匹配被高估证券的空头头寸，期望价格会回到均值。用于关联证券的方法可能很复杂，统计套利大量使用高频交易技术、定量分析和计算机建模。

事件驱动套利

       事件驱动套利旨在利用历史和实时数据来识别可能对特定业务或市场中的事件做出反应的定价不当的证券。简而言之，事件驱动的套利可能会导致投资者购买股票，预期其价值会在财报电话会议之前或之后上涨。但事件可能要复杂得多，包括监管变更、管理层重组、股东活动等。

人工智能/机器学习策略

       量化投资策略通常依赖于分析师和程序员开发的数学模型和算法。他们对规则进行编码，让算法在现实世界的数据上测试。

       人工智能策略将计算机模型的使用更进一步，部署机器学习技术来分析大量数据并识别可以在交易算法中编码的模式。机器学习允许分析师自动化和加速分析，同时基于比其他方式更微妙和更复杂的模式开发模型。

       水母量化提供广泛的数据和计算服务，以促进量化交易。这些措施包括处理历史数据，标化操作模式，实时性，低延迟，综合历史数据集，回溯测试，高吞吐量的订单录入，管理，执行。

来源：水母量化

千亿私募遭历史最大回撤，量化投资还香吗？

       12月28日，顶尖量化私募幻方发布公告致歉投资者，产品业绩回撤达到历史最大值。

       数据显示，截至12月27日，幻方今年来整体收益为10.76%，中证500指数产品收益率在12%左右，中证1000指数产品收益率在16%左右。

       其中，对冲产品创出了10.66%的历史最大回撤，今年成立的部分新产品，目前仍处在亏损中。

       幻方表示，近期的业绩波动一部分来源于长周期上的持股波动，买卖时点没有选好。另一方面是量化规模扩展太快，策略同质化严重。

       此前，幻方在11月就已宣告“封盘”，不再接受申购，且免除所有产品的赎回费用，直接劝退投资者，规模缩减了近百亿。其实下半年以来，包括明汯、天演、启林在内的十几家量化私募都陆陆续续开始封盘，各家给出的说法都是要控制规模。

       规模似乎已经成了量化基金业绩的杀手，然而，美国头部量化私募规模早已远远超过200亿美金，优秀的策略是可以取胜的，把回撤归咎于规模已经是陈词滥调。

1. 策略单一

       国内量化这几年的发展一直平平无奇，今年前三季度量化私募赚钱效应显著，整体业绩大幅跑赢市场。尤其是9月初，A股日交易量连续维持在万亿以上，其中量化交易贡献了20%的交易量。但自9月中旬以来，量化产品遭遇了一轮大的回撤，今年新成立的产品有的净值已低于0.85。

       目前，头部量化的主要策略是指数增强和中性策略。

       指数增强也就是通过量化模型构建股票组合，然后使用可批量复制的量化T0策略，再搭配上打新。

       这个策略在前三季度市场比较活跃的时候效果很好，但随着成交量的回落，日内T0策略的盈利出现了困难。

       刚好又碰到新股频频破发，打新产品的收益增强效果被削弱了，原本捡钱的机会变成了亏损。

       中性策略是建立在指增产品的基础之上，构建股票与期指头寸的多空组合，配以一定的杠杆，来获取超额收益。

       由于中性策略多空平衡，市场风险远低于一般的主动管理型基金，这类产品一般会给专户提供，往年做得好的年化收益有10%左右。

       而影响中性策略的因素除了指增产品本身策略的稳定性，还有就是对冲工具的成本。

       就拿空头展期最多的中证500合约来说，今年下半年，股指期货贴水成本一直维持在年化6-7%，也就是说，基差变动直接带来了年化7%的损失。

       要知道，2014年那会股指期货还存在升水现象，意味着做空股指期货不仅不存在成本，而且市场会反过来给到一些利润，简直就是躺着赚钱。

       随着对冲成本的不断攀升，必然会压缩策略的超额收益。

2. 伪量化

       有人把2004-2014年这10年归为伪量化时代，其实直至现在，大部分声称做量化的机构都是伪量化。

       国内的量化机构大多是招揽一群高智商、高学历的人才，把所谓优秀的投资策略做成自动化交易，用程序来执行买卖操作。与其说是搞量化，倒不如说是“计算机化”。

       进阶一点确实是有做量化模型的，可大多数还是追涨杀跌。他们把追涨杀跌的策略称之为“动量”，或者趋势跟踪，意思就是涨了就做多，跌了就做空。

       历史数据表明，“追涨杀跌”确实是可以赚到钱的。从美国对冲基金AQR公布的动量策略表现来看，从1880年到2013年长达一百多年的时间，年化收益达到了11.2%。但前提是要严格遵循规则并持续执行策略，毕竟躺赢的故事基本不存在，择时并不比择股容易。

       但可怕的是，各大量化基金的操作策略基本都是趋同的，一旦某k线趋势达到这些策略共同的下单标准，就有可能会一下子触发大量的交易，进而更加加强k线趋势，继而又触发更多的交易，最终导致市场诡异的大幅波动。

       真正的量化是基于数学统计学原理，量化投资在海外已有50年的发展，最鲜明的特征就是对于模型的应用。

       量化模型被认为是个黑匣子，很多事情和现象都无法解释。所以，量化的各项指标需要严格控制，电脑最大的优势就是没有感情地执行命令，模型不会受到市场情绪波动的影响。

3. 红利逐渐褪去

       金融交易本质上是概率的预测，而量化模型基于的是正态分布。正态分布下，收益与风险是成正比的，每一个策略都有对应的收益率和标准差。

       在量化相对成熟的美国市场，投资者能买到的量化基金，年化超额收益普遍是个位数。

       目前看到市场上量化私募所谓的高收益，并不是模型做得有多好，而是风险敞口暴露得更多，背后承担的风险更大了。

       国内量化市场发展至今，良莠不齐的管理人纷纷来分享量化市场的发展红利，今后，仅仅依靠单一策略会越来越难获得超额收益。

       如果严格按照每个策略的收益损失比做回撤标准，还出现大幅回撤的情况，可以好好思考一下是否策略研发能力真的跟不上，不要一股脑把责任推到市场波动不理性上。正如那句话：“保持对市场的敬畏，对策略研发创新持续投入，自然水到渠成。”

来源：格隆汇

量化金融是什么意思

      量化金融就是通过发现一些过去数据中的模式来找到一些可以盈利的交易策略。

      1.量化金融分析师简称：CQF，是由Paul Wilmott博士领导的国际知名数量金融工程专家团队设计和推出，是量化金融领域最高级的专业资格。入门选修课：三种可选的入门课程有助于学员快速掌握基础知识。分别是数学，主要包括量化投资中要用到的基础数理统计知识；金融，主要包括量化投资所必需的基础的金融资产知识；Python，目的在于让学员掌握一门常见的量化投资编程语言。

       2.量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。从全球市场的参与主体来看，按照管理资产的规模，全球排名前四以及前六位中的五家资管机构，都是依靠计算机技术来开展投资决策，由量化及程序化交易所管理的资金规模在不断扩大。

       3.拓展资料：从经济运作的角度来看，量化金融也在做出自身的贡献。通过数据分析，策略会帮我们找出从统计意义上价格被低估/高估的资产，或者特定资产价格被低估/高估的时间，从而买入被低估者，卖出被高估者。这样一来，被低估资产的需求上升，被高估资产的供给上升，使它们的价格趋向于合理。而一个稳定合理的价格，又是多数投资者所偏好的。

来源：小阿杰财经说

私募证券投资基金出圈了

       据中国证券投资基金业协会最新公布的统计数据显示，截至11月末，市场中私募证券投资基金产品数量达7.49万只，存续规模升至6.1万亿元，较去年末大幅增加61.8%，创下历史新高。

       从增量数据来看，同花顺iFinD数据显示，今年以来，截至12月27日，新成立私募证券投资基金产品3.57万只，合计发行1423.52亿元，两项数值较2020年和2019年同期分别增长55%、13%和157%、89%。

       对于私募证券投资基金行业的整体规模出现大幅增长，星石投资副总经理、首席研究官方磊告诉《金融时报》记者，居民财富持续向证券市场转移是重要原因。“在‘房住不炒’总基调下，国内居民资产逐渐向资本市场转移，资管新规过渡期将于2021年年底结束，银行普通理财产品吸引力有所下降，而证券类基金的赚钱效应相对更强，投资基金已经深得人心。同时，由于证券私募基金管理人与投资者的利益更为一致，更加专注于为投资者获取超额收益，也有助于管理规模的扩张。”方磊表示。

       值得注意的是，在行业实现迅速发展的背景下，百亿元级私募阵营不断扩容，头部效应已然显现。据私募排排网数据显示，截至12月10日，国内证券类百亿元规模私募基金数量增至101家。在这101家私募证券投资基金中，有业绩展示的私募管理人为85家，截至11月末，年内平均收益率为13.86%，高于私募证券投资基金行业整体11.62%的平均收益率，是同期公募基金平均收益率的两倍多。

       金樟投资研究员关晓敏对《金融时报》记者表示，私募证券投资基金的投资范围涉及市场上可投的几乎所有资产，策略种类丰富，满足多样化需求，投资方式也更加灵活。而公募基金的结构和规模会对其运作产生一定限制，例如只能投大盘股、中盘股或者特定行业。除了传统资产以外，私募证券投资基金还可投资于期货、期权等各种衍生品，可使用的手段也较多，如场外期权、融券等来达到增厚收益或降低成本的目的。

       私募排排网数据显示，在上述百亿元级私募产品中，有八成在1月至11月期间取得正收益，22家收益率超过20%，两家收益超过50%，最高收益率超过80%。此外，据星石投资统计，截至12月10日，50亿元以上、10-50亿元、10亿元以下的股票策略类私募基金近一年的收益率中位数分别为21.76%、17.6%和10.96%。

       在方磊看来，随着证券类私募基金行业的不断发展，基金业绩分化较为明显，投资者在挑选私募基金时普遍会对成立时间、管理规模和管理规范性进行综合考虑。因此，长期业绩优秀、风险控制能力较强的私募基金管理人会获得青睐。

来源：金融时报

什么是量化策略

　　量化策略是指整个交易过程完全实现为计算机程序，从数据接收、处理到交易执行都是由计算机程序自动完成。

　　为了开发这样的量化策略，预先需要收集一定量的数据，并在其基础上建立一套基于数字的处理决策模型，通常把这一过程叫做量化策略的研究；策略研究好后，就要实现它，让它活起来。

从人工智能的角度来看：

量化策略就是一个能坚定地执行你的交易思路的智能机器人，它会替代你去时刻监视行情变化，完成烦琐的交易动作。

其他细节方面：面对市场固有的不确定性，一些交易技巧其实也很重要

仓位管理：根据资金情况和行情决定每次的下单量，下单过程如何逐渐降低总体成本，增加赢的概率，比如买的时候降低仓位的VWAP， 根据行情走势的运动冲量决定仓位的调整。

风险管理：从策略层面讲，也就是止赢止损。

　　止损，策略是预先写好的程序，很难像人一样能够快速随机应变（虽然没有纪律的交易者经常没有太好的成绩），每笔交易必须有预先设置好的止损逻辑，也就是决定什么情况下该认输退出。

　　止赢，止赢其实也是一样的，逻辑也得预先设置好，确定什么时候该停止进攻以保住现有的胜利果实。

　　换个角度看，止赢就是另一种形式相对愉悦的止损，比如趋势跟随交易，一旦发现趋势不再继续了，也就是发现前一次的判断错误，就该纠正了，当然这时是有赢利的，所以说形式上相对愉悦。

　　在统计套利、或对冲类的策略 上，止赢就是走到模型预定的边界，需要结束这一次交易行动了，不要试图再去模型研究范围边界以外的未知领域探险。

阿牛智投周凡：诋毁正规荐股机构 代维虚假宣传成风

       近年来，资本市场蓬勃发展，投资者数量也屡创新高。与此同时，一些不法代理维权组织也想分得一杯羹。

       阿牛智投周凡表示，非法代理维权组织往往通过发布虚假宣传广告来做推广，怂恿证券咨询公司的合作用户进行非正常退费；虚假宣传广告文发布的数量大、频次高，成为金融行业的毒瘤。

       据了解，代理维权组织人员的虚假广告内容，通常通过小网站、贴吧、微博等散布。标题多带有正规持牌金融机构的品牌名，以及负面惊悚的词汇，如“骗子”、“骗局”、“亏损”、“黑幕”、“震惊”、“套路”、“受害者”等字眼。代维组织往往以法援的名义曝光正规平台，文中列出该平台的投资产品、带单老师，以及受害者自述，并留下法援联系方式。细心的用户会发现，其所谓的受害者自述，多为编造，同一段内容抹黑不同的公司。

       周凡表示，在向各平台投诉虚假宣传侵权内容时，多数正规平台都及时响应，也有少部分平台不予理睬或拖延时间。这些不配合处理侵权信息的平台，很可能是代维人员自己开设的平台，也有可能与代维组织有利益关系。