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