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。
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。
量化交易的风险性首先是一二级市场“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。
文章来源:MBA智库