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。量化投资在我国已经发展一段时间了。随着科学技术的进步,人工智能技术越发成熟,例如:打败人类世界围棋冠军的AlphaGo。事实证明,人工智能可以很好的融入到股票的量化交易之中,发展成一套全新的量化投资体系。
本期相约大咖特别邀请了股票、期货“双面手”的职业量化交易经理人宗卫如聊聊他关于现货、期货市场及新一代量化投资的洞见。
大宗商品和股票关联性并不大
不少投资者认为大宗商品现货市场的表现与股票市场表现存在一定的正相关性,例如:黄金。其实,这种观点存在一定的不合理性,值得商榷。橡胶期货品种的涨幅与现实中实际生产橡胶公司的股票表现相关度非常小。
股票市场的涨幅是受到多方面的因素影响,包括:供求关系、汇率变化、成交量大小、公司本身的经营情况、公司最近的重大事件等。焦煤、焦炭类期货产品也是如此。虽然表面上看,现货市场上这些产品上涨,生产这些产品的公司的股票也表现强劲。但其实这些股票上涨的原因,有可能是因为国家提出的“去产能”政策、企业体制的混改等多方面的因素共同形成的。
投资者在选择何时入场买股票的时候,一定要梳理清楚背后的买卖逻辑,而不能单纯的凭主观感受来抉择。
做量化模型需要考虑这些因素
由于不同标的物内部的异质性,投资者应针对不同标的采取不同的模型,这些模型在初始设定的时候也往往存在很大差异。股票这个金融工具本身存在一些限制,包括:t+1交易等。
在模型设定时,并不如商品期货那么复杂。但另一方面,各个股票公司可能会出现停牌,重大事件公告,股票板块也众多。这些又和商品期货截然不同。由此可见,不同标的的模型存在非常大的差异。针对传统的股票模型来说,投资者可以采用规则、经验总结的办法进行模型设定,例如:公司停牌对股价可能有亏损,公司盈利大幅提升会拉升股价等。
股票的择时问题也非常重要,针对不同的行情要采用不同的策略,例如:在市场低迷时,投资者绝对不可以采用激进的量化策略等。投资者应该根据多变的市场环境主动改变自己的策略,例如:最近出现的smart beta策略正在替代过往的阿尔法策略。
人工智能对传统量化的冲击
人工智能技术的代表Alpha Go横扫了一众海内外的围棋高手,一举奠定其围棋地位。它利用图像识别方式大量的学习棋谱数据,训练模型,这使得它的棋力在短短几个月时间飞跃。
人工智能技术也可以很好的结合传统量化投资。传统的量化模型的自我学习、识别、分析的能力比较差,其背后依托的还是投顾们多年的经验。这些模型具备稳定的收益和风控能力,但它们在面对市场上突如的变化时表现能力就会相对差。
而新型的人工智能量化模型数据的学习能力非常强悍,只要有大量的数据,这些模型就可以在短时间内“速成”,制定出符合市场的策略。市场上的很多交易数据都是公开,固定的。他们就像棋谱一样可以通过筛选,甄别纳入模型中被机器学习。
所以,新一代的量化投资体系是非常有前景的,很有可能彻底取代传统的量化模型。当然,在设定新一代的量化模型时,也要注意控制风险,防止模型“学习”错误。如果模型出现操作失误的情况,投资者可以设定一些“熔断”机制来阻止模型的操作,做好风险防范。