被动型算法交易

问:如何建立自己的算法交易事业

《量化交易:如何建立自己的算法交易事业/“十二五”国家重点图书出版规划项目》绝不是一本量化交易技术或量化交易术语的百科全书,也不是专门介绍一些特殊的盈利策略(尽管你可以将书中所举例的少数策略进一步完善以获得更高的收益率)。相反,这是一本教你如何自己去寻找盈利策略的书。它会告诉你优等策略的特征是什么,如何通过对一条策略进行优化和回测来确认其是否具有良好的历史业绩,并且最重要的是,确认这条策略在未来能否使你继续盈利。《量化交易:如何建立自己的算法交易事业/“十二五”国家重点图书出版规划项目》也教你根据簧略的真实盈利性来调整交易规模的系统方法。还教你如何在家中构建自动交易执行系统的具体细节。最后,《量化交易:如何建立自己的算法交易事业/“十二五”国家重点图书出版规划项目》教你一些风险管理的基础知识。想在长期中生存下来,知道如何进行风险管理是非常重要的。如果你想享受交易员人生(不只是盈利),还需要躲避一些心理陷阱。

问:算法交易的历史回顾

也是在80年代,程序化交易被应用于投资组合保险中。投资组合保险是根据基于Black-Scholes期权定价模型的计算机模型,利用动态地交易股指期货来复制股票组合的合成看跌期权(Synthetic Put Option)。
这两类策略,通常被笼统地称为“程序化交易”,曾经被许多人指责为制造并加剧1987年的股票市场危机的罪魁祸首。
进入80年代后期及90年代,随着电信网络的发展,金融市场才实现完全电子化。在美国,百分位报价改革(Decimalization)把每股的最小变动价位从1/16(0.0625)美元变为0.01美元。这改变了市场的微观结构,让买卖竞价价差可以变得更小,遏制了做市商的交易优势,因此也降低了市场的流动性。但这个改革却可能促进了算法交易的发展。
市场流动性的降低促使机构投资者把交易指令按照计算机算法拆分,从而让下单指令在更有利的平均价位上成交。平均价格的基准可以是时间算术平均价(Time Weighted Average Price,TWAP), 更常用的基准价则是成交量加权平均价(Volume Weighted Average Price,VWAP)。
随着越来越多电子交易市场的出现,其他的算法交易策略逐渐成为可能,这些策略包括期现套利、统计套利、趋势追随以及均值回归等。用计算机来实现这些交易策略要更加便捷,因为计算机对转瞬即逝的错误定价(Mis-pricing)反应更迅速,并且可以对多个市场的价格同时实时监控。

问:量化交易的应用

量化投资技术包括多种具体方法,在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。在此,以统计套利和算法交易为例进行阐述。
1、统计套利。
统计套利是利用资产价格的历史统计规律进行的套利,是一种风险套利,其风险在于这种历史统计规律在
未来一段时间内是否继续存在。
统计套利的主要思路是先找出相关性最好的若干对投资品种,再找出每一对投资品种的长期均衡关系(协
整关系),当某一对品种的价差(协整方程的残差)偏离到一定程度时开始建仓,买进被相对低估的品种、
卖空被相对高估的品种,等价差回归均衡后获利了结。
股指期货对冲是统计套利较长采用的一种操作策略,即利用不同国家、地区或行业的指数相关性,同时
买入、卖出一对指数期货进行交易。在经济全球化条件下,各个国家、地区和行业股票指数的关联性越来越
强,从而容易导致股指系统性风险的产生,因此,对指数间的统计套利进行对冲是一种低风险、高收益的交
易方式。
2、算法交易。
算法交易又称自动交易、黑盒交易或机器交易,是指通过设计算法,利用计算机程序发出交易指令的方
法。在交易中,程序可以决定的范围包括交易时间的选择、交易的价格,甚至包括最后需要成交的资产数
量。
算法交易的主要类型有: (1) 被动型算法交易,也称结构型算法交易。该交易算法除利用历史数据估计交
易模型的关键参数外,不会根据市场的状况主动选择交易时机和交易的数量,而是按照一个既定的交易方针
进行交易。该策略的的核心是减少滑价(目标价与实际成交均价的差)。被动型算法交易最成熟,使用也最
为广泛,如在国际市场上使用最多的成交加权平均价格(VWAP)、时间加权平均价格(TWAP)等都属于被
动型算法交易。 (2) 主动型算法交易,也称机会型算法交易。这类交易算法根据市场的状况作出实时的决
策,判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外,把关注的重点逐
渐转向了价格趋势预测上。 (3) 综合型算法交易,该交易是前两者的结合。这类算法常见的方式是先把交易
指令拆开,分布到若干个时间段内,每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达
到单纯一种算法无法达到的效果。
算法交易的交易策略有三:一是降低交易费用。大单指令通常被拆分为若干个小单指令渐次进入市场。
这个策略的成功程度可以通过比较同一时期的平均购买价格与成交量加权平均价来衡量。二是套利。典型的
套利策略通常包含三四个金融资产,如根据外汇市场利率平价理论,国内债券的价格、以外币标价的债券价
格、汇率现货及汇率远期合约价格之间将产生一定的关联,如果市场价格与该理论隐含的价格偏差较大,且
超过其交易成本,则可以用四笔交易来确保无风险利润。股指期货的期限套利也可以用算法交易来完成。三
是做市。做市包括在当前市场价格之上挂一个限价卖单或在当前价格之下挂一个限价买单,以便从买卖差价
中获利。此外,还有更复杂的策略,如“基准点“算法被交易员用来模拟指数收益,而”嗅探器“算法被用来发现
最动荡或最不稳定的市场。任何类型的模式识别或者预测模型都能用来启动算法交易。

问:算法交易的问题进展

更复杂的模型和智能程序已经引出了模型会否失效的问题。
有人批评算法交易系统的“黑匣子”特性:“交易员有世界如何运转的直觉。但是对这些系统你输入一串数字,然后从另一端出来一些结果,而黑匣子为什么会产生这些数据或关系,确并不那么直观或清晰。”
英国的金融服务管理局(Financial Services Authority, FSA)一直在关注着算法交易的发展。在该机构年报上,监管层强调这项新科技给市场带来的巨大功效,但同时也指出,对复杂的技术和模型的依赖性越强,系统失效导致业务中断的风险会越大。
其他的问题包括报价传递给交易员的技术延迟或延误问题,安全问题和超前交易(Front Running),以及全部系统失效导致市场崩盘的可能性。
开发和维护算法的成本还是相对较高,对市场新入者而言尤其如此,这是由于算法交易对系统的稳定性、网络带宽和速度的要求比常规的下单指令执行要高很多。没有自行开发算法交易的公司不得不从竞争对手手中购买。
高盛公司在算法交易上花了数千万美金,他们技术部门的人员比交易部门还要多……市场的性质已经发生了巨大的改变。
如今金融市场的信息已被诸如路透、道琼斯、彭博、汤姆逊金融等公司格式化,通过算法的解读来形成交易。
计算机被用来生产消息,譬如公司公布盈利结果或公布经济统计数据,这些消息几乎在瞬间同步直接传输给其它计算机,由它们根据消息进行交易。
交易算法并不仅仅是根据简单的消息进行交易,它还能翻译更难理解的消息。一些公司还试图对消息自动“设置表情”(以表示该消息是好是坏),这样的话自动交易就可以直接根据消息进行了。
“将消息从人类语言翻译到机器语言这一进程实在很有意义,”路透算法交易全球业务经理克里斯蒂.苏塔尼说,“我们越来越多的顾客发现了利用消息赚钱的途径”。
消息报道的速度对算法交易的重要性不言而喻,在一例广告宣传中(2008年3月1日的《华尔街日报》W15版面刊登),道琼斯声称自己在报道英格兰银行降息时比其他新闻媒体快了2秒钟。
2007年7月,早已自行开发算法交易的花旗集团,花了6.8亿美元购买了自动化交易平台,它原来属于一家每天交易约2亿股(占美国市场交易量的6%)股票的具有19年历史的公司。在这以前花旗集团还购买过Lava交易与OnTrade有限公司。

问:量化交易都有哪些主要的策略模型

1. 收集者整理一些常见的技术指标,比方MA,MAD,KDJ,RSI,等,以及一些不常见或自定义的技术指标几十种,大概50-80种。
2. 收集常用的交易模式大概几十种,包括网格,突破,斐波那契,波浪,等等。
3. 在一定的初始化条件下,利用上面这些素材进行自由组合,生产处海量的交易系统
4. 利用计算机的大规模计算能力,用历史数据对上述的交易系统进行回测,根据回测结果优选出若干个盈利能力和资金回撤较小的交易系统。
5. 对优选出的交易系统进一步优化。注意,是对交易模型进行优化,并不是对参数进行过度优化。
6. 扩大测试数据的范围,比方,由原先的2-3年数据回测扩大到15年数据回测。
7. 最终产生出若干个表现出色的交易系统。这几个交易系统之间最好有一定的对立关系,而不是连锁关系,就是说,当用于同一个证券品种交易时,最好同时开启几个交易系统,形成互锁关系,降低风险,减少资金回撤比例。

问:如果只能用一个(或少数几个)指标来评价一个交易策略,你会用哪个?

那我认为,如果是真的这样的话,我会用两个指标来进行衡量了。下面我会阐述一下我如何进行衡量,希望能够帮助到你。


回报

那么你是不是会很好奇,我的两个指标是什么呢,我来一个个地谈吧,首先,回答我们经济学最开始的指标,追寻祖师爷Markwitz的思想,最关注的应该有两点:回报,风险。有两种方法来共同考虑这两个因素:固定其中一个,优化另外一个;回报为目标,风险为惩罚,综合描述为一个函数。对于经典Markwitz投资组合模型,往往采用前一种,当然也可以找到后一种的等价表述。但是对于最优交易策略的构造问题,后一种方法常常更为合适,因为框架更为灵活,适应性更强。这样,工作就归纳为三点:回报的描述,风险的描述,回报和风险的结合方式。回报一般没什么好说的,年化收益率等直观且方便比较。

风险

那么关于风险应该要怎么样进行表述呢,我们一起来看看吧,其实有很多种方法,我们经济学学习过的,风险就见仁见智了,有人用波动、标准差、方差描述,例如Markwitz模型、Sharpe Ratio等,有人用下侧风险类,例如VaR,最大回撤我也归到这一类中。结合方式可用除法,减法,或者加入log、平方等的一些更复杂些的算式,目标在于针对具体问题平衡考虑回报和风险。举个例子,Sharpe ratio就是用风险补偿收益率、标准差、除法整合而成。收益率和标准差量纲一致,除法用的有理有据令人信服。具体情况具体分析,评价指标没有最好只有最合适,祝大家找到中意的那一个。

总结

所以如果你问我,我会告诉你从收益和风险的角度进行衡量,但是对于别人来说,可能看问题的角度不一样,因此衡量的指标也就不一样了,以上只是我的看法,希望可以帮助到你,在这条道路上面走得更远,谢谢。