打開量化投資的黑箱

　　近年來，量化交易策略（quantative trading strategies）對金融市場越來越重要，無論是成功的案例還是失敗的案例都廣為人知。儘管如此，投資大眾對量化交易如何運作依然非常模糊，因此稱之為「黑箱」。有時量化交易者（俗稱寬客，quants）自身也有意無意地增加量化交易的神秘感，這更加劇了投資大眾對量化交易的誤解。

 　　本書將帶你遊歷量化交易這只「黑箱」，瞭解它的內部和外部結構。我將盡力使你明白寬客如何工作，揭開量化交易的面紗，告訴有興趣的投資者如何評價寬客及其策略。

　　首先需要澄清一點，是人類而不是機器應該對量化交易的各個方面負責。準確地說，量化交易是人類經過嚴格的研究後得到的交易策略，然後交付給系統去實施。在這個意義上，系統依賴型的（systematic）交易就可以定義為依據紀律和方法來自動執行的交易。儘管依賴於自動化執行和系統化執行，但研究過程和策略選擇的主體是人類，系統用來交易的投資範圍也是由人類來選定，購買、整理用於檢驗交易策略的數據工作也是由人類來完成，還有很多其他事情也都是人類做的。這些賦予量化交易策略生命的人，也就是通常我們所說的量化交易者（quant traders）或者寬客。
　　寬客在研究中採用科學方法。別看研究中使用了各種技術、數學方程和公式，可研究進程卻完全依賴於人類決策。事實上，人類決策貫穿於量化交易策略從設計、實施到監測的各個環節。因此，量化交易策略和傳統的主觀判斷型交易策略（discretionary investment strategy）在投資上的做法都差不多，只不過後者主要依賴於人類每天來管理投資組合。

　　量化交易策略和主觀判斷型交易策略的主要差別在於策略如何生成以及策略如何實施。因為對策略進行了細緻研究，故而寬客能夠像科學家檢驗科學理論一樣檢驗策略，並且借助於計算機系統實施策略，寬客能夠消除很多存在於主觀判斷型交易者中的隨意性。交易決策中的情緒、不守紀律、心態、貪婪和恐懼等心理驅動因素，都能夠在寬客的投資過程中得以消除，要知道這些心理因素恰恰是推動市場非理性運動的力量。這些心理因素被理性分析和系統化方法所取代，並且這些方法都是從其他眾多領域學來的。對那些需要重複進行並且需要嚴格按照紀律執行的事情，計算機的能力毫無疑問可以超越人類。雖然人類在重複性的簡單勞動上遠遜於計算機，但是在創造性的複雜勞動上，計算機卻不是人類的對手。因此，如果沒有人類告訴計算機怎麼工作，計算機也就是一堆廢銅爛鐵而已。相對於主觀判斷型交易策略而言，各種運行良好的量化交易策略由於策略設計和實施上的差異，在贏利持續性和適度的風險回報配比上也有所不同。

　　為了讓本書的範圍更加清晰，我主要集中討論阿爾法導向的策略，而沒有涉及量化型指數交易或者其他貝塔型策略。阿爾法策略（alpha strategy）通過擇時和調整投資組合中不同頭寸的大小來獲得回報，而貝塔策略（beta strategy）則是複製指數或者略微超出指數表現，比如以標準普爾500指數作為複製對象。量化指數型基金管理行業也是很大的一個金融子行業，不過對它的解釋倒不必多費唇舌。此外，我也不打算花太多筆墨在金融工程（financial engineering）上，該技術是創新和管理一些新型金融產品（比如信用抵押債務憑證（CDOs））的核心。我也不打算介紹如何進行量化交易分析，因為這同樣也是主觀判斷型投資決策的基礎。以上這些問題都非常有趣，但是並不同於我將要給大家介紹的量化交易，因此它們得由這些領域的專家來專門討論。

　　本書分為三個部分。第一部分包括第1章和第2章，主要介紹量化交易一般的背景知識。第二部分由第3章～第9章組成，詳細介紹了「黑箱」。第三部分包括第10章～第13章，為投資者評價寬客及其策略提供了分析框架和評價技術。

　　我很希望能夠用非常直觀的方式來解釋量化交易。書中我解釋了寬客一般做什麼和怎麼做，比如，如何給他們的策略尋找經濟邏輯，如何給他們的技術尋找理論基礎，等等。為了直觀，我迴避了方程和公式，也盡可能少用或不用業內行話，如果用到了也會做充分的解釋。我寫本書的目的是讓大家明白，被我們誤讀為「黑箱」的東西原來是透明的、直觀的、易於理解的。同時，我也整理了一些可以從寬客身上學到的並在投資中廣泛適用的原則，此外，本書還提及了如何評價量化交易策略和寬客。正因為如此，對於最廣泛的金融市場參與者和評論者，閱讀《打開量化投資的黑箱》一書都將會有收穫。對於投資組合經理、分析師、交易者，無論你是量化交易型還是主觀判斷型，本書都有助於你系統化地梳理「寬客做什麼，怎麼做，為何做」等問題。對於投資者、財經傳媒以及任何對金融市場有些基本知識的人來說，本書則是你深入瞭解這個領域的基本資料。
　　

打開量化投資的黑箱
第1章 我們為何關注量化交易
　　
　　第一部分 量化交易的世界

 　　學會像智者一樣思考，才能像智者一樣行事。

　　—馬可·奧勒留，《沉思錄》

　　約翰是一個中等規模對沖基金的寬客（量化交易者，quant trader）。他於20世紀90年代初獲得了一流大學的數學和計算機專業本科學士學位之後，就開始在華爾街的交易平台工作。他希望將自己的數量化知識背景變成財富。在各個與數量有關的崗位上經過七年之久的歷練，並且物色好負責業務和運營的合作夥伴之後，約翰成立了自己的對沖基金。這只對沖基金由約翰負責量化交易策略的設計，目前每天的股票交易規模已經超過15億美元。不過對他的投資者而言，更吸引人的地方在於，這只對沖基金在60%的交易日和85%的交易月份裡都能賺錢，這個成績令人印象深刻。

　　儘管每天數十億美元的交易量，可是在約翰的對沖基金辦公室裡，既聽不到大聲的討價還價，也看不到有人通過電話來發出交易訂單，空氣中絲毫看不到一丁點忙碌的氣氛。在這裡，我們唯一能看到的是一些平板顯示屏，上面呈現著當天交易策略的表現及其交易量，而他就是在這樣安靜的環境中完成交易的。在交易時段，約翰可不能像講有趣故事那樣，告訴你為何他的策略是買入某只股票而賣出另一隻，因為一旦有某些需要特別關注的事件發生時，他需要全神貫注地跟蹤數以千計的股票。當然，在絕大多數時間，約翰可以讓他設計的自動化交易策略去完成這些艱苦工作，而他自己則只需監測這些策略的穩健性和市場環境的影響，尤其當市場環境發生變化，並且將可能對策略產生影響時，約翰更需要努力工作，研究出調整模型的方案以適應市場變化。

　　坐在約翰旁邊的是馬克，他最近因為在高頻交易（high-frequency trading）方面的研究成果而加盟了這只基金。相比基金前面的策略只能在六成交易日裡賺錢，馬克和約翰正在開發的高頻交易策略更具有野心，其目標是希望每天捕捉到日內發生的規模稍小的賺錢機會。雖然他們的工作目前已經做到近乎在95%的時間裡贏利，但他們為這個高頻交易策略設定的目標更為遠大，希望像一些非常成功的高頻交易策略那樣，做到每個小時甚至每一分鐘都賺錢。不過需要說明的是，因為高頻交易策略捕捉的賺錢機會規模比較小且轉瞬即逝，所以這種策略並不適合大規模的投資。即使這樣，約翰和馬克仍然期望他們的高頻交易策略能夠獲得每年不低於200%的回報率。

　　在投資行業，有很多像約翰和馬克的對沖基金這樣的量化交易型投資公司，規模不大，默默無聞，但它們都能在一段很長的時間裡保持著驕人的投資業績。比如，弗吉尼亞州的夏洛茨維爾量化投資管理公司（Quantitative Investment Management of Charlottesville）2002～2008年獲得了平均20%的年回報率，這個紀錄令很多主觀判斷型基金經理（discretionary manager）羨慕不已。

　　在量化投資的基金群落中，比這些小公司更出名的是那些大型的量化投資巨人。在眾多令人矚目的成功的量化型基金中，最為出眾且廣為人知的莫過於文藝復興科技公司（Renaissance Technologies）。這家公司自1990年以來為投資者貢獻了平均35%的年回報率，並且這是扣除了高昂的基金管理費用和控制在極低風險之下的業績。即使在眾多對沖基金慘淡經營的2008年，該公司旗下的旗艦產品—大獎章基金（Medallion Fund）仍然獲得80%的回報。2 我本人對這只基金的業績記錄非常熟悉，並且覺得它以後還會更好。即使面對越來越多的競爭對手，該基金的模型也不會喪失競爭力。

　　然而，並非所有的量化型基金都是成功的。最近幾十年來，幾乎每個年代都會有一些投資失敗的量化型基金，在其清盤時市場出現戲劇化的暴跌，因此人們便把這些暴跌歸罪於量化交易。其中最著名的例子就是長期資本管理公司（Long Term Capital Management，LTCM）的倒閉，如果當時沒有美聯儲和華爾街銀團的干預，金融市場可能就徹底崩潰了。這家公司雖然獲得了連續四年扣除費用後平均30%的回報率，可是1998年8～10月的金融市場動盪，卻讓它把老本都賠光了。它太有名了，以至於這件事之後，很多投資者對量化交易開始持懷疑態度，並且害怕量化交易。事實上，對於導致長期資本管理公司倒閉的原因，到底是量化交易的失敗還是在風險管理上人為判斷的錯誤，大家還有所爭論，而且它算不算一家真正意義上的量化交易型公司，這還值得考究。

　　除了長期資本管理公司這件事以外，人們之所以對量化交易持有非議，還因為1987年的股災和2007年的量化交易基金清算事件。後者嚴重地影響到了很多量化交易基金，當時一些最大的量化交易基金都因為清算事件而受損。比如高盛旗下最大的量化型基金—全球阿爾法基金（Global Alpha Fund），在2006年損失了6%之後，於2007年又損失了40%。3 在2007年8月不到一個星期內，許多量化交易基金在幾天裡損失了10%～40%，儘管在當月餘下的交易日裡，有部分基金強勢反彈挽回了一些損失。

　　撇開它們投資成功或失敗的影響不說，量化交易在金融市場上佔有巨大份額這個事實的確是毋庸置疑。在美國股票市場，交易的很大一部分比例是通過算法來執行的，並且這個比例在繼續快速增長。算法執行（algorithmic execution）正是量化交易的基礎之一，這是指在電子化交易場所中，使用計算機軟件來管理和發出交易買賣訂單。儘管自動化執行技術並不只在量化交易策略中使用，指數基金和主觀判斷型宏觀基金也會使用算法執行，但量化交易佔了絕大比例，並且量化交易基金也是算法交易引擎（algorithmic trading engines）最主要的發明者和創造者。現在，僅僅在美國市場，區區五個寬客每天就能產生大約10億美元規模的交易量。這些交易者可能都不為投資大眾所知。著名的資本市場研究和咨詢公司TABB集團估計，在2008年接近58%的投資買方的交易訂單是採用算法執行的，並且相對於2005年而言平均每年有37%的複合增長。此外，Aite集團於2009年早期發佈的研究報告指出，美國股票交易中有超出60%的比例是由短期寬客完成的。4 這些統計數據在美國以外的市場也同樣有效，2008年第一季度，在歐洲Xetra市場的電子訂單匹配系統中完成的交易量，就有45%的比例是由「黑箱」交易貢獻的，與其早年相比增長了36%。

　　除了在股票市場，在外匯市場和期貨市場以及商品交易顧問（CTAs）所涉及的各個領域中，也能見到寬客的身影。巴克萊集團估計，在CTAs管理的資產中有超過85%的比例是由量化交易型公司管理的。巴克萊集團擁有最全面的關於CTAs及其投資業績表現的商業性數據庫。很多大型的CTAs並不向任何數據庫系統報告它們管理的資產及其業績表現，不過因為這些公司中很大一部分本身就是量化型的，所以關於量化交易在期貨市場中所佔比例的真實數據應該不會低於75%。截至2008年第三季度末，僅僅是那些向巴克萊集團報告了的量化型期貨基金，它們管理的資產規模就達到2 270億美元。

由此不難看出，量化交易在對沖基金中所佔的規模巨大。一般來說，對沖基金是一種適合於成熟的、富有的或者機構類型的投資者，並且以私募方式募集的金融產品。這種金融產品可以投資的範圍超出我們普通投資者的想像，而且其管理人可以參與投資回報的分成。當然這一點並不是量化交易得以廣泛使用的唯一原因。其實，各家銀行的自營交易部門、小型自營交易公司和採用混合策略（multistrategy）的對沖基金管理公司，在其業務中都有一定的比例採用量化交易，並且它們在全球量化交易中所佔的比重可能要遠遠超出我們的估計。

 　　由於規模巨大並且投資的成功和失敗對市場的影響劇烈，這就毫不奇怪為何「寬客」總能佔據財經媒體的頭條新聞和封面故事，而多數總是從負面來報道的。事實情況並非如此，量化投資基金因為投資過程紀律嚴格從而能夠獲得穩定回報的事實，一直被投資界廣泛稱讚，並且有些專家也指出，這些成功的量化交易策略無論其風格如何都使市場環境得以改善。比如，運營法蘭克福股票交易所的德國交易所集團公司（Deutsche Boerse AG）的首席執行官瑞德·弗蘭喬尼（Reto Francioni）先生就曾經提到，算法交易「通過增加市場流動性而使所有市場參與者受益」，他還進一步援引了最近的一項學術研究成果6，該研究表明，「算法交易和流動性之間存在正向的因果關係」。這毫無疑問是正確的，因為採用算法輔助訂單執行的寬客經常將交易訂單拆分為多個更小的訂單。他們之所以這麼做就是為了降低交易成本和提高交易效率。正如前面所提到的，這種最早由量化交易型基金發展的算法，目前已經被更廣泛的投資者群體所借鑒。通過提交多個更小的交易訂單，具有不同市場看法和不同需求的其他投資者也能提高他們自己的交易效率。

　　當其他市場參與者的交易導致證券的供給和需求出現暫時的失衡時，寬客可以通過向它們提供市場流動性而使市場效率得以改善。在經濟意義上，失衡也就是市場效率喪失（inefficiency）。喪失效率的市場通常會產生少見的、轉瞬即逝的無風險套利機會，比如指數價格和構成該指數的成分股的加權平均價格出現了顯著差異。需要說明的是，捕捉無風險回報或套利機會並不是寬客提高市場效率的唯一方式，也不是最主要的方式。寬客消除市場失衡並從中獲利的方式，並不是絕對的，也不是不敗的，而是在承擔一定風險的基礎上發現了概率意義上的交易機會。

　　一個經典的例子是統計套利策略（statistical arbitrage），其中市場最為熟悉的統計套利策略是配對交易（pairs trade）。如果有兩家行業相同、股本相近並且具有相似業務結構和財務狀況的上市公司，因為某種原因公司A的股票入選為某個主要指數的成分股，並且該指數也是一些大型指數基金跟蹤的投資標的，而公司B的股票卻沒有入選到該指數。一般來說，指數基金由於資產配置的需要而更多地買入股票A，股票A相對股票B來說就會有一個更好的市場表現。結果股票A比股票B的市盈率（P/E）更高，然而兩家公司的基本面並沒有太大差異。這種因為股票在市場上的需求差異而造成的失衡就為配對交易提供了統計套利機會。我們只需要賣空A股買入B股就可以改善股票市場定價的偏離狀況，同時也適當地承擔了對這兩家基本面相似的公司分散化投資後的風險。

　　準確地說，並不只是寬客試圖通過消除市場失衡來獲利，還有那些追求超市場回報（阿爾法回報）的交易者，也是通過挖掘錯配而獲利的。當然寬客的交易行為有時也會催生市場失衡，比如發生在2007年8月的情況。但無論如何，統計套利的交易者是市場流動性的主要提供者，也是有效市場價格的發現者，特別是對那些小市值、流動性差且容易被市場忽視的股票來說，這一點尤為突出。

　　那麼我們究竟能從寬客的投資方法中學到什麼呢？我們可以從三個方面來看。無論對寬客還是對一般的投資管理人，這三點都是非常重要的經驗。

　　深度分析的好處

　　正如富有傳奇色彩的文藝復興科技公司的創立者詹姆斯·西蒙斯（James Simons）所言，「優秀的科學家帶到金融市場遊戲中的，並不是他們的數學和計算技巧，而是他們科學思考的能力」。一個最偉大、第一流的寬客會將他解決問題的系統化思考方法帶入投資過程。

　　非量化交易的投資者能夠從寬客身上學到的第一點就是，強制自己對所採用投資策略的各個方面做出更深入的思考。為什麼？這是因為計算機看上去是一個強有力的工具，但是如果缺乏絕對精確的指令，計算機也是百無一用的。要讓計算機執行一個「黑箱交易策略」，需要程序開發人員付出巨大努力。我們不能只簡單地告訴計算機去挑出最便宜的股票，而必須明確何為「挑出」，何為「便宜」，何為「股票」。比如，執行「挑出」的動作意味著在包含股票信息的數據庫中搜索，在一定的股票門類中進行排序等各方面工作。再比如，「便宜」意味著要約定好市盈率或者其他度量指標介於什麼區間，以及達到什麼水平就表示便宜。據此，寬客可以建立一個刷選系統，或者設置10倍市盈率為便宜，或者設置市盈率排名位於最後10%的為便宜。再進一步，「股票」所指的範圍可以是美國市場的股票、全球市場的股票、歐洲市場的大市值股票，抑或是寬客希望投資的任何股票。

　　這就進一步讓我們需要深入思考這樣一些問題：我們的策略到底是什麼？如何貫徹它？等等。在前面的例子中，寬客並不只是在某個門類中對股票進行排序，他還可以將股票與同行業、全市場或者其他被認為有意義的股票群組進行比較，但是這一切都要求寬客自己心裡有數，而不是讓計算機去填這些空。

　　這樣做的好處顯而易見。對交易策略的深入分析是件好事，無論對寬客還是對主觀判斷型交易者來說，通過細緻的、嚴格的工作而使問題得以清晰地界定，並進而執行投資策略都是非常有用的。這些好處得益於看問題的全面性，而這被認為是成功投資和交易的關鍵所在。相反，很多主觀判斷型交易者沒有強制自己精確地設置和執行策略，從而在隨意的態度中完成大量投資決策。我在多次會議上都對主觀判斷型交易者問過這樣的問題，比如「為何持有這樣的頭寸規模」，得到最多的回答竟然是「感覺這樣合理」。這樣行事是主觀判斷型交易者最大的缺陷。我要再次強調的是，對細節精確的深度分析，以及對策略最全面的考慮是我們可以從寬客身上學到的一個重要經驗。

風險的準確度量和錯誤度量

 　　正如本章前面所言，長期資本管理公司的破產就是一個錯誤度量風險的鮮活教訓。寬客自然希望對所有事物都進行度量，包括風險在內，但是這種行為可能有利也有弊。從正面看，一個好的量化交易策略是鼓勵主動承擔一些風險的。不同於被動地接受偶然事件風險，紀律嚴格的寬客都會精確劃定自己所能接受的範圍，並將承擔的風險限制在這個範圍內。為了消除這些風險，寬客首先要明白這些風險到底是什麼以及如何度量它。比如，因為無力預測股市的變化方向，多數股票市場的寬客都會度量自己對股市的風險敞口程度，或者通過淨頭寸度量或者通過貝塔係數度量，然後他們通過平衡多頭和空頭頭寸來主動將風險敞口調整到一個較低的水平。從另一個方面看，寬客很少關心精度不准、錯誤度量和不正確的假設，而這些恰恰可能對風險的度量和量化管理帶來致命影響。

　　我們前面提到的幾個案例以及很多我們未提及的實例，都是因為過度依賴有瑕疵的風險度量技術而發生虧損。比如，在長期資本管理公司的案例裡，歷史數據反映了哪些情景是可能的，哪些是不可能的，哪些又是從未發生過的。當時，多數市場參與者都沒有預期到俄羅斯這個重要的核武器和原材料出口國會破產，因為這樣的事情歷史上從未發生過。然而最後的結果卻是，因為不堪債務負擔，俄羅斯在1998年夏天拒絕償還債務，這個聲明導致全球金融市場陷入一片混亂的狀態，也使一切風險度量方法毫無用處。在這個案例中，對量化風險度量技術的過度信賴使金融市場在1998年的秋天幾近崩潰。如果不是美國政府出面協調救助，並得到華爾街多數重量級銀行的支持，我們的金融市場發展史和我們金融人生的方方面面很可能就會換一種面貌了。

　　此外，自2007年和2008年開始的充斥在金融市場的信用危機，本來也是可以避免的。銀行之所以依賴那些過於簡單又不能準確把握風險的信用風險模型，原因之一可能是，這些銀行的管理層貪婪地追逐那些超出自身承受能力的短期利潤，因為這樣做就能給銀行家發放更高的獎金。應該說，大部分錯誤的風險度量及其產生的問題，人們都是可以通過更好地判斷來避免或減少的。正如我們不能因為2005年卡特裡娜颶風席捲了新奧爾良就怪罪天氣預報模型一樣，我們也不能因為使用者沒有成功使用量化風險管理模型而歸咎於模型。只要交易者沒有受到蠱惑而採取錯誤行動，他們就可以通過經常性的分析和度量風險行為而受益。

　　嚴格遵守紀律

　　也許我們還能從寬客身上學到的最深刻的一課就是他們對紀律的嚴格遵守。在經過設計和嚴格測試以保證交易策略符合經濟規律並且能夠有效工作之後，寬客都會讓模型自動運行而不受不必要的隨意干預。在人類生活的很多方面，比如從體育賽事到科學研究，我們所具有的外推、推演、假設和創設以及從過去的經驗中學習等方面的能力，都在活動的計劃階段起著重要作用。但是計劃方案的執行同樣是關鍵的，而這恰恰是人們常常做得不夠的地方。導致失敗的一個重要原因就是缺乏紀律性。

　　很多優秀的交易者都對一句古老的交易法則推崇備至，即「截斷虧損讓利潤奔跑」。然而多數主觀判斷型交易者很難意識到損失的發生，相反卻能夠很快意識到贏利。在學術研究中，這種行為偏差被稱為「處置效應」（disposition effect）。8 不過如果把這個判斷交給計算機去做就不會有偏差了。這樣的話交易者就能很輕鬆地借助交易系統來程序性地執行，因而前面所提到的交易法則就能得到遵守。這並不是因為系統依賴型交易者要比主觀判斷型交易者更聰明，而是因為系統依賴型交易者能夠在毫無心理壓力的情況下輕鬆地做出理性決策，避免了多數人在嚴格執行紀律時所面臨的異常的心理挑戰。主觀判斷型交易者能夠從中學習到紀律性。

　　寬客在全球投資圈中廣泛存在且佔有一定比例。無論是在大型交易機構還是在小規模的交易機構，也無論在哪種資產類別還是在哪個地區，都能見到寬客的身影。量化交易的成功和失敗都非常引人注目，這也讓很多投資者從中得到教育。交易者應該學習寬客在合理設置和實施其交易策略時所表現出來的全面性和嚴格性。寬客習慣於度量風險和不同市場動態因素的頭寸敞口，這是非常有用的品質，當然這還需要足夠的細緻以免出現模型的瑕疵。最後，寬客嚴格遵守紀律行事並且始終保持一致性，這一優點也是值得所有決策者學習的。



文章來源
http://www.chinavalue.net/BookSerialise/BookSeriaNo.aspx?BookID=3058