量化投資理論基礎(chǔ)和技術(shù)方法

賈力鋒

摘 要：隨著金融理論和計(jì)算機(jī)技術(shù)的發(fā)展，出現(xiàn)了各種各樣的量化投資策略和技術(shù)方法，本文對(duì)理論基礎(chǔ)和技術(shù)方法進(jìn)行了簡(jiǎn)要梳理

關(guān)鍵詞：量化投資；行為金融；量化技術(shù)

量化投資是基于金融產(chǎn)品公開海量的交易數(shù)據(jù)以及經(jīng)濟(jì)數(shù)據(jù)，利用計(jì)算機(jī)技術(shù)和數(shù)學(xué)模型對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，總結(jié)規(guī)律，形成量化策略，進(jìn)行投資從而獲得收益的方法。

量化投資的發(fā)展離不開人們對(duì)金融市場(chǎng)的認(rèn)識(shí)，本質(zhì)上也是通過計(jì)算機(jī)技術(shù)幫助投資者去認(rèn)識(shí)市場(chǎng)、檢驗(yàn)市場(chǎng)，發(fā)現(xiàn)投資模式進(jìn)而獲利的過程。

一、資本市場(chǎng)的投資的理論基礎(chǔ)

1.1投資組合理論

投資組合理論基于均值-方差理論，通過不同組合的構(gòu)建，在控制風(fēng)險(xiǎn)的基礎(chǔ)上獲得更高的收益。該理論奠定了現(xiàn)代金融數(shù)量化分析的基礎(chǔ)，第一次將概率論引入投資分析領(lǐng)域，用預(yù)期收益率和方差來衡量收益與風(fēng)險(xiǎn)，從而在數(shù)學(xué)上證明了分散投資比集中投資好的基本原理。

1.2套利模型

無風(fēng)險(xiǎn)套利，根據(jù)“一價(jià)定律”，同一種資產(chǎn)不可能在一個(gè)或n個(gè)市場(chǎng)中以兩種不同的價(jià)格出售，否則會(huì)出現(xiàn)套利機(jī)會(huì)。套利是利用相同資產(chǎn)的不同價(jià)格賺取無風(fēng)險(xiǎn)利潤(rùn)，它是一種廣泛應(yīng)用的投資策略，就是以資產(chǎn)相對(duì)高的價(jià)格出售，同時(shí)以相對(duì)低的價(jià)格購買同一種資產(chǎn)。

統(tǒng)計(jì)套利利用證券價(jià)格的歷史統(tǒng)計(jì)規(guī)律進(jìn)行套利，是一種風(fēng)險(xiǎn)套利，其風(fēng)險(xiǎn)在于這種歷史統(tǒng)計(jì)規(guī)律在未來一段時(shí)間是否繼續(xù)存在。統(tǒng)計(jì)套利的主要思路找到具有價(jià)格相關(guān)性若干對(duì)投資品種，在價(jià)格偏離到一定程度時(shí)，基于價(jià)差必然收斂的假設(shè)，賣出高價(jià)資產(chǎn)，買入低價(jià)資產(chǎn)，從而獲得價(jià)差收益的投資方法。

1.3有效市場(chǎng)假說

有效市場(chǎng)假說認(rèn)為，股票在的價(jià)格已經(jīng)反映了所以已知的信息，由于新信息是不可預(yù)測(cè)的，所以股票價(jià)格是不可預(yù)測(cè)的，股票價(jià)格是隨機(jī)游走的。有效市場(chǎng)假說指的是信息的有效，信息分為歷史信息、公開信息及全部信息（包括內(nèi)幕信息），但市場(chǎng)不可能嚴(yán)格有效，在此基礎(chǔ)上將市場(chǎng)分為三種形式：弱有效市場(chǎng)、半強(qiáng)有效市場(chǎng)和強(qiáng)有效市場(chǎng)。

在非強(qiáng)有效市場(chǎng)中，對(duì)于信息掌握決定了獲利的程度。不同的投資者對(duì)市場(chǎng)有不同的看法，因此形成不同的投資者類型，大致上分成兩派，技術(shù)分析流派和基本面分析流派。技術(shù)分析流派，希望從歷史價(jià)格信息中發(fā)現(xiàn)規(guī)律和趨勢(shì)，從而獲利。基本面分析流派，希望通過對(duì)經(jīng)濟(jì)環(huán)境、公司基本面等的分析，掌握或提前掌握他人未覺察的信息，發(fā)現(xiàn)被市場(chǎng)錯(cuò)誤低估的股票，從而實(shí)現(xiàn)戰(zhàn)勝市場(chǎng)的結(jié)果。不管是從歷史價(jià)格信息中還是從基本面信息中，投資者利用數(shù)據(jù)挖掘的方法，從公開數(shù)據(jù)中挖掘非公開或未被發(fā)現(xiàn)或了解到信息，從而獲利。

1.4行為金融

以上的金融理論都是建立在經(jīng)濟(jì)學(xué)理性人的基礎(chǔ)上的，行為金融理論認(rèn)為，投資者在不確定的條件下的決策并非都是理性的，這些非理性的行為可以分為兩大類：第一，投資者通常不能正確處理信息，從而不能正確推斷未來收益率的概率分布；第二，即使給定未來收益的概率分布，投資者做出的決策通常是前后矛盾或次優(yōu)的。投資者的信息處理偏差主要有預(yù)測(cè)錯(cuò)誤、過度自信、保守主義、忽視樣本規(guī)模和代表性，行為偏差主要有心理賬戶、后悔規(guī)避、前景理論等。

針對(duì)投資者非理性行為，量化投資可以針對(duì)市場(chǎng)行為采用基于市場(chǎng)行為的量化策略，如動(dòng)量效應(yīng)、市場(chǎng)情緒指標(biāo)等。

二、量化投資技術(shù)方法

在各種金融理論不斷發(fā)展的基礎(chǔ)上，形成了各種的量化投資策略，如基于基本面分析的多因子選股（估值因子、成長(zhǎng)因子、資本機(jī)構(gòu)因子等）、基于市場(chǎng)行為的動(dòng)量反轉(zhuǎn)、一致預(yù)期、資金流、趨勢(shì)跟蹤模型、基于市場(chǎng)波動(dòng)的統(tǒng)計(jì)套利模型等各種策略。

量化策略可以來源于定性的交易經(jīng)驗(yàn)，也可以通過數(shù)據(jù)挖掘發(fā)現(xiàn)的新的模式。對(duì)于來源于定性分析和投資經(jīng)驗(yàn)的模型需要一個(gè)量化的過程，該過程一般采用回測(cè)系統(tǒng)進(jìn)行充分的驗(yàn)證。由于市場(chǎng)情況瞬息萬變，需要不停的調(diào)整和更新策略，以適應(yīng)新的市場(chǎng)，發(fā)現(xiàn)新的交易模式，數(shù)據(jù)挖掘技術(shù)能夠幫助投資在不斷變化的市場(chǎng)中發(fā)現(xiàn)新的交易模式。

1.5數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中通過計(jì)算機(jī)算法搜索隱藏于其中信息、提取知識(shí)的過程。在量化投資中常用的數(shù)據(jù)挖掘技術(shù)有關(guān)聯(lián)分析、分類/預(yù)測(cè)、聚類分析等。

數(shù)據(jù)挖掘技術(shù)主要有經(jīng)典的分析方法（如自回歸模型（AR）、移動(dòng)平均模型（MA）、自回歸-移動(dòng)平均模型（ARMA）、協(xié)整模型等），小波分析、分形理論和機(jī)器學(xué)習(xí)技術(shù)，如決策樹、支持向量機(jī)、LSTM長(zhǎng)短記憶自循環(huán)神經(jīng)網(wǎng)絡(luò)、隱性馬爾科夫模型、貝葉斯學(xué)習(xí)等。

數(shù)據(jù)挖掘能夠幫助我們處理分析大量的數(shù)據(jù)，并從中發(fā)現(xiàn)一定的模式和可以獲利的交易模式，但是對(duì)于交易模式的檢驗(yàn)畢竟是在歷史的數(shù)據(jù)上進(jìn)行的，對(duì)于未來的交易是否有效取決于是否有足夠的理由相信對(duì)過去有用的理論對(duì)未來仍然成立。

1.6回測(cè)系統(tǒng)

回測(cè)系統(tǒng)是將定性的交易經(jīng)驗(yàn)或數(shù)據(jù)挖掘發(fā)現(xiàn)的交易模式在歷史的交易數(shù)據(jù)中模擬交易驗(yàn)證，驗(yàn)證策略的績(jī)效表現(xiàn)。在回測(cè)時(shí)，需要構(gòu)建一個(gè)完整的量化策略，不僅包含進(jìn)入策略和退出策略，還要包含止損策略和倉位管理策略。基于大多數(shù)的交易模式都是從歷史數(shù)據(jù)中總結(jié)出來的，面向未來時(shí)總存在不確定的因素，完整的量化策略，對(duì)于面對(duì)未來的不確定性，尤其是市場(chǎng)大幅回撤的時(shí)候，能夠更好的規(guī)避風(fēng)險(xiǎn)。同樣，回測(cè)系統(tǒng)是在歷史數(shù)據(jù)中進(jìn)行回測(cè)，在歷史數(shù)據(jù)中回測(cè)表現(xiàn)好的策略，在未來并不一定優(yōu)秀。

三、結(jié)語

很多研究表明，我國的股票市場(chǎng)目前還不能稱為有效市場(chǎng)，國內(nèi)的很多投資者也是非理性的，需要針對(duì)我國股票市場(chǎng)的特有市場(chǎng)行為模式，如政策驅(qū)動(dòng)、事件驅(qū)動(dòng)、羊群效應(yīng)等情況進(jìn)行研究分析，結(jié)合量化技術(shù)工具，挖掘出適合我國市場(chǎng)特征的交易模式。

參考文獻(xiàn)：

[1] 丁鵬編. 量化投資策略與技術(shù)2016

[2] 戴維·阿倫森，史雷. 實(shí)證技術(shù)分析 2015

[3] 張?chǎng)? 量化投資發(fā)展趨勢(shì)及其對(duì)中國的啟示 2018