期货量化交易策略范文

导语：如何才能写好一篇期货量化交易策略，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

期货、基金、私募三方运作

据悉，青骓投资管理有限公司（后称“青骓投资”）继2012年4月通过华宝信托，发行了信托获批股指期货交易业务资格以来国内第一只阳光私募发行的股票量化全对冲产品之后，再次成立国内首只引入国债期货作为对冲工具的债券对冲管理型产品“青骓1号债券对冲专项资产管理计划”。该产品系青骓投资联手国泰君安期货及某基金公司子公司推出的一款专项资产管理计划，资金已募集完毕并到位，于2013年8月14日正式宣告成立。

值得关注的是，该产品涉及到三方平台，由多个管理人联合操作。基金公司子公司作为资产管理人，青骓投资公司作为投顾主要负责产品的投资策略，国泰君安期货资管部门作为基金专户资产受托人完成国债期货端的交易。

分析人士指出，基金方作为特殊法人单位在期货公司开立资管账户，并引入外部投资顾问参与、主导产品的设计和投资运作，这一合作模式在期货资管领域尚属首例，有望开创机构投资者合作参与期货资管业务的热潮。对于特殊法人单位参与期货资管业务的模式也是全新的尝试。

引入量化对冲策略

青骓投资作为长期专注从事债券和量化对冲领域的机构，在现券交易、利率策略、量化对冲和程序化交易平台方面拥有得天独厚的专业储备和优势，目前就等国债期货上市，希望能在第一时间参与投资。股指期货上市初期曾为投资者带来了非常可观的低风险收益，青骓投资也希望通过第一时间参与国债期货帮助投资者分享创新业务带来的丰厚收益。

篇2

【关键词】 大数据 智能选股 人工操作

中国证券市场从1991年的8只股票发展到2017年3月1日的3124只股票，这短短的20多年走过了西方资本市场的百年发展轨迹，市场容量与影响力呈几何级数形式爆发。近几年来，量化投资日益引起国内机构投资者以及高校学者的重视，量化投资及智能选股的需求也被各类投资者更多的提出。但是目前量化投资策略与智能选股系统仍存在着不可防范的风险。

一、量化投资与智能选股的机遇

与海外成熟的资本市场相比，中国股市场仍不完善，量化投资的技术和策略都属于起步的初期阶段。但全球都看到了中国量化投资的发展潜力巨大：与西方成熟资本市场相比，中国投资主体以个人投资者为主，投资理念较为落后，切有强烈的羊群效应，量化投资的策略在国内资本市场竞争者较少，优秀的专业投资者用敏锐的嗅觉发掘市场的非有效性机会，产生超额收益空间。

2010年开启的融资融券业务和沪深300股指期货代表着中国资本市场的巨大变革，结束了国内市场做空机制缺失的局面。量化投资在国内的发展迎来重大机遇，2014-2015年这波牛市吸引力很多华尔街回来的金融精英开辟国内的量化投资市场。

未来智能选股系统与量化投资系统必将成为国内机构投资者、个人投资者的重要工具。

二、量化投资与智能选股的挑战

2013年8月16日，国内股市场突然出现异常拉升，最高涨幅达到5.62%，致使股市混乱。后来经证实，事件源于光大证券自营部门的高频套利交易系y。程序员的一个小错误引发巨额错单，损失严重，多人问责。这一“光大乌龙指”事件说明量化投资高回报的背后隐藏着巨大风险。

20多年的快速发展也透支着市场的承受力，尤其是2015-2016年这两年，A股市场经历了疯狂的大牛市与疯狂的下砸熊市，经历了千股涨停、千股跌停、千股停牌，监管层脆弱的神经也受到了挑动，中国限制了股指期货交易，机构的量化基金与量化产品遭受了灭顶之灾。

正因为中国金融市场发展不完善、监管覆盖不完全，股票、期货等金融产品的定价仍存在一定的偏差，而这种偏差和各市场间一致性的不足就为计算机程序化交易提供了机会。但是没有足够的市场数据提供，根本无法通过模型来完善交易。没有充足历史数据就无法让智能选股系统与量化投资模型做出非常准确的投资选择，需要辅助人工操作，获取超额收益。

三、智能选股与人工量化操作实践

笔者于2011-2017年一直从事人工量化操作实践，账户开通融资融券功能，并进行日内T+0交易，获取相对于对应指数的相对收益，整个实践操作过程分为三个阶段：

第一阶段，2011年1月-2014年12月，笔者用4年的时间跟踪上证50ETF，并进行日内T+0交易，平均每日使用底仓资金400万元，交易量800万元。通过跟踪上证50ETF的成分股和主要银行指数、股指期货等指标，实现了相对指数每年20%的相对收益。

第二阶段，2015年1月-2015年10月，笔者用融券模式，每日不占用账户内资金，可以利用4000万的融券额度，每日跟踪沪深300ETF，通过跟踪对比影响沪深指数的主要成分股，中国石油、中国石化、银行指数、地产指数、股指期货等指标，实现了相对于指数的年化30%的相对收益，在股灾期间，也是笔者这部分操作获利巨大的期间。利用此方式，大大减少了股灾对账户本身净值的损失。

第三阶段，2015年10至今，在此期间政府出面打击日内高频交易，对股指期货进行限制，这些诸多因素使笔者放弃了原来跟踪指数的操作模式，因为指数已经明显失真。这期间，笔者运用了智能选股模型，找出与创业板指数相对密切相关的个股600588用友网络，利用50万元的资本金，并进行日内T+0差价操作，用于降低持仓成本。主要参照银行指数、创业板指数、计算机板块指数、板块内反应灵敏的股――中国软件、浪潮软件，以及创业板指标股东方财富等的日内走势，利用时间差与空间差，历时一年时间于2016年10月将持仓成本从27.13降低到16.10，成本降低了40.66%。而同期90%的公募基金是亏损的，同期的量化投资基金全部停顿，笔者的收益远远超出了行业平均水平。

四、总结

篇3

“没有互联网大数据的时候，量化投资技术仅仅是机构投资者使用，有了互联网大数据，量化投资便成为普惠金融，成为中小投资者能够采用的投资方式。”1月下旬，在接受《投资者报》记者采访时，微量网络科技（北京）有限公司董事长冯永昌表示。

所谓量化投资是基于大数据分析，以统计学的思维研究市场。这在机构投资中十分常见，也深受华尔街的金融家们偏爱。而微量网正是通过互联网大数据技术，让“神秘”的量化投资“平民化”。形象的来说，中小投资者可以像去淘宝购物一样，到微量网购买一个“智能大脑”，在这个大脑的帮助下，选择投资策略，从而让赚钱成为大概率事件。

让量化投资成为普惠金融

冯永昌是北京大学光华管理学院培养的第一批统计学博士，2007年进入嘉实基金。在此期间，他注意到基金投资时，大量使用量化投资策略，但当时的量化交易工具，都是基于本地网络，受本地用电、网络环境稳定性等情况约束，存在交易风险。他萌生了研发一种云交易技术的想法，可以将交易托管在云端。

冯永昌离开嘉实基金后，第一个合伙人是后来的“余额宝之父”周晓明。当时他们想一起做一个结合互联网技术，用量化交易方式进行投资的基金，但当时有资金、有策略，却缺乏相应的技术，冯永昌决定先解决技术问题，于是他创办了一家软件科技企业。

在研发相关技术的过程中，冯永昌认识到，这项技术既然可以帮他解决量化投资中存在的问题，也可以帮助中小投资者采用量化投资的方式进行投资。基于互联网技术，可以搭建这样一个平台，有能力提供投资策略的人或机构，在这个平台上销售自己的投资策略，而投资者则在这个平台上购买量化交易策略，实现策略提供者和策略使用者的对接。

正是基于这样的思考，冯永昌又创办了微量网。

“微量网类似于是一个‘淘宝商城’，商城中既包括针对投资者的量化投资策略评价和推荐，也包括针对策略提供者的策略生产和出售。而投资者只需在这个平台上，按照自己的风险偏好，购买某个投资策略，选择开始，就可以委托网络机器人来管理自己的投资。”冯永昌介绍。

截至2015年1月底，已有近千个策略被提供到微量网平台。而微量网也拥有了大量使用者，其中有理财者、也有股民和期民，理财者主要通过债券逆回购方式进行投资理财，而股民和期民则主要使用程序化交易和量化投资的策略，即将自己的账号与微量网绑定，在微量网上购买策略，然后进行证券、期货交易。

冯永昌当初设计的时候，就将微量网的用户定位为100万元投资规模以下的中小投资者。数据显示，目前微量网的用户以资金额在30万元左右的投资者为主。微量网的出现让“高大上”的量化投资变成了中小投资者也可以使用的工具。

低门槛的投资平台

股民李华（化名），原来在国泰君安开户炒股，为了体验在微量网进行量化投资，近期又在与微量网有合作关系的光大证券开户，投资数万元，“尝鲜”微量网，他选了两个策略组合进行交易。

以前李华自己炒股的时候，一直担心自己知道什么时候买，但不知道什么时候卖，以及该卖的时候，自己没时间顾不上卖。使用微量网投资，可以通过绑定策略来止损，每个策略都有自己的止损点，也可以设置账户止损，李华给自己账号设置为亏损15%就自动止损，这让李华颇感放心。李华介绍，进行量化投资半个多月以来，他的投资略有盈余，他期待微量网能够帮助他解决卖出股票的时机问题。

冯永昌评价，微量网就是将碎片化的投资管理能力集合起来，使之变成微量网上的策略，传递给微量网的用户，缩短散户和机构之间的差距。

在股市，知道什么时候买，不知道什么时候卖，是学生;知道什么时候买，也知道什么时候卖，是老师;而微量网则更进一步，高度纪律化，能够精准无误地保证执行，降低人为情绪波动的影响，基于大数据，对投资做出判断和选择，降低风险。

然而，微量网如何确保平台上策略提供者策略的有效性？冯永昌解释，微量网是一个C2C的平台，任何自然人都可以给微量网提供交易策略，但微量网会以专业的技术力量对策略进行长期跟踪，严格审核，通过实测验证等手段，保证其有效。策略提供者还要负责维护策略，对其进行必要的修正。

“微量网会以第三方专业的技术力量对策略进行长期跟踪，还会观察策略的风险特征及市场环境等，所有结果都会在用户端详细展示，帮助投资者进行选择。”冯永昌说。

还将继续“烧钱”

来自微量网的统计显示，在去年12月9日（当天上证综指和深圳成指都达到了单日最大振幅9%），微量网70%的策略创造了期货、股票市场新高，80%用户创造了单日3%以上的收益，股指期货策略尤为出色，当日用户受益45%以上。而在今年“1・19”股灾当天，微量网的用户同样实现了十分可观的收益。

冯永昌评价，市场波动越大，投资者通过量化交易套利的空间就越大，还可以尽量规避风险。因此股市等市场波动大的时候，恰是推广微量网的最好时机，2015年微量网将会加大市场推广力度。

微量网此前已经接受过一轮天使投资，目前正在进行新一轮融资。与新投资机构的谈判已进行了数月，预计将很快会结束谈判，引入新的资金。

“新的资金进来后，微量网会继续‘烧钱’，会界面更友好的版本，充实研发团队和客服工作人员，继续以较低的价格将策略提供给使用者。”冯永昌介绍。

篇4

尽管量化投资已经成为市场投资的发展趋势,但是大多数投资者并不是很熟悉量化投资。一方面是由于量化投资一定程度上依赖数学模型,而赚钱的投资模型都是机构的秘密武器,不会轻易披露。另一方面是由于量化投资采用计算机系统,设计各种交易手段,有着较为复杂的数学计算与技术要求,现在许多量化投资都是计算机自动执行的程序交易。另外,量化交易者,俗称宽客(quants)的交易和故事多多少少增加了量化投资的神秘感。所以,人们一般把量化投资称为“黑箱”。纳兰(Narang,R.,2012)描述了量化交易系统的典型构造,打开了量化投资的“黑箱”。纳兰认为阿尔法模型用来预测市场未来方向,风险控制模型用来限制风险暴露,交易成本模型用来分析为构建组合产生的各种成本,投资组合构建模型在追逐利润、限制风险与相关成本之间做出平衡,然后给出最优组合。最优目标组合与现有组合的差异就由执行模型来完成。数据和研究部分则是量化投资的基础:有了数据,就可以进行研究,通过测试、检验与仿真正确构建各个模型。预测市场并制定策略是量化投资的核心,即阿尔法模型在量化投资中处于核心地位。随着量化投资的不断发展,量化投资模型也在不断改进。简单的策略可能就是证券或组合的套利行为,如期现套利组合、市场异象研究中的差价组合等。统计套利策略是经典的量化投资策略,如匹配交易或携带交易。近年来,高频交易成为量化投资的重要内容,基于高速的计算机系统实施高频的程序交易已经是量化投资的重要利器。丁鹏(2012)将量化投资的主要内容分为以下几个方面:量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利和高频交易等。他认为量化投资的优势在于:纪律性、系统性、及时性、准确性和分散化。

二、量化投资“黑箱”中的构造与证券投资学的差异

在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。

(一)资产定价与收益的预测

根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值。追求显着正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。

(二)无套利条件与交易成本

在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。

(三)风险控制与市场情绪

在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。

(四)执行高频交易与算法交易

在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易

优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。 三、对量化投资在证券投资教学中应用的思考

从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。

(一)市场微观结构与流动性冲击

在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。

(二)业绩评价与高杠杆

对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。

(三)人为因素与模型风险

在量化投资中,非常注重计算机对数据和模型的分析,这突出了量化投资的规则性和固定性。然而,实际中,别看量化采用了各种数学、统计模型,但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究,并借助计算机实施策略,能够消除很多认为的随意性。但是,量化策略毕竟体现投资者的交易理念,这一部分依赖于投资者的经验,一部分依赖于投资者对市场的不断观察与更新。实际上,人始终处于交易之中,对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性:决策实施依赖于人的设定,而人的设定不仅依赖于经验,而且人还会犯错。人之所以会犯错,一方面是因为人们对市场的认知是不完全的,另一方面则是人们使用了错误的模型。经典的证券投资理论中,股票价格的变动被认为是随机的,小概率事件出现的机会比较小,但是经验研究表明股票收益率具有肥尾现象,小概率事件发生的机会超出了人们原先的认识,即市场还会出现“黑天鹅”。更为关键的是,量化投资更依赖数学和统计模型,这就使得量化投资存在较大的模型风险,即使用了错误的模型。为了防范模型风险,应采用更为稳健的模型,即模型的参数和函数应该适应多种市场环境。近年来,研究表明,证券收益及其与风险因素的关系存在较大的非线性,同时,市场中存在一定的“噪声”,采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。

篇5

券商、基金、信托“三管齐下”

南京证券上海新华路证券营业部负责人沈伟青表示，中国股市20多年来的最大交易特点在于只能做多而缺乏做空机制。在股指期货推出前，除抛出股票外，投资者基本没有规避下跌损失的方法，更谈不上盈利。

“股指期货的推出，增加了一种全新的方向，投资者起码可去套保和做空，被动持仓的投资者也可通过股指期货实现盈利。”

在信托方面，在中国银监会和中国证监会的部署下，信托参与股指期货交易的业务指引也已颁布，银监会已批准部分信托公司参与股指期货交易。证券公司方面，通过参与股指期货交易，证券公司在2011年实现“万绿丛中一点红”，取得了较好收益。沈伟青表示，股指期货上市以来，证券公司已明显增加了对大盘蓝筹股的投资力度，持仓组合中大盘蓝筹股比重大幅增加。

在基金公司方面，2011年，基金专户运用股指期货也实现了一定盈利。2011年新发行的119只基金专户产品中，有近1/6明确将股指期货作为投资标的，且大部分实现了正收益。平安证券客户经理王彪表示，股指期货的面市使机构增加了对冲策略，但目前参与对冲的机构还不多，从2012年2月证监会正式允许公募基金开户参与股指期货至今，只有4只公募基金开户参与了股指期货。

中金所的“饕餮盛宴”

恰似2010年南非世界杯的冷门迭起，在赢家候选名单中，中国金融期货交易所（中金所）出人意料地将股指期货变成了自己的“饕餮盛宴”。王彪表示，由于现阶段股指期货波动较大，市场主要以投机易为主，因此目前股指期货市场的成交量已相当可观。

援引中金所公布的数据，截至4月13日，股指期货双边成交金额为190.8万亿元，虽然按万分之零点五计算的手续费看似“不大”，但以百万亿数量级为单位的巨大基数已使中金所进账高达95.4亿元。

不妨看看95.4亿元的数量级在A股市场中是一个什么样的概念。截至4月中旬，国内仅有21家上市公司的净利润超过了95.4亿元，而酒业“大亨”贵州茅台的净利润为87.63亿元，比中金所的95.4亿元还要低10%左右；房地产“巨擘”万科A2011年净利润为96.2亿元，和中金所基本打了个平手。此外，如果按天来计算，加上所有停止交易的节假日，中金所每天进账足有1321万元。

2011年，中金所列上海市纳税百强企业的第32位，而上海期货交易所（上期所）列第10位，上海证券交易所（上交所）排第15位。因此，在国债期货正式推出后，中金所的排名取代上期所可能会变得“指日可待”。

沈伟青认为，股指期货运行两年以来，中金所积累了丰富的管理经验和一手的交易数据，为新产品推出奠定了制度基础和资源保证。除去热议中的国债期货外，刚开始进行仿真交易的期权交易均是最好的例证。中金所的不断发展也会使得中国证券市场上创新产品层出不穷，给中国证券市场带来新的活力。

投资者的“口福”

从海外发达市场经验来看，股指期货是一个多功能的平台，不仅可成为一个投资品种，还可同其他金融产品形成新的交易产品，如目前市场上除了单纯交易股指期货的高频交易者外，还有一些证券公司、基金公司和信托等机构投资者利用股指期货进行套保交易，或是借助股指期货与ETF等指数基金之间的波动，进行低风险甚至无风险的套利交易，随着4月底沪深300ETF的发行设立，套利交易将会变得更为快捷和便利。

篇6

【关键词】 量化交易；布林线

1 基于布林线理论的量化模型构建：日间布林线趋势跟踪策略

一个好的趋势追踪交易系统，要满足很好的稳健性。即在一个较长的时间内，该模型不会因为市场的变化而失效。而且要尽量避免市场上模型在短期内盈利水平较高，而在长期内无法达到稳定盈利的普遍现象。为此在设计时要尽量做到原理简单，简化指标，不要有过多参数。本文中所设计模型在交易开拓者软件（TB）上运行。

1.1模型设计原理

布林线（Bollinger Band）是根据统计学中的标准差原理设计出来的一种非常实用的技术指标。它由三条轨道线组成，其中上下两条线分别可以看成是价格的压力线和支撑线，在两条线之间是一条价格平均线，一般情况价格线在由上下轨道组成的带状区间游走，而且随价格的变化而自动调整轨道的位置。当波带变窄时，激烈的价格波动有可能随即产生。布林指标（BOLL），布林极限（%B），布林带宽（BW）三者构成指标群，相互配合使用，准确度相当高。本文中只用到布林带（包括上轨，中轨，下轨），以及布林带宽（BW）这两个指标。

在实际操作中，每隔60分钟取一个收盘价，取其加权平均价为中轨，以20个交易周期来计算标准差，中轨加减两倍标准差分别定为上轨和下轨，用公式表示如下：

Std=StandevClose，Length

Midline=XAverage（Close，Length）

Lowline=Midline-2×Std

Uppline=Midline+2×Std

取股指连续为研究对象，并且取小时线（N=60）布林线，周期20小时（Length=60），加载到一分钟K线图。

将布林带宽定义为：

StdMidRatio=StdMidMidLine

当股指处于震荡行情时，价格应处于布林带之间，此时标准差较小，带宽也较小。当价格突破上下轨，布林带出现放大喇叭口形状，可以认为行情从震荡转换为趋势，此时标准差会突然放大，出现脉冲现象。为描述这种现象，新定义趋势指标TrendIndex用来研判行情，同时定义TrendIndex的上下界。

TrendIndex的定义：前后两期布林线带宽的平均值的差，用来表示价格波动率的大小。用公式表示如下：

TrendIndex=AverageStdMidRatio，N-AverageStdMidRatio1，N

UppBand=HigestTrendIndex1，N

LowBand=lowestTrendIndex1，N

当股指震荡时，TrendIndex也处于窄幅震荡，出现喇叭口时，TrendIndex值突然放大。当出现很明显的价格突破时，可以认为趋势已经形成，即可买入或卖出该资产。

1.2模型框架

1.2.1入场规则

当价格突破上下轨，出现喇叭口形状时，可以认为上涨或者下跌的趋势行情已经开始显现。此时用之前定义的趋势指标TrendIndex来研判是否出现趋势行情，即TrendIndex大于前期最高值且大于0时，表明趋势已经出现。

当分钟收盘价高于前期最高价时，即当Close>Uppline时，做多一手股指；同样的，当分钟收盘价低于前期最高价时，即当Close 1.2.2 加仓规则

趋势策略的胜率普遍不高，为保证该策略有持续盈利能力，当确认趋势行情出现后，应该增大同方向的仓位。在此，利用ATR指标进行资金管理。加仓前提条件与入场的前提条件一致，还需要当前价格满足以下条件：TrendIndex柱图值破新高，且价格比上次买入价高出1倍ATR。此时可以认为价格波动较大，趋势得到确认，可以加仓。公式表示如下：

Close>GetGlobalVarMyPosition+DeltaPrice

全局变量GetGlobalVar存储的是上一次开仓的买卖价，DeltaPrice为ATR的值。为了控制风险，设置最大总开仓数不超过3手。

1.2.3 离场规则

当一笔交易浮盈时，用百分比回落止盈法进行止盈，即开仓多单后，价格回到最高价以下一定比例后进行平仓出场；同样的，开仓空单后，价格上升到最低价以下一定比例后进行平仓出场。下面给出空单黄金百分比回落止盈示例：当收盘价减去最低价的值高于最大利润的0.618倍时，即利润回吐值达到最大利润的0.382倍时，空单离场。

在进行量化交易时，并不能排除对行情研判失误的情形，为此还应当设立止损离场规则和行情结束离场规则。多头ATR止损规则：当浮亏超过1倍ATR时多单离场。

GetGlobalVar（Num）-Close>DeltaPrice

行情结束离场规则：当趋势指标TrendIndex触碰该指标前20个周期最低点时，认为行情结束，可以平仓。

2 模型历史回测

在模型构建结束后，选取我国沪深300指数股指期货合约的主力合约2010年4月16日至2013年6月7日的分钟交易数据在交易开拓者软件上进行交易历史回测。对于一个量化交易模型而言，较为重要的指标有：

（1）盈亏比，即模型总盈利值与总亏损值的比。当盈亏比的值小于1时，说明该模型整体不盈利；反之，当盈亏比的值大于1时，说明该模型整体有盈利能力。当一个模型的盈亏比大于2时，可以认为该量化交易模型的盈利能力较高。

（2）盈利比率，即胜率，表示盈利的手数与总手数的比值，也就是每一手的获利概率。一般而言，盈利比率大于50%即表明该模型的获利概率大于亏损概率。

（3）最大回撤及最大回撤率。最大回撤表示在选定周期内任一历史时点往后推，权益净值走到最低点时的收益率回撤幅度的最大值。最大回撤用来描述投资者可能面临的的最大亏损，用来描述交易进行后可能出现的最糟糕的情况。最大回撤率是指最大回撤与前期高点的比值，是非常重要的风险指标，对于量化交易模型的风险度量而言，该指标比波动率还重要。

由表1可知，该模型的年度有效收益率为69.07%，盈亏比为2.21，说明模型总体上是盈利的，且盈亏比大于2，说明该模型的总体盈利能力很高。盈利比率为67.71%，大于50%，说明该模型的胜率较高，每一手的盈利概率大于亏损概率。最大回撤发生在2010年6月21日，回撤值为85421.1元。最大回撤率为14.07%，说明投资者若使用该模型交易时，可能发生的最大亏损为14%左右，这是一个相对较高的值。由图1可知，该模型的盈利整体处于上升状态，但从2013年下半年起，盈亏曲线上升较为缓慢，可以认为受到2013年上半年震荡行情的影响，模型的整体盈利水平有下降的趋势，并且模型整体的稳定性也有所下降。

图1 交易盈亏曲线图（2010年4月16日至2013年6月7日） 3 模型使用建议

（1）切勿加入投资者主观判断

人们开发量化交易的一部分原因是：与人的主观判断相比，计算机交易是理性的、纯客观的，不夹杂任何情感因素，不会存在行为金融学中所描述的人类在投资中所表现出的情感偏差（例如羊群效应、追涨杀跌、过度自信等）。因此在使用量化模型进行实盘交易时，除非程序运行错误，否则投资者应任由程序自行开、平仓，切勿加入投资者对行情的主观判断，手动开、平仓，干扰程序运行。

（2）投资者应正视股指期货投资风险

任何投资都是有风险的，股指期货也不例外。特别的，股指期货是保证金交易模式，最低保证金8%，最高可以达到12.5倍杠杆，收益与亏损被同时放大，所以投资者在使用该模型时，应考虑到自身的风险承受能力，包括客观风险承受能力及主观风险承受能力。客观风险承受能力不高的投资者，即使其主观风险承受能力较高，也不应该进行股指期货投资。

（3）投资者应时刻关注计算机交易情况

由于计算机自身运行错误、程序运行错误以及网络连接故障等原因，投资者使用该模型在进行实盘交易时可能会出现以下情况：出现交易信号时，并未开仓；到了止盈或止损价格时，未平仓；连续发出不正常的交易信号。所以在交易时间内投资者应关注计算机的下单状况，发现错误时及时停止交易。

（4）正确识别模型优劣，在模型失效时停止交易

任何一个量化交易模型都有其自身的局限性，具体表现在参数优化之后产生的短期盈利水平虚高、长期盈利水平很低甚至不盈利的现象，有些模型甚至通过过度参数优化而产生过度拟合的缺陷。而在盈利水平和最大回撤控值都做到相当优秀的模型极有可能是经过了过度优化的模型，投资者遇到此类模型时，应当在使用模型前仔细甄别该模型的回测结果、历史业绩是否真实可靠，需要重点关注模型的参数、研判条件是否出现过度优化的情况。当使用一个模型时，如果其回撤值大于历史最大回撤值，可认为该模型已经失效。

参考文献：

[1]John Bollinger， CFA， CMT. Bollinger on Bollinger Bands， 2001

[2]P.R. Christian， C. George， Monte Carlo Statistical Methods， Springer， New York， 2004

篇7

虽然现在量化基金、对冲基金等以量化方法运作的产品慢慢得到机构的重视，但受对冲工具、市场成熟度、投资者成熟度等因素影响，量化投资顶多处在长跑前的预热阶段。

银华基金量化投资部总监周毅曾在华尔街从事量化投资11年，现在他一人管理着两只量化型产品和两只QDII基金，市场上对此有过质疑。

在接受《投资者报》记者采访时，周解释说，与定性投资比，定量投资的优势之一就是人力成本低，每多一个产品，对基金经理来说所增加的时间很少。

周毅认为，与成熟市场相比，A股可做的量化策略或对冲策略空间较大，因为参与的资金较少，机会也大。

优势是人力成本低

《投资者报》：市场上质疑，你一个人同时管理四只产品，能管得过来吗？

周毅：主动型投资较大程度上依赖投研平台，量化投资则主要依靠数量化模型，相比较，量化投资成本较低。对于已成立运作的指数基金来说，在系统建立起来后，相同管理类型的产品都可以共用一套系统，基金经理的工作实际上就是对细节进行微调。比如目前银华管理的分级产品和纯被动的指数基金，大概在上午9点半以前，系统会提交所有的产品的当日交易清单，基金经理的工作只是根据不同基金的一些投资限制在细节上进行调整。

《投资者报》：清单也是靠模型吗？

周毅：不完全是这样，其实是一个最优化的公式。比如跟踪沪深300指数基金，本来就按照每一只股票的权重买就可以，但是一些涉及关联交易等限制性规定的股票不能买，就有一个优化的问题。一部分公司的做法是用线性回归的方式，把受限股票都做线性回归，找到跟其相似度最高的股票，按它的权重买进来。

国外通常的做法是对投资组合进行整体优化，剔除交易受限制的股票，算出剩下股票的最优解，再和现在的组合比，就出来一个交易清单，这是一种优化。

《投资者报》：我了解到国外一些基金公司，虽然规模百亿乃至千亿美元，但基金经理、研究员却非常少，这与国内差别较大。

周毅：主要是大家对投资的理解不一样。按照我的感觉，在国外以传统投研方式（研究员加基金经理）做投资的，相对占少数，而国内公募基金发展也就十来年，传统投资方式依然占绝对大头。

《投资者报》：为什么占少数？

周毅：美国公募基金经历了α（超额收益）与β（市场平均收益）分离的过程，现在公募基金大多都去做β了，而对冲基金去做α了。逻辑很好理解，公募基金是怎么盈利的？规模乘以管理费。所以，基金公司的发展在于规模要大，而且越大越好。现在我把这个事情推到极致，全市场所有的钱都由一家基金公司管，收益是多少？就是市场平均收益，不可能有超额收益，这就是β。

就是说，公募基金想提高盈利，模式是把规模做大、把成本压低，最后得以生存。

所以，美国公募基金经理相对而言比较舒服，但他们的收入在金融业偏下，因为做β个人的因素不是特别大。

国内指数基金空白点多

《投资者报》：你讲到BGI短短十年管理资产就达到2万亿元，有什么可借鉴的地方？

周毅：我一直在思考这个问题。通常认为BGI的成功是靠大量发行交易型指数基金（ETF）做到的，但我觉得不全是。我觉得，其成功的另外一个重要原因是产品设计思路。

美国老牌基金公司先锋集团以指数基金闻名，他几乎把市场各种规模的指数产品都覆盖了，BGI作为一个后来者，指数的先发优势完全没有了，所以它需要找到一个突破口。于是，它打破了传统基于市场平均的指数设计理念，而集中突出特性很明显的产品。

比如寻找15个市值最大的房地产建筑商，然后制定一个指数。对于想投资房地产建筑的机构和个人，没有必要花时间和精力研究个股，而直接买对应的ETF，以至于大家提到建筑的时候提BGI建筑基金就可以了；再比如，BGI开发了很多国家系列指数，都是一个道理。目前国内还没有类似的指数，这方面基金也还是空白。

《投资者报》：对于一个长期从事量化投资的人，你怎么理解投资？

周毅：就投资而言，我个人的理解要稍微宽泛一些，只要能赚到钱，就可以称为投资。至少我在华尔街注意到，比如华尔街交易员的地位都很高，而国内交易员的地位比较低，在华尔街，考核的指标不是是否找到了好股票，而是看结果是否赚到钱。

为什么呢？因为股票交易价格和内在价值之间有很大差别，内在价值是不是最终能反映交易价格，这很难说。

交易员根据盘面上钱的供需关系、短期的交易价格赚钱，这也是投资赚钱的方式。而目前，这类东西在国内属于旁门左道或者另类。

对冲基金大有可为

《投资者报》：你提到，现在主要的创新方向是在A股如何应用对冲策略，你现在的对冲策略是什么？

周毅：现在A股做多的标的很多，全市场两千多个股票都可以买，而做空的工具只有沪深300股指期货。很显然，从理论上可以这样操作，通过放空沪深300股指期货对冲组合基准风险，那么只要组合收益率高于沪深300基准收益，超越部分就属于相对收益能力的绝对部分。

从国内基金公司的过往业绩来看，投研人员能够选出高于基准收益率的组合，这种投研能力传导的结果就是基金公司在大概率上是可以做出相对收益的。

我觉得目前A股可以做出的策略比较多，因为用这种方法做投资的资金比较少，所以机会比较大。

《投资者报》：你觉得做对冲基金最大的风险是什么？

篇8

在《华盛顿邮报》的专栏作家塞巴斯蒂安•马拉比的《富可敌国》一书中可以得出这样的结论：对冲基金经理不但是当今世界上最富的人群，其创造力和欲望还代表着美国精神，是美国新精英的代表，也是不少人的职业新偶像。

对冲基金产生于上个世纪50年代的美国，主要是采用各种交易手段(如卖空、杠杆操作、程序交易、互换交易、套利交易、衍生品种等)进行对冲、换位、套头、套期来赚取巨额利润。举个例子，在另一类对冲操作中，基金管理人首先选定某类行情看涨的行业，买进该行业中看好的几只优质股，同时以一定比率卖出该行业中较差的几只劣质股。如此组合的结果是，如该行业预期表现良好，优质股涨幅必超过其他同行业的劣质股，买入优质股的收益将大于卖空劣质股而产生的损失；如果预期错误，此行业股票不涨反跌，那么劣质股跌幅必大于优质股，则卖空盘口所获利润必高于买入优质股下跌造成的损失。

正因为如此的操作手段，早期的对冲基金可以说是一种基于避险保值的保守投资策略的基金管理形式。 经过几十年的演变，对冲基金已失去其初始的风险对冲的内涵。对冲基金已成为一种新的投资模式的代名词，即基于最新的投资理论和极其复杂的金融市场操作技巧，充分利用各种金融衍生产品的杠杆效用，承担高风险，追求高收益的投资模式。

1997年东南亚金融风暴，让国人熟悉了索罗斯和对冲基金，但这种熟悉仅仅是停留在人们的视觉和听觉层面。但在2011年，中国的首支对冲基金即将问世，投资者给予高度的关注。

国泰君安证券资产管理公司2月15日表示，将推出一项采用做空股指期货对冲的方式来规避大盘系统性风险的新型理财产品。该款产品将成为国内证券公司发行的第一款对冲基金，业内人士认为，该产品的成立或许将正式拉开国内对冲的序幕，引领对冲基金业发展。

“一个新的多元化投资策略的时代即将到来。”国泰君安相关人士表示。

国泰君安表示，在国内没有做空和对冲机制以前，没有一款对冲基金是名副其实的。2010年4月16日，沪深300股指期货诞生后，拥有对冲和杠杆属性的真正对冲基金才有了用武之地，国泰君安资产管理公司此次推出的对冲基金产品名为君享量化，正是在此背景下酝酿出炉。

据了解，此次国泰君安资产管理公司推出的对冲基金产品名为君享量化，是A股首支对冲基金。将主要利用市场中性策略进行投资。国泰君安证券资产管理公司总经理章飚表示，利用股指期货对冲市场风险，保证收益率，是其主要特点。“还有一个特点是，可以回避股市的系统新风险，原先的产品，一般情况下股市涨了才能赚钱，股市跌了就得赔钱，但是自从有了股指期货以后，就可以拿股指期货来管理风险，赚钱和牛市、熊市没关系了。第二是风险较小，因为现在买股票的风险百分之七十或者八十来自于大盘波动的风险，对冲基金就可以用股指期货对冲掉大盘的风险。另外，这样的产品还有一个特点就是收益率较低。”章飚解释道。

无论何种投资产品，收益率是投资者永远要摆在第一位的，尤其是对一项新的投资产品。

章飚表示，期望这款新的理财产品的年均回报率在10至15%间。先期可能会在现货组合中加大小盘股的权重，从而与沪深300期指对冲获得更高的收益。将于3月7日起开始发售，销售渠道限于国泰君安各营业部，上限为200位投资者，该理财产品在推广期的目标规模为3亿元。适合的投资者主要是拥有一千万元以上金融资产的大户。

“适合有一千万金融资产的人群。而中小散户是不适合的。因为中小散户要求的收益率较高。对冲基金在未来将有很大的市场，这次君享量化的风险性很低，主要目的是希望能有尽可能多的投资者来接触了解这种产品。”章飚表示。

篇9

（中证信息技术服务公司，北京 100033）

摘要：程序化交易是指投资者利用计算机技术，通过特定的模型策略，自动寻找交易机会，自动完成交易行为。程序化交易是资本市场现代化的重要标志之一，已经成为资本市场创新、发展一个新的增长点。本文分析了程序化交易的内涵、特征和优势，将我国程序化交易现状与国外发达资本市场进行了对比，提出了未来几年发展程序化交易的建议。

关键词 ：证券；期货；交易；程序化

中图分类号：F832.5文献标志码：A文章编号：1000-8772（2015）01-0106-01

一、程序化交易概述

程序化交易具有较宽泛的内涵，凡利用计算机系统根据特定的数据模型、策略和算法，自动化或半自动化地寻找交易机会、执行交易指令的技术手段均属于程序化交易。按交易阶段划分，程序化交易可以分为交易决策阶段的程序化交易和交易执行阶段的程序化交易；按交易频率划分，可以分为高频交易、低频交易；按交易动机划分，包括套利交易、策略交易、做市交易、算法交易、风控交易等。

程序化交易不仅是IT系统层面的“交易自动化”，其背后的量化投资策略与执行策略还包含了特有的交易经验和模型，是IT技术、金融工程数学模型、业务经验与专业判断相结合的产物。在行情、交易、资讯方面，程序化交易特别是高频交易通常对系统的处理速度、吞吐量、容量有极致的要求。

从宏观或微观考察，程序化交易能够使资本市场各参与方受益，主要体现为：一是通常情况下，程序化交易可以降低交易冲击成本、增加市场流动性、平抑市场波动、提高价格发现效率；二是程序化交易可以拓展金融产品和服务的创新空间，使原来不可能的业务变为可能；三是程序化交易可以为直接投资者和理财机构提供更为丰富的盈利模式和机会，促进差异化竞争；同时在此过程中自然促进机构投资者队伍的壮大。

二、国内外程序化交易发展对比和面临问题

近年来国外发达资本市场的程序化交易占比快速提升。国外的共同基金、养老基金、对冲基金、做市商、券商自营机构、代客理财机构等机构投资者占据了资本市场的主导地位，与中小投资者相比，机构投资者投资规模庞大、投资组合复杂，由此对程序化交易有强烈的需求。也正是由于程序化交易更适合机构投资者而不是个人，程序化交易也培育了机构投资者群体的迅速扩大。同时，国外丰富的金融衍生品提供了丰富的风险对冲机会、套利机会，为程序化交易的发展提供了肥沃的土壤。

相比较而言，我国市场的程序化交易总体上还处于刚刚起步的阶段，主要应用于期货高频日内交易，ETF套利/股指期货套利和算法交易。国内期货交易由于允许T+0，程序化交易开展的较为广泛，也采取了一些针对性的措施。以上海期货交易所为例，该所已要求其会员报备参与程序化交易的客户资料，110余家会员开展了程序化交易，涉及2万5千多客户（其中法人占2%，约600户，自然人占98%）。程序化交易者占到开户数的1%左右。这些客户总交易量（年）为8800万手，交易金额12万亿元。

目前，国内还存在制约程序化交易发展的因素。一是由于长期路径依赖，市场交易机制较单一、约束较多，如缺少股票卖空机制、T+0交易、做市商制度等，订单形式较单一，没有采用较灵活的二级托管机制。二是金融产品不够丰富、层次少、创新不足，缺少避险工具。三是交易佣金之外的刚性税费仍然较高。四是市场参与者中机构投资者的比重有待提高。此外，程序化交易在为市场参与者带来机会的同时也带来新的监管问题和挑战；更快的交易响应速度、更多的海量数据等现象随之出现，这也给交易所的系统带来前所未有压力；程序化交易对证券公司交易系统稳定运行和风险控制带来一系列挑战。

三、有关建议

在资本与IT充分结合发展的今天，程序化交易必然会在我国资本市场获得长足发展。为了促进程序化交易的健康发展，防范系统性风险，现提出如下建议：

一是建议证券监管部门适时考虑制定指导国内程序化交易规范发展的行业性指引，防范程序化交易的系统性业务风险和技术风险，并在实践中逐步完善。

二是程序化交易往往涉及期货、现货及相关联的证券品种，需要在监管部门、各证券／期货交易所等多个层面建立跨市场、跨品种联动的价格稳定机制；建议在新形势下重新评估涨跌停制度与熔断机制的适用场景和风险隔离特征，建立有效的市场安全阀。

三是建议交易所建立全仿真测试环境并提供完善的接入机制，为市场参与者进行完整的系统测试和模型验证提供支持，努力减少技术系统缺陷或算法策略缺陷带来的风险。

四是建议证券公司在技术和业务层面重视程序化交易实时风险控制体系建设，及时发现、防范因模型缺陷、系统缺陷所导致的非预期交易订单；根据程序化交易的特点，针对程序化交易健全客户分类服务管理、适当性准入管理，使投资者充分了解程序化交易的风险特征；为高频程序化交易投资者配备独立的交易订单处理系统、交易报盘通道，防范高频程序化交易的浪涌冲击影响普通客户的正常交易，自觉维护市场公平。

参考文献：

篇10

【关键词】量化投资 量化投资策略 资产配置

量化投资是投资者借助计算机信息化建立数学模型，把最新市场数据和相关信息输入到模型中，通过公式计算出投资对象，做出最优投资决策。量化投资不依靠投资者的感觉直觉，不依赖个人判断，而是将其经验利用信息通过模型实现投资理念。同时，投资者期望达到收益和风险的合理配比，利用夏普比率等科学方法控制收益和风险。量化投资者不用每天重复的分析琐碎信息，只需要不断完善这个模型并不断创造新的可以盈利的模型。

二、量化投资策略

（一）量化投资策略分类

量化投资策略，主要包括量化择时策略、统计套利策略、算法交易策略、组合套利策略、高频交易策略等。

（1）量化择时策略是收益率最高的一种交易策略，通过对宏微观指标的量化分析判断未来经济走势并确定买入、卖出或持有，按照高抛低吸原则获得超额收益率。在量化择时策略中，趋势跟踪策略是投资者使用最多的策略。量化择时分析策略包括：趋势跟踪策略、噪音交易策略、理易策略。

（2）统计套利是风险套利的一种，通过对历史数据的统计分析，利用统计学理论，估计相关变量的概率分布，判断规律在未来一段时间内是否继续存在。统计套利策略包括协整策略和配对利差策略、均值回归策略以及多因素回归策略。

（3）算法交易又称为自动交易，主要是研究如何利用各种下单方法，降低冲击成本的交易策略，将一个大额交易通过算法拆分成数个小额交易，以此来减少对市场价格造成冲击，降低交易成本。算法交易策略包括交易量加权平均价格策略、时间加权平均价格策略、盯住盘口测量、执行落差策略、下单路径优选策略。

（4）组合套利策略主要针对期货市场上的跨期、跨市及跨品种套利的交易策略。组合套利策略包括均衡价格策略、套利区间策略、牛市跨期套利、熊市跨期套利等。

（5）高频交易是一种持仓时间短、交易量巨大、交易次数多、单笔收益率低的投资策略，人们从无法利用的极为短暂的市场变化中寻求获利的计算机化交易，依靠快速大量的计算机交易以获取高额稳定的收益。高频交易策略包括流动性回扣交易策略、猎物算法交易策略和自动做市商策略。

如下是量化投资中几种主要的投资交易策略：

（1）趋势跟踪策略。趋势跟踪策略追随大的走势，向上突破重要的压力线可能预示着更大一波的上涨趋势，向下突破重要的支撑线可能预示着更大一波的下跌趋势。趋势跟踪策略试图寻找大趋势的到来，在突破的时候进行相应的建仓或平仓的投资操作来获得超额收益。

趋势型指标进行择时的基本理念是顺势而为，跟踪市场运行趋势。在趋势策略中使用的技术指标是最多的，常用有：移动平均线（MA）、平滑异动移动平均线（MACD）、平均差（DMA）、趋指标（DMI）等。

（2）噪音交易策略。噪声交易是指交易者在缺乏正确信息的情况下进行密集交易的行为。有效市场中噪声只是一个均值为零的随机扰动项，但市场并不总是有效的，市场上有很多异常信息，往往有人能够提前获得这些异常信息，很可能对投资的判断提供重要的价值。噪声交易策略的运用主要是机构投资者通过计算得到市场的噪声交易指数，监测该指数的变化，根据其变化来设计量化交易策略。

（3）协整策略。在统计套利策略中，协整策略是应用最广泛的一种策略。协整套利的主要原理，是找出相关性最好的几组产品，再找出每一组的协整关系，当某一组投资产品的价差偏离到一定程度时建仓，买入被低估的资产、卖出被高估的资产，当价差均衡时获利了结平仓。协整策略包括协整检验、GARCH检验、TARCH检验以及EGARCH检验。

（4）多因素回归策略。多因素回归策略，也是一种被广泛使用的投资策略。这一策略利用影响投资收益的多种选择因素，并根据其与收益的相关性，建立多元回归模型，简化投资组合分析所要求的证券相关系数的输入，这类方法的代表是套利定价模型。

（二）量化投资策略组合

量化投资策略组合综合考虑交易商品、策略类别、策略数量、时间周期因素。量化投资策略组合相比较单一投资策略有以下优势：

（1）策略组合降低了对单一策略的依赖，当单一策略失去竞争力，使用策略组合的方式，可以利用不同产品价格变化、变化幅度、周期等多个方面把握投资机会，在一定程度上保证了稳定的收益率，盈利机会更多；

（2）策略组合可以分散单一策略的交易风险，降低风险，通过策略组合将投资风险分散化，尽可能规避市场风险、策略风险及系统风险等。

三、量化投资资产配置

资产配置是指资产类别选择，即投资组合中各类资产的适当配置及对这些混合资产进行实时管理。量化投资管理打破了传统投资组合的局限，它与量化分析结合，将投资组合作为一个整体，确定组合资产的配置目标和分配比例，深化了资产配置的内涵。

资产配置包括战略资产配置和战术资产配置两大类。战略资产配置是长期资产配置，针对较长时间的市场情况，控制长期投资风险以达到收益最大化。战术性资产配置是依据资产预期收益的短期变化，获取超额收益的机会。因此，战术资产配置是建立在长期战略资产配置过程中的短期分配策略，二者相辅相成。在长期投资活动的战略资产配置下，战术性资产配置利用其积极的灵活的投资机会，适当的配合战略资产配置，获取较高收益。

四、前景展望

在量化投资飞速发展的今天，它己经成为金融市场中不可忽视的一个领域，中国的金融市场在逐步发展及完善，中国的量化投资也会继续发展和前进，随着量化投资方面的加大投入，量化投资的进程加快，中国量化投资的前景无限。

参考文献：