一文了解算法交易的秘密 预测风险和收益

头等仓 · 7/1/2020, 10:42:43 AM分享

近年来,算法交易越来越受欢迎。事实上,据统计,量化对冲基金行业在2018年管理的资产超过1万亿美元,几乎是10年前的两倍。

在数字化和机器学习的时代,投资界对量化投资过程的方法越来越感兴趣。越来越多的传统投资管理公司聘用数据科学家和机器学习专家,希望采用严格的科学方法投资,从而提高收益率。

在本系列的文章中,我将带领你了解鲜为人知的算法交易行业内部的工作秘密。

起源

量化投资的理念绝不是最近才出现的,它们很可能源自哈里•马科维茨(Harry Markowitz)的著作。在1952年发表于《金融杂志》(Journal of Finance)的开创性论文《投资组合选择》(Portfolio Selection)中,马科维茨介绍了应用数学模型解决最优投资组合配置的思想。

自那以后,由于过去二十年技术爆炸性增长,出现了许多先进的算法。随着计算能力的提高,越来越多的数学家和计算机科学家开始从事科学投资,每天都在开发更复杂的模型。

要理解算法交易,或许最好的起点是它要解决的问题本质:增加收益,降低风险。

虽然在随后的文章中我们会详细地讨论这两个概念,但有一点,问题的核心一直是优化,从数学的角度来看,算法交易必须依赖于科学!

整个量化投资流程都服从于优化原则,仔细想想,是不是任何一家企业都是如此?

问题的关键是如何预测收益和风险?

这就是量化交易员和研究人员要做的:预测收益和风险。量化的方式因地制宜,但目的一致。

预测风险和收益

交易员和研究人员如何做出他们的预测?有很多方法,一种是统计分析金融资产的价格,一种是分析替代数据集。

替代数据集的一个著名例子是大型零售商停车场的卫星图像。如果停车场停放很多车,大量人群购物,公司的利润将会更大!

上例属于消费者行为类别,还有许多其他类别。替代数据行业在过去十年蓬勃发展,截至本文撰写之时,已有近一半的对冲基金公司依靠此类数据进行投资。

替代数据行业增长的主要动力在于,它使基金经理对未来收益的预测优于市场共识。

基金经理还依赖其他一些优势来提高利润,优质数据只是其一。

面临的挑战

在实践中,预测风险和收益是一项颇具挑战的任务,因为获取的数据量非常大,而且数据非常繁杂。

而且,如果一个人能够以一定的准确性预测收益,根据自己的预测进行交易,但随着时间的推移,他预测的准确性会降低。

的确,假设有人预测某只股票会在某一事件发生时增值,那么交易策略就是每次发生这种事件时买进这只股票,等赚到钱后再把它卖回市场。

这种策略的后果之一是,通过购买股票,他会推高股票价格,从而要支付花费更多的资金回购股票——因此获得的利润比他理论上应得的要少。

如果这个人只买了小部分股票,那么就不会推高股票的价格。用金融行话来说,他对市场没有影响。因此,如果他要按照自己的预测进行交易,那么他必须在低影响和尽可能多地买入股票获利之间取得平衡。

让我们继续这个例子,并假设其他市场参与者也对该股票有良好的预测。这些其他的市场参与者最终也会购买股票,他们累积的市场影响最终会推高股票,从而减少交易者本能获得的更高利润。

这是量化交易的一个关键因素,策略在长时间内的收益往往是递减的,因此交易者必须重新校准他们的策略,并应用新的策略。

向零赛跑

另一种优势是更好的技术基础设施。如果一家公司能够比市场上的其他公司更快交易,那么他们将比基于相同信息进行交易的竞争对手获得更好的收益。

这导致了高频交易的发展,其特点是高处理和高执行速度、高周转率(某项资产的头寸变化快)和高订单交易率(发送到市场的订单很少找到交易对手)。这种特殊类型的交易严重依赖高频金融数据和电子交易工具。

随着高频交易的出现,意味永远会出现更快的交易机器,首先通过代码优化,然后通过其他方法,从在GPU(图形卡)而不是CPU上运行模型到可编程门阵列(FPGA,一种集成电路,可以由程序员配置)上运行。

金融机构(主要是量化对冲基金)寻求获得速度优势的另一种方法是,通过提高服务器与不同交易场所之间的通信速度。

一个著名的例子是连接芝加哥商品交易所和新泽西纳斯达克的光缆,它于2010年落成,总成本为3亿美元。这条电缆允许信息在6.5毫秒内穿越800英里,相当于每秒12.5万英里的速度。

为了适应那些希望更快交易的交易者,不同的交易场所创建了共同位置空间,不同的市场参与者可以将他们的交易服务器放置在匹配引擎附近。

其他类型的算法交易

还有许多其他类型的算法交易策略,我们将在后续的文章中介绍。举几个例子:

· 造市:连续地令限价买单的价格低于现在最高的限价买单(最低出价),令限价卖单高于当前的最高限价卖单(最高问价),从出价与问价的差价中获利(最高问价与最低出价之间的差价)。

· 统计套利:利用偏离正常的统计关系的价格套利。

· 事件套利:利用诸如并购、注册审批和法院裁决等影响公司股价的事件套利。

· 套利:利用多个市场一些证券的价格差异套利。例如,如果一只股票在某一交易所的价格是100美元,在另一交易所的价格是101美元。在第一个交易所买入股票,在第二个交易所卖出,在不承担任何风险的情况下获得1美元的利润。

· 对价交易:指建立一个由两种证券(买进一种证券,卖空另一种证券)组成的多空投资组合,这两种证券是相似的替代品(例如同一行业的股票),投资者从它们相对价值的价格差异中获利。

· 执行:在一定的价格上买入或卖出大量的某种证券。它的策略有将一个大订单拆分成小订单发到市场。比如VWAP(成交量加权平均价),VWAP算法寻求一个执行价格等于某段时间内的量加权平均价格,TWAP代表时间加权平均价格。

结论

本篇文章介绍了算法交易背后的主要思想,探讨了其发展背后的主要动因、目标、挑战,并简要介绍了最受欢迎的交易形式。

原文链接:

https://medium.com/the-capital/a-brief-introduction-to-algorithmic-trading-3b35ff012d72

译者:Aslan

声明:蜂鸟财经转载此文出于传递更多信息之目的,内容仅供读者参考。若存在侵权行为,请联系我们删除。

相关文章推荐