440
機器人
人工智能在投資領域的典型應用：量化投資——你真的了解嗎？
圖片來源：Christopher on unsplash.com
人工智能時代，在證券投資領域金融科技得到了越來越廣泛的應用。量化投資作為人工智能在投資領域內最典型的應用之一，已經越來越多的出現在我們金融人乃至行業外人士的視野中。而且據說坊間還有不少持“威脅論”者，認為“量化投資產品將替代未來的資本管理市場”。
那麼量化投資究竟是何方神聖，證券投資領域是否真的將會被量化投資“統治”，量化投資在證券行業的應用究竟在何處？本文將為大家逐一揭曉。
1量化投資的基本概念
關於量化投資的概念，百度百科的定義如下：
量化投資是指通過數量化方式及計算機程序化發出買賣指令，以獲取穩定收益為目的的交易方式。
知乎上某位大神對量化投資的概念解釋如下：
量化投資就是利用計算機技術並且采用一定的數學模型去實踐投資理念，實現投資策略的過程。
西安交通大學學者李文健在《量化投資的發展趨勢及其對中國的啟示探究》一文中，對量化投資的概念解釋為：
量化投資是一項投資策略，其是通過使用現代統計學方法和數學方法來對各種繁雜的數據來進行分析，在這些數據之中找到對自己有益的內容，然後根據這些內容進行投資決策的確定，最終獲得超額收益。
根據上麵的定義，總結起來量化投資可以用三個關鍵詞來概括：
數學模型：用某種數學公式或模型
計算機技術：用計算機來進行自動化交易操作
投資策略：實現某種投資策略
2量化投資的發展曆程
海外發展曆程
(1)量化投資的產生與興起(60-80年代)
從全球範圍來看，量化投資在國外的發展已經有超過50年的曆史。
1969年，愛德華·索普利用他發明的"科學股票市場係統"（實際上是一種股票權證定價模型），成立了第一個量化投資基金。
該基金當時名為可轉換對衝合夥基金，後改名為普林斯頓-紐波特合夥基金，主要從事可轉換債券的套利。該基金成立後連續11年內沒有出現年度虧損且持續跑贏標普指數。愛德華·索普被譽為量化投資的鼻祖，寬客之父。
1971年美國巴克萊投資管理公司發行了第一隻指數基金，標誌著量化投資基金的開始，量化投資逐漸成為美國市場一種重要的投資方法。
1973年美國芝加哥期權交易所成立，以金融衍生品創新和定價為代表的量化投資革命拉開了序幕。
1988年，詹姆斯·西蒙斯成立了大獎章基金，從事高頻交易和多策略交易。大獎章基金(Medallion)在1989-2009的二十年間，平均年收益率為35%，若算上44%的收益提成，則該基金實際的年化收益率可高達60%。西蒙斯也因此被稱為"量化對衝之王"，是量化投資的標杆人物。
(2)量化投資的高速發展(90年代)
1991年，彼得·穆勒發明了alpha係統策略。
1992年，克裏夫·阿斯內斯發明了價值和動量策略(OAS)。
1994年，約翰·梅裏威瑟成立長期資本管理有限公司(LTCM)，創立期權定價模型(OPM)並獲得了諾貝爾經濟學獎的斯科爾斯和莫頓加入。該公司專長相對價值交易，搜尋價格偏離理論均衡水平的證券，並利用高杠杆放大收益。
(3)量化投資的新發展(21世紀以來)
進入21世紀，數理金融理論以及機器學習技術的迅速發展給量化投資帶來了新的理論和工具。
非線性數學的引入為金融科學量化手段和方法論的研究提供了強有力的研究支撐；機器學習方法則幫助投資者在海量數據中尋找到市場波動的特殊模式。
到2009年，美國30%以上的投資策略采取量化投資，主動型投資產品中也有20%到30%使用了定量的技術。
有數據表明，截至2016年底，全球量化投資基金總規模已突破3萬億美元，是全球基金規模的比例的30%左右。
國內發展曆程
相較於海外，我國量化投資起步較晚且發展較緩慢。
(1)緩慢發展階段：2010年以前
在2010年以前，我國量化投資處於緩慢發展的階段。
國內最早的量化基金是2004年8月，光大保德信發行“光大保德信量化股
票”基金，這是我國首隻涉及量化投資的基金產品。
華寶信托始2004年12月發行的“基金優選套利”。該產品發行規模為1535萬元，當年實際盈利超過10%，同期大盤為下行趨勢，收益表現較好。
這個階段量化投資幾乎都應用在公募基金中。
(2)快速成長階段：2010-2013年
2010年被稱作是中國量化投資元年，滬深300股指期貨的推出、ETF及分級基金的迅速發展使得各類量化策略，如alpha策略、股指期貨套利策略等才能有發揮的工具。
這個階段，諸多基金研究機構開始投入到量化策略研究的大潮中去，公募、私募基金都發行了大量的量化策略基金。這個充滿潛力的市場，在那個時間吸引了大量的海外量化人才回國發展。
(3)大爆發階段：2013年至今
alpha策略量化基金在2013年創業板的那輪牛市中獲利頗豐。而2014年年底至2015年8月，A股經曆了牛熊的巨大落差，量化投資產品在這波股災中卻賺得盆滿缽滿，量化投資一時“風光無限”。
在這個階段，金融工具的進一步擴充也是量化投資出現爆發式發展的原因之一。2015年2月，上證50ETF期權獲準推出；這年4月，上證50與中證500兩個股指期貨在中金所上市交易。這些都給量化投資提供了更多的對衝工具，也為量化投資帶來了更多的交易策略。
根據HFR（Hedge Fund Research, Inc.對衝基金研究公司）的數據顯示，截至2016年底，國際上對衝基金采用量化對衝策略的比重接近30%，國內比例大概在8%~12%，規模上與美國還有著較大的差距。
3量化投資的優勢
量化投資的優勢在於紀律性、係統性、及時性、準確性和分散化。
紀律性
嚴格執行投資策略，不是投資者情緒的變化而隨意更改。
這樣可以克服人性的弱點，如貪婪、恐懼、僥幸心理，也可以克服認知偏差。
係統性
量化投資的係統性特征包括多層次的量化模型、多角度的觀察及海量數據的觀察等。
多層次模型包括大類資產配置模型、行業選擇模型、精選個股模型等。
多角度觀察主要包括對宏觀周期、市場結構、估值、成長、盈利質量、市場情緒等多個角度分析。
此外，海量數據的處理能力能夠更好地在廣大的資本市場捕捉到更多的投資機會，拓展更大的投資機會。
及時性
及時快速地跟蹤市場變化，不斷發現能夠提供超額收益的新的統計模型，尋找新的交易機會。
準確性
準確客觀評價交易機會，克服主觀情緒偏差，從而盈利。
分散化
在控製風險的條件下，量化投資可以充當分散化投資的工具。表現為兩個方麵：
一是量化投資不斷地從曆史中挖掘有望在未來重複的曆史規律並且加以利用，這些曆史規律都是較大概率取勝的策略；
二是依靠篩選出股票組合來取勝，而不是一隻或幾隻股票取勝，從投資組合的理念來看也是捕捉大概率獲勝的股票，而不是押寶到單個股票。
4量化投資在證券投資中的應用
隨著大數據、人工智能及計算機水平的不斷發展，再結合經典金融理論與最新的金融研究，量化投資在證券投資中的應用也日益豐富，在股票選擇、股票擇時和股票組合中都有著較為深入的應用。
資產定價模型（CAPM）將股票投資收益分為Alpha和Beta兩部分，Beta是指股票投資組合跟隨市場波動獲取的收益，Alpha則是股票組合相對市場獲取的超額收益。
簡單理解股票投資解決的就是Alpha和Beta兩個問題。選股解決的是Alpha的問題，擇時解決的是Beta的問題。
量化選股
量化選股就是用量化的方法選擇確定的投資組合，期望這樣的投資組合可以獲得超越大盤的投資收益。
常用的選股方法有多因子選股、行業輪動選股、趨勢跟蹤選股等。
多因子選股
目前主流的量化選股方法是多因子選股模型。多因子模型以ATP定價模型為基礎，通過尋找各類能獲取超額收益的Alpha因子並將多個因子組成具有一定投資邏輯或統計學意義的多因子模型選出股票投資組合。
目前國內多因子選股仍處於初級階段，現有的因子構造也多以線性方法為主，非線性方法構造因子正成為國內許多機構的重點研究方向。
有利的是，機器學習及大數據技術給予金融研究越來越大的幫助，機器學習方法可以通過大量數據的挖掘獲取傳統方法容易忽略的技術指標。
行業輪動選股
行業輪動選股是由於經濟周期的的原因，有些行業啟動後會有其他行業跟隨啟動，通過發現這些跟隨規律，我們可以在前者啟動後買入後者獲得更高的收益，不同的宏觀經濟階段和貨幣政策下，都可能產生不同特征的行業輪動特點。
趨勢跟蹤選股
當股價在出現上漲趨勢的時候進行買入，而在出現下降趨勢的時候進行賣出，本質上是一種追漲殺跌的策略，很多市場由於羊群效用存在較多的趨勢，如果可以控製好虧損時的額度，堅持住對趨勢的捕捉，長期下來是可以獲得額外收益的。
風格輪動選股
是利用市場風格特征進行投資，市場在某個時刻偏好大盤股，某個時刻偏好小盤股，如果發現市場切換偏好的規律，並在風格轉換的初期介入，就可能獲得較大的收益。
資金流選股
資金流選股是利用資金的流向來判斷股票走勢。
巴菲特說過，股市短期是投票機，長期看一定是稱重機。短期投資者的交易，就是一種投票行為，而所謂的票，就是資金。如果資金流入，股票應該會上漲，如果資金流出，股票應該下跌。所以根據資金流向就可以構建相應的投資策略。
動量反轉選股
動量反轉選股方法是利用投資者投資行為特點而構建的投資組合。
索羅斯所謂的反身性理論強調了價格上漲的正反饋作用會導致投資者繼續買入，這就是動量選股的基本根據。
動量效應就是前一段強勢的股票在未來一段時間繼續保持強勢。在正反饋到達無法持續的階段，價格就會崩潰回歸，在這樣的環境下就會出現反轉特征，就是前一段時間弱勢的股票，未來一段時間會變強。
量化擇時
量化選股解決的是Alpha的問題，那麼量化擇時解決的則是Beta的問題。是指采用量化的方式判斷買入賣出點。如果判斷是上漲，則買入持有；如果判斷是下跌，則賣出清倉；如果判斷是震蕩，則進行高拋低吸。
量化擇時是對各類預測技術的應用。通過分析股票市場價格、成交量、投資者結構、資金流向等基礎數據，得到對市場或其他Beta未來方向的預測概率。
常用的擇時方法有：趨勢量化擇時、市場情緒量化擇時、有效資金量化擇時、SVM量化擇時等。
趨勢量化擇時
趨勢量化擇時認為趨勢本身具有延續性，隻要順著所發現趨勢展開投資即可，若趨勢發生逆轉則需平倉止損。趨勢跟蹤量化擇時具有滯後性，隻有市場出現了某種趨勢後，才可順勢開倉，提前作出決策是無法做到的。
市場情緒量化擇時
市場情緒量化擇時就是利用投資者的熱情程度來判斷大勢方向，當情緒熱烈，積極入市時，大盤可能會繼續漲；當投資者情緒低迷、不斷撤出市場的時候，大盤可能繼續下跌。
有效資金量化擇時
有效資金模型和選股模型中的資金流模型類似，其是通過判斷推動大盤上漲或者下跌的有效資金來判斷走勢，因為在頂部和底部時資金效果具有額外的推動力。
SVM量化擇時
SVM是一種分類技術，具有效率高、推廣性能好的優點，SVM擇時就是利用SVM技術進行大盤趨勢的模式識別，將大盤區分為幾個明顯的模式，從而找出其中的特征，然後利用曆史數據學習的模型來預測未來的趨勢。
當然，量化擇時還有其他的方法，受限於篇幅這裏就不再展開。
量化擇時一直以來被認為是證券投資中的“聖杯”，完美的擇時技術可以抓住風口，規避風險。但遺憾的是完美的擇時方法一直都不存在，量化擇時模型也一樣。
5量化投資展望
金融科技的浪潮已經席卷全球，我國在人工智能方麵的發展也緊跟潮流，而證券投資領域更是“無可幸免”。隨著我國監管製度的逐步完善、金融市場交易製度的不斷進步，金融工具種類日漸豐富，量化投資領域內的技術水平日臻成熟，量化投資在我國將迎來極速發展階段。
而我國的證券公司應當加大金融科技方麵資源的投入，一是加強軟硬件設施的投入，二是需要培養和引進量化投資方麵的高水平人才。當然，所有的創新都是要建立在合規風控基礎上而言的，在競爭中保證基礎穩固，才能確保在未來大潮中不被意外的“潮水淹沒”。
文/Sharp
圖/Christopher
.END.
金融科技的浪潮之下，我們一起成長
邀您加入高質量券業交流圈
在這裏我們探討證券行業前沿動態，思考金融科技發展方向，還有更多行業迷思一起交流。為此，我們為大家準備了高質量的券業社交圈子，如果你對上述話題深感興趣，並且願意分享自己的所思所得，亦或是願意聆聽他人的行業見解，那麼請來這裏，你定會有所收獲，券商互聯網微信交流群靜候你的大駕光臨。
你可以先添加Sharp 微信號：appennine，也可以掃描下方二維碼，以便拉您入群。添加Sharp時，請注明所在機構和從事的業務方向，方便今後交流。另外，入群後您需改好備注：昵稱/姓名+機構+業務方向，同時做簡單的自我介紹。
最後更新：2017-11-06 00:06:42