量化投资及发展趋势研究

闵睿

【摘 要】最近十年来，量化投资成为了欧美资本市场发展的热点与焦点，一举成为了国际投资界兴起的一个新方法，发展势头迅猛，。量化投资和基本面分析、技术面分析并称为三大主流方法。由于量化投资交易策略的业绩稳定，其市场规模和份额不断扩大，得到国际上越来越多投资者的追捧。而量化投资在我国起步较晚，存在很大的发展空间，本文将对量化投资及发展趋势进行分析及研究。

【关键词】量化投资；交易市场；发展趋势

量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内还比较罕见。同时，机器学习的发展也对量化投资起了促进作用。

随着20世纪80年代以来各类证券和期权类产品的丰富和交易量的大增，华尔街已别无选择，不用这些模型，不使用电脑运算这些公式，他们便会陷于困境，自招风险。1997～1998年亚洲金融危机，市场暴跌，量化投资的算法交易也起到了同样的坏作用。此外，始于2007年的金融危机中，量化投资也未能幸免。时过境迁，2011年，量化基金再次表现优异。本文对量化投资的发展趋势总结如下：

一、量化基金在中国的发展空间大

目前量化基金在我国只占很少的一部分。但是这也说明了，我国量化基金的发展空间是巨大的。美国的smartbeta产品在共同基金的已经达到了24%，这更是证明了量化基金在我国的发展空间非常大。就对冲工具来说，目前只有沪深300股指期货这一种对冲工具，但是随着量化投资在中国市场的逐步发展，相信会有更多的对冲工具涌现。

目前Alpha策略最大的问题在于只做Alpha不做Beta，这就造成在beta行情中Alpha策略就会遇到可能会亏损的问题。就目前市场上常见的对冲型产品来说，几乎有一半处于回撤状态，三分之一在赚钱剩下的基本持平。在过去几年量化的效果都表现的比较好，那是因为收益会比固定收益要高，所以资金自然而然就会流入这类投资策略中，这并不就是说量化策略本身就会做的非常好。

二、未来量化投资的流行策略

未来量化投资的流行策略可能是Alpha加CTA。Alpha和CTA正好是相辅相成的状态。在市场处于震荡的时候，Alpha策略是最赚钱的，CTA却最怕震荡市。在暴涨的时候CTA策略是最赚钱的，但是Alpha策略却最怕市场暴涨。二者的特殊性可以达到相互的平衡，所以可以推断Alpha加CTA的产品将是未来的流行策略。

三、商品期货市场beta策略也可能会流行

期货市场上近年的变化是非常大的，并且成交量的上升也非常快。目前商品期货市场上的合约大约有30多只，并且每日交易量已经能够达到100亿左右，这个交易量已经足够承担大多数产品的运作。统计套利是Alpha策略的本质，统计结论在很多情况下会变的很快，这就促使Alpha策略需要时间较为长的跟踪时间。目前一些资金量比较大的“牛散”都在逐步向Beta策略转型。

四、Alpha策略的最大回撤可能会升高

Alpha策略的回撤一般来说是2%-3%，但是可能在近期会逐渐升高至5%—6%。一般情况下，如果最大回撤达到5%对一般投资者来说就是比较大的了，并且通常会给基金留下污点，所以在未来Beta策略的增长可能会相对较快，Alpha策略会冷一段时间。

五、基本面量化策略是未来重要的方向

在以前的市场中，大多数交易者采用的是主观投资方法。随着近几年量化投资策略在我国国内市场的兴起改变了传统的投资模式，创造了投资方法的新时代。但是在一些外海市场我们也能够看到这样一种情况，那就是随着金融环境逐渐发生变化，纯量化策略已经出现了不能适应时代需要的疲软状态。许多专业人士表示，数理金融的抽象理论在逐渐弱化，金融本身的邏辑价值变得越来越重要。

金融危机过后金融监管越来越多，单纯依靠纯量化的策略已经开始不能够适应现今的市场型态发展。如今纯量化投资策略应与现实业务和宏观环境相结合。为了适应这种时代变化，对冲基金机构创造了一个新的流派，称为基本面分析法。该方法不仅包含基本面投资者自上而下的选股技巧，还同时运用计算机数据和大数据系统等逐步对模型进行完善。以往实地考察和财务报表能够很好的对公司未来的现金流和偿债能力做出评估，那么现在一个基金组合经理也可以通过计算机的分析方法，通过分析信用卡的账户数据来验证对于市场的判断。量化基本面分析方法就是把人的投资逻辑和思考方式量化并形成一个模型。这样主观与量化投资结合的方式既能够摆脱主观投资容易受交易者情绪影响的弊病又可以避免量化中遇到极端问题的不及时。所以无论从哪个方向来看，量化与基本面的结合一定会是未来的主流趋势。

六、量化投资的智能化

随着量化的发展对策略的需求也越来越大。因此数据分析和挖掘被越来越多的研究人员重视起来。行业内普遍对于数据分析的要求越来越高。普通的数据分析手段已经不能满足人们的需求，所以量化投资逐渐向人工智能的方向发展。当然，人工智能技术在量化投资中的应用不仅仅是投资执行的部分，更多的偏向于投资策略的智能化和自动化。

从数学领域来看，人工智能算法属于一种非线性建模的方法。在我们观察的历史数据中存在很多非线性成分。线性成分被交易完成之后也会出现一些非线性的现象。这些非线性现象就需要我们利用人工智能的方法来进行学习和处理。诸如声音、图像和文本等信息都属于非结构化数据。这些非结构化数据没有办法被数据模型直接进行处理。所以需要用人工智能的方式来进行结构化再由数据模型进行处理。

七、量化投资的全球化趋势

1949年最早的对冲基金正式成立，在当时起家资金只有10万美元。经过了40多年，美国对冲基金的管理资产达到了200亿美元，欧洲大概用了四十年在2002年达到了200亿美元。随着资金规模的发展，各个机构都不断的将目光瞄准全球市场，使用各种量化模型在全球市场进行交易。

QFII在2017年持有的A股资产突破万亿元人民币规模，沪深港通双向累计年成交额也破万亿人民币规模，2018年MSCI明晟指数纳入A股成分后，会带来数千亿的指数配置资金，这些数字背后体现着不同证券市场的影响在不断加深。随着经济全球一体化进程以及我国金融行业对外开放的不断深入发展，国内金融市场和国外发达市场的相关性也会越来越强，从大宗商品交易市场到股票交易市场，以至各类场外交易市场，不同市场之间的联动和影响也越来越复杂，单一的市场在全球化金融背景下很难独善其身。

全球量化旨在一个日益联系紧密的一体化金融市场里寻找有用的信息。发达国家投资界已有新型量化公司通过技术手段分析不同金融市场的各类数据，在数以亿计的实时数据里得到套利信息的能力已经超过传统金融分析。国内也已有量化团队，从相关A股海外指数如富时指数、海外ETF、大宗商品等入手进行跨市场量化对冲投资。

【参考文献】

[1]张鑫. 量化投资发展趋势及其对中国的启示[J]. 中国商论， 2018（1）：31-32.