金融市场量化交易策略与风险探讨

谌康华

摘 要：随着经济的发展，市场的开放，金融行业内部涌入了很多外资机构。在这些外资机构中大多数采用量化交易的投资策略，给我国金融行业的投资结构造成了较大的影响。所谓的量化交易即是一种较为科学的交易工具，其可以采用統计类以及金融类等学科的知识对投资策略精准进行定位，同时制定出合理的投资策略。该类量化交易方法在金融市场中的应用，必然会改变市场的格局。本文就量化交易的定义以及特点进行阐述，分析量化交易和传统交易相比的优势，阐述金融市场量化交易的相关策略以及风险。

关键词：金融市场;量化交易;策略;风险

金融行业是我国经济命脉之一，属百业之首。在业内，投资行为是非常普遍的。面对各个市场琳琅满目的投资标的，如何做出正确的选择成为投资者的一大难题。往往通过人力筛选是无法获得投资最优化配置的，也很难提升投资的效益。因此融入量化交易就显得尤其有必要。

一、量化交易的概述

（一）量化交易的定义和特点

量化交易属于投资方法的一种类别，是指在投资的过程中从传统的人为对投资进行判断转变为采用先进的数学模型进行识别，如统计学、金融学等。同时利用信息技术的功能对海量的数据进行筛选，最终得到一些大概率可以获得收益的项目，并制定投资的策略。这种量化交易的方式可以避免市场冷淡或者是过于狂热情况下，所做出的一种非理性的投资。定量投资和定性投资两者从本质上看是非常类似的，均是基于市场非有效状态下的一种理论性依据。两者的差别在于定量投资是定性思想的一种量化，在定量中其更强调一种数据的筛选。总体概括量化交易具有四大特点。第一其具有规范性。量化投资行为并不是凭借个人的感觉，其有一套自身的运作模式是根据整个模型在运行过程中的结果，所开展的一种决策，这也避免了传统人为在投资过程中的情绪化。比如侥幸、贪婪等弱势心理。第二系统性。其是根据多角度、多层次、多数据进行的一种系统化的处理。如多角度和多层次，其体现在对盈利质量、市场结构、成长等多个角度进行多层次分析，比如资产的配置、行业的选择等方面。第三是套利思想的特征。其会对错误的定价和估值进行全面扫描，挖掘价值洼地，采用买低卖高的方式从中获利。第四则是采用概率性的方式获得最终的胜利。其可以通过历史的数据对规律进行挖掘并利用，采用组合资产的方式，获得最终胜利[1]。

（二）量化交易和传统交易相比的优势分析

量化交易和传统的投资方法相比，其优越性体现在以下几点。第一可以保证投资组合的科学性。就当下大多数的投资者都知道，不能将鸡蛋放在同一个篮子中，在投资的过程中要融入多元化的组合，以降低风险。但是个体在选择投资的项目时，也是有限的，并不能够对大范围的一些股票进行筛选，这也就导致最终所挑选出的投资组合策略缺乏一定的深度，很难实现投资组合的科学配置。而量化交易是存在一定的科学性的。其可以借助信息技术的优势，对海量的信息进行筛选，准确地把握投资的几率，避免投资组合配置的不合理性。其次有利于避免传统投资过程中存在的人为性投资的失误。个体在投资的过程中会因为情绪、认知等方面的影响，而造成一种错误的判断，这是个体的一种缺陷，而量化交易则是基于一定的模块以及科技技术的力量对投资进行配置，合理的克服了人性的弱点。

二、金融市场量化交易的相关策略

（一）趋势动量类策略的分析

趋势动量类策略一般使用在事件发生之后。基于市场均衡理论，其在某个周期之后便会回归原始的状态。通常事件发生之后，价格趋于稳定是因为一些参与者在获得信息时存在延误，或者是因为个人思考等原因，导致价格未在短时间内发生波动。而量化投资者就需要在这个时间段内，利用统计的手段对量价数据进行挖掘，分析某种因子变化的概率，计算某类资产价格，再联系仓位管理的算法以及统计量等制定交易的方法。这类算法和一些数量化所采取的策略是非常类似的。主要是对长尾风险进行把握，通过长期交易的方式来获得资金的累积。该策略的原理就是所谓的羊群效应，即是从众心理。通常对于一些事件在发生之后，市场的参与者会对事件产生一种反应，基于该反应所采取的行为金融学原理和该类技术分析方法也是一致的[2]。

（二）均值回归类策略分析

该类策略在整个投资中具有较强的适用性。在均值回归类策略中基于价格不同永久偏离价值的原理，会出现趋势在到达某一个时间段之后就会转变，通过转变对交易过程中存在的过度偏差行为进行修正。基于长期的角度对价格进行观察，可以发现其是围绕价值上下波动的。从该特征中，采用量化交易的投资者就可以融入定量模型的方式，计算出资产长期偏离的情况，如若超过某个特定的阈值，则可以采用做空或者是做多的方式，等待收敛价值。但是在整个环节中，资产价格的定价会受到诸多因素的影响，这也给整个实战中配对交易的应用性带来了发展的机遇。比如在交易场所中，可以将大豆以及玉米当成是一个组，而其中一方价格和另一方的价格相比，明显偏离阈值，可以对过高估计的价格进行卖出，对并不看好的等价价格进行入手，等到收敛其中的价格差。这种回归型策略和所谓的套利策略是非常相似的。比如可以将跨期等和对标产品合约归为一类，都是通过对交易组合进行创建并配对。但是由于交易所暴露的时间是非常短的，所以只有借助技术，才能够保证整个交易的速度。

（三）技术情绪策略分析

该类策略是以技术方法以及金融知识为载体，挖掘金融市场中存在的一些规律，基于规律制定策略。比如在期权市场中，可以通过观察历史水平的一些数据和变化，将其当成市场的情绪反应。再根据历史基准对该市场的反应情况进行评估。其次还可以研究高频率交易者，对其历史订单薄数据进行挖掘，从而预算出在未来一段时间内多空博弈在市场价格方面的转变。在市商中这类交易形式比较普遍，通过变现价格实现盈利。简言之，这类策略并没有规定的模式，需要对一些特殊的情况深入进行挖掘。在整个过程中是围绕的价格的变化进行计算，但价格也会存在缺口，如开盘价导致其发生空挡，K线出现了相邻的趋势，就会出现上文所讲述的结果。

三、金融市场量化交易的风险分析

（一）在选用历史数据时易出现幸存者，导致结果偏差

上市公司的股票会通过权益投资市场的方式，向外界提供，此时就会产生较多的上市公司股票的数据。在量化交易中，并没有在投资决策模型环节输入一些训练的数据，比如像未持续经营的公司。这也导致关键布置易出现风险，造成实盘交易以及回溯测试两者之间的偏差。该风险和最早二战时期的一个案例是非常类似的。盟军委托哥伦比亚大学对飞机返航过程中弹孔的位置分布情况进行研究，以对飞机安装加固护板。通过研究得出机尾是最不易被击中的，间接所反应的就是打到机尾的绝大多数都会坠毁，此时就更应该在机尾部位加强护板。

（二）数据的来源所带来的潜在风险

在金融市场中进行量化交易时，未来函数会对过去各个时间段K线走势图进行分析，但是在分析的过程中尤其要注意的一点，就是不能将未知的变量当成已知的因子。由于数据量逐步增加，未来函数探究的过程中，很可能会出现这种情况。这也就需要交易员充分认识不同类型的数据来源，比如有的数据是来源于公司所发布的年报，有的是国家所发布的GDP等，这类数据审核之后发布的时间和统计描述的时间是存在一定的差距的。这也导致其忽略了特定的发布时间，使得风险产生。想要避免这类风险，就要先对清单进行检查[3]。

（三）模型训练时的拟合风险

拟合类的风险一般产生于模型训练中，如机器在学习算法时，所研究方向的相關数据较为缺乏，此时就需要对模型的泛化能力进行提升。一般所设置的参数项较为简单，模型不复杂，整体泛化能力以及与之相关的欠拟合程度就较高，对价格的预测能力也就开始降低。针对这类拟合风险，则需要策略开发者基于模型的复杂程度以及数据的质量，找到与之相适应的平衡点。

（四）交易成本类风险

在量化交易的过程中，手续费、冲击成本等这一类在交易环节产生的费用是必不可少的。为了避免出现成本增加的问题，就需要在其中融入独立的成本函数，对开仓所产生的预期收益和最终的成本进行衡量，避免开仓次数过多，成本增加的情况。当然如果开仓条件过于的严格，也必然会影响整个交易的频率和数量，使得收益降低。还有一些小交易的样本模式下，产品的回报率状况较为复杂，很容易被长尾干扰，影响整个量化交易的预测。这就需要借助概率以及平衡的方式，对收益以及成本类风险进行评估，统计盈利的状况，合理进行交易。

（五）市场、监管以及操作类风险

在量化交易中不断的市场风格需要采用不同的量化交易的方式，比如振荡的市场中就要选择均值回归类策略，牛熊市场中就要选择趋势跟踪类。如果策略选择错误，也易造成金融市场交易的风险。其次监管政策的变化会直接的影响整个市场中参与者的结构、行为，整个行情的变化，对量化交易的影响也是非常大的。最后是操作类的风险，一般量化交易需要基于人工监督进行执行，但是如果执行环节出现程序或者是参数错误，就会造成风险。

在金融市场中采用量化交易可以避免个人在投资决策过程中存在的情绪性问题，可以避免投资的失误。但是就量化交易而言，其并不一定精准，也会存在一些风险，数据来源、分析、交易成本等，针对存在的风险要谨慎把控，提升金融市场量化交易的质量。

参考文献：

[1]振飞，颜思璇，徐建程.基于“三高三低”的量化交易策略[J].经济研究导刊，2020（01）：164.

[2]王彤.基于EMV指标的量化交易策略在我国A股市场的研究[J].纳税，2020（01）：199.

[3]于龙飞. 基于深度学习的股市量化交易系统设计与实现[J].山东大学，2020（06）：106.