专栏首页AI派解读宽客和量化交易的世界

解读宽客和量化交易的世界

推荐阅读时间:5min~7min 文章内容:宽客和量化交易的世界

本文为带你走入宽客和量化交易的世界,让你对宽客这类人群以及量化交易有一个相对清晰的了解。

何为宽客

量化交易可以被定义为人们通过严谨的研究,系统化的执行交易策略。系统化被定义为遵守纪律的、有条不紊的、自动化的方法。尽管依赖于自动化和系统化,但是是由来开发策略并决定策略是什么,是选择系统交易的证券种类,是选择获取什么数据以及如何清洗这些数据,还有许多其他事情也是由完成。给予量化交易策略的通常被称为宽客(quant)或者量化交易者。宽客之所以被称为宽客,就在于他们会刻苦钻研交易策略的产生和实施过程。

宽客在研究中采用科学计算。虽然这个研究使用技术(包括数学方法和各种公式),但是研究过程完全取决于人的决策。量化策略和主观判断型策略的区别在于策略如何被执行。通过仔细研究这些策略,宽客能够用科学家验证理论知识的方法评估这些想法。而且,通过使用计算机,系统化地实施策略,宽客能够消除很多存在于主观判断型交易中的随意性。

量化交易并非万能的,也就是说它是有适用范围的,即什么情况下宽客不得不放弃系统性方法而采用主观判断型交易策略。宽客对其策略进行人工干预的最常见情形是,出现了影响市场的消息,而已有策略无法自动进行调整,为削弱其影响,宽客不得不进行人工干预。例如,2008年美林和美国银行的合并使得美林的股价飙升。如果定制量化策略时不考虑这一因素,很容易认为美林的股票严重估值过高,应当对其进行做空操作。但是这一个结论显然是有缺陷的,因为合并的消息可以合理地称为美林股价攀升的原因。

随着量化交易规模的增加,出现了越来越多的伪宽客。例如,有些伪宽客利用自动化系统进行扫描,寻找潜在的交易机会,将大量的备选对象减少到一个相对较少、更加可控的规模,这时再进行人工干预,采用一系列首段在筛选后名单中选择值得进行投资的对象。

量化交易系统的典型结构

下图展示了一个典型的量化交易系统的框架,描绘了交易策略的各个组成部分(例如,决定买卖哪些证券、买卖数量以及买卖时间),但不包括交易策略的所有必要元素(例如,设计交易系统所需的研究工具)。

图1 量化交易策略的基本结构

交易系统包含3个模块——阿尔法模型(alpha model)、风险模型(risk model)和交易成本模型(transtransaction cost model)。这三个模型构成了投资组合模型的输入变量,而投资组合构建模型与执行模型又相互作用。

阿尔法模型旨在预测宽客所考虑交易的金融产品未来趋势。例如,在期货市场上的趋势追随策略中,宽客利用阿尔法模型预测投资组合中想要包含的期货产品的价格变动方向。

风险模型旨在帮助宽客控制不大可能带来收益但会造成损失的蔽口规模。例如,趋势追随者可以选择限制某类资产(如商品)的方向性风险,因为交易者进行操作所依据的预测结果可能处于同一方向,从而带来过多风险;风险模型将包含给出这些商品风险蔽口水平。

交易成本模型用于帮助宽客确定从目前的投资组合到新的投资组合(已达到最优投资组合模型)的交易成本。无论交易者预计能获利丰厚还是收益微薄,进行任何交易都需要成本。

投资组合构建模型利用阿尔法模型、风险模型和交易成本模型的结果作为输入量,主要在追求利润和控制风险、交易成本间进行平衡,从而确定最佳的投资组合。做出决策之后,该系统将目前的投资组合和目标投资组合加以比较,根据二者之间的差异来执行所需的交易。

注意:上文中图1 关于量化交易的基本结构图 并不具有普遍性,因为有的量化策略中并不包含交易成本模型、投资组合构建模型或者执行模型。

此外,上文中图1 关于量化交易的基本结构图 只是反映了宽客的一部分工作,仅考虑了交易系统的生产部分,忽略了两个重要的部分:数据和研究。缺少了数据的输入,而且必须是精确的数据的输入,后面的所有模型将毫无用处。宽客通过输入数据,对信息进行加工,做出交易决策,进而建立输入/输出模型。所以数据是宽客的命脉,决定着策略的各个方面。对于给定的数据,宽客可以对其进行研究,通常包含对数据的测试和仿真。通过研究,宽客可以判断量化的策略的运行情况。

因此,添加数据和研究两个重要组成部分后,框架图如下:

图2 量化交易策略的完整结构

作者:无邪,个人博客:脑洞大开,专注于机器学习研究。

本文分享自微信公众号 - 脑洞科技栈(naodong-open),作者:1or0

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-03-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 一文读懂二元分类模型评估指标

    在分类模型中,有很多关于模型性能的评估指标(evaluation metric),比如 accuracy、precision、recall、f1-score、r...

    abs_zero
  • 俄罗斯方块进阶--AI俄罗斯方块

    所谓让机器自己去玩俄罗斯方块,就是让机器计算当前方块的所有形态可放置的所有位置,然后根据统一的评价标准,计算出最优的位置进行放置。这个评价的标准简单的来说就是:...

    abs_zero
  • 如何使用Python颠倒是非黑白?

    有没有发现,打印 True 结果是 False,打印 False 结果是 True。是非黑白就在这么一瞬间颠倒了

    abs_zero
  • Android开发笔记(一百五十二)H5通过WebView上传图片

    上一篇文章介绍了WebView与JS之间的数据交互,其实就是把字符串传来传去,这对文本格式的信息传输来说倒还凑合,倘若要传输图...

    用户4464237
  • matlab增强学习之小球不落地

    在利用之前FrozenLake环境训练当中那种面向对象方式管理程序时发现训练后期运行速度变慢、而且是肉眼可观察到的变慢,所以采用了matlab另一种程序文件管理...

    万木逢春
  • 第5天:js-系统时间对象

    今天听了一小节,js中如何获取系统时间。最后做了一个轮播图效果,是在别人的代码上修改的,一开始做了好半天,都没做好,最后,在我的坚持下,终于做出来了。今天先到这...

    半指温柔乐
  • Android Jetpack系列——DataBinding 使用进阶

    上一篇文章https://www.jianshu.com/p/2b715d788423 ,我们介绍了DataBinding以及DataBinding的简单的使...

    Demo_Yang
  • 为什么很多人会觉得IT门槛低?

    IT故事会
  • es6一句话拾遗

    liulun
  • tf.compat.v1的含义

    版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

    于小勇

扫码关注云+社区

领取腾讯云代金券