量化基金投資常用策略簡介

套利策略

---

套利：利用同一商品（或相似商品）在不同市場上的差價，進行低買高賣的交易行為。

很容易理解，其實現實生活中處處存在著套利：

• 小A從某多多上團購價入手了一批商品，價格較低，放在某魚上原價賣出
• 小B從港臺整了批水貨iphone，拿到內地高價賣出

對，這些都屬於套利，只是小A是合法的，而小B是非法的。

所以，套利本身是中性的。

套利策略之所以會存在，其內在邏輯是：

• 相同（或相似）的產品的交易價格應該是相同的
• 不同的市場，或依託不同的渠道，其交易價格往往是不同的
• 此時，買入低估的，同時賣空高估的，等待二者價差迴歸即可盈利

量化投資中的套利策略，強調的是買入低估的同時賣出高估的。即買入一個投資標的的同時，一定會賣空一個投資標的。

在操作時，買入額和賣出額通常具有很強的對應關係，從而在持有標的的過程中，多空雙方的漲跌大體抵消，不會造成單邊持倉的風險，所以套利策略風險較低。

套利策略的最大優勢是同時買入和賣空了相同或相似的標的，從而幾乎沒有單邊敞口，對市場的漲跌不敏感，風險很小且與市場相關性很低。

那麼問題來了，買入是沒有問題的，關鍵是賣空。如果市場缺乏賣空機制，那麼套利策略將很難執行。

我國2010年推出股指期貨，在這之前，股市只能先買入都能賣出，缺乏賣空機制，套利策略很難開展。

2010年之後，期現套利、跨期套利等才可以大規模開展，因此，也常將2010年稱為量化投資元年。

還有一個問題，套利策略是否違背了有效市場理論？在有效市場理論裡，市場是有效的，沒有套利空間的洞子可鑽。其實這也很容易解釋：

• 市場是從長期看有效的，但短期內是無效的。
• 正是套利交易的存在，才使得市場變得更加有效。

從這個判斷可以得出以下結論：

• 只有市場沒有達到強有效的狀態，套利空間就一直存在
• 隨著市場越來越有效，套利空間越來越小
• 在市場劇烈波動時，無效性高，套利策略具有巨大的利潤空間。經歷過2015年行情的套利策略應該深有感觸

Alpha策略

---

Alpha與Beta相對應，我們先來談談Beta。

Beta代表與某個標的相關的收益。如1倍滬深300指數收益，2倍黃金收益等，這些都是Beta收益。

Beta收益是容易獲得的：

• 標的的金融衍生品，如黃金期貨，可以直接獲得Beta收益
• 複製標的的指數也可以直接獲取指數的Beta收益。如完全以一樣的權重買入滬深300成分股，就複製了滬深300指數的1倍Beta收益

與Beta相對應，Alpha收益代表超越某個標的的收益。Alpha收益與Beta收益無關，是在標的之上疊加的收益。

Alpha收益很難獲取，可以為正，也可以為負。很多主動管理的公募基金，都是以跑贏指數為目標，因為它們的評價標準，就是能否做出正的Alpha，以及Alpha的大小。

注意，全市場所有投資者的Alpha收益的總和約為0，近似零和博弈，因為：

• 交易成本會使全市場的Alpha收益之和偏負
• 分紅會使全市場的Alpha收益之和偏正

Alpha策略以獲取Alpha收益為主，為了獲取純粹的Alpha，就要用金融衍生品對衝掉Beta風險。國內最常用的對衝工具是股指期貨。

Alpha策略的一般做法是，買入一籃子股票，同時賣空等量的股指期貨對衝指數下跌的風險。

如果買入的股票跑贏了標的指數，就獲得了正的Alpha收益。

可以看到，在此過程中，用股指期貨對衝了指數漲跌的風險，因此Alpha策略的收益與大盤的Beta收益無關，是一種比較穩健的策略模型。

但問題的關鍵是，如何選股？這裡簡要介紹下多因子策略模型建立的流程：

• 每隻股票每天有一個值，即因子
• 一個因子大概應該刻畫股票的某種特徵
• 該特徵能夠比較有效地部分預測股票將來的漲跌，以達到盈利的目的
• 預測的準確度能達到50%就可以了，達到100%是不可能的
• 多因子策略其實交易的是大量股票的統計性，燕不要求對單隻股票的預測一定正確

所有的策略模型都要先經受回測的考驗。

在觀察策略的風險收益特徵時，主要考慮夏普比率、年化收益、最大回撤、換手率等因素。

選股策略

---

所有投資過股票的都有選股的經歷。

對，選股策略，就是運用量化的手段選取股票。

這本身可能不能算得上是一種策略，因為任何一種策略的最終結果都會交易一些股票。

但是，由於國內實際的市場狀況，這種策略很受歡迎，也具有很強的競爭力。

與套利和Alpha策略不同，選股策略可以僅僅以股票作為投資標的，因此早在2010年股指期貨推出前就可以運作了。

從運作邏輯和投資目標上，可以把選股策略分兩類：

• 相對收益型（指數增強）：一般滿倉運作，與指數的波動基本同一量級，以戰勝指數為目標。
• 絕對收益型：以盈利為目標，需要通過某些方式來控制風險，如擇時。

選股策略屬於高風險策略，即使是絕對收益型的選股策略，回撤也可以達到10%以上，而指數增強型的選股策略，最大回撤甚至可能超過50%。

這裡說明一下，量化選股策略選出來的一籃子股票未必適合個人投資者，因為雖然當時買入了，但你不知道何時賣出。

CTA策略

---

CTA(Commodity Trading Advisors)：直譯商品交易顧問。

原來是指通過為客戶提供期貨、期權方面交易建議或通過受理期貨賬戶直接參與交易來獲取收益的投資者。

現在泛指投資各類期貨、期權品種的策略。它主要包括趨勢跟蹤、套利、中性、高頻等。

這時簡要談談使用最廣泛的趨勢跟蹤。

趨勢跟蹤就是所謂的追漲殺跌，即買入已經開始上漲的標的並期望它繼續上漲，賣空已經開始下跌的標的，並期望它繼續下跌。

看似很簡單的邏輯，包含幾個關鍵環節：投資標的的選取、買入賣出訊號的產生、資金管理方法等。

那麼問題來了，趨勢跟蹤策略為什麼能夠盈利？為什麼已經上漲的標的大概率還會上漲，而已經下跌的標的還會繼續下跌？

目前比較公認的一種解釋是，市場參與者對資訊的反應存在初始時刻的反應不足以及後續的反應過度，這種行為偏差是導致價格行為出現趨勢的直接原因。

趨勢就如同歷史輪迴一樣周而復始，而趨勢跟蹤者便是時代的弄潮兒，一波又一波地從趨勢行情中收割利潤。

人工智慧

---

人工智慧是最近幾年迅猛發展的技術，而且越來越多地應用於投資行業。

人工智慧的核心是演算法，而這與量化投資所依賴的模型相吻合。把對歷史資料的分析，應用於深度學習演算法，逐漸訓練一個愈加完善的模型，從而達到戰勝市場的目的。

總而言之，使用人工智慧的優點如下：

• 人工智慧模型具有自適應特性
• 人工智慧模型可以充分利用各個版本的迭代升級
• 人工智慧可以充分利用快速升級的硬體和演算法，深入挖掘市場深處的機遇

但它同時也具有如下缺點：

• 人工智慧擅長處理資訊透明的完全博弈，這與金融市場有關本質的不同
• 人工智慧模型的基礎是複雜的數學問題，不易理解
• 人工智慧模型是個黑盒子，雖然有著直觀的輸入和輸出，但中間過程難以解釋，需要高超的使用技能

說了這麼多，如果人工智慧模型如此nb，那麼若干年後，是不是所有的投資都會依賴於人工智慧？當大家都使用人工智慧模型來進行投資決策時，誰還能獲利？

根據資產定價模型CAPM，那時所有投資者都會持有相同的投資組合，區別只是分配比例有所不同。

這樣的市場將會是完全有效的市場，無論使用何種方法，都將無法獲取Alpha收益。這樣的市場不會再有任何交易發生。

這樣死氣沉沉的市場，也就失去了存在的意義。

所以，只要交易市場還存在，就不可能會有這樣高效的人工智慧模型。

很有可能，人工智慧也會像現存的很多技術一樣，逐步發展，優勝劣汰，只有站在人工智慧背後的人，才會是最終的贏家。

在可以預見的未來，即使人工智慧不斷髮展，人才依然是第一生產力。

小結

---

本文只是對量化基金投資的常用的策略進行了簡要的介紹，其實每個策略背後，都會有很多的方向可以探究，每個方向都可以引領一個行業。

目前，國內很多的量化基金都已經使用了人工智慧模型，有些也取得了不錯的成績。但總體上，這些發展仍處於較初級的階段。

相信在未來，在與市場的博弈中，會有越來越多的策略應用其中。

而市場，作為一隻無形的手，牢牢把控著發生的這一切。