九坤投资:量化机构活到最后的垄断者,会面临一个巨大的市场机会

来源:证券之星综合 2020-01-15 14:20:48

摘要
尽管这些年,国内量化投资发展迅速,业绩出众,涌现出了像幻方量化、明汯投资、九坤投资、锐天等被业界誉为四大天王的百亿级量化私募。但除了极少部分的量化圈内人士,大部分投资者对量化的理解,还停留在高频套利交易的阶段。在日前一次演讲中,九坤投资合伙人兼投研总监姚齐聪讲解了中国量化的现状,量化投研体系的划分变

尽管这些年,国内量化投资发展迅速,业绩出众,涌现出了像幻方量化、明汯投资、九坤投资、锐天等被业界誉为四大天王的百亿级量化私募。

但除了极少部分的量化圈内人士,大部分投资者对量化的理解,还停留在高频套利交易的阶段。

在日前一次演讲中,九坤投资合伙人兼投研总监姚齐聪讲解了中国量化的现状,量化投研体系的划分变革,以及量化行业的机会和发展方向。

九坤投资成立于2012年,基于国际前沿的量化交易、高频交易策略,发掘国内股票、期货市场的机会。

聪明投资者整理了演讲内容,希望能帮助投资者更好地理解量化投资。

量化投资是与时俱进的不是关起门来做数据

到底什么是量化?

大家以前对量化的理解有一个误区,认为只有关起门来做数据,那才是量化。

其实并不是。量化贯穿了所有的交易,从17世纪一直到现在,不同的时代有不同的量化,这才是量化真正的意思。

有个故事在金融圈很有名。17世界的时候,欧洲发生拿破仑战争,罗斯柴尔德家族当时用信鸽发送拿破仑战败的结果,然后迅速购买英国的国债。他比别人更快的知道了拿破仑战败而英国战胜的消息,在上面大赚一笔。

这个交易行为,就是那个年代量化的交易机制。

现在很多人炒股会看K线图,做各种技术分析。事实上技术分析这个流派,是20世纪初道琼斯发明的。现在技术分析已经不太能赚钱,或许高手还能赚点,但基本上快被淘汰了。

但这个技术在20世纪初,道琼斯发明它的时候,数浪也好,画趋势也好,确实是能赚钱的。

所以说,技术分析是20 世纪初的量化。

到了70年代,当时市场上有很多期权交易,很多人卖了大量的期权,但是卖完了之后,这个股票的涨或者跌,卖期权的行为会赔。

其中只有爱德华·索普,他开了一家私募,对期权有了一个自己的定价,把市场贵于这个价格的期权拿去卖掉。他比现在公之于众的Black-Scholes model更早地总结出来了一套定价模式,并从中获利。这就是70 年代的量化。

到90 年代,出现了像BGI(巴克莱资本,最早将主动量化应用在亚洲)的多因子那一套,现在很多人认为其实也还是很有效的。这一套是90 年代初最先进的量化技术。

到今天,量化技术还在发展。

从2000年以后,开始了对大数据的使用,各种价量、非常规数据。然后用机器学习把这些数据组合,抽取出α,以及运用各种BS(买卖点指标,B是买入信号,S是卖出信号)的技术交易,这就是现在的量化。

未来会怎么样?不知道。

17世纪的罗斯柴尔德用信鸽传递信息,现在随便一根光缆,都是以光速在传播信息。20世纪初的这些分析,现在都已经抽离成各种比它复杂得多的型号。像Black-Scholes model(布莱克-斯科尔斯期权定价模型),现在也已经发展出N个版本。

现在用的技术,过10 年、20年,必然也会被淘汰。所以量化是与时俱进的,而不是固守常规,按照一条路,按照你在某个时间所理解的路去做。

21世纪的量化投研体系分为四个部分

21 世纪的量化投研体系,大概可以分成β、α、risk,execution四个部分。

(注:β,和市场一起波动的收益;α,超额收益;risk,风险;execution,执行)

β,你需要去搜集各种各样的数据,市场调研行情、消费记录、天气等各种数据。不同的公司对这些数据的收集和整理不一样。数据收集,也是一种门槛。

α,把各种数据收集到以后,你需要从当中抽取对未来的预测。你的预算越准,越可能赚到钱。别人的预测比你的准,别人挣的钱就比你多。

risk,所有投资决策之后,你都需要去控制你的风险。首先你得衡量,其次你得控制。

execution,当你决定要去做交易,下单,买或者卖的时候,需要通过各种现代的方式去保证交易到位。

而贯穿这四个环节始终的,就是系统。需要一个强有力的IT平台去保证每一个部分执行到位,不管是数据收集、整理,抽取α的运算力,还是后面的所有环节。现在执行甚至可能会用到一些硬件。

这才是21 世纪的量化的体系。

在这个体系当中有诸多挑战,比方说会有多周期。有些人以为只需要拿着一段历史数据去做,但事实上现在的量化跨越了多个周期,从Tick(秒)到分钟到小时到日到周,所有时间都要去做。

多目标。你要做30秒,也就是做横截面,做股票的超额,也需要做持续。你既需要预测一个股票比大盘或者另外的股票好多少,也需要预测一个股票明天后天持续的收益。

你的风险模型,需要准确刻画你的风险。在交易执行当中,你需要降低靶点,你的目标是多维的,你的品种可能涵盖股票、期货、股指……

作为量化交易的IT系统,涵盖了各个方面。计算机的运算力,包括高容错,分布式交易。你要把交易布置在N个地方,其中一台出了问题,其他地方可以立刻替补上。包括现在各种另类大数据的收集,全网数据的爬取、整理、抽取和转化等。

量化活到最后的垄断者会面临一个超级巨大的市场机会

很多人有个问题,现在量化如此复杂,而且海外机构也陆续进来,对国内的机构而言,还有哪些挑战或者机遇呢?

我们认为,量化对国内机构而言有一些这样的挑战和机遇。

首先,门槛在提高,人才和资源在聚集。所有的量化其实都是靠人去做的,靠人才的堆积。5 、6年前的量化,就国内而言是一个春秋时代。很多团体和个人都可以通过一技之长,在市场上挣钱。

往后发展,进入战国时代,将会发生很多小国家之间的兼并,一些小团体会被淘汰。头部机构会聚集起大多数的人才,也会把控一些资源,从交易通道、资金优势到各种政策影响。

所以,对于国内的量化机构而言,门槛在提高。与此同时,整个市场的容量会提高。

之所以提到市场容量,是因为我们坚信,中国的量化占整个中国股市交易量的份额,应当逐渐向海外靠拢。

同时,我们认为,在中国逐渐发展的过程中,中国金融市场也会扩张,中国金融市场的总容量也应当去尽可能对标美国这样的国家。

所以,从现在的数据测算来看,我认为对于国内的量化公司来说,整个市场的容量还有相当长期的增长机会。短期会看到各种各样的竞争。

刚才说到,活到最后的垄断者将会面临一个超级巨大的市场机会。同时,海外机构进驻中国所也会带来一些竞争。一方面,现在海外机构有些技术确实比国内要强;但另一方面,海外机构有些专业人士也会陆续加入国内的机构。

我们看到,国内机构和海外机构之间的技术水平的差距,比起五年前、十年前,迅速缩小。而且在一些领域,比如机器学习,国内的机构可能会弯道超车。

新的技术的出现,对大家来说都是公平的。国内只要在这个方向倾注心血,也能做出来。所以我们认为,这反而可能是国内的一个机会。(来源,聪明投资者)

关键字: