|
|
关于量化交易，描写对冲基金行业的《富可敌国》一书中对世界上最成功的量化对冲基金公司——西蒙斯领导的文艺复兴科技公司有一段有趣的描述：
“文艺复兴科技公司宴请了500投资者。一名科学家自告奋勇地帮助西蒙斯写一个程序以搞定座位安排，他对某些人能与另外某些人相处融洽给出一个概率，然后让计算机优化餐桌摆设。有一段时间，西蒙斯办公室里的黑板上满是单身女代数几何学家和已婚男柔道教练相处得好等等事件的可能性估计。当举办宴会的那个晚上终于来临，程序让文艺复兴科技公司的较大投资者坐在了他可能喜欢得过头的女士旁边——她曾告他性骚扰。”
数学或科学的抽象思维在现实中可能会导致奇怪的结果，甚至完全相反，包括投资。
躺着赚钱？量化交易的十大难题
不停闪烁的超级电脑自动进行着高速交易，荧幕上滚动着通过高速网络提前获取的市场消息，加上通过杠杆放大的头寸，账户的盈利不断上跳...很多趋势投资者把量化交易视为一样“可以躺着赚钱的”形式。但现实真有这么美好么？美国投资公司ConvergEx的首席策略师Nick Colas在参加了一次量化交易大会后颇为感慨，提出了做量化交易的十大难题：
难题一：
量化交易员(宽客)与基本面投资者一样会遭遇亏损。我在量化交易大会那天本想听到广泛成功的[color=#444444 !important]算法及量化处理过程、可以输出完美的回溯测试结果并且在最小的风险上获得较大收益的策略，我还希望听到电脑科技、执行速度、或者数据挖掘方面的新进展。
但听了一圈下来，我发现量化投资其实相对来说还处在初级发展阶段，比如你经常可以听到关于“新闻对于股价的真实影响有多少?”的争论，而此时基本面投资者只需简单的基于预测特定事件、比如超过或差于预期的财报做交易即可。而量化交易者则需要搞清楚具体此类消息对股价的平均影响程度，这不是件容易的事，你的研究对象时刻在变化着。
难题二：
想在不同的股票/市场/产品中研究出一套通用交易规则很难。如果你想研究出一套只基于公司财报的交易系统这不难，比如基于超出预期的营收或股息来买入。但是供给面的情况如何?消费者层面的情绪如何?事实证明，财报的影响不及后两者的大，但是你若想把后两者纳入交易模型中，这相当费力费时。
难题三：
股票、基本面、新闻消息之间的关系不停变化着。记得2009年美股到达低点的时候，很多“低质”公司的回报大大高于“优质”公司的回报。很多3块钱的“垃圾股”可以在很短时间内涨到10块钱，而高价的优质公司的股票想要翻一倍都要花上很久很久。对于基本面投资者来说，这是掘金的好时候，但对于量化投资者来说却是噩梦，因为大多数模型此时都会显示做多“优质股”做空“垃圾股”，后果则可想而知。
难题四：
数学有时帮你解决问题有时又会成为障碍。宽客们要在浩如烟海的金融数据中“寻宝”，但是他们与普通人一样，一天只有24个小时，经常会碰到因一个分析无法推进而其他分析也陷入停顿的状况。
难题五：
好材料却并不容易使用。Twitter(美国的微博)是市场突发消息和传闻的较大出处，所有投资者都不会无视这里传出的讯息。但是这里的消息格式往往不规范，语法也千奇百怪，你无法让计算机程序挑选出有效信息并运用于自动交易中。
难题六：
并非100%有效。不管是量化还是基本面投资者，大家都是在玩数字游戏。如果你的交易生涯中能有66%的胜率就已经算干的很好了。不过量化交易与后者的不同点在于持仓时间，量化交易一般只做稳而快的短线交易，不像基本面投资可以等上相当长的一段时间，在一只股票上获取甚至100%的收益率。
难题七：
一切都从回溯测试开始。多数时候，回溯测试可以证明的你的设计交易策略在过去的表现，这是量化交易世界中非常重要的一块内容，不过并不是所有宽客都能意识到，过去不代表未来。
难题八：
交易信号就在那里，也不在那里。现在的信息社会到处都是数据，科学家们甚至可以做到预测每家沃尔玛超市上空的天气如何。Google的统计为我们展示着每天全世界网民都在搜索哪些内容。包括你想在市场中搜索上升动能最强的股票，如今都不难做到。面对茫茫多的数据，你该把时间精力放在哪一块呢?这是个难题。
难题九：
量化交易正被监管机构瞄上。我想很多宽客们前几天都听说了：巴菲特决定让旗下Business Wire终止向高频交易公司提供特许直投新闻的服务。这是巴菲特为保护自己公司声誉而高调与高频交易撇清关系的行为。虽然量化投资≠高频交易，但是不能否认，量化投资的主要优点之一便是“快”!如今量化投资者们获取信息的速度问题，已然被监管者们划进了重点监视区。下回监管者们又会关注哪个点呢?难说。
难题十：
愈发激烈的竞争。从Deltix和RavenPack主办的这次大会中你就能明显感受到宽客们的热情，偌大的会场不仅座无虚席，就连站的地方都快没有，不但没有中场休息就连过了午餐时间也不见有人离场。很显然，量化交易在发展了20多个年头后，依然非常流行，但这背后也就意味着同行内的竞争十分激烈，越来越快的电脑与网络，越来越复杂的算法和数据库，入行门槛也不断提高。
|
|
