量化研究的關鍵所在

       量化投資作為一種交易方式風靡全球，尤其當西蒙斯的大獎章基金被世人所知道的時候，量化投資也被越來越的人所知道，那究竟量化投資，交易策略量化又該注意什么呢？量化策略研究作為量化投資的一部分，指的是需要根據一種或多種確鑿的獲利理念，由某一特定顯式表示的模型，指導量化模型的使用者反復地以人工或機器執行指令，參與單邊或多空交易，同時在策略的執行過程中，需要實時監控投資組合價值與目標利潤的偏離情況，調整相關參數，直到現有模型生命期限終了，再轉入到新的模型。

       量化研究過程大體可以劃分為定價與投資品種的選取、模型實現、資產配置與組合優化、訂單生成與交易執行、績效評估和風險管理等部分。目前量化策略主要重點集中在基于新興起的行為金融學的策略及程序化交易與算法交易策略兩大部分。基于行為金融學的策略，主要是根據歷史上沒有發生過相同的情況，但曾有相似事件對市場情緒造成了極大干擾，短時間內影響著相應資產價格的大幅波動。程序化交易與算法交易策略則指的是根據相同品種的歷史交易數據及持倉成本等一系列影響因素，測算多空開平點位、止盈止損點位、模擬介入下的策略效果等因素。交易所制度安排、做市、期現套利、期貨配對、價差交易、套期保值、多空對沖(事件驅動型)、相對價值型方案、純粹單邊交易(如波動率)、場內外期權買賣價差交易、展期交易等均屬與程序化交易與算法交易策略范疇。

       量化研究還可以分為基于微觀及宏觀層面兩個方向。微觀層面，如從交易數據中尋找市場失靈機會。當前微觀層面的量化研究主要從以下三個方面著手：數據庫管理、策略量化及模型構建、實踐操作與效果跟蹤。

       第一，數據庫管理。有效的數據庫管理涉及歷史數據的調用及本地數據庫的維護，包含處理國內股指期貨與商品期貨的分筆數據導出、保存到本地數據庫、針對一定頻率抽取截面或橫面數據進行深度加工處理、自動化地定時更新添加整理數據工作，從而方便抽取各種時段、特定時刻、一定時間間隔的期貨、現貨、基差、價差等交易數據。

        第二，策略量化及模型構建。這是量化研究的重中之重，分為模型選擇及效果回測兩個層面。

        選擇納入研究范圍的模型，不能只是就獲利理念論建模、比較模型，研究者還需要找出與整個策略實施過程關聯度大的其他方案。例如，設計配對交易方案，考慮了EG、Johansen協整方案后，研究者還可以選擇Beta系數方法或殘差標準差作為觸發水平方案等。進行期權定價研究時，除期權定價公式外，各種參數計算模型(擬最大似然估計、模擬退火算法、最小二乘法)、計算速度與程序運行效率改進算法也是需要關注的重點。從策略構建時就開始關注整體涉及的模型，是開發成功的模型中重要的一個環節。

       效果回測指檢驗策略模型的穩健性，選取匹配交易環境的方案。當在研究回測過程的時候，需要針對歷史和模擬情景下的數據進行樣本內外、連接實時行情進行實際交易環境下的效果檢驗。針對各種行情(單邊上漲、單邊下跌、先上漲后下跌、先下跌后上漲、振蕩、使用蒙特卡羅模擬技術計算的數據)，多次調整測試時段，確定開平倉的觸發水平，觀察結果中異常偏離及整體效果等數據，并依托資產組合的價值達到一定水平執行止盈止損、資金回撤操作等捕獲資產組合價值高位運行的手段，篩選表現較佳的策略。總而言之，在了解將在整個運行過程中要使用的模型方案后，留給效果回測環節解決的問題主要如下：選擇什么樣的參數、得到什么樣形式的變量、整個過程如何銜接、如何篩選適當方案。

       第三，實踐操作與效果跟蹤。包括指令管理、買賣信號傳遞、效果評估等一些子系統的設計。

       交易優化的時候主要涉及參數調整及下單方式。在下單時，針對考慮買賣差價流動性等市場信號，使用算法交易對大額訂單進行分拆，尋找最佳路由和最有利的執行價格，以降低在交易的時候給市場的造成的沖擊成本、提高執行效率和訂單執行的隱蔽性。下單執行策略，像VWAP、TWAP使用較多。

資金管理及模擬情景，主要是應對高杠桿帶來的尾部風險事件，預先測算需要承擔的最大損失，并確保策略在自身的承受范圍內。

       至于其他方面包括交易指令的使用、成交執行差額、交易前后交易成本比較、指令傳輸速度優化、機會成本權衡等。例如，執行買賣價差策略時，系統頻繁地發送指令，并根據實時更新的參數，進行切換或取消指令的操作。

       量化方案實施的時候，研究者還需要針對策略的設計特點，評估其存續的壽命，在策略方案累計收益處于高位(未達到頂峰)時，嚴格地將交易策略終止，設計系列策略路線圖并于舊策略終止前，將新策略運用到實際環境中，從而保證新舊策略交替過程連貫有序。所以，隨著量化技術不斷更新，策略所處的環境也在不斷更變，持續更新策略細節及針對新的成果進行創新性研發，提高量化研究的思考思路，重新審視已有策略的假設，不斷更新變革視點，堅持漸進性創新與根本性突破兩條腿走路，開發尚未被市場發掘到的模型方案，增強量化工具的運用能力，加大對匹配實際交易環境要求的量化策略及產品設計研究的投入，才應該是量化策略研究的關鍵所在。