极简投资技术史 (to be continue)

1、交易模型的三个层次

1）基于市场的表面信息建立模型

1-1）概念：比如趋势、周期、形态、指标等

1-2）特点：

1-2-1）数据获取、模型构建相对方便，技术门槛相对较低。
1-2-2）理论基础是：市场行为消化一切信息、价格以趋势方式波动、历史会重演。但是
1-2-3）使用方式灵活，通用性较高，使用效果与使用者自身经验有较大关系。

1-3）发展简介（西方视角）

1-3-1）20世纪初出现的道氏理论及股票指数，奠定了现代技术分析的基础。

1-3-2）1948年，汇总当时技术分析方法的《股市趋势技术分析》（罗伯特爱德华、约翰马吉）第一版出版，该书随后多次再版发行，被技术分析师们奉为“技术分析的圣经”，其中对技术分析的观点和解释至今仍被广泛应用。该书目前出到第十版。

1-3-2）20世纪70年代末，计算机技术的发展，为投资者研究价格时间序列提供强大工具，人们采用计算机处理量价数据，技术指标大量出现。
1-3-3）20世纪80年代，随机漫步理论和有效市场假说的提出，使得学术界广泛质疑与攻击技术分析，技术指标被许多出身自商学院的基金经理逐渐弃用，很多公司的技术分析部也关闭了，从此技术分析与技术指标在学术界进入低迷阶段，但是技术分析、技术指标，以及基于此的策略回测仍然在业界、民间广泛被应用。
1-3-4）20世纪80年代末，日本蜡烛图技术被引入美国，大受关注，同期钥匙图（kagi）、砖型图（renko）、卡斯图（kase）、一目均衡图（ichimokukinko）各类有别于传统棒图的图表及其分析方式也被引入美国。

1-3-5）随后逐渐有越来越多的研究发现了随机漫步理论与有效市场假说无法解释的市场现象，学术界开始认真严谨地研究技术分析理论，从而推动了行为金融学的诞生。
1-3-6）2010年左右，郑伟安教授从数学上证明了基于平稳过程的技术分析（指标）在秒级以下的时间尺度上有效，并已经应用在高频交易上。
1-3-7）如今，技术分析、技术指标在各个市场、各种投资尺度上被广泛使用。

2）基于市场信息背后的共性因素，建立数理模型

2-1）概念：比如各类因子

2-2）特点：

2-2-1）数据获取有一定门槛。
2-2-2）数据处理有一定门槛，需要包含概率论和线性代数等的高等数学、计量、金融工程等数理知识。
2-2-3）因为因子有效性在不同市况下有变动，需要个根据市场的变化情况动态选择因子及其权重

2-3）发展脉络

2-3-1）1964年由夏普（Willim Sharpe）提出的capm模型奠定了本类策略的方向与基础，它在若干理想化假设的前提下，认为资产的收益率分成无风险收益和风险收益两个部分，而后者与市场整体风险有关，这个关系用一个“弹性系数beta”表示。

2-3-2）1976年由罗斯（Steven Ross）提出的apt模型扩展了capm模型，放松了capm模型的部分假设。它认为资产收益由无风险收益、系统性的风险收益、非系统性的资产自身特异风险收益组成，并且资产的特异风险收益可以通过多资产组合中合掉。对一个资产组合来说，如果认为系统风险就是市场风险，apt模型就视同为capm模型（资产的特异风险收益被中合掉了）。

2-3-3）1992年法玛（Eugene Fama）与佛伦奇（Kenneth French）提出的Fama-French三因子模型，以时间序列回归的方式，将资产收益率的影响因素具体化为市场、市值、账面市值比，后来进一步细分成市场、市值、账面市值比、盈利、投资五个因素。

2-3-4）巴尔·罗森伯格（Barr Rosenberg）在1974年提出了采用基于截面回归的多因子风险模型分析投资组合风险和收益的首个版本。目前针对中国市场的最新版本是于2018年发布的 CNE6。

2-3-5）目前业界多采用基于或者参考barra的框架，但是考虑的因子多种多样，随着自然语言处理、机器学习、深度学习等人工智能技术的快速发展，对框架也做了不少扩展。

一般认为，多因子模型主要有三个类型：
（1）基本因子模型（fundamental factor model）
本模型中的每个因子，都具有明确的经济学含义（包括但不限于基本面因素、技术因素等），可以描述股票的某个具体性质，比如市值、行业等，它们能显著解释股票的一部分收益或风险。它们可被先验地获取到数据值，并可在一个投资期结束后计算其在该投资期内的收益与风险。
（2）宏观经济因子模型（macroeconomic factor model，或者经济因子模型，economic factor model）
本模型模型中的每个因子，都反映宏观经济层面的一个性质，比如通胀、预期GDP增长率等。它们无法直接解释某一具体股票的收益，也无法被先验地获取到数据值，只能在一个投资期结束后，通过计算其因子收益，并通过回归分析反推出对应的因子值。
（3）统计因子模型（statistical factor model）
本模型中的因子，通过对历史数据运用计量、统计类算法提炼出来，它们有较高的解释度，但其经济学含义可能不如前两种模型直观易懂，比如通过主成分分析，从若干个原始因子中提炼出3个因子。因为它无法避免噪音，其显著性可能无法持续。
以上只是一个理想化的简单分类，实际上很多信息都能当作因子使用，不一定都能分得那么清楚，同一个因子模型中也不一定只包含一类因子。

3）基于因果关系，建立逻辑模型

3-1）概念：比如从行业供需、市场结构及其发展、交易规则方面

3-2）特点：

3-2-1）数据分布比较分散，完整获取难度更大，有的可能需要爬虫等技术，或者需要成为会员付费获取。
3-2-2）数据处理难度更大，除了上两点的技术，有的还需要文字识别、自然语言处理、深度学习、知识图谱等技术，数据的后期维护成本高。

3-3）发展脉络

3-3-1）前两类模型的使用者日众，因子的拥挤度日趋严重，其有效时间也越来越短，投资者希望能找到新的蓝海。
3-3-2）在投资实践中，交易标的物的供需、市场结构、交易规则等内容一直对投资具有重要作用，随着近几年自然语言处理、图像识别、深度学习、知识图谱等技术的快速发展，人们逐渐采用后者对前者进行描述与推演。
3-3-2）在具体的投资实践中，本类模型一般不单独使用，而是与前两类模型配合使用。

参考文献：
1、罗闻全，哈桑霍德齐克.《技术分析简史》.机械工业出版社.
2、技术投机客. 《技术分析的历史与发展（一、二、三）》.https://www.technicalanalysis.cn/454.html,2018-10-1
3、Zhaodong Wang，Weian Zheng. High-Frequency Trading and Probability Theory. 2014-11-5