量化基金投资常用策略简介

套利策略

---

套利：利用同一商品（或相似商品）在不同市场上的差价，进行低买高卖的交易行为。

很容易理解，其实现实生活中处处存在着套利：

• 小A从某多多上团购价入手了一批商品，价格较低，放在某鱼上原价卖出
• 小B从港台整了批水货iphone，拿到内地高价卖出

对，这些都属于套利，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。

套利策略之所以会存在，其内在逻辑是：

• 相同（或相似）的产品的交易价格应该是相同的
• 不同的市场，或依托不同的渠道，其交易价格往往是不同的
• 此时，买入低估的，同时卖空高估的，等待二者价差回归即可盈利

量化投资中的套利策略，强调的是买入低估的同时卖出高估的。即买入一个投资标的的同时，一定会卖空一个投资标的。

在操作时，买入额和卖出额通常具有很强的对应关系，从而在持有标的的过程中，多空双方的涨跌大体抵消，不会造成单边持仓的风险，所以套利策略风险较低。

套利策略的最大优势是同时买入和卖空了相同或相似的标的，从而几乎没有单边敞口，对市场的涨跌不敏感，风险很小且与市场相关性很低。

那么问题来了，买入是没有问题的，关键是卖空。如果市场缺乏卖空机制，那么套利策略将很难运行。

我国2010年推出股指期货，在这之前，股市只能先买入都能卖出，缺乏卖空机制，套利策略很难开展。

2010年之后，期现套利、跨期套利等才可以大规模开展，因此，也常将2010年称为量化投资元年。

还有一个问题，套利策略是否违背了有效市场理论？在有效市场理论里，市场是有效的，没有套利空间的洞子可钻。其实这也很容易解释：

• 市场是从长期看有效的，但短期内是无效的。
• 正是套利交易的存在，才使得市场变得更加有效。

从这个判断可以得出以下结论：

• 只有市场没有达到强有效的状态，套利空间就一直存在
• 随着市场越来越有效，套利空间越来越小
• 在市场剧烈波动时，无效性高，套利策略具有巨大的利润空间。经历过2015年行情的套利策略应该深有感触

Alpha策略

---

Alpha与Beta相对应，我们先来谈谈Beta。

Beta代表与某个标的相关的收益。如1倍沪深300指数收益，2倍黄金收益等，这些都是Beta收益。

Beta收益是容易获得的：

• 标的的金融衍生品，如黄金期货，可以直接获得Beta收益
• 复制标的的指数也可以直接获取指数的Beta收益。如完全以一样的权重买入沪深300成分股，就复制了沪深300指数的1倍Beta收益

与Beta相对应，Alpha收益代表超越某个标的的收益。Alpha收益与Beta收益无关，是在标的之上叠加的收益。

Alpha收益很难获取，可以为正，也可以为负。很多主动管理的公募基金，都是以跑赢指数为目标，因为它们的评价标准，就是能否做出正的Alpha，以及Alpha的大小。

注意，全市场所有投资者的Alpha收益的总和约为0，近似零和博弈，因为：

• 交易成本会使全市场的Alpha收益之和偏负
• 分红会使全市场的Alpha收益之和偏正

Alpha策略以获取Alpha收益为主，为了获取纯粹的Alpha，就要用金融衍生品对冲掉Beta风险。国内最常用的对冲工具是股指期货。

Alpha策略的一般做法是，买入一篮子股票，同时卖空等量的股指期货对冲指数下跌的风险。

如果买入的股票跑赢了标的指数，就获得了正的Alpha收益。

可以看到，在此过程中，用股指期货对冲了指数涨跌的风险，因此Alpha策略的收益与大盘的Beta收益无关，是一种比较稳健的策略模型。

但问题的关键是，如何选股？这里简要介绍下多因子策略模型建立的流程：

• 每只股票每天有一个值，即因子
• 一个因子大概应该刻画股票的某种特征
• 该特征能够比较有效地部分预测股票将来的涨跌，以达到盈利的目的
• 预测的准确度能达到50%就可以了，达到100%是不可能的
• 多因子策略其实交易的是大量股票的统计性，燕不要求对单只股票的预测一定正确

所有的策略模型都要先经受回测的考验。

在观察策略的风险收益特征时，主要考虑夏普比率、年化收益、最大回撤、换手率等因素。

选股策略

---

所有投资过股票的都有选股的经历。

对，选股策略，就是运用量化的手段选取股票。

这本身可能不能算得上是一种策略，因为任何一种策略的最终结果都会交易一些股票。

但是，由于国内实际的市场状况，这种策略很受欢迎，也具有很强的竞争力。

与套利和Alpha策略不同，选股策略可以仅仅以股票作为投资标的，因此早在2010年股指期货推出前就可以运作了。

从运作逻辑和投资目标上，可以把选股策略分两类：

• 相对收益型（指数增强）：一般满仓运作，与指数的波动基本同一量级，以战胜指数为目标。
• 绝对收益型：以盈利为目标，需要通过某些方式来控制风险，如择时。

选股策略属于高风险策略，即使是绝对收益型的选股策略，回撤也可以达到10%以上，而指数增强型的选股策略，最大回撤甚至可能超过50%。

这里说明一下，量化选股策略选出来的一篮子股票未必适合个人投资者，因为虽然当时买入了，但你不知道何时卖出。

CTA策略

---

CTA(Commodity Trading Advisors)：直译商品交易顾问。

原来是指通过为客户提供期货、期权方面交易建议或通过受理期货账户直接参与交易来获取收益的投资者。

现在泛指投资各类期货、期权品种的策略。它主要包括趋势跟踪、套利、中性、高频等。

这时简要谈谈使用最广泛的趋势跟踪。

趋势跟踪就是所谓的追涨杀跌，即买入已经开始上涨的标的并期望它继续上涨，卖空已经开始下跌的标的，并期望它继续下跌。

看似很简单的逻辑，包含几个关键环节：投资标的的选取、买入卖出信号的产生、资金管理方法等。

那么问题来了，趋势跟踪策略为什么能够盈利？为什么已经上涨的标的大概率还会上涨，而已经下跌的标的还会继续下跌？

目前比较公认的一种解释是，市场参与者对信息的反应存在初始时刻的反应不足以及后续的反应过度，这种行为偏差是导致价格行为出现趋势的直接原因。

趋势就如同历史轮回一样周而复始，而趋势跟踪者便是时代的弄潮儿，一波又一波地从趋势行情中收割利润。

人工智能

---

人工智能是最近几年迅猛发展的技术，而且越来越多地应用于投资行业。

人工智能的核心是算法，而这与量化投资所依赖的模型相吻合。把对历史数据的分析，应用于深度学习算法，逐渐训练一个愈加完善的模型，从而达到战胜市场的目的。

总而言之，使用人工智能的优点如下：

• 人工智能模型具有自适应特性
• 人工智能模型可以充分利用各个版本的迭代升级
• 人工智能可以充分利用快速升级的硬件和算法，深入挖掘市场深处的机遇

但它同时也具有如下缺点：

• 人工智能擅长处理信息透明的完全博弈，这与金融市场有关本质的不同
• 人工智能模型的基础是复杂的数学问题，不易理解
• 人工智能模型是个黑盒子，虽然有着直观的输入和输出，但中间过程难以解释，需要高超的使用技能

说了这么多，如果人工智能模型如此nb，那么若干年后，是不是所有的投资都会依赖于人工智能？当大家都使用人工智能模型来进行投资决策时，谁还能获利？

根据资产定价模型CAPM，那时所有投资者都会持有相同的投资组合，区别只是分配比例有所不同。

这样的市场将会是完全有效的市场，无论使用何种方法，都将无法获取Alpha收益。这样的市场不会再有任何交易发生。

这样死气沉沉的市场，也就失去了存在的意义。

所以，只要交易市场还存在，就不可能会有这样高效的人工智能模型。

很有可能，人工智能也会像现存的很多技术一样，逐步发展，优胜劣汰，只有站在人工智能背后的人，才会是最终的赢家。

在可以预见的未来，即使人工智能不断发展，人才依然是第一生产力。

小结

---

本文只是对量化基金投资的常用的策略进行了简要的介绍，其实每个策略背后，都会有很多的方向可以探究，每个方向都可以引领一个行业。

目前，国内很多的量化基金都已经使用了人工智能模型，有些也取得了不错的成绩。但总体上，这些发展仍处于较初级的阶段。

相信在未来，在与市场的博弈中，会有越来越多的策略应用其中。

而市场，作为一只无形的手，牢牢把控着发生的这一切。