Financial&Quantopian(不断更新中)

Financial&Quantopian(不断更新中)

基本理论&术语

Alpha或者(额外收益Excess Return)

超过最好回报的收益。最好回报我们一般用股票指数作参考线。
普通量化研究员做的是投资组合优化/下单策略/清洗数据/资产定价等。极少数才能接触到核心的alpha策略。

寻找阿尔法

寻找alpha并不是大多量化基金一开始首要做的事情。
下单系统/数据分析/回测模型/仓位调整(position sizing)/模型优化才是决定策略行得通的要素。
c

专业术语

杠杆内资产(AUM)
trend(趋势交易)，mean reversion(区域交易)，pair trading(相对交易)
夏普比例SharpRatio,对冲基金平均值约为X
套期保值–期货
CDS信用违约互换
VaR模型即在险价值模型，经常用来衡量风险。
BS模型，布莱克-舒尔斯-墨顿模型Black–Scholes–MertonModel，为期权/权证等衍生工具定价的数学模型。
cc

头部机构&公司

城堡投资(Citadel)、高频交易公司Hudson River Trading等大型对冲基金
cc
cc

框架

框架一般结构

量化框架一般包括如下元素

• 1，Cerebro。大脑，统管后面所述所有元素。
• 2，Data。数据流，比如日线的股票。
• 3，Strategy。策略，买入/卖出的逻辑。
• 4，Signal。信号，一般在stragegy中使用。
• 5，Observer。观察指标，日线的话，每天都有值。
• 6，Analyzer。分析指标，回测完后计的指标。
• 7，Writer。将回测记录写入到文件。
• 8，Broker。券商，设置起始资金、佣金等。

主流平台&机构

盈时

Joinquant聚宽

Ricequant

成立时间： 2014.12
cc

优矿

成立时间： 2015.10
服务： 可以自己编写代码，生成策略（有代码显示）
目标客户： 刚入门的quant，有编程基础

BigQuant

Backtrader

backtrader–基于Python的框架，内置talib指标库/analyzer分析库等功能，具有回测速度快、易用性高以及扩展性好等特点。

实操案例

Backtrader同时跟踪eth和btc心得若干

• [https://zhuanlan.zhihu.com/p/571579503]

backtrader教程（二）- 框架篇

• [https://zhuanlan.zhihu.com/p/402545761]

关联文档

已知国内量化平台的比较
[https://www.zhihu.com/question/35097533]

交易指令

FAK或FOK

FOK即立即全部成交否则自动撤销,指在限定价位下达指令

• 郑商所期货不支持FOK指令

FAK是指成交多少就是多少,不能成交的部分则全部撤销

• FAK指令撤单不会计入交易所撤单统计，避免了撤单超限被交易所处罚
• 部分成交时撤单，有时需要统计成交手数，以此计算下一次开仓手数。
• 所有交易所期货/期权都支持FAK，因此FAK适合做高频交易，但高频容易出现滑点

cc

理论模型演化

投资组合理论

Markowitz在1952年提出了投资组合理论，通过分散投资到一篮子资产，降低组合风险。

期权定价理论

用复制策略定价算是彻底给大家洗了脑。看似浑然一体的金融产品原来还可以拆成更小的模块。
期权能拆成股票和波动率，那信用债也能拆成利率债和CDS啊。
利率债还能拆成通胀掉期（inflation swap）和通胀保值债券（TIPS）。
有了金融工程的加持，金融业开始了工业化进程。
可以往小拆，也可以往大攒。找一堆债权打包，再分成劣后/夹层/优先级，于是有了CDO。后边的故事大家都知道，一不留神，炸了。
爆炸直接抹杀了传统投资组合理论的卖点：在我们最需要分散化的时候，它竟然出问题了。

2008年危机分析&解决之道

传统投资组合

2008年危机期间，各风险资产同时暴跌，无一幸免。
方差协方差方法说白了是利用资产之间的相关性小于100%，各资产不会同时下跌，从而降低组合的风险。但真到危机时，所有老板都带小姨子跑路了，那原价100多的资产通通20块。
瞬间相关性同时飙到100%，学术一点说，这叫多重共线性。
传统投资组合理论可以死的妥妥的了，Black-Litterman扩展也不行。

分散化

虽然大类资产之间的分散化已经求而不可得，但是我们可以放下执念，从策略的维度追求分散化。
其实是将多重共线性的资产价格降维到正交化到策略因子上。
cc
cc

Momentum 趋势策略

追涨杀跌,人的本性。一将功成万骨枯的修罗场。
价格走势虽然短期是正自相关，但长期却是负自相关的。一旦留恋在价值幻觉中，很容易被逆转埋葬。
关键是找到合适的参数，在趋势启动之初快速入场，而趋势逆转时能坚决地止盈，
中间震荡期又能腾挪，减少左右打脸。
很多对冲基金通过可校准的量化模型来执行这些策略，长期获得了可观的alpha，
比较有名的如Man Group等。
趋势策略实质上是做多波动的(UnhedgedLongGamma)，就像做多一个跨式期权组合，免期权费那种。
在市场暴涨暴跌的时候表现最好，比如2008年。这就使它与传统投资组合的相关性非常低，能提供有效的分散效应。
2010年之后市场波动被各国央行熨平，造成策略长期横盘，下图可见近几年CTA策略的挣扎。
cc

Value 价值投资策略

1934年由格雷厄姆提出，并被他的信徒巴菲特发扬光大。作为死硬理性派，被趋势投资者高估的网红他们瞧都懒得瞧一眼。
拿财务报表分析股票、从宏观经济周期分析利率、从供需分析商品、汇率都是他们的最爱。
90年代Fama提出的多因子模型、以及债券市场的相对价值交易又给这个策略增添了新武器。
虽然这个策略市场容量最大，应用也最广，但我总感觉不适合我们小韭菜。
因为它的试错成本太高。人生苦短，周期太长。一个好的入场机会很可能要等上4、5年。

Carry 息差策略

80年代美国利率市场化之后，carry策略找到了它最大的宿主。看看过去30多年长期利率和短期利率的关系，只要借入短期资金，买入长期债券，长远来看是稳赚不赔的。
Carry策略本质是做空波动的（UnhedgedShortGamma），在平稳时利润丰厚。
但市场大波动时，它能揍得你无法自理。要挣风险溢价就要有风险管理能力，这也是当年Bankers Trust发明VaR模型的源动力。

趋势策略和carry策略是天作之和，相关性为负，配合使用疗效更佳。

Volatility 波动率策略

波动率策略是器材党。还没入门，先推一堆公式、码程序，delta、gamma、vega一个都不能少。
波动率是价格的二阶矩，已经复杂一个维度。再加上利率，不是一个点而是一条曲线，又加一个维度。
利率的波动率都不叫曲面了，叫波动率cube。
神奇的是，在大一统模型HJM中，整个利率世界真的是波动率cube演化来的。
波动率产品的敞口很多，一二三阶的。别说普通人，做市商的交易员有时也不知道自己的模型在搞啥。
敞口多操控感就强。螺蛳壳里能做道场，一道波动率的菜，就能炒出趋势、价值、carry几种味道。
cc

全天候基金

离开纽交所的Dalio开了一家顾问公司，从帮助麦当劳对冲鸡肉成本开始，他实践出一套核心逻辑：财富增长和债务杠杆的不协同形成经济周期。
而每个资产或者负债的现金流主要受增长和通胀因素驱动。如果我们无法预测周期，那怎么才能旱涝保收呢？
既然未来无法预测，不如配置一个组合，让它在各种情景下收益和风险都是差不多的。于是我们韭菜的福音-全天候基金-诞生了。
cc

Expected Return

文章作者Clifford Asness and Antti Ilmanen
“Expected Return”（2011年）这本书和AQR的另外一篇文章“AQR 20 for Twenty (2018)”书中“The 5 Percent Problem”（写于2012年）有很强的关联。
这两篇文章都是Ilmanen参与研究的课题。
“Expected Return”（2011年）这本书主要介绍了长期收益的来源和捕捉方式。我们有什么长期有效的策略来满足长期收益的要求。
“The 5 Percent Problem”这篇文章介绍了怎么保证5%的长期实际收益。
两文都是在探索长期预期收益。长期预期收益应该定在多少？如可满足长期预期收益，应该怎么做？

《Expected Return》汇总研究了这三个观察投资的维度：从传统的大类资产维度、从策略维度，从经济驱动因子维度。
2010年之后，央行的全面介入造成很多事件没有历史经验可循，多位大侠纷纷折戟沙场。
而Dalio和Asness掌舵的桥水和AQR却表现良好，逆势上涨。
用Asness的话来说，虽然策略还是那些策略，但是他们不再下重注在一两个交易或者策略上，而是建立流水线化的策略库，依靠数量优势，让大数定理发挥作用。
cc

情景分析

通过工程学将资产解剖到最基础的因子，那如何组合它们才是最优的呢？

桥水给的答案是风险平价（risk parity）。但是，作为胆小的韭菜，我对用波动率衡量风险抱有天然的排斥（包括夏普比率、甚至VaR）。因为最终杀死你的不是每天的随机漫步（马可夫链），而是在极端情况下的一路下跌（极强自相关）。

最后的重任就留给了情景分析。
对此期权交易员并不陌生，奇异期权定价就是参考了未来股票和波动率的千百万种可能。而过去几年几家大卖方已经将这个逻辑扩展到了资产组合。
参考CVA中对未来敞口计算的框架

• 用RealWorldProbability模拟未来风险因子路径，然后用non-arbitrage的方法对未来的衍生品敞口估值。
• 当然还是不能盲目依赖模型，还需要交易员根据自己头寸特点对某些特殊的情景进行压力测试。

组合MtM的未来分布: 对VaR模型的升维扩展。我们不仅关心一天之后的损益，而是将整个市场（股票价格、利率曲线、波动率曲面等）沿时间轴向前推演，根据不同情景下的损益来随时动态优化我们的交易。
听起来像不像AlphaGo？所有看似复杂的理论最后都皈依到基本的逻辑。

cc

系列文章

Know Your Weapon: 从XIV的自我毁灭说起 （笔记005）
[https://zhuanlan.zhihu.com/p/31169266]
你不知道的Black Scholes：雏形 (笔记006）
[https://zhuanlan.zhihu.com/p/30975465]
从LIBOR到SOFR：对中国基准利率曲线的启示 （007）
[https://zhuanlan.zhihu.com/p/38337365]
1987黑色星期一：波动率曲面的崛起（008）
[https://zhuanlan.zhihu.com/p/31169266]
信用危机十年：2008的罪与罚（笔记009）
[https://zhuanlan.zhihu.com/p/39277853]
货币政策的传导 、基准曲线的形态、及LPR的困局（笔记010）
[https://zhuanlan.zhihu.com/p/43109547]
正太的凝望 | 利率期权与利率曲线模型（笔记011）
[https://zhuanlan.zhihu.com/p/66719424]
从美联储走过的弯路看我国货币政策框架改革（笔记012)
[https://zhuanlan.zhihu.com/p/323600594]
从Archegos中概股爆仓说金融业基础设施建设
[https://zhuanlan.zhihu.com/p/360914139]

理论到模型

量化奠基人

詹姆斯·西蒙斯(James Simons)
其运作的大奖章基金(Medallion)在1989-2009的二十年间，平均年收益率为35%，若算上44%的收益提成，则该基金实际的年化收益率可高达60%，比同期标普500指数年均回报率高出20多个百分点，即使相较金融大鳄索罗斯和股神巴菲特的操盘表现，也要遥遥领先十几个百分点。最为难能可贵的是，纵然是在次贷危机全面爆发的2008年，该基金的投资回报率仍可稳稳保持在80%左右的惊人水准。

优缺点

量化优势在于纪律性、系统性、及时性、准确性和分散化。

一些理论框架

随机游走

随机游走就是没法预测的
cc

自回归模型

Ernie的AR模型

什么形态可以用AR模型
cc

网格套利的底层逻辑

本质上是一种通过重复价格涨跌波动的交易方法。下跌时，分档买入，上涨时，分档卖出。
一种程序行为。像渔网一样，利用市场波动在网格范围内低买高卖，反复循环差价赚利润。
cc

简单的例子 --> 把钱分两份

一份立即买入你喜欢的股票或基金，另一份备用。
如果你买的股票或基金继续下跌，你会拿出口袋里的钱来增加头寸；
相反，如果你买的股票或基金上涨，把它们卖掉，把钱放进口袋。
重复这个操作，你的账户会有越来越多的钱。

香农的魔鬼

假设一只股票从1块涨到2块，然后从2块跌到1块，你该怎么办？
如果要投资200元，秘诀就是拿100元买股票/另100元做空，
然后你要做的就是保持股票市值等于总现金。
如果股票先跌再涨，结果是一样的，你可以赚25元。
内在原理：凯利公式
网格套利的底层逻辑及实操案例图 [https://zhuanlan.zhihu.com/p/450290001]

用凯利公式再次检查香农的魔鬼，上涨时翻倍，相当于你赌一块，赢了庄家给你两块，下跌时折半，
相当于你赌一块，输了，庄家退5毛。
根据这些信息，凯利公式可以计算香农魔鬼的最佳位置:f=p/a-q/b=0.5/0.5-0.5/1=0.5。

这就是香农魔鬼的秘密。凯利公式计算的最佳投资比例是投资一半，
这就是为什么香农每次都需要调整到同样的市值。

那么香农的策略一直在玩，他能赚多少钱？

根据上述凯利公式推导过程，可以看出C=(1+0.5×1)^NP*(1-0.5×0.5)^NQ，
假设从长远来看，上升和下降的概率相等，NP=NQ=n，结果是(1.5×0.75)^N=1.125^N。
换句话说，香农的资产将以1.125n次方增加。

香农的魔鬼暗示两者概率相等。
所以现在我们要考察一下涨一倍和跌一半的概率是否一样？

凯利公式

一般凯利公式如下：f=(pb-q)/b。
cc
cc

复利的魔咒

cc

数学模型

MACD公式展开可以看作数值分析里面数值微分公式的变体

• 详解macd计算公式 [https://zhuanlan.zhihu.com/p/260023504]

Ernie Chan那几本各种推导的书公式是挺漂亮，但是回测曲线难看
cc

理论落地实践

前置检测

先进行白噪声检验.再进行平稳性检验，再定阶数。

平稳性检验

开仓条件

空头
多头

出场条件

完整策略

一个完整的策略需要包含输入、策略处理逻辑、输出; 策略处理逻辑需要考虑选股、择时、仓位管理和止盈止损等因素。

量化投资的基本动作

选股

择时

仓位管理

止盈止损

cc

策略的生命周期

一个策略往往会经历产生想法、实现策略、检验策略、运行策略、策略失效几个阶段。

产生想法

实现策略

检验策略

策略实现之后，需要通过历史数据的回测和模拟交易的检验，这也是实盘前的关键环节，
筛选优质的策略，淘汰劣质的策略。

实盘交易

策略失效

市场千变万化，要实时监控策略的有效性，一旦失效，要及时停止策略或进一步优化策略。

关于因子

有哪些可以挖掘因子、研发因子、学习新因子的路径？

因子失效

因子失效、因子同质化严重等等都是每个做量化人心中的担忧和结缔，何不试试遗传算法来自动挖掘因子呢？深度学习、机器学习等都可以实现自动挖掘因子。

带涨跌停限制

代码实现

开平仓函数

调仓

OpenClose也能实现目标调仓的功能，且比TargetPosTask更为灵活
c

成交条件

严格以指定价格成交，此时应以对手价达到指定价为下单条件

异常场景

滑点

网络延迟出现不利滑点主要存在于逆势开仓和止盈时

• 网络延迟问题需要配备更好的网络环境

行情波动太快出现不利滑点主要存在于突破开仓和止损时

• 止损应当第一时间止掉以免止损扩大

针对行情波动太快导致开仓不利滑点

• 把大单拆成小单，在价格满足条件时再分批下单，可减少总体滑点

Matrix扩展

借助autoML

关于AutoML，你想知道的都在这里！
[https://zhuanlan.zhihu.com/p/93109455?from=groupmessage]

他山之石

一些参考方案

天河一号策略(智能量化交易机器人)属于网格波动套利策略+鹞鹰趋势策略+巨浪趋势策略的组合版，投资组合6个币种，BTC,ETH,EOS,LTC,BCH,XRP
期货最优套期保值比率的估计
cc

一些看法

“不管是从文献上来看，还是从实践上来看，择时都是亏钱的，从基金经理、到上市公司股东、到个人投资者，基本都亏钱，所以不要做择时。”
“在不择时的情况下，指数增强的产品是最好的选择，因为你想挣钱那仓位就得重。”
Kelly formula的人说一半的仓位能够产生75%的相同的利润，减少一半的风险。
cc

市场标的物一览

香港恒生

看多杠杆ETF简称以FL或XL开头，看空杠杆ETF简称以FI或XI开头。

参考书

对冲基金与量化交易解密
[https://zhuanlan.zhihu.com/p/178262560]
如何利用自回归模型构建日内高频策略
[https://zhuanlan.zhihu.com/p/336355879]
如何深入理解时间序列分析中的平稳性？
[https://www.zhihu.com/question/21982358/answer/2611760310]
从鸡蛋期货开始的量化入门
[https://www.zhihu.com/column/c_1408418768805097472]
Backtrader基础代码
[https://zhuanlan.zhihu.com/p/459388096]
我的小逻辑：一个韭菜的进击(金融读书笔记003)
[https://zhuanlan.zhihu.com/p/432931771]
如何理解分位数回归风险价值VaR模型？
[https://www.zhihu.com/question/29898034]
你不知道的Black Scholes：雏形 (笔记006）
[https://zhuanlan.zhihu.com/p/30975465]