從歷史上看，很多高頻交易公司的創(chuàng)始人都是交易員出身，原來(lái)就從事衍生品的做市、套利等業(yè)務(wù)。那我們知道有哪些嗎？下面是理財(cái)小編整理的量化交易的模型介紹_量化領(lǐng)域常見(jiàn)的誤區(qū)，僅供參考，希望能夠幫助到大家。

高頻交易公司和量化投資公司的區(qū)別

一開(kāi)始這些工作并不需要多高深的知識(shí)。隨著計(jì)算機(jī)技術(shù)的發(fā)展，交易的自動(dòng)化程度和頻率也逐漸提高，這些公司逐漸聘請(qǐng)一些數(shù)學(xué)、統(tǒng)計(jì)、計(jì)算機(jī)背景較強(qiáng)的人員加入以適應(yīng)形勢(shì)的發(fā)展。當(dāng)然，這個(gè)過(guò)程也出現(xiàn)了一些分化，有的公司還是保留了交易員在公司的主導(dǎo)地位，并且始終未放棄人工交易，最終形成了人機(jī)結(jié)合的半自動(dòng)交易;而另外一些公司對(duì)新鮮技術(shù)的接受程度更高一些，往往采取全自動(dòng)的交易模式。事實(shí)上，也沒(méi)有證據(jù)表明全自動(dòng)交易的公司就比半自動(dòng)交易的公司更為優(yōu)越，到目前為止，也只能說(shuō)是各有利弊。

人工交易的最大弊端在于手動(dòng)下單的地方離交易所較遠(yuǎn)，在行情劇變的時(shí)候往往搶不到單。在這一點(diǎn)上，全自動(dòng)交易的公司可以通過(guò)托管機(jī)房來(lái)最大程度減少信號(hào)傳輸?shù)臅r(shí)間，不過(guò)自動(dòng)化交易往往因?yàn)槌绦蜻^(guò)于復(fù)雜，加上很多公司人員流動(dòng)較大，在程序的維護(hù)上會(huì)出現(xiàn)一些失誤，最終程序出錯(cuò)釀成大禍，比如著名的騎士資本。

至于過(guò)度擬合無(wú)法抵御黑天鵝事件，那是人工交易和自動(dòng)交易都無(wú)法避免的問(wèn)題。一般來(lái)說(shuō)，Getco、Jane Street、SIG、Virtu Financial等是半自動(dòng)交易，Tower Research、Hudson River Trading、Jump Trading等是全自動(dòng)交易。

量化投資公司跟高頻交易公司則有很大的不同。首先，美國(guó)的量化投資公司基本上都是量化背景極強(qiáng)的人創(chuàng)辦的，比如說(shuō)文藝復(fù)興的創(chuàng)始人西蒙斯是數(shù)學(xué)家出身，DE Shaw的創(chuàng)始人David Shaw是計(jì)算機(jī)教授出身，AQR的創(chuàng)始人Cliff Asness是金融學(xué)家出身，而高頻交易公司則更多是傳統(tǒng)交易員創(chuàng)辦的;其次，量化投資一般依賴(lài)于復(fù)雜的模型，而高頻交易一般依賴(lài)于運(yùn)行高效的代碼。

量化投資公司的持倉(cāng)時(shí)間往往達(dá)到1—2個(gè)星期，要預(yù)測(cè)這么長(zhǎng)時(shí)間的價(jià)格趨勢(shì)需要處理的信息自然非常龐大，模型也因此更為復(fù)雜，對(duì)程序的運(yùn)行速度反而沒(méi)那么敏感;高頻交易處理信息的時(shí)間極短(微秒或毫秒級(jí))，不可能分析很多的信息，因此模型也趨于簡(jiǎn)單，競(jìng)爭(zhēng)優(yōu)勢(shì)更多依靠代碼運(yùn)行的效率，很多人甚至直接在硬件上寫(xiě)程序;而最后，量化投資的資金容量可達(dá)幾百億美元，而高頻交易公司往往只有幾千萬(wàn)至幾億美元，但由于高頻交易的策略表現(xiàn)遠(yuǎn)比量化投資穩(wěn)定，如Virtu Financial交易1238天只虧1天，因此一般都是自營(yíng)交易，而量化投資基金一般來(lái)說(shuō)都是幫客戶(hù)投資。

量化交易的模型

下面介紹一下量化交易的模型，從簡(jiǎn)單到復(fù)雜：

最簡(jiǎn)單的以約翰·墨菲的《期貨市場(chǎng)技術(shù)分析》為代表，最多用到指數(shù)、對(duì)數(shù)等高中層面的數(shù)學(xué)知識(shí)，通俗易懂，更適合主觀(guān)交易，或者計(jì)算機(jī)計(jì)算并發(fā)出交易信號(hào)由人手動(dòng)下單的半自動(dòng)交易。

層次高一點(diǎn)的以丹尼斯的《海龜交易法則》為代表，數(shù)學(xué)上畢竟使用了均值、方差、正態(tài)分布等大學(xué)低年級(jí)數(shù)學(xué)的內(nèi)容，策略的測(cè)試也更具科學(xué)性，而且提出了可靠的資金管理辦法，但缺點(diǎn)是依舊沒(méi)有擺脫傳統(tǒng)的、依靠交易規(guī)則的排列組合進(jìn)行交易的思路。不過(guò)，如果策略設(shè)計(jì)得好且行情出大趨勢(shì)的話(huà)還是可以有不錯(cuò)的效果。

更高一級(jí)的層次主要體現(xiàn)在交易信號(hào)的整合方面，比如運(yùn)用更現(xiàn)代的統(tǒng)計(jì)方法——回歸分析、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等對(duì)傳統(tǒng)的技術(shù)指標(biāo)進(jìn)行有機(jī)整合，并使用更嚴(yán)格的統(tǒng)計(jì)方法進(jìn)行變量的篩選及測(cè)試。考慮到金融數(shù)據(jù)的時(shí)間特征，往往需要使用滾動(dòng)優(yōu)化來(lái)獲取樣本外的測(cè)試結(jié)果，這樣得出的模型也更為穩(wěn)健。

不過(guò)，一般的程序化交易系統(tǒng)都難以實(shí)現(xiàn)這些功能，需要自己用更通用的編程語(yǔ)言來(lái)實(shí)現(xiàn)。

圖為文藝復(fù)興基金創(chuàng)始人西蒙斯講解量化投資

如果是量化投資，那么除了行情信息，還要收集整理其他基本面的信息，整理出對(duì)應(yīng)的時(shí)間序列，并融入到預(yù)測(cè)模型中。一般來(lái)說(shuō)，成功的模型不在于運(yùn)用了多高深的數(shù)學(xué)理論，而在于它整合了多少不同來(lái)源的信息。即使是最簡(jiǎn)單的線(xiàn)性回歸，如果各個(gè)參數(shù)都有很強(qiáng)的預(yù)測(cè)能力，且相關(guān)性很低，那么模型的預(yù)測(cè)效果也會(huì)很好;相反，即使運(yùn)用復(fù)雜的深度學(xué)習(xí)理論，如果選取的參數(shù)毫無(wú)意義，最后得出的模型也沒(méi)有用。目前美國(guó)一些公司不僅利用新聞等文本信息建模，甚至用到谷歌衛(wèi)星拍攝到的港口集裝箱的圖像來(lái)建模，通過(guò)對(duì)商品集裝箱的數(shù)目來(lái)預(yù)測(cè)商品價(jià)格的走勢(shì)，取得了很好的預(yù)測(cè)效果。

建模是一回事，求解模型其實(shí)也同等重要。比如說(shuō)物理學(xué)上有很多模型能精確描述現(xiàn)實(shí)，但經(jīng)常由于缺乏高效的科學(xué)計(jì)算方法而難以求解。量化交易也一樣的。參數(shù)的計(jì)算、篩選、優(yōu)化、回測(cè)等往往伴隨著巨大的計(jì)算量，如何巧妙求解是一門(mén)頗為高深的學(xué)問(wèn)。據(jù)西蒙斯透露，著名的文藝復(fù)興公司內(nèi)部有著明確的分工——計(jì)算機(jī)程序員從各個(gè)來(lái)源收集數(shù)據(jù)，物理學(xué)家分析數(shù)據(jù)建立模型，數(shù)學(xué)家構(gòu)建優(yōu)化算法并求解模型等。

3高頻、量化領(lǐng)域常見(jiàn)的誤區(qū)

量化模型無(wú)法戰(zhàn)勝黑天鵝事件

事實(shí)上，任何投資方法都是依靠歷史預(yù)測(cè)未來(lái)，都害怕黑天鵝事件，都會(huì)有回撤。量化的好處在于遇到回撤之后，可以迅速把最新的情況納入模型，及時(shí)調(diào)整，重新回測(cè)、優(yōu)化、模擬，爭(zhēng)取在最短的時(shí)間內(nèi)扭轉(zhuǎn)損失。比如文藝復(fù)興在2007年8月遭遇歷史上罕見(jiàn)的9%回撤之后，西蒙斯采取果斷措施，重新建模，在致投資者的信中他宣稱(chēng)“我們新的模型已經(jīng)發(fā)現(xiàn)了3個(gè)很強(qiáng)的交易信號(hào)”，結(jié)果在接下來(lái)的日子很快扳回?fù)p失，當(dāng)年的收益率達(dá)到80%。

長(zhǎng)期資本管理公司(LTCM)就是因?yàn)橛昧肆炕Ｐ投飘a(chǎn)的。事實(shí)上，LTCM是一個(gè)多策略基金，它的純量化交易策略最后在1998年還是賺了1億美元，它虧損最多的策略都是交易流動(dòng)性極差的柜臺(tái)衍生品，很多甚至是它自己設(shè)計(jì)來(lái)跟投行對(duì)賭的產(chǎn)品，遇到黑天鵝事件無(wú)法及時(shí)清理頭寸。這些產(chǎn)品一般只是在定價(jià)時(shí)候使用量化模型輔助一下，具體的交易執(zhí)行、產(chǎn)品設(shè)計(jì)、銷(xiāo)售等都跟量化無(wú)關(guān)，一般認(rèn)為L(zhǎng)TCM的破產(chǎn)更多是因?yàn)榱鲃?dòng)性風(fēng)險(xiǎn)，跟模型關(guān)系不大。

高頻交易損害投資者利益

像《Flash Boys》等書(shū)籍的觀(guān)點(diǎn)其實(shí)都很有爭(zhēng)議的，只不過(guò)作者文筆極佳，敘事手法極富煽動(dòng)性，所以才吸引了眾多的眼球。除了媒體之外，應(yīng)該說(shuō)美國(guó)目前要求禁止高頻交易最為強(qiáng)烈的，基本上都是當(dāng)年的傳統(tǒng)交易員。正因?yàn)樾屡d的、依靠先進(jìn)技術(shù)的高頻交易公司把他們打敗了，他們心有不甘，所以才組織更多的力量來(lái)進(jìn)行反擊。由于這些人都是市場(chǎng)老手，所以對(duì)這個(gè)市場(chǎng)還是非常熟悉的，提的觀(guān)點(diǎn)也有可取的地方。

在國(guó)內(nèi)，現(xiàn)在期權(quán)準(zhǔn)備上市，股票也很可能開(kāi)放T+0。對(duì)這兩塊“肥肉”，國(guó)外高頻交易商早就垂涎已久。如果說(shuō)在期貨高頻領(lǐng)域，我們還能依靠在程序化交易上的豐富經(jīng)驗(yàn)與國(guó)外抗衡一下，那么在期權(quán)和股票高頻領(lǐng)域，我們的實(shí)踐經(jīng)驗(yàn)為零，跟國(guó)外的差距更大。對(duì)此，筆者認(rèn)為，我們一方面不能妄自菲薄，覺(jué)得外資太厲害就干脆不做了;另一方面也不能急于求成，妄想一年半載就要取得很大的成績(jī)。凡事都要本著謙虛謹(jǐn)慎的態(tài)度，國(guó)外很多高手來(lái)到國(guó)內(nèi)都是先研究一年才能穩(wěn)定盈利，國(guó)內(nèi)的人基礎(chǔ)較薄，研究周期要長(zhǎng)一些，比如第一年做準(zhǔn)備工作開(kāi)發(fā)系統(tǒng)，第二年逐漸打平手續(xù)費(fèi)，之后開(kāi)始盈利，或許更為合理。策略研究要慢工出細(xì)活，急于求成，頻繁改變研究方向，最終很可能一事無(wú)成。