時間：2023-06-30 17:22:32
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇期貨量化交易策略，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
【關鍵詞】量化投資；阿爾法策略；期貨策略；做市商策略
一、背景介紹
量化投資是金融領域相對前沿的一門學科，它強調將數學、物理、統計、計算機等數量的方法與投資結合賺取收益。在國外，量化投資已經有幾十年的發展歷史，但是在國內由于市場因素等方方面面的限制，該領域處于朝陽期，發展的機會巨大。目前狹義的量化投資包括追求股票中性收益的阿爾法對沖策略，追求高收益的期貨策略（包括股指期貨和商品期貨策略），以及在國內市場尚未成型的做市場策略等。
二、量化投資理論闡述
（一）經典量化投資理論
阿爾法對沖策略的理論模型來自于CAPM模型以及APT模型，其基本思想就是選出具有正阿爾法收益的股票：將來自市場的貝塔風險對沖，最終獲取阿爾法收益。具有阿爾法收益的股票在生活中隨處可見，在大牛市中，如果前期漲的比較好的股票在之后也會有很好地表現，這樣的股票具有動量因子；在超跌的行情中，前期跌的過于兇猛的股票在后期有比較好的表現，這樣的股票具有反轉因子；諾比爾經濟學獎得主法瑪和弗蘭奇曾經發現小市值成長因子具有顯著超額收益，并提出了著名的法瑪弗蘭奇三因子模型。阿爾法策略的核心一方面在于選取合適的數學模型，另一方面在于從投資的經驗中尋找能夠帶來超額收益的因子。
阿爾法對沖策略在大牛市當中不及股票純多頭策略。以2015年上半年大牛市為例，阿爾法策略基本跑不贏指數；反之，一些比較搶眼的股票純多頭策略取得了100%以上的收益。但是在接下來的幾次黑天鵝事件中，股票純多頭產品紛紛清盤，其中不乏一些大牛；但是比較穩定的阿爾法產品在市場大跌時凈值依然在穩步上升。目前阿爾法對沖策略的壓力來自于兩方面，一方面由于投資者對市場的悲觀情緒導致股指期貨持續貼水，另一方面監管層對于股指期貨的限制使得阿爾法策略開發者變得更加謹慎。但是鑒于其科學的方法和可靠的控制風險的能力，阿爾法策略的未來非常光明。目前國內阿爾法對沖策略的頂級私募包括尊嘉資產、寧聚資產、金锝資產等；公募阿爾法的權威包括富國量化基金經理李笑薇女士等。
期貨多空策略主要包括股指期貨與商品期貨策略。期貨的T+0的交易機制使得程序交易可以更為方便的進行。最基本的期貨策略就是穿越均線策略，例如當期貨上穿60分鐘均線則認為其上升勢頭已經形成，進而做多；如果期貨下穿60分鐘均線，則認為其下降勢頭已經形成，平多頭同時做空頭。主觀投資者的虧損很大一部分原因來自于交易缺乏紀律性，但是程序化期貨成功的克服了交易者的這一行為金融學弊端。最直接的例子仍然是這次股災，由于股市期貨在股災期間存在著明顯的下行趨勢，多數成熟的期貨多空策略均發現這一下行趨勢并多空。股災期間股指期貨多空策略賺得盆滿缽滿，但是某種程度上程序化交易也加重了市場的趨勢效應。目前國內期貨策略的頂級私募包括淘利資產、黑翼投資等。
做市場算法在國外是一個高速發展的領域，最為杰出的代表就是西蒙斯的文藝復興基金。索羅斯、巴菲特為大家所熟知，但是西蒙斯這個名字就要低調得多。在過去十幾年，文藝復興基金獲得了年化35%的收益。文藝復興基金雇用了大量數學、物理、統計學博士，通過機器學習算法等，對市場上的微觀交易行為進行細致的分析，以‘薅羊毛’的方式不斷吸取收益。我們傳統投資者很難捕捉交易當中微觀交易結構，但是高頻交易者可以從一系列的買賣競價單中挖掘市場中的交易動態，發覺我們肉眼難以發現的蛛絲馬跡。
（二）廣義量化投資理論
更為廣義的量化金融包括一切基于數量理論對金融市場的研究。萬物皆數，學科相通，無數的智慧可以應用于金融市場。股市泡沫對于廣大散戶而言是一個虛無縹緲的事物，但是物理學中的模型卻可以將股票泡沫以一個數量的形式呈現。LPPL模型，就是地球物理系中的對數周期性冪律模型，其創始人Sornette曾多次成功預言股災的產生；劉淳等將貝葉斯方法應用于股市的變結構研究，并得出具有參考價值的理論：重大金融事件的發生往往會帶來股市內在結構的變化；人類的智慧是相通的，現在化學、物理學、生物學、計算機科學、數學等學科的跨學科領域研究已經取得了重大進步，相信在將來金融學這一社會科學領域的學科將會越來越多的出現自然科學的身影。
目前國內金融市場正在逐漸走向大資管時代，越來越多的投資者會通過專業的投資者將資金投入市場。量化投資與傳統主動投資乃是武俠中的“劍宗”與“氣宗”，兩者各有長短。在大資管時代兩大流派將會各霸江山。巴菲特般股神將會不斷創造著財富神話，西蒙斯般的科學達人們也會不斷將人類的智慧充分的應用于金融市場；并且隨著市場競爭的加劇，成熟的投資者將管控著更多的財富。未來如何風云劇變？我們拭目以待。
參考文獻：
[1]EUGENE，F.“The Cross-Section of Expected Stock Returns.”The Journal of Finance，47.2 （1992）：427-465
[2] Sornette，Didier，Ryan Woodard，and Wei-Xing Zhou.“The 2006C2008 oil bubble：Evidence of speculation，and prediction.”PhysicaA：Statistical Mechanics and its Applications，388.8 （2009）：1571-1576
[3] 劉淳，劉慶，張晗.使用 Bayes 方法識別股市變結構模型[J].清華大學學報：自然科學版，2011，51（2）：245-249
摘 要 程序化交易是將交易策略量化，以編碼的形式寫入計算機，當市場中的價量關系觸發交易策略進行開平倉的方法。程序化交易策略有證券和期貨兩個領域之分，相對于證券程序化在期貨中有著更大的發展，既有傳統的日內交易策略、大趨勢交易策略、組合策略和套利策略又有國外先進的高頻交易策略，但是這些都避免不了“黑盒”的局限性。
關鍵詞 程序化交易 期貨交易策略 局限性
一、程序化簡介
程序化交易、量化投資伴隨著中國金融創新的步伐，越來越走近普通投資者。程序化交易是指策略開發人員將交易策略量化后，以編碼的形式寫入計算機。當市場中的價量關系觸發交易策略時，交易系統自行發出多空訊號，并且有效控制量價的變化關系。
程序化交易最大的優點是克服人性的弱點，在實盤交易中，人一些情緒化因素，例如貪婪、恐懼和焦慮等都會被無限放大，而這些因素都會或多或少地影響既定交易策略的執行，正如很多投資者深刻地體會，做交易與其說是和市場博弈，倒不如說和自己的心魔斗爭。而計算機則是在嚴格執行交易策略，靠模型的概率贏得市場的超額收益。同時，程序化交易在搶單，多策略執行等方面的表現也遠遠超過了人類自身的限制。
二、程序化的策略類型
程序化策略現在主要應用在證券和期貨兩個領域。根據這兩個領域交易規則的差異策略方法又不盡相同。我國的二級市場主要是T+1的交易規則，故程序化交易具有很大的局限性。機構投資者在二級市場上主要使用ETF套利、定價套利、指數套利等策略方法。
ETF套利主要根據一二級市場的價差進行買賣的套利行為，主要分為兩種方法：“溢價套利”是先在二級市場買入一籃子股票組合，然后從一級市場申購ETF，同時當日將申購的ETF份額當日賣出；“折價套利”是在一級市場買入ETF份額，然后申請贖回后將股票組合在二級市場賣出而賺取差價。根據一二級市場的價格偏差套取利潤。
定價套利和指數套利則是利用市場價格的非理性，依據定價模型提前研判后續股價的走勢，從而做出的買賣動作。
而在期貨市場上，T+0的交易規則賦予了程序化交易新的活力，其中量價策略和模式識別策略更是大行其道。不管是哪種方法，都是基于技術分析，根據市場本身的運行特征，形成固定的交易策略模式，當量價關系觸發到相應指標時，會第一時間發出買賣信號。目前國內比較成功的交易策略主要分為4類：日內交易策略、大趨勢交易策略、組合策略和套利策略。
日內交易策略，就是在交易日內進行開平倉操作的策略，不留倉過夜，只做日內波段。該策略大部分基于1分鐘、5分鐘和15分鐘的k線開發的，依據市場上已經存在的量價間關系，形成突破買入，日內止盈止損的方法。
大趨勢交易策略，主要基于技術面和量化基本面，通過技術面和基本面的諧振，進行大規模的買入賣出，抓住主要波段。該策略建倉規模較大，留倉過夜，直到基本面發生變化時才出場。
組合策略，將資金嚴格分配到各個品種上，同時操作，對多個相關品種進行買入賣出，依據資金管理的GARCH模型和多個品種的相關聯動性，采取智能的交易方式。
套利策略可以分為很多小類，例如期限套利，跨期套利，跨市場套利等，該策略主要利用價差的均值回歸特性，在不同的合約上進行買賣，從而穩定地獲取利潤。比如IF1310合約，現價是2437，而其標的滬深300則是2432，到達交割日的時候，期貨價格將以現貨的價格進行交割，簡而言之就是他們的價格將回歸一致。此時若做空IF1310合約，做多滬深300指數，則可以在交割日套取5*300=1500元的利潤。
隨著金融市場的發展，新的程序化策略也在逐步進入國內市場，高頻交易就是最近炒得很熱的一個話題，其利用復雜的計算機技術和系統，以毫秒級的速度執行交易并日內短暫持倉。
其主流的交易策略有做市商策略和訂單流策略，做市商策略試圖通過為市場提供流動性來獲取利潤，不進行方向性的下單，多數是雙向下單，通過提供不同買賣報價的訂單而獲得薄利。而訂單流策略，通過分析市場中即時的盤口數據，根據短時間內買賣訂單流的不平衡進行超短交易的策略。
〔關鍵詞〕量化投資；滬深300股指期貨；分形協整
中圖分類號：F83091文獻標識碼：A文章編號：10084096（2015）05008506
一、引言
奧斯本的隨機漫步理論和法瑪[1]的有效市場假說認為，技術分析是無效的，在證券交易中，一個根據證券歷史價格構造的投資策略，不會比一個消極的買入并持有策略取得更好的收益。然而，技術分析的支持者卻認為，按照證券的歷史信息進行交易會比僅僅跟隨市場交易取得更高的收益。近年來，國內外出現了很多支持技術分析有效性的實證研究，為技術分析提供了理論支持。隨著計算機技術的迅猛發展，技術分析通過與之結合，其應用范圍與功效都得到了前所未有的進步，算法交易與量化投資作為市場上的新興產物，得到了很多投資者的青睞。
量化投資在國外的發展已經有三四十年的歷史，投資業績穩定，市場份額不斷擴大，得到越來越多投資者的認可。然而，國內的量化投資領域還處于發展起步階段，量化投資占金融投資的比重不超過5%。隨著中國2010年滬深300股指期貨的出臺，量化投資在國內市場的發展潛力逐漸顯現，各大券商和機構投資者紛紛對量化交易展開深度研究。
隨著2010年4月中國滬深300股指期貨的推出，國內金融衍生產品市場逐漸完善，滬深300股指期貨的上市交易宣告了中國股市不能做空的單邊市場的結束，也為投資者提供了套期保值規避風險的工具。同時，股指期貨的上市，提高了對國內投資者的投資要求，機構投資者在交易中面臨著更大的考驗，因而新興的算法交易和量化投資等投資策略在此時顯現出更大的優勢和更好的發展前景。
本文對滬深300股指期貨的日開盤價和收盤價數據進行研究，發現了二者之間的分形協整關系，通過建模、預測，構建一個基于最高價和最低價之間關系的量化投資反轉策略。在理論意義上，本文將分形協整的概念應用于對證券價格的預測中，將局限于整數維差分的誤差修正模型拓展到基于分數維差分的分整誤差修正模型，提高了預測精度，為日后金融或其他領域的非平穩時間序列的研究和時間序列之間長期趨同性的研究拓寬了思路。在實用價值上，本文提出的基于證券最高價和最低價預測的反轉策略會為市場上的投資者提供一種新的參考方法和新的投資思路，有利于推行量化投資在股指期貨市場的發展。
二、文獻綜述
國外的一些研究在幾年前已經開始著眼于最高價和最低價之間的協整關系，Brandt 和 Diebold[2]認為最高價和最低價之間的差價是股價波動率的一個重要的指標，Brunetti 和 Lildholdt[3]將差價這一變量加入到一些隨機波動模型中來獲得有用的信息。Murphy[4]通過對投資者心理的研究分析得出了技術分析中壓力線和支撐線的存在。Cheung等[5]認為差價的兩個組成部分最高價和最低價也是值得深入研究的，他根據二者之間長期均衡的關系，提出了用向量誤差修正模型VECM對其建模并預測。1980 年前后，陸續有學者將長記憶模型引入到經濟和金融問題的研究中來，Stakenas[6]針對一些存在長記憶性的時間序列，提出了分形協整的概念。Johansen和Nielsen[7]提供了分整向量誤差修正模型的條件最大似然估計方法，將傳統的滯后算子L改進為分形滯后算子，估計出協整階數d、b，調整參數矩陣α等參數。Caporin等[8]以美國道瓊斯工業指數中的成分股價日數據為樣本，運用分整向量誤差修正模型估計了最高價和最低價并且證明了二者之間的分形協整關系，實現了分整向量誤差修正模型在股票市場上的應用。Brock等[9]發現大多數的基于技術分析指標的交易策略與買入并持有策略相比，會得到更高的收益和更低的波動率，Gradojevic和Gentay[10]討論了交易的不確定性，并用基于模糊交易的指標解決了這一問題。
近年來國內的一些研究將時間序列之間的協整關系轉移到了分形協整關系。孫青華和張世英[11]在一般的協整關系研究中加入了分形理論，解釋了時間序列的長記憶性和分形協整之間的關系，提出可以據此建立相應的長記憶性協整系統的誤差修正模型。吳大勤[12]將一般時間序列的整數階差分擴展到長記憶性序列中的分數維差分，以滬深股市為例，提出了長記憶性下的分形協整，進而將協整建模的技術同FIGARCH結合，得出了二階基礎上長期均衡的一些性質。趙進文和龐杰[13]通過實證分析證明了中國等發展中國家的股市大多存在明顯的長記憶性，對中國內地A股和香港地區H股兩個分隔市場分別建立能夠反映其收益率波動的FIGARCH模型，證明了兩個市場的聯動性。曹廣喜[14]以中國股市的長記憶性和分形特征為基礎，分析宏觀經濟政策對股市波動性的影響。以往的技術分析多是利用證券的日收盤價數據進行的，而王錦[15]證明了一個結合了最高價、最低價的股票預測方法比單純的以收盤價為基礎的預測方法有意義，因為它們分別代表了市場的支撐位與阻擋位，要比其他交易價格包含了更多的關于市場反轉點的信息，并且通過VAR 模型分析了 最高價、最低價、收盤價三者之間存在著明顯的協整關系。技術分析中一個重要的方法就是基于壓力線和支撐線的反轉策略。陳卓思和宋逢明[16]得到股票價格的局部極值點，結合Murphy的研究說明了基于壓力線和支撐線的反轉交易策略是可行的。謝丁[17]對六類壓力支撐類股票技術分析指標進行了實證研究，通過計算股價波動與壓力支撐類指標各分析量之間的相關關系，驗證股價波動與該類技術指標的相關性，從而實證了壓力支撐類指標的有效性。
從以上文獻中可以看出，國內對分形協整研究的應用局限于不同市場間的收益率波動，而很少有研究單種證券日最高價和最低價之間的分形協整關系，而且一個結合了最高價、最低價的預測方法比單純依靠收盤價更為可靠，因而本文將根據最高價和最低價的分形協整關系構造一個反轉交易策略，并證明該策略的超額收益。
二、滬深300股指期貨最高價和最低價的分形協整關系檢驗
（一）協整關系檢驗
協整過程是針對具有單位根的非平穩時間序列提出的。對于一個n維向量時間序列yt，如果每一個分量序列yit （i= 1，2， ，n ），均為一單變量單位根過程（即滿足yit～I（1）），且存在非零的 n 維向量α ，使得各序列組成的線性組合α′yt為一穩定過程，即α′yt～I（0），則稱向量時間序列yt是協整的，α為其協整向量。以兩個變量y 和x 為例，設y 和x 都是一階單整序列，則 EG 兩步法的具體檢驗步驟為：第一步，利用最小二乘法估計模型，并計算相應的殘差序列。第二步，檢驗殘差序列的平穩性。
常用的單整檢驗有DF檢驗（Dickey Fuller檢驗）、ADF檢驗（Augmented Dickey Fuller檢驗）和PP檢驗（Phillips Perron）。如果經過 DF 檢驗（或 ADF 檢驗）拒絕了原假設殘差序列是平穩序列，則意味著y 和x 存在著協整關系；如果接受了存在單位根的原假設，則殘差序列是非平穩的，y 和x 之間不可能存在協整關系。
2滬深300股指期貨最高價和最低價的協整關系檢驗
本文對滬深300股指期貨最高價和最低價數據進行協整檢驗，選取日數據，樣本區間從2010年4月16日到2014年12月31日。分別對滬深300股指期貨最高價和最低價以及差價做ADF檢驗，結果如表1所示。
從表1可以看出，最高價和最低價都是一階單整序列，對二者線性回歸后的殘差序列μ進行ADF檢驗，可以看出殘差序列是平穩的，最高價和最低價之間存在協整關系。對二者線性組合后的序列R=H-L進行ADF檢驗，可以看出，差價R序列也是平穩的。
（二）長記憶性檢驗
Hurst最先提出了一種長記憶性的度量方法――重標極差分析法（Rescaled Ranger Statistic，簡稱R/S統計量），Mandelbrot對R/S統計量做進一步的研究。設時間序列Xt，則τ個時間序列觀測點的極差為R（τ）=max y（i，τ）-min y（i，τ），標準差為S（τ）={1τ∑τi=1[xi-（Ex）τ]2}12，R/S統計量為Q0=Rτ/Sτ。
Hurst、Mandelbrot和Wallis分別證明了：
plimτ∞{τ-HR（τ）/S（τ）}=C（1）
其中，C為常數，H為Hurst指數。H的估計公式為 ：
H=log[R（τ）/S（τ）]/log（τ）（2）
當 H ≤05時，時間序列為短記憶性的；當H>05時，時間序列為長記憶性的。
用R/S分析法計算差價的Hurst指數，可得05
（三）分形協整檢驗
近年來的研究表明，如果將協整關系局限于整數維差分框架下來分析問題，則會造成分析結果的不準確，特別是高頻的金融數據下，單整階數為整數值的條件過于苛刻。Granger和Hosking給出了一個ARFIMA（Fractional Integrated Auto-Regressive Moving Average，分整自回歸移動平均）模型。ARFIMA模型是一個前沿性的長記憶性模型，該模型是放寬ARIMA模型整數維差分到分數維差分后得到的。該模型表示，對一個時間序列{yt}，我們可以建立如下分整過程： yt=（1-L）tμt，其中，L是滯后因子，μt是一個均值為零、方差恒定的獨立同分布過程，即白噪聲過程，d = H-1/ 2是分整系數。如果引入 ARMA項，則該分整模型就可以變換成為一個更為一般性的模型：Φ（L）（1-L）d（Xt-μ）=θ（L）εt ，其中，d為分數維差分參數。0
從上文的研究中可以看出，滬深300股指期貨最高價和最低價的線性組合，即二者的差價存在長記憶性特征。目前人們對金融向量時間序列協整的研究集中在整數維差分，而長記憶性時間序列的差分階數往往是分數維的，因而本文針對差價序列的長記憶性特征，對協整階數進行拓展，探討最高價和最低價之間的分數維協整關系。
為了驗證最高價和最低價的分形協整關系，本文對分形單整自回歸滑動平均模型ARFIMA（1，d，1）中的分數維差分參數d進行估計，用SAS軟件中的FARMAFIT函數，結果為dR=03878，dH=09685，dL=09651。可以看出對最高價和最低價線性組合后的差價序列的差分參數降低，dR
綜上所述，差價的長記憶性以及最高價和最低價之間的分形協整關系，可以說明最高價和最低價都是可預測的。存在一種合適的模型可以對最高價和最低價進行建模和預測。
三、分形協整模型構建及模型預測能力分析
（一）分整誤差修正模型介紹
本文使用Johansen改進后的向量誤差修正模型（VECM），運用基于分數維差分的分整向量誤差修正模型（FVECM）來擬合最高價和最低價之間的分形協整關系。模型形式如下：
ΔdXt=（1-Δb）Δd-bαβ'Xt+∑Kj=1ΓjΔdLjbXt+εt
（4）
其中，L為分形滯后算子，Lb=1-（1-L）b，本文中Xt=（pHt，pLt），εt=（εHt，εLt），α=（αH，αL）是調整系數矩陣，β=（1，γ）是協整向量。α的分量表示變量對短期背離的調整程度，本文對長期趨勢的短期背離可用差價來表示。因此，此模型既擬合了證券最高價和最低價之間的長期趨同性，也包含了證券價格離散性的信息。我們通過這個模型可以研究差價的長記憶性，可以根據過去的歷史價格對未來的最高價和最低價進行更準確的預測。
本文假設d=1，表示強分形協整；β=（1，-1），從而最高價和最低價之間的協整關系是基于差價，即二者相減后序列是平穩性的。如果b>05，差價平穩且為d-b階單整。如果b
ΔPHt=αH（1-Δb）Δ1-bRt+γ11LbΔPHt+γ12LbΔPLt+εHt
（5）
ΔPLt=αL（1-Δb）Δ1-bRt+γ21LbΔPHt+γ22LbΔPLt+εLt（6）
對此模型的估計采用Johansen和Nielsen提出的條件極大似然估計方法，用matlab程序估計出模型中的α、γ、d、b等參數，估計結果如表2所示。
從表2可以看出，b =045
投資者會對任何影響股票價格波動的因素產生過度反應。這種現象也被稱為“贏家―輸家組合效應”。利用這種效應，投資者可以通過賣空過去表現得好的股票組合（贏家組合Winners），同時買進過去表現得差的股票組合（輸家組合Losers）而獲得超額收益。這種投資策略只是以過去的股票價格作為信息進行操作，通過這種反向操作的策略獲得持續的超常收益與市場的有效性不一致，這就意味著市場的弱有效性并不成立。
（二）分整誤差修正模型預測能力檢驗
Diebold和Mariano提出Diebold-Mariamo 檢驗法。假設兩個模型的預測誤差為e1，t和e2，t（t=1，2，3，…，T），g（e1，t）和g（e2，t）代表它們相關的損失函數，則兩模型的相對損失函數可表示為d=g（e1，t）-g（e2，t）。定義零假設H0：E（dt）=0。
如果{dt}是協方差平穩和短記憶性的數列，則根據中央極限定理，可用下列分配：
T（d-u）N（0，2πfd（0））（7）
其中，d為樣本平均數，fd（0）為樣本的零點譜密度。檢驗統計量為：
DM=2πd（0）T（8）
其中，d（0）是fd（0）的一致估計，經過標準化后，DM檢驗統計量是近似N（0，1）的標準正態分布，DM檢驗統計量為負數且顯著時，則表明拒絕零假設H0：E（dt）=0。
根據FVECM模型的預測結果，我們構造一個基于最高價和最低價預測結果的反轉投資策略，我們對2013年和2014年兩年483個數據進行樣本外預測，2010―2012年的數據估計出模型的參數后，用一步向前預測方法，預測出2013―2014年的最高價和最低價數據。
運用Diebold-Mariano檢驗（簡寫為D-M檢驗）將VECM、GARCH（1，1）、RW、MA5、MA22模型和FVECM的預測能力進行比較。D-M檢驗結果如表3所示。
從表3可以看出，FVECM的預測誤差顯著小于其他對比模型，MA5和MA22通常是用來觀察股價走勢的，而非用來估計和預測未來的股價。與隨機游走模型RW比較時，統計量也是顯著的，說明基于FVECM的預測結果好于基于強式有效市場的價格預測，說明技術分析是有效的。VECM局限于整數維差分，沒有考慮到差價的長記憶性，說明本文對分數維差分和長記憶性的考慮可以提高模型的價格預測能力。
四、基于分形協整模型的反轉交易策略分析
由于最高價和最低價是交易策略的核心組成部分，與壓力線和支撐線的概念有緊密聯系，我們利用上文模型的預測結果構造一個反轉策略。
（一）反轉交易策略分析
上文中對最高價和最低價的預測結果可以構造一個帶狀區間，我們將股價一日內的走勢與基于差價的帶狀區間的交點作為買入和賣出的信號。在一個給定的交易日內，價格向上穿過上界，則為賣出的信號，向下穿過下界，則為買入的信號，這種策略稱之為反轉策略。這種策略也可以解釋為從價格波動時的短期均值回復的流動性儲備。從前文中可以看出，差價的上升會拉低第二日的最高價，提升第二日的最低價，因而降低第二日的差價。因此，選取反轉交易策略是合理的。之所以選擇日內交易，是為了避免隔夜市場操作帶來的價格波動風險。
1模擬交易
本文中的反轉策略為日內交易，通過FVECM對最高價和最低價的預測，計算出差價的估計值T，以日開盤價為基礎，構造最高價和最低價形成的帶狀區間，作為買入或賣出的信號，區間的上下界分別為PU=POt+Rt和PL=POt-Rt。在某一交易日，如果股指點數向上穿過上界，就是賣出的信號，如果股指點數向下穿過下界，就是買入的信號。一旦買入，就會產生兩條新的帶，即獲利帶和止損帶，SL=P+δRt和TP=P-δRt。如果股指點數穿過SL或TP，應該平倉；如果直到收盤時都沒有穿過這兩條帶，就在收盤時將持有合約平倉。這種策略類似于Holmberg將差價作為開盤價到收盤價之間的分位數，根據差價的波動進行交易，只是他們的研究沒有做像本文中的最高價和最低價的預測。
2反轉策略超額收益的驗證
為證明FVECM的預測結果對交易收益的提高，本文按照上述交易策略編寫matlab程序對滬深300股指期貨進行模擬交易，選取2013年1月1日至2013年12月31日作為樣本區間，用1分鐘分時數據進行模擬，δ取075。滬深300股指期貨的報價單位為滬深300股指的指數點，合約乘數為每點300元，最少交易005合約數，最多交易100合約數。本文的模擬交易只對主力合約進行交易，為了簡便起見，不考慮保證金交易和手續費問題，用點數×合約乘數×交易合約數作為價格，交易單位選擇005個合約。每日收益為（賣出成交價-買入成交價）×300×005。期末收益為兩年間每日收益之和。
比較期末幾種模型的收益情況，結果如表4所示。
五、結語
本文主要的貢獻是證明了證券最高價和最低價的可預測性，用分形協整向量誤差修正模型FVECM對最高價和最低價之間的分形協整關系進行建模，符合最高價和最低價之間的分形協整關系和差價的長記憶性。為證明技術分析的有效性，我們將一個基于FVECM的預測結果的交易策略用于滬深300股指期貨交易中，提供買入或賣出的信號。主要結論為最高價和最低價的預測可以提高交易的收益，降低交易時的風險。在未來的研究中，希望能進行最高價和最低價的預測能否提高風險分析能力和風險管理的研究。希望構建更靈活的模型，可以實現最高價、最低價、差價的分別估計和預測?？捎糜谘苌a品定價等領域。
此外，由于本文中的交易策略是日內交易，中國股票市場T+1制度的限制使得無法將此研究策略擴展于股票市場，應用的廣泛性還有待提高。希望今后的研究中能出現基于股票市場的對本文的改進，這樣將會使本文更有實用價值。
參考文獻：
[1]
Fama，EFEfficient Capital Markets： A Review of Theory and Empirical Work [J ]Journal of Finance， 1970，25（2）：383-417
[2]Brandt， MW， Diebold，FXA No-Arbitrage Approach to Range-Based Estimation of Return Covariances and Correlations [J ]Journal of Business， 2006，79（1）：61-73
[3 ]Brunetti，C，Lildholdt，PMRelative Efficiency of Return and Range-Based Volatility Estimators [J ]Johns Hopkins University，2005，33（7）：1890-1933
[3]Brunetti，C.，Lildholdt，P.M.Time Series Modeling of Daily Log-Price Ranges for CHF/USD and USD/GBP[J]Journal of Derivatives，2007，15（3）：39-59
[4 ]Murphy，JTechnical Analysis of the Financial Markets [M ]New York：Prentice Hall Press，1999132-259
[5 ]Cheung，YL， Cheung， YW， He， AW， Wan， ATA High-Low Model of Daily Stock Price Ranges [J ] Journal of Forecasting，2009，28（1）：103-119
[6 ]Stakenas，PFractional Integration and Cointegration in Financial Time Series [J ]The Institutional Repository of the University of Amsterdam，2010，33（2）：1890-1933
[7 ]Johansen，S， Nielsen， MLikelihood Inference for a Fractionally Cointegrated Vector Autoregressive Model [J ]Econometrica，2012，34（6）：2667-2732
[8 ]Caporin，M，Ranaldo，A，Magistris，PSOn the Predictability of Stock Prices： A Case for High and Low Prices [J ]Journal of Banking and Finance，2013，37（1）：5132-5146
[9 ]Brock，W，Lakonishok，J，LeBaron，BSimple Technical Trading Rules and Thestochastic Properties of Stock Returns [J ] Journal of Finance，1992，47（1）： 1731-1764
[10 ]Gradojevic， N， Gentay， RFuzzy Logic， Trading Uncertainty and Technical Trading [J ] Journal of Banking and Finance， 2013， 37 （2）：578-586
[11 ]孫青華，張世英長記憶向量時間序列的非線性協整關系研究 [J ]天津大學學報，2002，（3）：30-32
[12 ]吳大勤金融時間序列的長記憶性與分形協整關系研究 [J ]管理世界，2006，（3）： 30-32
[13 ]趙進文，龐杰中國A股與H股收益率波動的分形協整研究 [J ]財經問題研究，2009，（8）：30-32
[14 ]曹廣喜基于分形分析的我國股市波動性研究 [M ]北京：經濟科學出版社，2008152-157
[15 ]王錦探討股票市場上技術分析的有效性：基于最高價、最低價、收盤價 [J ]華中科技大學學報，2009，（8）：30-32
[16 ]陳卓思，宋逢明技術分析中壓力線與支撐線的存在性檢驗 [J ]統計與決策，2006，（22）：30-32
[17 ]謝丁壓力支撐類股票技術分析指標的實證研究及評測 [J ]經濟研究，2009，（3）： 30-32
Analysis of A Contratian Strategy based on the Predictability of High and Low Prices of Securities
――A Case for IF300 Index Futures
CHEN Qian
（Dongbei University of Finance and Economics，Dalian Liaoning 116025，China ）
盡管量化投資已經成為市場投資的發展趨勢，但是大多數投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數學模型，而賺錢的投資模型都是機構的秘密武器，不會輕易披露。另一方面是由于量化投資采用計算機系統，設計各種交易手段，有著較為復雜的數學計算與技術要求，現在許多量化投資都是計算機自動執行的程序交易。另外，量化交易者，俗稱寬客（quants）的交易和故事多多少少增加了量化投資的神秘感。所以，人們一般把量化投資稱為“黑箱”。納蘭（Narang，R.，2012）描述了量化交易系統的典型構造，打開了量化投資的“黑箱”。納蘭認為阿爾法模型用來預測市場未來方向，風險控制模型用來限制風險暴露，交易成本模型用來分析為構建組合產生的各種成本，投資組合構建模型在追逐利潤、限制風險與相關成本之間做出平衡，然后給出最優組合。最優目標組合與現有組合的差異就由執行模型來完成。數據和研究部分則是量化投資的基礎：有了數據，就可以進行研究，通過測試、檢驗與仿真正確構建各個模型。預測市場并制定策略是量化投資的核心，即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發展，量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為，如期現套利組合、市場異象研究中的差價組合等。統計套利策略是經典的量化投資策略，如匹配交易或攜帶交易。近年來，高頻交易成為量化投資的重要內容，基于高速的計算機系統實施高頻的程序交易已經是量化投資的重要利器。丁鵬（2012）將量化投資的主要內容分為以下幾個方面：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易、ETF/LOF套利和高頻交易等。他認為量化投資的優勢在于：紀律性、系統性、及時性、準確性和分散化。
二、量化投資“黑箱”中的構造與證券投資學的差異
在傳統的證券投資學中，投資組合理論、資本資產定價模型、套利定價理論和期權定價理論是現代金融理論的四塊基石。前兩者主要依靠均值-方差組合優化的思想，后兩者則主要依靠市場的無套利條件。傳統的投資方法主要是基本面分析和技術分析兩大類，而量化投資則是“利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程”。從概念看，量化投資既不是基本面分析，也不是技術分析，但它可以采用基本面分析，也可以采用技術分析，關鍵在于依靠模型來實現投資理念與投資策略。為了分析量化投資對證券投資學的啟示，本文從量化投資“黑箱”的各個構成來探討量化投資與證券投資學中思路和觀點的差異。
（一）資產定價與收益的預測
根據組合優化理論，投資者將持有無風險組合與市場風險資產組合，獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合，認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻。基于因素模型的套利定價理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考。可以說，在因素定價方面，量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇，證券投資學認為，對資產價格的影響，長期應主要關注基本面因素，而短期應主要關注市場的交易行為，即采用技術分析。在量化投資中，主要強調按照事先設定的規則進行投資，這在一定程度上與技術分析類似。但是，在技術分析中，不同的人會有不同的結論，而量化投資則強調投資的規則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。
（二）無套利條件與交易成本
在證券投資學里，流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現，如套利交易。根據套利定價理論，一旦市場出現無風險的套利機會，理性投資者會立即進行套利交易，當市場均衡時就不存在套利機會?，F實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中，對市場中套利限制與非流動性的關注較少，這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下，金融資產交易的過程及其結果，旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中，不同的市場微觀結構對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。
（三）風險控制與市場情緒
在證券市場中，高收益與高風險相匹配。量化投資在追求高收益的同時，不可避免地承擔了一定的風險。在證券投資學中，系統性風險主要源于宏觀經濟因素，非系統性因素則主要源于行業、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側重點，在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外，量化投資還有自身不可忽視的風險源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風險。另一方面，市場沖擊的流動性成本也是量化投資的風險控制因素，理所當然地在圖1的風險控制模型中體現出來。另外，在一般的投資過程中，市場情緒或多或少會成為風險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔適度的風險來獲得超額回報，因為畢竟減少風險也減少了超額回報。
（四）執行高頻交易與算法交易
在對未來收益、風險和成本的綜合權衡下，實現投資策略成為量化投資的重要執行步驟。為了達到投資目標，量化投資不斷追求更快的速度來執行投資策略，這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里，技術分析認為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統處理數據和進行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點有：處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。高頻交易有4類流行的策略：自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行，目前“算法交易”比較流行。算法交易優化買賣指令的執行方式，決定在給定市場環境下如何處理交易指令：是主動的執行還是被動的執行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。
三、對量化投資在證券投資教學中應用的思考
從上述分析可以知道，量化投資的“黑箱”構造與證券投資學之間存在一定的差異，因此，在證券投資的教學中應當考慮量化投資發展的要求。
（一）市場微觀結構與流動性沖擊
在理性預期和市場有效假說下，市場價格會在相關信息披露后立即調整，在信息披露前后市場有著截然不同的表現。在證券投資學里，一般認為價格的調整是及時準確的，然而，現實的世界里，價格調整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調整是瞬間的，影響不大。然而，在高頻交易中，這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程，認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型，這些市場微觀結構的研究加強了流動性與資產價格之間的聯系，強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容，因而，為了加強證券投資學的實用性，應關注市場微觀結構的內容與發展。
（二）業績評價與高杠桿
對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風險與業績。在組合業績評價中，一方面要考慮風險的衡量，另一方面則要分析業績的來源。在證券投資學中，組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業績評價還應考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統的業績評價就不太一樣。在一般的證券投資學里，業績評價主要考慮經風險調整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。
（三）人為因素與模型風險
在量化投資中，非常注重計算機對數據和模型的分析，這突出了量化投資的規則性和固定性。然而，實際中，別看量化采用了各種數學、統計模型，但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，能夠消除很多認為的隨意性。但是，量化策略畢竟體現投資者的交易理念，這一部分依賴于投資者的經驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設定，而人的設定不僅依賴于經驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認知是不完全的，另一方面則是人們使用了錯誤的模型。經典的證券投資理論中，股票價格的變動被認為是隨機的，小概率事件出現的機會比較小，但是經驗研究表明股票收益率具有肥尾現象，小概率事件發生的機會超出了人們原先的認識，即市場還會出現“黑天鵝”。更為關鍵的是，量化投資更依賴數學和統計模型，這就使得量化投資存在較大的模型風險，即使用了錯誤的模型。為了防范模型風險，應采用更為穩健的模型，即模型的參數和函數應該適應多種市場環境。近年來，研究表明，證券收益及其與風險因素的關系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。
（四）2013年諾貝爾經濟學獎的啟示
在政策和基本面的博弈下，大盤指數開始震蕩前行，縱觀后市，經濟基本面向好，緊縮政策依然會持續。CPI高企，把錢存在銀行意味著絕對財富的縮水。佐卓表示，在當前的市場行情下，股指期貨為投資者保值和獲利提供了全新的思路。
問：股指期貨推出的意義是什么?近期的發展如何?
佐卓：作為金融期貨之一，股指期貨的推出，標志著我國金融衍生品市場迎來了發展的春天，也提供了更多的投資保值渠道和方式。在歷次金融危機過程中，金融衍生品都充當了非常好的風險對沖工具。
對于中小投資者，程序化和系統交易將加速發展。對于衍生品交易，一個重要的問題是交易策略的制定，而量化的交易策略可由計算機系統程序實現，程序化交易在成熟衍生品市場占有非常大的比例。以中國臺灣地區為例，2001～2009年程序化交易量不斷增長，為市場提供了大量流動性，程序化交易打破了機構和中小散戶之間的界限。
問：對于期貨投資存在巨大風險，您怎么看?
佐卓：期貨的風險完全掌握在投資者自己手中。如股指期貨，為了方便討論和計算，假設其杠桿率是10％。實際操作時，只要拿賬戶資金的10％就可實現對現貨指數買賣，風險可控度要比買賣股票要低許多。商品期貨也是這樣，資金控制得好，比買賣現貨風險還要低。以我經常關注的螺紋鋼為例，近年來螺紋鋼的金融屬性越來越強，價格經常大起大落，許多貿易商和生產商開始利用期貨規避風險，甚至有商家專門組織專業團隊來操作期貨，以求盡可能規避現貨價格劇烈波動帶來的風險。另外，由于期貨交易采用T+O交易機制，風險更容易控制，日內可以隨時出貨，而現貨在市場不好的情況下，只能眼睜睜看著資產縮水。
問：如何參與股指期貨?
佐卓：參與股指期貨的方式除套期保值外主要有兩種。一是單邊投機，這是最簡單最直接的方式。參與者在滿足股指期貨交易條件的基礎上，就可開戶，這種交易分為短線和中長期趨勢交易，能否獲利取決于對市場短期或中長期價格走勢的判斷，預期價格上漲則買多，預期價格下跌則賣空。二是套利交易，對于穩健投資者而言，是比較穩妥的選擇方式。我國金融期貨品種比較單一，套利主要局限于期現和股指期貨各合約間套利，需要有一定的專業知識。兩個合約之間的差價會維持在合理區間，超出區間就會有套利機會，這個價差區間一般取決于資金持有成本和股票分紅預期。以9月和10月合約為例，如果差價偏大，就可買9月拋10月，如果偏小，就可買10月拋9月。
問：股指期貨到期交割的影響效應是什幺原理?
佐卓：交割日對股指期貨結算價進行影響是導致“交割日效應”的一個重要原因。目前，滬深300指數每6秒鐘取值一次，2小時得到約1.12萬個數據，對這1.12萬個滬深300指數的價格取算術平均值，即得到此合約的交割結算價。由于交割結算價采用的是算術平均，并不對成交量進行加權，每一筆交易的價格具有同樣的權重，這使得通過最后時刻以較大的成交量來影響價格的方法難以奏效。
我國的股指期貨合約采用現金交割方式，最后交易日收市后，交易所將以交割結算價為基準，劃付持倉雙方的盈虧，了結所有未平倉合約。在交割日，當月臺約的走勢并非是與現貨走勢同步，而是不斷地擬合和接近現貨最后2個小時算術平均價的過程。
自5月10日上海期貨交易所白銀期貨上市以來，白銀期貨價格一路震蕩下跌，5月18日收盤時主力9月合約收在5863元/千克，較6190元/千克開盤價仍然跌去近4%，其間最大跌幅更是達到6.5%。
而李輝原來的設想，是趁著國內白銀投資火熱，在白銀期貨上市交易日買漲獲利。當天，李輝多次逢低買進多單抄底，結果總是出人意料地一致：止損出局。
“在白銀期貨市場，打新買漲獲利的鐵律，被打破了。”李輝無奈表示，他想把白銀期貨打新失敗歸罪于希臘政府與瞬息萬變的歐債危機——正是5月15日當周希臘沒有完成新一期政府組閣而面臨重新選舉，給希臘債務能否按期償債及最終退出歐元區帶來“新的變數”，迫使全球資金大手筆拋售黃金白銀，涌向美元資產避險。
但他無法理解，同樣是震蕩下跌，上海期貨交易所白銀期貨跌幅卻高于白銀（T+D）交易與COMEX白銀期貨。在5月10日至17日期間，白銀期貨價格較上海白銀（T+D）存在近50元/千克貼水；較COMEX白銀期貨7月合約存在約150元/千克的貼水，即使扣除白銀進口環節的增值稅等因素，COMEX白銀期貨價格仍高于當期國內白銀期貨。
“也許是投資低門檻，讓沽空國內白銀期貨來得更猛烈些?！币晃粐鴥绕谪浄治鰩熤赋?，相比黃金期貨每手超3萬元保證金，白銀期貨交易一手15千克白銀的交易保證金僅僅需要約9000元，在投資者利用歐洲債務危機升級而沽空黃金白銀套利時，很容易將資金轉向操作成本更低的白銀期貨。
僅5月17日當天，白銀期貨成交量超過63.7萬手，遠遠超過黃金、天膠等上期所其他交易品種的日交易量，后者成交量分別約為6.34萬手和53.89萬手。
然而，遠在太平洋彼岸，一批對沖基金經理同樣密切關注著上海期交所白銀期貨震蕩下跌走勢，盡管他們還沒有與國內白銀期貨親密接觸。
“據我所知，僅有少數對沖基金參與國內白銀期貨沽空，而且沽空策略是以跨地套利為主?！币患覛W洲商品投資型對沖基金經理張剛告訴記者。所謂跨地套利策略，主要是對沖基金利用國內關聯投資公司沽空國內白銀期貨9月合約同時，在COMEX白銀期貨市場買漲9月合約進行跨地套保，但最終實現盈利的并不多，“其實他們還沒有摸清國內外白銀期貨價格波動之間的價差套利時間，盡管做對了套保方向，但操作時間不正確，最后虧損的不在少數。”
不過，上述對沖基金很樂意為此支付“學費”。在張剛看來，他們有著長遠的如意算盤，通過不斷“試錯”與“交學費”，最終找到量化測算國內白銀期貨與COMEX白銀期貨價格波動正相關性的正確數據，以此建立一系列足以左右境內外白銀期貨價格波動的投資模型，就能變成“常勝將軍”。
“部分參與跨地套利的對沖基金，其實擁有匯豐控股、摩根大通等大型投資銀行的背景?！睆垊偼嘎?。而摩根大通和匯豐控股兩家投資銀行，被全球白銀投資者視為長期操控白銀期貨價格走勢的幕后推手。
“他們之所以熱衷利用跨地套利交易研究中國白銀期貨價格波動特性，本身就是在向國際白銀期貨市場大鱷傳遞某種交易信號?！睆垊偡治稣f。在國外對沖基金界，圍繞“中國概念”的博傻投資法則相當流行——即當中國白銀現貨或期貨成交量大增時，有國際機構會認定中國白銀需求增加，趁著白銀價格高漲時反手沽空白銀套利，而他們選擇的沽空最佳時間，往往是節假日期間，各大交易所調高期貨交易保證金期間便成為他們惡意沽空白銀期貨對賭的最大“掩護”。
讓李輝印象最深刻的，是去年9月26日COMEX白銀期貨出現最大16%跌幅——當白銀買漲投資者慘遭爆倉出局時，沽空投資者卻賺得盆滿缽滿。
然而，李輝能否抓住這樣的機會，卻是未知數。
“上海期交所有著嚴格的白銀期貨倉位控制?！鄙鲜銎谪浄治鰩煴硎?，此前《關于印發上海期貨交易所白銀期貨標準合約及相關實施細則的公告》等相關文件規定，白銀期貨合約保證金收取比例暫定為交易所保證金收取比例的基礎上增加4%，正是為了避免國際白銀期貨價格大幅波動導致國內投資者瞬間爆倉出局。
“要避免中國白銀期貨投資者被國際投行狙擊，關鍵是讓中國中國白銀交易價格具備國際影響力，擁有全球知名的白銀做市商?！币晃煌赓Y銀行大宗商品交易主管透露，如參與倫敦黃金交易定盤價的五大黃金做市商，分別是德意志銀行、洛希爾國際投資銀行、瑞士信貸第一波士頓銀行、加拿大楓葉銀行、匯豐銀行。而倫敦白銀市場定盤價主要由三家大型投資銀行組成，其中包括由于涉嫌操縱白銀期貨價格被訴訟的匯豐銀行。
自股指期貨2010年問世后，做空成為一種可能。但就像邁克爾.劉易斯在《大空頭》所記錄的那樣，依賴瘋狂做空賺到大筆利潤的“絞肉機”必須極端聰明、敏銳、隱秘、富有洞見力，躲在市場陰暗的角落里。
大多數參與股指期貨者，只是將其作為投資的一部分。各種“對沖”策略豐富了投資的內涵，成為時尚的弄潮兒，并漸漸將市場推入新的地帶。
不得不承認，一切都在發生深刻的變化。做空機制的出現，令股市更容易回歸價值本身。真正的對沖基金橫空出世，帶來全新的投資模式和策略。傳統的主動型股票基金也正遭遇前所未有的挑戰。市場正在加速與國際接軌，形式上變得更多元化。
這種變化不僅僅局限于股市。隨著期貨市場的擴容和發展，橫跨商品期貨和股指期貨的對沖策略，以及各類期貨管理基金（CTA）也迎來了春天。真正的對沖時代到來了。
對沖盛行
股指期貨問世至今3年多，每日成交金額已達近2000億元。各類機構的參與程度越來越高，其中多空倉策略，尤其是阿爾法策略近一年多來大量涌入市場。由于交易風險較低，公募基金專戶、陽光私募以及券商自營資金，都開始成為這個領域的玩家。
一些私募產品高調宣稱自己是“阿爾法策略”的踐行者。這是一種市場中性策略，簡單地說，如果一個股票組合不對沖，風險敞口暴露，其收益就是α+β，阿爾法是選股獲取的超額收益，貝塔指市場的系統性風險。
A股市場的貝塔通常十分巨大，大盤波動常常令收益大起大落?；鸾浝砜梢酝ㄟ^做空工具，完全覆蓋掉系統性風險。如果建立50%的多頭頭寸和50%的空頭頭寸，那么凈頭寸就恰好為零，投資組合的收益完全來自于阿爾法。也就是說，投資人的選股能力，決定了其所能獲得的絕對收益水平。
也有些私募使用的是多空倉策略。利用空頭倉位覆蓋一部分多頭倉位，或者反過來。
重陽投資此前和國泰君安合作發行的“君享重陽阿爾法對沖一號”，自2012年12月底成立后，截至今年5月，收益率已近10%。而從6月中旬到6月底大盤快速下跌的幾天中，凈值快速上漲到1.2元，一個月不到，短期漲幅近10%。
一位業內人士表示：“重陽的策略可能并不是完全市場中性，在大盤下跌時它們凈值快速上揚，顯然還是有一部分風險敞口的，類似多空倉策略?！?/p>
業績不錯的還有朱雀阿爾法1號，這只產品從去年11月成立后，至今收益率超過15%。
人人愛“套利”
不過投資者近來最樂于追捧的，還是套利產品。還處于粗放型市場階段，套利交易無疑是一門好生意。不論是基金管理人還是投資者，如果能以微乎其微的風險獲得穩定持續收益，何樂而不為。但也正因為抱著這類想法的人越來越多，簡單套利的機會正在漸漸喪失。時至今日，如果想在市場上通過套利賺到錢，必須擁有獨門秘器和不斷變換的策略。
套利市場的競爭非常激烈。大量的數學高手們正在涌入這個領域。大部分參與套利的機構投資者，包括各類基金和機構自營資金，正在使用數量化工具和程序化交易。
股指期貨推出伊始，資金大舉參與股指期貨和現貨之間的套利。“當時缺乏滬深300ETF，他們一般通過其他ETF，比如上證180ETF，或者深圳100ETF，或者杠桿基金來構建組合。不過套利資金顯然太多，如今期現套利的空間已經非常非常低了。”一位券商自營的負責人說。
一些擅長統計套利的管理人于是開始尋找其他有效策略。數量化投資高手們根據歷史數據，統計出某些資產之間的相互關系，一旦現實市場偏離了歷史數據關系，就進行交易以套利。這些策略可能很復雜，組合涉及股票、股指期貨、融資融券等工具，也涉及各種沖擊成本和風險的計算。
早年于高盛浸多年的申毅，曾在歐洲負責ETF套利交易，如今在國內套利交易領域頗有知名度。他的申毅投資已經發行了3只套利產品?！巴ǔＮ覀兊奶桌a品年收益率在8%（扣除了業績提成）左右，最大回撤率控制在5%以內，風險實際上比債券基金更低?！鄙暌阏f。
與此同時，商品期貨市場的套利也正漸漸興起。財通基金去年8月成立了一只商品期貨專戶，采用數量化套利策略。截至目前，該產品已獲得超20%的絕對正收益（未扣除業績提成）。其歷史表現回撤率極小。
當然，套利策略千變萬化，統計套利、事件套利或是雙向套利策略都在被各路人馬充分挖掘之中。除了為投資者提供低風險投資的新渠道外，也間接增強了市場的有效性。
期貨的藍海
還有一個正在崛起的領域是期貨管理基金（CTA）。隨著各類政策放開，商品期貨從去年開始被正式納入基金專戶、陽光私募的可投資范疇。經過多年發展，中國商品期貨市場已經躍居為全球規模最大的商品市場之一。交易品種涉及能源、農產品、金屬、化工等多個領域。對CTA來說，已經是適宜的土壤。
全球最大的CTA元盛投資（Winton Capital），已經低調進入國內市場。去年底，元盛和華寶興業基金合作了一只基金專戶產品，通過民生銀行發行。截至7月末，這只產品單位凈值達到1.268元。成立10個月獲利26.8%（未扣除業績提成）。
今年，元盛又協同華寶興業發行了另兩只產品。元盛在其旗艦的多元化策略基礎上，開發了“中國多元化策略”。目前3只產品，投資標的覆蓋能源、食品/纖維/軟商品、谷物、金屬、塑料和股指期貨等板塊，涉及20多種不同的期貨品種。
和我們過去對期貨風險的認識不同，期貨市場的風險，實際上可以通過資金管理、止損等方法加以控制，但對管理人的要求非常高。一些CTA產品，在合理的風險控制后，風險基本等同于股票基金。
除了華寶興業外，財通、國投瑞銀、工銀瑞信也發行了多只可投資于商品期貨的產品，其中財通和永安期貨合作的幾只產品表現最佳。
不過值得注意的是，畢竟CTA在國內市場的歷史頗短，大浪淘沙的過程不可避免。即使在如今產品數量并不多的情況下，CTA產品之間的分化已十分巨大。這類產品更適合作為資產配置的一部分。
名詞解釋
最大回撤率：在選定周期內任一歷史時點往后推，產品凈值走到最低點時的收益率回撤幅度的最大值。最大回撤用來描述買入產品后可能出現的最糟糕的情況。
資料鏈接：
對沖基金發展歷史
起步時期（1949-1986）
阿爾弗雷德·溫斯洛·瓊斯（1923年至1989年）被認為是對沖基金的創始人。瓊斯不相信他有能力來預測市場走勢，但他認為他有良好的選股能力。他的基本觀點是，基金經理可以使用兩種方法：用杠桿購買股票，并賣空其他股票。每一種技術都被認為具有高度投機性，但是適當地結合在一起，可以減少市場組合風險。瓊斯在1949年，形成了4個朋友的普通合伙企業，成為合伙人，并開始了股票多空倉基金。為了吸引投資者，瓊斯對沖基金投資自己的積蓄，并選擇支付20%的基金收益，而不是固定費用。從此對沖基金誕生，同時這也是股票多空倉策略基金發展的起點。1966年，瓊斯基金的巨大收益率被曝光，在其示范作用下美國對沖基金開始快速發展起來。據SEC調查，截至1968年底成立的215家投資合伙公司中有140家是對沖基金，其中股票多空倉基金占了大多數。
因為通過賣空來對沖投資組合風險不僅難度大、耗時，且成本高昂。為了擴大投資總收益率水平，許多基金開始求助于高額頭寸放大股票多頭的戰略，采取融資杠桿，從此股票多空倉策略對沖基金類別向多元化發展。1970年的經濟危機導致對沖基金大量倒閉，股票多空倉策略基金也遭受重創。
繁榮時期（1986-2000）
隨著金融管制放松后金融創新工具的大量出現，特別是上世紀90年代，經濟和金融全球化趨勢的加劇，對沖基金迎來了大發展，開始在全球金融市場上叱咤風云。從1992年量子基金戰勝英格蘭銀行到2000年老虎基金宣布停業，這標志著宏觀對沖基金黃金時代的結束。其中最為著名的“價值型”股票投資者——老虎基金總資產曾達到230億美元的高峰，一度成為美國最大的對沖基金。
同樣，國內也有這樣一位悠閑的物理系博士，用量化的模型在對沖基金的市場中搏殺，而淡定的他也在業余時間頻頻出鏡，成為了央視、湖北衛視、第一財經的?？停斄撕脦谆厝A爾街投資故事的“說書人”，他就是上海申毅投資咨詢有限公司的CEO申毅。
在“無心插柳”中歷經起伏
“誰是誰的誰，誰為誰憔悴；誰是誰的誰，誰為誰傷悲。鋪天蓋地的歌聲，折射浮華世界的無奈和浮躁。”申毅的博客上這樣寫道。四十不惑的申毅，平靜的神態中透著一種淡定，而在電視節目上對華爾街往事的嬉笑怒罵，正是他歷經金融市場起起伏伏的心聲。
說起申毅和投資的緣分，可用“無心插柳”來形容。畢業于美國俄克拉荷馬州立大學并獲流體物理學博士學位的申毅，由于專業是實驗物理，大量的實驗也意味著需要很多時間去等實驗數據，而那時還沒有智能手機可以消磨時間。“等一組數據可能需要十五分鐘到半個小時，于是我就開了個期貨賬戶，這樣我在等待數據時可以炒期貨解悶。”申毅告訴記者，“我記得很清楚，當時買了4手黃金期貨，后來又加了3手，結果一星期賺了50%，當我最后平倉時，賺了10%。”之后，就有經紀人問申毅是否有興趣做期貨并幫他介紹了幾家公司。于是，博士畢業后的申毅索性轉行，在一家套利交易的基金公司開始了現貨交易的工作。
不過，申毅并未將自己順利進入高盛的原因歸為流體物理學專業背景。“其實性格比學歷重要，你看我們做的工作，高中的數學夠了，但要是你沒有高學歷，又找不到大投行的工作機會。”進入高盛后的申毅先擔任金融衍生產品交易員，負責S&P、RUSSEL、NYFE、CAC40和DAX指數套利及S&PS00指數的現金和期指的自動交易，之后申毅任公司芝加哥分部副總裁，主要負責公司ETF產品的開發管理和做市。此后，申毅被高盛委派擔任歐洲交易部執行董事，創建了高盛歐洲EFT交易部，和管理全球性多幣種ETF投資組合并以股指期貨、期權和ETF組合交易身份直接參與歐洲大陸第一家復合ETF基金和英國富士100基金的設計和做市。
對知識的好奇很重要
強調性格比學歷重要的申毅將自己的優點歸為“Intellectual Curiosity”，即對知識的好奇?！癐ntellectual這個單詞不單單只是‘知識’，而是一個比較大的概念，其實我對世界上的知識、智慧、新鮮的事物都充滿了好奇心。當世界上出現了什么新事物，我就想知道這個新事物到底有什么名堂?！鄙暌惚硎?，好奇心在交易上的體現就是當市場出現新產品時，就會想著去了解新產品到底是怎么回事，然后通過觀察研究去發現其中的交易機會與交易方式。
“現在我招聘人員時，很重要的一點是看這個人到底有沒有很大的好奇心，因為沒有一個量化模型可以一直活下去，每個模型都可能會死的?！鄙暌阈χf，大浪淘沙的私募基金行業中，只有保持很強的好奇心，才能隨著市場的發展，不斷尋找新的機會。“很多從華爾街回來的資產管理人在國內做得并不是很理想，而他們正是缺少了好奇心。沒有好奇心的人不會考慮國內外市場的區別，不會在區別中尋找機會?！?/p>
用“冷”字提醒平常心
“在我年輕時，對沖基金可能僅占個人資金配置的1%到2%，而現在已上升到5%甚至是10%，這恰是因為對沖基金的回報和風險組合遠超公募基金、指數或投資債券、黃金、商業期貨。”申毅表示，對沖基金目前有望成為養老金、保險金的組成甚至個人資產配置的必備部分，而對沖基金的操作離不開“聚沙成塔”的平常心。
2012年6月，申毅推出了自己名字命名的國內首個信托對沖基金交易賬戶產品“申毅對沖一號”，該產品以量化投資程式化交易為投資平臺，進行股票、ETF、LOF、封閉式基金、分級基金和股指期貨套利交易?！皬睦碚撋蟻碇v，產品風險極低，且持倉時間相對較短，平均一周不到的時間，用小利潤實現‘短平快的累積’?！鄙暌惚硎?，“我的投資風格定位于‘多/空倉策略’，基本思想是買人能夠跑贏比較基準，如滬深300的股票，相對比較靈活。通過調整組合中股票的種類，調節組合所面臨的風險程度及種類?！?/p>
“一個人不可能兩次踏入同一條河流?！鄙暌闼坪躅H為贊同古希臘哲人赫拉克利特的話，“我是一秒鐘的投資者，投資一秒鐘，下一秒我可能就改變投資方向了。所以每當很多媒體問我股市行情怎么樣，某某股票后市會如何等問題，我就開始頭痛，因為即使我現在告訴你我最真實的想法，也許話剛說完我就變了主意或是股市就出現了黑天鵝?！?/p>
[關鍵詞]EMD；SVM；量化交易
doi：10.3969/j.issn.1673 - 0194.2016.20.043
[中圖分類號]F224 [文獻標識碼]A [文章編號]1673-0194（2016）20-00-01
0 引 言
隨著計算機技術的快速發展，人們對復雜事物的處理方法也更加高效。量化投資就是隨之而發展起來的交易方法，主要理論來自于數量金融學。從20世紀50年代至20世紀末，數量化金融從馬克維茨的均值-方差模型到CAPM（資本資產定價）模型、ATP（套利定價）模型，再到ARCH、GARCH等計量經濟學模型都取得了驚人的成績。21世紀至今，非線性的研究方法取得了重大突破，極大地豐富了金融研究的手段和方法。在前人理論的基礎上，本文利用EMD（經驗模態分解）算法對原始價格信號去噪，再利用SVM（支持向量機）對價格漲跌進行預測確定交易。
1 理論與模型
1.1 EMD
經驗模態分解（EMD）是由NASA院士黃鍔提出的一種處理非平穩和非線性信號的分析方法。與其他信號處理方法不同的是，EMD是一種自適應的分析方法，在不同的工程領域得到了成功應用。EMD假設任一復雜的信號都由本征模態函數（IMF）和趨勢項（r）構成，其數學表達式如式（1）。IMF的提取關鍵步驟是獲得原信號的上下包絡線并求得其均值，最后再將原始信號減去其均值即可獲得IMF。其中包絡線一般采取插值法來獲得。
1.2 SVM
支持向量機（SVM）是一種基于統計學習理論的模式識別方法，其在生物信息學、文本和語音識別等領域取得成功。算法的核心思想是：確定一個最優的分類超平面使分類誤差最小同時類別間隔最大，對于線性不可分問題通過核函數（本文采用高斯徑向基函數）映射到高維空間再進行求解。SVM的本質是最優化問題，式（2）即為問題表達式，其中超平面分類為：WTφ（x）+b=0，松弛變量為。對于式（2）的求解筆者采用拉格朗日乘子法并根據KKT條件得到最優解，從而找到最優分類超平面。
1.3 交易策略構建
首先，筆者將原始2天共46個10分鐘級的價格進行EMD分析，從而得到趨勢項數據。筆者將趨勢項信號的標準差除以原始信號減去趨勢項信號的標準差所得值取對數，得到第一個特征――波動信噪比，該值越大表明趨勢越明顯。其次，三個特征是對分解后低頻部分的IMF的最后5個和10個數據做OLS回歸，所得的回歸系數即為特征值。第四個特征是上述兩個回歸直線夾角的cosine值。第五個特征則是成交量，由于該數據與其他數據數量級不同，筆者采取歸一化處理。
本文所構建的SVM訓練滑動窗口為500，約一個月的數據量。數據的標簽筆者定義為當價格漲幅大于0.04%時為+1，小于0.04%時為-1，其余為0，然后將5個特征值帶入，滾動訓練出SVM模型，并預測下一期價格是漲是跌，預期價格上漲及標簽為+1做多，反之做空。
2 交易回測
2.1 交易樣本選擇
本文選擇上海期貨交易所的螺紋鋼期貨的活力合約作為交易品種（數據來源Wind，品種代碼RB.SHF），數據為2015年1月5號至2016年1月29號的日盤10分鐘級數據。螺紋鋼因其交易量較大所以選為測試品種。開倉、平倉交易費用萬分之四，不考慮杠桿和滑點。
2.2 回測結果展示
圖1展示了該策略累積收益率曲線圖，在測試期內實現累計收益46.24%，年化收益達43.32%，夏普比率為1.89（設無風險利率為3%）。
3 結 語
本文應用信號處理的EMD算法作趨勢分解，從分解后的趨勢項及高頻IMF，并結合使用網格法進行參數尋優的SVM作價格漲跌分類預測?；販y結果表明該方法能夠獲得超額收益，具有一定的應用價值，今后可進一步對標簽閾值、數據窗口進行改進優化。
另外，2月期貨私募排名前十的產品收益均超過18%，系統化交易產品占多數，表現最好的是主觀趨勢產品“凱澤一號”。同時，2月份組合基金排行榜已經出爐，弘酬投資擔任投資顧問的兩只產品分別位列第二、六名，而格上理財旗下亦有兩只產品“外貿信托一格上創富1”、“外貿信托一格上創富2期”入圍前十名。
二月近七成定增產品實現正收益
數據顯示，截止2014年2月底，具有業績記錄的事件驅動策略產品共計42只，其中參與定向增發的產品37只，大宗交易產品僅1只，復合策略產品（既參與定增又參與大宗交易）4只。從收益情況來看，2月份事件驅動策略產品整體收益為1.78%（同期滬深300指數收益率1.14%），其中實現正收益的產品28只，占比66.67%，14只產品出現虧損，占比33.33%。
從排行榜來看，“中海信托一聯創光電（1期）”以12.49%的收益高居榜首，大幅領先同策略的其它產品，排名第二的是以華夏基金旗下“外貿信托一華基豐澤1期”為代表的系列定增產品，收益均為5.10%，唯一的一只參與大宗交易的產品岳志斌管理的“中融信托一思考一號”以3.93%的收益位列第三名。（具體排名參見，表1）
來源：私募排排網數據中心（截止2014年2月底）
排名前十的產品還包括“興業信托-恒陽1期”、“外貿信托一盛世景1期”、“外貿信托一人合安泰1號1期”、“中誠信托一證大金龍3號”、“國泰君安君得增”、“國元定增1號”和“東方紅一新睿2號”，分別以3.11%、2.70%、2.64%、2.18名、2.00%、1.19%和0.81%的收益依次位列第四到十名。
期貨私募2月整體收益3.4%
記者了解到，2月份期貨私募收益排行榜整體收益為3.40%，排名前十的產品收益均超過18%，其中毛澤紅管理的“凱澤一號”成績遙遙領先，以43.52%的收益居榜首。趙英英管理的“文英基金”排名第二，收益為27.29%。姜昆管理的“多策略多周期多品種趨勢1號”緊隨其后，以26.31%的收益位列第三名。
另外5只排名前十的系統化策略產品包括黃永劍管理的“樂丁量化1號”、萬為杰管理的“天和量化股指1號”、劉巖松管理的“鼎昌盛”、蔣昌穎管理的“普洱茶一號”和劉磊管理的“國泰君安一青騅衍生品高頻一期”，依次以25.59%、25.08%、19.54%、19.52%和18.73%的收益位列第四、第五、第七、第八和第九名。
位列第十的是孔為民和吳中儀共同管理的復合策略產品“雙隆量化基金1期”收益為18.07%。
二月份出現虧損的產品僅32只，占比18.18%，3只產品虧損超過20%，其中2只系統化交易策略產品，-表現最差的是盧宏峰管理的系統化趨勢產品“凌波二號”收益為25.46%，“凌波二號”從去年8月份運作至今累計虧損43.16%。
另外兩只虧損超過20%的產品是系統化趨勢產品“芝麻開門”和復合策略產品“新博鑫穩健策略1號”，分別虧損23.99%和21.07%。其中孫盛云管理的“新博鑫穩健策略1號”從去年4月份運作至今累計凈值僅剩0.096092，虧損之大令人乍舌。
弘酬、格上兩產品入圍組合基金榜前十
2月份組合基金策略排名前十的產品中，有6只TOT產品、3只券商理財產品、1只MOM產品。每個產品類型的收益差距并不明顯，首尾收益相差5.07%，除“東吳財富2號”、“陜國投-弘酬優選5期”、“方正金泉友2號”、“財通金色錢塘基金優選”之外，其他產品累計凈值都處于單位凈值之上。
曲折的量化之路
量哲創始人魏明嵐先生很早就與量化結緣，但由于種種原因他的量化之路并不平坦，中間甚至一度中斷。
魏明嵐，臺灣人，具有深厚的專業教育背景，本科就讀財政專業計量組，MBA畢業于美國Emory大學商學院，主修金融工程方向，獲金融管理碩士學位。Emory大學是美國十大老牌名校之一，培養了終端政商界杰出人士，如前美國總統吉米？卡特、前韓國總理李洪九、第十屆人大副委員長及九三學社中央主席韓啟德等，其商學院在美國排名前十。魏明嵐在金融工程領域有深厚的功底，對期權期貨等金融衍生品有獨到的見解。
回到中國之前，魏明嵐先在美國ING做過金融產品研究，2000年左右，為了愛情，他遠渡重洋來到上海?！爱敃r中國經濟發展得很好，心想回來應該也有不錯的發展，但回來后才發現，金融行業還比較稚嫩，根本沒有做對沖的條件?！蔽好鲘谷绱嗣枋霎敃r的情景。后經人引薦到當時還是周鴻祎控制的3721做財務總監，直到3721公司賣給雅虎，期間做了大量PE相關工作，和IDG等PE界人士亦非常熟悉。
對于這段時間量化生涯的中斷，魏明嵐坦言“大環境所限迫不得已，但實業的經驗時期對企業的價值有更清晰的認識，對日后的投資是有一定幫助的”。盡管如此，他的量化投資之路卻沒有中斷過，這期間他一直在用自己的資金做量化交易，逐漸形成一套完整的模型，就是現在“優勢”系列，后面在產品模塊中將做詳細介紹。
之后，隨著中國金融行業的發展，期貨、期指、融資融券等衍生品工具的一步步放開，魏明嵐的量化之路逐漸走上正軌。2012年5月，他成立了上海量哲投資管理有限公司，骨干人員主要是來自高校的金融工程或數學系教授，除了深厚的學術背景，都具備豐富的投資經驗。
魏明嵐說，“我們的核心競爭力就是行之有效的策略和完善的模型，這來源于團隊深厚的數學以及金融工程功底，以及豐富的投資經驗。只要輔以合適的平臺，實現我們的策略，一定可以獲得讓投資人滿意的回報?！?/p>
多層次的產品組合
傳統的觀念中量化交易會有效地分散、降低風險，但其收益率也是相對較低的。魏明嵐認為這是市場對量化的誤解，他認為“好的量化應當是風險和收益的組合，既可以是低風險低收益的，也可以是高風險高收益的，應滿足不同的投資需求和偏好”。
量哲的產品組合很好地體現了他的觀點。從量哲的產品介紹表格可以看出，量哲的產品層次清晰，組合很豐富，既有高收益的，也有相對低收益，但風險也相對較低的產品。這樣一來就可以滿足不同客戶的需求，有些客戶如高凈值人群或機構投資者更看重長期的回報，就可以選擇優勢或優渥系列，而一些對資金流動性要求較高或一些不愿承擔太高風險的公司專戶就可以選擇優安或優利系列。
談到產品的發行和運營情況，魏明嵐說，“經過這幾年的培育，國內投資者改變了以往只看收益的做法，越來越多的開始關注風險狀況。總的來說，國內的客戶不太愿意承擔過高的風險，即使有獲得高收益的可能。出發點是在保值的基礎上再想辦法增值，所以優渥、優安比較受歡迎，一只優渥產品已于4月正式啟動，5月啟動了一只優安產品。而優勢系列主要是自己和朋友的資金一直在做，收益不錯。”
為了實現不同系列產品的投資目標，量哲團隊制定了不同的量化模型，“為實現較高收益，優勢系列保留了相對較大的對沖敞口，而優安及優利的基本沒有敞口，除非是特殊情況下會留一點點”，同時在模型設計時，預留了能容納較大的資金規模，也就是說其產品的資金容量是足夠大的。
總體而言，量哲的投資策略主要是基于α套利，通過模型進行因子分析，選出具有潛在超額收益的股票，通常股票池的量都比較大，能夠很好地分散風險，同時通過對沖交易規避系統性風險。魏明嵐透露，“今年10～11月份，高頻交易模型將投入使用，成為公司投資組合中的一個策略群，到時整體的風險系數將會進一步降低?！?/p>
面臨的發展問題
和所有量化基金一樣，魏明嵐也面臨著這樣那樣的問題。盡管已經過了最艱難的時期，但仍然有各種各樣的問題亟待解決。
首先是觀念問題，券商是量化基金發行和交易過程中的重要環節，很多的券商還在沿用固有思維，對于量化基金的理解比較淺，有時甚至抱懷疑態度。這使得基金在發行和交易之前要花大量的時間和精力去做調研工作，降低了工作效率。
其次券商的支持能力有限，對接平臺等IT問題尚需自己解決。另外券商的交易傭金制度缺乏靈活性，對量化交易，尤其是高頻交易來說，應當有更合理的傭金制度。
關鍵詞：期貨 程序化交易系統 建設 應用
一、引言
程序化交易最早是由美國70年的證券市場上的系統化交易發展演變出來的，美國NYSE曾對程序化交易做出規定：對于任何含有標普500指數、15只股票以上，或者是一百萬美元以上的交易都屬于程序化交易。
伴隨著我國期貨市場的不斷完善和成熟，很多期貨產品都具有良好的流動性。同時，期貨投資者的數量也在逐年增加，并且投資的結構也日趨合理化，我國的期貨市場有效性也越來越強。這些好的勢頭都為期貨市場中程序化交易的應用提供了良好的基礎。期貨市場程序化交易的迅猛發展，必將使那些提前掌握這一先進交易方式的投資者，在我國不斷發展的期貨市場中取得極大的優勢。
二、程序化交易概述
1、概述
我國證監會于2010年3月印發了《關于同意中國金融期貨交易所上市滬深300股票指數期貨合約的批復》中同意中金所上市滬深300股票指數的期貨合約。首批一共4個期貨合約在2010年4月16日正式上市交易。這標志著我國期貨市場理財時代已經來臨。隨之而來的是在金融市場上衍生出很多產品，那么相應的金融風險也被不斷放大。程序化交易是一種防范風險、提高風險的可控性的有效手段，逐漸被越來越多的投資人所接受和喜愛。程序化交易主要是利用行情分析軟件和已經編制好的電腦程序，并借助于期貨市場的技術指標，由計算機程序來計算出買賣點，并依據電腦發出的信號對產品進行買賣操作。
2、國內外程序化交易的發展狀況
程序交易化最早是產生于美國，上世紀70年代出現的“股票組合轉讓交易”。當時的專業投資經理人和經紀人通過電腦可以直接與股票交易所聯機，最終是為了實現股票組合的一次性買賣交易。伴隨著科技的進步、電腦技術突飛猛進的發展，以及幾年來指數基金、數量化投資的產生和發展，程序化交易也逐漸發展并被廣泛應用。到目前為止，程序交易化已經遍布美國及歐洲的各金融市場。據調查數據統計顯示，在目前的全球期權期貨交易市場中，程序化交易已經占到30%的比重，而在套利交易中則高達80%以上的比重。
相對于國外的程序化交易而言，我國的程序化交易知識處于剛剛起步階段，應用的范圍也比較小。但是，隨著中國期權期貨市場的不斷完善和成熟，我們將像其他成熟的市場運行規律一樣，程序化交易在不遠的將來一定會成為我國交易技術發展的主要方向和必然的趨勢。
三、程序化交易的優點
在期貨市場中實行程序化交易具有以下優點：速度快、交易的效率高；能最大程度的克服人性的弱點；便于對交易中的風險進行控制；便于交易成本的管理；能精細化的把握市場的機會。
期貨市場中程序化交易具有十分快捷的實現方式，能夠以最快的速度根據指令來完成下單，提高了交易的效率。貪婪和恐懼是人類的天性，很多時候人在發現錯誤時不愿意糾正，通常抱有僥幸的心理，而計算機則只是會按照已經既定的規則去進行處理錯誤信號發出的指令。所以，計算機可以克服人類的弱點。另外，在程序化交易過程中，可以提前設計好風險管理和資金管理的具體模型條件，幫助期貨投資者建立有效地的風險控制系統，例如：可以在系統中設置好盈余率、虧損率；在交易過程中，系統可以對市場狀態進行監測，如保證金量、市場的流動性、下單的頻率等。通過組合下單和傭金、對沖擊成本的精確計算，實施盤中動態交易的成本控制。通過實踐證明，程序化交易的核心就在于它的模型的復雜而精準的計算，通過計算機對交易條件的研究和判斷，可以對市場上額投資機會進行精細化的把握。
程序化交易也是存在一定的缺點的。大部分的程序化交易系統是在跟隨發展趨勢而編寫的，在技術分析方面比較看重，但是技術上的分析往往是落后于市場價格變化的。所以，由技術指標編寫的模型所發出的交易指令也同樣是滯后的，如果在區間震蕩行情中出現頻繁的交易就有可能出現連續的虧損。另外，程序交易很難對頭寸規模的大小進行確定，也就是對資金管理很難進行科學的確定。
四、期貨程序化交易系統的建設分析
一套優秀的期貨程序化交易系統要從以下四方面進行考慮：
1、合理設計程序化交易系統軟件
一套優秀的程序化交易系統必須依靠一個穩定、高效的載體來實現，這個載體為程序化交易提供了一個平臺。為了使程序化交易的優點得到充分發揮，這個平臺載體必須具備：及時穩定的行情數據接收端，穩定的程序化交易的指令下單交易端，穩定的行情及下單交易數據處理分析編輯平臺，即模型的編輯平臺，以及方便投資者正常使用的圖形界面系統。
