作者差分量化：何力

　　現(xiàn)在很多人都很困惑，因為他們發(fā)現(xiàn)現(xiàn)很多曾經(jīng)有效的算法已經(jīng)無法再擊敗市場。這里面的原因并非完全在于算法本身，很大一部分原因在于他們不能通過數(shù)據(jù)和邏輯重新構(gòu)建算法與市場的關(guān)系。

　　在量化交易領(lǐng)域，大多數(shù)的投資回報都并非通過創(chuàng)建新策略新算法得來的，而是通過把現(xiàn)有有效的算法通過創(chuàng)新的方式應(yīng)用于現(xiàn)有數(shù)據(jù)得來的。如果投資者能從統(tǒng)計數(shù)據(jù)和規(guī)律中重新構(gòu)建算法與市場的關(guān)系，那么同樣的算法一樣能獲得遠遠超越資本成本和交易成本的超額收益。

　　由于有太多的人在使用相同的策略。對于那些已經(jīng)眾所周知的策略，目前已經(jīng)很難再被用來穩(wěn)定賺錢了。但是如果差分量化你把注意力從價格本身轉(zhuǎn)移到像波動性等其他一些因素上來，那么古老的策略依然有機會煥發(fā)生機。那么我們該怎么做呢差分量化？

　　通過統(tǒng)計數(shù)據(jù)的可預(yù)測性，我們幾乎可以從任何目前在市場上交易的品種中獲利。舉個例子：我們可以首先獲取關(guān)于某只股票新聞報道的簡單訊息聚合訂閱數(shù)量(Really Simple Syndication feed），訂閱數(shù)量的多少反應(yīng)了人們關(guān)心的程度。然后我們通過文本處理技術(shù)提取新聞中的關(guān)鍵詞，然后設(shè)計算法處理這些關(guān)鍵詞并預(yù)測該股票未來短時間的價格漲跌。關(guān)鍵詞處理可能涉及的技術(shù)層級太高，不是一般人能搞的定的。那么我們閹割掉文本處理這一塊，還能否盈利呢？答案是肯定的。

　　讓我們從另外一個角度來分析。假設(shè)我通過某種方法知道最近針對某家上市公司的新聞報道特別特別多。這種新聞數(shù)量的異常增多表明這家上市公司的股票很有可能在最近幾天產(chǎn)生大幅度的波動（當(dāng)然這里面新聞數(shù)量的多少和股價的波動關(guān)系需要你提前就做回測確定統(tǒng)計關(guān)系）。這個時候你只知道股價會大幅度波動，但是不知道波動的方向怎么辦呢？（如果學(xué)會文本處理就好了 ╮(╯_╰)╭）。不用著急，現(xiàn)在只需要通過做多蝶式期權(quán)套利策略你就可以提前鎖定利潤。

　　構(gòu)建做多蝶式期權(quán)套利策略能獲利的條件是標(biāo)的資產(chǎn)價格的未來隱含波動性大于目前的波動性。具體來講，包含如下的期權(quán)組合：

　　* 買入1份期權(quán)執(zhí)行價格為(X ? a)的看多期權(quán)

　　* 賣出2份期權(quán)執(zhí)行價格為X的看多期權(quán)

　　* 買入1份期權(quán)執(zhí)行價格為 (X + a)的看多期權(quán)

　　其中X是期權(quán)標(biāo)的資產(chǎn)的現(xiàn)貨價格，同時a>0。包含的期權(quán)合約有相同的到期日。在到期日，如果期權(quán)標(biāo)的資產(chǎn)價格小于X-a或者大于X+a，那么該做多蝶式期權(quán)套利策略的收益為0；如果期權(quán)標(biāo)的資產(chǎn)價格在X-a和X+a之間，那么該做多蝶式期權(quán)套利策略的收益>0,且收益最大為X。所以只要未來標(biāo)的資產(chǎn)的波動性比現(xiàn)在大，那您就等著數(shù)錢吧 ^o^。

　　通過組合使用各種衍生品的組合，我們可以利用市場某些極端深奧的統(tǒng)計學(xué)屬性。而更加復(fù)雜和更有效的交易策略會涉及到多種資產(chǎn)的統(tǒng)計關(guān)系。而這個時候，獲得第一手數(shù)據(jù)就顯得非常重要。

　　如果某個策略使用的是第一手獨家的數(shù)據(jù)，那么毫無疑問這個策略的獲利能力將會顯著加強。

　　舉個例子，以前在冷戰(zhàn)時期，美國有公司曾經(jīng)開發(fā)過數(shù)學(xué)模型用來處理從衛(wèi)星上獲得的關(guān)于蘇聯(lián)玉米產(chǎn)量的數(shù)據(jù)并預(yù)測蘇聯(lián)的玉米產(chǎn)量。讓人驚訝的是，這種模型做出的預(yù)測比蘇聯(lián)人實地考察自己玉米地后做出的產(chǎn)量預(yù)估更加準確。現(xiàn)在這家美國公司開始用這些模型來預(yù)測美國自己的玉米和大豆產(chǎn)量。

　　通過衛(wèi)星數(shù)據(jù)和模型算法，這家公司預(yù)測的美國玉米總產(chǎn)量甚至比美國農(nóng)業(yè)部的預(yù)測更加準確。顯然，如果你只能等到美國農(nóng)業(yè)部公布玉米產(chǎn)量的時候才做買賣判斷，那大概率只能給人抬轎子了

　　╮(╯﹏╰）╭。而能提前從這家美國公司獲取第一手產(chǎn)量數(shù)據(jù)的投資者將大概率跑贏市場。后來這家美國公司被一家專門做大豆和玉米期貨的對沖基金高價收購了。這個公司厲害之處就在于，他們能產(chǎn)出別人所沒有的第一手資料。

　　 總結(jié)一下，在投資領(lǐng)域，目前量化方法一般被應(yīng)用到如下的地方：

構(gòu)建模型并預(yù)測數(shù)據(jù)中的潛在變量或者關(guān)系；

構(gòu)建模型并預(yù)測市場在一些核心變量如利率或者油價變化的時候，市場如何反應(yīng)；

構(gòu)建模型并預(yù)測當(dāng)重要事件或者新聞報道出現(xiàn)的時候，資產(chǎn)價格和波動性如何變化。

　　目前有4類不同的量化方法：

　　決策形成類。這里面包含了神經(jīng)網(wǎng)絡(luò)，基于規(guī)則的交易策略，決策樹，自適應(yīng)學(xué)習(xí)，支持向量機等；

　　建模類。這里面包含了資本資產(chǎn)定價模型，套利定價模型和布萊克--斯克爾斯期權(quán)定價模型；

　　資產(chǎn)配置類。這里面比較典型的就是凱利公式和平均方差組合理論；

　　優(yōu)化類。該類方法通過并入新的數(shù)據(jù)來源或從現(xiàn)有數(shù)據(jù)來源中提取信息來改進在其他模型中使用的潛在變量的估計值。比如，相比于只使用歷史股價波動率，我們可以通過同時使用隱含波動率，歷史波動率和實時提取公司新聞事件信息來優(yōu)化估計股票價格在給定時間范圍內(nèi)的波動率，顯然這種預(yù)測會更加準確。

　　最后要說明的一點就是，傳統(tǒng)的“寬客”需要應(yīng)用統(tǒng)計學(xué)知識，蒙特卡洛模擬，偏微分方程等方法。而這些屬于純應(yīng)用數(shù)學(xué)領(lǐng)域的方法已經(jīng)不夠用來定義一個目前前沿的“寬客”了?，F(xiàn)在的定量分析領(lǐng)域已經(jīng)融入了更寬泛的學(xué)科理論，特別是機器學(xué)習(xí)。