读书笔记：打开量化投资的黑箱（第2版）

发表于 更新于

比较著名的一本量化交易入门书，内容有点旧了，可以作为体系梳理，查漏补缺的参考。

量化系统的构成

Alpha 模型

  • 技术情绪型的因子平时做的比较少，一个例子是 put imp vol / call imp vol 作为一个因子（似乎在美国这个比率通常大于1，因为市场有急跌慢涨的特点，在中国未必）；另一种做法是用成交量、换手率、公开市场利率作为因子，成交量因子通常是反向的。高频里的 orderbook imbalance 也是一种技术情绪因子。

  • 理论驱动型 vs 数据驱动型。这里作者说的数据驱动是指用机器学习的方法来创造因子。由于信噪比太低的关系，机器学习方法长久以来都不是很令人放心。直接在市场数据上运用是比较难做的，机器学习更多是用在 alpha 混合上，或是从另类数据上生成因子。

策略多样性

  • 预测目标：方向、幅度、运动持续时间
  • 持仓时间：日内、短线（1天2周）、中线（几周几月）、长线（几月~）
  • 投资结构：绝对 or 相对，对冲什么（市场、行业）
  • 投资范围：做哪些品种
  • 模型参数：训练模型的参数、历史数据长度、更新频率
  • 条件变量：就是我们通常说的过滤
  • 运行频率：是每月调整一次仓位还是每个 tick 都要判断，持仓时间确定后这一条也基本定了

策略可以在以上几个方面做差异化，分散风险。

混合 Alpha 模型

是指通过多个 alpha（因子）合成一个 alpha 的方法。

  • 线性：回归以确定权重
  • 非线性
    • 条件模型：以一个因子为过滤条件来使用另一个因子
    • 轮动 rotation：根据因子近期表现来调权重
  • 机器学习：树模型或者神经网络来混合因子
  • 不混合：对每个因子构建一个组合，再合成一个大组合

风险模型

  • 仓位控制
    • 强制规定一个最大仓位，也是最常用的方法。
    • 定一个惩罚函数，只有 alpha 足够大，才能开大仓位。仓位超出临界水平越多，增加仓位越难。
  • 风险度量
    • 波动率， VaR 之类的
    • dispersion（离散）：不同品种相关性越高，风险越大。
  • 风险模型——哪些因素需要被控制
    • 理论驱动：利用金融知识识别风险。
    • 经验驱动：从价格数据寻找风险，例如用 PCA 分析出未命名的风险因子，可以和已知的风险因子对应起来，也可能是新的风险因子。

本章写得过于简略，风险的种类很多，市场内外都有，不同产品的风险也截然不同。风险度量的方法也有很多坑，都可以展开思考。

投资组合构建模型

主要还是在讲股票，每个股票都有一个或多个 alpha 值之后， 如何构建组合。

  • 基于规则
    • 等权
    • 等风险加权
    • 用 Alpha 决定权重
  • 基于优化：以 Markowitz 为起源的各种组合优化技术。

根据作者观察，alpha 模型会影响组合构建方法的选择，基于规则来构建组合的大多是做时间序列 alpha 的（绝对 alpha，以期货为主）；基于优化模型的大多是做横截面 alpha 的（相对 alpha，以股票为主）。规则型背后的思想是整个组合是由一系列独立的投注构成，标的之间的相关系数矩阵没有用，优化型则相信标的间的相关性会在未来延续。

数据

  • 不能简单看到一个大幅变动的数值就认为是数据出错，数据清洗程序应该提示人工进行审核。
  • 时间戳的错误，最好在实时接收数据的时候就打上本地时间戳。
  • 使用 point in time 数据避免前视偏差（look-ahead bias）。
  • 数据储存可以考虑 data cube，三个维度：时间、品种、属性。

研究

研究思路来源：

  • 对市场进行观察
  • 学术文献
  • 人员在量化公司之间流动
  • 来自主观交易者的经验

考察策略：

  • 收益曲线
  • 平均年化收益
  • 收益率随时间的变化。收益率越稳定越好，用块度（lumpiness）来描述显著高于平均收益的时间段内的收益，占总收益的比例，即策略赚钱不应该只靠一两段暴赚的时期。
  • 最大回撤，或者各种改良版本。
  • 信号预测力，用r方表示，或者分组收益等等。
  • 胜率或盈利时间占比
  • 风险调整收益，sharpe、IR、sterling、calmar、omega 等等等。
  • 和其他策略相关性
  • 延迟开仓
  • 参数敏感性

防止过拟合方面就是模型不能过于复杂，避免参数孤岛，样本内外检验等常规操作。

量化策略的风险

  • 模型风险。模型不能代表真实情况，例如用正态分布去描述收益率，或者模型结构不符合实际情况。执行上的技术性错误也归在这一类。
  • 结构关系变化。即模型描述的规律变了。
  • 外生冲击（exogenous shocks），外部突发的事件，如战争、恐怖袭击、疫情或者政策等等，对带来模型无法理解的风险。这种风险比较难处理。
  • contagion（风险传染）或称为 common invester（同质投资者）风险。许多表面不相关的策略其实在某些风险因子上都有相同的暴露，一旦一方发生危机，清算平仓行为会引起其他投资者的亏损，发生连锁反应，造成流动性危机。书中具体分析了2007年8月美国量化市场大崩溃的案例，我们A股市场里，15年也经历了一大波强连锁反应造成的股灾；而量化策略在19年11月开始的一波集体回撤，也可以匹配上书里说的原因。

评估量化策略和团队

作者列的一个清单，作为考察量化团队的一套问题，以后有这样需求的时候可以参考。对于量化团队或策略所拥有的优势（edge），一般有以下几种：

  • 投资过程优势（investment process edge）也就是在前述的量化体系的每个环节都做得比市场中位数水平好，包括研发流程和实际交易流程。
  • 数据优势（data edge）有独家数据，这个比较少会有这种情况。一般数据优势在于研发系统收集多少数据、清洗质量、数据存储系统是否高效。
  • 缺乏竞争优势（lack-of-competition edge）需要比别人更早的去发现某些领域的交易机会，慢慢竞争者会多起来，利润空间慢慢压缩。
  • 结构优势（structural edge）通常是市场的规则带来的优势，最常见的比如返佣，或是国外交易所的流动性回扣。

其他

  • 第2版作者完全新增了 HFT 的章节，感觉主要就是为高频公司洗白。这部分对我帮助不大。
  • 美国的高频者会看 ES（股指期货 mini 合约）来做现货，国内股指也是期货领先现货。
  • 风险检查交给 broker 的系统做的话会特别慢，所以美国高频公司会自建经济公司，这样就能写自己的柜台风控模块了。
  • 谈到向 quant 套话的方法时，作者推荐了一本书 The Interrogator，其中的几个要点：建立信任；当你知道对方大量信息时，再获取一条额外信息会更容易；对获取的信息要有序组织管理。