量化投資必讀:剖析全球量化投資30年來的發展脈絡

作者:撲克投資家   |   2016 / 09 / 17

文章來源:華爾街見聞   |   圖片來源:Joseph Wang


從歷史上看,第一支有現代意義上的股票在1606年由荷蘭的東印度公司發行。在這之後的400多年間,在投資界有各種各樣的交易流派出現,但是現代意義下的量化交易卻是在1980年代初才興起,迄今也不過只有30餘年的歷史。什麼是量化投資?一般說來,量化投資指的是用數學模型選取並交易有價證券。這些數學模型往往基於經濟學理論或者市場觀測到的規律,經歷長時間歷史數據的檢驗,編制成程序交由電腦交易。過程中幾乎沒有人為干預。

著名的量化基金有:James Simons(西蒙斯)1982年創立文藝復興科技公司(RenaissanceTechnology)。David Shaw,對沖基金DE Shaw的創始人,1986年加入摩根史坦利的APT量化交易組。這個組利用一種叫配對交易(pairs trading)的量化策略在當年賺了約四千萬美元。1989年圖靈獎的主辦單位電腦協會(ACM)下屬的知識發現和數據挖掘小組(SIGKDD)舉辦了第一屆數據挖掘的學術年會,出版了專門期刊。1988年以來,西蒙斯掌管的的大獎章(Medallion)對沖基金年均回報率高達34%,這個數字較索羅斯等投資大師同期的年均回報率要高出10個百分點,較同期標普500指數的年均回報率則高出20多個百分點,而且穩定性更佳;從2002年底至2005年底,規模為50億美元的大獎章基金已經為投資者支付了60多億美元的回報。更難得的是這個回報率是在扣除了5%的資產管理費和44%的投資收益分成以後得出的。

量化投資出現的主要原因

量化交易的出現離不開如下幾個主要原因:現代金融理論的發展,電腦技術的普及和發展,以及交易成本的下降。而這些變化大部分都發生在最近30年內。

1. 現代金融理論的發展

傳統資產定價的理論框架回顧:

傳統資產定價主要基於現金流貼現法。企業的整體價值等於其股票和債券的價值之合。股票的價值等於其未來所有現金流的折現值,債券的價值則等於利息與到期本金的折現價值。以股息貼現模型(DDM)為例,計算一個公司股價,我們需要預測該公司將來派發的一系列股息,然後估算每年的折現率,把未來股息貼現成現值,最後把淨現值的全相加起來。這個方法聽起來很簡單,但實際操作起來相當複雜而且帶有主觀性。分析師預測一個季度的股息都經常搞錯,準確預測將來所有股息更是難上加難。預測未來折現率也有同樣的問題。現代金融理論則另闢蹊徑。1960年代,威廉夏普、林特納等提出的CAPM定價模型,對資本市場均衡狀態下的資產風險與預期收益率的關係給出了精確定義。根據CAPM模型,一個股票的預期收益率取決於它和市場的相關性(beta)和無風險利率(risk-freerate)。投資者不用複雜的現金流預測就能估算股票的價值。馬克維茨(Harry Markowitz)在50年代創造性地提出了用均值方差最優化的數學方法來選擇最優投資組合。這個最優組合不再完全取決於一個股票的預期收益率,而且還和其風險,與其它股票的相關性,以及投資者對風險的喜好程度密切相關。夏普和馬克維茨因此研究同獲1990年諾貝爾經濟學獎。

現代金融理論對傳統理論的主要推動作用包括:

  1. CAPM等金融定價模型可以很快給成百上千股票估算預期收益率,而傳統辦法更費時費力;當然,傳統方法準確度一般而言比較高。
  2. 現代金融理論更強調風險對收益率的影響。最優投資組合往往投資於大量股票以降低組合風險,而傳統投資​​往往只集中於幾個或幾十個預期回報率最高的股票,組合波動率往往更高。我們可以舉個簡單例子看看風險對收益率的影響。假設有兩個投資策略,策略A一天賺10%下一天賠5%,策略B一天賺6%下一天賠1%。這兩個策略賠和賺的機率都是50%,而且每天平均收益率都是2.5%,但是B的波動率要小得多。投資200天之後策略A複合收益率為81.6%,策略B的收益率為124.2%,比A高50+%。
  3. 跳過了複雜易錯的現金流預測模型。傳統投資模型試圖用嚴密的數學理論給資產定價,卻忽視了現金流折現模型中每個參數的估計都具有很大的隨機性。參數估計一點小小的變化往往對最後的估值產生巨大的影響。兩千年前的畢達哥拉斯曾經說過,上帝用數學法則創造了世界。現代科學的發展卻越來越發現其實完全確定的事物只是世界的一小部分。也許更精確的說法是:上帝用機率法則創造了世界,尤其是對於與人類行為有關的事物。

當然,這並不是說現代金融理論就一定強於傳統理論。傳統投資因為對個股分析更為透徹因此投資命中率hit rate更高。基於CAPM等數學模型賺錢的方式不同。量化交易往往在短期內作出大量的交易。每一個交易的虧贏率雖然小於傳統投資模型,但數千次交易之後,只要盈利交易多於虧損交易,總體交易結果就是盈利的。

2. 電腦技術的發展

1976年,史蒂夫賈伯斯(Steve Jobs)和斯蒂夫沃茲尼克創辦蘋果電腦公司,並推出其Apple I電腦。1982年,微電腦開始普及,大量進入學校和家庭。在過去的半個世紀裡,電腦基本按照英特爾(Intel)的創始人之一戈登摩爾提出的摩爾定律飛速發展:電腦硬體的處理速度和存儲能力,每一到兩年提升一倍。

電腦技術的發展極大地推動了社會各方各面的飛速進步。在政治籌款和競選上,美國2008年的大選被稱為是一場數據的較量。歐巴馬(Barack Obama)的競選團隊使用了大數據對不同選民採取了不同的競選和籌款宣傳(microtargeting);在商業上,商家利用顧客的電子消費記錄預測客戶的需求。以沃爾瑪(Walmart)為例,它每小時要處理100多萬筆電子交易記錄,可謂每分每秒都在源源不斷地生產數據。在體育方面,數據分析也越來越成為教練挑選和訓練隊員的有力工具。電影《魔球》描述的就是一家小型棒球隊如何通過數據分析挑選物美價廉的球員,最後獲得史無前例的聯盟連勝紀錄的故事。量化交易不過是在這個大環境之下電腦技術對投資和交易的推動而已。

據說,有一個叫Theo Epstein的耶魯畢業生,出身名門,祖父是電影《卡薩布蘭卡》的劇作家。他對用統計模型研究棒球痴迷。Theo後來在2002年成為波士頓紅襪隊的教練,年僅28歲,創下美國職棒聯盟歷史。並在兩年後帶領球隊奪下聯盟冠軍。波士頓在等待八十六年後再度奪冠。

3.交易費用的下降

全球範圍內交易費用的下降已經持續了一段時間,在金融市場競爭的推動下,又開始出現繼續下降的趨勢,例如,日本2014年一月份再次調低了bid-ask spread。

量化交易的引入的影響

從成熟市場的經驗來看,量化交易是市場流動性的主要提供者之一。在許多交易所,一小部分高頻量化基金的交易量能達到總交易量的30%-40%。高頻交易主要提供短期流動性,中長期的流動性往往也由交易頻率較慢的量化基金提供。量化交易通常一次性交易成百上千股票,所以單個股票的走勢對其影響不大。同時,基於這樣的特點,量化基金一般不會捲入內幕交易的醜聞。在許多multi-strategy(多策略)對沖基金裡,量化經理是合規部門(compliance)最放心的部門之一。對中國投資者來說,量化基金給那些沒有個人背景但是有數學頭腦的投資者一個主要依靠專業知識立足金融市場的機會。

串場遊戲及解讀

1. 遊戲規則

請從0到100之間任意選取一個整數,不要告訴別人,私訊給遊戲組織者,勝者將是最接近平均數的三分之二的那位。

2. 遊戲解讀

這是芝加哥大學經濟學教授Richard Thaler在《金融時報》上提出的一個遊戲。參加者需付10美元參加,優勝者將獲得兩張免費的倫敦到紐約的往返機票。最後統計下來最多的答案是33,當其他人都隨機選擇時這是正確答案。次多的答案是22,這是當你多想一步得到的答案。最後他得到的平均數是18.9。如果這是博弈論的一道考試題,那麼它其實是有“標準”答案的。如果所有人都足夠“理性”,他們應該都選0,因為0的2/3仍然是0,當所有人都選擇0的時候沒有任何一個人可以通過改變自己的選擇而獲利。這也是所謂的納什均衡點。在這個完美世界裡所有人都能獲得免費機票。不過在現實生活中你確定所有人都那麼理性嗎?即使你知道這個答案,玩這個遊戲時你真的敢選0嗎?

3. 遊戲帶來的思考

第一個思考是,是不是所有問題都是有標準答案的?市場上到底有沒有放之四海皆準的真理?常有人覺得自己的分析萬無一失,可是市場走勢就是完全相反。這種情況下,你是相信市場呢,還是相信自己的分析?

第二個思考是,每個人的選擇會對結果產生影響,所以結果往往是不確定的。假如這個遊戲只有兩個參與者A和B。已知A選的是50,B的最佳選擇真的是33嗎?算一下,(50+33)/2=42,42×2/3=28。當B選擇33的時候,精確的答案已經被其選擇影響縮小到了28。假設有N個人玩這個遊戲,每個人都是博弈論專家,也都知道其他人是博弈論專家。有沒有辦法能讓某些人擊敗其它競爭者?也就是說有沒有比納什均衡點更“優”的解?如果有兩人串通好,一人報100,另一人報100/N×2/3,N是總共參與人數,這兩人就會擊敗所有其他對策論專家。

第三個思考是,在沒有任何監管的情況下,資本市場將充斥內幕交易者和做局者,最終把大部分循規蹈矩的投資者嚇跑,導致市場投資環境的惡化。

華爾街見聞》授權轉載

(更多精彩財經資訊,點擊這裡下載華爾街見聞App)華爾街見聞-文末圖片連結

喜歡這篇文章?加入你的S夾!

華爾街見聞
華爾街見聞,中國領先的財經新媒體平台,提供全球經濟和金融資訊,幫助中國投資者理解國際金融市場。讀懂金融、理解各國宏觀政策,從華爾街見聞開始。
華爾街見聞的最新文章
More

社群熱門分享排行榜
本週
本月
追蹤股感的社群