2020量化策略展望
蒋超苏黎世大学数学博士，计算神经科学博士。
主要研究领域包括：多维空间下的带稳定点的乐维过程，对抗人工神经网。
曾担任UBS Investment Bank senior mathematician（瑞银集团资深数学家）Researcher of University Zurich（苏黎世大学研究员）
研究内容包括伦敦隔夜拆借利率，金融数学中的基本数学模型，风险控制和极值理论。
目前主要在郑州构建自己的团队研究并实现利用数学模型和人工神经网络算法进行量化交易。
首先我们先来回顾一下2019年的金融市场的发展趋势：
2019年，对应了英国脱欧，沙特阿美上市，中美贸易战从分裂到疑似和解等等事件的发生。当然还包括了猪肉价格的震荡。首先我们不去分析每个事件带来的影响。我们作为一个整体来观察，并得出一个结论：市场的变化越来越诡异,波动越来越违反常规，越来越看不懂这个市场了，钱越来越难赚了。造成这种错觉的因素在于，市场越来越随机存在。现有的人工交易和部分传统意义上的量化策略已经失效。那么2020年还有哪些有效的量化策略或者量化策略的发展方向呢？
首先，我们所提到的量化策略并不包含使用传统指标作为基础的量化策略。虽然这一类策略也归为量化策略。但是我更愿意称其为不完备策略。这里，我先粗略的解释一下为什么策略会失效这个问题（如果想进一步了解，可以单独细讲）。
策略会失效，从最直观的角度来讲就是盈利无法覆盖损失。盈利是由利润和返还两部分组成，损失是由手续费和亏损组成。返还和手续费可以认定为固定值，那么其实真正的亏损在于利润远远小于亏损或者说达不到人为设定的要求。金融市场的本质是一个不完备随机模型市场。
因此我们可以看出，如果存在亏损，那么一定是你对市场不了解。从统计学的角度来讲，你的赚钱没有变成大概率事件。市场是基于概率存在的，有点类似于赌博。别人已经换套路了，而你还在用以前的套路。最终结果就是不断亏损。因此问题来了，那些传统指标存在了几十年，可以说在某些时间段管用，但是在当前市场，大部分时间的作用并没有检验过。
2020年还有哪些量化策略可以使用呢？我们分成高频，套利，趋势，期权四类来分析。
首先2020年对衍生品市场以及股票市场的分析重点依然在如何模拟市场微观变化，如何模拟现实世界对市场影响以及如何处理和利用市场白噪声这三个方向上。可以说如果解决了这三个方向上的问题，2020年是赚钱的一年。（这里我们并不对策略进行展开，只是对2020年的新策略做展望。）
高频交易
首先需要说的是高频交易并不仅仅是算法的交易，而是软硬件结合的交易。无论从哪个层面来讲，那些只讨论硬件设备加速多少，只讨论软件设备加速多少，或者是只讨论算法有多么简单的文章都是不懂高频交易的。
在可以预见的未来一年，衍生品市场还是以500ms或者250ms的多档切片数据为标准。交易接口还是以API为标准，不排除有些交易所开放协议。在这样的条件下，首先是硬件设备。最关键也是最基本的条件是mini机房的托管，如果连服务器都没有托管到mini机房，那就等同于没见过战斗机的人说我是金头盔。Mini机房的优势在于把你下单的延迟从秒级缩短为微妙，毫秒级的同时保证线路的绝对稳定（所有互联网线路都是不稳定的）。由于机房对服务器U数的限制，服务器内的CPU，内存，硬盘，网卡等硬件的搭配也是极为重要的。机内延迟取决于硬件的信息传递和软件的设计。同时我没有在硬件这块提及显卡的搭配的问题会放在后面算法的部分解释。
现在我将软件和算法放在一起说。
首先可以肯定的是高频策略的软件一定是基于C++的，算法可以基于C++和go语言。因为C++有天生的速度优势。高频是追求的速度和精度的双重极限。可以理解为东风17高超音速高精度的导弹。因此软件的算法计算，下单工作全部都在服务器上完成。
然后就是算法，网上有一种声音再说因为高频交易的速度很快，那么算法中的数学模型可以不需要或者不是重点。对于这类声音，呵呵。因为最简单的算法，其实本质上他的数学模型也是最复杂，最精密的。因为所有的工作都需要用传统推导方法推导出最简单的计算机程序。
首先可以肯定的是，高频交易算法依然是概率算法或者随机过程的天下。深度学习由于其目前对C++并不友好，以及需要大量数据和复杂推理机制的劣势并不适合高频交易。相反，OU process，马尔科夫过程这类依靠概率存在的模型会具有相当大的优势。
同样，对订单薄的结构分析也是下一代算法的重点，尤其是在微观市场中对订单薄的流动性和深度以及切片行情内的数据推演。目前对这类问题可以考虑基于某种随机假设的概率模型进行计算。
套利交易
套利策略多种多样，但本质上来讲是如何规避风险的对冲策略。
目前市场上的套利方向主要是高频配对套利，多角套利以及长期套利。但都是在寻找资产定价的合理分布，从而找到偏离和回归的时间并进行对冲。
在2020年的策略发展方向中，最重要的套利策略的规则应该在于如何处理市场噪声，以及如何识别市场数据，如何做回归。每个市场都是有噪声存在的。经典随机假设并不能完全反应市场的有效性。这个时候我们需要加入白噪声。加入白噪声的好处在于可以充分拟合市场规律的同时，白噪声的波动也是反应市场偏离和回归的指针。
因此下一年的套利策略可以使用的发展方向是利用协方差或者类似于协方差的距离算法在股票和衍生品市场内搜索高相关性的配对产品。利用随机分析算法（马氏链模型，OU过程，带跳跃的levy过程以及一些回归模拟）来实现对套利交易内部隐藏因子的分析。在不需要速度那么高的套利交易中，机器学习，随机森林这些新型算法也是值得考虑的方向。
不过需要注意的是机器学习，随机森林以及退火算法这类模型涉及到需要使用tensorflow，pytouch这类深度学习包以及需要使用cuda（或者可以考虑专门的深度学习芯片）进行加速计算。不可否认的是大规模计算带来的好处是极高精度的数据分析和成功率。最后考虑利用随机控制理论对仓位进行控制。比如使用主成分分析法，动态资产定价，coupula方法等。
趋势策略
未来一年因为经济的转型和现货企业大量接触期货市场，以及衍生品市场的不断规范。趋势策略会成为重要策略之一。
而趋势策略在未来需要解决的问题在于如何在大量数据中筛选有用的数据，如何评估现实世界对衍生品市场的影响以及如何进行仓位管理。
首先随着国内大量金融领域的开放，可以拿到的金融数据越来越多，这意味着影响衍生品市场的因子越来越多，衍生品市场也逐渐回归统计学规律市场。对数据的判断和分析成为重点。每个人的精力是有限的，即便是最顶尖的分析员，面对每天超过1TB的各种数据也无能为力。
因此未来一年的趋势策略会发生以下变化趋势。首先是要搜集和整理分布于各个网站的各种数据和信息。其次是需要一个强有力的模型来对数据进行评级，筛选，分析。对于这方面，最有效用的模型还是回归分析，隐藏因子分析，随机森林，遗传算法以及机器学习。
值得一提的是成套的机器学习算法在网上有很多，并且有很多现成的例子可以拿来使用。需要做的是更改里面的参数和模型的部分框架（基本上对这方面有一点了解的都可以做到）。
同时还有对以往衍生品数据和现实世界数据之间的相关性分析和拟合从而推断出数据的分级。至于趋势交易的仓位管理可以参考套利交易的仓位管理方式。
期权交易
最后说一下期权交易。
期权交易分为场内期权和场外期权。伴随着大量的期权产品上市，国内的期权交易也会成为一大交易热点，尤其是大量现货企业的需求之下。期货和期权的交易成为重点。
目前国内的期权交易以欧式期权和美式期权为主，不排除有时候场外期权可以订立混合式期权。那么期权的量化策略其实就是对期权公式的描述。有一句话叫做如果你不懂B-S公式，那么你就是门外汉。如果你只懂B-S公式，那么你会输的倾家荡产。B-S公式是期权定价的最经典公式，但是最大特点就是B-S公式做了大量的理想化的假设。
因此期权交易的两个方向就是对期权定价公式的推演，以及对期权定价公式的现实模拟。首先是对公式的推演，基本的有Black76，二叉树，Biominal Model。复杂的可以加入稳定态等等，数学推理无极限，就看谁的模型更能阐述期权的原理。
另外就是对期权以及资产定价模型的现实模拟。涉及到了计算波动率，计算窗口期等等工作。这就需要使用蒙特卡洛模拟，拉斯维加斯模拟还有random walk参与帮助。
2020年的衍生品市场将会随着金融市场的大面积开放，外资的不断涌入发生大的转变。这种转变带来的是长江后浪推前浪，前浪死在沙滩上。欧美先进的算法模型的介入导致大量的以往经验性模型失效，人工成本急剧增加。因此不断发展才会持续盈利。
量化是将来的发展趋势啊
页:
[1]