量化投資策略代碼研究

許興琛+韓藝+楊賀

[摘 要]文章以文華贏智交易平臺編寫的以上證指數(shù)為模型的策略代碼為主線，探討了量化投資的現(xiàn)階段發(fā)展與搭建策略的具體方法以及需要注意的一些事項。在對策略進(jìn)行回測的統(tǒng)計圖中體現(xiàn)出量化交易的可行性與高回報性，進(jìn)一步體現(xiàn)量化的前景。

[關(guān)鍵詞]量化投資；策略代碼；趨勢跟蹤；回溯

[DOI]10.13939/j.cnki.zgsc.2017.15.135

在如今每位公民都想通過金融產(chǎn)品投資的方式來增加個人資產(chǎn)的時代，量化基金的高收益率逐漸被投資者所知。西蒙斯，一位世界級的數(shù)學(xué)家以年凈賺15億美元成為全球收入最高的對沖基金經(jīng)理，名氣可謂超過金融巨鱷索羅斯。大獎?wù)履昊?5%超越股神巴菲特年化20%的收益神話。而在2016年5月《機(jī)構(gòu)投資者》旗下出版物《阿爾法》公布的“2016年全球收入最高的對沖基金經(jīng)理”排行榜中前十位有八位為量化基金經(jīng)理，前25位有一半屬于量化分析。由此可見海外對沖基金的焦點正從宏觀對沖基金轉(zhuǎn)向量化對沖基金。

而在國內(nèi)，量化基金正處于起步階段，國內(nèi)對于量化投資策略的研究較少。筆者以量化投資平臺上自主開發(fā)的策略代碼為例，通過對代碼的編寫優(yōu)化及檢驗回測，使讀者了解到量化投資的可操作性和高回報性。

1 量化投資策略概述

量化投資是計算機(jī)通過開發(fā)者編寫的程序來進(jìn)行分析以及交易整個的品種選擇、交易時機(jī)、交易方向以及倉位管理都是通過計算機(jī)完成。它避免了投資者個人的情緒影響，完全自動化操作，和如今的工業(yè)2.0類似。一個穩(wěn)定的量化投資策略往往可以勝任一位投資者的多種操作策略，尤其在風(fēng)險管理上量化投資更勝一籌。

國內(nèi)的主流量化交易平臺有文華贏智、TB、金字塔決策交易系統(tǒng)和國泰安量化投資平臺等。國內(nèi)的量化交易平臺繁多，而與海外動輒數(shù)百上千億美元的量化基金相比，國內(nèi)目前量化產(chǎn)品規(guī)?？傮w不大，而嚴(yán)格遵循量化投資理念的基金更少。并且A股市場發(fā)展時間較短，與發(fā)達(dá)國家比起來市場效率低太多，所以A股有很大的市場空間和盈利機(jī)會。本文以程序化實現(xiàn)簡單、性價比高等特點的文華贏智為程序化交易平臺為例，為防止成果泄露，以上證指數(shù)為模型進(jìn)行探究。

首先，筆者先闡述如何建立一個量化投資策略。

（1）交易思路的確立。不僅僅是量化投資，就算是普通的投資者也需要一套自己的交易體系。賺不到錢，賠錢，一直觀望，總之，所有交易中的不幸都可以歸咎于沒有一套自己的交易系統(tǒng)或者自己的交易系統(tǒng)有問題。

（2）將思路編寫成投資策略。這一項是量化投資的關(guān)鍵，如何將自己的投資思路轉(zhuǎn)變?yōu)闄C(jī)器代碼，首先是由你所在的交易平臺所搭建的語言決定的，例如文華贏智就是使用的比較簡單的麥語言。其次需要對使用的技術(shù)指標(biāo)進(jìn)行組合搭建，編寫出可運行的代碼。

（3）在計算機(jī)上進(jìn)行回測，選取最優(yōu)目標(biāo)組合和參數(shù)。技術(shù)指標(biāo)的參數(shù)設(shè)置往往決定了整個交易系統(tǒng)的成敗，一點點小的誤差往往會導(dǎo)致千差萬別的結(jié)果。筆者格外強(qiáng)調(diào)資金管理是投資體系中非常重要的部分，卻是大多數(shù)投資者忽略的環(huán)節(jié)，這需要讀者進(jìn)行不斷學(xué)習(xí)研究。

（4）進(jìn)行實盤操作，在操作中不斷完善投資策略，評價該交易代碼。評價程序化交易模型性能優(yōu)劣的指標(biāo)體系包含很多測試項目，但主要評價指標(biāo)有年化收益率、最大資產(chǎn)回撤、收益風(fēng)險比、夏普比率、勝率與盈虧比等。在下文中筆者將對這些評價指標(biāo)進(jìn)行分析。

2 量化投資策略代碼分析：以文華贏智交易平臺為例

在文華贏智中，進(jìn)入趨勢模型跟蹤編寫平臺，利用麥語言中已存在的函數(shù)進(jìn)行編寫，現(xiàn)筆者將自行編寫的其中的一個策略代碼貼出：

MA1：=MA（C，N1）；//多頭均線

RSV：=（CLOSE-LLV（LOW，N））/（HHV（HIGH，N）-LLV（LOW，N））×100；//收盤價與N周期最低值做差，N周期最高值與N周期最低值做差，兩差之間做比值定義為RSV

K：=EMA（RSV，2×M1-1）；//RSV的指數(shù)移動平均

D：=EMA（K，2×M2-1）；//K值的指數(shù)移動平均

C>MA1 AND CROSS（K，D）；//MA1均線上方，KD金叉，買入

CROSS（D，K）；//KD死叉賣出平倉

參數(shù)設(shè)置：[N1=10，N=44，M1=M2=27]

筆者需要對參數(shù)的設(shè)置進(jìn)行重點提醒。測試參數(shù)的不同會對測試結(jié)果產(chǎn)生非常大的影響，對于參數(shù)的精確設(shè)置影響到交易模型的可行與否。

這其中，筆者進(jìn)行的是順勢交易的代碼編寫。順勢交易，是順著當(dāng)前的趨勢進(jìn)行交易。如果當(dāng)前趨勢上升就買入開倉，當(dāng)前趨勢下跌就賣出開倉。為了防止惡意做空，本策略只進(jìn)行多頭行情的研究，空頭行情并沒有疊加進(jìn)來，所以收益率要比雙向行情要低。

下面對此策略代碼進(jìn)行回溯。對交易模型的測試結(jié)果是否滿意主要與品種、時間、手續(xù)費費率有關(guān)。不同的品種相同的策略有不同的結(jié)果，測試的品種越多，越能檢驗出策略模型的適用性。在時間上，如果所采用的歷史數(shù)據(jù)越少、時間跨度越短，測試的市場狀況就越狹窄，策略的可靠性就越差，反之亦然。手續(xù)費費率的影響就不用多提，但是有關(guān)滑點的問題也是策略需要多加研究的方面。

交易人員最關(guān)注的是策略到底能否盈利，能賺多少。交易的盈虧額能完全反映這一點。在如下的季度統(tǒng)計圖和年度統(tǒng)計圖中可以看出從2009年8月到2014年11月各有盈虧，比較溫和，總體的波動幅度并不大。而從2014年11月開始，出現(xiàn)了一直盈利并且幅度較大的狀況，尤其是2016年年初的季度，最高的盈利額達(dá)到了110354元，這比2014年前總的盈利還要多。而從2016年第一季度后出現(xiàn)了虧損，但是幅度并不大，而后又出現(xiàn)了盈利的情況。該策略在該時間段是盈利的，符合模型最基本的要求，季度統(tǒng)計圖和年統(tǒng)計圖如圖1所示。

交易者在一個策略中擁有的資產(chǎn)總和也是其關(guān)注的重點。假如交易者所用的權(quán)益小于某一理想的數(shù)值，他可能會停止該策略的繼續(xù)進(jìn)行，這也是我們常說的回撤問題。在如下的權(quán)益曲線圖中，交易者的權(quán)益幾乎是一直遞增，并且在2014年年末后斜率變大，由此我們可以得出使用該策略幾乎不存在回撤問題，對于交易者的心態(tài)有著積極的作用。權(quán)益曲線圖如圖2所示。

每次交易的盈虧額也是交易者關(guān)注的問題，如果虧損數(shù)量過大，再加上杠桿的作用，可能就會出現(xiàn)爆倉的問題。首先說明，此回溯并沒有加進(jìn)杠桿因素，國內(nèi)保證金按保守20%計算，也就是5倍杠桿，雖然不太大，可是影響還是有的。在如下的盈虧分布圖中，可以看出最大的一筆虧損出現(xiàn)在第500次左右交易時，虧損額為27523，而最大的盈利額也是出現(xiàn)在附近，盈利為32916，看來這附近的波動很大，應(yīng)該有政策因素在內(nèi)的影響。該策略總體來說單次盈虧額波動并不大，比較穩(wěn)健。盈虧分布圖如圖3所示。

只有圖表并不能準(zhǔn)確地反映出策略的完全可行性，下面將此策略的測算報告給予公布。

我們從測算報告中可以很容易得出此策略一共測試了2772天，無杠桿收益率為六年50%，而且只是多頭策略。而自2017年2月17日結(jié)算時起，滬深300、上證50股指期貨非套期保值交易保證金調(diào)整為20%，所以5倍杠桿的話就為250%。如果只看重策略的收益率卻忽略了回撤風(fēng)險是極其冒險的激進(jìn)策略。如果策略的收益風(fēng)險比相同，但是結(jié)果還是要取決于資金管理決策。

筆者在此將夏普比率進(jìn)行說明。評價策略的優(yōu)劣應(yīng)從收益值和風(fēng)險一起考慮。調(diào)整風(fēng)險后的收益率就是一個同時考慮進(jìn)了收益和風(fēng)險的指標(biāo)，能夠排除風(fēng)險對評價的不利影響。1966年，夏普提出了著名的夏普比率：S=（R-r）/σ（R為平均回報率，r為無風(fēng)險投資的回報率，σ為回報率的標(biāo)準(zhǔn)方差）。此公式表示為盡量用最合適的方法用小風(fēng)險換得大回報。如果為正值就說明投資收益比銀行存款利息高。比率越大說明所獲的風(fēng)險回報越高。該策略的夏普比率為22.83，可見是一個理想的策略模型。

3 結(jié) 論

筆者所提供的文化贏智策略模型只是量化投資的冰山一角。繼續(xù)加強(qiáng)量化平臺的完善，編寫多種多樣的策略，研究新的投資模型，實盤驗證等將是量化投資的發(fā)展重點。

量化投資已經(jīng)成為金融的一個重要專業(yè)領(lǐng)域。國內(nèi)多家機(jī)構(gòu)投資者都在加大在量化投資方面的投入，加快量化投資的進(jìn)程。量化投資為機(jī)構(gòu)投資者的投資決策能力的提升提供了新的平臺。相信量化投資在中國的前景無限。

參考文獻(xiàn)：

[1]韓錦.程序化交易模型的測試與評估[N].期貨日報，2015-03-04（003）.

[2]李子睿.量化投資交易策略研究[D].天津：天津大學(xué)，2013.

[3]吳斌，張永任.基金投資交易的股價效應(yīng)研究[J].財貿(mào)經(jīng)濟(jì)，2010（2）：12-18.