量化投資交易策略初探

常綺帆

摘 要 中國(guó)金融市場(chǎng)，這些年來(lái)發(fā)展迅猛，積極借鑒國(guó)外金融市場(chǎng)的量化投資經(jīng)驗(yàn)，我國(guó)也出現(xiàn)了一批量化投資基金。由于傳統(tǒng)量化交易策略相對(duì)不適應(yīng)國(guó)內(nèi)股票市場(chǎng)的投資特點(diǎn)，本文基于對(duì)量化交易中的Dual-Thrust策略，研究分析了一個(gè)修改版本的股票策略，并基于中國(guó)股票市場(chǎng)最新的歷史數(shù)據(jù)進(jìn)行了回測(cè)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明該策略具有一定的盈利能力。交易策略的成功實(shí)現(xiàn)顯示了量化交易策略的實(shí)用性，也表明了未來(lái)發(fā)展的趨勢(shì)性，量化投資無(wú)疑將對(duì)中國(guó)未來(lái)金融交易有很大影響。

關(guān)鍵詞 量化交易 股票交易策略

一、量化投資交易簡(jiǎn)介與文獻(xiàn)綜述

量化交易起源于20世紀(jì)70年代的股票市場(chǎng)，之后迅速發(fā)展和普及，尤其是在期貨交易市場(chǎng)，程序化逐漸成為主流。有數(shù)據(jù)顯示，國(guó)外成熟市場(chǎng)期貨程序化交易已占據(jù)總交易量的大部分，而國(guó)內(nèi)卻仍然處于剛起步狀態(tài)。

量化交易是指借助數(shù)學(xué)與現(xiàn)代統(tǒng)計(jì)學(xué)方法，利用計(jì)算機(jī)技術(shù)來(lái)進(jìn)行交易的證券投資方式。量化交易從海量的歷史數(shù)據(jù)中選擇能帶來(lái)超額收益的“大概率”事件，并以此來(lái)制定交易策略。制定的交易策略還需要數(shù)量模型的多次驗(yàn)證、固化規(guī)律，之后才能嚴(yán)格執(zhí)行已固化的量化交易策略。這樣的量化策略用來(lái)指導(dǎo)投資，以求得到持續(xù)穩(wěn)定的超額回報(bào)。相比手工交易中交易者情緒波動(dòng)等帶來(lái)的盈利障礙，程序化交易的精準(zhǔn)性，執(zhí)行率成為盈利的優(yōu)勢(shì)。

中國(guó)金融市場(chǎng)不斷完善、發(fā)展，量化投資交易也慢慢發(fā)展起來(lái)，涌現(xiàn)出一些量化投資基金，甚至是全自動(dòng)無(wú)人值守的機(jī)器交易型量化基金。量化交易是通過(guò)對(duì)交易數(shù)據(jù)的統(tǒng)計(jì)分析，制定機(jī)械化的買賣規(guī)則，在條件觸發(fā)后無(wú)條件地執(zhí)行交易。而主觀交易者通常依據(jù)自己的經(jīng)驗(yàn)，來(lái)決定何時(shí)買賣，購(gòu)買什么類型的投資標(biāo)的。所以，量化交易可以有效避免主觀交易者由于心理情緒等因素造成的錯(cuò)誤交易。

與外國(guó)市場(chǎng)相比較，中國(guó)量化交易起步較晚，而且中國(guó)股票市場(chǎng)具有自身的特點(diǎn)，所以一些國(guó)外成熟的量化投資理念或者量化交易模型，不能直接適用于中國(guó)股票市場(chǎng)。

當(dāng)然，我國(guó)也有不少研究者對(duì)量化投資交易進(jìn)行創(chuàng)新研究。齊岳等研究者采用深度強(qiáng)化學(xué)習(xí)中的深度確定性策略梯度，將深度強(qiáng)化學(xué)習(xí)技術(shù)應(yīng)用于投資組合管理。蔣慧敏提出了一種基于 Zigzag的K線趨勢(shì)中的高點(diǎn)、低點(diǎn)和拐點(diǎn)的識(shí)別算法來(lái)構(gòu)造期貨程序化交易系統(tǒng)中K線特征趨勢(shì)算法。另外，也有學(xué)者利用遺傳算法等來(lái)優(yōu)化SVM，用于提高交易信號(hào)的準(zhǔn)確性。這些研究者的研究都對(duì)中國(guó)量化投資交易的良好發(fā)展奠定了基礎(chǔ)。

二、量化交易過(guò)程及優(yōu)勢(shì)與風(fēng)險(xiǎn)性

（一）量化交易過(guò)程

一是資產(chǎn)配置。在投資標(biāo)的確定和選擇之前，我們需要確定在投資組合當(dāng)中，風(fēng)險(xiǎn)資產(chǎn)規(guī)模和不同風(fēng)險(xiǎn)資產(chǎn)占比。二是量化選股。利用計(jì)算機(jī)技術(shù)來(lái)量化分析，判斷給出的投資標(biāo)的。量化選股的方法一般需要先研究海量公司相關(guān)數(shù)據(jù)，再挖掘市場(chǎng)當(dāng)中的基本規(guī)律，構(gòu)建起相應(yīng)的選股策略。三是測(cè)試優(yōu)化。我們需要采用歷史數(shù)據(jù)進(jìn)行各種各樣的測(cè)試驗(yàn)證 它的適用性，這也被稱為是回溯測(cè)試。不同的測(cè)試所揭示的是不同的側(cè)面。對(duì)參數(shù)模型進(jìn)行調(diào)整，優(yōu)化。

（二）量化交易的優(yōu)勢(shì)

一是紀(jì)律性嚴(yán)格。量化交易系統(tǒng)會(huì)顯示出被選擇的這只股票與其他的股票相比在成長(zhǎng)面上、估值上、資金上、買賣時(shí)機(jī)上的綜合評(píng)價(jià)情況，比普通投資者拍腦袋、憑經(jīng)驗(yàn)就產(chǎn)生的買賣交易更有理有據(jù)。二是系統(tǒng)性完備。完備的系統(tǒng)性表現(xiàn)為多層次、多角度和多數(shù)據(jù)，強(qiáng)大的量化數(shù)據(jù)信息處理能力，才能抓住更多的投資機(jī)會(huì)。三是套利的思想。量化交易其實(shí)是通過(guò)全面、系統(tǒng)性的掃描，尋找錯(cuò)誤定價(jià)、錯(cuò)誤估值帶來(lái)的套利機(jī)會(huì)，買入低估股票，賣出高估股票。四是概率取勝。一方面從歷史數(shù)據(jù)中挖掘有望在未來(lái)重復(fù)的歷史規(guī)律加以利用。另一方面是在股票實(shí)盤操作中，運(yùn)用概率分析控制倉(cāng)位，提高買賣成功的概率。

（三）量化交易的風(fēng)險(xiǎn)性

一是一二級(jí)市場(chǎng)的“級(jí)差”風(fēng)險(xiǎn)?！凹?jí)差風(fēng)險(xiǎn)”是套利交易的核心。由于股價(jià)的變動(dòng)，ETF套利級(jí)差轉(zhuǎn)瞬即逝，很難把握。所以錯(cuò)綜復(fù)雜的計(jì)算過(guò)程由計(jì)算機(jī)完成，交易員通過(guò)設(shè)定計(jì)算程序決定策略，或者自動(dòng)讓系統(tǒng)在出現(xiàn)套利空間時(shí)自動(dòng)交易，系統(tǒng)自動(dòng)下單交易便稱之為程序化交易。二是交易員操作風(fēng)險(xiǎn)。比如光大的烏龍指事件，有可能是交易員在輸入數(shù)量的時(shí)候出現(xiàn)了失誤。這同時(shí)也牽扯到第三種風(fēng)險(xiǎn)，系統(tǒng)風(fēng)險(xiǎn)，每個(gè)交易員在系統(tǒng)中都有相應(yīng)的交易權(quán)限，包括數(shù)量、金額。三是系統(tǒng)風(fēng)險(xiǎn)。如長(zhǎng)期資本公司（LTCM）的案例中，模型風(fēng)險(xiǎn)也是其中一個(gè)較大失敗原因。LTCM的數(shù)學(xué)模型建立在歷史數(shù)據(jù)的基礎(chǔ)上，一些概率很小的事件被忽略掉，因此埋下了隱患。一旦這個(gè)小概率事件發(fā)生，其投資系統(tǒng)將產(chǎn)生難以預(yù)料的后果。

三、經(jīng)典的量化交易策略分析（以聚寬數(shù)據(jù)為平臺(tái)）

（一）Dual Thrust交易系統(tǒng)策略介紹

Dual Thrust是一個(gè)趨勢(shì)跟蹤系統(tǒng)，由Michael Chalek在20世紀(jì)80年代開(kāi)發(fā)，曾被Future Thruth雜志評(píng)為最賺錢的策略之一。Dual Thrust系統(tǒng)具有簡(jiǎn)單易用、適用度廣的特點(diǎn)，其思路簡(jiǎn)單、參數(shù)很少，配合不同的參數(shù)、止盈止損和倉(cāng)位管理，可以為投資者帶來(lái)長(zhǎng)期穩(wěn)定的收益，被投資者廣泛應(yīng)用于股票、貨幣、貴金屬、債券、能源及股指期貨市場(chǎng)等。在Dual Thrust交易系統(tǒng)中，對(duì)于震蕩區(qū)間的定義非常關(guān)鍵，這也是該交易系統(tǒng)的核心和精髓。Dual Thrust系統(tǒng)使用Range = Max（HH-LC，HC-LL）來(lái)描述震蕩區(qū)間的大小。

第一，系統(tǒng)規(guī)則。一是N日High的最高價(jià)HH， N日Close的最低價(jià)LC；二是N日Close的最高價(jià)HC，N日Low的最低價(jià)LL；三是Range = Max（HH-LC，HC-LL）；四是BuyLine = Open + K1*Range；五是SellLine = Open + K2*Range。

第二，構(gòu)造系統(tǒng)。當(dāng)價(jià)格向上突破上軌時(shí)，如果當(dāng)時(shí)持有空倉(cāng)，則先平倉(cāng)，再開(kāi)多倉(cāng)；如果沒(méi)有倉(cāng)位，則直接開(kāi)多倉(cāng)；當(dāng)價(jià)格向下突破下軌時(shí)，如果當(dāng)時(shí)持有多倉(cāng)，則先平倉(cāng)，再開(kāi)空倉(cāng)；如果沒(méi)有倉(cāng)位，則直接開(kāi)空倉(cāng)。

（二）修改的Dual Thrust交易策略

當(dāng)股票突破上界，則認(rèn)為該股票今天有較大行情，買入該股票；當(dāng)股價(jià)兩天內(nèi)下跌6%，或者三天內(nèi)下跌8%則賣出股票；最后根據(jù)大盤止損。

為實(shí)現(xiàn)我們的交易策略，我們首先設(shè)定了股票池，收益基準(zhǔn)，交易費(fèi)用的計(jì)算。其次，根據(jù)大盤指數(shù)進(jìn)行止損，在收盤價(jià)比值達(dá)到一定的值，進(jìn)行清倉(cāng)。之后是根據(jù)設(shè)定的股票數(shù)量，分配資金。最后就是買賣，買賣按照Dual Thrust交易系統(tǒng)設(shè)定的震蕩區(qū)間進(jìn)行。將代碼在聚寬數(shù)據(jù)平臺(tái)上進(jìn)行回測(cè)，時(shí)間期限是2010-01-01到2019-01-04，由此我們得到：

四、總結(jié)與反思

至此，我們分析實(shí)現(xiàn)了修改后的Dual Thrust策略之后，可以從中收獲很多的經(jīng)驗(yàn)與反思。

經(jīng)典的Dual Thrust策略確實(shí)是具有一定的盈利能力，那么在之后的策略分析與開(kāi)發(fā)中，就需要將側(cè)重點(diǎn)放在策略的優(yōu)勢(shì)性理解上面，以至于我們學(xué)到如何才能設(shè)計(jì)出適用的量化交易策略。

具體策略取決于不同的人對(duì)證券的理解，比如是否支持做空；是否把現(xiàn)金分成多份來(lái)投資，不全倉(cāng)操作；是否是一天內(nèi)的短線策略；是否多個(gè)股票組合；是否將交易量加入策略考慮因素；是否配合消息面的文本分析；是否剔除停盤或漲跌停板股票等等這些因素。

未來(lái)量化交易將是大數(shù)據(jù)背景下的發(fā)展趨勢(shì)，量化交易策略的設(shè)計(jì)與優(yōu)化成為重中之重的問(wèn)題。

（作者單位為上海大學(xué)）

參考文獻(xiàn)

[1] 郭笑宇.量化投資交易策略研究[J].財(cái)經(jīng)界（學(xué)術(shù)版），2019（02）：16-17.

[2] 潘磊，王琦，王丹華，范大娟. Dual-Thrust策略在股票量化交易中的實(shí)現(xiàn)與應(yīng)用[J].科技資訊，2018，16（27）：17-21+23.

[3] 楊世林.基于聚寬量化投資平臺(tái)的股票多因子策略應(yīng)用[D].浙江大學(xué)，2018.

[4] 齊岳，黃碩華.基于深度強(qiáng)化學(xué)習(xí)DDPG算法的投資組合管理[J].計(jì)算機(jī)與現(xiàn)代化，2018（5）：93-99.

[5] 孫瑞奇.基于LSTM神經(jīng)網(wǎng)絡(luò)的美股股指價(jià)格趨勢(shì)預(yù)測(cè)模型的研究[D].首都經(jīng)濟(jì)貿(mào)易大學(xué)，2016.

[6] 蔣慧敏.基于Zigzag的K線趨勢(shì)拐點(diǎn)識(shí)別算法設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算技術(shù)與自動(dòng)化，2017，36（4）：68-71.

[7] 王淑燕，曹正鳳，陳銘芷.隨機(jī)森林在量化選股中的應(yīng)用研究[J].運(yùn)籌與管理，2016，25（3）：163

-168+177.

[8] 王宣承.基于LASSO和神經(jīng)網(wǎng)絡(luò)的量化交易智能系統(tǒng)構(gòu)建——以滬深300股指期貨為例[J]投資研究，2014，33（9）：23-39.

[9] 黃宏運(yùn)，吳禮斌，李詩(shī)爭(zhēng). GA優(yōu)化的SVM在量化擇時(shí)中的應(yīng)用[J].南京師范大學(xué)學(xué)報(bào)（工程技術(shù)版），2017，17（1）：72-79.

[10] 陶振毅.量化交易在股市中的應(yīng)用[J].中國(guó)外資，2018（15）：84-86.