量化交易的模型介绍.pdfVIP

量化交易的模型介绍

从历史上看，很多高频交易公司的创始人都是交易员出身，原来

就从事衍生品的做市、套利等业务。那我们知道有哪些吗？下面是量

化交易的模型介绍量化领域常见的误区，仅供参考，希望能够帮助到

大家。

高频交易公司和量化投资公司的区别

一开始这些工作并不需要多高深的知识。随着计算机技术的发展，

交易的自动化程度和频率也逐渐提高，这些公司逐渐聘请一些数学、

统计、计算机背景较强的人员加入以适应形势的发展。当然，这个过

程也出现了一些分化，有的公司还是保留了交易员在公司的主导地位，

并且始终未放弃人工交易，最终形成了人机结合的半自动交易；而另

外一些公司对新鲜技术的接受程度更高一些，往往采取全自动的交易

模式。事实上，也没有证据表明全自动交易的公司就比半自动交易的

公司更为优越，到目前为止，也只能说是各有利弊。

人工交易的最大弊端在于手动下单的地方离交易所较远，在行情

剧变的时候往往抢不到单。在这一点上，全自动交易的公司可以通过

托管机房来最大程度减少信号传输的时间，不过自动化交易往往因为

程序过于复杂，加上很多公司人员流动较大，在程序的维护上会出现

一些失误，最终程序出错酿成大祸，比如著名的骑士资本。

1

至于过度拟合无法抵御黑天鹅事件，那是人工交易和自动交易都

无法避免的问题。一般来说，Getco、JaneStreet、SIG、Virtu

Financial等是半自动交易，TowerResearch、HudsonRiverTrading、

JumpTrading等是全自动交易。

量化投资公司跟高频交易公司则有很大的不同。首先，美国的量

化投资公司基本上都是量化背景极强的人创办的，比如说文艺复兴的

创始人西蒙斯是数学家出身，DE

Shaw的创始人DavidShaw是计算机教授出身，AQR的创始人

Cliff

Asness是金融学家出身，而高频交易公司则更多是传统交易员创

办的；其次，量化投资一般依赖于复杂的模型，而高频交易一般依赖

于运行高效的代码。

量化投资公司的持仓时间往往达到1—2个星期，要预测这么长时

间的价格趋势需要处理的信息自然非常庞大，模型也因此更为复杂，

对程序的运行速度反而没那么敏感；高频交易处理信息的时间极短（微

秒或毫秒级），不可能分析很多的信息，因此模型也趋于简单，竞争

优势更多依靠代码运行的效率，很多人甚至直接在硬件上写程序；而

最后，量化投资的资金容量可达几百亿美元，而高频交易公司往往只

有几千万至几亿美元，但由于高频交易的策略表现远比量化投资稳定，

如Virtu

2

Financial交易1238天只亏1天，因此一般都是自营交易，而量化

投资基金一般来说都是帮客户投资。

量化交易的模型

下面介绍一下量化交易的模型，从简单到复杂：

最简单的以约翰·墨菲的《期货市场技术分析》为代表，最多用到

指数、对数等高中层面的数学知识，通俗易懂，更适合主观交易，或

者计算机计算并发出交易信号由人手动下单的半自动交易。

层次高一点的以丹尼斯的《海龟交易法则》为代表，数学上毕竟

使用了均值、方差、正态分布等大学低年级数学的内容，策略的测试

也更具科学性，而且提出了可靠的资金管理办法，但缺点是依旧没有

摆脱传统的、依靠交易规则的排列组合进行交易的思路。不过，如果

策略设计得好且行情出大趋势的话还是可以有不错的效果。

更高一级的层次主要体现在交易信号的整合方面，比如运用更现

代的统计方法——回归分析、神经网络、支持向量机等对传统的技术

指标进行有机整合，并使用更严格的统计方法进行变量的筛选及测试。

考虑到金融数据的时间特征，往往需要使用滚动优化来获取样本外的

测试结果，这样得出的模型也更为稳健。

不过，一般的程序化交易系统都难以实现这些功能，需要自己用

更通用的编程语言来实现。

图为文艺复兴基金创始人西蒙斯讲解量化投资

3

如果是量化投资，那么除了行情信息，还要收集整理其他基本面

的信息，整理出对应的时间序列，并融入到预测模