量化交易策略的研究精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的量化交易策略的研究主题范文，仅供参考，欢迎阅读并收藏。

第1篇：量化交易策略的研究范文

（暨南大学信息科学技术学院 广东 广州 510632）

摘 要：“金融改革”的提出，金融市场的逐步开放，将促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。通过分别建立两个单指标择时策略模型，运用MATLAB模式搜索算法在设定时段内搜索最优参数，并分别对两个单指标策略进行交易仿真回验。实证结果显示，趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。实证显示组合指标策略的效益明显高于单指标策略。因此，采用组合指标策略进行个股量化择时交易较单指标策略能获得更优的投资收益。

关键词 ：量化择时；趋势指标；组合指标策略；参数优化

中图分类号：F8 文献标识码：A doi：10．3969／j．issn．1665－2272．2015．12．008

1 绪论

1．1 背景意义

“金融改革”的提出将为中国的量化投资带来发展前景。金融市场的逐步开放将会促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。很多国外成熟的投资工具和投资方法将逐步进入中国市场，以期货市场为代表的衍生品市场将迎来飞速增长，以量化投资为代表的投资方法也将得到投资者更大的关注。

在投资业，各种渠道提供的海量信息以及高频金融交易数据都在深刻地影响这个行业的发展以及金融市场的有效性。金融创新给期待量化投资的投资者提供了丰富的投资工具。自20世纪50年代以来，金融市场出于规避监管，转嫁风险和防范风险等需要，推出了很多创新性的金融产品，提供了越来越丰富的投资工具。金融衍生品在金融市场中占的比例越来越重要。

中国量化投资的前景广阔。党的十八届三中全会提出了“健全多层次资本市场体系”的指示精神，为十二五期间的资本市场发展指明了方向。随着金融投资工具的增加，量化投资将显示出其更大的作用，帮助投资者在更好的风险管控中寻求最佳收益回报。

作为量化投资中的量化择时，是指利用某种方法来判断大势的走势情况以及时采取相应措施，它是收益率最高的一种交易方式。就股票投资者而言，择股和择时都是至关重要的，正确择股是盈利的前提，而正确择时则是盈利的最终实现。因此，从微观角度入手，建立有效的个股量化择时交易策略值得研究。

1．2 文献综述

关于量化投资的研究，国内外更多的研究主要以策略构建和实证为主。易海波、杨向阳、罗业华、曾敏通过将量化指标按照股票属性进行分类排序，以自下而上的选股方式，构建出价值、成长、质量三个基本模型，并在此基础上衍生得到四个叠加模型和GARP模型。利用八个选股模型以不同的参数进行选股，构建出十个量化选股组合，历史回测结果显示这些组合风格各异，适合不同风险偏好的投资者。张登明通过对技术指标的分析，构建了完整的及时指标组合投资策略框架。他从量化的角度，通过样本统计给出了适合中国股市的优化指标组合及参数设置，对提高投资决策有积极意义。路来政通过研究量化基金的绩效及管理能力来研究量化投资策略的应用效果，采用T－M模型、H－M模型和C－L模型对其中9只量化基金的管理能力进行了研究，以评价量化基金使用量化投资策略的择股效果和择时效果，结果表明量化基金采用量化策略进行投资是有意义的。

股票择时属于量化投资的一个分域。刘澜飚、李贡敏研究了市场择时理论在中国的适用性，表明中国上市公司不仅存股票市场的市场择时行为，而且存在债务择时行为，即股票市场高涨时，上市公司倾向于债务融资。林正龙基于效用无差别定价原理，运用实物期权定价理论，研究项目投资收益不可完全复制的不确定性投资机会定价与择时问题，得出不同于指数效用，对具有常值相对风险回避系数效用函数的投资者而言，不确定性投资机会的定价与择时与投资者当前财富数量有关。卓琳玲、胡志强通过对样本公司的研究，发现样本公司股票行为、债券发行和内部融资均呈下降趋势，其中股票不是特别明显，当市值杠杆比率上升时期，股票发行出现显著地下降趋势，此时市场时机选择比较明显，说明我国股市存在明显的市场时机选择行为。刘阳、刘强通过研究我国从上世纪90年代初-2010年1月的上证综指和深证成指，分析异常收益率对整个期间收益的影响及择时的可能，发现极少数具有超常收益的交易日对股票市场的长期收益具有显著的影响，认为理性的投资者应该放弃择时而选择长期投资。王俊杰在择时模型方面分析了行业指数存在的持续性和行业轮动特征，并以时间序列模型为基础，构建动量模型、MS－GARCH行业择时模型等量化择时策略，回测结果MS－GARCH择时模型战胜行业动量模型和指数，表现较好。

温婧茹对移动平均线理论进行改进，构造了最适参数，参考设计了触线交易策略和过滤器交易策略，构建了家电板板块静态与动态相结合的股票池，实证得出，不同股票对应的最适参数不同，用个性化的参数进行决策能获得更好的收益；应用收益率确定最适参数以择股，结合触线交易策略以择时，能够跑赢大盘，取得超额收益。曹力自适应均线更适合于组合类的标的，如指数或者封闭式基金，因为这些标的的走势经过了平均的平滑，没有突然的大起大落，更容易用均线来跟踪趋势的变化。而对于个股，波动形态和指数类表的不同，所以需要使用不同的参数，在大多数个股上能够获得超额收益，特别对强周期性行业的股票自适应均线有很强的择时能力。但是自适应均线也不是万能的，对于某些个股，因为波动形态的复杂，用自适应均线也无法获得超额收益。曹力、徐彪从实证效果来看，利用可交易组合的均线模式识别找出的买入机会成功率较高，能抓住一些市场主要的反弹机会，因此累积收益非常出色。可交易组合的均线模式识别方法是择时交易，特别是熊市中择时的有效方法。

1．3 研究框架

传统的趋势指标择时策略往往是单指标的，并且策略参数通常是约定俗成的。单指标策略局限性和偶然性大，不能有效及时获取收益和及时止损；约定俗成的常用参数值在面对各种波动幅度不同、周期性不同、价格弹性等不同的个股时也有失客观性和灵动性。

所以，在探究一种改进针对个股的传统趋势指标量化择时的策略。首先建立基于各传统趋势指标的单指标择时策略，通过参数优化确定各单指标策略的最适参数；并在单指标的基础上，创新性地通过指标的组合，构建一个综合性且参数最优的组合指标择时策略，以增强策略的稳定性和鲁棒性，获得更优的投资收益。

1．4 术语说明

（1）累计收益率：

（2）年化收益率：年化收益率是把当前收益率（日收益率、周收益率、月收益率）换算成年收益率来计算的，是一种理论收益率，并不是真正的已取得的收益率。

（3）夏普比率：夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。

夏普比率=

（5）最大回撤率：在选定周期内任一历史时点往后推，产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤率用来描述买入产品后可能出现的最糟糕的情况，是一个重要的风险指标。

2 理论概述

2．1 量化投资理论

量化投资是运用现代统计学和数学的方法，从大量的历史数据中寻找并获得超额收益的一种投资策略，投资者通过计算机程序，建立可以重复使用并反复优化的投资策略，严格按照这些策略所构建的数量化模型进行投资并形成回报。

量化投资的内容主要包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、ETF／LOF套利、高频交易等。量化投资在国外已有30多年的发展历史，但在国内还是近年出现的新鲜事物。相比其他投资策略，量化投资在国外的运用已取得了更佳的业绩。

与海外成熟市场相比，中国A股市场的发展历史较短，投资理念还不够成熟，相应的留给主动型投资发掘市场的潜力和空间也更大。国内很多实证文献讨论国内A股市场也尚未达到半强势有效市场，因此量化投资理论引入国内证券市场是非常有意义的，它以正确的投资理念为根本，通过各种因素的分析，以全市场的广度、多维度的深度视角扫描投资机会，在中国市场的应用将更显其优势。

2．2 择时理论

量化择时是量化投资的一种，它利用数量化的方法，通过对各种宏观微观指标的量化分析，试图通过回溯历史数据，找到影响大盘走势的关键信息，并且对未来走势进行预测。如果判断是上涨则买入持有；如果判断是下跌则卖出清仓；如果判断是震荡则进行高抛低吸，这样就可以获得远远超越简单买入持有策略的收益率。所以择时交易是收益率最高的交易方式之一。

股票的量化择时是预测市场以后的走势，并由此来判断调整投资组合的风险水平，从而获取更大的收益，具体表现是现金流进出证券市场和在证券间比例变换的时机选择。

2．3 趋势追踪理论

趋势择时的基本思想来自于技术分析，技术分析认为趋势存在延续性，因此只要找到趋势方向，跟随操作即可。

技术指标是技术分析中使用最多的一种方法，通过考虑市场行为的多个方面建立一个数学模型，并给出完整的数学计算公式，从而得到一个体现证券市场的某个方面内在实质的数字，即所谓的技术指标值。指标值的具体数值和相互间关系直接反映证券市场所处的状态，为操作行为提供指导作用。目前证券市场上的技术指标可分为“趋势型指标”、“反趋势型指标”、“能量指标”、“大盘指标”、“压力支撑指标”等类别。

移动平均线（MA）是一种常用的趋势型指标，由Joseph E．Granville于20世纪中期提出来。它是当今运用最普遍的技术指标之一，帮助交易者确认现有趋势、判断将出现的趋势、发现过度延伸而即将发转的趋势。后来又逐渐衍生出其他类型的均线，如平滑异同移动平均线（MACD）、三重指数平滑平均线（TRIX）等。 这些均线理论常用两根线的交叉作为交易信号，并以此作为买卖时点的判断。

均线理论提供了一种简单有效的使价格序列平滑并且使趋势更易于辨认的方法。

因此综合以上理论的优点，在此基础上改进传统趋势指标的量化择时策略，并创新性地开发更优的组合指标量化择时策略，以达到及时获取收益和及时止损的目的。

3 择时策略模型建立

3．1 MA单指标策略模型的建立

MA移动平均是指连续若干交易日收盘价的算术平均，用来显示股价的历史波动情况，进而反映股价指数未来的发展趋势。

其中

利用MA指标进行量化择时，在短期移动均线与长期移动均线的交叉处进行买入或卖出择时交易。以下分别建立买入和卖出法则的模型。

在短期移动均线下穿长期移动均线的黄金交叉处买入，故建立如下数学模型：

mabuy=1，MA（s）t＞MA（s）t-1&MA(s)t＞MA(l)t&MA(s）t-1＜MA（l）t-10,其他（6）

其中mabuy=1，表示满足买进，mabuy=0表示不满足买进。

在短期移动均线上穿长期移动均线的死亡交叉处卖出，故建立以下数学模型：

mabuy=1，MA（l）t＜MA（l）t-1&MA(s)t＜MA(l)t&MA(l）t＞MA（l）t-10,其他

其中mabuy=1，表示满足卖出，mabuy=0表示不满足卖出。

3．2 MACD单指标策略模型的建立

MACD即指数平滑异同移动平均线，是根据均线的构造原理，通过分析短期指数移动平均线与长期指数移动平均线之间的聚合与分离状况，对买进、卖出时机做出判断的趋势型技术指标。

MACD的计算如下：

（1）计算短期（ms）指数移动平均线EMA1和长期（ml）指数移动平均线EMA2。

（2）计算离差值DIF＝EMA1－EMA2。

（3）计算DIF的M日指数移动平均线，即DEA。

（4）计算MACD＝2（DIF－DEA）。

利用MA指标进行量化择时，在DIF与DEA的交叉处进行买入或卖出，分别建立买入和卖出法则的模型。

当DIF、DEA均为正值，DIF向上突破DEA时，为买入信号，建立如下数学模型：

macdbuy=1，DIFt＞DIFt-1&DIF＞DEAt&DIFt-1＜DEAt-1&DIF＞00,其他 （8）

其中，macdbuy=1表示满足买进，macdbuy=0表示不满足买进。

当DIF、DEA均为负值，DIF向下跌破DEA时，为卖出信号，建立如下数学模型：

macdsell=1，DIFt＜DIFt-1&DIFt＜DEAt&DIFt-1＞DEAt-1&DIF＜00,其他（9）

其中macdsell=1，macdsell=0表示满足卖出，表示不满足卖出。

3．3 MA－MACD组合指标策略模型的建立

组合模型构建两个新的信号变量：买入信号个数阈值“buy”（1≤buy≤2，整数）和卖出信号个数阈值“sell”（1≤sell≤2，整数）。

买入信号个数阈值“buy”表示：当MA策略中的“mabuy＝1”的买入信号个数与MACD策略指标中的“macdbuy＝1”的买入信号个数之和至少达到阈值“buy”（1≤buy≤2)数量个时才进行买入交易。

即“buy”阈值取不同值时，买入信号组合满足买入条件的情况如下：

buy=1时，满足买入情况：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12时，满足买入情况：mabuy=1&macdbuy=1（10）

卖出信号个数阈值“sell”表示：当MA策略中的“mabsell＝1”的卖出信号个数与MACD策略指标中的“macdsell＝1”的卖出信号个数之和至少达到阈值“sell”数量个时才进行卖出交易。

即“buy”阈值取不同值时，买入信号组合满足卖出条件的情况如下：

sell=1时，满足卖出情况：masell=1||macdsell=1||mabsell=1&macdsell=12时，满足买入情况：masell=1&macdsell=1（11）

3．4 模型最优参数的选择

就个股而言，不同的计算参数，将导致不同的择时效果。面对各种波动幅度不同、周期性不同、价格弹性等不同的股票，如果盲目套用经典参数可能会有失客观性和灵动性。因此， 在进行量化择时策略构建时，需要针对个股进行策略的参数优化，检验指标不同参数的测试效果，并最终选择一个最优的参数组合。

夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。

4 个股实证分析

4．1 数据选择

为验证上述模型的有效性，个股实证以深圳证券交易所的华谊兄弟300027为交易标的，选取来源于国泰安2011．1．1－2014．6．30的基本面数据库，包括个股开盘价、收盘价等。

4．2 MA单指标择时策略仿真回验

首先对该股策略进行参数优化：本策略中对于参数，在测试期间内，以2天为间隔，测试范围从2天到20天；以5天为间隔，测试范围从20天到120天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表1）。

如表1所示，最优组合（s，l）＝（2，20），当以2日为短期均线，20日为长期均线，在参数优化测试期间进行交叉择时时效果较好，在回验测试期间内夏普比率达2．4234。

确定最优后，运用国泰安量化交易平台QIA进行策略交易仿真回验。设定合约保证金为1，合约乘数为1，市场参与度为0．5，买方手续费为0．05‰，卖方手续费为0．05‰，交易账户为股票账户并设定初始资金为1 000 000元，以一年期国债利率为无风险利率，并以沪深300为业绩比较基准，以数据库所给时间2011年1月1日-2014年6月30日为策略回验时间区间进行回验。最终结果（见图1、表2）。

回验结果显示，此单指标策略在2011年1月1日-2014年6月30日间的累计收益率达42．26％，年化收益率达11．10％，高出同期的沪深300指数比较基准，并且胜率达60．80％。由此我们可以得出结论，采用MA单指标策略进行个股量化择时交易也能获得较优的投资回报。

4．3 MACD单指标择时策略仿真回验

对该股策略进行参数优化：该策略需要优化确定的参数主要包括短期指数移动平均线的计算天数ms、长期指数移动平均线的计算天数ml，以及DEA的计算天数M。本策略的参数优化依然以最大化夏普比率为最优化目标函数，并使用Matlab的模式搜索算法在设定的回验时段内搜索最优参数组合（ms，ml，M）。

对于参数ms，在测试期间内，以2天为间隔，测试范围从2天到20天；参数ml以5天为间隔，测试范围从20天到120天；参数M以5天为间隔，测试范围从5天到60天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果如下：

如表3所示，最优组合（ms，ml，M）＝（2，25，10），当以2日为短期指数移动平均线计算天数，25日为长期指数移动平均线计算天数，10日为DEA计算天数，进行交叉择时时效果较好，在回验测试期间夏普比率达3．0682。

组合指标择时策略仿真回验。由于组合指标策略是建立在单指标策略基础上的，所以该策略中的参数（s，l）、（ms，ml，M）即为模型一和模型二参数优化后确定的值，而参数（buy，sell）的组合情况有（2，2）、（2，1）、（1，2）和（1，1）四种，阈值组合选取哪个使得策略最优则需要进一步的参数优化。

对于参数buy，初始值设为2，测试最小值为1，最大值为2，步长设为1；参数sell，初始值设为2，测试最小值为1，最大值为2，步长设为1；搜索精度设为1；测试回验90天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表4）。

如表4所示，最优组合（buy， sell）＝（1，1），即当买入信号个数至少有一个时就进行买入交易，卖出信号个数至少有一个时就进行卖出交易，以此进行组合指标择时效果最好，在参数优化回验测试期间夏普比率达2．490 3。

5 结论

从价格沿趋势移动和历史会重演的角度出发，运用传统趋势指标MA和MACD，分别建立MA、MACD的单指标择时策略模型并通过模式搜索算法分别求出两个策略的最优参数，从实证结果看趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。在此基础上再创新性的运用通过设置买入和卖出信号个数阈值的方法构建二者的最优组合指标模型，增强了择时的稳定性和鲁棒性，在有效降低风险的同时提高了收益率。

综上所述，基于以上的不足之处，以后将沿着组合指标择时的思路继续深入研究以对目前的研究进行改进。未来的工作主要是：对于用于组合的单指标要进行更为全面的扩展，引进其他经典趋势型指标DMA平均线差指标、TRIX三重指数平滑移动平均指标等，同时把指标类型拓展至其他类型，如反趋势型指标ACCER幅度涨速指标等，量价指标APBP人气意愿指标等，大盘指标OBOS超买超卖指标等，压力支撑指标ENE轨道线指标等。通过增加组合趋势型数量和组合指标类型，以使组合指标策略更全面、更切合实际市场。

参考文献

1 丁鹏．量化投资——策略与技术［M］．北京：电子工业出版社，2012

2 方浩文．量化投资发展趋势及其对中国的启示［J］．宏观管理，2012（5）

3 郭建．论证券投资技术分析中历史会重演的根本原因［J］．商业时代，2007（28）

4 李向科．证券投资技术分析［M］．北京：中国人民大学出版社，2012．

5 张登明．技术指标投资策略的优化及其在量化交易中的应用［D］．武汉：华中科技大学，2010

6 方智．基于多技术指标模型的沪深300指数走势预测［D］．南昌：江西财经大学，2012

7 路来政．量化投资策略的应用效果研究［D］．广州：暨南大学，2012

8 刘澜飚，李贡敏．市场择时理论的中国适用性［J］．财经研究，2005（11）

9 林正龙．项目投资定价与择时理论研究［D］．长沙：湖南大学，2006

10 胡志强，卓琳玲．IPO市场时机选择与资本结构关系研究［J］．金融研究，2008（10）

11 王俊杰．量化交易在中国股市的应用［D］．南京：南京大学，2013

第2篇：量化交易策略的研究范文

关键词：程序化交易；交易哲学；半自动交易系统

程序化交易产生于美国，早期的程序化交易分为程序化买入和程序化卖出两种，用于纽约股票交易所同时买卖15支以上的股票组合的交易。因此，有时也被称为篮子交易。

随着投资管理业的资金管理规模扩大，投资经理和基金经理们发现凭经验和手工操作无法应对市场风险加大、价格变动频繁等挑战，程序化交易刚好可以解决这些难题，因为它具有速度快、避免个人情绪干扰、量化等优势，投资机构纷纷投入重金研发自动交易模型，其在提高投资决策质量和速度、交易辅助等方面大展身手。

时至今日，西方发达国家已经研发出不少成熟的自动化交易系统，譬如美国有70%的交易是由程序化交易完成的，而且交易量占比连年来还有不断上升的趋势，交易模型的功能也日趋强大和完善。量化投资及程序化交易大师西蒙斯默默无闻地在十几年间大量使用量化系统的交易方法，取得了比巴菲特、索罗斯等市场传奇更高的年收益率。譬如海龟交易创始人丹尼斯不断通过自动化交易实现其从400美金到2亿美金的个人传奇，还培训出一支海龟投资团队（现在还活跃在各大投资机构），他们为早期大胆吃螃蟹者的投资客无声无息地带来了可观的投资回报。

我国的程序化交易起步较晚，发展缓慢，开发出来的比较成熟的交易系统也相对缺乏，但最近几年发展也很迅猛，这得益于新的投资理念的导入、应用平台开发迅速成熟，如tb（交易开拓者）、文化财经、金字塔等平台已经深受广大自动交易者所喜爱和认同。由于程序化交易规避了人性中的贪婪和恐惧等弱点，交易速度快、系统性强，国内自动化交易量占比最近几年也在快速上升。据统计，我国当前金融产品的程序化交易占比为20%～30%，程序化交易的发展空间将会越来越广阔。

一、程序化交易策略为什么要创新

（一）策略效用的边际递减

使用策略的人多了效果就会越来越差。细心的投资者会发现，国内的股指期货越来越难做。在2010年国内刚推出股指期货时就有人使用台湾的一些比较成熟的程序化交易策略而大赚其钱，但在最近两年却发现不容易赚钱了，甚至遭到了比较大的回撤。这是什么原因呢？金融市场本身就是一个众多策略博弈的一个场所，某个策略一旦成功并被多人使用了，其有效性就会越来越低，而且道高一尺魔高一丈，市场上会出现针对某种策略的猎杀者。从技术指标层面看，例如20年前，通过一条20天均线的交易策略是有利可图的，紧接着，越来越多人开始使用均线来做投资决策。但是，每个交易策略和买卖机会都是有容量限制的，这使得策略使用的人越多，单个K线的波动则越大，例如突破20天均线的当根K线的波动极大，这使得中间的利润空间迅速收缩，最终使得策略失效。也可以理解成，当一个策略使用的人越多，知道的人越多，它的盈利能力则越低，最终变得无利可图。在基本面分析上，同样存在自毁性，例如20年前，只要买账面有利润的公司都能赚钱，紧接着所有人都认准了公司账面利润进行投资，这使得所有账面有利润的公司股价都很高，这时候，人们只能通过预测未来利润获得投资回报了。而随着越来越多人熟知各种预测利润的方法，导致价值被低估的公司越来越难找了，最终变成了一个均衡市场。笔者认为，这可以认为是交易策略效用的边际递减。

（二）行情特点发生变化

金融市场的复杂性表现在行情的多变性。还是以国内的股指期货为例，在2010年是一个双边大震荡的行情，2011年单边下跌，2012年、2013年宽幅震荡，2014年上半年窄幅震荡，可以看出无论是单边行情还是震荡行情，由于国内A股的市场容量越来越大，股指期货的日内变动幅度呈现出越来越小的特点，这就给日内趋势易策略带来不小的挑战。

知名投资人、“悍马理论”的创始人冯正平表示：世界上没有交易圣杯，这是他的悍马定律里的第一条。他说2008年前的市场特征与之后的就很不一样，一些原来赚钱的模型后来都赔钱了，而有一些原来赔钱的反倒变成赚钱了。他打了个比方很生动：“就像我们造一个工具，是拿来切菜的还是砍骨头的，还是拿来修指甲的，这个要想清楚。”意思是设计模型时要清楚自己设计出来的交易模型适用于哪种市场环境，要考虑模型的针对性、适应性。

基于多年期货量化交易的经验，上海泛金投资管理有限公司董事长杭国强认为，程序化的本质是给自己的交易列出一系列规矩，让自己的交易更有规则，并利用计算机提高交易速度，其中成败的关键在于对细节的处理。“利用程序界定、评价和预测未来的收益，建立有效的评估体系，不断适应市场的变化，才是程序化交易的灵魂”。

普天投资机构创始人吴转普也认为：自动化交易不存在永远的圣杯，不可能做出一个类似印钞机一样让交易者获利的程序化交易模型，自动化交易更多地被看成是一种管理控制系统，要加入对基本面和技术面的理解，要考虑市场参与者结构的变化，交易程序要不断优化和创新。

在国外，一些成熟的投资公司配备了众多数学和计算机专业人才，他们的主要任务就是针对市场的变化不断完善模型，这正体现了金融机构存在的必要性与重要性。80%～90%的工作人员是在做量化模型的建模、数据处理工作，交易执行人员比较少。由于要处理庞杂的数据，在量化交易中，团队的价值得到充分体现。每隔一段时间他们就会开发出新的交易模型。

即使在高性能硬件与软件结合的高频交易领域，也不存在可以长久不变的“交易圣杯”。高频交易策略对技术要求比较高，在网络速度、硬件反应速度及网络监测等方面都有近乎苛刻的要求。作为高频程序化交易者，Cyc partner公司创始人柳峰介绍说，高频交易者对市场的监测，以及对策略的修改一直不曾停止，“只有不断发现并保持自己的比较优势，才可能在变化的市场中保持盈利”。而高频交易背后的逻辑结构相对来说是简单的，盈利率比较高，有些策略在三年之内运行会比较适用。但是，在市场中采用同种高频交易策略的数量增加之后，交易者必须对策略加以改进。

二、程序化交易策略创新的思路

（一）交易哲学的革新

程序化交易本质上是交易者交易思想的体现，程序化是一种控制手段。有什么样的交易哲学就有什么样的程序化交易策略，所以审视自己的交易哲学的逻辑性就显得尤为重要。策略的优劣对比实际上是背后交易哲学的较量。优秀的交易策略创新来自于交易哲学的突破与革新，而做到这一点并不容易，需要交易者对世界、对自然、对市场有一种深邃的洞察力并能理解转换成为市场语言，物化为交易指标体系。笔者几年来一直致力于对市场背后推动力的研究，市场的上涨和下跌并非随机和无序。比如说，我们可以把市场按照形态分为单边和震荡，在单边市中趋势性模型就能大显身手，而趋势性模型在震荡市中由于来回止损会产生比较大的回撤。而震荡模型策略的表现刚好相反，所以用什么模型不是关键，判断对时段性的单边行情还是震荡行情成为交易策略提高胜率和盈亏比的关键。至于用什么模型来判断单边和震荡是笔者多年研究的成果，有比较高的准确性。

（二）从全自动到半自动的尝试

笔者认为，交易策略不易过于死板。众多程序化交易策略坚持不下去的原因是全自动带来的众多劣质交易，频繁止损。其实法无定法，笔者认为可以半自动化交易提高胜率和盈亏比，至于何时开启程序化何时关闭程序化背后的规则和逻辑也必须是严密的、一贯的，譬如在背后规则市场进入单边市时开启程序，市场重归震荡市时关闭程序，需要一切有章可循。正如世上没有永动机一样，没有一个自动化交易策略能一如既往地战胜市场，能够在资本市场有骄人业绩的一定是半自动交易程序策略。

（三）交易周期、参数的调整

可以针对不同金融市场的特点，变革不同的交易周期，充分认识到金融市场博弈的本质。当多数人使用某个交易周期的时候，我们可以回避它改变交易周期，比如在股指期货中大家常用1分钟图、10秒钟图，笔者觉得不烦尝试15秒图，既保持了一定的反应速度，又能减少频繁交易的问题，对于大家在交易中常用的macd指标、dmi指标、均线指标，我们可以通过测试调整其参数设置以达到阶段性优化交易的目的，更重要的是避开了大众常用参数，可以避开程序化交易猎杀者的屠刀。建议策略框架的核心参数不要超过三个，超过三个以上的参数有拟合历史行情的嫌疑。著名的海龟策略创始人也曾在海龟策略遭受比较大的亏损时修改技术参数才渡过难关的。

（四）创新交易技术指标

使用独创的交易技术指标来设计交易系统能在金融市场上提高交易胜率和盈亏比，其原因在于创新的交易技术指标相对保密，不具有从众性，相反具有出其不意的优势。比如在趋势交易系统里面大家认为均线是一个很好的趋势跟踪指标，但它的缺点也很突出，除具有其他趋势跟踪指标一样的滞后性外，对付慢涨急跌或者慢跌急涨的行情是一个弱项，所以有人创造了自适应均线来对付这种行情，这就是创新交易指标的做法。笔者举出这个例子意在抛砖引玉，创新和改良指标的方法和技术有赖于开发者的细心、耐心和汗水。

三、程序化交易策略创新后测试要注意的问题

首先，避免对交易策略的参数过度优化。过度优化是以拟合历史取得比较高的胜率和盈亏比的，这种过度优化的策略对付现实或者未来变化的行情反倒会产生比较大的回撤甚至亏损，这是由于形态的周期性反复原理产生的。

其次，核心框架策略可以试着应用于其他金融交易品种，观察其表现。

再次，某一参数取值的盈利远远高于或低于附近的参数值就要引起高度警惕。

最后，不要对一两次巨亏或比较长的连续亏损单独做优化，否则即使减小了最大回撤也是不可靠的。

参考文献：

[1]（美）里什q纳兰.打开量化投资的黑箱[M].郭剑光，译.北京：机械工业出版社，2012.

第3篇：量化交易策略的研究范文

大概没有出现过这么密集的伤心消息了――2月21日，史上最年轻的诺贝尔经济学奖得主肯尼斯・阿罗（Kenneth Arrow）与世长辞；最有影响力的经济学家之一蒂莫西・富尔斯特（Timothy Fuerst）在同一天去世；3月6日，美国金融学会讣告，著名金融学家罗蒂芬・罗斯（Stephen A・Ross）在家因心脏病突发逝世，对接触过现代金融学科的人而言，都知道套利定价理论（APT，Arbitrage Pricing Theory）的伟大之处。

就在人们纷纷对西方财经圈大牛表示缅怀之时，传来一个中国投资大佬境外因病医治无效过世的消息，让整个量化投资圈颇为震惊。

这个大佬就是量游投资创始人朱天华。我打开他的微信，签名“交易是统计游戏”赫然醒目呈现在那里，或许也是他公司名的来由。

朱总是哥伦比亚大学博士，有15年美国顶级投行经验，任美国高盛集团交易和销售部董事总经理。关键是在高盛，朱博负责金融产品量化、程式化和高频化的交易和策略，主管美国的国债期货、国债现货，包括利率期货、外汇、商品期货还曾任瑞士信贷全球自营部的总监、美国雷曼兄弟公司固定收益部副总裁和资深交易员、美国IDC固定收益和金融衍生品资深策略专家。

放眼华人量化投资圈，大概没几个人能有这样丰富而资深的背景了。

一般来说，回国创业的量化创业者有三类，第一类是像朱天华这样真正受过顶尖投行熏陶的扎实大牛，少之又少；第二类是海外大机构做过几年相关工作的，基本知道主要套路；第三类是非主流对冲基金合伙人，或是从策略转投资、从研究转投资的新人。

我后来与朱天华总共有过三面之缘，每次都在讲风控。

第一次见到朱总是上海交大高级金融学院的论坛上，当时话题还算应景――对冲基金在中国的困境与对策。朱总参加的是圆桌讨论环节，穿着松松垮垮的休闲外套，他个头略小，脸上不带微笑，神情略显沧桑。他说话虽声不大，但气场强烈，当时依稀记得的重要观点是：很多人太不敬畏投资了，不知道投资中的不确定性有多难控制。

第二次是在虹口区对冲基金园区附近一家酒店大堂。那时大概是2016年5月，听说朱总很久不见投资人了。我当时像平常一样咨询他一些问题，但我很快就发现，朱总交流起来有自己的频道。他说得更多的是一些形而上学的理念。

最后一次见他，是在去年底上海的一个对冲基金论坛上。他坐在前排一个有名牌的座位上，冷静地观察着这个热闹的世界，周围是喧闹的年轻人。他穿着还是一样朴素，一样不为人所注意，感觉整个人有些消瘦。看他提前要走，我与他打了个招呼，他依旧低调地浅浅一笑。

不过，短短的几次接触，发现朱总仍有几点交易原则值得借鉴。

1.分散化。多品种多交易方法。朱总坚持量化交易，他覆盖的交易品种有期货、股指、商品期权、分级、ETF等，他基本都在做一些多品种的交易策略。这与他在高盛时一脉相承，他当时负责金融产品量化、程式化和高频化的交易和策略，对美国国债期货、国债现货，包括利率期货、外汇、商品期货等各品种也非常精通。

2.寻求趋势相反机会。朱总偏重微观，偏重统计意义上的回归，在量化交易中尽量找一些与趋势策略相反机会的策略，与趋势模型做较好的组合补充。

3.永远敬畏风险。他信服凯恩斯所言的“市场保持不理性的时间可能比你保持不破产的时间更长”。至于具体方法，主要通过对海量数据风控解决方式。他说起过去美国白银市场，曾经从5元涨到80元，后来跌到10元、2元、1元，非常无法想象。他也提到当时高盛躲过次贷危机最强大的是其风控，在他看来，风控才是资产管理的灵魂。

4.人工智能是方向。2003年朱总在雷曼期间就接触了深度学习专家，拥有下棋人工智能，只是没feedback。现在可以通过Led work等神经网络实现策略复兴、优化，也可以通过非结构化思维，进行头寸与风险分配，主要通过历史数据，再用反馈测试。

总之，在朱总眼中，中国市场刚刚起步，阿尔法机会巨大。

想起《黑天鹅》一书的作者纳西姆・塔勒布对他的理念形成重要冲击的一刻――当时，塔勒布在芝加哥商业交易所工作，这份工作让他的喉咙嘶哑。起初，他也没在意，返回纽约后才去看医生。医生语气凝重地告诉他，他得了喉癌。塔勒布听罢心里一沉，外面正好细雨霏霏，他在淅淅沥沥的雨中走了一程又一程。他走进医学图书馆，发疯似地查找医学文献了解自己的病情。衣服上流下的雨水在他脚下形成了一个小水洼，竟然一点儿也没有察觉，因为喉癌通常是那些抽了一辈子烟且烟瘾很大的人，才有可能得的。塔勒布还很年轻，关键是他几乎不吸烟。像他这样的人患喉癌的概率小之又小，连十万分之一都不到。他成了一只黑天鹅！后来，每每他投资的时候，这份深刻的与死亡很近的印象盘踞于他脑中，由此自然发展出了黑天鹅投资体系，对风险中的“肥尾”尤为重视。

第4篇：量化交易策略的研究范文

关键词：期货公司；资产管理；模式

一、背景介绍

期货公司受托客户资产管理业务自2012年10月正式获批到现在已经历了近2年的市场检验。不论是IT系统建设还是人才队伍搭建都积累了许多经验，期货公司资管业务也开始逐步走入正轨。但是，期货资管在业务模式与发展战略层面，也面临着越来越多急需解决的问题，本文尝试从国内外期货类资管机构的发展历程入手，探索中国期货公司资产管理业务的发展路径。

二、竞争格局

目前，国内可以开展期货类资产管理业务的机构主要有信托公司、基金公司、证券公司三类机构，这三类机构主要开展的为期货类通道业务，帮助期货私募机构实现阳光化运作。而期货公司目前除了提供通道帮助期货私募实现阳光化运作外，还基于自身的研究和交易团队自主开展交易。

（一）信托公司

早在2011年7月，银监会的《信托公司参与股指期货交易业务指引》为信托公司参与股指期货交易提供了法律依据，至此，期货私募有了合法的阳光化通道。但是，由于信托公司之前并未接触过期货类业务，所以在和期货私募合作的过程中存在IT系统对接及风险控制标准难统一等一系列问题。特别是在制度层面，信托参与期货市场只能进行股指期货的套期保值交易进一步限制了期货私募的操作空间。另外，在结构化产品发行方面，信托通道也存在困难。

（二）基金公司

在银监会信托参与股指期货交易业务指引后三个月，证监会的《基金管理公司特定客户资产管理业务试点办法》明确基金公司专户可投资商品期货，基金专户投资期货不受限制后，目前已经成为期货私募阳光化的主流通道。

（三）证券公司

证监会2012年10月正式修订后的《证券公司客户资产管理业务管理办法》《证券公司集合资产管理业务实施细则》及《证券公司定向资产管理业务实施细则》也放宽了“小集合”的投资范围。“小集合”投资范围基本和基金专户一致。因此，也成为期货私募阳光化的通道之一。不过，由于放松投资范围和比例的时间较晚，未成为期货私募阳光化的主要通道。

三、目前业务模式

期货公司资管业务的推出不仅改变了期货公司高度依赖经纪业务的经营状况，而且还为期货公司研究业务提供了投资与研究一体化的机会。目前，各个期货公司虽然在资管业务上各有侧重点，但总体归纳而言主要有两种发展模式：

（一）自主发展

（1）传统现货背景公司。基础雄厚的传统现货背景公司在商品研究领域已经形成了自己的独有优势，部分公司更是在期货资管业务开闸前已经通过另设投资公司的方式试水了期货投资，积累了一定数量的交易人才和实盘交易经验。永安期货是这类公司的典型代表。永安期货以低风险商品期货套利对冲为主要交易策略，注重产品的绝对回报。据了解，永安期货目前的“一对一”资管产品规模超过6亿元，而其管理的基金专户产品规模已接近20亿元。

（2）股东实力较强券商系公司。另一类采取自主发展策略的公司是依托强大券商背景的券商系公司。这类公司在IT系统建设和金融工程研究领域优势突出。因此，这类公司在资管产品设计上普遍采用量化策略和程序化交易手段实现投资目标。广发期货目前其策略组合中有量化对冲、套利、单边趋势和高频等多种策略，公司资管产品已接近16亿元规模。在已发行资管产品中，自主策略产品规模超14亿元，这些产品目前的平均年化收益率为15%～20%，最大回撤不超过3%。

（二）通道模式

（1）“通道”业务概述。证券类私募规模的急剧膨胀客观上催生了私募阳光化的需求，私募基金的信托阳光化模式下，信托财产的独立性使得资金安全性得到提高。同时信托公司作为受托人可选择托管银行和管理人等，做到分工负责，完善制度制衡，信托公司还可以提供客观的业绩记录，进行日常信息披露，为受益人提供流动性安排。信托通道的出现为证券私募的规范运作和发展壮大提供了强大的制度保障，在证券私募的发展过程中起着关键作用。所谓“期货通道业务”，是指期货公司将交易席位出借给期货私募机构，帮助期货私募机构发行阳光化产品，并协助其完成募资和销售。在这个过程中，期货公司向期货私募提供通道，收取一定的过桥费用。在通道类业务中，期货公司没有主动、系统地进行项目开发、产品设计、交易结构安排和风险控制措施，不直接参与投资交易业务。

（2）期货公司通道类业务主要面临的问题有：第一，竞争激烈。信托集合计划、基金专户、证券公司小集合产品开展“通道”业务时间较长，积累了丰富的操作经验，而期货公司资管业务开展时间较短，各项业务还处在摸索过程中。第二，技术含量低。由于通道类业务技术含量低，业务开展初期由于牌照红利有一定利润，但长期看，随着参与“通道”业务机构逐步增多，激烈的市场竞争会将通道费逐步拉低。第三，政策限制。期货公司资管业务的开展受限于只能进行“一对一”服务等因素，无法发挥集合理财的规模效益。另外，由于“一对一”的限制，也无法设计分级类产品，产品规模明显受限。第四，无客户积累。“通道”业务不论是资金还是客户都在期货公司外部，期货公司无法有针对性地给客户提供个性化的产品，长期来看，无法完成资金、客户的积累。

四、期货公司资产管理业务发展模式初探

期货公司资产管理业务的获批对期货公司来说既是机遇也是挑战，投资者需要充分利用期货市场来进行风险分散、提高收益。然而，期货公司资产管理业务起步晚，缺乏资产管理经验，客户对期货类资产管理产品也普遍缺乏了解。因此，期货公司要强化优势补足劣势，探索适合自身特点的业务发展模式。

（一）专业期货私募孵化机构

期货公司将来可以为期货私募提供系统化的IT信息系统、融资中介、研发支持、风控结算与托管、产品发行与品牌营销推广服务。期货私募所对接的不仅仅是一家期货公司，而是期货公司背后的全金融业务链条。这种业务对接就要求期货资管部门要有更广阔的业务视野和集团资源整合能力，能够为私募提供一揽子解决方案。

（1）IT信息系统。期货交易竞争的维度一般包括策略开发和执行速度两个方面，近年来期货私募广泛应用的量化和高频交易技术更对交易系统的执行速度提出了更高的要求。因此，期货公司应加大在IT信息系统上的投入，在人员配备上和资金支持上给予IT部门以倾斜。

（2）融资中介。由于部分期货资管产品是结构化产品，期货私募客观上需要期货公司提供稳定和低成本的优先资金支持。因此，期货公司应在优先资金门槛、优先资金性质、资金杠杆、优先资金收益率、优先资金流动性、劣后收益税收、发起设立的时间周期、风险控制措施等方面给予期货私募提供服务。

（3）研发支持。期货公司在商品基础研究领域建立了系统的研究框架，研究报告有助于期货私募拓展视野和完善投资逻辑。并且，资管业务获批后，期货公司研究逐步从传统研究向投资研究一体化转型，这也为期货私募提供更好的服务奠定了基础。

（4）风控结算托管服务。由于期货交易的杠杆特性，风控水平成为投顾选择通道的重要参考因素。期货公司应搭建全面自动化、数字化的事前、事中、事后风控系统。另外，期货公司还应当为私募提品净值结算和联合银行提供资金托管服务，保证客户资金安全。

（5）产品发行与品牌营销推广。期货私募最终要形成品牌效应，而品牌的形成，需要有时间和专业团队去支持。因此，在资管产品募集、路演、推广的过程中，期货公司若能提供一体化的解决方案。不仅有助于期货私募品牌的推广而且期货私募还可专注于交易。

（二）专业资产管理机构

期货公司资产管理业务发展模式和路径选择至关重要，期货资管业务的发展必然要顺应财富管理行业的结构演进，市场需求的急速变化，以及监管环境的特点。最终，满足以客户为中心的资产配置需求，以期货类资管产品为代表的另类资产管理服务机构必将在未来的资管机构竞争中占据重要位置。

（1）依托强大投研能力的基本面交易。基于商品基本面研究的主观趋势交易和商品套利交易一直是期货公司的优势领域。在资管时代，期货公司要强化自身的差异化优势，为客户提供差异化的产品。另外，期货公司原有的研究部门应强化对资管部门的支持力度，向投资研究一体化转型，为资管部门提供数据、信息、策略、研究支持。

（2）以量化策略为核心的程序化交易。通过大量的数据分析建立起系统化的量化模型是一种有效研判市场趋势的手段。程序化交易是量化策略的实现方式，据国外机构统计，有超过60%的期货资管产品是采取程序化交易的方式进行交易。这种交易通常由计算机系统产生的系统信号来做出交易决策，在一定程度上避免了决策的随意性。

（3）以组合配置为核心的FOF。FOF（Fund of Fund）是一种专门投资于其他投资基金的基金，是结合基金产品创新和销售渠道创新的基金新品种。期货FOF模式通过对市场中的期货资管产品进行定量、定性分析以及尽职调查，利用投资风格差异、策略互补构建基金。FOF的组合投资方式决定了其收益回报较为稳定，这种低波动风险与高收益结合的投资方式对专业机构投资者是非常有吸引力的。

参考文献：

[1] 隋东明.期货公司资产管理境外经验借鉴与思考[J].资本市场，2010（10）.

[2] 王兵.期货CTA业务模式及配套制度建设[M].北京：中国金融出版社，2010.

[3] 屠霆.基于钻石模型的中国对冲基金行业发展模式研究[D].上海交通大学，2013.

[4] 邹功达.期货公司资产管理业务发展建议[N].期货日报，2013-12-04.

第5篇：量化交易策略的研究范文

1973年前后，世界金融市场面临着第二次世界大战以后最重大的变化，债券和外汇市场首当其冲。战后金融市场如果用一个词来形容的话，这个词就是“固定”：固定的外汇汇率、由央行固定的短期和长期利率、固定的黄金价格。随着20世纪60年代末的通货膨胀狂潮，这种毫无变化的固定金融关系阳寿将近，黄金价格、外汇汇率和长期利率都相继自由浮动，这种变化对于金融行业既是机会也是挑战，债券市场首当其冲。在此之前，债券投资所需要的技术含量跟收发室里面分拣报纸信件这个工作的技术含量差不多，投资者买了债券之后往保险柜里一放，记得该领息票的时间和最后还本的时间就行了，如果当年你跟谁说起债券可以在到期日之前抛出或者在价格较低的时间买入，很少会有人理解；但是利率和汇率开始浮动之后，原来躺在保险柜里面的呆头呆脑的债券忽然变成了价格可能上下大幅起落的金融产品，这使得海里的鲨鱼、草原上的狮子远远地闻到腥味。

这期间的另外一个变化来源于金融行业之外，但是它和我们量化投资的主题关系紧密：电子计算机的发展、普及，以及其在金融行业里的应用。过去在交易大厅里面交易的时候，如果有客人要咨询某种债券的价格，交易员会从一本厚厚的蓝皮书上查出这个债券，然后报价。20世纪70年代初，债券交易商的桌上慢慢有了用现在的眼光来看功能简单、笨头笨脑的计算器，这使债券交易的速度无形中加快。

对许多人来说，债券要比股票逻辑性强得多。如果你知道某种债券的息票率，那么你可以根据目前的市场利率很精确地计算出债券的价格。唯一不确定的因素是发债人倒闭或者违责的可能性，也就是债券的信用风险，这种可能性事先无法准确知道，但是一般可能性都比较小。对于不同的信用风险，市场会有不同的“信用利差”利率来补偿。例如，其他情况相同的债券，违责可能性大的债券的利率要相对高一些。各种不同时间到期的债券、各种信用风险不同的债券之间存在一定的关系。如果一只债券的发行人没有违责的话，债券的价格不管如何上下浮动，在到期日的时候都要回到面值。这都是很有规律的东西，都可以用数学公式精确地表述。换言之，相对于债券，股票的逻辑性、数学性都比较差。正是这个原因，梅里韦瑟的量化套利策略首先在债券市场上找到用武之地。

第6篇：量化交易策略的研究范文

关键词：对冲策略 债券市场 应用 风险

随着美国次贷危机的爆发，全球主要经济体的央行资产负债表急速扩张，调控经济造成一个严重结果――包括固定收益资产、大宗商品、外汇资产、股票以及基于此的各类金融衍生品，都需要进行相对、绝对价值和价格的重估。

与此同时，因政府调控参与其中，经济周期不稳定性加剧，主要资产出现明显的同质化波动现象。根据汇丰的研究，目前各类资产间价格走势的相关度非常之高。趋同现象已经持续了近几年，这反映了市场正在根据量化宽松和其他应对危机的政策来重新定价。总之，事件驱动因素在发挥作用，市场情绪受到政策及经济周期预示性的影响。

流动性对资产重新估值的影响加剧，造成很多有效的资产投资策略失效，而这时，对冲策略正发挥越发重要的作用：一方面，资产间高相关性为对冲操作提供了有效前提；另一方面，事件驱动及价格波动率的提高，令传统的单向操作风险放大，对冲策略所特有的平衡收益与风险的作用越发凸显。

对于债券市场，尤其是中国的银行间债券市场，对冲的思路和策略是否有效，本文仅作为抛砖引玉式的探讨性尝试。

与债券市场相关的几个对冲策略介绍

对冲（hedge），一般是同时进行两笔行情相关、方向相反、数量相当、盈亏相抵的交易，是一种在减低风险的同时投资获利的手法。本文借鉴对冲基金研究公司HFR的分类方法，主要介绍与债市相关的对冲策略。

（一）事件驱使主策略

本策略是在提前挖掘和深入分析可能造成股价、债券价格或其他资产价格异常波动的事件基础上，通过充分把握交易时机获取超额投资回报的交易策略。投资理念通常来自基本面特点，而不是数理分析，投资理念的实现取决于预测独立于现有资本结构以外的事件发展结果。

（二）宏观因素主策略

宏观因素主策略运用广泛的策略进行交易，投资基础在于经济指标的变动方向及其对股票、固定收益产品、货币和大宗商品市场的影响。投资人运用各种投资技术，包括人为决策和系统决策，结合从上往下和从下往上的宗旨或者基本面分析。宏观因素主策略被进一步分为7个子策略，以下介绍2种。

1.活跃交易子策略

活跃交易子策略运用人为决策或者基于规则的高频率方式来交易多种资产。大部分投资组合换手周期很短，平均的交易周期短于5天。其过程是评估历史和当前价格，用技术面、基本面和量化市场数据来决定短暂存在的几秒钟或者几天的交易机会。本策略经常运用融资杠杆，活跃于各个市场板块，通常在投资地域上很分散。

2.大宗商品―综合商品策略

本策略包括人为决策和系统决策。系统决策主要根据数学、算法和技术模型来决定进行投资，很少或者几乎没有主观人为因素来影响投资的过程。策略的运用基于对市场上大宗商品资产之间所显现出的趋势或者惯性特征的判断。使用本策略一般在一定的市场周期持有超过35%的大宗商品市场敞口，通常还有对大宗商品资产敏感的股票或者其他附属衍生物的敞口。策略运用主要受到从上而下的宏观变量分析结果的影响。

（三）相对价值主策略

本策略的投资基础是多个相关证券之间存在价值分歧时，通过运用一系列基本面和数理分析技巧来实现投资理念。可投资资产包括股票、固定收益产品、金融衍生物和其他证券形式。投资固定收益产品时，多通过数理分析来衡量资产之间的现有关系，寻找出证券之间风险调整利差所带来的投资机会。相对价值可分为6个子策略。

1.固定收益―资产抵押子策略

本子策略的投资基础是相关证券之间存在利差，这些相关利差中的一个或者多个部分来自抵押的固定收益资产，抵押可以是物理抵押物，也可以是其他金融债权（贷款、信用卡）。

2.固定收益―可转债套利子策略

本子策略的投资基础也是相关证券之间存在利差，这些相关利差中一个或者多个部分来自于可转债。投资时，运用投资程序来分离出可转债和不可转债之间的价差投资机会。可转换套利敞口对一些因素很敏感：发行人信用质量、隐含的或已实现的相关证券波动性、利率高低、发行人的股票估价，以及一些特有的市场指标。

3.固定收益―公司债券子策略

本子策略的投资基础是相关证券之间的利差中一个或者多个部分来自于公司债券。投资时，运用投资程序分离出多个公司债券、公司债券和无风险政府债券之间的利差投资机会。

4.固定收益―政府债券子策略

本子策略的投资基础是相关证券之间的利差中一个或者多个部分来自于政府债券。投资时，运用投资程序分离出多个政府债券、公司债券和无风险政府债券之间的利差投资机会。本子策略一般运用多个投资流程，包括量化和基本面人为决策；与其他相对价值子策略相比，更多受到自上而下的宏观因素影响。

5.波动套利子策略

本子策略交易一类资产的波动性，运用套利、市场中立或者混合策略来实现。所包括的风险可以是做多、做空、中性或者随着隐含的波动方向而变化的风险。投资时，运用投资程序分离出一系列的固定收益证券，通常是多个期权或者含有期权特点的证券之间的利差投资机会。其敞口对隐含和实现的波动率、利率水平、发行人股票定价，以及一些广泛和特定的因素都很敏感。

6.复合策略子策略

本子策略使用的基础相关收益资产之间的利差来自于固定收益资产、衍生物、股票、不动产、挂牌合伙（MLP）及其组合，以及其他资产。投资时，通常运用数理分析来测量资产现有关系，从而判断出有利的风险调整利差投资机会。

债券市场应用对冲策略时需关注的问题

（一）对冲策略需具备的条件

从对冲策略的角度来理解对冲概念，已远不是教科书上的“针对投资风险敞口购买等量的对冲工具头寸”这么简单了，对冲策略的使用必须具备三个条件：一是对冲交易工具和被对冲的风险敞口相关性高；二是对冲交易执行成本比被对冲的风险敞口要低；三是对冲交易工具具有高流动性。

（二）对冲策略的主要风险

1.基差波动风险

基差波动风险是指保值工具与被保值商品之间价格波动不同步所带来的风险，是对冲策略的主要风险。

上述三个条件中，最核心的是具有高度流动性的低成本对冲工具，在此基础上是合适工具的筛选，以及策略的制定。当前市场上资产间相关性建模仍是金融工程探讨的前沿话题，国内主流方法依然是协整理论或其改进版（如协整资产组合、随机残差价差模型等），而其核心依然是通过控制配对资产的对冲效果和风险的最优化选择，从而回避风险，以及品种间相关性不足造成的基差波动风险。对于基差的风险，除资产相关性分析外，还可以通过对基差波动数列的分析，做到风险的量化测算（如基于基差的群聚效应制作GARCH模型等）。

2.工具波动率风险

对冲策略还面临工具波动率风险，尤其是对冲工具使用杠杆后，不利的波动率可能造成现金的过度侵蚀，进而缩短对冲存续期，使策略失败。对于工具波动率的风险，要基于不同资产的价格特性分别研判，这也是制定对冲策略的重要一部分。

（三）制定对冲策略的重点

对冲策略的制定，重点应放在：一是通过相关性分析模型，筛选最优的对冲工具或资产组合标的；二是研判投资标的预期波动率和基差风险；三是根据具体要求（风险要求、收益要求、时间要求等），在前述两点基础上，设定交易策略。

第7篇：量化交易策略的研究范文

嘉信理财是美国个人金融服务市场的领导者，也是全球最大的网上理财交易公司。1986年嘉信理财通过合并旗下的证券、银行、财务管理和金融咨询服务等多个分支机构最终成立了嘉信理财，截至2013年底，嘉信理财资管业务规模达2.4万亿美元。嘉信理财的成功一直被国内券商作为效仿研究的典范，该公司在上世纪70年代率先降佣金并开发网络渠道；互联网的兴起引领嘉信理财开创了将电子商务与传统零售业务相结合的增值新模式，成为最大的网上理财交易商。统一网上网下收费标准，网上提供快捷交易方式，网下提供复杂的支持和咨询，以网上网下客户任意转换的方式来增加客户对其平台的依赖度。此后，嘉信聚焦于资产管理业务，通过多样产品和特色服务打造个性化专业“资管平台”，实现差异化竞争。

在北京的活动中，嘉信理财主席成员暨嘉信基金会主席、嘉信消费者教育资深副总裁 Carrie Schwab-Pomerantz谈到，她是伴随着嘉信理财一起成长起来的，从她的父亲身上学到了如何管理自己的财富。她提到财富管理中最重要的三个原则是了解自己进行管理的目标并且设置合理的路径来达到这个目标，要重视投资的重要性，投资中需要分散再分散。

嘉实财富量化研究中心负责人周静博士在活动中表示，目前国内高净值客户在资产配置方面遇到了困惑，量化对冲产品因其低风险中等回报的特征，逐步成为有效解决方案。据其介绍，嘉实财富旗下的“金阿尔法”是采用量化对冲策略的产品，即以量化多因子模型的方式构建股票组合，同时利用沪深300指数期货进行对冲，以消除股票组合的市场系统风险。因此这个产品的特点就是不会跟随股票市场的上下波动，风险收益特征是低风险具有中等收益，适合高净值财富人群保本并且适当增值的需求。

第8篇：量化交易策略的研究范文

【关键词】量化对冲；多因子选股；Alpha

一、量化投资与Alpha策略

（一）量化投资的优势

1.出色的数据处理能力

通过计算机建模对历史数据进行分析，能够替代人进行大量繁琐的工作，极大的提高了工作效率。既能够在分析的过程中形成投资策略，又可以建立模拟测试平台对策略进行检验。

2.克服人性弱点

人性本质上的弱点是很多失败投资决策的根源，计算机可以帮助人控制自身的情感，以量化投资的方法进行自动化交易，避免人工操作，也就可以在一定程度上减少人类情感对投资决策的影响。

3.反应迅速

量化投资的自动化交易程序反应十分灵敏，通过计算机对各种信号的快速识别，能够在毫秒内做出反应，这种数量级的反应速度已经足够捕捉目前市场上最短级别的交易机会。

（二）主流Alpha策略

1.动量Alpha，强者恒强的现象在市场中普遍存在，市场表现好的股票能够积累人气，持续上涨趋势容易延续下去，买入涨势好的股票组合，利用股指期货等工具进行对冲。

2.反转Alpha，关注走势最差，短期变现最不好的股票，认为股价跌到一定程度会集聚反转的能量，买入股价跌幅较大、技术形态上超跌的股票，建立对冲头寸。

3.多因子选股Alpha，源于三因子模型，将股票价格的原因分割为不同因子，考察各因子与股价的相关性来设计投资策略，获取因子的超额收益。

二、因子选取及有效性分析

本文Alpha策略主要针对短期反转效应，“地量见地价”是股票市场中的一条重要原则，低股价、小成交量具有明显的反转效应。相对于价值类、成长类因子，规模类因子的短期反转效应更强。因此，本文从规模类因子、动量因子与技术指标类因子中初步选取了9个因子，分别为股价、总市值、日成交量、日换手率、RSI、STOM、ROC、CR、AROON。

（一）数据准备

数据清理共分四步：剔除ST类股票数据；清楚股票异常数据（包括数据库中缺失的股票数据以及停牌股票的日数据）；对股价进行复权处理；因子数据标准化，采用N（0，1）正态标准化处理，标准化后数值越高代表其原始股价越低。

（二）因子评价标准

本文主要从因子的收益能力以及风险程度两方面来检测单个因子的有效性。需要观测的值有：训练集内组合的累计Alpha、胜率、最大回撤、收益回撤比以及将样本分组后的各项数据。

（三）因子的选取

经系统回测后，从各因子年化收益率的排序情况来看，在正向对冲组中，市值、股价、成交量三个因子表现最好，年化收益率均超过了20%，表现最差的三个因子为日换手率、月换手率与CR指标，年化收益率低于10%。

从风险的角度对比各因子的表现，成交量与市值的回撤最大，收益能力强的股价因子的回撤幅度相对也较低，股价因子的表现最为优秀，收益能力居中的RSI、ROC的回撤也在中间水平，而AROON指标的回撤相对其他指标较为优秀。收益能力较低的CR的回撤同样很大，换手率与STOM则表现出低收益低回撤。

对比综合性指标收益回撤比，可以得出9个因子的收益回撤比差异显著，排序从大到小分别为股价、市值、成交量、ROC、RSI、AROON、CR、STOM、换手率，其中各因子的收益能力起到关键性作用。长期投资组合的区间收益回撤比反映的是各因子在长期持续产生超额收益的效应。

综上，依据各因子在整个样本区间的表现，将表现最差的日换手率、STOM与CR指标这三个因子剔除，用剩下的六个因子构成最优因子组合。

三、多因子选股策略检验

（一）多因子Alpha策略要素

本文Alpha策略为短周期持仓；选股的标准为小市值、低股价、低成交量、低RSI、低ROC、低AROON；打分方式分为等权重法与变权重法，变权重打分考察各因子在样本内收益能力与抗风险能力的综合表现，将收益回撤比作为筛选股票时各因子的权重；对冲方式为等市值完全对冲；对冲工具使用沪深300股指期货主力合约。

（二）不同打分方式投资组合样本外表现

等权重组合区间收益140.48%，组合最大回撤为29.08%；变权重组合区间收益211.73%，最大回撤26.78%；同期市场指数涨幅为5.40%，最大回撤43.49%。两种组合方式资金曲线相似。

改变打分权重后，组合在样本外的胜率与盈亏比明显提高，这是收益提高的根本原因，在一定程度上也反映出所选因子真实有效。

本文在对2006至2015年中国证券市场的研究中发现，短期反转Alpha策略真实有效。股价因子的效用最为显著，技术指标类因子的表现没有规模类因子突出，换手率因子效果不佳。在震荡市中Alpha策略最为有效，极端行情下，尤其在暴跌行情中，使用股指期货对冲不掉组合的市场风险，此情况下多因子选股模型阶段性失效。

参考文献：

第9篇：量化交易策略的研究范文

摘要 投资组合保险策略是在机构投资者的发展过程中应运而生的一种投资理念。研究结果表明，每种保险策略的优越性只是相对而言的，没有哪一种是绝对优于其他投资策略。但是，如果将保险策略有效组合起来，可大大提高组合保险的效果。因此，投资组合保险策略的研究，对企业财经管理的投资组合保险有很好的参考作用。

关键词 投资组合 保险策略 企业财经管理

一、投资组合保险策略的背景和内涵分析

投资组合保险策略指的是将一部分资金投资在无风险资产，以保证资产组合在最低的价值前提下，其余资金随着市场变动而不断调整无风险资产和风险资产比例，不断发掘资产升值的潜力的一种资产动态调整策略。在国外，投资组合保险已有二十多年的发展历史，我国对投资组合保险的应用还不是很普遍，其研究处于起步阶段。在研究中，一般采用单一组合保险策略进行模拟，如固定比例的投资组合保险（CPPI），在市场上升的时候，CPPI的效果优于组合保障（TIPP）。但在市场下跌时，TIPP可以有效将市场上升的获利保护起来，减少投资风险，效果优于CPPI。因此，两种策略的结合，能否在市场的波动中获得好的效果，是本文将要探讨的问题。

二、定量分析模型

（一）简单参数的投资组合保险策略量化分析

TIPP是各种简单参数的投资组合保险策略的一般形式，其他策略可以根据TIPP的变动情况分析。

第一，普通的TIPP。首先，设定底值，TIPP底值是变动的，其公式表达为：Ft=aMt+bert（0≤a≤1，b≥0），其中，r为无风险率，aMt表示组合历史价值的大小，即组合可能产生的价值。当a取值0.9时，组合的最大价值即为90%。bert投资是设定的保值水平，通常是由投资者附加的，这一数值会随时间而递增，如果投资者无要求，则b为0，本文以b=0研究。

第二，CPPI。CPPI和TIPP的不同点在于，投资者事先确定的底值会随着组合价值变化而变化，以无风险利率分析，CPPI底值会随着时间递增，可以用Ft=F0ert，即等价于在TIPP策略中a=0，b=0的情况。

（二）组合保险策略模拟

本文以实际资产来模拟组合保险策略，假定资产初期价值是100万元，安装资产是债券，风险资产是股票指数，假定交易成本量为0.5%，因为频繁交易会对组合价值产生影响，因而设定重新调整率（trigger），将其设定为1%、3%、5%、8%。在实验中，保底率为0.9，CPPI策略的a=0，b=100万×0.9；TIPP策略的a=0.9，b=0，m取值为1～5的变量。

由于投资组合保险的最终目的是最后价值，在研究中要考虑战胜大盘率。战胜大盘率=组合价值收益率﹣大盘指数的收益率。在实验中，将CPPI和TIPP的战胜大盘率差值进行分析，如果TIPP策略的终值低于CPPI策略的底值，则表示策略失效。

三、研究数据分析

（一）短期投资

在短期投资时，其调整策略可以设定如下：在风险资产的下跌幅度超过trigger，可以判断市场将会下跌，投资组合宜采用TIPP策略，保障投资组合安全。原因在于TIPP的市场上涨能力较低，在风险资产的上涨幅度超过trigger，可以判断市场将会上涨，持有全部的风险资产，可获得较好的市场收益。这种方法只适合短期投资，由于长期市场的波动较大，风险资产为0的情况时有发生，将导致获利的减少。

（二）长期投资

如前所述，在市场上升时，CPPI策略可获得更多收益，效果优于TIPP；而在市场下跌时，TIPP可以将市场上升时的收益保护起来，减少投资风险，效果优于CPPI。因此，长期投资的策略如下：风险资产的上涨幅度超过trigger则采用CPPI策略，风险资产的下跌幅度超过trigger则采用TIPP策略。需注意的是，在采用组合保险策略时，要根据风险资产的大小进行切换，由于交易次数增加，也要根据交易量的大小及时调整策略，以免影响组合保险策略效果。

四、总结

从以上研究可以发现，保险策略各有优点和缺陷，没有绝对的优越性。在短期投资时，尽量参与市场的上方获利，应选择市场参与能力较强的策略和TIPP结合。在长期投资时，可将，CPPI和TIPP结合，调整策略保底率不应取值太低，减少风险投资。同时，由于采用了组合保险策略，市场上升过程中的风险资产额度可能会比单一的保险策略大，在保险策略切换时，风险资产向无风险资产转移的数量比单一策略大，导致交易成本的影响增大，对策略效果可能会产生影响。尤其是在长期投资中，交易次数增加，从而导致交易费用较大而影响组合保险策略效果。

随着机构投资者的进一步发展，组合保险策略的重要性也日益受到重视。组合保险策略的进一步完善还需要长期的实践。对于养老金等的风险规避问题，选择组合保险可能会取得较好的效果。此外，灵活结合多种组合保险策略，能够收到更好效果。因此，企业在投资过程中，将多种投资组合保险策略有效结合起来，对企业的财经管理有非常重要的作用。

参考文献：

[1]李庆.论证券投资组合的风险分散效应与应用.现代商贸工业.2010.22（17）.