1、量化交易模型组合浅析 【摘要】 量化交易是以数学模型为基础，借助计算机强大的数据处理能力来进行交易决策和投资的金融工程学科重要分支，本文对量化交易所使用的基本模型及其理论基础进行了初步的解析和介绍。 【关键词】量化交易；阿尔法模型；风险控制模型；交易成本模型 一、量化交易的起源 量化交易起自 20世纪 70年代，以马科维兹提出 CAPM投资组合理论为标志，一个新的使用数学模型为基础，借助计算机强大的数据处理能力来进行交易决策和投资的金融工程学科建立了起来，并且蓬勃发展。其中詹姆斯西蒙斯的大奖章基金在创立的二十年里以持续稳定的 35%的净回报成为了投资领域的一个传奇。经过了三十年的发展，目前量化
2、投资交易已经占据了整个金融交易市场的 50%份额，这个数字还在不断地增加。 二、量化交易的内核 量化交易系统主要由阿尔法模型（ alpha model）、风险控制模型（ risk model）和交易成本模型（ transaction cost model）三个部分构成。其中阿尔法模型通过交易算法来预测投资的未来趋势，从而获得超期回报，也就是所谓的 alpha回报。风险控制模型则用以限制程序化交易中的交易风险敞口，通过风险均摊的原则来控制未知的风险因素可能造成损失的影响。最后，由于量化投资的核心在于不断变化投资的组合形式来拟合对趋势的预测获得超期回报，那么频繁或大额的交易必然造成市场的波动和高额
3、的交易手续费，如何避免上述问题则是交易成本模型需要考虑解决的问题。下面来对这三个构成量化交易内核 的重要模型系统做以解释和浅述。 三、交易模型浅述 阿尔法模型起源于量化投资的基本理论，即威廉夏普于 1963年提出的，投资组合回报可以被看做是 beta回报和 alpha回报的组合。其中 beta回报来源于市场的系统风险， alpha 回报则是超出市场系统风险回报的超期收益。可见所谓阿尔法模型，就是量化交易模型中负责对市场数据进行分析和预判，通过趋势跟随、高频交易等策略来获取超额收益的一种模型，该模型是整个量化投资系统的核心，而对市场预测的准确性和及时性则是策略是否能够有效执行的关键。在阿尔法模型
4、系 统里主要由理论型模型和数据驱动模型两类，其中理论型模型从经济学原理出发，对市场进行各种参数的设计和估计，建立数学模型，其典型的模型有趋势跟随模型、均值回复模型和价值投资模型等等，可以说理论型阿尔法模型是投资学中基本面投资法和技术投资法的数学模型化和计算机模拟化的代表。而数据驱动模型则更为复杂些，它在某种程度上放弃了对传统经济原理的依赖，转而使用python 语言为代表的爬虫技术等数据获取和挖掘技术对实时海量信息进行处理和分析，它常常倾向使用更高阶的算法模式和数据处理方法对市场逻辑和未来进行模拟评估，从这个角度 上讲，它更像是量化投资领域的技术投资流派，比起理论，更加重视实时的数据所代表的意
5、义。 风险控制模型与阿尔法模型不同，相比获取回报为根本目的的阿尔法模型，风险控制模型的目的则是控制风险。对于量化投资基金来说，阿尔法模型会同时交易于多个投资市场的多种标的物，同时构建多个投资组合，对于无论单一投资组合或多个投资组合构建的系统，都需要一个控制模型来对系统交易风险进行分摊和把控，这并不单单是传统意义上的止损，更重要的是风险控制模型有义务保证阿尔法模型所产生的回报质量和运行的持续性以及稳定性。通过风险均摊的原 则，在不断构筑的新的阿尔法模型间建立平均的风险均值，通过调配高风险组合和低风险组合的比例来稳定投资回报降低投资风险，以及最重要的把控风险敞口，进行选择和规模控制。同阿尔法模型一
6、样，风险控制模型也可以分为理论驱动类和经验型两种。其中理论驱动风险控制模型使用经济学理论中的系统风险理论对风险进行因素分析并建立模型来达到风险控制的目的，而经验型风险控制模型则以历史数据为依托，通过数据挖掘对不同的市场和标的物进行风险的发现及估算。 最后，交易成本模型是一个绝不相同的模型类型，它的目的既不是降低风险，也不是增 加收益，而是为前两者模型的稳定运行做以支持。显然无论是阿尔法模型或是风险控制模型，想要构建模型超前拟合市场或降低风险超前止损，都需要频繁的交易来构建或对冲投资组合，由此带来的则是海量的交易成本，根据预估，大约 20%以上的交易收益会受到侵蚀。与此同时，由于量化交易往往掌握
7、大额资金，一个大额订单会引起市场的非理性波动，严重影响阿尔法模型和风控模型的交易前预判，使模型在交易中面临无效或失败。从而交易成本模型的重要性在于它的成功施行可以保障前两个模型系统的有效运作。目前的交易成本模型主要分为常数模型，线性模型和二次 型模型三种。其中常数交易成本模型基于交易成本相同的假设并且不考虑交易规模，而线性模型会考虑交易成本和交易规模的线性关系，最后的二次型模型则利于二次函数对交易成本和规模之间的关系进行了更严密的拟合，但同时它的算法和复杂程度也是最高级别的。 参考文献： Rishi K.Narang， Inside the black boxthe simple truth
8、about quantitative trading， John Wiley and Sons Ltd Publish， Chichester，（ 2009） Phelim Boyle， Feidhlim Boyle， Derivatives the Tool that changed finance， Published by Risk Water Group Ltd，（ 2001） Ernest P. Chan， Quantitative TradingHow to Build Your Own Algorithmic Trading Business， John Wiley and Sons Ltd Publish， New Jersey，（ 2009）
