差分量化_差分 算法

　　作者差分量化：何力

　　現(xiàn)在很多人都很困惑，因?yàn)樗麄儼l(fā)現(xiàn)現(xiàn)很多曾經(jīng)有效的算法已經(jīng)無(wú)法再擊敗市場(chǎng)。這里面的原因并非完全在于算法本身，很大一部分原因在于他們不能通過(guò)數(shù)據(jù)和邏輯重新構(gòu)建算法與市場(chǎng)的關(guān)系。

　　在量化交易領(lǐng)域，大多數(shù)的投資回報(bào)都并非通過(guò)創(chuàng)建新策略新算法得來(lái)的，而是通過(guò)把現(xiàn)有有效的算法通過(guò)創(chuàng)新的方式應(yīng)用于現(xiàn)有數(shù)據(jù)得來(lái)的。如果投資者能從統(tǒng)計(jì)數(shù)據(jù)和規(guī)律中重新構(gòu)建算法與市場(chǎng)的關(guān)系，那么同樣的算法一樣能獲得遠(yuǎn)遠(yuǎn)超越資本成本和交易成本的超額收益。

　　由于有太多的人在使用相同的策略。對(duì)于那些已經(jīng)眾所周知的策略，目前已經(jīng)很難再被用來(lái)穩(wěn)定賺錢(qián)了。但是如果差分量化你把注意力從價(jià)格本身轉(zhuǎn)移到像波動(dòng)性等其他一些因素上來(lái)，那么古老的策略依然有機(jī)會(huì)煥發(fā)生機(jī)。那么我們?cè)撛趺醋瞿?strong>差分量化？

　　通過(guò)統(tǒng)計(jì)數(shù)據(jù)的可預(yù)測(cè)性，我們幾乎可以從任何目前在市場(chǎng)上交易的品種中獲利。舉個(gè)例子：我們可以首先獲取關(guān)于某只股票新聞報(bào)道的簡(jiǎn)單訊息聚合訂閱數(shù)量(Really Simple Syndication feed），訂閱數(shù)量的多少反應(yīng)了人們關(guān)心的程度。然后我們通過(guò)文本處理技術(shù)提取新聞中的關(guān)鍵詞，然后設(shè)計(jì)算法處理這些關(guān)鍵詞并預(yù)測(cè)該股票未來(lái)短時(shí)間的價(jià)格漲跌。關(guān)鍵詞處理可能涉及的技術(shù)層級(jí)太高，不是一般人能搞的定的。那么我們閹割掉文本處理這一塊，還能否盈利呢？答案是肯定的。

　　讓我們從另外一個(gè)角度來(lái)分析。假設(shè)我通過(guò)某種方法知道最近針對(duì)某家上市公司的新聞報(bào)道特別特別多。這種新聞數(shù)量的異常增多表明這家上市公司的股票很有可能在最近幾天產(chǎn)生大幅度的波動(dòng)（當(dāng)然這里面新聞數(shù)量的多少和股價(jià)的波動(dòng)關(guān)系需要你提前就做回測(cè)確定統(tǒng)計(jì)關(guān)系）。這個(gè)時(shí)候你只知道股價(jià)會(huì)大幅度波動(dòng)，但是不知道波動(dòng)的方向怎么辦呢？（如果學(xué)會(huì)文本處理就好了 ╮(╯_╰)╭）。不用著急，現(xiàn)在只需要通過(guò)做多蝶式期權(quán)套利策略你就可以提前鎖定利潤(rùn)。

　　構(gòu)建做多蝶式期權(quán)套利策略能獲利的條件是標(biāo)的資產(chǎn)價(jià)格的未來(lái)隱含波動(dòng)性大于目前的波動(dòng)性。具體來(lái)講，包含如下的期權(quán)組合：

　　* 買入1份期權(quán)執(zhí)行價(jià)格為(X ? a)的看多期權(quán)

　　* 賣出2份期權(quán)執(zhí)行價(jià)格為X的看多期權(quán)

　　* 買入1份期權(quán)執(zhí)行價(jià)格為 (X + a)的看多期權(quán)

　　其中X是期權(quán)標(biāo)的資產(chǎn)的現(xiàn)貨價(jià)格，同時(shí)a>0。包含的期權(quán)合約有相同的到期日。在到期日，如果期權(quán)標(biāo)的資產(chǎn)價(jià)格小于X-a或者大于X+a，那么該做多蝶式期權(quán)套利策略的收益為0；如果期權(quán)標(biāo)的資產(chǎn)價(jià)格在X-a和X+a之間，那么該做多蝶式期權(quán)套利策略的收益>0,且收益最大為X。所以只要未來(lái)標(biāo)的資產(chǎn)的波動(dòng)性比現(xiàn)在大，那您就等著數(shù)錢(qián)吧 ^o^。

　　通過(guò)組合使用各種衍生品的組合，我們可以利用市場(chǎng)某些極端深?yuàn)W的統(tǒng)計(jì)學(xué)屬性。而更加復(fù)雜和更有效的交易策略會(huì)涉及到多種資產(chǎn)的統(tǒng)計(jì)關(guān)系。而這個(gè)時(shí)候，獲得第一手?jǐn)?shù)據(jù)就顯得非常重要。

　　如果某個(gè)策略使用的是第一手獨(dú)家的數(shù)據(jù)，那么毫無(wú)疑問(wèn)這個(gè)策略的獲利能力將會(huì)顯著加強(qiáng)。

　　舉個(gè)例子，以前在冷戰(zhàn)時(shí)期，美國(guó)有公司曾經(jīng)開(kāi)發(fā)過(guò)數(shù)學(xué)模型用來(lái)處理從衛(wèi)星上獲得的關(guān)于蘇聯(lián)玉米產(chǎn)量的數(shù)據(jù)并預(yù)測(cè)蘇聯(lián)的玉米產(chǎn)量。讓人驚訝的是，這種模型做出的預(yù)測(cè)比蘇聯(lián)人實(shí)地考察自己玉米地后做出的產(chǎn)量預(yù)估更加準(zhǔn)確?，F(xiàn)在這家美國(guó)公司開(kāi)始用這些模型來(lái)預(yù)測(cè)美國(guó)自己的玉米和大豆產(chǎn)量。

　　通過(guò)衛(wèi)星數(shù)據(jù)和模型算法，這家公司預(yù)測(cè)的美國(guó)玉米總產(chǎn)量甚至比美國(guó)農(nóng)業(yè)部的預(yù)測(cè)更加準(zhǔn)確。顯然，如果你只能等到美國(guó)農(nóng)業(yè)部公布玉米產(chǎn)量的時(shí)候才做買賣判斷，那大概率只能給人抬轎子了

　　╮(╯﹏╰）╭。而能提前從這家美國(guó)公司獲取第一手產(chǎn)量數(shù)據(jù)的投資者將大概率跑贏市場(chǎng)。后來(lái)這家美國(guó)公司被一家專門(mén)做大豆和玉米期貨的對(duì)沖基金高價(jià)收購(gòu)了。這個(gè)公司厲害之處就在于，他們能產(chǎn)出別人所沒(méi)有的第一手資料。

　　 總結(jié)一下，在投資領(lǐng)域，目前量化方法一般被應(yīng)用到如下的地方：

構(gòu)建模型并預(yù)測(cè)數(shù)據(jù)中的潛在變量或者關(guān)系；

構(gòu)建模型并預(yù)測(cè)市場(chǎng)在一些核心變量如利率或者油價(jià)變化的時(shí)候，市場(chǎng)如何反應(yīng)；

構(gòu)建模型并預(yù)測(cè)當(dāng)重要事件或者新聞報(bào)道出現(xiàn)的時(shí)候，資產(chǎn)價(jià)格和波動(dòng)性如何變化。

　　目前有4類不同的量化方法：

　　決策形成類。這里面包含了神經(jīng)網(wǎng)絡(luò)，基于規(guī)則的交易策略，決策樹(shù)，自適應(yīng)學(xué)習(xí)，支持向量機(jī)等；

　　建模類。這里面包含了資本資產(chǎn)定價(jià)模型，套利定價(jià)模型和布萊克--斯克爾斯期權(quán)定價(jià)模型；

　　資產(chǎn)配置類。這里面比較典型的就是凱利公式和平均方差組合理論；

　　優(yōu)化類。該類方法通過(guò)并入新的數(shù)據(jù)來(lái)源或從現(xiàn)有數(shù)據(jù)來(lái)源中提取信息來(lái)改進(jìn)在其他模型中使用的潛在變量的估計(jì)值。比如，相比于只使用歷史股價(jià)波動(dòng)率，我們可以通過(guò)同時(shí)使用隱含波動(dòng)率，歷史波動(dòng)率和實(shí)時(shí)提取公司新聞事件信息來(lái)優(yōu)化估計(jì)股票價(jià)格在給定時(shí)間范圍內(nèi)的波動(dòng)率，顯然這種預(yù)測(cè)會(huì)更加準(zhǔn)確。

　　最后要說(shuō)明的一點(diǎn)就是，傳統(tǒng)的“寬客”需要應(yīng)用統(tǒng)計(jì)學(xué)知識(shí)，蒙特卡洛模擬，偏微分方程等方法。而這些屬于純應(yīng)用數(shù)學(xué)領(lǐng)域的方法已經(jīng)不夠用來(lái)定義一個(gè)目前前沿的“寬客”了?，F(xiàn)在的定量分析領(lǐng)域已經(jīng)融入了更寬泛的學(xué)科理論，特別是機(jī)器學(xué)習(xí)。