量化交易產品初探（概念篇） | 人人都是產品經理

相信大家對「量化交易」這個詞都不陌生，量化交易是一個複雜的體系，多應用於金融場景。基於其複雜性，本文主要聚焦於證券量化交易，由基本概念入手，由淺入深地進行量化交易產品探索，希望對你有所幫助。

前言

相信大家對「量化交易」這個詞並不陌生。根據業界對「量化交易」的普遍看法，認為量化交易是藉助現代統計學和數學的相關理論，通過計算機進行交易的一種操作方式。

作者在工作之餘，出於愛好會對一些金融數據進行分析，參與金融二級市場投資。這些年也構建了自己的投資模型，獲得了一些微不足道的收益。這個過程用到了量化思維方式。

量化交易產品是一個非常複雜的體系，雖然主要應用於金融領域，但是所涉及的交易門類非常多，可以對證券、期權、期貨、保險、債券、外匯等某個細分的門類單獨進行量化交易，也可以是將這些門類形成一系列的組合進行量化交易。

考慮到量化交易產品的複雜性，受篇幅所限，本文主要聚焦於證券量化交易，不涉及債券、期權和期貨等投資組合交易的量化產品，從基本概念出發由淺及深，開啟量化交易產品探索之旅。

一、產品範圍

一般情況下我們買多還是賣空，需要我們對二級市場的公司進行基本面和技術面的分析。

我們衡量某家公司好還是壞，需要制定一個客觀的評價標準。有了標準之後，可以通過計算機對這些公司信息進行「量化」處理。然後通過構建相關策略，實現計算機自行決策進行買入還是賣出的「交易」。

我們每個人的精力是有限的，不可能在短時間內完成對二級市場上所有公司交易指標的分析。市場交易也僅限我們比較熟悉的幾家公司，比較局限，往往會錯過很多操作時機。

不論是個人還是機構，希望有一套可以解決整個投資周期的解決方案，提升市場信息處理效率，節省人力成本，獲得穩定持續的超額收益。

由此可見，量化交易並不是執行某個操作，而是一系列操作的集合，涵蓋了指標參數制定、信息收集整理、數據加工分析、策略模型構建、商機價值發現和智能決策執行，並且效果評價調優貫穿整個投資周期。

以證券為例，量化交易涵蓋內容如圖1所示。

圖1 量化交易涵蓋的內容

二、產品特點

1. 紀律嚴明

個人在進行證券交易時，會制定一套操作策略，什麼時點買賣，買賣什麼證券，設定止盈和止損位。然而在實際的交易中，個人總是會受到市場情緒的影響，打破交易紀律，最終由於衝動做出錯誤的決策。典型的表現是「追漲殺跌」，忘記自己的「初心」。

量化交易往往在其交易策略的制定上，進行了詳細的分析和測算，並由計算機嚴格按照規則執行，不會受到市場情緒的影響。量化交易嚴格遵守交易紀律，可以克服個人在交易中的貪婪、恐懼和僥倖等人性的弱點，減少認知偏差。

2. 快速高效

天下武功唯快不破。個人證券交易，短時間內很難快速操作多個證券。即便是很多專業的投資者，盯盤的情況下，也很難做數十個甚至數百個證券的快速分析、決策與操作。尤其是經常做短線交易的個人，機會稍縱即逝，時間就是金錢。

量化交易由計算機操作，一般在幾毫秒之內便可以完成交易。James Simons（詹姆斯·西蒙斯）是一位世界級的數學家，也是非常知名的對沖基金經理。他所領導的對沖基金通過量化交易實現短線操作，獲得了非常豐厚的收益。

3. 綜合全面

個人對於證券交易數據分析比較單一，算力有限。在不藉助工具的情況下，很難將多個維度的數據進行綜合分析。同時由於個人精力所限，面對證券交易中所積累的龐大數據，往往無從下手，難以全面挖掘數據背後所蘊藏的價值信息，只能通過個人的主觀判斷，綜合收益率較低。

量化交易由計算機進行，理論上算力可以無限擴展，利用AI（Artificial Intelligence，人工智慧）和大數據構建的量化交易平台，結合歷史數據和實時數據，多維度、多層次，綜合全面進行決策分析，極大地提升了交易的綜合收益率。

三、基礎數學

量化交易的前提是「量化」。量化的基本涵義是采數值衡量或以數據說明的過程，這個過程需要用到很多基礎的數學知識。

德國著名數學家高斯曾說，「數學是科學的皇后」。量化交易是一項科學的系統工程，即便是基礎的數學概念，都會涉及非常多的知識點。

受篇幅所限本文不進行詳細說明，僅對一些量化交易中涉及的一些基本的數學概念進行簡要介紹。涉及概念更多的細節，大家有需要可以查閱專業的資料。

1. 均值

均值（Average）可以簡單理解為平均數。一般我們在量化交易中用到以下幾種平均數。

a) 算術平均數，公式如下。

b) 幾何平均數，公式如下。

c) 調和平均數，公式如下。

d) 加權平均數，公式如下。

公式中，以x1f1為例，表示x1出現f1次。n為f1+f2+…+fn的和。

e) 平方平均數，公式如下。

2. 中值

中值（Mid-value）又稱中位數，是按順序排列的一組數據中居於中間位置的數。

中位數的計算，首先進行由小到大的排序。

如果個數是基數，取中間的數即可。例如：1，2，3，4，5。中位數是3。

如果個數是偶數，取中間兩個數的平均值。例如：1，2，3，4，5，6，中位數是 (3+4)÷2=3.5。

3. 概率

概率（Probability）是對隨機事件出現的可能性大小的量化結果。

例如我們對拋硬幣這個事件進行統計。硬幣有正反兩面，我們拋了10次，統計下來正面朝上的次數是5次，那麼對於本次拋硬幣事件，計算出的正面朝上的概率是5÷10=0.5。

基於概率的性質，又衍生出很多公式，例如貝葉斯公式。

4. 導數

導數（Derivative）是微積分中的重要基礎概念。基本公式如下。

在證券交易分析中，導數經常會用來計算極值（最大值或最小值）。證券行情一般會處于波動之中，通過求導的方式分析證券在市場中波動極值，從而衡量K線的形態和走勢。

5. 正態分佈

正態分佈（Normal distribution），由法國數學家棣莫弗（Abraham de Moivre）提出。正態分佈的曲線特點是兩頭低，中間高，左右對稱，呈現出鐘的形狀，也被人們常稱為鐘形曲線。

在自然界和人類生產生活中，有很多現象按正態分佈形式呈現出來。例如學校中學生成績的好壞，證券市場中的投資者收益水平。

實際證券交易中，可以藉助正態分佈計算股票資產收益率。

例如：股票收益率=標準正態分佈置信水平×收益率標準差+收益率均值

還可以繼續通過股票收益率計算股票資產價格。

例如：股票資產價格=股票初始價格×e[上角標]股票收益率，其中e=2.718。

四、基礎指標

量化交易產品的實現，離不開基礎信息的收集與整理，這些基礎信息作為指標計算，參與整個量化交易產品的運行。

我們從基本面和技術面兩個維度，列舉出一些比較常見的量化交易基礎指標。

1. 基本面

• PE（Price Earnings Ratio，市盈率），股票的價格和每股收益的比率，PE分為靜態PE和動態PE。在價值投資中，理論上PE越小則上漲的概率越大。
• PB（Price-to-Book Ratio，市凈率），每股股價與每股凈資產的比率。一般而言市凈率較低的資產投資價值較高。
• PS（Price-to-Sales，市銷率），計算方式為【總市值】除以【主營業務收入】或者【股價】除以【每股銷售額】。市銷率越低說明該公司股票的投資價值越大。
• PCF（Price Cash Flow Ratio，市現率），股票價格與每股現金流量的比率。市現率越小說明公司的每股現金增加額越多，一般用來評價公司股票的價格水平和風險水平。
• 股息率（Dividend Yield Ratio），指一年的總派息額與當時市價的比例。一般而言，證券的股息率越高對投資者的吸引力越大。

除以上指標外，還有非常多的反映基本面的財務指標，例如流動比率、負債資產率、營業利潤率、銷售凈利率、銷售毛利率、資產回報率、凈資產收益率、總資產周轉率、存貨周轉率等。這些因子數據都可以從上市公司公開的財務報表中獲得。

2. 技術面

一般而言能反映證券價格漲跌變化、走勢形態或是K線組合都可以歸為技術面指標。比較常用的指標如下。

成交量，某段時間內證券交易的數量。成交量的大小表明了多空雙方對市場某一時刻的技術形態最終的認同程度。

振幅，最高價、最低價之差的絕對值與股價的百分比。振幅還可以細分為日振幅、周振幅和月振幅等。

換手率，一定時間內市場中股票轉手買賣的頻率，用來反映股票流通性強還是弱。換手率越高，說明該證券的交易越活躍，比較熱門。

• BOLL（Bollinger Bands，布林線），通過計算股價的標準差，從而獲得股價的可信區間。當價格線位於布林線中軌之上時，則大概率為多頭市場，可持有或繼續買入。
• MA（Moving Average，移動平均線），通過統計分析將一定時期內的證券價格進行平均，把不同時間的平均值連接起來。MA主要用來觀察證券價格變動趨勢。MA分為5日、10日、20日、30日、60日和120日等。
• MACD（Moving Average Convergence/Divergence，平滑移動平均線），用來反映證券多空狀態和股價可能的發展變化趨勢。
• VWAP（Volume Weighted Average Price ，成交量加權平均價格），給定時段內的資產均價按成交量加權之後得出的價格。基本計算方式為：VWAP=(典型價格×交易量)÷總交易量。典型價格的計算方式為，典型價格=(最高+最低+收盤)÷3。

除以上因子外，還有非常多的因子，例如成交額、成交量、漲幅、總市值、流動市值、上市天數、RSI（Relative Strength Index，相對強弱指標）、KDJ（K值、D值與J值）、TWAP（Time Weighted Average Price，時間加權平均價格）等。

五、基礎理論

基礎理論是構建量化交易產品的指導思想。以理論為基礎，科學構建量化交易產品策略，結合實際場景，驗證產品方案，在實際應用中，不斷完善論據和論證，持續進行產品優化。

1. APT（Arbitragc Pricing Theory，套利定價理論）

1976年，美國學者斯蒂芬·羅斯（Stephen Ross）在《經濟理論雜誌》上發表了論文，提出APT。該理論認為套利行為是現代有效率市場（即市場均衡價格）形成的一個決定因素。如果市場未達到均衡狀態的話，市場上就會存在無風險套利機會。APT可以看作是多因子定價（選股）的雛形。

基於ATP，由多個系統性風險因子構成的線性模型，公式如下：

公式中，E表示期望收益，R表示無風險利率，β表示投資組合對於因子k的敏感程度，λ表示因子中的風險溢價。

2. CAPM（Capital Asset Pricing Model，資本資產定價模型）

1964年，美國學者威廉·夏普（William Sharpe）、林特爾（John Lintner）、特里諾（Jack Treynor）和莫辛（Jan Mossin）等人提出，用於研究證券市場中資產的預期收益率與風險資產之間的關係。

CAPM公式：Ra=Rf+β*(Rm-Rf）

β表示某股票的貝塔係數，即股票的系統性風險。

Rf表示無風險回報率，Rm表示市場平均回報率。Rm和Rf的差是股票市場溢價。

Ra表示預期收益率 。

例如：

某股票的β=3，無風險回報率為Rf=2%，市場平均回報率Rm=7%，則股票市場溢價為7%-2%=5%。

根據CAPM，求出該股票的預期回報率Ra=2%+3*5%=17%。

我們通過計算股票的預期收益率，作為未來股票收益率的參考。

3. Chaos Theory（混沌理論）

1963年，美國氣象學家愛德華·諾頓·洛倫茨（Edward Norton Lorenz）提出混沌理論，該理論是一種兼具質性思考與量化分析的方法，用來對動態系統中一系列整體連續的事件進行解釋和預測。

蝴蝶效應是非常典型的混沌理論案例。一隻蝴蝶在巴西輕拍翅膀，會使更多蝴蝶跟著一起振動翅膀。最後將有數千隻的蝴蝶都跟著那隻蝴蝶一同揮動翅膀，蝴蝶所產生的颶風可以最終導致一個月後在美國得州發生一場龍捲風。

混沌理論同樣適用於資本市場。例如在2003年，美國一隻牛疑似感染瘋牛病，先是影響到美國牛肉產業，進而影響到工作崗位，涉及養牛業主要飼料來源的美國玉米和大豆業，最終導致期貨價格不斷下降。

4. EMH（Efficient Markets Hypothesis，有效市場假說）

1965年，美國經濟學家尤金·法瑪（Eugene Fama）在Financial Analysts Journal上發表題為《The Behavior of Stock Market Prices》的文章，首次提出Efficient Market（有效市場）的概念。

1970年，尤金·法瑪（Eugene Fama）對該理論進行了深化，提出EMH。EMH有個前提假設：參與市場的投資者有足夠的理性，並且能夠迅速對所有市場信息作出合理反應。

EMH理論核心觀點是公司股價走勢完全反映公司當前和未來的價值。EMH主要有三種形式：

a). 弱式有效市場假說(Weak-Form Market Efficiency) ：市場價格已充分反映出所有過去歷史的證券價格信息。股票價格的技術分析無效，基本分析可能幫助投資者獲得超額利潤。

b). 半強式有效市場假說(Semi-Strong-Form Market Efficiency) ：市場價格已充分反映出所有已公開的有關公司營運前景的信息。投資者在市場中利用基本面分析則失去作用，內幕消息可能獲得超額利潤。

c). 強式有效市場假說(Strong-Form Market Efficiency)：市場價格已充分地反映了所有關於公司營運的信息，包括已公開的或內部未公開的信息。沒有任何方法能幫助投資者獲得超額利潤。

5. MPT（Modern Portfoilio Theory，現代資產配置理論）

1952年，美國經濟學家馬可維茨（Harry M．Markowit）提出。MPT的核心思想是以最小化標準差（或方差）以及最大化預期收益為目標來進行資產配置，通過數學的方式解釋投資分散化的原理，證明了多元分散的價值。

基於MPT，我們需要對資產配置進行分散，不過不是簡單的分散，而是將風險控制在一定範圍內的同時把資產收益率最大化。在分散的過程中，需要用到非常多的數學工具，進行複雜的計算。

6. Trend Theory（趨勢理論）

趨勢理論是指一旦市場形成了下降（或上升）的趨勢后，就將沿著下降（或上升）的方向運行。趨勢理論的應用前提是假設這種趨勢會一直持續，直到趨勢遇到外來因素破壞而改變為止。通常用來進行買賣點分析和行情分析。

趨勢的判斷需要結合多種指標。投資者通過一段時間內證券的漲跌變化，繪製趨勢線，可以直觀分析是上升趨勢線、下降趨勢線還是橫向整理趨勢線。

在量化交易實際應用中，通過構建趨勢三線，即逃頂線、持有線、抄底線，進行交易決策。當證券價格觸及趨勢通道的壓力線（逃頂線）時，大概率為賣出時機，當證券價格到達趨勢通道的支撐線時（抄底線），大概率為買入時機。

六、結語

量化交易產品的構建是一個非常複雜的系統工程，本文所進行的初步探索，僅是整個量化交易產品體系中的冰山一角，旨在拋磚引玉。

例如在投資交易中經常用到的夏普比率（Sharpe Ratio），Delta、Theta、Gamma指標，布萊克-斯科爾斯公式，蒙特卡羅模擬等。

證券市場變化莫測，即便是交易模型也非常科學，策略非常精準，也難免會遇到「黑天鵝」事件，量化交易產品的優化永無止境。

沉舟側畔千帆過，病樹前頭萬木春。我們需要客觀看待量化交易產品，不能片面地認為量化交易產品的應用，投資一定會為獲得超額收益永遠不會虧損，要需要時刻保持對資本市場敬畏之心。

量化交易產品的初衷是將投資活動中的人力密集型轉變為知識密集型，提升每個人員的工作效率和投資產出，降低投資的波動性，提升綜合收益。

投資是一場漫長的修行，在這個過程中充滿艱難險阻，需要不斷審視自己的投資行為。量化交易產品提供了非常便捷的評價工具，通過對交易數據的記錄與分析，例如最大回撤、最長虧損時間，進行投資效果評價，發現不足，持續完善。

世間眾生多如蟻，蓮心只渡有緣人。量化交易產品不論多麼先進，最終也僅是投資工具，人才是整個投資交易活動的核心。在這場金融修行之路，我們通過量化交易，發現更好的自己，做財富的有緣人。