2018-05-11 开始量化分析和Python的学习

在JD平台上看到一篇文章，记录一下。 

量化投资在国内的主要发展方向有三大类：传统的单品种CTA的趋势追随；不同市场和品种间的套利；还有利用基本面数据的宏观量化。随着各大类下面细分的各项交易策略的量化分析、交易的深入，我还是很看好量化本身在国内的发展。下面分几个方面介绍这三类：

1.Trade trend 或者trade mean-reverting的思路现在很多CTA在用，当然模型会复杂些，工具也多些（比如说考察两个index的spread，跨区等等）。这种相对低频的量化投资也被移植到中国二级市场上，并不断改进。

2.市场品种间的套利主要有下面5种：期货的期现套利（现货和期货之间存在一定的价差，一旦该价差与商品本身的持有成本发生较大偏离，可构造投资组合进行套利）；相关性较强的品种间的统计套利（相关性较强的品种，进行协整检验，品种间价差在大概率下收敛，构造投资组合进行套利）；可转债套利（转换期间的可转换债券与标的股票间存在溢价，因此可以通过卖出可转债并转股，同时融券锁定股票价格变化，第二天拿到股票同时平掉融券账户，获取价差）；分级基金套利（母基金和子基金A、B份额价值发生偏差时，便可以通过申购或赎回操作，在母子基金间套利）；ETF套利（ETF和其对应的标的成分股价值发生偏差时，就可以构造投资组合进行套利）。具体来说，已经成熟的套利策略原理都很简单，但是能否用该策略赚钱，则成败在于细节。中国的市场很不成熟，所以存在很多的套利机会，需要我们去发掘和实现。

3.宏观基金就是通过top-down的鸟瞰方式，相信市场上存在定价没有足够反应当前基本面及其变化趋势的地方，然后在市场多数人发现之前采取行动，等待获利时刻的到来。主要有两种风格，discretionary：比较自由靠经验判断，systematic：系统性讲究规律和纪律。

1). Discretionary：找到一个主题以及相关的观点，最终将其落实到具体投资工具。举个“主题-观点-工具”的例子，比如你判断中国经济要下行（主题），这意味着市场对商品和原油需求减少价格要下降（观点），你选择做空澳元或者产油国的股指期货（工具）。这种投资风格建仓的速度快，往往会重仓几样工具，持仓的时间可能非常灵活，从几天到几年。

2). Systematic风格其实和一般的量化投资是非常接近的，很多量化模型比如factor model也能得到应用。

        风靡英美的高频交易在中国目前还不大行，因为手续费太高。美国的费用大概是100股/1手几毛钱，换算成人民币也就几块，比起国内现在的佣金费用低太多了。 但是知乎上也有人反对这个观点，认为股指期货纯高频也有人做，1分钟内上百笔单子，只是闷声发大财，只是手续费会高于净利润，甚至达到净利润的两倍，但是也是有利可图的。

        另外，即使是中低频交易，比如股票交易，随着爬虫和自然语言分析的应用，事件驱动可以作为一个系统运行：新闻事件、社区舆情、突发情况等等都被爬虫和自然语言分析取代了，大数据处理能力比人脑快、准。本来分析师、交易员们可以五马长枪地点评波动率，Gvernment维稳，乌克兰动乱，但是最后的结果却常常是在电脑那边基于的参考权重相当的低，低得甚至可以忽略不计。甚至在前两年有量化小公司买入了一套系统可以直接分析CNN，BBC，路透，彭博，CCTV的新闻频道报道。

        正如知乎上用户Edward.Fu的回答，“这个行业目前在中国的现状，绝对是一群聪明绝顶的geeks抢占技术制高点的群雄逐鹿。而大部分从业人员，终将成为历史的尘埃，就像当年那一批批的互联网创业者炮灰。”但是，如果你已尽自己全力一搏，成与败于你来说真的那么重要么？”这个行业有的只是优胜劣汰，胜者为王。国内目前的机构基本上都有严重的缺陷，风险爆发是迟早的事儿，而且会越来越多，这跟之前积累的经验、管理框架体系、选人用人都有关系，无论是券商自营、资管，我们作为市场的直接参与者要感谢他们无私地为市场提供了流动性。”