量化交易

一文熟悉量化交易知识框架，包括了量化交易、量化交易的分类、评价指标、交易品种等。

量化交易

• 什么是量化
  • 定义
    • 量化投资是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。量化投资从庞大的历史数据中海选能带来超额收益的多种"大概率”事件以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。
    • 宽客（Quant）从事的主要工作是“数量金融”（Quantitative Finance）
  • 优势
    • 严格的纪律性
      • 量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。
    • 完备的系统性
      • 完备的系统性表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型次是多角度，量化交易的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度。
    • 透明度高：量化投资依赖于数据和算法，所有的投资决策都可以被精确地追踪和记录，投资者可以清楚地了解每一笔交易的来源和原因。
    • 风险控制好：量化模型可以通过历史数据和统计分析来预测市场走势，从而降低投资风险。
    • 策略执行效率高：自动化交易系统可以快速地执行交易策略，避免了人为因素的干扰和误判。
    • 可以应对复杂的市场环境：量化投资可以分析大量的数据和变量，发现市场中的规律性和非规律性，可以更好地应对复杂的市场环境和波动。
  • 缺点
    • 数据质量不可靠：量化投资的成功与否取决于所使用的数据质量，如果数据质量不可靠，则模型的预测结果也会出现误差。
    • 过度依赖历史数据：量化投资的模型都是基于历史数据进行建模的，如果市场环境发生变化，模型的预测结果可能会失效。
    • 需要大量的技术支持：量化投资需要投资者具备一定的编程和数学能力，同时还需要投资者购买相关的软件和数据，需要投入大量的时间和金钱。
    • 无法应对黑天鹅事件：量化投资的模型都是基于历史数据和统计分析进行建模的，无法应对突发事件和不可预测的事件，如自然灾害和政治风险等。
• 交易品种
  • 股票
    • 股票市场是量化交易应用最广泛的市场之一。投资者可以使用量化交易策略来预测股票价格的涨跌，并在市场上进行交易。
  • ETF基金
    • 交易所交易基金（ETF）：ETF是一种基金，它可以像股票一样在证券交易所进行交易。ETF的投资组合通常是跟踪某个指数或行业的股票、债券、商品等。量化交易可以应用于ETF交易中，以帮助投资者更好地把握市场趋势和走势。
  • 商品期货CTA
    • CTA是Commodity Trading Advisor（商品交易顾问）的缩写。商品期货CTA是指一类专业的投资管理人，他们以使用量化交易策略为主要特点，通过使用计算机程序和算法来进行商品期货交易。CTA通常是由专业的交易员、分析师和程序员组成的团队，他们会利用历史数据和技术指标来分析市场趋势和走势，制定交易策略并进行交易。
    • 特点
      • 标准化合约
      • 场内交易
      • 保证金交易
    • 分类
      • 农产品
      • 金属
      • 能源
    • 套利策略
      • 品种套利
        • 具有相关性的两种标的
      • 期现套利
      • 跨市场套利
      • 跨期限套利
        • 选择同一标的，不同交割期限
      • 统计套利
    • 趋势策略
      • R-breaker
      • Dual Thrust
      • 菲阿里四价
  • 期权
    • 特点
      • 买方只有权利没有义务，卖方只有义务没有权利
    • 分类
      • 按标的资产价格
        • 看涨期权
        • 看跌期权
      • 按行权时间
        • 欧式期权
        • 美式期权
        • 百慕大期权
    • 交易策略
      • 波动率策略
      • 对冲策略
  • 加密货币
    • 加密货币：加密货币市场是近年来兴起的一种新型金融市场，量化交易可以应用于加密货币交易中，以提高交易效率和准确性。
  • 外汇
    • 外汇市场是全球最大的金融市场之一，也是量化交易应用较广泛的市场之一。投资者可以使用量化交易策略来预测货币汇率的变化，并在外汇市场上进行交易。
  • 期货：期货市场也是量化交易的一个重要应用领域。投资者可以使用量化交易策略来预测商品价格的走势，并在期货市场上进行交易。
  • 债券：债券市场是一个相对稳定的市场，也是量化交易的一个重要应用领域。投资者可以使用量化交易策略来预测债券价格的变化，并在债券市场上进行交易。
• 评价指标
  • 收益指标
    • 策略收益 Total Returns
      • 在学术界，建模一般不直接使用资产价格，而是使用资产收益率（Returns）
      • 公式
      • 实际收益=本金×年化收益率×投资天数/365
    • 基准收益
    • 年化收益 Total Annualized Returns
      • 年化收益率是指投资期限为一年所获的收益率。
      • 年化收益率=[（投资内收益 / 本金）/ 投资天数] *365 ×100%
      • 年化收益=本金×年化收益率
      • 实际收益=本金×年化收益率×投资天数/365
      • 公式
      • 252代表每年有252个交易日，这个数字每年都不一样，但业界为了方便，一般都将其固定为252
    • 对数收益率 Log returns
      • 使用对数收益率，可以简化多阶段收益。k阶段总的对数收益就是k阶段的对数收益之和。
  • 风险指标
    • 阿尔法 Alpha
      • 投资中面临着系统性风险（即Beta）和非系统性风险（即Alpha），Alpha是投资者获得与市场波动无关的回报。比如投资者获得了15%的回报，其基准获得了10%的回报，那么Alpha或者价值增值的部分就是5%。
      • 公式
      • 解释
    • 贝塔 Beta
      • 表示投资的系统性风险，反映了策略对大盘变化的敏感性。例如一个策略的Beta为1.5，则大盘涨1%的时候，策略可能涨1.5%，反之亦然；如果一个策略的Beta为-1.5，说明大盘涨1%的时候，策略可能跌1.5%，反之亦然。
      • 公式
      • 解释
    • 夏普比率 Sharpe
      • 表示每承受一单位总风险，会产生多少的超额报酬，可以同时对策略的收益与风险进行综合考虑。
      • 公式
    • 索提诺比率 Sortino
      • 表示每承担一单位的下行风险，将会获得多少超额回报。
      • 公式
    • 信息比率 Information Ratio
      • 衡量单位超额风险带来的超额收益。信息比率越大，说明该策略单位跟踪误差所获得的超额收益越高，因此，信息比率较大的策略的表现要优于信息比率较低的基准。合理的投资目标应该是在承担适度风险下，尽可能追求高信息比率。
      • 公式
    • 策略波动率 Algorithm Volatility
      • 用来测量策略的风险性，波动越大代表策略风险越高。
      • 公式
    • 基准波动率 Benchmark Volatility
      • 用来测量基准的风险性，波动越大代表基准风险越高。
      • 公式
    • 最大回撤 Max Drawdown
      • 描述策略可能出现的最糟糕的情况，最极端可能的亏损情况。
      • 公式
    • 下行波动率 Downside Risk
      • 策略收益下行波动率。和普通收益波动率相比，下行标准差区分了好的和坏的波动。
      • 公式
    • 盈利次数
    • 亏损次数
    • 胜率
      • 盈利次数在总交易次数中的占比。
      • 胜率=盈利交易次数/总交易次数
    • 日胜率
      • 策略盈利超过基准盈利的天数在总交易数中的占比。
      • 日胜率=当日策略收益跑赢当日基准收益的天数/总交易日数
    • 盈亏比
      • 周期盈利亏损的比例。
      • 盈亏比=总盈利额/总亏损额
  • 超额收益
    • 日均超额收益 AEI
      • 衡量策略产生的超额收益的总体情况。
      • 其中EI为超额收益。
      • 公式
    • 超额收益最大回撤
      • 描述策略可能出现的跑输基准的最糟糕情况。
      • 公式
    • 超额收益夏普比率
      • 表示每承受一单位总风险，策略相对于基准会产生多少的超额报酬，可以同时对策略的收益与风险进行综合考虑。
      • 公式
    • 超额收益
      • 除法版超额收益率说明
        • 由于投资的资产变动是有复利效应的，所以净值的变动是符合几何增长过程的，在这种情况中，最自然的“减法”不是减法，而是除法，所以一个更合理的超额收益算法是:
      • 对数轴上的超额收益的计算方法
        • 对数轴
• 交易策略
  • 按流派
    • 基本面派
      • 选股为主
      • 基于企业经营状况、财务指标等
    • 技术派
      • 择时为主
      • 基于股票价格、成交量
  • 按来源
    • 阿尔法策略
      • 即运用复杂的量化方法从技术面、基本面角度分析未来价格变动趋势，以及不同股票间的相关性，进而买入低估值股票的同时卖出高估值股票，或者通过股指期货对现有投资组合头寸进行完全（或部分）对冲，隔离系统风险，获取 Alpha 收益。
    • 贝塔策略
  • 按策略
    • 多因子策略
      • 基本面因子
        • 盈利状况
        • 现金流
        • 资产负债
        • 估值水平
        • 成长or价值
        • 市值规模
      • 技术面因子
        • 强弱因子RST
        • 随机因子KD丁
        • 动量因子 momentum
          • 自从Jegadeesh和Titman首先在1993年Journal of Finance上发表了动量因子（Momentum Factor）的研究成果之后(Jegadeeshand Titman,Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency, 1993，简而言之，动量因子就是采取逢高买进，逢低卖出的策略所取得的回报)，由于它显著的超额回报率(market excess return)，数十年来一直是学术界经久不衰的研究课题之一，研究范围包括各个资本市场，各种资产类型，各种时间跨度。
    • 高频策略
      • tick级别数据
      • 买卖五档数据
    • 套利策略
      • 跨品种套利
      • 期现套利
        • ETF
    • T0策略
      • 日内低买高卖
    • 行业轮动
      • 行业周期
      • 国家政策
      • 重大事件
      • 大类资产配置：美林时钟
    • 指数增强
  • 按风格
    • 趋势策略
      • 原理：强者恒强
      • 海龟策略
      • 双均线策略
        • MACD
    • 反转策略
      • 原理：均值复归
      • BoLLing线
      • 网格交易
  • 期货 CTA 策略
    • 趋势跟踪策略
      • 日内短线策略
      • 日间中长线策略
    • 价差套利策略
      • 跨期套利
      • 期现套利
      • 跨品种套利
      • 跨市场套利
    • 反趋势策略
• 费用
  • 拆分合并与分红
  • 股息红利税的计算
  • 滑点
    • 在实战交易中，往往最终成交价和预期价格有一定偏差
  • 交易税费