量化投资综述_几个小侧面.pdfVIP

量化投资综述：几个小侧面 南华期货研究所量化金融部总监 谈效俊 量化投资所涉及的领域非常宽广，在这么一篇小文章里面进行综述实在是非常困难的 事情。这里只能就几个侧面，甚至仅仅是几个例子进行阐释。读者可以轻易的列举出文章 内容所不能覆盖，而又十分重要之处。比如，配对交易，行为金融学，量化选股，金融工 程，投资组合，量化风险管理等等。 另外，量化是一种当你不满足于定性分析，想要更清晰细致的刻画这个世界时所采用 的研究方式。量化分析的基础是严谨的逻辑思维，和科学的研究方法。脱离这这些，随便 列出几个公式和方程其实和胡言乱语并无本质区别。当理解了这些之后，在合适的时候采 用量化的方式使研究能够更进一步实在是再自然不过的方式，这时也就不用再纠结于究竟 是量化还是不量化，或者是使用哪种量化方法了。 技术分析的再思考 最早的量化交易系统可能起源于技术分析。尤其是 1940年代左右，移动平均线理论 的出现，以及上世纪七十年代大量技术指标的兴起，使得交易可以只依赖于一些价格指 标，系统化交易的想法也就成了十分自然的事情。 基于技术指标开发交易系统相当容易，然而技术分析是否有效，以及基于技术分析的 交易系统是否有效一直都是有争议的事情。毕竟技术分析看起来缺乏严谨的理论基础，很 多结论看起来有些武断。在流传很广的《漫步华尔街》一书中，它的作者 Burton G. Malkiel 对技术分析进行了很多嘲弄和批判。 虽然如此，有部分严肃的研究正试图从另一个角度重塑技术分析的理论基础和声誉。 罗闻全是为数不多的一个在学术界成名已久，并且对技术分析保持着浓厚兴趣的学者，他 在研究技术分析的历史以及有效性方面做了很多工作。其中包括他 2000年发表于 《Journal of Finance》上的一篇论文。这篇论文量化了很多技术形态，并用历史数据去 验证这些技术形态的有效性。罗闻全认为，像头肩顶，双底等技术形态似乎确实提供了某 些信息，并且可能具有应用价值。 除了经验上对技术分析进行重新论证之外，也有一些学者在考虑为技术分析奠定新的 理论基础（约翰·墨菲在《期货市场技术分析》一书中所提到的技术分析的几点假设和其 后他提到的各种形态以及指标之间实际上不能构成严谨的逻辑关系）。例如 Gunduz Caginalp等人在 2003年的一篇文章之 中建立了一些微分方程来对市场进行描述，这些微 分方程的解中间很自然的出现了头肩顶，双顶，楔形等形态。 当然，即使是这些学术研究，也还远未能解决技术分析的所有理论问题。在金融领 域，由于难以进行控制严格的重复试验，很多研究成果都只是概率性的，或者推测性的。 但这些研究比传统的技术分析眼光更富有逻辑，更有数据和实证的支撑。对技术分析的再 认识也为注重分析严谨性的量化投资人员提供了新的理论框架。 人工智能与数据挖掘 利用人工智能中的一些算法对市场数据进行数据挖掘也是量化投资领域常见的做法， 这个领域的论文数量非常庞大，研究很丰富。一般而言，在量化投资领域应用最为广泛， 历史最为悠久的算法有神经网络，支持向量机，隐含马尔科夫模型，遗传算法，遗传规划 等等。 以隐含马尔科夫模型（简称 HMM）为例。这个算法受到很多量化投资研究人员的喜 爱。据说西蒙斯的文艺复兴基金曾经使用过，或者仍在使用这个算法。隐含马尔科夫模型 Baum-Welch算法的联合发明人——Leonard E. Baum——为 Axcom Trading Advisors公司 构建了早期的交易模型，该公司 1992年为文艺复兴所收购。另外，文艺复兴还曾经将 IBM 语言识别小组全部给挖过去，据信 HMM是语言识别领域最为重要的算法之一。 HMM广受欢迎更重要的一个原因可能是这个模型很好的模拟了人类理解问题的方式。 隐含马尔科夫模型假设了隐含状态和显状态，我们能够观测到的只有显状态，该模型力图 从能够观测到的显状态推断出不可见的隐含状态。比如，市场每天的涨跌是可见的显状 态，而现在市场是牛市还是熊市这是不可见的隐状态。人类交易员力图从涨跌中判断目前 市场是牛市还是熊市，HMM模型也可以用于解决相同的问题。 文艺复兴是否仍然在试用 HMM，以及如何使用 HMM，我们都不得而知。从公开发表的 学术论文看，HMM的应用方法多种多样。比如，Manuele Bicego（2008）等人利用 HMM学 习市场出现趋势行情前的转移概率，并以此识别什么样的市场走势可能会产生趋势行情。 J