金融衍生品和量化投资相关性研究初探.docVIP

金融衍生品和量化投资相关性研究初探 　　摘 要：金融衍生品以其独特的形式出现在投资者的视线中，投资者因其高收益对其加以青睐，又因为其高风险性和高杠杆性对而望而却步。量化投资为投资者提供一种新的更加理性的金融衍生品投资方式，其在金融投资上发展前景巨大。金融衍生品交易与量化投资的有机结合，有利于投资者赢得了更加稳定的收益。基于此观点，文章对金融衍生品和量化投资的发展进行了介绍，并对其相关性进行了分析。 　　关键词：金融衍生品；量化投资；相关性 　　1 金融衍生品的发展 　　金融衍生品作为经济发展到达一定阶段的必然产物，在经济全球化和全球金融一体化的过程中起着无法忽视的的作用，极大促进了实体经济的发展。随着金融市场的不断完善，金融衍生品市场逐渐发展成为金融市场中不可或缺的一部分，与信贷市场、货币市场等相关性日益密切，形成了不可分割的金融资产配置――风险管理的复杂链条关系。在经济发展前景良好，工业生产、房地产市场稳定的前提下，基于高杠杆特性，金融衍生品会为投资者带来可观的投资收益。但是，衍生品是一把“双刃剑”，为金融经济发展注入活力的同时，由于风险管理等措施不当，往往会埋下巨大的隐患。上世纪90年代以来，因金融衍生品交易而发生了许多的损失事件，如2008年金融危机的扩散，一定程度上是由于CDS等金融衍生品在美国金融市场的风险失控。 　　金融衍生品是以某一或某些基础性金融工具为前提，由股票、债券、外汇等基础性金融工具通过包装、复制等方法派生而来。包括现有的远期、期货、期权和互换四种基本金融衍生品，以及通过组合和变化等方式产生出来的一些新的品种，都属于广义金融衍生品范围。 　　金融衍生品的价格随着基础标的物的变动而变化，价值取决于基础工具的利率、汇率、市场价格、指数和信用评级等，其本身是具有虚拟性的有价证券，是一种权利证书，赋予了投资者一定的权利，独立于实物资本之外，并具有能够给投资者带来收益的特性。相比较于一般金融产品，金融衍生品产品结构复杂，其定价多是以复杂的数学模型为基础，将各种风险和因子如Beta、Delta、Rho、久期等经过多种方式的映射、组合、分解复合出来的金融衍生产品，结构层次多样。多数金融衍生品对初始净投资基本没有要求，企业在签订金融衍生品合同时并不需要兑现，有的则要求少量的初始净投资，并随着时间流逝，根据风险敞口扩大程度相应追加保证金。金融衍生品具有高风险的主要原因就是交易和结算发生在将来，在高杠杆的影响下，市场风险的预测更加难以估计。 　　2 量化投资的发展 　　量化投资相比于定性投资，有更强的科学性和理论依据。在投资的过程中利用数学、统计学、数据挖掘等的方法来构建投资策略，管理投资组合，实现风险管理，从数学模型和交易系统产生明确交易信号，由系统自动执行指令的交易过程[3]。从本质上来说，量化投资是一种工具，将投资者的经验积累借助数学模型实现的信息化辅助表达。量化投资区别于传统投资的重要方面在于，它通过将投资者的经验通过模型方式转化到计算机中，通过科学计算来实现产品的投资，并随着市场状况变化不断完善模型。数量化、计算机程序化的投资交易对技术要求非常高，因而往往被业界称作“黑箱交易”，即量化投资并不依靠大脑判断，而是通过事先确定的复杂算法交易系统来进行具体决策。同时，交易系统的开发离不开程序算法设计，开发者往往为了保护知识产权，会对交易系统进行加密处理，因而外界投资者通常也难以了解具体运作机制。量化投资者将市场的最新变化数据和其他相关信息输入到交易模型里，通过科学计算、数据挖掘、信息处理从而确定最佳的资产配置方案和交易时机。依靠公式进行量化投资最主要的优势就是分析决策的明晰性和一致性，同样信息运用和公式，可以获得相同的判断结果，极大克服了一般交易者的主观性和随意性。 　　量化投资包含多个方面，目前比较流行的是是量化资产配置、量化投资交易、风险管理。资产配置首先需要以行业选择为依托来进行有效配置，并通过策略组合在行业内实行资产的优化和构建。量化资产配置策略主要是决定了总体的投资方向，确定市场投资最佳的行业、风格以及产品。换句话说，即投资者需要考虑如何选择市场和产品，并作出最佳的资金分配。量化投资交易决定了进行投资的方式和策略。投资策略包括了主动预测式策略和被动事件驱动反应式策略。目前量化投资者使用相对广泛的投资交易策略为回归分析（regression analysis）和动量模型（momentum modeling）。量化投资交易策略主要有量化择时、统计套利、算法交易、组合套利、高频交易等五种方式。量化择时策略是收益率相对最高的交易策略，它利用一定的方法对走势情况进行判断，对买入、卖出的时间进行判断，实现高抛低吸来实现获得超额收益率。投资者使用最多的策略是趋势跟踪策略，这也是历史收益率较高的策略。统计