谈谈量化交易应用的三大领域

行为金融学是和“有效市场假说”相对应的理论，以金融学、心理学等学科结合而形成的一门新兴子学科。它认为交易中的投资者短期有可能是理性的、但长期而言未必是理性的。因此会产生很多和有效市场相对立的“市场异象”。

　　全球范围内，量化交易的应用主要分为以下三大领域：

　　第一、选股、择时的工具。

　　传统的基于基本面的投资方法主要看财务指标及估值指标。研究方法主要是研究上市公司财务报表、实地调研、行业比较并结合宏观分析。通常的方法是自上而下或自下而上的选股。至于择时，则更多地依靠宏观、上市公司基本面、市场情绪，以及基金公司自身的排名等因素的考量。

　　基于量化的交易，选股和择时的指标完全不同。以最有名的两类策略——动量和反转为例。动量策略是说前一段时间强的股票会继续强;反转是指前一段时间表现弱的股票会在一段时间后走强。

　　这类理论都是基于“行为金融学”。行为金融学是和“有效市场假说”相对应的理论，以金融学、心理学等学科结合而形成的一门新兴子学科。它认为交易中的投资者短期有可能是理性的、但长期而言未必是理性的。因此会产生很多和有效市场相对立的“市场异象”。行为金融学正是描述和应用这些“市场异象”的学科。行为金融学在交易中的运用，就是用各种方法，包括但不限于动量和反转，来对股票的选择以及交易时机的选择进行研究和决策。

　　第二、套利类。

　　主要的套利策略有十几种。大概包括：

　　1)市场中性：即多空投资，净头寸为零。最纯正的市场中性，同时会力求多因子的净头寸为零。例如，行业净头寸为零，风格因子为零等等。

　　2)多空对冲：这是传统的对冲基金。多空投资，净头寸没有一个固定比率投资股票市场。不过现实中，这类投资风格，大多以净多头方式投资。净多头比率多数在10%到20%之间。

　　3)期权策略：以期权为主要投资驱动，捕捉波动率错估而造成的期权价格错位，进行交易。

　　4)统计套利：简单地说，就是以量化统计方法对市场中的交易产品进行研究，发现市场特性，设计算法，进行交易。

　　5)可转债套利：利用可转债的价格错位，特别是对内涵期权的估值不准时，进行套利交易。交易基本上是买入可转债，根据动态对冲的方法做空股票。如果需要市场动态中性，则要进行动态对冲。

　　6)信用套利：买入信用评级改善的债券，同时卖出信用评级恶化的债券。利用多空来对冲利率风险和债券市场风险。由于重要企业事件对信用评级的重大影响，信用套利的策略很多时候会和事件驱动策略和收购合并风险套利策略重叠。

　　7)事件驱动：在发生重要企业事件时，或预测将发生重要企业事件时，对企业的各类金融资产进行投资，包括股票、债券及其衍生物。

　　8)管理期货：投资期货市场，以求获得绝对收益。由于全球期货流动性好，品种多，市场容积大，使得这类对冲基金可以做到非常大的规模，例如元富Winton、曼氏Man和BlueCrest。另外，这类基金透明度高，容易被投资者理解。

　　9)坏账处理：买入折扣很大，市场不待见，流动性相对较差的资产。利用高风险折扣率造成的价格错位，进行投资配置，以获得高收益。

　　10)只做多：以只做多的单边方式，投资股票市场。最早期的投资公司，以及国内大多数私募，归属此类。

　　11)偏空策略：多空投资，但是以净空头的方式，投资股票市场。这类公司主要是满足机构投资者完善投资组合的需要。

　　12)混合策略：以公司为单位，结合公司内部的各种策略而推出的策略。相对于FoF(fund of fund，基金中的基金)，这种策略有FoF的一些特点，同时相对来说投资者成本要低。

　　13)固定收益：以固定收益的债券和利率产品为交易产品，追求绝对收益。包括固定收益方向性交易和固定收益套利。

　　第三、算法交易。

　　算法交易又称程序化交易，是指通过程序发出的指令进行交易的方法。算法交易的产生和交易者将订单拆成若干小单以减少冲击成本、提高盈利率。同时，算法交易可以达到交易者隐蔽交易、避免把交易目标、交易量暴露给竞争者的目的。

　　国际上常用的算法交易包括以成交量加权平均价格进行成交，简称VWAP(Volume Weighted Average Price)，以及时间加权平均成交，简称TWAP(Time Weighted Average Price)。 前者主要是指交易者的交易量提交比例要与市场成交比例尽可能吻合，在最小化对市场冲击的同时，获得市场成交均价的价格。后者则是根据特定的时间间隔，在每个时间点上平均下单的算法。

　　在国际资本市场中，一般是大型投行的大宗经纪部门(Primary Brokerage)对基金公司以及投行内部的自营等部门提供算法交易的服务，并根据交易量进行收费。这也是大型投行最主要的盈利方式之一。（本文来源：量化与对冲）
交易技术, 交易策略

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！