量化交易是數量金融學中一個極其艱深復雜的領域。若要通過面試或構造你自己的交易策略，就需要你投入大量的時間學習一些必備知識。不僅如此，它還需要你在MATLAB、R或Python至少一門語言上具備豐富的編程經驗。隨著策略交易頻率的增加，技術能力越來越重要。
一個量化交易系統包括四個主要部分：
策略識別：搜索策略、挖掘優(yōu)勢、確定交易頻率?；厮轀y試：獲取數據、分析策略性能、剔除偏差。交割系統：連接經紀商、使交易自動化、使交易成本最小化。風險管理：較優(yōu)資本配置、較優(yōu)賭注或凱利準則、交易心理學。
我們首先來談談如何識別一個量化交易策略。
策略識別
所有量化交易流程都肇始于一個初期研究。這個研究流程包括搜索一個勝率差策略、檢驗它是否適合你可能正在運作的策略組合、獲取任何測試策略時所需數據、努力優(yōu)化策略使其收益更高且(或)風險更低。如果你是一個“散戶”交易員，一定要清楚自己的資金是否充足，以及交易成本對策略的影響。
你可能會問，個人與公司怎么可能愿談他們的可盈利策略，特別是當他們知道，如果其他人“復制相同的策略”，長期而言它終將失效。原因就在于，他們通常不會透露具體的參數以及他們所使用的調參方法，而這些優(yōu)化技能才是把一個表現平庸的策略調成一個回報豐厚的策略所需的關鍵技術。實際上，若要創(chuàng)建你自己的、獨一無二的策略，一個較好的法子就是尋找相似的方法，爾后執(zhí)行你自己的優(yōu)化程序。
你所看到的很多策略都可歸入均值回歸交易策略、趨勢跟隨或動量交易策略兩類。均值回歸策略試圖利用這么一個事實：“價格序列”(如兩個關聯資產的價差)存在一個長期均值，價格對均值的短期偏離終將回歸。動量交易策略則試圖“搭上市場趨勢的順風車”，利用投資心理和大基金結構信息在一個方向積聚動量，跟隨趨勢直至回歸。
策略或策略集合一旦確定，現在就需要在歷史數據上測試其盈利能力，這就進入了回溯測試的工作范圍。
回溯測試
回溯測試的目標是提供證據，佐以證明通過以上流程所確定的策略，無論是應用于歷史(訓練)數據還是測試數據均可盈利。它可以反映該策略未來在“真實世界”中的預期表現。由于種種原因，回溯測試不能保證一定成功。這或許就是量化交易最為微妙之處，由于它包含了大量的偏差，我們必須盡盡力仔細審查并剔除它們。我們將討論幾種常見類型的偏差，包括先窺偏差、幸存者偏差與優(yōu)化偏差(亦稱“數據窺視偏差”)?；厮轀y試中其他幾個重要方面，包括歷史數據的可用性與清潔度、真實交易成本及可靠回測平臺上的決定。
策略一旦確定，我們就需要獲取歷史數據，并藉此展開測試，如有可能還可改進策略。對于歷史數據，人們主要關心的問題，包括數據精度或清潔度、幸存者偏差、應對如分發(fā)紅利、拆分股票等公司行為的調整。
如果經過回測，策略的夏普比率很高且其最大資金回挫已經最小化，則可以認為它趨于無偏，下一步就是要搭建一個交割系統。
交割系統
交割系統是一個方法集合，由它來控制交易策略生成的交易列表的發(fā)送和經紀商的交割行為。事實上，交易可以半自動、甚至全自動生成，而執(zhí)行機制可以手動、半自動(即“點擊一次交割一項”)或者全自動。盡管如此，對于LFT策略，手動和半自動技術卻比較常見;對于HFT策略，則必須創(chuàng)建一個全自動交割機制，由于策略和技術彼此依賴，還要經常與交易指令生成器緊密相接。
在搭建交割系統時，我們需要考慮幾個關鍵因素：連接經紀商的接口、交易成本(包括傭金、滑動價差與價差)最小化、實時系統與回測時系統性能的差異。 在一家大型的基金管理公司，交割系統的優(yōu)化通常不在量化交易員的工作范圍。但是，在小點的公司或高頻交易公司，交易員就是交割人，所以技術面越廣越好。你要想進一家基金管理公司，一定要記住這一點。你的編程能力不說比你的統計學和計量經濟學稟賦更重要，至少也同樣重要!
另外一個屬于交割系統的重要問題是交易成本最小化。一般地，交易成本由三部分構成：傭金(或稅收)、損耗與價差。傭金是向經紀商、交易所和證券交易委員會(或類似政府監(jiān)管機構)支付的費用;滑動價差是你的預期交割價位與真實交割價位的差值;價差則是待交易證券的賣出價與買入價之差。注意價差不是常數，它依賴于市場當前流動性(即買單和賣單數量)。
交易成本是決定一個策略是高夏普比率且盈利豐厚，還是低夏普比率且極不盈利的關鍵。根據回溯測試正確預測未來的交易成本很具有挑戰(zhàn)性，你需要根據策略頻率，及時獲取帶有賣出價與買入價信息的歷史交易數據。為此，大型基金管理公司量化交易的整個團隊都專注于交割優(yōu)化。當基金管理公司需要拋售大量交易時(原因五花八門)，如果向市場“傾瀉”大批股票，會迅速壓低價格，可能都來不及以較優(yōu)價格交割。因此，縱使遭受損耗風險，基金管理公式也會選擇使用算法交易，通過“打點滴”的方式向市場出單。此外，其他策略如若“捕到”這些必要性條件，也能利用市場失效(獲利)。這是基金結構性套利的內容。
交割系統最后一個主要問題關系到策略的實時性能與回測性能的差異。這種差異由多種因素造成，比如我們在“回溯測試”一節(jié)已經深入討論過的前窺偏差與較優(yōu)化偏差。然而，對于有些策略，在部署之前不易測得這些偏差。這種情況對于HFT最為常見。交割系統和交易策略本身均可能存在程序錯誤，回溯測試時沒有顯現卻在實時交易時出來搗亂。市場可能受到繼交易策略部署后的一場政變的影響，而新的監(jiān)管環(huán)境、投資者情緒與宏觀經濟形勢的變化也均可能導致現實市場表現與回溯測試表現的差異，從而造成策略盈利性上的分歧。
風險管理
量化交易迷宮的最后一塊是風險管理程序。風險包含我們之前談論的所有偏差。它包括技術風險，比如所有在交易所的服務器突然發(fā)生硬盤故障。它還包括經紀風險，如經紀商破產?？偠灾?，它覆蓋了幾乎所有可能干擾到交易實現的因素，而其來源各不相同。目前已經有成套的書籍介紹量化交易策略的風險管理。
風險管理還包括投資組合理論的一個分支，即所謂的“較優(yōu)資本配置”，涉及到如何將資本分配給一組策略、如何將資本分配給策略內不同交易的方法。這是一個復雜的領域，依賴于一些高級數學知識。較優(yōu)資本配置與投資策略杠桿通過一個名為凱利準則(注11)的業(yè)界標準建立聯系。本文是一篇入門文章，我在此不詳談其計算。凱利準則對策略收益的統計性質做過一些假設，但是它們在金融市場中并不一定成立，交易員因此在實現時通常會有所保留。
風險管理的另外一個關鍵成分涉及到交易員自身心理因素的處理。盡管大家都承認，算法交易若無人為干涉，不太容易出現問題。交易員在交易時，稍不留神仍然可能會摻入許多認知偏差。一個常見的偏差是厭惡規(guī)避，當人發(fā)現損失已成定局，其所帶來的痛苦，可能會麻痹人的行為，不能做到及時拋盤止損。類似地，由于太過憂心已經到手的收益可能賠掉，人們可能也會過早拋盤收利。另外一個常見的偏差是所謂的近期偏好偏差：交易員太看重近期事件而非長遠地看問題。此外，當然不能落下“恐懼與貪婪”這對經典的情緒偏差。這兩種偏差常導致杠桿不足或杠桿過度，造成爆倉(賬戶資產凈值近乎為零或更糟)或盈利縮水的局面。
總結
由此觀之，量化交易是數量金融學中一個雖趣味十足但極其復雜的領域。我在文中三言兩句帶過的問題，已經有大量的相關書籍和論文出版。因此，在你申請量化基金交易職位前，務必要進行大量的基礎調研，至少應當具有統計學和計量經濟學的廣泛背景，以及使用MATLAB、Python或者R程序語言實現的豐富經驗。如果應對的是更加復雜的高頻端策略，你的技能組合可能還要包含Linux內核修改、C/C 、匯編編程和網絡延遲優(yōu)化。
如果你有興致創(chuàng)建自己的算法交易策略，我的頭條建議就是練好編程。我偏向于盡可能多地自己實現數據采集器、策略回溯測試系統和交割系統。
.png)
金程推薦： AQF就業(yè)前景 AQF證書含金量 AQF量化金融分析師年薪
AQF考友群：760229148
金融寬客交流群：801860357
微信公眾號：量化金融分析師
