文|奇偶派,作者|葉子,編輯|钊
近期,被頻頻貼上 " 砸盤元兇 "、" 助漲殺跌 "、" 割韭菜 " 等标簽的量化投資基金們又站在了風口浪尖之上,一時成爲衆矢之的,深陷輿論漩渦。
而這一系列事件的起因,則主要因爲大盤的一次高開低走與一隻上市新股的快速下跌。
8 月 28 日,受到周末印花稅減半和證監會一系列利好措施的推出,周一大盤如預期大幅高開,不過此後卻是一路走低,雖然最終三大指數保住了大約 1% 的漲幅,但各自 K 線圖上卻留下了一根大大的陰線,也與之前兩次降印花稅 ( 2008 年 4 月、9 月連降兩次印花稅當天都收到了 9% 以上的漲幅)後的市場表現有着顯著的差異。
圖源:Choice隻堅持了 1 分鍾的牛市,與絕大多數投資者們的預期相差實在過大,也讓市場的情緒一度變得暴躁起來。越來越多的人站出來表示,在早上高開之後遭遇了有計劃的 " 系統性 " 砸盤,所以本次收出巨大的陰線都該歸咎于量化基金的砸盤,并稱量化 T+0 策略是 A 股沖高回落的重要原因。
而在不久之後,一隻上市新股金帝股份在上市首日便被融券做空,也被指認爲是量化基金融券後的 " 傑作 ",更是進一步激發了中小投資者的憤憤不平之情。
一時間," 量化毒瘤不除,普通股民難盈利 "、" 量化基金是今天砸盤主力軍 " 此類的指責甚嚣塵上,直指量化爲普通投資者們的 " 絕戶網 ",呼籲證監會等監管機構嚴查取締相關量化基金與機構。
而量化基金們也并不是甘于 " 接鍋 " 的主,面對近期頗多關于量化投資的負面消息,他們選擇集體駁斥 " 量化砸盤論 "。
據 21 世紀經濟報道,代表人物如九坤投資創始人王琛、靈均投資董事長蔡枚傑等,他們在 8 月 28 日夜間轉發了一篇 " 量化才是大 A 脊梁 " 的相關文章,并配文:" 中國量化已經承受了太多莫須有的惡意,說量化砸盤純屬無知 "," 永遠滿倉的中國量化基金,才是大 A 的脊梁。"8 月 29 日上午,靖奇投資在其官方公衆号發布文章《對不起,是量化的錯!》稱:" 我們是量化,我們是最堅定的做多者,永遠滿倉熱淚盈眶,不背鍋。"
圖源:靖奇投資官微那麽,一直在被兩方指責與澄清之間的量化交易究竟是什麽?具體的應用場景與交易算法有哪些?對于監管機構與普通投資者們來說,又有哪些啓示呢?
量化交易,其實并不神秘
實際上,披着 " 高精尖 " 的神秘外衣的量化交易同時被神話和被誤解的一大重要原因,是其在我國的發展時間不長但發展速度飛快。普通投資者們還處于對其 " 一知半解 " 的地步,但機構交易者們已經将其視作日常交易的最好 " 執行者 " 了。
但實際上,量化交易的概念十分簡單,是指基于對資本市場中的特征變量進行數量化分析,并以此作爲依據的交易模式。
更具體地來說,便是指運用計算機程序來進行市場和産品分析、組合管理、策略選擇、選股、擇時以及報單執行等,以自動化或半自動化方式買入、賣出或者同時買入、賣出一定數量證券的交易技術和交易行爲。
舉個最簡單的例子,一位投資者發現了出現某一形态特征的證券或商品期貨,在未來大概率上漲或下跌,有足夠的空間獲取利潤,但單憑人力想從數量如海一樣的标的中選擇無異于癡人說夢,便将這份繁雜的工作交給了計算機,要求它按照投資者已有的構思去篩選、投資,而這便是最基礎的量化算法與量化交易了。
如此智慧的投資助手的成長,其實也是受益于計算機技術水平與金融市場的快速發展,才得以有了當前的強大能力。截至目前,我們可以将量化交易的發展分爲四個階段。
其中,最早的量化交易系統是由紐約證券交易所于上世紀 70 年代開發的訂單轉送及成交回報系統,并在 20 世紀八十年代中嶄露頭角。在早期階段,這些交易方式主要是基于技術分析的方法,即利用曆史價格和成交量等數據來預測未來市場走勢,并由于計算機技術的不發達,該階段中量化交易的執行則主要依賴手動操作。
随着計算機技術的快速發展,量化交易也坐上了發展的 " 快車 ",開始使用計算機程序來執行交易策略,利用數學模型和統計分析方法對市場進行分析和預測,以實現自動化交易。這些策略通常基于技術分析、量化模型和算法,其優點是能夠快速反應市場變化,提高交易效率和準确性。
在進入新世紀後,高速計算機和快速數據傳輸技術出現,相應的高頻交易策略也随之進入大衆視野,該類交易策略利用大量的快速交易,有着準确性高、交易速度快的優點。
而自 2010 年至今,随着人工智能和機器學習技術的快速發展,量化交易開始采用更複雜的模型和算法來進行交易決策。人工智能可以通過自行學習曆史數據和市場信息,調整交易策略,提高交易效率和準确性。
總的來說,量化交易的發展史是一個伴随着技術與市場狀況不斷升級、演化與創新的過程,伴随着計算機能力的繼續開拓與金融市場的不斷完善,量化交易在未來勢必會發揮更加重要的作用。
而在國内 A 股市場,量化交易出現晚、發展速度快的特征更是被加速放大。
随着中國金融市場逐漸開放,證券交易所開始引入電子交易系統,這爲量化交易的發展提供了基礎。2005 年,中國證券監督管理委員會發布了相關條例,允許證券公司開展自營交易業務,爲量化交易的發展創造了機會。此後," 滬港通 " 與 " 深港通 " 等跨境交易機制的放開,爲量化交易提供了更大的舞台。
但在 2015 年中國股市的大幅波動後,量化交易行業收緊,監管部門進行了一系列的規範和監管,加強了對量化交易的監管和風險控制。但在 2018 年後,随着中國證券市場化改革,越來越多的國内外對沖基金、算法交易機構、自營商開始湧入中國的量化交易市場,推動了行業的發展。
而截至目前,中國的算法交易市場已經成爲全球最大的算法交易市場之一。
據浙商證券研究所,截至 2023 年 9 月 7 日,市場中備案的私募管理人達 8523 家,其中以量化策略爲主的共計 1090 家,在所有私募管理人中占比約爲 12.79%;現有百億級别的私募基金共計 109 家,其中 25 家爲百億量化私募,在百億私募中占比約 22.9%。
圖源:朝陽永續、浙商證券研究所那麽,在全球最大的算法交易市場中,量化交易單單被用作追漲殺跌 " 割韭菜 " 嗎?在博取收益中,量化交易有哪些策略?在博取單向收益外,量化交易還有哪些金融市場上的應用呢?
量化交易,并不隻是 " 鐮刀 "
量化交易中的各類策略,可以被明确地分爲獲取單向收益、獲取對沖收益與實現其他市場目的三類。
在博取單向收益的量化交易中,高頻交易是其中一種十分經典的交易策略。其核心在于利用計算機算法進行交易決策,并以極高的速度執行;通過市場中快速價格波動和交易機會來執行大量交易獲取利潤。
此類交易的優勢在于其通過快速執行和高度的自動化,迅速識别市場中的價格差異、套利機會和流動性需求,并幾乎同時進行完成交易。這種快速反應能力使得高頻交易者能夠在市場中獲得更 好的交易價格,并且能夠在價格變動之前迅速退出或調整倉位。
一些常見的高頻交易策略包括流動性回扣交易、獵物算法交易和自動做市商策略等。
以獵物交易算法爲例,作爲高頻交易中常用的算法策略,該策略通過制造人爲的價格來誘使投資者提高買入價格或降低賣出價格,利用市場中的流動性提供者(即獵物) 的訂單來獲取利潤。
舉例來說,假設一名投資者想要買入證券,心理成交價格介于 15 至 15.1 元之間,獵物算法交易商便開始了 " 捕獵 ":在計算機确認價格爲 15 元的算法報單的存在後,獵物交易算法程序會逐漸報出價格爲 15.01、15.02 的買單,引誘投資者繼續追逐,并在多輪引誘中迫使投資者逐漸調高買單價格,并逐漸将價格擡升至投資者心理預期上限,獲取更多收益。
而其他高頻交易策略雖然構建方式不同,但均是依靠計算機與網絡強大性能與快速的報單實現目的的,這也導緻許多高頻量化交易機構爲了更快地報單而選擇 " 舉家搬遷 " 至距離交易所很近的地方。
而在爲了博取單向收益外,穩健收益中以套利和對沖爲目的的量化策略也有許多。
在經濟學領域中,貨币學派的代表人物米爾頓 · 弗裏德曼曾在 1953 年時提出了一價定律,即當貿易開放且交易費用爲零時,同樣的貨物無論在何地銷售,用同一貨币來表示的貨物價格都應當相同。
這一定律中蘊含的便是套利策略的核心思想,即通過捕捉同一交易品種在市場中定價錯誤的機會,以低賣高賣的形式進行盈利,而非僅關注資産價格的單向變動。
量化交易的出現,讓套利策略到達了市場 " 觸手可及 " 的地方,具體來說,在期貨市場中,無論是同一市場同一品種的跨期套利,還是同一市場中隐含一定價格關系的不同品種間的套利,抑或者是不同市場間的套利,在計算機的監測之下都變得十分簡單。
此外,随着技術的不斷進步,可轉債市場套利、基金市場套利、期權套利等其他各類套利策略也層出不窮,量化套利基金也成爲了市場事實上的 " 維護者 " 之一。
而對沖策略便更加容易理解,無論是整個市場指數、行業指數或是具體投資标的間的波動差均會發生變化,而對沖便是在波動中賺取兩個标的物之間的價差,在量化交易出現之前,單憑交易員的能力絕無可能尋找到足夠多、足夠準确的交易機會,而在計算機能力的演進與策略的不斷開發下,低風險的套利交易也成爲了諸多交易方法中可低成本實現的一種。
此外,在參與市場交易獲取收益外,量化在金融市場中還被普遍用于降低市場沖擊成本。以大股東減持爲例,對于每日的市場交易額來說,如果将減持部分一次性賣出,将會對公司股價造成十分嚴重的影響,此時,如何在對市場影響最小的前提下完成減持,便成爲了量化交易要解決的問題。
其中比較有代表性的策略爲冰山策略,也被稱作 " 隐藏訂單策略 "。其核心是通過分批進行交易來隐藏大額訂單,以避免對市場價格造成過大的沖擊。冰山策略通常由專業的交易者和機構投資者使用,該類投資者通常需要處理大額訂單。通過分批進行交易可以逐步進入或退出市場,以減少對市場價格的影響。同時,該策略還可以用于隐藏交易者的真實意圖,以防止其他交易者利用這些信息來操縱市場。
而目前,幾乎所有的券商都爲其高端客戶提供了此類功能,無論是在減持還是增持之時,都能減少對市場的沖擊,更提供精準的交易方案。
在這三類交易目的外,實際上量化交易還有許多交易方向,其下涵蓋了更多的交易策略。可以說,當前量化交易正是伴随着中國資本市場的成熟而快速成長。但如此快速的發展,自然會引來一系列監管上的問題。那麽對于監管機構來說,如何能 " 修理 " 量化交易的枝葉,對于普通投資者來說,又該怎樣擁抱量化呢?
量化應該被監管,更應該被學習
對于量化交易,其自身自出現以來便存在的問題就有策略趨同、交易公平難以保證、劣質市場流動性等,相應地,也将帶來諸多監管上的挑戰。
其中,策略趨同主要考慮的是金融市場系統性風險的問題,因爲交易策略趨同存在傳導效應,随着量化交易規模的擴大,某一方向的量化交易者會在極短的時間裏出現合力,導緻市場暴漲暴跌。
據浙商證券研究,2010 年 5 月 6 日道瓊斯工業指數盤中暴跌近 1000 點,創下盤中點數跌幅紀錄。根據美國證監會(SEC)出具的調查報告,止損訂單的接連觸發成爲導緻 " 閃電崩盤 "(flash crash)的主要原因之一,量化交易引發的連鎖反應使得指數在瞬間暴跌。
而從交易公平性來講,許多量化交易需要依靠高性能的計算機與網絡,這對普通投資者來說是無法接觸的,從客觀上拉大了機構與普通交易者之間的差距,導緻了不公現象的發生。此外,有許多量化基金認爲自身爲市場提供了足夠的流動性,但學術界有觀點認爲量化交易所帶來的流動性并不是一種 " 好 " 的流動性,因爲其總是在市場表現不好的時候迅速消失。同時,對于發達市場來說,由于市場的聯動性極高,高頻交易對各交易所,乃至期貨和現貨等不同市場間會産生共振影響,甚至造成連鎖反應。
而在監管方面,證監會幾乎每年都會發布指導意見、監管指引等文件規範量化交易,并且 " 出手 " 抓人的案例也屢見不鮮了,在 8 月底的事件過後,也緊急制定并發布了《關于股票程序化交易報告工作有關事項的通知》《關于加強程序化交易管理有關事項的通知》。
該新規首先規定了量化交易的透明度,要求量化基金按時報備其交易策略,讓監管機構可以及時 " 理解 " 并完成監督。此外,還要求量化基金自查提高風險管理,必須建立完善的風險管理體系,包括對交易策略的風險評估、對交易行爲的風險監控等。最後,則對市場 " 危害 " 最大的部分高頻交易行爲進行了限制,最高申報速率在每秒 300 筆以上或者單日最高申報筆數在 20000 筆以上的交易行爲需要提前申報,批準後方可進行。
但這也并不意味着量化基金從此之後便能被 " 關 " 在籠子裏。作爲快速成長的金融市場裏面的賺錢利器,永遠會有人逾越道德與法律的底線。伴随着技術的突破,相關的監管部門與監管方法也需要與時俱進。
可以說,量化的監管,道阻且長啊。
而對于普通投資者來說,量化也并不一定隻能爲專業機構和專業投資者所用,隻要擁有一定的知識,普通投資者也可以涉足。
首先,最重要便是一個适合的量化策略,實際上一個合适的量化策略并不一定需要複雜的數學模型與各類算法,一個簡單易懂且容易執行的策略更加适合普通投資者,例如簡單的均線策略,便是其中之一。
其次,投資者們需要一個可靠的數據來源,數據的準确性與及時性,很大程度上決定了量化策略的成功與否。
最後,普通投資者們更需要的是耐心與長久的投資視野,量化并不是能讓人一夜暴富的利器,而是能以一個無比冷靜的視角去注視着整個市場。而如果都能做到這些,很多投資人,都有望借量化的能力,實現穩定的财富增長。
寫在最後
量化交易,作爲技術與市場共同向前的産物,更像是一把極爲鋒利雙刃劍。它的存在,一方面爲投資者提供了更加科學、高效的投資方式,另一方面也帶來了諸多潛在的風險。
在這個充滿變革與競争的金融市場中,量化交易已經成爲了一種無法忽視的力量。然而,如何正确運用這把雙刃劍,使其發揮出最大的價值,同時避免可能帶來的負面影響,是每一個投資者和市場參與者都需要深入思考的問題。
對于量化基金管理人而言,如何能減少甚至杜絕零和博弈,在不違反道德法律的前提下與市場走的更遠,是他們需要思考的目标。對于監管機構來說,怎樣抓住每一隻 " 伸出籠子的手 ",将新技術放置于監管的視野之下,是監管人員需要長期學習、跟蹤的問題。而對于投資者而言,主動學習、擁抱新技術,方可保證自身成長,避免在這個本就充滿變革與競争的金融市場中被淘汰。
但好在監管與投資人都在努力學習、快速成長,相信在未來針對于量化的讨論将越來越多,謾罵将越來越少。中國資本市場也在這衆多不解與彷徨中,真正長大,邁向成熟。
參考資料:
1.《量化不是惡魔,融券也不是妖孽》,二叔說市; 2.《永遠滿倉,永遠 " 熱淚盈眶 "?當市場又喊量化背鍋》,中國 / 證券報; 3.《普通投資者需要怎麽樣的量化?》,品優價研; 4.《這錢好賺嗎?/ 聊聊對沖與套利(1)》,土師; 5.《量化交易:算法原理、類型與發展史》,浙商證券。