Alpha模型的鍊金術｜品職量化研究所

今天開始我們側重於介紹P-Quant，也就是量化交易策略。很多人一開始接觸，尤其是看了很多書之後往往會被搞暈，因為貌似量化交易包含的內容好廣，有最簡單的選股、擇時，也有對沖基金用的最多的統計套利策略，還有次貸危機之後比較火的演算法交易和高頻交易。那麼大家不禁要問了，到底量化交易包含哪些內容呢？接下來我們就系統性的介紹一下，當然大家也可以根據這個框架自己發散出去。（這是我自己的理解，歡迎大家輕點拍磚）

有一個最簡單的理解：一個人在投資過程中會遇到哪些問題，如果這些問題都是用數學模型、計算機的方法來進行解決的話，這些就都是量化方法。那麼好了，大家閉上眼睛跟我來細細走一遍，自己做投資的時候，有哪些比較頭疼的事情呢？

如何賺錢？——alpha模型

接下來我們會引入alpha模型討論如何賺錢的問題。

這是最現實的問題，也是我們之所以會做投資的根本原因。之所以叫做alpha模型主要是因為現在做量化交易的主要是對沖基金和大型金融機構里的自營交易部門，那麼對於基金經理的考驗並不是賺取和市場指數相同的收益，而是要實現超額收益alpha。

其實追求alpha的策略本質上就是要做投資組合的資產配置決策以及擇時決策（即買賣什麼證券、買賣多少、何時買）。這類策略是大家最願意討論的，最常見的是：

(1). 基於歷史價格相關數據的策略

用最簡單的方式說，這類量化策略大體分為兩種：momentum和mean-reversion。

Momentum（趨勢跟隨策略）：過去漲的我賭他漲，過去跌的我賭他跌。

這種策略背後的經濟學原理可以這樣解釋，市場參與者需要慢慢形成對金融產品價值的共識。比如如果市場上參與者認為通脹開始失去控制並將引發諸多經濟問題，市場就開始走熊，對這個形勢最早做出判斷的交易者可能就早早賣空股票和債券。隨著越來越多的信息和數據支持這個判斷，越來越多的市場參與者將逐漸加入賣空陣營，推動股票市場和債券市場價格下跌，但是這個過程需要一定的時間，所以給了momentum投資者一定的跟隨空間。

當然關於趨勢還有另外一個解釋，就是基於投資者心理來解釋的，有時被我們稱為「博傻理論」。主要意思是說投資者本身相信存在趨勢，所以會傾向於追漲殺跌，而這種交易力量形成了趨勢，關鍵是你能不能找到一個更傻的人從你手上接走「燙手山芋」，而不要成為最後一個傻瓜你就贏了。其實投資者這個心理也可以解釋為什麼會有趨勢的形成。

mean-reversion（均值復歸策略）：過去跌的我賭他漲，過去漲的我賭他跌。

均值復歸的基本理念認為資產價格總是會有一個合理價值或者是均衡價值，而短期市場可能會出現超買或超賣的現象，比如A股被納入MSCI全球指數，那麼會驅使一些跟蹤指數的基金買入A股被納入的股票，但是短期內願意在原有價格上賣出股票的交易者不足，於是價格就上漲，但是一旦買方的超額需求出現退縮，價格又會下跌。

最著名的均值復歸策略就是統計套利，他指的是相似的兩隻股票的價差可能會出現偏離，但是終究會收斂回去。

就好像科斯托拉尼提出的遛狗理論：「一個人帶著狗在街上散步，狗先跑到前面，再回到主人身邊。接著又跑到前面，看自己太遠又折回來。整個過程，狗就這樣反反覆復。」當然科斯托拉尼主要是比喻經濟基本面和股市，但我們可以把人和狗想象成兩隻股票，他們之間有緊密的關聯，就是那跟遛狗繩，但是他們之間的距離會遠遠近近，不斷變化，但是這種變化不會超過一定範圍，所以具備穩定性。

均值復歸的例子

假設我們現在找到了這樣一個股票A和B的序列，他們的差價大於平均值時，說明價格低的股票比平時更低，價格高的股票比平時更高，那麼我們買入價格低的股票，賣出價格高的股票，等到兩者之間的價差收斂時，我們再進行反向操作，把價格低的股票賣出，然後買入價格高的股票，把頭寸平掉。

當然實際在操作時要經過更加嚴格的統計證明才可以，找到何時適合買入，何時適合賣出。比如我們要對股票A和B的價差序列經過統計學的cointegration test（協整檢驗）證明具備穩定性，比如過去6個月內，A股票和B股票的價差序列為平穩序列，均值為10，標準差為1，我們設定門檻值為2個標準差，那麼平穩區間就是 8-12 當A-B 12時，我們買入B, 賣出A, 當A-B8的時候，我們買入A, 賣出B。等到回歸到平穩區間平倉。這種做法就是最簡單的配對交易（pairs trading），這種策略也可以應用在債券市場上，主要是假設債券的利差（spread）也是均值復歸的。

大家能夠看得出來，統計套利策略需要市場volatility比較大，就好像人遛狗的例子一樣，如果狗始終在人的周圍的穩定距離內，沒有擴大和收斂，統計套利就沒有機會，如果狗跟人之間的距離不斷遠離然後又收斂，統計套利交易者的機會就會更多一些。

(2). 基於基本面數據的策略（多因子模型）

這些策略幾乎都是基於Fama-French的三因子模型所進行的變形。

在Fama-French之前，資本資產定價模型（CAPM）是量化金融界的真諦，CAPM認為股票的收益率主要取決於一個風險——系統性風險beta（市場風險），但是法瑪（Fama）和弗倫奇（French）以1936-1990年為樣本期發現，往往小盤股的收益率是大於大盤股的收益率的，價值型股票的收益率是大於成長型股票的，所以Fama和French認為股票的收益率取決於三個因素：一個是市場平均收益率，相當於把整個市場攪成一鍋粥，這部分取決於個股和市場之間的關係，即系統性風險的大小；第二個因素是規模，也就是在市場平均收益的基礎上，往往小盤股的收益更高，所以小盤股會有一個溢價；第三個因素是價值，它是在市場平均收益的基礎上，給價值型股票一個溢價。

後來又有人在Fama-French的模型上加入了另外一個因子——動量（momentum）。因為研究發現，處於跌勢中的股票往往比理論跌幅（基於利潤等基本面因素計算得出的）跌得深，而處於漲勢中的股票也會比理論上的漲幅漲得多，那就意味著我們可以追隨趨勢，往往以前在漲的股票，預期將來的收益率也會更高。

當然多因子模型發展到現在，你可以加入任何你認為股價有影響的因素，當然也可以利用一些統計方法找到最重要的影響因素（比如主成分分析），讓模型更加簡單和可操作一些。比如你在挑選股票的時候可以看下面這幾個方面：

第一，看公司財務指標，包括PE、PB是多少，對比同行業同類的公司；

第二，看賣方研究員的研究報告；

第三，看市場情緒，也就是K線圖，交易量和價格等指標；

第四，看該股票被關注的程度，比如看百度搜索，甚至看大家在討論這支股票時是更多的採用正面的語言還是負面的語言。那麼你選定的這些因子也可以給他們一定的係數，代表在選股過程中的重要程度，然後拿到一隻新的股票就可以對他打分，然後來評判是否進行投資。