量化投资在欧美市场十分成熟，其业绩稳定、分散化投资、理性投资等优势，得到越来越多的认可，被称为穿越“牛熊”的利器。量化投资在我国的发展时间不长，但发展速度很快；从过去的“非主流”，逐步变成了A股市场的重要参与者，资产规模大幅上涨。

无论你是否投资量化产品，量化都成为投资者不可不知的一块领域。披着“高精尖”的神秘外衣，量化交易有哪些常见策略？不同策略的盈利逻辑和优劣势又有什么不同？

本期【F说】特别邀请到深耕自动化交易领域十余年的量化管理人及FMBA“Python一哥”，带你走进量化的世界。

01

常见量化产品及策略

侯磊，FMBA2020级

上海洛书投资 投资经理

市场上的量化产品，基本以商品期货和股票两大类为主，其最本质的特点是数据驱动，即运用统计的方式对数据进行建模，通过模型预测资产未来的表现，从而进行一系列交易；交易中依靠“大数定律”获益，注重单笔下单盈利的概率，通过非常多次的交易，达到稳定的收益。   常见量化策略的分类一般有两种：   第一种是按照持仓周期分类，主要有：低频，即持仓周期5天以上；中频是1到5天；日内是指持仓1天以内；高频则是从几秒钟到几分钟都有。越是高频，持仓时间越短，策略收益越稳定，策略容量越小。越是低频，策略收益波动越大，容量也越大。容量指交易策略能够承载最大资金的上限。   另一种是按照交易机会分类，主要包括：CTA（Commodity Trading Advisor），泛指交易商品或者金融期货的一类策略；股票选股策略，又称为股票Alpha策略、股票多空策略、统计套利和股票多因子模型；股票择时策略，以及股票T+0、ETF套利和自动化做市等其他策略。   任何成熟的量化交易，都具备三个核心要素：第一是预测未来，即通过获取的信息和数据推测，预估资产的价格走势；第二是风险管理，即在给定的目标收益率下，尽可能降低投资组合的风险水平；第三是交易执行，即用比较小的交易成本完成交易指令。

我个人从事的是股票多因子策略交易，可以通过下面的公式理解多因子的概念：个股收益=来自于大盘的收益（Beta收益）+行业收益+风格收益+个股特有收益（Alpha收益）。以茅台举例，茅台每天的股票收益可以拆解为: A股大盘收益+白酒行业收益（行业因子）+大盘股收益（规模因子）+“过去12个月一直涨的股票”的收益（动量因子）+茅台“特有收益”。   这几个因子一般可以归为两类：第一类大盘、行业、风格等都叫做“风险因子”，其特点是广为人知，但效果不太稳定；另外一类是“收益因子”，也称为Alpha，效果相对稳定。侧重收益因子盈利的策略称为“Alpha策略”，而侧重风险因子的策略的则称为“因子择时策略”。有很多信号可以用来预测股票的未来收益，比如如果一个股票被宣布为进入ST状态（Special Treatment），那它短期内大概率会跌。   Alpha是市场稀缺资源，而且由于市场竞争的原因，Alpha的预测能力会随着时间的推移逐渐失效。因此Alpha和交易策略的迭代更新能力是各机构竞争的焦点，可持续的创新能力是一个量化机构最重要的能力。如果我们需要调研一个量化机构的持续竞争力，我们要关注该机构的策略的原创性，如果不是原创的策略，其策略迭代能力一般较弱；我们还要看团队成员的个人能力和团队整体的协作能力；最后我们要看团队是否重视研究，是否愿意在研究方面花资源和精力。  量化交易在国内发展很快，绝大多数机构都很年轻，如果考虑这方面的投资，不用太在乎机构是不是五年、十年老店，而是要充分了解产品的潜在风险。很多产品看上去很不错，但其中蕴含的波动率其实非常高，专业的销售会告诉你隐含波动率是什么，但从公开报表中只能看到业绩表现，其中隐藏的潜在风险并不直观。

02

CTA策略及后市预测

曹真琦 

上海洛书投资 投资经理

CTA泛指交易商品或者金融期货的一类策略，与其他策略相比，CTA策略具有更高的平均年化收益率、更小的最大回撤、更高的风险收益比，长期持有将有更好的复利效应；更为重要的是，CTA的抗风险能力显著。   在2000-2002年全球股票熊市及2007-2008年全球次贷危机时期，CTA指数不但没有出现下跌，还实现了正收益。CTA策略与其他策略都具有相对较低的相关性，加入CTA策略可显著改善组合的风险指标和风险调整收益指标，这个特点使得 CTA策略具有较好的风险分散的配置价值。   目前国内市场主要有哪些代表性的CTA策略？   最经典的是趋势跟踪类策略，基本操作就是做多过去一段时间上涨的品种，做空过去一段时间下跌的品种，寄希望于走势在未来有一定的延续性。其特点是“赚大亏小”，盈利依赖于市场波动，长期持有总会盈利，盈利时间短但盈利能力强，波动大。   第二类，期限结构类策略。由于商品期货价格与现货价格之间存在基差，如果期货价格低于现货价格，处于“贴水状态”，反之则处于“升水状态”。期限结构策略的基本操作就是做多处于贴水状态的品种，做空处于升水状态的品种，充当期货市场套保者的交易对手方，赚取套保者为转移风险所交的保费。   这类策略的风险收益特征是盈利来源稳定，当市场变化不大的情况下，能够比较稳健地获取保费收益；而当黑天鹅事件接二连三发生时，这类策略往往表现不好。

第三类，量化基本面策略。股票基本面，大家可以理解为公司好不好，通过公司财报等其他维度可以判断。而商品基本面，需要思考商品价格的涨跌到底由什么因素驱动。驱动因素很多，包括消息面、政策面、资金面等，但我们认为商品的定价一定是在基本面手里。   量化基本面策略的基本操作是用量化的方法根据各类因子计算出品种的供需状况，供给大于需求，做空该品种；供给小于需求，做多该品种。量化基本面策略的收益特征在于，盈利来源稳定，长期持有盈利，大多数时间盈利，在市场供需不是主导因素时有可能亏钱。   整体来说，2020年无论股票还是商品期货，都是一个小牛市。今年大概率全球经济从疫情的低谷中复苏，对原材料需求持续旺盛，市场波动率维持高水平，利好CTA策略表现。目前国内CTA市场上升空间很大，市场健康发展，有重要意义的商品期货品种陆续上市，也引入了新的交易机会和新的对冲机会，有利于提升策略收益。经济的复苏，加上政策的利好，我们预期商品高波动和牛市还是有一定的持续性。

03

自学Python的560天

董鹏飞，FMBA2016级

光大控股资管部 副总裁

以美国股票市场为例，截至2019年底，通过量化方式进行交易的资产管理规模占比超过50%，通过量化方式进行交易的交易量占比超过70%。假如，未来中国股票市场也发展成美国的样子，既懂金融又懂编程的人才优势必将凸显；这种假如，就是未来十年的趋势。那时的人工智能会替代很多人的工作，我不想被替代掉。带着这样的思考，我决定开始学习编程，来驾驭深度学习人工智能。   这是过去的560天，我自学Python所看过的书，还有一本是自己正在写的书：《股票投资策略》。我一直有一个梦想，中国市场发展这么多年，财务报表很成熟，基本面投资也很成熟，中国股市到底是一个什么样的市场？中国股票市场和成熟股票市场有什么区别？如果散户做投资，应该怎么做？在学习和研究的过程中，得出很多有意思的统计规律和结论，我想把它们写出来，展示给大家，所以为了完成这个梦想，我一边学编程，一边花两年时间写书。

Python能做什么？简单的可以用来做日常的微信自动群发、自动回复等，提升效率；还能用来爬虫，深度学习、模拟等等，比如模拟股票价格走势。更重要的是，Python语言相对简单，上手较快，开发方便，工具库丰富，科学计算方面的支持强大，目前在金融数据分析和量化领域的使用很广泛。  为什么自学Python？首先，学编程其实是一件非常容易的事，就像开车，是肌肉记忆，跟智商无关。其次，如果不是科班出身，或者已经拥有一定的编程经验，那么我建议你自学，不要报辅导班，因为第一，辅导班只教你正确的东西，但以我个人的经验，学习编程更多是在错误中学习，只有跟bug对抗，才能真正掌握它；要乐于接受bug，bug才是真正的老师，而不是敌人。第二，一些辅导班为了吸引学员，有很多炫技的东西，excel、数据的处理可能就是十几行代码的事儿，但是辅导班可能会给你看几百行代码，让你觉得“高大上”，实际上未必是那么回事。  有什么具体的“学习方法论”？第一，读书。现代社会，学习资源是无限的，要利用一切碎片化的时间来读书，快速推进学习进度。我的选书经验是善用“豆瓣”，9分以上是相当好的书，8分以上是可以看的书。这里推荐几本书，从易到难：第一本《Python编程快速上手》，100天时间看完；第二本《Python数据科学手册》，也是100天看完；第三本《Python与量化投资：从基础到实战》。此外建议大家学编程时，不要看电子书，用纸制书，方便哪个地方有问题，迅速查询。  第二，敲代码。每天至少抽出30分钟到1个小时老老实实敲代码，仔仔细细把每一个代码敲一遍，不偷懒，不复制，不用模板；并且注释每一段代码，注释就是学习。和读书不一样的是，敲代码和写注释，只能在电脑面前，并且需要整块的时间，还会出现bug，而解决bug需要更多的时间，所以进度较慢。   因此，如果你想学习编程，我的建议是：静得下心，宅得下去；坚定信心，敢战敢胜。我不止一次调侃：别逼中年人，逼急了，什么都能学会。未来，编程会进入小学课程，编程或编程模式会以更加深度的方式嵌入我们的生活，社会对跨界人才的需求会越来越大，如何应对？我们FMBA有一个学习Python的群，欢迎加入我们，一起学！