江苏龙网

  1. 首页 > 资讯 > 财经 > >

|一文了解算法交易的秘密，预测风险和收益


|一文了解算法交易的秘密，预测风险和收益
本文插图

免责声明：本文旨在传递更多市场信息 ， 不构成任何投资建议 。 文章仅代表作者观点 ， 不代表火星财经官方立场 。
小编：记得关注哦
来源：头等仓
|一文了解算法交易的秘密，预测风险和收益
本文插图

原文：A brief introduction to algorithmic trading
编译：Aslan
来源：头等仓
近年来 ， 算法交易越来越受欢迎 。 事实上 ， 据统计 ， 量化对冲基金行业在2018年管理的资产超过1万亿美元 ， 几乎是10年前的两倍 。
在数字化和机器学习的时代 ， 投资界对量化投资过程的方法越来越感兴趣 。 越来越多的传统投资管理公司聘用数据科学家和机器学习专家 ， 希望采用严格的科学方法投资 ， 从而提高收益率 。
在本系列的文章中 ， 我将带领你了解鲜为人知的算法交易行业内部的工作秘密 。
起源
量化投资的理念绝不是最近才出现的 ， 它们很可能源自哈里?马科维茨（Harry Markowitz）的著作 。 在1952年发表于《金融杂志》（Journal of Finance）的开创性论文《投资组合选择》（Portfolio Selection）中 ， 马科维茨介绍了应用数学模型解决最优投资组合配置的思想 。
自那以后 ， 由于过去二十年技术爆炸性增长 ， 出现了许多先进的算法 。 随着计算能力的提高 ， 越来越多的数学家和计算机科学家开始从事科学投资 ， 每天都在开发更复杂的模型 。
要理解算法交易 ， 或许最好的起点是它要解决的问题本质：增加收益 ， 降低风险 。
虽然在随后的文章中我们会详细地讨论这两个概念 ， 但有一点 ， 问题的核心一直是优化 ， 从数学的角度来看 ， 算法交易必须依赖于科学！
整个量化投资流程都服从于优化原则 ， 仔细想想 ， 是不是任何一家企业都是如此？
问题的关键是如何预测收益和风险？
这就是量化交易员和研究人员要做的：预测收益和风险 。 量化的方式因地制宜 ， 但目的一致 。
预测风险和收益
交易员和研究人员如何做出他们的预测？有很多方法 ， 一种是统计分析金融资产的价格 ， 一种是分析替代数据集 。
替代数据集的一个著名例子是大型零售商停车场的卫星图像 。 如果停车场停放很多车 ， 大量人群购物 ， 公司的利润将会更大！
上例属于消费者行为类别 ， 还有许多其他类别 。 替代数据行业在过去十年蓬勃发展 ， 截至本文撰写之时 ， 已有近一半的对冲基金公司依靠此类数据进行投资 。
替代数据行业增长的主要动力在于 ， 它使基金经理对未来收益的预测优于市场共识 。
基金经理还依赖其他一些优势来提高利润 ， 优质数据只是其一 。
面临的挑战
在实践中 ， 预测风险和收益是一项颇具挑战的任务 ， 因为获取的数据量非常大 ， 而且数据非常繁杂 。
而且 ， 如果一个人能够以一定的准确性预测收益 ， 根据自己的预测进行交易 ， 但随着时间的推移 ， 他预测的准确性会降低 。
的确 ， 假设有人预测某只股票会在某一事件发生时增值 ， 那么交易策略就是每次发生这种事件时买进这只股票 ， 等赚到钱后再把它卖回市场 。
这种策略的后果之一是 ， 通过购买股票 ， 他会推高股票价格 ， 从而要支付花费更多的资金回购股票——因此获得的利润比他理论上应得的要少 。
如果这个人只买了小部分股票 ， 那么就不会推高股票的价格 。 用金融行话来说 ， 他对市场没有影响 。 因此 ， 如果他要按照自己的预测进行交易 ， 那么他必须在低影响和尽可能多地买入股票获利之间取得平衡 。
让我们继续这个例子 ， 并假设其他市场参与者也对该股票有良好的预测 。 这些其他的市场参与者最终也会购买股票 ， 他们累积的市场影响最终会推高股票 ， 从而减少交易者本能获得的更高利润 。


推荐阅读


上一篇：|他是美剧「亿万」原型，华尔街对冲基金之神

下一篇：|马明哲辞任中国平安CEO 继续担任董事长！姚波补位出任联席CEO