熊海芳

（東北財經(jīng)大學 金融學院，遼寧 大連 116025）

一、量化投資的概念與特點

近年來，量化投資及其交易策略對金融市場越來越重要。數(shù)學家西蒙斯“用公式打敗市場”的成功案例和有諾貝爾獎得主默頓、舒爾斯參與的長期資本管理公司在1998年的市場慘敗成為投資者眾所周知的故事。一般來說，量化投資是指按照事先設(shè)定的數(shù)學公式或邏輯判斷程序來進行投資。廣義的量化投資是指采用數(shù)學、統(tǒng)計學等模型工具進行決策的投資方式。[1]

傳統(tǒng)的證券投資分析中一般分為基本面分析和技術(shù)分析?；久娣治鲋饕獜娬{(diào)經(jīng)濟因素的作用，而技術(shù)分析主要強調(diào)市場交易行為的作用。法瑪著名的“有效市場假說”認為弱式有效市場情形下技術(shù)分析沒有用處，半強式有效市場中基本分析也沒有用處，投資者不可能獲得穩(wěn)定的超額收益，積極的投資策略不如消極的投資策略，如投資市場指數(shù)。盡管“有效市場假說”否認通過信息可以長期獲得超額收益，但并不否認短期內(nèi)有可能獲得一定的收益，因而，越來越多的研究關(guān)注積極投資策略的表現(xiàn)。一些研究發(fā)現(xiàn)構(gòu)造特殊的因素投資組合可以獲得超額收益，即存在市場異象。這不僅支持了部分人打敗市場的信心，而且推動了量化投資技術(shù)的快速發(fā)展。

盡管量化投資已經(jīng)成為市場投資的發(fā)展趨勢，但是大多數(shù)投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數(shù)學模型，而賺錢的投資模型都是機構(gòu)的秘密武器，不會輕易披露。另一方面是由于量化投資采用計算機系統(tǒng)，設(shè)計各種交易手段，有著較為復雜的數(shù)學計算與技術(shù)要求，現(xiàn)在許多量化投資都是計算機自動執(zhí)行的程序交易。另外，量化交易者，俗稱寬客（quants）的交易和故事多多少少增加了量化投資的神秘感。所以，人們一般把量化投資稱為“黑箱”。

納蘭（Narang，R.，2012）描述了量化交易系統(tǒng)的典型構(gòu)造，打開了量化投資的“黑箱”，[2]見圖1。納蘭認為阿爾法模型用來預測市場未來方向，風險控制模型用來限制風險暴露，交易成本模型用來分析為構(gòu)建組合產(chǎn)生的各種成本，投資組合構(gòu)建模型在追逐利潤、限制風險與相關(guān)成本之間做出平衡，然后給出最優(yōu)組合。最優(yōu)目標組合與現(xiàn)有組合的差異就由執(zhí)行模型來完成。數(shù)據(jù)和研究部分則是量化投資的基礎(chǔ)：有了數(shù)據(jù)，就可以進行研究，通過測試、檢驗與仿真正確構(gòu)建各個模型。預測市場并制定策略是量化投資的核心，即阿爾法模型在量化投資中處于核心地位。

圖1 量化投資“黑箱”示意

隨著量化投資的不斷發(fā)展，量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為，如期現(xiàn)套利組合、市場異象研究中的差價組合等。統(tǒng)計套利策略是經(jīng)典的量化投資策略，如匹配交易或攜帶交易。近年來，高頻交易成為量化投資的重要內(nèi)容，基于高速的計算機系統(tǒng)實施高頻的程序交易已經(jīng)是量化投資的重要利器。丁鵬（2012）將量化投資的主要內(nèi)容分為以下幾個方面：量化選股、量化擇時、股指期貨套利、商品期貨套利、統(tǒng)計套利、期權(quán)套利、算法交易、ETF/LOF套利和高頻交易等。他認為量化投資的優(yōu)勢在于：紀律性、系統(tǒng)性、及時性、準確性和分散化。

二、量化投資“黑箱”中的構(gòu)造與證券投資學的差異

在傳統(tǒng)的證券投資學中，投資組合理論、資本資產(chǎn)定價模型、套利定價理論和期權(quán)定價理論是現(xiàn)代金融理論的四塊基石。前兩者主要依靠均值-方差組合優(yōu)化的思想，后兩者則主要依靠市場的無套利條件。傳統(tǒng)的投資方法主要是基本面分析和技術(shù)分析兩大類，而量化投資則是“利用計算機科技并采用一定的數(shù)學模型去實現(xiàn)投資理念、實現(xiàn)投資策略的過程”[3]。從概念看，量化投資既不是基本面分析，也不是技術(shù)分析，但它可以采用基本面分析，也可以采用技術(shù)分析，關(guān)鍵在于依靠模型來實現(xiàn)投資理念與投資策略。為了分析量化投資對證券投資學的啟示，本文從量化投資“黑箱”的各個構(gòu)成來探討量化投資與證券投資學中思路和觀點的差異。

（一）資產(chǎn)定價與收益的預測

根據(jù)組合優(yōu)化理論，投資者將持有無風險組合與市場風險資產(chǎn)組合，獲得無風險利率與市場風險溢價。資本資產(chǎn)定價模型則將此應用到單一證券或組合，認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值[4]。追求顯著正的阿爾法是資產(chǎn)定價理論給實務投資的一大貢獻?；谝蛩啬Ｐ偷奶桌▋r理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統(tǒng)一的參考?？梢哉f，在因素定價方面，量化投資繼承了資產(chǎn)定價理論的基本思想。

對于因素定價中因素的選擇，證券投資學認為，對資產(chǎn)價格的影響，長期應主要關(guān)注基本面因素，而短期應主要關(guān)注市場的交易行為，即采用技術(shù)分析。在量化投資中，主要強調(diào)按照事先設(shè)定的規(guī)則進行投資，這在一定程度上與技術(shù)分析類似。但是，在技術(shù)分析中，不同的人會有不同的結(jié)論，而量化投資則強調(diào)投資的規(guī)則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調(diào)從統(tǒng)計和數(shù)學模型方面尋找資產(chǎn)的錯誤定價或者進行收益的預測。

（二）無套利條件與交易成本

在證券投資學里，流動性是證券的生命力。組合投資理論、資本資產(chǎn)定價模型以及套利定價理論等都認為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現(xiàn)，如套利交易。根據(jù)套利定價理論，一旦市場出現(xiàn)無風險的套利機會，理性投資者會立即進行套利交易，當市場均衡時就不存在套利機會。

現(xiàn)實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中，對市場中套利限制與非流動性的關(guān)注較少，這是因為傳統(tǒng)金融理論中簡化了市場結(jié)構(gòu)。市場微觀結(jié)構(gòu)理論研究在既定的交易規(guī)則下，金融資產(chǎn)交易的過程及其結(jié)果，旨在揭示金融資產(chǎn)交易價格形成的過程及其原因。在市場微觀結(jié)構(gòu)理論中，不同的市場微觀結(jié)構(gòu)對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。

（三）風險控制與市場情緒

在證券市場中，高收益與高風險相匹配。量化投資在追求高收益的同時，不可避免地承擔了一定的風險。在證券投資學中，系統(tǒng)性風險主要源于宏觀經(jīng)濟因素，非系統(tǒng)性因素則主要源于行業(yè)、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經(jīng)濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側(cè)重點，在多模型的量化投資系統(tǒng)中自然包括了這兩方面的因素。

除了各種基本面和市場交易的因素風險外，量化投資還有自身不可忽視的風險源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權(quán)等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風險。另一方面，市場沖擊的流動性成本也是量化投資的風險控制因素，理所當然地在圖1的風險控制模型中體現(xiàn)出來。另外，在一般的投資過程中，市場情緒或多或少會成為風險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現(xiàn)的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔適度的風險來獲得超額回報，因為畢竟減少風險也減少了超額回報。

（四）執(zhí)行高頻交易與算法交易

在對未來收益、風險和成本的綜合權(quán)衡下，實現(xiàn)投資策略成為量化投資的重要執(zhí)行步驟。為了達到投資目標，量化投資不斷追求更快的速度來執(zhí)行投資策略，這就推動了采用高速計算機系統(tǒng)的程序化交易的誕生。

在證券投資學里，技術(shù)分析認為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創(chuàng)新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統(tǒng)處理數(shù)據(jù)和進行量化分析，快速做出交易決策，并且隔夜持倉。

高頻交易的基本特點有：處理分筆交易數(shù)據(jù)、高資金周轉(zhuǎn)率、日內(nèi)開平倉和算法交易。[5]高頻交易有4類流行的策略：自動提供流動性、市場微觀結(jié)構(gòu)交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產(chǎn)生高頻交易信號的算法和優(yōu)化交易執(zhí)行過程的算法。為了優(yōu)化交易執(zhí)行，目前“算法交易”比較流行。算法交易優(yōu)化買賣指令的執(zhí)行方式，決定在給定市場環(huán)境下如何處理交易指令：是主動的執(zhí)行還是被動的執(zhí)行，是一次性交易還是分割成小的交易單。算法交易一般不涉及投資組合的資產(chǎn)配置和證券選擇問題。

三、對量化投資在證券投資教學中應用的思考

從上述分析可以知道，量化投資的“黑箱”構(gòu)造與證券投資學之間存在一定的差異，因此，在證券投資的教學中應當考慮量化投資發(fā)展的要求。

（一）市場微觀結(jié)構(gòu)與流動性沖擊

在理性預期和市場有效假說下，市場價格會在相關(guān)信息披露后立即調(diào)整，在信息披露前后市場有著截然不同的表現(xiàn)。在證券投資學里，一般認為價格的調(diào)整是及時準確的，然而，現(xiàn)實的世界里，價格調(diào)整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調(diào)整是瞬間的，影響不大。然而，在高頻交易中，這種價格調(diào)整過程影響很大。市場微觀結(jié)構(gòu)就是研究這種價格形成過程。市場微觀結(jié)構(gòu)理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關(guān)注代理商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關(guān)注信息公布后信息反映到價格中的這一過程，認為含有信息的訂單流是導致價格波動的原因。無論是關(guān)注委托訂單的存貨模型還是關(guān)注市場參與者信息類型的信息模型，這些市場微觀結(jié)構(gòu)的研究加強了流動性與資產(chǎn)價格之間的聯(lián)系，強調(diào)流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結(jié)構(gòu)的內(nèi)容，因而，為了加強證券投資學的實用性，應關(guān)注市場微觀結(jié)構(gòu)的內(nèi)容與發(fā)展。

（二）業(yè)績評價與高杠桿

對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風險與業(yè)績。在組合業(yè)績評價中，一方面要考慮風險的衡量，另一方面則要分析業(yè)績的來源。在證券投資學中，組合業(yè)績來自于市場表現(xiàn)以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業(yè)績評價還應考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權(quán)等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統(tǒng)的業(yè)績評價就不太一樣。在一般的證券投資學里，業(yè)績評價主要考慮經(jīng)風險調(diào)整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。

（三）人為因素與模型風險

在量化投資中，非常注重計算機對數(shù)據(jù)和模型的分析，這突出了量化投資的規(guī)則性和固定性。然而，實際中，別看量化采用了各種數(shù)學、統(tǒng)計模型，但策略設(shè)計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，能夠消除很多認為的隨意性。但是，量化策略畢竟體現(xiàn)投資者的交易理念，這一部分依賴于投資者的經(jīng)驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉(zhuǎn)的判斷主要還是依賴投資者的經(jīng)驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設(shè)定，而人的設(shè)定不僅依賴于經(jīng)驗，而且人還會犯錯。

人之所以會犯錯，一方面是因為人們對市場的認知是不完全的，另一方面則是人們使用了錯誤的模型。經(jīng)典的證券投資理論中，股票價格的變動被認為是隨機的，小概率事件出現(xiàn)的機會比較小，但是經(jīng)驗研究表明股票收益率具有肥尾現(xiàn)象，小概率事件發(fā)生的機會超出了人們原先的認識，即市場還會出現(xiàn)“黑天鵝”。更為關(guān)鍵的是，量化投資更依賴數(shù)學和統(tǒng)計模型，這就使得量化投資存在較大的模型風險，即使用了錯誤的模型。為了防范模型風險，應采用更為穩(wěn)健的模型，即模型的參數(shù)和函數(shù)應該適應多種市場環(huán)境。近年來，研究表明，證券收益及其與風險因素的關(guān)系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學習等數(shù)據(jù)挖掘技術(shù)進行信息處理成為量化投資的重要技術(shù)支持。

（四）2013年諾貝爾經(jīng)濟學獎的啟示

2013年，提出市場有效性假說的尤金·法瑪和行為金融學代表人物的羅伯特·J·席勒以及提出廣義距估計的拉爾斯·皮特·漢森因?qū)Y產(chǎn)價格的實證分析而共同獲得諾貝爾經(jīng)濟學獎。他們的研究表明：“預測股票和債券幾天或幾周后的價格是不可能的，但預測資產(chǎn)價格的長期走勢卻是可能的，比如三五年后的價格。”瑞典皇家科學院表示，三位獲獎者為理解資產(chǎn)價格理論奠定了基礎(chǔ)，這一理論一部分取決于風險和風險態(tài)度的變化，還有一部分取決于行為偏差及市場摩擦。這說明大家認為風險與風險態(tài)度、行為偏差與市場摩擦都不能單獨地解釋市場中資產(chǎn)價格，這些因素都是有作用的。實踐中，量化投資分析中經(jīng)常使用多個模型，分別把風險因素、交易行為以及市場摩擦成本考慮在內(nèi)，而證券投資學中主要介紹風險與風險態(tài)度，對于行為偏差與市場摩擦關(guān)注嚴重不足。另外，根據(jù)2013年的諾獎，不同期限上價格預測的能力是不同的，因而，考慮收益和風險以及成本的期限，綜合各種因素對資產(chǎn)價格的變動進行系統(tǒng)解釋與預測是證券投資學向深度挖掘的方向。

“學會像智者一樣思考，才能像智者一樣行事。”量化投資或量化交易就是將投資者或交易者的思想、經(jīng)驗和直覺反映在量化模型中，借助于機器處理大量數(shù)據(jù)和信息來進行投資和交易決策。因此，投資者的思想和經(jīng)驗在量化投資中有著舉足輕重的作用。2013年諾獎給了投資者理論思維和技術(shù)，但證券投資學還應從寬客身上學到在投資中廣泛適用的原則：關(guān)注流動性成本與風險，綜合權(quán)衡收益、風險和成本，控制杠桿風險和模型風險等等。

［1］忻海.解讀量化投資［M］.北京：機械工業(yè)出版社，2009：117-118.

［2］納蘭.打開量化投資的黑箱［M］.北京：機械工業(yè)出版社，2012：19-21.

［3］丁鵬.量化投資——策略與技術(shù)［M］.北京：電子工業(yè)出版社，2012：2-3.

［4］邢天才，王玉霞.證券投資學［M］.大連：東北財經(jīng)大學出版社，2012：287-288.

［5］奧爾德里奇.高頻交易［M］.北京：機械工業(yè)出版社，2011：20-21.