量化投资交易策略初探

2019-05-28常绮帆

经营者 2019年9期

常绮帆

摘要中国金融市场，这些年来发展迅猛，积极借鉴国外金融市场的量化投资经验，我国也出现了一批量化投资基金。由于传统量化交易策略相对不适应国内股票市场的投资特点，本文基于对量化交易中的Dual-Thrust策略，研究分析了一个修改版本的股票策略，并基于中国股票市场最新的历史数据进行了回测验证，实验结果表明该策略具有一定的盈利能力。交易策略的成功实现显示了量化交易策略的实用性，也表明了未来发展的趋势性，量化投资无疑将对中国未来金融交易有很大影响。

关键词量化交易股票交易策略

一、量化投资交易简介与文献综述

量化交易起源于20世纪70年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场，程序化逐渐成为主流。有数据显示，国外成熟市场期货程序化交易已占据总交易量的大部分，而国内却仍然处于刚起步状态。

量化交易是指借助数学与现代统计学方法，利用计算机技术来进行交易的证券投资方式。量化交易从海量的历史数据中选择能带来超额收益的“大概率”事件，并以此来制定交易策略。制定的交易策略还需要数量模型的多次验证、固化规律，之后才能严格执行已固化的量化交易策略。这样的量化策略用来指导投资，以求得到持续稳定的超额回报。相比手工交易中交易者情绪波动等带来的盈利障碍，程序化交易的精准性，执行率成为盈利的优势。

中国金融市场不断完善、发展，量化投资交易也慢慢发展起来，涌现出一些量化投资基金，甚至是全自动无人值守的机器交易型量化基金。量化交易是通过对交易数据的统计分析，制定机械化的买卖规则，在条件触发后无条件地执行交易。而主观交易者通常依据自己的经验，来决定何时买卖，购买什么类型的投资标的。所以，量化交易可以有效避免主观交易者由于心理情绪等因素造成的错误交易。

与外国市场相比较，中国量化交易起步较晚，而且中国股票市场具有自身的特点，所以一些国外成熟的量化投资理念或者量化交易模型，不能直接适用于中国股票市场。

当然，我国也有不少研究者对量化投资交易进行创新研究。齐岳等研究者采用深度强化学习中的深度确定性策略梯度，将深度强化学习技术应用于投资组合管理。蒋慧敏提出了一种基于 Zigzag的K线趋势中的高点、低点和拐点的识别算法来构造期货程序化交易系统中K线特征趋势算法。另外，也有学者利用遗传算法等来优化SVM，用于提高交易信号的准确性。这些研究者的研究都对中国量化投资交易的良好发展奠定了基础。

二、量化交易过程及优势与风险性

（一）量化交易过程

一是资产配置。在投资标的确定和选择之前，我们需要确定在投资组合当中，风险资产规模和不同风险资产占比。二是量化选股。利用计算机技术来量化分析，判断给出的投资标的。量化选股的方法一般需要先研究海量公司相关数据，再挖掘市场当中的基本规律，构建起相应的选股策略。三是测试优化。我们需要采用历史数据进行各种各样的测试验证它的适用性，这也被称为是回溯测试。不同的测试所揭示的是不同的侧面。对参数模型进行调整，优化。

（二）量化交易的优势

一是纪律性严格。量化交易系统会显示出被选择的这只股票与其他的股票相比在成长面上、估值上、资金上、买卖时机上的综合评价情况，比普通投资者拍脑袋、凭经验就产生的买卖交易更有理有据。二是系统性完备。完备的系统性表现为多层次、多角度和多数据，强大的量化数据信息处理能力，才能抓住更多的投资机会。三是套利的思想。量化交易其实是通过全面、系统性的扫描，寻找错误定价、错误估值带来的套利机会，买入低估股票，卖出高估股票。四是概率取胜。一方面从历史数据中挖掘有望在未来重复的历史规律加以利用。另一方面是在股票实盘操作中，运用概率分析控制仓位，提高买卖成功的概率。

（三）量化交易的风险性

一是一二级市场的“级差”风险。“级差风险”是套利交易的核心。由于股价的变动，ETF套利级差转瞬即逝，很难把握。所以错综复杂的计算过程由计算机完成，交易员通过设定计算程序决定策略，或者自动让系统在出现套利空间时自动交易，系统自动下单交易便称之为程序化交易。二是交易员操作风险。比如光大的乌龙指事件，有可能是交易员在输入数量的时候出现了失误。这同时也牵扯到第三种风险，系统风险，每个交易员在系统中都有相应的交易权限，包括数量、金额。三是系统风险。如长期资本公司（LTCM）的案例中，模型风险也是其中一个较大失败原因。LTCM的数学模型建立在历史数据的基礎上，一些概率很小的事件被忽略掉，因此埋下了隐患。一旦这个小概率事件发生，其投资系统将产生难以预料的后果。

三、经典的量化交易策略分析（以聚宽数据为平台）

（一）Dual Thrust交易系统策略介绍

Dual Thrust是一个趋势跟踪系统，由Michael Chalek在20世纪80年代开发，曾被Future Thruth杂志评为最赚钱的策略之一。Dual Thrust系统具有简单易用、适用度广的特点，其思路简单、参数很少，配合不同的参数、止盈止损和仓位管理，可以为投资者带来长期稳定的收益，被投资者广泛应用于股票、货币、贵金属、债券、能源及股指期货市场等。在Dual Thrust交易系统中，对于震荡区间的定义非常关键，这也是该交易系统的核心和精髓。Dual Thrust系统使用Range = Max（HH-LC，HC-LL）来描述震荡区间的大小。

第一，系统规则。一是N日High的最高价HH， N日Close的最低价LC；二是N日Close的最高价HC，N日Low的最低价LL；三是Range = Max（HH-LC，HC-LL）；四是BuyLine = Open + K1*Range；五是SellLine = Open + K2*Range。

第二，构造系统。当价格向上突破上轨时，如果当时持有空仓，则先平仓，再开多仓；如果没有仓位，则直接开多仓；当价格向下突破下轨时，如果当时持有多仓，则先平仓，再开空仓；如果没有仓位，则直接开空仓。

（二）修改的Dual Thrust交易策略

当股票突破上界，则认为该股票今天有较大行情，买入该股票；当股价两天内下跌6%，或者三天内下跌8%则卖出股票；最后根据大盘止损。

为实现我们的交易策略，我们首先设定了股票池，收益基准，交易費用的计算。其次，根据大盘指数进行止损，在收盘价比值达到一定的值，进行清仓。之后是根据设定的股票数量，分配资金。最后就是买卖，买卖按照Dual Thrust交易系统设定的震荡区间进行。将代码在聚宽数据平台上进行回测，时间期限是2010-01-01到2019-01-04，由此我们得到：

四、总结与反思

至此，我们分析实现了修改后的Dual Thrust策略之后，可以从中收获很多的经验与反思。

经典的Dual Thrust策略确实是具有一定的盈利能力，那么在之后的策略分析与开发中，就需要将侧重点放在策略的优势性理解上面，以至于我们学到如何才能设计出适用的量化交易策略。

具体策略取决于不同的人对证券的理解，比如是否支持做空；是否把现金分成多份来投资，不全仓操作；是否是一天内的短线策略；是否多个股票组合；是否将交易量加入策略考虑因素；是否配合消息面的文本分析；是否剔除停盘或涨跌停板股票等等这些因素。

未来量化交易将是大数据背景下的发展趋势，量化交易策略的设计与优化成为重中之重的问题。

（作者单位为上海大学）

参考文献

[1] 郭笑宇.量化投资交易策略研究[J].财经界（学术版），2019（02）：16-17.

[2] 潘磊，王琦，王丹华，范大娟. Dual-Thrust策略在股票量化交易中的实现与应用[J].科技资讯，2018，16（27）：17-21+23.

[3] 杨世林.基于聚宽量化投资平台的股票多因子策略应用[D].浙江大学，2018.

[4] 齐岳，黄硕华.基于深度强化学习DDPG算法的投资组合管理[J].计算机与现代化，2018（5）：93-99.

[5] 孙瑞奇.基于LSTM神经网络的美股股指价格趋势预测模型的研究[D].首都经济贸易大学，2016.