量化投资理论基础和技术方法

贾力锋

摘 要：随着金融理论和计算机技术的发展，出现了各种各样的量化投资策略和技术方法，本文对理论基础和技术方法进行了简要梳理

关键词：量化投资；行为金融；量化技术

量化投资是基于金融产品公开海量的交易数据以及经济数据，利用计算机技术和数学模型对数据进行统计分析，总结规律，形成量化策略，进行投资从而获得收益的方法。

量化投资的发展离不开人们对金融市场的认识，本质上也是通过计算机技术帮助投资者去认识市场、检验市场，发现投资模式进而获利的过程。

一、资本市场的投资的理论基础

1.1投资组合理论

投资组合理论基于均值-方差理论，通过不同组合的构建，在控制风险的基础上获得更高的收益。该理论奠定了现代金融数量化分析的基础，第一次将概率论引入投资分析领域，用预期收益率和方差来衡量收益与风险，从而在数学上证明了分散投资比集中投资好的基本原理。

1.2套利模型

无风险套利，根据“一价定律”，同一种资产不可能在一个或n个市场中以两种不同的价格出售，否则会出现套利机会。套利是利用相同资产的不同价格赚取无风险利润，它是一种广泛应用的投资策略，就是以资产相对高的价格出售，同时以相对低的价格购买同一种资产。

统计套利利用证券价格的历史统计规律进行套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间是否继续存在。统计套利的主要思路找到具有价格相关性若干对投资品种，在价格偏离到一定程度时，基于价差必然收敛的假设，卖出高价资产，买入低价资产，从而获得价差收益的投资方法。

1.3有效市场假说

有效市场假说认为，股票在的价格已经反映了所以已知的信息，由于新信息是不可预测的，所以股票价格是不可预测的，股票价格是随机游走的。有效市场假说指的是信息的有效，信息分为历史信息、公开信息及全部信息（包括内幕信息），但市场不可能严格有效，在此基础上将市场分为三种形式：弱有效市场、半强有效市场和强有效市场。

在非强有效市场中，对于信息掌握决定了获利的程度。不同的投资者对市场有不同的看法，因此形成不同的投资者类型，大致上分成两派，技术分析流派和基本面分析流派。技术分析流派，希望从历史价格信息中发现规律和趋势，从而获利。基本面分析流派，希望通过对经济环境、公司基本面等的分析，掌握或提前掌握他人未觉察的信息，发现被市场错误低估的股票，从而实现战胜市场的结果。不管是从历史价格信息中还是从基本面信息中，投资者利用数据挖掘的方法，从公开数据中挖掘非公开或未被发现或了解到信息，从而获利。

1.4行为金融

以上的金融理论都是建立在经济学理性人的基础上的，行为金融理论认为，投资者在不确定的条件下的决策并非都是理性的，这些非理性的行为可以分为两大类：第一，投资者通常不能正确处理信息，从而不能正确推断未来收益率的概率分布；第二，即使给定未来收益的概率分布，投资者做出的决策通常是前后矛盾或次优的。投资者的信息处理偏差主要有预测错误、过度自信、保守主义、忽视样本规模和代表性，行为偏差主要有心理账户、后悔规避、前景理论等。

针对投资者非理性行为，量化投资可以针对市场行为采用基于市场行为的量化策略，如动量效应、市场情绪指标等。

二、量化投资技术方法

在各种金融理论不断发展的基础上，形成了各种的量化投资策略，如基于基本面分析的多因子选股（估值因子、成长因子、资本机构因子等）、基于市场行为的动量反转、一致预期、资金流、趋势跟踪模型、基于市场波动的统计套利模型等各种策略。

量化策略可以来源于定性的交易经验，也可以通过数据挖掘发现的新的模式。对于来源于定性分析和投资经验的模型需要一个量化的过程，该过程一般采用回测系统进行充分的验证。由于市场情况瞬息万变，需要不停的调整和更新策略，以适应新的市场，发现新的交易模式，数据挖掘技术能够帮助投资在不断变化的市场中发现新的交易模式。

1.5数据挖掘

数据挖掘是从大量的数据中通过计算机算法搜索隐藏于其中信息、提取知识的过程。在量化投资中常用的数据挖掘技术有关联分析、分类/预测、聚类分析等。

数据挖掘技术主要有经典的分析方法（如自回归模型（AR）、移动平均模型（MA）、自回归-移动平均模型（ARMA）、协整模型等），小波分析、分形理论和机器学习技术，如决策树、支持向量机、LSTM长短记忆自循环神经网络、隐性马尔科夫模型、贝叶斯学习等。

数据挖掘能够帮助我们处理分析大量的数据，并从中发现一定的模式和可以获利的交易模式，但是对于交易模式的检验毕竟是在历史的数据上进行的，对于未来的交易是否有效取决于是否有足够的理由相信对过去有用的理论对未来仍然成立。

1.6回测系统

回测系统是将定性的交易经验或数据挖掘发现的交易模式在历史的交易数据中模拟交易验证，验证策略的绩效表现。在回测时，需要构建一个完整的量化策略，不仅包含进入策略和退出策略，还要包含止损策略和仓位管理策略。基于大多数的交易模式都是从历史数据中总结出来的，面向未来时总存在不确定的因素，完整的量化策略，对于面对未来的不确定性，尤其是市场大幅回撤的时候，能够更好的规避风险。同样，回测系统是在历史数据中进行回测，在历史数据中回测表现好的策略，在未来并不一定优秀。

三、结语

很多研究表明，我国的股票市场目前还不能称为有效市场，国内的很多投资者也是非理性的，需要针对我国股票市场的特有市场行为模式，如政策驱动、事件驱动、羊群效应等情况进行研究分析，結合量化技术工具，挖掘出适合我国市场特征的交易模式。

参考文献：

[1] 丁鹏编. 量化投资策略与技术2016

[2] 戴维·阿伦森，史雷. 实证技术分析 2015

[3] 张鑫. 量化投资发展趋势及其对中国的启示 2018