量化交易策略简述（下）[程序化新手]

业内较为认同的量化交易策略的开端，可能是马科维茨的最优投资组合理论这一

学术性的创新。在 1952 的论文当中，马科维茨开创性的引入了均值和方差这两个统

计学上的概念，用来定量的描述投资者在投资组合上获得的收益和承担的风险。基于

投资组合中资产的收益情况和相互之间的协方差矩阵，采用最优化的方法，就可以得

到投资组合的最优配比方式，从而帮助投资者在风险一定的情况下获取最大收益，或

者在收益固定的情况下使得风险最小。整个过程通过明晰的数量模型进行了表述，优

化结果也能定量的指导投资组合的构建行为。 {原文来自 WWW.CXH99.COM }

在此之后，经济学家和金融学家开始越来越多的通过定量的数学模型来研究金融

市场和投资交易。夏普等人于 1964 年前后在马科维茨的工作基础上，发展出了资本

资产定价模型。该模型将股票在无风险收益之上的超额收益分解为两个部分，即市

场部分和残余部分，股票的风险也相应的分为两个部分，对应起来分别是系统风险和

非系统风险。模型证明了在资本市场完全有效等前提假设下，残余部分的期望值为零，

也就是说，非系统性风险是没有风险补偿的，股票的超额预期收益仅与其承担的系统

风险大小有关。{原文来自 WWW.CXH99.COM }

之后，罗斯从另外一些假设条件出发，得出了与资本资产定价模型在一定程度上

具有相似性的套利定价理论。该理论同样认为股票的超额预期收益仅与其所承担的风

险有关，只不过除了最主要的市场系统风险，理论模型还能够包含其他一些存在风险

补偿的风险因子。在资产收益来源于对风险的承担等思想的推动下，法玛提出了著名

的“有效市场假说”，即在一个有效的证券市场中，价格完全反映了所有可以获得

的信息。再结合资本资产定价模型的主要结论，认为实际上消极型管理，即仅持有市

场组合和无风险资产，才是明智的选择。随着这种思想在学术界的逐渐主流化，学术

研究中对主动型交易的关注开始减少。

然而有趣的是，罗斯的套利定价理论和法玛的另一项著名研究却间接的发展出了

一些行之有效的量化交易策略。在 1992 年的一篇论文当中，法玛基于套利定价理论

的形式，发现股票的两个当前特征，市值和账面市值比，可以有效的预测未来的股票

收益。简单来说，就是市值越小的股票、或者账面市值比越大的股票，在统计意义上

会产生更高的未来收益。在次年的论文中，法玛将这两个特征构造为两个风险因子，

再结合市场因子，从风险补偿的角度对实际数据进行了研究和解释，这项工作一般被

称为“三因子模型”。

暂且不论市值和账面市值比这两个股票特征的风险化解释，1992 年的论文中它

们所表现出的显著预测能力，已经让逐利行为关注于此了。阿斯内斯是法玛在芝加哥

大学指导的金融博士，其博士毕业论文在三因子模型的基础上加入了动量因子，以四

因子模型的形式完成了一系列的实证分析。博士毕业后阿斯内斯进入高盛，成为了一

名量化交易分析员，随后在高盛组建了全球阿尔法基金，主要从事以量化为导向的交

易工作，业绩不俗。1997 年他离开高盛创办了自己的 AQR 资本管理公司，目前该公

司是全球顶尖的对冲基金之一。虽然没有直接的证据证明阿斯内斯在工作中采用的是

多因子模型基础上的股价预测技术，但是可以想见的是，市值、账面市值比、动量因

子和因子模型应该与其量化交易策略存在一定的关联。阿斯内斯在一些访谈和学术论

文中也时常谈到价值、动量/趋势、低风险、套息等相关概念，是为佐证。

由学术研究进入量化交易实业领域的一个更为极端的例子，应该是文艺复兴科技

公司的西蒙斯，这也是中国读者较为熟悉的一个量化交易从业者。西蒙斯于 1961 年

在加州大学伯克利分校取得数学博士学位，年仅 23 岁，并在 30 岁时就任纽约州立大

学石溪分校数学学院院长。他在 1978 年离开学校创立了文艺复兴科技公司，该公司

因为旗下的量化旗舰基金——大奖章基金傲人的业绩而闻名。关于西蒙斯所使用的量

化交易策略，坊间一直有诸多猜测。许多人认为其所使用的应该是基于隐马尔科夫模

型的量化交易策略，原因在于西蒙斯的早期合伙人鲍姆是隐马尔科夫模型估计算法的

创始人之一，同时文艺复兴科技公司招聘了大量的语音识别专家，隐马尔科夫模型正

是语音识别领域的一个重要技术工具。

虽然大部分的量化对冲基金正在使用的交易策略都或多或少的进行保密，但是仍

然有一些量化交易策略在多年的使用后开始慢慢为外界所熟知，统计套利就是其中之

一。这个策略的概念最早产生于摩根斯坦利，当时的做法也被称为配对交易，实际上

就是使用统计的方法选取一对历史价格走势相似的股票，当两支股票之间的价格差距

变大、超出一定阈值之后，就分别做多和做空这两支股票，依靠该价格差在随后的时

间里回归到正常水平来获取收益。由于这种量化交易策略既源自于统计分析、又存在

等待价差回归的套利特性，因此被称之为统计套利。而随着对这类交易策略的进一步

深入研究，统计套利策略目前已经远远超出了配对交易的范畴，变得更加的复杂和多

样化。

肖曾经是摩根斯坦利这个统计套利交易组的成员之一，他于 1980 年在斯坦福大

学获得计算机博士学位，随后留校进行学术研究。肖在 1986 年加入摩根斯坦利后负

责该组的技术部门，但是在两年之后、如同统计套利的首创者班伯格 ① 一样、由于政

治斗争等原因从公司离职，并创立了自己的德劭基金公司。结合了肖的大规模并行计

算研究背景和在摩根斯坦利接触到的统计量化策略，德劭基金公司利用计算机量化模

型作为主要的策略进行交易并取得了巨大的成功。值得一提的时，肖在对冲基金领域

扎根之后，仍然不忘科学研究，其成立的德劭研究公司致力于通过强大的计算机硬、

软件能力在分子动力学模拟等生化科研领域取得前沿性进展。这与阿斯内斯一直在金

融杂志上发表学术论文的行为，相映成趣，当然肖的学术研究相对而言可能更为极客

一些。

相比起统计套利，传统意义上的套利策略是一个更为人熟知、更经典的量化交易

策略。实际上现代金融框架的一部分都是基于“无套利”这样一个假设原则建立起来

的，可见套利策略的深入人心与重要性。如果说统计套利的重点在于刻画和预测多个

资产间的统计关系，那么传统套利可能就更重注于各个资产的价值计算，以及策略执

行时的交易成本估计和优化。只不过量化交易策略进化到现在，统计套利和传统的套

利策略已经是互相渗透、互相融合的了。以计算机能力见长的德劭基金公司，对这两

种套利策略应该都是有所涉及的。

说起套利，不得不提到长期资本管理公司。这家公司的阵容十分豪华，包括债券

套利的先驱梅里韦瑟、两位诺贝尔奖获得者莫顿和斯科尔斯、美联储副主席穆林斯等

诸多顶级从业者，主要从事的正是债券的量化套利交易，当然其中也会包含一些其他

形式策略的成分。公司成立的前三年间表现非常出色，但是在 1998 年俄罗斯国债违

约之后，相关的连锁反应使得公司产生巨大亏损，在美联储的干预下被华尔街几家公

司出资接管，形同倒闭。实际上，长期资本管理公司在俄罗斯债券上的损失本身并不

大，但是许多大金融机构在亏损环境下必须保证足够的资本量，因此通过出售流动性

较好的七大工业国债券等资产来减低风险、增加资本，全球主要债券价格在卖出压力

下大幅下跌，波动巨大，这才导致了杠杆极大的长期资本管理公司在债券套利上产生

巨额亏损。

这里谈及长期资本管理公司，决然不是为了说明套利策略的缺陷，或是用一个失

败的量化交易特例，来衬托其他量化交易公司的成功。实际上，套利策略是一个具有

内在金融逻辑的优秀交易策略，只不过任何量化策略都难以完整的考虑到所有可能出

现的情况，长期资本管理公司也正是被一个极端事件的连锁效应所击倒。一个量化交

易的研究者和从业者，首先应该具有概率、统计的思维方式，应该理解任何有概率的

事情都是可能发生的。对于交易这个行当而言，不到退出市场的一刻，永远都存在着

失败的可能，拥有再光鲜的历史业绩也无法摆脱这一事实，而且光鲜业绩本身可能也

只是大样本下的一个幸运个体而已。

套利策略中一个非常重要的部分就是对交易成本进行判断，同时尽可能的减小交

易成本，从而保证足够的套利空间。随着交易电子化的不断发展，以及美国证监会“另

类交易系统规定”等法案的推出，交易策略的自动执行也在持续的发展和演化。在这

样急速更新的市场环境下，开始出现一些相应的量化技术，例如通过订单拆分来减小

市场冲击成本的算法交易等等。更为人熟知的是高频交易这个概念，交易的执行者通

过计算机下单、将策略执行部件放置于距离交易所主机更近的地理位置上、交易订单

直通交易所等手段，从时间延迟等层面减小了价格变动带来的交易成本，从而增加套

利空间。。