近期,被频频贴上“砸盘元凶”、“助涨杀跌”、“割韭菜”等标签的量化投资基金们又站在了风口浪尖之上,一时成为众矢之的,深陷舆论漩涡。


(资料图)

而这一系列事件的起因,则主要因为大盘的一次高开低走与一只上市新股的快速下跌。

8月28日,受到周末印花税减半和证监会一系列利好措施的推出,周一大盘如预期大幅高开,不过此后却是一路走低,虽然最终三大指数保住了大约1%的涨幅,但各自K线图上却留下了一根大大的阴线,也与之前两次降印花税(2008年4月、9月连降两次印花税当天都收到了9%以上的涨幅)后的市场表现有着显著的差异。

图源:Choice

只坚持了1分钟的牛市,与绝大多数投资者们的预期相差实在过大,也让市场的情绪一度变得暴躁起来。越来越多的人站出来表示,在早上高开之后遭遇了有计划的“系统性”砸盘,所以本次收出巨大的阴线都该归咎于量化基金的砸盘,并称量化T+0策略是A股冲高回落的重要原因。

而在不久之后,一只上市新股金帝股份在上市首日便被融券做空,也被指认为是量化基金融券后的“杰作”,更是进一步激发了中小投资者的愤愤不平之情。

一时间,“量化毒瘤不除,普通股民难盈利”、“量化基金是今天砸盘主力军”此类的指责甚嚣尘上,直指量化为普通投资者们的“绝户网”,呼吁证监会等监管机构严查取缔相关量化基金与机构。

而量化基金们也并不是甘于“接锅”的主,面对近期颇多关于量化投资的负面消息,他们选择集体驳斥“量化砸盘论”。

据21世纪经济报道,代表人物如九坤投资创始人王琛、灵均投资董事长蔡枚杰等,他们在8月28日夜间转发了一篇“量化才是大A脊梁”的相关文章,并配文:“中国量化已经承受了太多莫须有的恶意,说量化砸盘纯属无知”,“永远满仓的中国量化基金,才是大A的脊梁。”8月29日上午,靖奇投资在其官方公众号发布文章《对不起,是量化的错!》称:“我们是量化,我们是最坚定的做多者,永远满仓热泪盈眶,不背锅。”

图源:靖奇投资官微

那么,一直在被两方指责与澄清之间的量化交易究竟是什么?具体的应用场景与交易算法有哪些?对于监管机构与普通投资者们来说,又有哪些启示呢?

1

量化交易,其实并不神秘

实际上,披着“高精尖”的神秘外衣的量化交易同时被神话和被误解的一大重要原因,是其在我国的发展时间不长但发展速度飞快。普通投资者们还处于对其“一知半解”的地步,但机构交易者们已经将其视作日常交易的最好"执行者"了。

但实际上,量化交易的概念十分简单,是指基于对资本市场中的特征变量进行数量化分析,并以此作为依据的交易模式。

更具体地来说,便是指运用计算机程序来进行市场和产品分析、组合管理、策略选择、选股、择时以及报单执行等,以自动化或半自动化方式买入、卖出或者同时买入、卖出一定数量证券的交易技术和交易行为。

举个最简单的例子,一位投资者发现了出现某一形态特征的证券或商品期货,在未来大概率上涨或下跌,有足够的空间获取利润,但单凭人力想从数量如海一样的标的中选择无异于痴人说梦,便将这份繁杂的工作交给了计算机,要求它按照投资者已有的构思去筛选、投资,而这便是最基础的量化算法与量化交易了。

如此智慧的投资助手的成长,其实也是受益于计算机技术水平与金融市场的快速发展,才得以有了当前的强大能力。截至目前,我们可以将量化交易的发展分为四个阶段。

其中,最早的量化交易系统是由纽约证券交易所于上世纪70年代开发的订单转送及成交回报系统,并在20世纪八十年代中崭露头角。在早期阶段,这些交易方式主要是基于技术分析的方法,即利用历史价格和成交量等数据来预测未来市场走势,并由于计算机技术的不发达,该阶段中量化交易的执行则主要依赖手动操作。

随着计算机技术的快速发展,量化交易也坐上了发展的“快车”,开始使用计算机程序来执行交易策略,利用数学模型和统计分析方法对市场进行分析和预测,以实现自动化交易。这些策略通常基于技术分析、量化模型和算法,其优点是能够快速反应市场变化,提高交易效率和准确性。

在进入新世纪后,高速计算机和快速数据传输技术出现,相应的高频交易策略也随之进入大众视野,该类交易策略利用大量的快速交易,有着准确性高、交易速度快的优点。

而自2010年至今,随着人工智能和机器学习技术的快速发展,量化交易开始采用更复杂的模型和算法来进行交易决策。人工智能可以通过自行学习历史数据和市场信息,调整交易策略,提高交易效率和准确性。

总的来说,量化交易的发展史是一个伴随着技术与市场状况不断升级、演化与创新的过程,伴随着计算机能力的继续开拓与金融市场的不断完善,量化交易在未来势必会发挥更加重要的作用。

而在国内A股市场,量化交易出现晚、发展速度快的特征更是被加速放大。

随着中国金融市场逐渐开放,证券交易所开始引入电子交易系统,这为量化交易的发展提供了基础。2005年,中国证券监督管理委员会发布了相关条例,允许证券公司开展自营交易业务,为量化交易的发展创造了机会。此后,“沪港通”与“深港通”等跨境交易机制的放开,为量化交易提供了更大的舞台。

但在2015年中国股市的大幅波动后,量化交易行业收紧,监管部门进行了一系列的规范和监管,加强了对量化交易的监管和风险控制。但在2018年后,随着中国证券市场化改革,越来越多的国内外对冲基金、算法交易机构、自营商开始涌入中国的量化交易市场,推动了行业的发展。

而截至目前,中国的算法交易市场已经成为全球最大的算法交易市场之一。

据浙商证券研究所,截至2023年9月7日,市场中备案的私募管理人达8523家,其中以量化策略为主的共计1090家,在所有私募管理人中占比约为12.79%;现有百亿级别的私募基金共计109家,其中25家为百亿量化私募,在百亿私募中占比约22.9%。

图源:朝阳永续、浙商证券研究所

那么,在全球最大的算法交易市场中,量化交易单单被用作追涨杀跌“割韭菜”吗?在博取收益中,量化交易有哪些策略?在博取单向收益外,量化交易还有哪些金融市场上的应用呢?

2

量化交易,并不只是“镰刀”

量化交易中的各类策略,可以被明确地分为获取单向收益、获取对冲收益与实现其他市场目的三类。

在博取单向收益的量化交易中,高频交易是其中一种十分经典的交易策略。其核心在于利用计算机算法进行交易决策,并以极高的速度执行;通过市场中快速价格波动和交易机会来执行大量交易获取利润。

此类交易的优势在于其通过快速执行和高度的自动化,迅速识别市场中的价格差异、套利机会和流动性需求,并几乎同时进行完成交易。这种快速反应能力使得高频交易者能够在市场中获得更 好的交易价格,并且能够在价格变动之前迅速退出或调整仓位。

一些常见的高频交易策略包括流动性回扣交易、猎物算法交易和自动做市商策略等。

以猎物交易算法为例,作为高频交易中常用的算法策略,该策略通过制造人为的价格来诱使投资者提高买入价格或降低卖出价格,利用市场中的流动性提供者(即猎物) 的订单来获取利润。

举例来说,假设一名投资者想要买入证券,心理成交价格介于15至15.1元之间,猎物算法交易商便开始了“捕猎”:在计算机确认价格为15元的算法报单的存在后,猎物交易算法程序会逐渐报出价格为15.01、15.02的买单,引诱投资者继续追逐,并在多轮引诱中迫使投资者逐渐调高买单价格,并逐渐将价格抬升至投资者心理预期上限,获取更多收益。

而其他高频交易策略虽然构建方式不同,但均是依靠计算机与网络强大性能与快速的报单实现目的的,这也导致许多高频量化交易机构为了更快地报单而选择“举家搬迁”至距离交易所很近的地方。

而在为了博取单向收益外,稳健收益中以套利和对冲为目的的量化策略也有许多。

在经济学领域中,货币学派的代表人物米尔顿·弗里德曼曾在1953年时提出了一价定律,即当贸易开放且交易费用为零时,同样的货物无论在何地销售,用同一货币来表示的货物价格都应当相同。

这一定律中蕴含的便是套利策略的核心思想,即通过捕捉同一交易品种在市场中定价错误的机会,以低卖高卖的形式进行盈利,而非仅关注资产价格的单向变动。

量化交易的出现,让套利策略到达了市场“触手可及”的地方,具体来说,在期货市场中,无论是同一市场同一品种的跨期套利,还是同一市场中隐含一定价格关系的不同品种间的套利,抑或者是不同市场间的套利,在计算机的监测之下都变得十分简单。

此外,随着技术的不断进步,可转债市场套利、基金市场套利、期权套利等其他各类套利策略也层出不穷,量化套利基金也成为了市场事实上的“维护者”之一。

而对冲策略便更加容易理解,无论是整个市场指数、行业指数或是具体投资标的间的波动差均会发生变化,而对冲便是在波动中赚取两个标的物之间的价差,在量化交易出现之前,单凭交易员的能力绝无可能寻找到足够多、足够准确的交易机会,而在计算机能力的演进与策略的不断开发下,低风险的套利交易也成为了诸多交易方法中可低成本实现的一种。

图源:Choice

此外,在参与市场交易获取收益外,量化在金融市场中还被普遍用于降低市场冲击成本。

以大股东减持为例,对于每日的市场交易额来说,如果将减持部分一次性卖出,将会对公司股价造成十分严重的影响,此时,如何在对市场影响最小的前提下完成减持,便成为了量化交易要解决的问题。

其中比较有代表性的策略为冰山策略,也被称作“隐藏订单策略”。其核心是通过分批进行交易来隐藏大额订单,以避免对市场价格造成过大的冲击。冰山策略通常由专业的交易者和机构投资者使用,该类投资者通常需要处理大额订单。通过分批进行交易可以逐步进入或退出市场,以减少对市场价格的影响。同时,该策略还可以用于隐藏交易者的真实意图,以防止其他交易者利用这些信息来操纵市场。

而目前,几乎所有的券商都为其高端客户提供了此类功能,无论是在减持还是增持之时,都能减少对市场的冲击,更提供精准的交易方案。

在这三类交易目的外,实际上量化交易还有许多交易方向,其下涵盖了更多的交易策略。可以说,当前量化交易正是伴随着中国资本市场的成熟而快速成长。但如此快速的发展,自然会引来一系列监管上的问题。那么对于监管机构来说,如何能“修理”量化交易的枝叶,对于普通投资者来说,又该怎样拥抱量化呢?

3

量化应该被监管,更应该被学习

对于量化交易,其自身自出现以来便存在的问题就有策略趋同、交易公平难以保证、劣质市场流动性等,相应地,也将带来诸多监管上的挑战。

其中,策略趋同主要考虑的是金融市场系统性风险的问题,因为交易策略趋同存在传导效应,随着量化交易规模的扩大,某一方向的量化交易者会在极短的时间里出现合力,导致市场暴涨暴跌。

据浙商证券研究,2010年5月6日道琼斯工业指数盘中暴跌近1000点,创下盘中点数跌幅纪录。根据美国证监会(SEC)出具的调查报告,止损订单的接连触发成为导致“闪电崩盘”(flash crash)的主要原因之一,量化交易引发的连锁反应使得指数在瞬间暴跌。

而从交易公平性来讲,许多量化交易需要依靠高性能的计算机与网络,这对普通投资者来说是无法接触的,从客观上拉大了机构与普通交易者之间的差距,导致了不公现象的发生。

此外,有许多量化基金认为自身为市场提供了足够的流动性,但学术界有观点认为量化交易所带来的流动性并不是一种“好”的流动性,因为其总是在市场表现不好的时候迅速消失。同时,对于发达市场来说,由于市场的联动性极高,高频交易对各交易所,乃至期货和现货等不同市场间会产生共振影响,甚至造成连锁反应。

而在监管方面,证监会几乎每年都会发布指导意见、监管指引等文件规范量化交易,并且“出手”抓人的案例也屡见不鲜了,在8月底的事件过后,也紧急制定并发布了《关于股票程序化交易报告工作有关事项的通知》《关于加强程序化交易管理有关事项的通知》。

该新规首先规定了量化交易的透明度,要求量化基金按时报备其交易策略,让监管机构可以及时“理解”并完成监督。此外,还要求量化基金自查提高风险管理,必须建立完善的风险管理体系,包括对交易策略的风险评估、对交易行为的风险监控等。最后,则对市场“危害”最大的部分高频交易行为进行了限制,最高申报速率在每秒300笔以上或者单日最高申报笔数在 20000 笔以上的交易行为需要提前申报,批准后方可进行。

但这也并不意味着量化基金从此之后便能被“关”在笼子里。作为快速成长的金融市场里面的赚钱利器,永远会有人逾越道德与法律的底线。伴随着技术的突破,相关的监管部门与监管方法也需要与时俱进。

可以说,量化的监管,道阻且长啊。

而对于普通投资者来说,量化也并不一定只能为专业机构和专业投资者所用,只要拥有一定的知识,普通投资者也可以涉足。

首先,最重要便是一个适合的量化策略,实际上一个合适的量化策略并不一定需要复杂的数学模型与各类算法,一个简单易懂且容易执行的策略更加适合普通投资者,例如简单的均线策略,便是其中之一。

其次,投资者们需要一个可靠的数据来源,数据的准确性与及时性,很大程度上决定了量化策略的成功与否。

最后,普通投资者们更需要的是耐心与长久的投资视野,量化并不是能让人一夜暴富的利器,而是能以一个无比冷静的视角去注视着整个市场。而如果都能做到这些,很多投资人,都有望借量化的能力,实现稳定的财富增长。

4

写在最后

量化交易,作为技术与市场共同向前的产物,更像是一把极为锋利双刃剑。它的存在,一方面为投资者提供了更加科学、高效的投资方式,另一方面也带来了诸多潜在的风险。

在这个充满变革与竞争的金融市场中,量化交易已经成为了一种无法忽视的力量。然而,如何正确运用这把双刃剑,使其发挥出最大的价值,同时避免可能带来的负面影响,是每一个投资者和市场参与者都需要深入思考的问题。

对于量化基金管理人而言,如何能减少甚至杜绝零和博弈,在不违反道德法律的前提下与市场走的更远,是他们需要思考的目标。对于监管机构来说,怎样抓住每一只“伸出笼子的手”,将新技术放置于监管的视野之下,是监管人员需要长期学习、跟踪的问题。而对于投资者而言,主动学习、拥抱新技术,方可保证自身成长,避免在这个本就充满变革与竞争的金融市场中被淘汰。

但好在监管与投资人都在努力学习、快速成长,相信在未来针对于量化的讨论将越来越多,谩骂将越来越少。中国资本市场也在这众多不解与彷徨中,真正长大,迈向成熟。

参考资料:1.《量化不是恶魔,融券也不是妖孽》,二叔说市;

2.《永远满仓,永远“热泪盈眶”?当市场又喊量化背锅》,中国证券报;

3.《普通投资者需要怎么样的量化?》,品优价研;

4.《这钱好赚吗?/聊聊对冲与套利(1)》,土师;

5.《量化交易:算法原理、类型与发展史》,浙商证券。

推荐内容