目錄
1. 量化交易系統框架
下圖簡要描述了量化交易系統框架的主要組成部分。
量化交易系統主要包括三個模塊，即阿爾法模型（alpha model）、風險模型(risk model)和交易成本模型（transaction cost model）。這三個模型構成了投資組合構建模型（portofolio construction model）的輸入，最後輸出的投資組合被傳遞到執行模型，並通過研究被不斷優化。
其中，阿爾法模型旨在推測寬客所考慮交易的金融產品的未來趨勢以及盈利的可能。風險模型旨在幫助寬客控制不太可能帶來收益但會造成損失的敞口規模。交易成本模型用於幫助確定從目前的投資組合遷移到新的投資組合的交易成本。
投資組合構建模型將前三者作爲輸入變量，在追求利潤、控制風險和成本間進行平衡，從而確定最佳投資組合。構建模型輸出決策之後，執行模型將目前的投資組合與目標投資組合進行比較，根據兩者之間的差異來執行所需要的交易。
最後，數據和研究也是量化交易系統不可忽略的兩個重要部分，貫穿了整個交易系統的每一個部分。
2. 阿爾法模型
2.1 阿爾法模型的定義
通常來說，阿爾法是指扣除市場基準回報之後的投資回報率，可以理解爲是僅由投資策略帶來的收益，用希臘字母α表示。由於市場本身因素帶來的回報率，即與投資者的投資策略無關的這一部分收益，被稱爲貝塔收益，用希臘字母β表示。因此，阿爾法模型就是爲了增加阿爾法收益，在投資過程中所使用的一系列技巧和策略。在書中給出了阿爾法模型的一種非常規定義，即“在交易中關於買賣時機把握和持有頭寸選擇的技巧”。
2.2 阿爾法模型的分類
阿爾法模型主要可以劃分爲理論驅動型和數據驅動型。此外，混合型阿爾法模型將兩種或多種阿爾法模型結合起來，試圖通過綜合考慮多種模型的預測結果以提升預測效果。
經驗性科學家通過觀察市場的變化，試圖總結出一般性的規律和普適性的理論來解釋市場行爲，並通過過市場數據來驗證他們的想法和理論。這樣得到的就是理論驅動型阿爾法模型。
另一部分人則認爲，即使不對市場行爲進行理論性的解釋，通過過合理使用技術性的手段，我們也可以挖掘出隱藏在海量數據中的模式和規律，以及它們與市場行爲之間的對應關係。這樣僅僅通過數據分析方法，而不上升到理論層面而得到的就是數據驅動型阿爾法模型。
2.2.1 理論驅動型阿爾法模型
根據策略所依賴的數據類型，理論驅動型阿爾法模型可以進一步劃分爲依賴於價格數據的趨勢型策略和均值回覆型策略，以及依賴於基本面數據的價值型/收益型、成長型和品質型。最後比較特殊的一類是技術情緒型策略。
2.2.1.1 基於價格數據的交易策略
價格數據包括金融產品價格以及其他可以從交易行爲中提取到的信息，比如交易時間和交易量。試圖預測價格數據並從中獲利的寬客，通常是在分析以下兩種現象之一。一是已有的趨勢是否會繼續延續下去，二是目前的趨勢是否會反轉。前者稱爲趨勢跟隨策略（trend following）或者動量策略（momentum），後者稱爲均值回覆策略（mean reversion）。
趨勢跟隨策略的基本假設是“在一定時間內市場通常是朝着同一方向變化”。其基本經濟學原理支撐是市場均衡理論。趨勢跟隨者試圖尋找某種金融產品價格在預期方向上的顯著變化，因此其絕大部分風險在於市場上價格的快速上下波動。
移動平均線交叉指標（moving average crossover indicator）是定義趨勢的一種重要方法。當短期均線位於長期均線之下時，認爲市場處於下跌趨勢；反之則認爲市場處於上漲趨勢。
與趨勢跟隨策略相反，均值回覆策略認爲“價格終將會沿着已有趨勢的反方向運動”，而不可能一直延續已有趨勢。市場供需間的短期不均衡，比如超買和超賣現象，在一定程度上可以解釋均值回覆策略的合理性。統計套利策略是均值回覆策略最著名的應用之一。
趨勢跟隨策略和均值回覆策略雖然在理論上是完全相反的，但是在實際應用中都能奏效。我們不需要在同一投資期限內構建這兩種投資策略。一般來說，趨勢通常在較長的投資期限上延續，而均值回覆通常適用於短期投資期限。
技術情緒類策略主要通過追蹤投資者情緒相關指標來預測預期回報。這些指標通常包括交易價格、交易量以及波動性指標。因此也可以被認爲是基於價格數據的一類交易策略。
2.2.1.2 基於基本面數據的交易策略
基本面數據泛指除了價格數據以外的其他所有的有用信息。依賴於基本面數據的策略主要包括價值型/收益型（value/yield）、成長型（growth）和品質型（quality）。
價值型策略的基本理念是“收益率越高，價格越低”。通常價值型策略被認爲就是低價買入的策略，實際上，價值性投資策略認爲，市場傾向於高估高風險資產的風險，而低估低風險資產的風險。因此，在合適的時機買入高風險資產或賣出低風險資產，可以獲得收益。
寬客用於度量資產價值的指標絕大部分是一些基本面數據與資產價格的比率或者它們的倒數。比如市盈率（P/E）的倒數，又稱之爲盈利收益率（earnings yield），又比如股息收益率（dividend yield），以及稅息折舊及攤銷前利潤（EBITDA）對企業價值（EV）的比率。利差交易（carry trade）是價值型/收益型策略的重要應用之一。通過買入估值過低的證券並賣出估值過高的證券，投資者可以從中獲利。
成長型策略試圖通過對所考慮資產以往的增長水平進行分析進而對未來的走勢進行預測。成長性策略認爲，在其他條件都相同的情況下，“應該買入價格正在快速上漲的產品而賣出價格漲幅較慢甚至負增長的產品”。常用的成長性的度量指標比如市盈率相對盈利增長比率（PEG）。PEG越低，股價被低估的可能性越大。
使用品質型策略的交易者認爲，在其他條件都相同的情況下，應該買入或持有“高品質”的產品而做空或減少持有“低品質”的產品。品質型策略看重的是資金的安全性。
一般地，衡量資產品質的指標可以分爲五大類。第一類是槓桿比率（leverage），比如債務股本比。第二類指標是收入來源的多樣性，比如公司收入的波動率（volatility of revenue）。第三類是公司領導團隊的管理水平（management quality）。第四類指標是欺詐風險（fraud risk），比如量化股票多空策略中的收益質量。最後一類是有關投資者對產品發行方實力的情緒性策略，通常關注於與以上四類指標相關的前瞻性評估。
2.2.2 數據驅動型阿爾法模型
與理論驅動型策略相比，數據驅動型阿爾法模型具有兩大優勢。一是由於數據挖掘的技術挑戰性，進入門檻較高，因此市場上少有競爭者。二是數據驅動型策略可以發掘出一些市場行爲，即使目前尚未有成型的理論能夠對它們進行解釋。
基本上，使用數據挖掘策略的寬客都是首先觀察目前的市場環境，然後在歷史數據中尋找類似的環境，來衡量市場接下類的幾種走勢的出現概率。在這一過程中，需要搞清楚的主要有如下問題：
如何定義“目前的市場環境”？
如何定義“相似”？
如何確定歷史數據的回溯時間段？
使用什麼搜索算法尋找“相似”模式？
算法採用什麼方法來給出未來各種可能情況的概率？
此外，一般地，由於樣本量越大，結論越可靠，但是計算量也越大；越近期的數據越相關，同時波動性也可能越大，等等。因此，需要權衡的因素也很多。
2.3 實施策略的方式
雖然重要的阿爾法模型數量並不太多，但是寬客實施其策略的方式卻多種個多樣。主要值得關注的方面包括預測目標、投資期限、投注結構、投資範圍、模型設定以及運行頻率等。
阿爾法模型可用於預測方向（上升或下降）、幅度、運動的持續時間，甚至預測目標的概率和置信度。信號強度（signal strength）是量化模型的一個重要指標，可以定義爲預期收益與置信度的乘積。
阿爾法模型實施的第二個關鍵因素是投資期限。在不同的投資期限上採用相同的策略，有可能產生截然不同甚至完全相反的效果。通常，較短投資期限上的收益差別要大於較長投資期限的情形。這主要是因爲短期投資期限上交易的頻率往往很高。
阿爾法模型即可以預測金融產品自身的信息，也可以預測相對於其他產品的信息。在進行相對預測時，可以選擇預測小類，比如配對金融產品，也可以選擇預測大類，比如依據市場板塊對股票進行分類或分組。
寬客對投資範圍的第一個選擇是地理範圍（geography）。一個適用於美國股市的策略不一定適合香港股市。第二個是資產種類（asset class）。寬客必須確定每個策略適用的資產種類，比如外匯、股指。第三個是產品類別（instrument class）。不同產品的參與者性質和流動性特質都各不相同。
關於模型設定，很重要的一點是模型參數設定。比如趨勢策略中移動平均方法中天數的選擇，又比如對模型進行調整（refitting）的頻率。很多寬客在模型中使用條件變量，比如止損和止盈策略。
運行頻率（run frequency）是指模型尋找新的交易機會的頻率。提高運行頻率意味着更多的交易機會，同時也意味着更高的交易成本。另一方面，低頻率的大宗交易會對市場既有結構造成很大的衝擊，同時也容易錯失良機。
最後，對於某一種策略，按照兩種預測目標（方向和振幅）、四種投資期限（高頻、短線、中線和長線）、兩種投注結構（絕對型和相對型）、四種資產類型（股票、債券、貨幣和商品），就可以得到64中不同的策略實施組合。
Reference:
《打開量化投資的黑箱》，Rishi K. Narang