什么是量化交易？

量化交易，通常称为量化交易，是一种利用数据、数学模型和预定义规则做出交易决策的方法。交易者提出一个假设，将其转化为可测量的条件，用历史数据对其进行测试，然后使用生成的模型来识别或执行交易。该过程可以部分手动或高度自动化。

关键思想是纪律：系统根据明确的输入和规则做出决定，而不是主要对新闻、本能或情绪做出反应。这并不能使量化交易变得可预测或无风险。模型可以适应过去，但在现实市场中却会失败，而且自动错误会迅速传播。因此，量化交易既是为了寻找机会，也是为了测试和风险控制。

量化交易如何运作

定量策略从一个具体问题开始。例如：异常大幅度的短期价格走势是否倾向于逆转，或者既定趋势是否倾向于持续？然后，研究人员定义市场、数据、时间范围、进入条件、退出条件和风险限额。

典型的工作流程有六个阶段：

1. 形成假设。 清楚地陈述所提议的市场行为以反驳它。
2. 收集和清理数据。 检查缺失值、不一致的时间戳、重复观察以及在模拟决策时不可用的信息。
3. 构建模型。 将假设转换为计算结果和明确的交易规则。
4. 回测。 将这些规则应用于历史数据，同时考虑实际成本和执行约束。
5. 验证它。 使用未用于开发模型的数据测试模型，并检查它在不同假设下的表现。
6. 部署并监控它。 谨慎交易，将实时行为与测试进行比较，如果系统性能或输入偏离预期，则暂停系统。

考虑一个简化的均值回归模型。它可能会计算资产的近期平均价格，测量当前价格与该平均值的偏离程度，并在偏差超过阈值时产生信号。这个规则听起来很简单，但一个可用的系统仍然必须决定交易量、何时退出、在市场剧烈波动期间做什么，以及预期收益是否足以覆盖成本。

定量系统的核心组件

量化交易结合了几个层次。强大的信号无法无限期地弥补不良数据、不切实际的测试或不受控制的执行。

数据和信号

价格、交易量、波动性、公司信息、经济观察和其他结构化输入都可以在定量过程中使用。数据越多并不一定越好。相关问题是数据是否可靠，在建模时是否真正可用，以及是否在成本和复杂性之后添加了信息。

信号是将这些输入映射到预期操作的规则。它可以对资产进行排名、估计相对价值、识别趋势或标记不寻常的关系。信号是估计值，而不是确定性信号，因此它们通常与头寸规模和风险规则相结合。

回测和验证

回测是模拟，而不是实时结果。它对于理解规则在指定假设下的行为方式很有用，但它可能会因以下几个问题而被扭曲：- **过度拟合：**调整模型，直到它解释一个数据集的随机特征。

• **前瞻偏差：**允许测试使用交易发生时不可用的信息。
• 选择偏差： 仅研究幸存或后来看起来有前途的资产或时期。
• 不切实际的执行： 假设每个订单立即以所需价格成交。
• 忽略成本： 忽略佣金、利差、市场影响、借贷费用或相关税费。

将开发数据与验证数据分开会有所帮助，但并不能消除不确定性。反复检查验证期可以有效地将其变成另一个训练集。

常见量化交易策略

战略标签描述了一个广泛的想法，而不是一个现成的公式。同一类别的两个模型可能使用不同的数据、持有期限、工具和风险限额。

均值回归

均值回归策略假设一些异常宽的价格或估值偏差可能会缩小。例如，配对模型可以监控两个历史上相关的工具，并在它们的关系超出定义的范围时进行交易。主要的危险是将永久性的变化误认为是暂时的偏差。

趋势跟踪

趋势模型寻求参与持续的向上或向下运动。信号可能基于所选窗口的回报、移动平均线或突破。当市场反复逆转方向而没有建立持久趋势时，这些系统可能会陷入困境。

统计套利

统计套利使用模型来识别一组工具的相对错误定价。可以构建头寸，以减少广泛的市场风险，同时模型针对资产之间的差异。 “套利”一词不应被理解为“保证利润”：预计的关系可能会破裂，执行可能会不均匀，并且仍然有可能发生损失。

做市

做市方法公布愿意买卖的价格，在管理库存的同时寻求供应流动性的补偿。其风险包括逆向选择、价格快速变化以及积累不需要的头寸。

高频交易

高频交易是一种在极短时间范围内运行的自动化交易的特殊形式。它在很大程度上取决于基础设施、执行设计、监控和控制。它不仅仅是初学者交易脚本的更快版本。 FINRA 指出，随着算法和高频策略变得更加普遍，它们影响市场和公司稳定性的潜力也随之增加，强调了监督和控制的重要性（FINRA）。

量化交易与算法交易

这些术语重叠但强调不同的事物。

量化交易侧重于使用数值分析和模型来生成决策。 算法交易侧重于使用编程指令来执行或管理订单。定量模型可以生成人们在交易前查看的信号。相反，执行算法可能会将人类决定的订单分成更小的部分，而不决定投资本身是否有吸引力。

在实践中，许多系统都同时执行这两种操作：模型选择交易，软件执行交易。保持清晰的区别有助于初学者避免假设任何自动订单都是复杂的定量策略，或者每个定量分析都必须自动交易。