美章网 精品范文 金融量化策略范文

金融量化策略范文

前言:我们精心挑选了数篇优质金融量化策略文章,供您阅读参考。期待这些文章能为您带来启发,助您在写作的道路上更上一层楼。

金融量化策略

第1篇

一、不良资产证券化的意义

资产证券化作为国际上不良资产处置的重要方式,在金融市场上发挥着越来越重要的作用。不良资产证券化是以不良资产的产权所有人作为发起人,以不良资产的处置收益作为偿本付息的担保,并以此担保发行证券进行融资的过程。当前,我国银行的巨额不良资产已经对金融稳定和社会发展造成了不良影响,严重影响了商业银行的健康发展。当前金融资产管理公司全面实施不良资产证券化业务,对于化解金融风险,维护金融市场的稳定,引领融资方式的变革,促进资本市场的有序发展具有重要意义。

1.盘活金融资产管理公司资产,增强抵御风险的能力

不良资产证券化为金融资产管理公司开辟了新的融资渠道,在不增加现有负债的情况下提前收回贷款资金,加速了资金回笼速度,提高了流动性水平。另外,缓解了金融资产管理公司资产增加过快带来的筹资成本的压力,有助于增强商业银行抵御风险的能力。

2.提升不良资产的处置速度,加强流动性管理

不良资产证券化能够将不良资产转化成流动性较强的现金或者债券,将金融风险大大分散和转移,增强了不良资产的流动性,拓宽了不良资产处置的资金来源,实现的发行收入可以缓解金融资产管理公司的现金流量压力,进而增强了金融资产管理公司处置不良资产的积极性,也有利于进行流动性管理。在资产证券化的过程中,不良资产的处置具有透明性和公开化,可以使金融资产管理公司规避道德风险。

3.促进资源优化配置,加快国有企业改革

不良资产证券化是金融市场上的一种创新工具,不良资产证券化对于改善当前市场结构,满足投资者日益正常的多样化的需求,提升市场的运行效率,进而达到优化资源配置的目的都具有重要意义。不良资产证券化的实施,能够大大减轻了国有企业的债务负担,对于加快国有企业的改革,加快建立现代企业制度,增强国有企业的竞争力具有重要意义。

二、当前不良资产资产证券化存在的问题

1.不良资产证券化相关法律法规不健全

近年来,我国的法律法规体系不断完善,为不良资产证券化的实施提供了法律保障。但是,不良资产证券化作为金融市场的新鲜事物,在实施的过程中还存在着较多的法律障碍。特设交易载体(SPV)作为证券化交易的中介,其特点是不需要较大的资金投入,对经营场所也没有严格限制,造成了有些公司基于成本的考虑,投入较少形成了“空壳公司”,对于这种实体,我国《公司法》及相关法律没有明确的规定。目前,不良资产证券化缺乏相关的法律法规作为保障,有些法律法规缺乏可操作性的细则,甚至有些规定还会阻碍不良资产证券化的顺利进行。

2.无法组建合规的资产池

当前我国金融资产管理公司持有的不良资产与国外用于证券化的资产质量相比差距太远。我国的金融资产管理公司持有的不良资产是真正意义的不良资产,未来获取稳定现金流的不确定性风险较高。因此,当前我国不良资产证券化的标的资产池中资产“良莠不齐”,使得开展资产证券化的效果大打折扣,因此,当前要对金融资产管理公司的不良资产要进行适当的分类,剔除获取未来现金流较小可能性的不良资产,只将很有可能获取未来收益的不良资产作为不良资产证券化的标的,从而建立符合证券化要求的资产池。

3.SPV缺位,缺乏规范的金融中介机构

SPV作为资产证券化的核心机构,在资产证券化中起着举足轻重的作用,是资产证券化顺利运行的根本保障。但目前我国还没有具有SPV功能的机构,现行的法律法规下设立SPV还存在不少的问题,也没有具有操作细则的实施方案。另外,在资产证券化实施过程中,一般要进行初始评级和发行评级两次信用评级。但目前我国还没有从事信用评级的高资质的专业机构,现有的资产评估事务所、会计师事务所对于资产证券化方面的评级问题也缺乏一定的运作规范,造成了资产证券化业务很难满足透明、客观、公正等要求。

4.资产证券化市场有效需求不足,缺乏复合型人才

资产证券化作为一种新兴的融资方式,需要有稳定的资金供给和资金来源,但目前中国资本市场上稳定、持续、大量的长期资金较为缺乏,影响了对资产证券化的稳定需求。由于资产证券化业务的复杂性,个人投资者进行投资缺乏专业知识,风险防范能力较弱,无法根据市场变化及时调整策略,因此,资产证券化往往是机构投资者在进行投资。不良资产证券化程序复杂,专业化水平高,技术性较强,在操作过程中会涉及经济、法律等方方面面。但目前,金融资产管理公司这种复合型的人才比较匮乏,这也是造成资产证券化开展缓慢的重要原因。

三、完善金融资产管理公司不良资产证券化的策略

1.完善法律法规体系,为资产证券化提供法律保障

当前,继续推进金融资产管理公司不良资产证券化工作的前提和保障是完善法律法规体系,解决我国资产证券化的诸多法律障碍。根据资产证券化发展的实际情况,可以分阶段,分步骤的进行资产证券化的立法,完善法律法规环境,提高政策的透明度,为资产证券化的实施提供保障。SPV作为资产证券化的核心机构,要进一步明确该机构的法律地位,并对其性质、发行、流通转让等相关制度做出具有可操作性的规定。另外,要加强体制建设,对各类资产证券化业务,包括与资产证券化相关的会计、评估等制度和政策做出明确规定,降低资产证券化的不确定性和交易成本,更好的保护投资者的利益,推动资本市场的发展。

2.规范金融中介,营造良好信用环境

当前,我国的信用体系尚未完全建立,政府担保在市场中扮演着重要角色,专业的金融担保公司出现不久,也不太规范,伴随着不良资产证券化的不断推进,政府在其中的监管者的角色也越来越重要。目前,我国还没有权威性的信用评级机构,政府要积极成立担保机构,通过政府为抵押贷款提供保险,利用外部信用增级手段推动金融创新。从国外的经验来看,资产证券化初期,政府担保等在推进资产证券化方面起到了重要作用,但采用政府担保作为信用增级的手段交易成本较高,因此,随着市场化进程的不断加快,外部信用增级的手段在减弱,利用国外成功资产证券化总结出的内部增级方法是大势所趋。

3.改善交易结构,完善资产市场和定价机制

当前,我国证券市场发展还不成熟,一个良好的交易结构对于降低产品的流动性溢价,增加产品的可交易性,提高产品的竞争力具有重要意义。在不良资产证券化交易过程中可以适当增加提前赎回,产品质押等功能,增强流动性,吸引更多的投资者。另外,资产证券化还需要良好的市场环境来配合。要建立起高效的投资制度,强化内外部评估结合,建立合理、规范、有效的定价机制。最后,随着市场化进程的不断加快,市场化的定价原则要逐步引入到不良资产处置中来,金融资产管理公司要要按照公正、合理的原则具体评估方式,根??项目的具体情况,谈判情况,综合确定资产处置的价格。

4.培养专业复合型人才,丰富理论和实践经验

资产证券化是金融领域的创新,涉及到证券、评估、会计、税务、法律等很多学科和专业,既需要扎实的理论知识,又需要丰富的实践经验,其复杂程度对专业人才的素质提出了很高的要求,目前国内金融资产管理公司缺乏具备高素质的复合型专业人才。今后,在人才培养方面要注重人才的选拔和培训:一是要广泛引进人才,可以从发达国家和地区引进不良资产处置方面的专家,将他们的理论知识和实践经验带入到实践中,二是加大对现有专业人才培养的力度,领导要重视对现有人才的培训力度,着力打造一支专业素养高的人才队伍。另外,资产证券化的参与主体除了金融资产管理公司,还包括中介机构、投资者、监管机构等,这些机构也需要相应的提高各自人才的素质,形成合力才能为不良资产处置打下良好基础。

第2篇

摘 要:本文按照发展经济学的现实价值取向和研究中国区域金融问题的需要,从金融规模总量和金融效率两个方面重新界定了区域金融发展的内涵。在此基础上,研究了中国东北地区区域金融发展的重要特征及其深层次的原因。针对东北地区区域金融发展与经济增长“低均衡”问题,提出了东北地区区域金融深化发展的“两阶段”战略及其相关政策建议。

关键词:区域金融发展;金融规模总量;金融效率 “两阶段”战略

中图分类号:F830 F114.46文献标识码:A

文章编号:1000-176X(2007)04-0048-08

一、区域金融发展的双重规定性:内涵的重新界定

20世纪60年代末期至70年代初,众多国内外经济学家对金融发展途径、金融发展与经济增长关系等问题进行了深入的研究,但是对于“金融发展”的概念本身并没有形成统一的认识。在其后的20多年里,除了后凯恩斯主义的学者们做了一些相关研究外,“金融发展”的概念几乎没有出现更进一步的理论界定。本文借鉴发展经济学中关于经济增长与经济发展的区分,对区域金融发展的内涵进行重新界定。在经济学中,经济增长是指一国或一地区在一定时期、包括产品和劳务在内的产出的增长,经济发展是指随着产出增长而出现的经济、社会和政治结构的变化。前者是一个偏重于数量的概念,而后者是一个既包含数量又包含质量的概念。同样,区域金融发展也具有双重表现,即区域金融的量性增长和质性发展两个方面:一是区域金融总量的扩张,即区域金融资源存量和流量的相对规模,具体表现为区域金融机构数量、资产规模、货币供应量、证券筹资数量等总量指标的增加。二是区域金融效率的提高,即区域金融资源配置效率、金融机构经营效率以及金融市场的运作效率等方面的提高,在中国,它主要包括金融市场化的程度、金融机构的资产质量和效益状况、金融市场的作用、金融创新程度等方面。

区域金融发展是金融规模扩张的量性增长过程和区域金融效率提高的质性发展过程的有机统一。从逻辑顺序上看,量性增长的过程是区域金融发展的初始阶段,数量积累的同时也包含了质性发展的因素,只有规模扩张到一定阶段,才可能促使区域金融效率有一个质的飞跃。如果只有金融总量的扩张而没有金融效率的实质性提高,区域金融发展只能是低层次的数量增长,会反过来影响金融与经济的关系。

二、东北区域金融发展的特征及其原因分析

自1978年中国实施改革开放以来,东北地区的区域金融与经济两者关系始终处于“低均衡”状态,金融甚至在一定程度上阻碍经济的进一步增长。一方面区域金融体系不发达,没有实现规模效应,无法有效地动员储蓄以及促进储蓄向投资转化,从而影响经济的发展,另一方面经济的落后又反过来难以支付金融中介和金融市场的成本,限制了金融体系的发展。在这种循环积累的效应下,存在着区域经济增长停滞、区域金融规模无法扩大甚至消失的趋势,两者逐渐达到相对稳定的均衡,但是这种均衡将使区域经济陷入更落后的不良状态,即“低均衡”状态。根据区域金融发展的双重规定性,本文从金融总量规模和金融效率两个方面,分析东北地区的区域金融发展状况及其重要特征。

(一)区域金融规模总量不足

1.区域金融深化程度相对落后

国内外学者在度量各国的金融发展水平时,通常采用经济货币化或者经济金融化指标,经济货币化用货币存量(M2)与国民生产总值的比值来表示[1],经济金融化用金融资产总量与国民生产总值的比值(即金融相关比率)来表示[2]。但是上述两个指标却无法精确度量区域金融发展水平。一方面,这些指标均是对国家金融发展程度的总体反映,并不适用于研究区域金融发展状况;另一方面,由于中国缺乏各地金融资产和M2的统计数据,这也导致在度量区域金融发展水平时无法直接使用这些指标。相反,由于中国的主要金融资产集中于银行,银行的主要资产是存款和贷款,而使用存贷款数据对区域金融发展水平的代表性在95%以上[3],因此采用存贷款总量与GDP之比值作为区域金融发展水平的指标。为了更加直观地分析中国东北地区的区域金融发展状态,本文将其与长江三角洲、珠江三角洲、环渤海经济带三个增长极进行比较,以便分析该地区与这三个区域的金融发展差距。按照杨德勇等(2006)的区域划分方法,长江三角洲包括上海、江苏和浙江,珠江三角洲包括广东省(含深圳),环渤海经济带包括北京、天津和河北,东北地区包括辽宁、吉林和黑龙江等省,以上四个区域金融相关比率如表1所示。

首先,东北地区金融相关比率除在2001年以前略高于长三角以外,在这四个区域中处于最低水平;其次,从变动趋势上来看,1998―2004年长三角、珠三角和环渤海三个区域分别提高了1.14、0.5和1.7,而东北地区保持相对比较平稳的态势,说明在其他三个区域金融深化快速推进的情况下,东北地区基本处于停滞不前状态;再者,1998―2004年东北地区金融相关比率也一直低于全国金融相关比率,而且差距在逐渐加大[4]。这些都说明东北地区近年来金融发展的相对落后,金融难以对经济发展发挥相应的作用。

2.金融对区域经济总量的直接贡献率低

本文利用金融保险业增加值在GDP和第三产业中分别占比大小来衡量其直接贡献程度。一般而言,区域经济越发达,上述两个比重就越大。中国区域金融发展的非均衡现象明显,各区域的差别相对较大,如表2所示。

2004年东北地区的金融保险业增加值只占GDP的1.2%,而同期长三角、珠三角、环渤海三个地区分别为6.1%、2.9%和7%,即东北地区金融业对GDP的直接贡献率仅为上述三个地区的1/5、1/2和1/6,而金融保险业增加值在当地第三产业中的比重也基本体现了上述比例关系。可见,在中国的四个经济区域中,东北地区金融业对经济增长的直接贡献远远低于其他区域,金融落后的状态十分明显。再者,同期全国金融保险业分别占GDP和第三产业的5.1%和16%,分别是东北地区的4倍和5倍,这说明东北地区的金融发展也远远落后于全国的平均水平。

在现代经济增长理论中,资本形成的作用被提高到十分突出的地位,它几乎成为所有经济增长模型中最重要的决定性因素[5],表3列出了2000―2004年东北地区金融及经济总量占全国的比重。

根据表3可以总结出两个特点:一个是2000年东北地区全部金融机构存款余额占全国金融机构存款余额的比重为9.2%,全部金融机构贷款余额占全国金融机构贷款余额的比重为11.1%,从时间序列看呈现逐年下降,到2004年上述两个指标分别下降了1.3和2.7个百分点,在一定程度上说明东北区域资本形成水平在下降;另一个是在近几年东北地区GDP占全国GDP比重相对稳定的情况下, 2002―2004年期间无论存款占比还是贷款占比均低于GDP占比,并且差距越来越大,这表明东北地区金融发展滞后于经济发展,金融总量对经济增长支持不足。

3.资金从东北地区大规模外流问题突出

从促进经济增长的要素来分析,一个地区经济增长的最主要推动力量来自资金、土地、劳动力、技术、人才等要素的投入。从东北地区的要素供给来看,土地和劳动力是过剩的,稀缺的是资金、技术和人才等要素。从目前情况看,东北不但缺乏吸引这些要素的机制,而且本地区原有的要素尤其是资金不断呈现大规模流出趋势,资金流出主要包括以下渠道:

(1)银行资金上存是资金外流的主渠道。随着国有商业银行加强一级法人治理,总行直接监控到地市级分行,对其经营效益、资产质量、业务发展、经营规模等进行综合评价,并以此为标准配置信贷资金和经营授权,信贷资金统一优化配置。东北地区由于多种原因而造成的信用环境差、金融资产质量低等因素,往往被总行确定为高风险地区而实行严格的信贷规模控制,削弱了国有银行各分支机构的信贷权力,为了资金的安全和盈利性考虑,总行则以高出准备金存款利率(1.89%)吸存。这部分资金又被总行用于全国范围内的统一调度,多数投放于经济发达、信用环境好的地区,由此,进一步拉大了我国区域经济差距。根据相关数据计算得出,2000―2004年间,东北地区金融机构“存差”分别为458.2亿元、1 363.8亿元、2 173.8亿元、2 798.8亿元和4 199.2亿元,数额逐渐增大,这些资金大部分存入总行或者中央银行吃利息,要么投资国债,结果都迫使其流出东北地区。

(2)邮政储蓄和保险资金的“净流出”现象明显。一是邮政储蓄只存不贷的特点成为邮政储蓄机构强劲的利益驱动机制。长期以来,东北地区的不少基层邮政局将邮政储蓄业务作为新的利润增长点,纷纷扩充网点,采取种种手段占领市场。由于邮政储蓄资金全部上缴央行吃利息,成为一个纯粹的资金外流的“漏斗”。根据《中国金融年鉴2005》提供的数据,2004年,辽宁、吉林、黑龙江三省邮政储蓄存款余额分别达到460.7亿元、242.1亿元和543.9亿元,占各省当年全部金融机构存款余额的4.3%、6.4%和10%。二是通过保险资金的形式不断流出东北地区。近几年来,各保险公司总部加强了保险资金的使用管理,严格实行资金集中管理,保费上划总部的力度加大,由总部统一在全国范围内选择地区和项目进行投资。对于东北这样的经济欠发达地区而言,保费收入的上划也是一种资金的“净流出”。2004年,辽宁、吉林、黑龙江三省的全部保险机构保费收入分别为205.5亿元、74.3亿元和127.6亿元(中国金融年鉴,2005),进一步对本来资金需求强烈的东北地区实施“抽血”行为。

(3)其他各类要素市场也存在不同程度的资金外流现象。一是通过资本市场渠道的资金外流。近年来随着国家上市制度的改革和东北地区大多数国有企业亏损而导致的上市资格和再融资功能的丧失,同时民营企业发展缓慢,上市工作几乎停滞不前,甚至出现了2004年东北地区无一家公司在A股市场上市、无一家首发过会企业、无过会待发企业的“三无”现象。而东部地区由于经济发达、企业活力充足,因此由券商推荐的上市公司及上市的基金较多。在统一的全国性资本市场上,东北地区的居民通过购买其他地区尤其是东部地区上市公司的股票和基金,将储蓄积累的一部分资金通过资本市场的渠道流出。二是商品销售渠道的资金外流。东北地区一直是国家重要的原材料和重工业基地,产业部门相对不够齐全,大量的生产资料和消费资料需要从区域外部购买,从而通过商品买卖导致资金流出入的差额而形成“净流出”。三是项目投资渠道的资金外流。由于经济发达地区投资环境、信用环境相对较好,产业集聚效应已经形成,投资的安全性和收益性在一定程度上好于东北地区,因此,一部分资金也会通过项目投资的形式流出东北地区。

4.金融机构数量偏少导致金融供给不足

区域金融对经济的促进作用是通过区域内金融机构、金融工具的功能实现的。随着区域金融机构类型不断增多,金融市场和金融工具越来越复杂,整个系统就会迅速扩张,功能也不断强大。但是,目前东北地区金融机构的数量、规模与经济发展需求及发达地区相比,还存在很大的差距。

(1)国有商业银行分支机构撤并形成的金融“空洞”。自1998年以来,伴随着金融风险意识的强化和商业银行市场化、企业化的改革,各商业银行更加注重经济效益和成本收益比较,开始谋求利润最大化。由于东北属于经济欠发达地区,长期以来各国有商业银行亏损严重、资产质量很低,因此分支机构撤并的力度相对较大。其特点是大量收缩县域地区的分支机构,撤并了部分相对落后地区的营业机构,大幅度上收了贷款权限,使得尚保留的县域分支机构“储蓄所化”,基本上只吸不贷。由于一直以来东北地区的融资体系具有非常严重的“国有银行主导型”特征,国有商业银行的存贷款余额在全部金融机构存贷款余额的比重在55%―80%左右,国有商业银行大幅度调整,必然引起无法弥补的金融“空洞”,尤其是对县域而言,由于农村信用社无力完全承担农村经济发展的资金供给重任,金融抑制和萎缩已使县域经济成为了无源之水。

(2)股份制及外资银行数量少且布局不均衡。作为市场化程度较高的股份制商业银行和外资银行目前在东北地区设立的分支机构与其在全国的发展势头很不相称。以光大、招商、深发展等12家股份制商业银行来说,目前部分银行在东北地区的四个副省级城市设立了分支机构,其他中小城市均没有网点,而且分布也很不均衡。目前大连有11家股份制商业银行分支机构,沈阳有8家,长春和哈尔滨各有3家。而在全国其他同等层级的济南、武汉、南京等城市则是12家银行悉数到位,彼此差距很大,也说明了东北地区金融市场化程度不高和活跃程度相对较低的事实。同样,从外资银行的分布情况看(如表4所示),2002年,外资银行在东北地区只有8家分行和6家代表处,仅占全国的5.48%和2.8%,远远低于其他三个地区。而且,外资银行在东北地区的分布上也极不均衡,基本上落户在辽宁的大连和沈阳,黑龙江只有一家代表处,而吉林省则连一家外资银行分行或代表处也没有。

(3)本土性金融机构缺乏。地方性的金融机构受跨区域经营的“门槛限制”和本土化的要求,其经营的重点主要放在本区域,但是,东北地区目前地方性金融机构相对缺乏,在一定程度上减弱了金融业对本地经济发展的支持。从城市商业银行看,2004年底,全国有112家,东北地区中辽宁有10家、吉林有2家、黑龙江有3家,不仅金融机构总数少,而且资产规模和质量相对比较差,除大连和沈阳两个城市商业银行情况较好外,如吉林省的两家城市商业银行均被银监会确定为高风险行,在其全国排名中列入倒数行列;总部设在东北地区的证券公司不但数量少,而且风险都很大,近年来陆续有大连证券、鞍山证券、长春证券等被国家关闭,给地方政府留下了沉重的包袱;全国目前有30多家基金管理公司,基金资产高达2 000亿元左右,但整个东北地区没有一家基金公司;全国有风险投资机构近300余家,其中东北地区仅占2%;在全国其他地区积极进行民营银行试点的情况下,东北地区尚无实质性进展。而其它如租赁公司、保险公司、信托公司等非银行金融机构在东北地区发展也很不充分。因此,地方性金融业的落后与东北已经形成的多元化经济发展格局不相匹配,这阻碍了民营经济、个体私营经济的发展,出现了严重的金融服务滞后的局面。

(二)区域金融效率低下

东北地区金融发展不仅表现为金融规模总量不足,而且还存在金融效率低下问题。自20世纪80年代中期以来,东北地区逐步表现出金融市场结构不合理、金融运行的信用环境较差、不良资产比率过高、金融创新不足等金融资源配置整体效率低下的现象,在金融行业内形成了特殊的“东北现象”。

1.区域金融资产质量低下导致了银行经营效益差和信贷能力弱化

东北金融发展效率低下的一个显著标志就是在金融体系内部巨额的不良资产。从数量上看,目前全国国有独资商业银行不良贷款主要集中在广东、辽宁、山东、湖北、河南、江苏、河北、黑龙江、吉林、四川等省,占全国不良贷款的58.6%;从比例上看,海南、湖北、吉林、黑龙江、江西、安徽、辽宁等省区的不良贷款比例最高,东北三省均在上述双高地区。根据中国银监会的统计,到2004年8月末,东北地区主要银行业金融机构不良贷款比率约为31.4%,高于全国平均水平16.8个百分点。总体看来,东北地区的银行体系在很大程度上承担了中国经济转轨的成本,巨大的不良资产中有相当比率是因为国有企业长期积累下来的历史包袱、社会保障体系的资金缺口、资源型城市发展持续产业的资金缺口和环境保护的资金缺口等“历史包袱”在银行体系的表现,沉重的不良贷款包袱已经成为制约东北地区经济和金融发展的突出问题。

(1)金融机构的信贷资金形成长期沉淀和无效占用,严重制约了金融机构的信贷投放能力。近年来,国有独资商业银行和股份制商业银行在改革中实行一级法人管理体制,按照市场经济的原则,也就是效益最大化的原则,在全国统一调度资金,主要依据各分支行的资产质量和效益情况决定信贷资金在全国不同地区和行业间的配置。国有独资商业银行和股份制商业银行在东北地区的分支机构因不能满足效率和效益的要求,贷款投放规模受到严格限制。与此同时,贷款企业也因为大量陈欠贷款,恶化了财务指标,造成信用等级低下,很难符合商业银行的贷款条件,往往因贷不到款而失去了发展的机遇,由此导致东北经济发展面临着资金短缺的困扰。根据《中国金融年鉴2005》提供的数据,2000―2005年,东北地区存款增长了74.2%,而同期贷款仅增长了43.3%,贷款的缓慢增长已经成为东北老工业基地实施调整、改造和振兴的制约因素。[6]

(2)银行长期超负荷经营导致资产的结构性缺陷,利润空间狭小而亏损严重。由于历史上国家对东北地区投资比较多,相应地银行配套资金也比较多。随着转轨中银行坏帐增加,信贷资产大量沉淀,造成东北地区银行业超负荷经营一直比较严重。从表4可见,尽管1998年以前东北地区的存贷比高于1,但是1978―2004年期间东北地区全部金融机构存贷比一直处于不断下降趋势,严重超贷。这说明长期以来东北地区存在贷款过度扩张的现象,它是导致该地区不良资产居高不下的又一个重要原因。而大量不良资产的沉淀,不仅增加了银行的非盈利资产,而且严重侵蚀了部分优质资产的收入,使得东北地区银行整体亏损严重。

从表5提供的数据看,1999―2002年东北地区全部金融机构一直处于亏损状态,5年共亏损1 110.97亿元,其中主要以国有商业银行为主。而1996―2000年全国四大国有商业银行共盈利597亿元,毫无疑问,东北地区应该是亏损的重灾区。

2.区域金融资源配置失衡与“产业锁定”效应并存

东北地区金融资源配置效率低下的一个深层次原因,在于中国金融改革严重滞后于经济体制改革,两者之间始终存在错位,易秋霖(2004)认为,中国的金融市场化比经济市场化晚了约20年。[8]由于东北地区受计划经济影响最深重,不但错位现象客观存在,而且金融市场化进程都相对落后,实际上政府对于信贷仍有很大的控制权,资金配置更多的不是按照效率原则,以至于大量资金流向国有企业,真正高效的非国有经济遇到贷款“瓶颈”。同时,在银行信贷投向“产业锁定”效应明显,则进一步降低了金融效率。

(1)金融资源配置结构与经济结构严重不对称。东北地区由于历史原因,国有经济的比重比较大,到2001年底,辽宁、吉林、黑龙江国有经济比重仍分别高达78.2%、86.2%和87.2%,分别高出全国平均水平13.3、21.3、22.3个百分点[9],这一问题在工业领域更为突出。从整体上看,东北地区大量国有企业亏损严重,甚至资不抵债,还有许多企业处于潜亏或微利状态,据统计,东北地区国有及国有控股企业资产平均负债率超过50%,亏损面在40%左右。因此,尽管国有资本占社会总资本的70%左右,但国有经济创造的增加值仅占GDP的30%。[10]由于体制的限制,东北地区的银行长期以来坚持以国有企业为导向的贷款结构,市场机制介入程度很低,大量的金融资源源源不断地流向这些国有企业,导致金融资源配置效率下降。金融资源错误配置及其引发的低效率不仅在国有企业和国有银行之间形成大量的坏帐,而且使得非国有经济的资金供给不足,制约着区域经济的总体发展。以辽宁省为例,2003年民营经济已经占该省全部经济总量的45%,民营经济提供了半数以上的就业岗位,但是金融机构对民营经济的支持力度明显不够,1998―2002年全省对民营企业的贷款 (私营企业、三资企业和个体企业贷款之和)一直在2.5%―4%之间波动,长期处于较低水平。

(2)金融资源配置过程中的“产业锁定”效应明显。由于国家有意强化和路径依赖的双重作用,东北地区产业结构有两个显著特征:①国有经济一直占绝对主导地位,民营经济发展缓慢,国有经济一统天下的局面始终难以改变;②各省市形成了特色鲜明的产业结构,如哈尔滨的动力工业、长春的机械工业、沈阳的机床装备制造业和大连的临海工业,地区经济发展对某一产业的依赖程度很强,甚至形成“一业独大”的现象,经济抗波动能力差。

在这样的产业格局下,以间接金融为主的东北地区,不可避免地出现了“产业锁定”效应,其表现如下:一方面,金融资源主要集中于国有大中型企业,非国有经济部门难以获得金融支持,经济结构制约了金融资源的优化配置,金融资源的配置结构反过来又强化了原有的经济结构,而国有部门的低效率必然导致金融资产质量低下和亏损严重;另一方面,金融资源实际上主要投向了主导产业中的少数大型企业,中小企业仍然存在融资难的问题,使得金融业的兴衰与少数龙头企业发展状况高度相关,从而将产业的显性风险和金融的隐性风险捆绑在一起。以吉林省长春市为例,以一汽集团为主的汽车产业在全市工业总产值中占80%以上,汽车产业直接决定了长春的经济走势,各国有商业银行贷款也主要投向汽车产业,尤其围绕一汽集团展开了客户的争夺,除此以外,仅有电信等十几家企业能够获得一定信贷额度,大量的中小企业尤其是民营企业资金需求难以得到满足。这样就形成了一个循环,即“产业锁定”效应决定了“金融锁定”效应,而“金融锁定”效应反过来又强化了“产业锁定”效应。

3.银行业的寡头垄断特征造成区域金融市场化水平低

从整体上看,东北地区仍然是以银行业为主体的金融体系,金融业的竞争和市场化程度严重不足,表现为国有银行占据垄断地位而民营金融机构发展缓慢,金融市场化程度极低。周立(2004)在进行中国各地区金融发展差距比较研究时,曾经采用金融市场化比率来衡量除国有银行之外的股份制商业银行等在一个地区金融体系中的比重。[7]与国有银行所表现出的金融资源配置非效率性特征相比,这些银行更加能够按照市场化原则经营,因此金融市场化比率在一定程度上代表了一个地区的金融市场化程度和竞争程度。从表6中看出,尽管东北地区的金融市场化比率呈现出逐年提高的趋势,但是除1993年和1994年以外,东北地区的金融市场化程度均低于全国平均水平。而且,在东北地区内部,区域金融市场化水平的差距很大,其中辽宁金融市场化程度最高,而吉林次之,黑龙江最低。

4.资本市场发展滞后并逐渐成为经济发展的负担

资本市场作为直接融资的场所和一种更加具有市场化特征的金融交易制度,它的建立和发展对于推进一国(或地区)的金融深化,促进整个金融制度的市场化转变具有重要意义。发达市场经济国家的经验表明,资本市场的活跃程度直接关系到一个产业和一个区域经济发展的进程。目前我国资本市场在发展的广度、深度及效率等方面远远不及发达市场经济国家,东北作为欠发达地区的资本市场发育滞后的特点更加明显。

东北地区的上市公司在解决国有企业发展的资金筹集、减少对银行的依赖从而降低金融风险等方面曾经发挥了积极作用,但是,近年来资本市场的落后却逐渐成为东北经济发展的障碍。目前,不但证券交易中心不复存在,基金公司全军覆没,鞍山证券、大连证券、长春证券等相继关闭,并给地方政府留下了沉重包袱。从上市公司的整体情况,东北地区的资本市场表现出以下几个特征:

(1)总体规模小。2003年底,东北123家上市公司的总体规模偏小,总市值仅占沪深全部A股总市值的7.78%,流通市值仅占沪深全部A股流通市值的9.98%。

(2)筹资能力差。与国内其它三个增长极相比,东北地区上市公司的融资能力有很大差距。1999―2002年,东北地区总共从股票市场上筹集资金312.59亿元,只相当于同期长三角地区840.07亿元的37%、环渤海地区642.66亿元的48%和珠三角地区397.72亿元的78.6%。[4]而且近年来甚至有进一步落后的趋势,2004年,东北地区没有一家公司在A股市场上市,无一家首发过会企业,无过会待发企业,“三无”现象严重。

(3)资产质量差。从上市公司的质量看,2003年,东北地区25家公司亏损,占全国上市亏损公司的16%,亏损面高达20%。2004年年底,东北地区“ST”的上市公司为21家,约占全国“ST”公司的18%。

(4)违规现象严重。由于东北地区大中型国有重工业企业集中,一股独大,大股东“垄断”上市公司资金,“践踏”小股东利益的现象在东北地区也比南方开放地区严重。

综合上述研究,本文对东北地区金融发展特征总结如下:

(1)从区域金融纵向发展来看,20世纪90年代以来东北地区的金融规模扩张缓慢甚至近年来处于停滞状态,基本上仅维持了一个低水平的量性增长格局,而且区域金融效率十分低下。

(2)横向与长三角、珠三角、环渤海三个增长极相比,东北地区的区域金融相对落后明显。目前在这三个区域已经形成了以市场金融为主的制度框架,而东北地区仍然处于以计划金融为主的二元金融结构,而且区域金融发展的差距甚至大于区域经济差距。

(3)从东北区域金融与经济增长关系来看,东北地区金融业的不发达及其结构的扭曲,一方面不利于动员拥有金融剩余的经济单位的储蓄,在总量上减少了资本的形成,另一方面由于市场机制的缺失,使得金融体系所拥有的减少信息不对称和道德风险的功能趋于弱化,导致了资本的低效率配置和使用。因此,总体来看,东北地区金融发展严重滞后于经济发展水平,金融没有对经济增长发挥应有的作用。

三、东北区域金融深化发展的“两阶段”战略:区域金融深化的次序安排

东南亚金融危机告诉人们的一个启示就是实施金融深化战略的国家不能过分追求金融发展对经济增长的促进作用,而忽视了金融深化所必须具备的内在制度刚性要求和逻辑步骤。金融深化是伴随着整体经济改革发展的一个渐进过程,金融深化的政策措施应根据经济发展的成熟程度和经济运行的内在逻辑做出合理的时序选择和安排,分阶段和有计划的实施。这些经验对于一个地区的金融深化同样具有指导意义,对于相对落后的东北区域金融来说,在实施金融深化过程中,应当注重金融深化的渐进性、层次性和持续性。

从区域金融发展的量性增长和质性发展的内涵角度看,改革开放以来,东北地区金融体系一直处于量的积累阶段,到目前为止,总体上仍然是量性增长不足、质性发展落后的状态。由于量的积累没有达到质的突破的界限,从而使得区域金融与经济的关系难以实现根本的改善。根据前文所述,在发展的逻辑顺序上,区域金融的量性增长是基础和起点,质性发展是更高阶段的跨越。因此,东北地区的金融发展首先应该是实现数量的扩张,当金融体系规模扩张到一定程度,才有可能促使区域金融效率有一个质的飞跃,这时才可以重点关注区域金融资源的效率问题,这就是“两阶段”发展战略的核心思想。

具体来说,对于目前仍然处于“低均衡”状态的东北地区而言,其金融深化的逻辑步骤应该分成两个阶段:第一阶段的主要任务是在外生力量的作用下,迅速做大金融体系规模,包括金融资产规模的扩张、金融机构数量的增多等,实现区域金融体系的规模经济,促使金融体系规模突破临界点的限制。在这一过程中强调外生力量的重要性,是因为由于金融市场失灵等因素的存在,如果仅仅依靠金融自身内生成长,很难走出“低均衡”状态,这时候就有必要强调政府的适度干预和帮助,包括中央政府和地方政府。第二阶段的主要任务是在区域金融体系规模突破临界点后,着力提高东北地区金融的市场化水平、鼓励和促进区域金融创新,目的在于提高金融体系效率,实现区域金融与经济更高层次的良性互动,即逐渐达到“高均衡”的稳定状态。

从实现途径上来看,发展金融中介与金融市场为东北区域金融的“两阶段”发展战略提供了重要途径。金融中介在处理单个金融交易时具有比较成本和信息优势,而金融市场在处理标准化、大批量金融交易时具有成本和信息方面的优势。区域经济的发达程度越低,金融中介对经济增长的作用就越大,而随着经济逐渐发达,金融市场的作用更加明显。因此,东北地区在实施金融深化战略的过程中应当注意次序安排,这又是一个动态的两阶段规划问题:即在区域金融深化的初始阶段,根据经济发展尚不发达的现实,应优先发展金融中介,尽快做大金融资产规模,健全金融机构体系,实现区域金融量的扩张;当金融深化水平达到一定程度而使得金融体系突破一定规模,经济相对发达时,则应更加注重发展金融市场,鼓励金融创新,提高金融的市场化程度和效率,实现区域金融发展质的提高。尽管金融发展在量的扩张阶段会伴随着一定程度的效率的提高,但不同的发展阶段侧重点应该有所区别。

围绕东北地区金融深化发展的“两阶段”战略,其相应采取的政策措施包括:

第一,在外力的作用下快速实现区域金融的量性扩张,从金融资产规模的扩张和金融机构体系的多元化两个方面入手,在规模上突破临界点的限制。一是积极设立和发展地方金融机构,加大地方储蓄在本地转化能力,进一步提高金融对区域经济的支持力度。东北地方性金融体系建设的重点在于发展壮大各个城市商业银行、改革重组农村信用社、组建民营金融机构,同时积极吸引外资银行和国内12家股份制商业银行在东北地区设立分支机构;二是努力将大连发展成为东北地区的区域金融中心。鉴于大连市经济基础较好、金融集聚效应初步显现、区位条件优越等先决条件,集中资源、发挥比较优势将大连市建设成为区域性金融中心,以此带动并促进东北地区金融整体发展。

第二,通过健全金融市场体系、鼓励金融创新等措施来加大直接融资比重,引导企业和个人减少对传统融资机制的依赖,增强市场融资意向和自主融资行为,以提高东北地区的金融效率。一是构建多层次金融市场体系,以直接融资方式来提高东北地区金融效率,包括培育和发展货币市场、积极发挥资本市场的作用;二是通过渐进式的金融创新提高东北地区的金融效率,包括建立地方金融控股公司、鼓励发展产业投资基金、积极推广资产证券化等。

第三,通过政府的适度介入与构建政策性金融体系,推动东北地区经济发展。在发挥政府积极作用方面,一是发挥地方政府的金融调控职能,合理规划东北区域金融业的发展;二是创造良好的金融发展环境,推进东北区域信用体系建设;三是加强金融监管的区域协调与配合,创建东北金融安全区;四是密切各区域经济主体间的沟通,为银企沟通与合作搭建平台。在构建政策金融体系方面,一是强化现有三大政策性银行(国家开发银行、农业发展银行和进出口银行)对东北地区的金融支持;二是设立新的区域政策性银行东北振兴银行。

参考文献:

[1] Mckinnon Ronaid I.1973.Money and Capital in Economic Development [M].Washington:Brookings Institution.Mckinnon, Ronald I.1992.

[2] Goldsmith, R.W.Financial Structure and Development[M].New Haven: Yale University Press,1969.

[3] 周立,胡鞍钢.中国金融发展的地区差距状况分析(1978―1999)[J].清华大学学报,2002,(2).

[4] 杨德勇,等.区域金融发展问题研究[M].北京:中国金融出版社,2006.

[5] 韩廷春.金融发展与经济增长[M].北京:清华大学出版社,2002.

[6] 陈建安.东北金融的振兴必须综合治理[J].银行家,2004,(2).

[7] 周立.中国各地区金融发展与经济增长(1978―2000)[M].北京:清华大学出版社,2004.

[8] 易秋霖.中国的非均衡金融[M].北京:经济管理出版社,2004.

第3篇

【关键词】量化投资 特点 策略 发展

一、引言

量化投资在国外的实践已经有了40多年的发展,我国的量化投资起步较晚,从2004年开始出现量化投资的产品,由于缺乏有效的对冲手段,直到2010年4月沪深300股指期货上市之后才能算是真正意义上开始涉足量化投资。[1]

2015年的中国股市跌宕起伏,杠杆配资引发了大幅上涨和断崖式下跌,股市出现罕见的千股涨停、千股跌停、千股停牌的奇观,众多机构投资者和散户蒙受了巨大的损失。但其中少数量化投资基金在大幅波动的市场中却表现相对稳定。量化投资基金和量化对冲策略的稳健,很快引起了全市场的关注,也成为近期银行、券商、信托等机构追捧的新的产品模式。

在此背景下,作者在本文中对于量化投资的概念、特点、策略、理论基础和发展做一个总结,希望为量化投资研究和实践做一些参考。

二、量化投资解读

(一)量化投资的定义

量化投资在学术界并没有严格统一的定义,现有的定义对于量化投资的定义的侧重点各有不同。本文对于量化投资的定义为:

量化投资是指将投资者的投资思想或理念转化为数学模型,或者利用模型对于真实世界的情况进行模拟进而判断市场行为或趋势,并交由计算机进行具体的投资决策和实施的过程。

(二)量化投资的特点

1.投资决策中能够客观理性,克服人类心理对投资决策的影响。传统投资的分析决策,大多数方面都由人工完成,而人并非能做到完全理性,在进行投资决策时,很难不受市场情绪的影响。[2]量化投资运用模型对历史和当时市场上的数据进行分析检测,模型一经检验合格投入正式运行后,投资决策将交由计算机处理,一般情况下拒绝人为的干预,这样在进行投资决策时受人的情绪化的影响将很小,投资过程可以做到理性客观。

2.能够通过海量信息的大数据处理,提高投资决策效率。我国股票市场上有近3000只股票,与上市公司相关的各种信息纷繁复杂,包括政策、国内外经济指标、公司公告、研究报告等,投资者靠自己手工的筛选根本就是力不从心。量化投资的出现为这个问题的解决带来了希望。量化投资运用计算机技术快速处理大量数据,对其进行辨别、分析、找出数据之间的关联并做出投资决策,大大减少了人工的工作量,提高了投资决策效率。

3.能够实现精准投资。传统的投资方法中认为投资是一门艺术,投资决策需要的是投资者的经验和技术,投资者的主观评价起到决定作用。而量化投资有所不同,尤其是在套利策略中,它能做到精准投资。例如在股指期货套利的过程中,现货与股指期货如果存在较大的差异时就能进行套利,量化投资策略和交易技术会抓住精确的捕捉机会,进行套利交易来获利。另外,在控制头寸规模方面,传统的投资方法只能凭感觉,并没有具体的测算和界定,而量化投资必须要设定严格精确的标准。[3]

4.能够快速反应和决策,把握市场稍纵即逝的机会。量化投资往往利用高速计算机进行程序化交易,与人脑相比它能够迅速发现市场存在的信息并进行相应的处理,具有反应快速、把握市场稍纵即逝的机会的特点。量化投资在速度上最出色的运用就是高频交易,与低频交易相对,高频交易是通过高速计算机,在极短的时间内对市场的变化做出迅速的反应并完成交易。[4]

5.能够有效地控制风险,获取较为稳定的收益。与传统投资方式不同的是,量化投资在获得较高超额收益的同时能够更好地控制风险,业绩也更为稳定。相关研究显示,1996年至2005年期间,量化投资基金与以所有传统主动型投资基金和偏重于风险控制的传统主动型投资基金的信息比率对比情况中,量化投资基金的信息比率都是最高,说明量化投资相对于传统投资,能够在获得更高的超额收益的同时,有效地控制风险。

三、量化投资的策略

一般的量化投资的策略指的是用来实现投资理念或模拟市场行为判断趋势从而获取收益的模型。量化投资需要权衡收益、风险、交易成本、具体的执行等各个方面,一般情况下这些方面会形成相对独立的模块。有时候量化投资策略模型也会将风险、成本等方面融合在模型中。

(一)国外量化投资策略的分类

国外习惯上将量化投资的策略分成两大类,一类是阿尔法导向的策略,另一类是贝塔导向的策略。阿尔法策略(alpha strategy)是通过量化择时和调整投资组合中不同资产的头寸大小来获取收益的策略;贝塔策略(beta strategy)是通过量化的手段复制指数或者稍微的超出指数收益的策略。[6]相比而言,量化指数的贝塔策略相对更容易,所以一般情况下所说的量化投资的策略指的是阿尔法策略(alpha strategy)。

阿尔法策略主要有两种类型,分别为理论驱动模型和数据驱动模型。

理论驱动模型是比较常见的类型,这些策略是运用已经存在的经济、金融学的理论,构建策略模型,进行投资决策。理论驱动模型根据输入的数据的不同可以进一步分类,主要有基于价格相关数据的策略和基于基本面数据的策略。

数据驱动模型广泛的被运用于股票、期货和外汇市场,因为采用的数学工具更为复杂,相对而言难于理解,目前使用的还不是很多。与理论驱动模型不同,数据驱动模型认为进行投资决策其实是不需要理论的支持,运用数据挖掘技术,可以从数据(例如交易所的价格数据)中识别出某种行为模式或市场趋势,进而进行预测或者解释未来的模式,从中获取收益。

(二)我国量化投资策略的分类

国内比较常见的量化投资策略主要有两种分类方式,一种是按投资标的所在市场分类区分的量化投资策略,分为现货市场和衍生品市场量化投资策略。现货市场包括股票市场、ETF市场和债券市场,衍生品市场包括商品期货市场、股指期货市场、国债期货市场、外汇市场和期权与其他衍生品市场,国内运用较多的是投资于商品期货和股指期货等期货市场。

另一种分类方式是分为两大类:判断趋势的单边投机策略和判断波动率的套利交易策略。[7]单边投机策略主要包括量化选股和量化择时,套利交易策略主要包括股指期货套利、商品期货套利、统计套利、期权套利、另类套利策略等,目前国内普遍采用的是这种分类方式。

四、量化投资理论的发展

(一)投资理论的发展

量化投资的理论基础最早可以追溯到上个世纪50年代,Markowitz(1952)[8]第一次把数理工具引入到金融研究领域,提出了均值――方差模型和风险报酬与有效前沿的相关概念,这是量化投资接受的最早的严肃的学术成果。Sharpe(1964)[9]、Litner(1965)[10]、Mossin(1966)[11]在马克维茨研究的基础上得出了资本资产定价模型(CAPM),这是如今度量证券风险的基本的量化模型。

20世纪60年代,Samuelson(1965)与Fama(1965)[12]提出了有效市场假说(Efficient Markets Hypothesis,EMH),这为后来在新闻量化交易等方面提供了思路和理论支持。20世纪70年代,金融衍生品不断涌现,对于衍生品的定价成为当时研究的重点。Black和Scholes(1973)[13]将数学方法引入金融定价,他们建立了期权定价模型(B-S模型),为量化投资中对衍生品的定价奠定了理论基础。在该理论之后,Ross(1976)[14]根据无套利原则提出了套利定价理论(APT),该理论是资本资产定价模型(CAPM)的完善和发展,为量化投资中的多因素定价(选股)模型提供了基础,这也是Alpha套利的思想基础。

20世纪80年代,期权定价理论倒向微分方程求解;“金融工程”概念得以产生,金融工程着力于研究量化投资和量化交易。同期,学者们从有效市场理论的最基本假设着手,放宽了假设条件,形成了金融学的另一个重要的分支――行为金融学。

20世纪90年代,金融学家更加注重对于金融风险的管理,产生了诸多的数量化模型,其中最为著名的风险管理数量模型是VaR(Value at Risk)模型,这是量化投资对于风险控制的重要理论基础。[15]

20世纪末,数理金融对于数学工具的引入更加的迅速,其中最为重大的突破无疑是非线性科学在数理金融上的运用,非线性科学的出现为金融科学量化手段和方法论的研究提供了强有力的研究工具[16],尤其在混合多种阿尔法模型而建立混合模型时是非常有效的一种技术。

(二)量化投资的数学和计算基础

量化投资策略模型的建立需要运用大量的数学和计算机方面的技术,主要有随机过程、人工智能、分形理论、小波分析、支持向量机等。[17]随机过程可以用于金融时序数列的预测,在现实中经常用于预测股市大盘,在投资组合模型构建的过程中,可以优化投资组合;人工智能的很多技术,例如专家系统、机器学习、神经网络、遗传算法等,可以运用于量化投资;分形理论用于时间序列进行预测分析;小波分析主要用于波型的处理,从而预测未来的走势;数据挖掘技术可以运用于数据驱动模型,还可以运用于设置模型的细节;支持向量机可以分析数据,识别模式,用于分类和回归分析。

五、国内外量化投资实践的发展

(一)国外量化投资实践的发展

本文认为量化投资在国外的发展已经经历了四个发展阶段:

1.第一阶段从1949年至1968年:对冲阶段。该阶段是量化投资的萌芽阶段,该阶段具体的量化投资实践很少,主要是为量化投资提供的理论基础和技术准备,量化投资脱胎于传统投资,对抗市场波动,通过对冲稳定Alpha收益,但收益率低了。

2.第二阶段从1969年至1974年:杠杆阶段。在该阶段,量化投资从理论走入了实践。在投资思路上,因为原本的Alpha策略收益有限,通过放杠杆扩大第一阶段的稳定收益。实践方面,1969年,前美国麻省理工学院数学系教授爱德华・索普(Ed Thorp)开办了第一个量化对冲基金,进行可转债套利,他是最早的量化投资的者使用者。1971年,巴莱克国际投资公司(BGI)发行了世界上第一只被动量化基金,标志着量化投资的真正开始。

3.第三阶段从1975年至2000年:多策略阶段。在这一阶段,虽有一定的挫折,但总体上量化投资得到了平稳的发展。在投资思路上,由于上一阶段通过杠杆放大收益的副作用产生,放大以后的波动率又增大,从而转向继续追求策略的稳定收益,具体的手段是采用多策略稳定收益。实践方面,1977年,美国的富国银行指数化跟踪了纽约交易所的1500只股票,成立了一只指数化基金,开启了数量化投资的新纪元。[18]1998年,据统计共有21只量化投资基金管理着80亿美元规模的资产。[19]

4.第四阶段从2000年至今:量化投资阶段。这一阶段,量化投资得到了迅猛的发展,并且发展的速度越来越快。投资思路上,运用量化工具,策略模型化,注重风险管理。在实践方面,在2008年全球金融危机以前,全球对冲基金的规模由2000年的3350亿美元在短短的7年时间内上升至危机发生前的1.95万亿美元,受美国次贷危机的影响全球对冲基金规模有较大的回落,直到2008年之后,在全球经济复苏的大背景下对冲基金规模才开始反弹。

(二)我国量化投资的发展

本文认为,到目前为止,我国量化投资的发展的主要经历了三个阶段:

1.第一阶段从2004年至2010年:起步阶段。在这一阶段,由于我国没有足够的金融工具,量化投资在我国发展缓慢。2004年8月,光大保德信发行“光大保德信量化股票”,该基金借鉴了外方股东量化投资管理理念,这是我国最早的涉足量化投资的产品。2010年4月16日,准备多年的沪深300股指期货的在中金所的上市,为许多对冲基金的产品提供了对冲工具,从此改变了以前我证券市场只能单边进行做多的情况。

2.第二阶段从2011年至2013年:成长阶段。2011年,被认为是我国量化对冲基金元年,[21]而随着股指期货、融资融券、ETF和分级基金的丰富和发展,券商资管、信托、基金专户和有限合伙制的量化对冲产品的发行不断出现,这个阶段的量化投资真正意义上开始发展,促使该阶段发展的直接原因就是股指期货的出现。[20]

3.第三阶段从2014年至今:迅猛发展阶段。2014年被认为是“值得载入我国私募基金史册的一年”,基金业协会推行私募基金管理人和产品的登记备案制,推动了私募基金的全面阳光化,加速了私募基金产品的发行,其中包括量化对冲型私募产品。2014年称得上我国量化对冲产品增长最迅速的一年,以私募基金为代表的各类机构在量化对冲产品上的规模均有很大的发展,部分金融机构全年销售的量化对冲基金规模超过了百亿。

2015年,上证50ETF期权于2月9日正式推出,这对于对我国的量化投资有着极大的促进作用。4月16日,上证50与中证500两只股指期货新品种的上市给量化投资带来更多的策略的运用,金融衍生品的不断丰富和发展,为量化投资提供更多的丰富对冲手段,也提供了更多的套利机会。

六、总结

量化投资的技术、策略、硬件设施条件都在飞速的发展,与传统的投资方式相比,量化投资有着自身的特点和优势。尤其是量化对冲产品,以其长期稳健的收益特征,成为目前“资产荒”下对信托、理财产品和固定收益产品良好的替代产品。未来随着我国股指期货、融资融券、国债期货、期权等金融产品的不断创新,以及股指期货市场未来逐步恢复正常,量化投资发展前景不可限量。

参考文献

[1]徐莉莉.量化投资在中国的发展现状[R].渤海证券研究所:金融工程专题研究报告,2012.

[2]廖佳.揭开量化基金的神秘面纱[J].金融博览(财富),2014,(11):66-68.

[3]王力弘.浅议量化投资发展趋势及其对中国的启示[J].中国投资,2013,(02):202.

[4]Durbin,M. All About High-Frequency Trading: The Easy Way To Get Started[M]. McGraw-Hill Press,2010.

[5]蒋瑛现,杨结,吴天宇,等.海外机构数量化投资的发展[R].国泰君安证券研究所:数量化系列研究报告,2008.

[6]Rishi K. Narang. Inside the Black Box: The Simple Truth about Quantitative Trading[M]. Wiley Press,2012.

[7]丁鹏.量化投资――策略与技术[M].北京:电子工业出版社,2014.

[8]Markowitz,H.M.. Portfolio Selection[J].Journal of Finance,1952,2:77-91.

[9]Sharpe,W.F. Capital asset prices: A theory of market equilibrium under conditions of risk[J]. Journal of Finance,1964,19(3):425-442.

[10]Lintner. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets[J].Review of Economics and Statistics,1965,47(1):13-37.

[11]Mossin.Equilibrium in a Capital Asset Market[J]. Econometrica,1966,Vol.34(4):768-783.

[12]Fama,Jensen,and Roll. Investor sentiment and Stock Returns[J]. Journal of Political Economy,1969,(12)34-36.

[13]Black Fischer,and Myron Scholes,1973.The Pricing of Options and Corporate Liabilities[J].Journal of Political Economy,1973,81(3):637-654.

[14]Ross.The arbitrage theory of capital asset pricing[J].Journal of Economic Theory,1976,13(3):341-360.

[15]Jorion,Philippe.Value at Risk:The New Benchmark for Managing Financial Risk (3rd ed.)[M]. McGraw-Hill Press,2006.

[16]戴军,葛新元.数量化投资技术综述[R].国信数量化投资技术系列报告,2008.

[17]丁鹏.量化投资与对冲基金入门[M].北京:电子工业出版社,2014.

[18]郭喜才.量化投资的发展及其监管[J].江西社会科学,2014,(03):58-62.

[19]Ludwig B.,Chincarini. The Crisis of Crowding: Quant Copycats,Ugly Models,and the New Crash Normal[M]. Wiley Press,2013.

[20]曾业.2014年中国量化对冲私募基金年度报告[R].华宝证券:对冲基金专题报告,2015.

[21]严高剑.对冲基金与对冲策略起源、原理与A股市场实证分析[J].商业时代,2013,(12):81-83.

第4篇

【关键词】量化投资 量化投资策略 资产配置

量化投资是投资者借助计算机信息化建立数学模型,把最新市场数据和相关信息输入到模型中,通过公式计算出投资对象,做出最优投资决策。量化投资不依靠投资者的感觉直觉,不依赖个人判断,而是将其经验利用信息通过模型实现投资理念。同时,投资者期望达到收益和风险的合理配比,利用夏普比率等科学方法控制收益和风险。量化投资者不用每天重复的分析琐碎信息,只需要不断完善这个模型并不断创造新的可以盈利的模型。

二、量化投资策略

(一)量化投资策略分类

量化投资策略,主要包括量化择时策略、统计套利策略、算法交易策略、组合套利策略、高频交易策略等。

(1)量化择时策略是收益率最高的一种交易策略,通过对宏微观指标的量化分析判断未来经济走势并确定买入、卖出或持有,按照高抛低吸原则获得超额收益率。在量化择时策略中,趋势跟踪策略是投资者使用最多的策略。量化择时分析策略包括:趋势跟踪策略、噪音交易策略、理易策略。

(2)统计套利是风险套利的一种,通过对历史数据的统计分析,利用统计学理论,估计相关变量的概率分布,判断规律在未来一段时间内是否继续存在。统计套利策略包括协整策略和配对利差策略、均值回归策略以及多因素回归策略。

(3)算法交易又称为自动交易,主要是研究如何利用各种下单方法,降低冲击成本的交易策略,将一个大额交易通过算法拆分成数个小额交易,以此来减少对市场价格造成冲击,降低交易成本。算法交易策略包括交易量加权平均价格策略、时间加权平均价格策略、盯住盘口测量、执行落差策略、下单路径优选策略。

(4)组合套利策略主要针对期货市场上的跨期、跨市及跨品种套利的交易策略。组合套利策略包括均衡价格策略、套利区间策略、牛市跨期套利、熊市跨期套利等。

(5)高频交易是一种持仓时间短、交易量巨大、交易次数多、单笔收益率低的投资策略,人们从无法利用的极为短暂的市场变化中寻求获利的计算机化交易,依靠快速大量的计算机交易以获取高额稳定的收益。高频交易策略包括流动性回扣交易策略、猎物算法交易策略和自动做市商策略。

如下是量化投资中几种主要的投资交易策略:

(1)趋势跟踪策略。趋势跟踪策略追随大的走势,向上突破重要的压力线可能预示着更大一波的上涨趋势,向下突破重要的支撑线可能预示着更大一波的下跌趋势。趋势跟踪策略试图寻找大趋势的到来,在突破的时候进行相应的建仓或平仓的投资操作来获得超额收益。

趋势型指标进行择时的基本理念是顺势而为,跟踪市场运行趋势。在趋势策略中使用的技术指标是最多的,常用有:移动平均线(MA)、平滑异动移动平均线(MACD)、平均差(DMA)、趋指标(DMI)等。

(2)噪音交易策略。噪声交易是指交易者在缺乏正确信息的情况下进行密集交易的行为。有效市场中噪声只是一个均值为零的随机扰动项,但市场并不总是有效的,市场上有很多异常信息,往往有人能够提前获得这些异常信息,很可能对投资的判断提供重要的价值。噪声交易策略的运用主要是机构投资者通过计算得到市场的噪声交易指数,监测该指数的变化,根据其变化来设计量化交易策略。

(3)协整策略。在统计套利策略中,协整策略是应用最广泛的一种策略。协整套利的主要原理,是找出相关性最好的几组产品,再找出每一组的协整关系,当某一组投资产品的价差偏离到一定程度时建仓,买入被低估的资产、卖出被高估的资产,当价差均衡时获利了结平仓。协整策略包括协整检验、GARCH检验、TARCH检验以及EGARCH检验。

(4)多因素回归策略。多因素回归策略,也是一种被广泛使用的投资策略。这一策略利用影响投资收益的多种选择因素,并根据其与收益的相关性,建立多元回归模型,简化投资组合分析所要求的证券相关系数的输入,这类方法的代表是套利定价模型。

(二)量化投资策略组合

量化投资策略组合综合考虑交易商品、策略类别、策略数量、时间周期因素。量化投资策略组合相比较单一投资策略有以下优势:

(1)策略组合降低了对单一策略的依赖,当单一策略失去竞争力,使用策略组合的方式,可以利用不同产品价格变化、变化幅度、周期等多个方面把握投资机会,在一定程度上保证了稳定的收益率,盈利机会更多;

(2)策略组合可以分散单一策略的交易风险,降低风险,通过策略组合将投资风险分散化,尽可能规避市场风险、策略风险及系统风险等。

三、量化投资资产配置

资产配置是指资产类别选择,即投资组合中各类资产的适当配置及对这些混合资产进行实时管理。量化投资管理打破了传统投资组合的局限,它与量化分析结合,将投资组合作为一个整体,确定组合资产的配置目标和分配比例,深化了资产配置的内涵。

资产配置包括战略资产配置和战术资产配置两大类。战略资产配置是长期资产配置,针对较长时间的市场情况,控制长期投资风险以达到收益最大化。战术性资产配置是依据资产预期收益的短期变化,获取超额收益的机会。因此,战术资产配置是建立在长期战略资产配置过程中的短期分配策略,二者相辅相成。在长期投资活动的战略资产配置下,战术性资产配置利用其积极的灵活的投资机会,适当的配合战略资产配置,获取较高收益。

四、前景展望

在量化投资飞速发展的今天,它己经成为金融市场中不可忽视的一个领域,中国的金融市场在逐步发展及完善,中国的量化投资也会继续发展和前进,随着量化投资方面的加大投入,量化投资的进程加快,中国量化投资的前景无限。

参考文献:

第5篇

他们和先前的人工交易不同,用数学统计出此前的交易规律,建成模型,用程序来交易。他们大多有较高的学历,或物理或数学或IT背景。他们用模型、公式克服人性的弱点去交易,赚取理性的利润,这个工作叫量化投资。

这是近几年才形成的一个低调的金融圈子,尤其是今年来,这个圈子似乎风生水起。算法、编程、想法、策略、模型成了这个圈子中的常用语,他们分布在券商、公私募基金、期货等金融行业,他们在创新中摸索前进,优秀的团队也不少见。

谨慎的宽客人

量化投资圈的人喜欢自己被称为“宽客人”或“矿工”。所谓“宽客”即金融工程师,他们靠编程序去设计模型,用数学的方法分析金融市场,找出影响价格涨跌的相关因素,规避其中的风险,获得收益。

徐明(化名)是上海艾革瑞投资团队的创始人之一,有着大多数编程人员的内秀和儒雅,自信的微笑又暗示着自己不是普通的“码农”。清华大学数学系学士,香港科技大学工业工程与物流管理系博士,精通数学建模、金融工程、组合优化和人工智能算法,这些标签和不少量化“宽客人”类似,他们具备这个行业的先天优势。

徐明在中山大学管理学院管理科学系任教期间,对金融工程产生了浓厚的兴趣,西蒙斯的经历和成功给了他极大的鼓舞,逐渐走上专业量化交易这条路。

十月,天气渐冷。《中国证券期货》记者联系上徐明时,他正带着自己的团队参加海通期货2013年的“笑傲江湖”实盘赛,目前成绩位列投资家组第三名,这不是第一次参加海通期货的实盘赛,去年以总收益89%、总收益额189万,获得程序化组亚军。

“艾革瑞”,源自“Algorithm”(算法)的译音,创始人的量化定位可见一斑。团队主要成员在2012年开始全职投身于程序化交易,多具有证券期货投资、金融工程研究和IT项目开发经验。艾革瑞团队主要做股指期货日内交易,交易频率比较低,平均一天做1个来回的交易,持有时间一般都要超过1个小时。

量化交易和人工交易有一个很大的不同,就是模型的建立。“程序化交易更像一门科学,需要投资者具有较高的模型开发和系统开发能力,以及对于交易规律的深刻认识。”徐明认为,人工交易更像一门艺术,需要对经济周期和行业发展有独到的眼光。

对于模型,“宽客人”都视为自己最核心的秘密武器,往返于华尔街和上海的徐明和其他讳莫至深的受访者不同,对模型提出了自己的看法,“模型是用数学方法找规律,而数学方法找规律很容易过度优化。”

对于投资行业的深刻认识更为重要。徐明表示,“国内金融市场和华尔街还是有本质的不同,对于中国市场期货交易的认识和理解,比运用各种数学模型更为重要。很多系统在数学上是最优的,但是在实践中并不是最优的,而且还可能是有极大风险的(即过度优化)。”

策略是量化“宽客人”的另一个交易核心。“如果交易经常不盈利,就不能仅仅认为是利润回吐了,要考虑策略是否失效。”金华强调。

策略是否失效是所有程序化交易者面对的一个非常难的问题。“失效”本身就很难定义。日内趋势的策略胜率一般都不到50%,所以总是有赔有赚的。赔钱的连在一起,就连续回撤了,这其实只是亏损连在了一起而已。不同的时间,市场的规律也会呈现不一样的特征,所以也很难判断暂时表现不好的策略是否就永久不好了。

所以,最重要的不是判断策略是否已经失效,而是在策略表现不好的时候可以找到原因和解决办法。

在2013年第二季度,艾格瑞团队就经历了一个较大级别的回撤,后来发现系统的很多亏损来自于“过度预测”。直观的理解就是市场还没有开始趋势的时候,系统就进行了未来趋势方向的预测。这一能力在过去的一年都不错,可以获取超额收益;但是可能是因为市场氛围变了,现在不仅不管用,还会带来连续的亏损。

后来艾格瑞团队对策略进行了调整:其一,相关性小的多周期、多系统非常必要。其二,用一套系统的方法去辨别哪些是市场里稳定的规律,哪些是不稳定的规律。其三,在风险控制上更为严格和保守,在谨慎保护本金的基础上,实现盈利。

调整策略后,解决了“过度预测”的问题,然后系统就又恢复了正常。从运行两个多月来看,表现比较稳定。

摸着石头过河的机构

机构投资者对量化投资的关注也越来越多,光大证券“816”事件揭开了冰山一角。8月16日,光大证券量化套利资金超过了200亿,乌龙事件一度引发国内A股和股指剧烈地震。据中国量化投资学会理事长、量化投资经理丁鹏透露,“目前国内量化投资资金的体量已经达到1000亿元。” 这些资金或主要来自券商和险资自营的量化套利资金,以及公私募的量化基金。

业内人士指出,国内某另一家券商在量化上投入的套利策略资金超过了300亿,远超出光大的投入资金,目前,不少券商也在用巨额资金更新IT设备,加上公私募资金,在量化上的投入远超过1000亿。

据悉,光大和海通等券商经营量化套利这项业务上,年度收益约10%-12%,甚至达到10%-15%或更高。如果按200亿元的管理资金来看,带给券商的直接收益就达到20亿-30亿元。这一盈利数字可能近年来熊市中某些券商一年的营业收入。

由于A股市场实施T+1交易,券商量化交易部门在A股从事高频交易的资金较少,据业内人士推算,大约有20亿左右。如果A股市场实施了T+0操作,估计更多券商大资金投入。

公募基金排名的压力,参与股指期货对冲仓位比例不超过20%限制,都成了公募基金量化投资无形的镣铐,短期内难有多大规模。

“公募基金做量化很费劲。”王萌(化名)坦诚表示。

王萌,上海交通大学计算机硕士,资深软件工程师,具有多年软件开发和管理经验,以及金融市场投资经验。已经在资本投资市场10年了,目前是上海某公募基金的总监。

“由于参与公募基金的排名,不可能完全做到量化管理,大多都有主动管理的因素在面。”王萌坦言,这和采访国内某期货公司量化部经理时的话,颇有几分相似,“目前国内公募基金的业绩也没有听说那个做的业绩挺好,更多的是一种宣传噱头。”

而私募则相对轻松的多。私募资金私募基金在量化基金设计上,主要侧重于量化多空策略的经营,目前国内有数十款产品在做,虽然规模算不上太大,但收益稳定保持在9%-15%还是容易做到。

张强(化名)在华尔街做量化投资多年,回国后成立了自己的私募公司,量化操作股指期货。15个月来,资金收益保持在25%,这个业绩在行业里可能算不上多高,但是出奇的稳定,这正是量化投资追求的最高境界,关键是稳定收益。远比上半年盈利50%,下半年亏60%好的多。更难得的是,15个月来回撤仅仅1.5%。这和公募基金带着“镣铐”跳舞形成了鲜明的对比。

无法阻挡狼来了

目前国内的量化投资刚刚起步,发展还受诸多因素困扰。

政策性因素扰动、历史数据不足、数据准确性差、T+1的限制,金融衍生工具不够丰富,风控的完善、系统软硬件的限制等,这些都是量化投资在国内市场的瓶颈。

政策性因素扰动也很明显,证监会对光大证券“816”的巨额罚款,对光大证券在券商中量化的领先地位颇有打击,同行不得不放慢了量化的步伐。

对于数据的不充足以及准确性差,也深受其害,财报质量和国外压根就不在一个档次,查阅数据也只能追溯到最近6、7年,这对用数学的方法统计数据建模型造成了直接的影响。

而某期货公司的董事总经理则直言,目前国内期货市场还是T+1,还没有开通夜盘交易,而国内期货市场又受国外盘影响巨大,国内盘受其影响隔夜暴涨暴跌再正常不过,而依靠数据、模型的量化交易只能是无可奈何,这也是国内商品期货量化操作业绩不理想的原因之一。

金融衍生工具不够丰富,也是国内量化投资的一大影响。目前国内量化投资仅能运用在商品期货、股指期货和国债期货上,还限制颇多。比如股指期货,国内每天挂单不能超过500手;国债期货开通不久,成交量有限;期货市场虽然套利客观,但容纳资金量有限。

据业内传闻,光大证券的量化部门前期运行投入资金是1500万元,如果再加上维护费用,数目不容小觑。

这在券商同行中绝不是孤例。尽管如此,因经验不足,还是在风控上闹出了震惊中外的(816)乌龙事件,对量化的影响可见一斑。

光大乌龙事件暴露出机构投资人在追求创新时忽略了风控的完善。“光大虽被证监会罚款5个亿,但券商用自营资金做量化的赚钱能力也被大众所知,未来会有大量的钱涌入。”一位机构人士认为。

丁鹏认为,“不能因为光大事件,就将先进技术和理念拒之门外,绝对收益是未来趋势。”

国内金融市场,尽管在量化上还存在着不少的问题,但这引人注目的量化投资前景依然引起了国外大鳄的注意,我们无法阻挡:狼来啦!上述某期货公司人士透露,“韩国成熟的量化投资团队,已经进入国内市场开始剪羊毛,据说比国内的量化机构能量要大的多。”还有更恐怖的团队,国外量化操作鼻祖巴克莱已经在国内完成了前期量化测试,不久也会携带巨额资金和先进的理念来分一杯羹。

模型避免过度优化

第6篇

宽客,quant的音译。在华尔街,这个词是指那些利用复杂的数学公式和超级计算机—既不是直觉也不是公司基本面等其他传统方法—在稍纵即逝的金融市场中赚钱的人。

这群人多数都不是学金融而是学数学或者物理出身,当他们进入华尔街后,被认为是华尔街名副其实的淘金者,1980年到2007年,是他们势不可挡的黄金年 代。

2005年左右,量化投资在国内出现。

从事量化投资的人被称为宽客,则是最近两三年的事情。一方面是一些介绍华尔街宽客的书籍被翻译引进,另一方面,因为2008年金融危机爆发,一些华尔街的宽客开始转战中国。

短短几年,随着中国衍生品市场的日渐开放,自称宽客的人越来越多。券商、基金、期货、私募……一句市场玩笑话,谁家要是没有一个两个宽客,都觉得不太好意思。

宽客的春天真的来到了?

年轻的中国宽客们

一间不到20平方米的房间,没有任何隔断,每张办公桌上都放着两到三台电脑,五张办公桌呈扇形分布在落地窗前,每个人扭头就可以和其他人说话。

这就是永安期货研究所量化投资团队的办公室。和国内不少量化投资团队一样,他们在公司具有相对独立的空间。

30岁的张冰,2009年毕业于北京大学,理论物理博士,是这个团队的负责人。有着一张娃娃脸的他,举手投足之间流露出来的依然是浓浓的书生气。不仅是他,屋子里的其他人也都像是在大学机房里安静地做研究、编程序。

事实上,要想进入这个团队,必须有熟练的计算机编程能力。2012年7月加盟张冰团队的李洋是北师大应用数学硕士,他经过一天近十个小时的笔试和面试才最终被团队接纳。笔试中80%的题目都是用计算机编程。

“量化投资是聪明人的游戏。”张冰说,量化投资实际上是一种在证券市场上找规律、找错误的游戏。谁先找到新规律、新错误,谁先获得超额收益的可能性就越高。

这个团队除了一位数学硕士,一位计算机硕士,还有三位是物理博士。数学和计算机能力都超强。

还在北京大学攻读博士学位的时候,张冰就听导师马伯强提到他有不少同学、学生,赴美留学继续深造物理之后,没有继续学术研究,而是转战华尔街做投资,做得相当成功。

物理学一直关注的是动态,寻求规律,目的是为了预测并掌握未来。把物理学理论知识运用到金融实践中,寻找证券定价变动的规律,其实并没有越过物理学的研究范畴。

这让本来就对金融有兴趣的张冰,开始想自己今后的路。他还专门去一个私募基金实习了半年。“在物理学中,你是和上帝玩游戏,在金融领域,你是和上帝的造物玩游戏。”

这句话并不是张冰原创,而是来自他的前辈,同样也是理论物理博士出身的伊曼纽尔·德曼(Emaneul Derman)。

德曼的自传《宽客人生:华尔街的数量金融大师》在2007年被引介到中国。德曼自1985年进入华尔街之后,就致力于把物理学理论和数学技巧及计算机编程技术结合起来,建构数量模型,寻找金融证券的定价,指导证券交易。

张冰看过这本书之后,更加确信,自己可以选择像德曼一样去当宽客。不过,当他决定做宽客时,发现中国突然间就涌现出很多量化投资专家。而事实上这些人多数是营销专家,根本就不懂量化投资,最后都亏得一塌糊涂。

2009年,他决心成为真正的宽客,于是拉着同班同学陈星和师妹钱文,成立了这个以北大理论物理博士为班底的宽客团队。这是国内期货公司中第一批成立的宽客团队。目前国内三分之一的期货公司有量化投资团队。

团队平均年龄27岁,成立至今一直比较稳定。张冰也没有扩容的打算。因为要找到对数字的敏感,善于发现数字之间的规律和联系,还能把这些规律变成数量模型指导证券交易的人,很难。他这个团队也还处于自我培养的过程中。

“中国宽客以年轻人居多。”中国量化投资学会理事长丁鹏说。

丁鹏是上海交通大学计算机博士,方正富邦基金的资深量化策略师。2012年初,他推出一本《量化投资:策略和技术》,成为国内最早一本专门介绍量化投资的专业书籍,被一些人认为是宽客圣经。

一年前,丁鹏建了一个QQ群,隔三差五与对量化研究感兴趣的人进行讨论,没想到经过口口相传,QQ群迅速发展壮大,线上讨论也发展到线下交流。他便牵头成立了中国量化投资学会。

学会如今在全国拥有十几个分会,近八千人,大部分都是有着一定数理知识基础的年轻人,这些人都打定主意要成为中国的宽客。

在丁鹏看来,在中国当宽客,生活很简单,只需要潜下心来,发挥个人聪明才智,做研究,建模型。真正找到好的可以赚钱的模型之后,都是别人求你。

这让很多纯理工背景人的人很向往。在现在的社会格局下,要想出头并不容易,但当宽客可以掌握自己掌握命运,完全凭自己取得成功。

赚钱之道

丁鹏一天典型的工作状态是:查看模型前一天的运转结果,考虑是否要对策略进行修正。如果没有需要修正的,则着手准备为下一个模型的开发。其他的都是电脑的事情,不用他管。他根本就不看基本面。

张冰团队的办公室放眼望去,也没有交易时间最常见的五颜六色的股票K线图和大盘走势图,电脑屏幕上显示的多数是白底黑字的编程界面。

不过,他们并不像丁鹏那么轻松。团队每人按特长各有分工:有的主要处理数据,有的做策略设计,有的做策略建模。因期货公司目前不能直接做交易,张冰团队每天主要做的就是衍生品量化投资分析工作,把研究的结果开发成产品供客户购买。

而通常能够进行交易的宽客团队一天的工作流程大致如此:有人在交易头一天晚上就负责收集并更新、处理好交易所公告的数据;第二天开盘之前,通过选定的模型,经相关软件自动给出交易策略。开盘后,按照模型给定的策略进行交易。早上10点左右,交易员、基金经理盯盘最忙碌的时候,量化投资团队一天的最主要工作—投资决策、交易下指令的工作已经完成。

丁鹏认为,进入量化投资门槛之后,找到好的方法,会比较轻松,理论上讲,“一台笔记本一个U盘就可以赚钱了”。

真实交易还是需要一个团队的支持,不过核心的交易模型和思想,确实一张U盘就可以存储完成。有朋友曾拿U盘拷下他设计的量化投资模型到香港股市去实践,半年间盈利最高点达到了120%,不过,这个高风险的策略只适合于小资金操作,并不适合于大规模的资产管理。丁鹏解释:”资本市场没有神话,需要不断地修订自己的模型和策略 “。

张冰目前也不敢奢望那样的赚钱状态。

事实上,量化投资在国内最早也就是2005年才萌芽。业内公认,2005年开始的ETF套利拉开了量化投资在中国的序幕,而股指期货等衍生品2010年才逐步放 开。

因为无可借鉴,张冰团队只能从零做起。从收集数据到建构模型到交易的风险控制,都是他们自己一个代码一个代码写的。

这是个系统工程,在这个体系中,先观察事件之间的联系—通过观察或实验去取得数据;再假设一个结论—构建理论去解释数据;然后去预测分析—构建量化模型并回测;最后检验并证实这个结论—实盘交易。

所有这些都需要资本和人力的大量投入。从华尔街回来的宽客—北京名策数据处理有限公司执行董事祝清大致估计了一下,一个真正从事量化投资的宽客团队运作起来,前期至少要投入5000万。

祝清曾在美国的全球证券投资基金工作多年,有三年,他是一个40人宽客团队的负责人,要从全球9000多只股票池里找出投资品种。这让他有机会对量化投资从数据、代码到模型、系统进行深入地接触和运用,甚至对系统的漏洞也了如指掌。

这些是他当时所在公司花了十几年,经过大量的投入才建构的一个系统工程。而建构整个系统的基础就是数据,华尔街其他有着进行量化投资的宽客团队的公司,无不在数据上有很大的支出。

2008年祝清从华尔街回国,创办专注于金融数量分析和程序化交易的数据处理公司。这几年,他带领30人的团队,主要做了四件事:建立专供量化投资的量化数据库、量化决策终端、高速量化交易平台、量化策略研发服务。他希望借助强大的分析工具平台,以及日益完善的数据库系统来改变行业的经营模 式。

目前他的公司尚未到盈利阶段。

春天尚未到来

1月19日,中国量化投资学会的50多名资深会员在北京郊区举办了一次聚会,聚会的主题是“拥抱量化投资的春天”。丁鹏表示:冬天已经过去,宽客的春天已经到来。

丁鹏是有理由乐观的:国家政策层面支持金融衍生品市场放开;2012年,玻璃、原油、国债期货、CTA以及沪深300指数期权等一系列金融衍生品加速推进;随着投资品种增多,越来越多的金融机构意识到量化投资的重要性和紧迫性。

另外,国内打算做宽客的人也暴增—从中国量化投资学会的壮大就可看出端倪。

不过,同是中国量化投资学会成员的张冰和祝清都持谨慎态度。

张冰不认为宽客短期可形成一股力量。毕竟,美国发展了四十年,而中国只做了四五年而已。没有足够的投入,不可能那么快有收入。没有收入,坚持来做的人就不会太多。

祝清更严苛。他并不认为会建模型的人就可称为宽客。他认为目前中国真正的宽客,尚不足100人。祝清按照华尔街的标准来定义中国宽客:作为宽客,最起码要满足三个条件—有高净值客户;有量化投资研究平台(有数据有人有模型);有交易通道。

按照这个标准,目前,真正的中国宽客都在过冬,都还在烧钱阶段,活下去都很难。即使是初春,最早也至少要三年之后—这还要看有没有一两位真正经受住市场检验、收益率排名靠前的标杆性宽客脱颖而 出。

据祝清了解,因为国内多数金融机构的高层并不懂量化,在这方面投入太少,即使一些数一数二的大型券商,历史的数据都不存。没有历史数据无法验证模型,量化投资就是句空话。

取得数据,还需要有人来处理数据,建构模型。金融机构的投入不会很快有结果,另一方面,宽客很有可能做出成果之后就走人,中国在这方面尚无知识产权保护。而在美国,只要有人敢在服务器上拷一行代码,就有FBI介入了。

2008年中金公司从华尔街花重金请回来的知名宽客李祥林,如今他已去做私募了。

祝清介绍,西方宽客主要分三类:从事高频交易的、采用对冲策略的、预测趋势的。而他们所有的交易、投融资决策都是通过数量模型进行,由电脑决策并完成下单。

根据国际知名咨询机构CELENT2011年的研究报告,中国目前通过电脑程序化交易的市场份额(按交易量计算)约为0.6%,2013年将快速增长到2.5%以上,主要应用于股指期货和ETF指数化产品的交易。

第7篇

在金融危机蔓延过程中,传统货币政策的作用被大大削弱。银行在危机中受到重创,功能下降,货币政策传导机制被破坏,货币供应量急剧紧缩,使金融危机进一步恶化; 同时,货币政策在实施过程中传导机制也会失效。2008 年次贷危机对全球实体经济和金融体系造成了巨大冲击,世界各发达经济体为了快速走出危机,在常规货币政策无效的情况下,启用非常规货币政策,最典型的就是采用量化宽松货币政策。

美联储量化宽松政策在为国内市场注入大量流动性的同时,也一步一步将全球带入了量化宽松时代。事实表明,量化宽松货币政策的实施一方面使全球经济走出了阴霾,美国经济得到较好恢复; 另一方面也带来了全球资本流动性过剩、商品市场和资本市场价格快速上涨、通货膨胀高涨等负面效应。为克服量化宽松货币政策的负面影响, 2013 年6 月20 日伯南克首次宣布美联储将逐步缩减购债计划,在2014 年退出量化宽松的货币政策,由此引发了美国国内外广泛的争议。2014 年,耶伦成为美联储主席,美国退出量化宽松货币政策又有了新的变数。但随着世界经济复苏日渐明确,量化宽松货币政策的退出将是必然的。目前全世界关注的焦点在于何时退出? 采用什么样的退出机制、选择何种退出策略? 在具体实施时面临哪些困难,应该如何应对? 这些问题是当前各国政府高层及全球投资者讨论的热点。然而,由于全球经济冷暖不一,经济复苏出现了分化的局面,这使得危机背景下的量化宽松政策退出的选择变得异常复杂,既要考虑国际间不同经济体货币政策退出时机和力度的平衡,避免单一经济体过早或过晚退出可能带来的溢出效应,又要考虑一国货币政策和财政政策的协调效应; 既要防止量化宽松货币政策退出过早而影响经济复苏速度,又要避免退出过晚而使通货膨胀的压力过大。制定量化宽松货币政策的效果评估体系是一个充满复杂的不确定性系统工程,退出量化宽松货币政策更是如此,单独强调某一部分的作用,忽视政策的整体性以及各个部分之间的关联性,都有可能导致严重的失误。

二、量化宽松货币政策退出机制: 分析框架

(一) 量化宽松货币政策退出: 时机、目标和工具

1. 量化宽松货币政策退出的时机

后危机时代退出量化宽松货币政策要以平稳退出为原则,以防止蔓生出诸多外部性问题。在经济一体化,金融全球化背景下,由于存在蝴蝶效应和多米诺骨牌效应常常会导致一国的货币政策调整对其他国家造成严重的影响。由于各国经济发展的差异,政策调整的灵活性和时滞性,量化宽松货币政策的退出对发达国家和新兴经济体的影响是不同的,有可能仅是冲击,也有可能会导致危机。因此,科学把握量化宽松货币政策退出的时机十分重要。

量化宽松货币政策退出会使经济体系的流动性下降,资金成本上升,金融机构惜贷,实体经济部门的消费和投资减少,对复苏中的经济十分不利。2013 年4 月12 日纽约黄金期货与伦敦现货金价格全线暴跌,创下2011 年7 月以来最低水平,同时也宣布金价正式步入熊市,主要原因是美联储会议的多位委员要求在年中缩减并在年终结束量化宽松货币政策。从历史上看,金融危机后的经济复苏往往是脆弱的,过早退出宽松的货币政策会约束经济增长所需的货币供给,抑制经济复苏,导致经济二次衰退。在应对1929 - 1933 年经济大萧条时,美联储运用退出宽松货币政策的策略时就曾出现失误。1936 年美联储因为担心美国的商业银行会运用存放在美联储的巨额准备金去发放贷款,有可能导致信贷扩张无法控制,美联储开始大幅度提高准备金率来吸收这些准备金,即采取紧缩的货币政策。这种政策的失误断送了美国从1933 年开始的经济强劲复苏,并引发了美国在1937 - 1938 年间的经济衰退。

量化宽松货币政策退出过迟,则会导致资产价格泡沫和通货膨胀。一般来说,经济萧条时,市场缺乏信心使得广义货币增速较低。一旦经济恢复增长,伴随着市场修复和信心恢复,经济体系中的流动性就会逐渐激活,转化为实际通货。如果经济复苏后量化宽松政策退出过迟,就可能引发大规模通胀。因为经济复苏后,经济体中汹涌的流动性不仅会影响到实体经济,也会进入到一般商品市场、大宗商品市场、股票市场、债券市场和房地产市场等,带动各类资产价格上升,催生资产价格泡沫。以美国为例,美国股市的道琼斯指数从金融危机时最低的6469 点涨到了2014 年12月26 日的18103. 45 点,创道琼斯指数历史最高点。纳斯达克综合指数从金融危机时最低的1265点涨到了2014 年12 月26 日的4814. 94 点。其原因就是, 2001 年9. 11事件后,美联储长时间实行宽松的货币政策,联邦基金利率始终在低位徘徊,使得美国累积了大量的资产泡沫,随着泡沫的破灭,导致了2008 年金融危机的爆发。如果当时美国宽松的货币政策早一些退出,那么资产泡沫累积以及金融危机爆发的可能性就会大大减少。

2. 量化宽松货币政策退出时宏观经济指标的设定

确定量化宽松货币政策退出时机的关键是对宏观经济状况的科学判断。具体有四个标准: 财政赤字率是否已经接近或者达到警戒线; 就业状况是否出现好转; 通货紧缩的压力是否消除; 持续性的需求增长态势是否已经确立。

3. 量化宽松货币政策退出时货币政策目标的选择

根据美国的经验,在常规的货币政策环境下,货币政策的首要目标是币值的稳定。但在经济受金融危机影响而陷入衰退时,经济增长和就业就应当取代币值稳定而成为制定货币政策的首要目标。伯南克曾多次表示,是否退出量化宽松货币政策取决于两个指标: 一是失业率降至6. 5% 以下; 二是通胀率升至2% - 2. 5%。达到这两个指标的关键因素是要看美国的经济表现。伯南克曾两次表态都指出: 我们的政策绝不是预先确定的,而是取决于新的数据和经济前景。换言之,美联储退出量化宽松政策的前提条件是夯实美国经济的复苏基础,即美国经济在没有宽松政策刺激下仍能稳步改善,到失业率降至6. 5%以下时,就可以考虑调整和退出量化宽松货币政策。

( 二) 量化宽松货币政策退出: 工具选择

不同的货币政策工具不仅具有不同的成本和风险,而且其宏观经济效应有较大的差异。当确定量化宽松货币政策退出时,央行面临的下一个问题是退出时的政策工具选择,工具选择的原则要有利于复苏阶段央行货币政策目标的实现。量化宽松货币政策的实质是扩大央行资产负债表的规模,使基础货币供给增加,并且增加的规模超过维持现有利率水平需要的水准,量化宽松货币政策具有下列特点: 一是央行货币投放规模尚未导致通货膨胀时,持续保持较低的利率水平和较高的储备水平。二是为了达到储备存款目的,央行运用购买政府债券的方式投放基础货币。三是根据市场上对流动性的需求,确定商业银行在央行储备存款的水平,并通过扩大央行负债的方式来实现。在本次金融危机中,各国央行主要采取数量宽松与信贷宽松的政策对资产负债表的结构进行调整,进行规模扩张。因此,量化宽松货币政策的退出也主要体现为央行资产负债表的再平衡,一方面是为了避免因该政策的退出而导致经济出现再次衰退,另一方面也是为了回收市场过度充裕的流动性。另外,在量化宽松货币政策退出的工具选择上,也应当小心谨慎,通常采用的工具主要是通过提高法定存款准备金比例,公开市场回购和窗口指导等数量工具来实现回收流动性,降低对通货膨胀的预期。要尽量避免采用提高利率和再贴现率等价格工具。因为这类货币政策工具有可能进一步加大市场主体的负担,导致消费和投资需求减少,使经济再次陷入衰退之中。从美联储退出量化宽松货币政策的实践看,由于美联储的资产负债表膨胀不会导致通胀上升,美联储既有撤出刺激措施的工具,也有能力回收流动性。因此,美国的量化宽松政策退出工具主要选用公开市场出售美联储持有国债和证券,财政部发行短期票据回笼资金再存入美联储,进行逆回购协议、提高超额准备金率和将部分超额准备金转换成定期存款再存入美联储等。

( 三) 量化宽松货币政策退出: 路径选择

无论是从宏观经济的平稳复苏还是从央行货币政策调控的现实需要看,在经济复苏阶段,量化宽松货币政策的退出应该是循序渐进的,退出策略应保持及时性和渐进性,即量化宽松货币政策的退出要根据实体经济、金融市场和就业复苏状况分步骤实施。

第一步是自动退出。当金融市场融资功能得到恢复,一部分量化宽松货币政策工具的使用频率不断下降趋于停用,金融市场稳定的目标也基本实现,这时自动退出量化宽松货币政策就具备了基本条件。在这种情况下,只要央行不再继续运用短期流动性工具,随着已投放的短期贷款陆续到期或提前偿还,短期流动性就可以自动收紧。

第二步是主动退出。当明确住房市场见底回升,整体经济状况持续好转时,央行的货币政策基调就可以适时转变。因此,房地产市场和消费信贷复苏情况做出准确合理的趋势性判断,是央行确定何时主动实施量化宽松货币政策退出的关键所在。

第三步是全面退出。当财政政策与货币政策的刺激效果明显体现,实体经济及就业状况进一步改善,公开市场的利率操作目标基本实现。量化宽松货币政策就可以全面退出。从美国的具体情况看, 2013 年6 月美联储明确发出退出量化宽松货币政策信号之后,给予了市场一定的时间加以适应,即采取了缓慢退出的策略。所以在2013 年12 月美联储发表声明,宣布将从2014 年起调低长期债券购买额为750 亿美元。同时,美联储在声明中强化了利率政策前瞻指引,暗示将在更长时间内维持超低利率。美联储的具体退出政策又分为两个阶段: 第一阶段,当金融机构的资产负债表得以修复时,美联储采用数量手段,主要方法是减少购买债券的规模,但是升息的可能性较小; 第二阶段,当企业和家庭的资产负债表得以修复时,市场上的货币供应量加速上升,流动性宽松后,美联储使用价格工具和数量工具收回流动性,开始调高利率水平。升息是量化宽松货币政策退出的最重要标志。

三、实施量化宽松货币政策的负面影响

量化宽松货币政策的实施在反危机中具有积极的作用。央行通过购买证券、扩大可接受抵押品范围等方式缓解了金融市场流动性,提振了市场信心,拯救了一些濒临破产的金融机构和企业,有效地防范了系统性金融风险的发生,但是,量化宽松货币政策的实施也带来了负面影响。

首先,央行的独立性受到影响。央行过多地承担政府救助职责,很大程度上制约了其制定和实施货币政策的独立性。实施量化宽松货币政策,央行不仅购买私人部门发行的证券,而且购买长期国债,从而使财政趋向货币化,加大了货币供给量与财政赤字的关联度,形成货币政策被财政政策绑架的局面,最终以通货膨胀来换取经济增长。同时,央行直接干预了市场定价机制,市场利率水平不能反映真实的资金需求和贷款人的风险承受水平,加大了宏观调控的难度。

其次,整体流动性过剩导致金融监管难度加大。金融机构的资产证券化派生了大量金融衍生品,影子银行体系进一步推进了广义流动性膨胀,成为全球资本流动性过剩的创造者。在危机救助过程中,向市场注入大量流动性成为各国央行的主要救助手段。随着危机的逐步缓解,如果大量流动性始终充斥市场,将为未来的通货膨胀埋下隐患。

再次,可能引发各国央行的系统性风险。在应对金融危机的过程中,主要经济体央行具有政策出台时间的一致性,政策措施上的趋同性和政策决策间的相关性使救助措施具有前所未有的一致。这虽然有助于增强应对金融危机的力度,但也使主要经济体央行的货币政策互相牵制,对本国货币政策的走向难以把握,增大了各国央行决策中的道德风险和全球央行体系的系统性风险。

最后,进一步恶化了相关贸易体的经济形势。量化宽松货币政策的最直接的表现之一是使本国货币大幅贬值,这有利于本国的出口行业,但是也导致相关经济体的货币升值。尤其对于那些处于金融危机漩涡中的出口导向型新兴经济体而言,有可能引发贸易摩擦,并传导了通货膨胀。

另外,量化宽松货币政策的退出,美联储面临内部和外部的双重约束。一方面,美国面临的高额财政赤字和不断攀升的失业率,使美联储退出量化宽松货币政策必须步步谨慎; 另一方面,量化宽松货币政策的退出也会给全球经济,尤其是新兴经济体带来了巨大冲击。

四、退出量化宽松政策对全球经济的影响

在危机管理中,量化宽松货币政策的实施为金融市场及实体经济注入了较为充裕的流动性,创造出了一个较为宽松的货币政策环境。美联储在2013 年12 月份启动退出量化宽松货币政策,无论如何小心翼翼,无论退出的时间持续多久,美国作为全球经济的中心,美元作为世界货币,其未来相对于过去更加偏紧的货币政策,都会给全球,尤其是新兴市场国家带来负面效应。量化宽松货币政策退出预期以及即将到来的实际退出已经并将继续对全球金融市场产生冲击。

(一) 国际资本从流动性过剩到流动性短缺

量化宽松货币政策实施的两大前提是通货紧缩和零利率,这种政策主要通过改变中央银行资产负债表的方式以刺激流动性的增加,使市场产生通货膨胀的预期,从而刺激投资的增加和经济的复苏。在量化宽松的货币政策作用下,联邦基金利率保持在0 - 0. 25% 的水平。随着美国启动逐步退出量化宽松政策消息出台,市场预期就发生转变,美国抵押贷款利率和债券长期收益率便开始大幅上升。量化宽松货币政策若完全退出,全球金融利率水平会继续上升,全球流动性会逐渐收紧。国际资本市场的流动性就会从量化宽松货币政策实施时的过剩转变为退出后的短缺。

(二) 资产缩水、泡沫崩溃

美国量化宽松货币政策的实施,向全球输出了大量的资本,资本的涌入导致资产价格的持续上涨,泡沫增加。一旦美联储退出量化宽松货币政策,全球资本流动性必将收紧,资产价格泡沫有可能崩溃,高价格的资产有可能暴跌,全球财富会缩水。最重要、也是影响最大的是房产和股票价格,如果这两个价格出现剧烈波动,其影响范围将大大超出其市场本身,而对一国的宏观经济和货币政策效果产生严重冲击。由于全球大宗商品交易主要以美元标价和结算,美国量化宽松货币政策引发的全球流动性泛滥、美元贬值和通胀预期上升,推高了金属、粮食和能源等大宗商品价格。

所以,美联储实施退出量化宽松货币政策战略,美元汇率走高就会对大宗商品价格形成压制。

(三) 从通货膨胀到通货紧缩

美国量化宽松政策退出的标志是美联储的加息,美联储加息意味着全球货币流动性的收紧。货币流动性的减少会使物价水平下降,导致通货紧缩。物价的持续下跌使得企业获利空间减少甚至亏损,这将导致企业缩小生产经营规模,甚至裁员。同时,企业利润的下降导致员工收入减少,居民收入的减少也抑制了消费。物价下跌、失业率上升、居民总体的收入减少,导致社会个体的财富缩水。最终使社会的经济增长受到抑制,陷入通货紧缩。

(四) 全球汇率的波动反转

美国量化宽松货币政策的退出意味着美元流动性的收紧和美元的走强。同时也意味着降低美国国内货币供给,提升美国债券收益率,导致美元升值进而提高美元资产的吸引力。美元汇率变化是国际资本流动的重要风向标,根据历史经验,美联储升息后往往带来美元的持续走强。因此,美国量化宽松货币政策退出通过美元非美元货币的传导,使得全球其他货币贬值,对全球汇率市场的均衡产生较大影响。

(五) 对新兴经济体产生巨大冲击

从上世纪80 年代到2008 年,新兴经济体金融危机的爆发与美国货币政策变动有一定的关系,而且每次新兴经济体危机都爆发于美国货币政策由宽松向紧缩的转折时期。每当美联储采用宽松政策扩张资产负债表释放美元时,就会导致过剩的流动性,这些流动性首先影响新兴经济体。

由于新兴经济体的市场不完善,市场规制不健全,常常会导致资本的暴利。这些流动性冲入新兴经济体,导致其金融资产价格上涨,信贷扩张、通货膨胀加剧和经济泡沫; 而当美国货币政策转入紧缩,步入加息周期时,原先进入新兴经济体的资本就会回流、导致新兴经济体国内的流动性紧缩、金融资产价格大跌,引发金融市场动荡,甚至产生金融危机。量化宽松货币政策若退出,美国经济的持续复苏也会吸引更多的资金流入美国,加上美元升值的预期,会继续将国际资本大量从新兴经济体撤出,回流到美国,并在一定程度上造成金融市场动荡,可能会诱发局部金融危机。此外,自金融危机以来,在超低利率和美国四轮量化宽松货币政策的刺激下,美元已超越日元成为全球主要的套息交易货币,投资者以极低的成本套入美元,然后投资于高利率或高收益的国家,获取高额回报。一旦美国货币政策转向,美元套利交易平仓,也会引起美元大规模回流,将导致其他国家金融市场出现剧烈动荡,这将会对新兴市场经济增长、资产价格等产生负面影响,加剧新兴市场货币贬值压力和宏观经济调控压力。

五、结语

根据理查德. 库珀1968 年提出的相互依存理论,任何一个国家或区域之间,在经济发展过程中都是彼此联系,相互依存的。正确处理国家间经济关系的关键是了解一国经济发展与国际经济发展之间的敏感反应关系。一个国家实施的最优经济政策是一国政策制定者根据本国经济发展的状况制定的,但最终能否实现,还取决于其他国家的行动,这就是政策上的相互依存,是由各国经济结构和经济发展目标上的相互依存所决定的。因此,美国在制定量化宽松货币政策的退出策略时,也必须进行国际间的协调。各国央行如果都运用同种模式调整货币政策,有可能出现放大的溢出效应,给全球经济带来更大的冲击。

第8篇

量化对冲基金大量使用程序、模型来进行选股、择时等投资组合管理,实质则为采取量化投资策略的股票基金、混合基金或指数基金,特点为持股分散、数量众多、单一个股占比较小。

量化模型是核心竞争力

2004年国内首只采用该种策略的基金成立,到2011年市场存量超过10只。2015年四季度末,公募市场中52只量化对冲基金资产净值总额约550亿元,全部公募基金总规模占比0.69%,全部权益类基金总规模占比为2.21%,可见此类基金在公募行业中十分小众。

剔除2016年成立的新基金,公募市场中52只量化对冲策略产品的规模和业绩差异十分明显。截至2015年四季度末,规模居首的基金资产净值总额为76.08亿元,16只规模处于10亿至40亿元区间,规模均低于10亿元的35只基金中,约1/3为“迷你基金”。截至2016年3月11日,2015年成立的23只基金中7只获得正收益,其他均为净值损失。

量化对冲策略概念广泛,这可能是基金业绩表现差异大的原因之一。国内采用的主流策略有多因子模型、事件驱动模型和对冲等套利模型。各公司量化团队或基金经理会进行模型调整优化,模型构成的因子及权重不同,带来的投资收益也大相径庭。事实上。基金经理将各自的量化投资模型视为核心竞争力的很大构成,讳莫如深,具体用了什么模型,实际上是个黑匣子,投资者只能通过观察基金历史上的业绩、风险控制来判断其模型的有效性。

量化投资PK主动管理

对于量化投资策略产品,行情震荡,无论向上还是向下,均可以成为获得收益的机会,理想的情况是,市场上涨时,体现较其他类型基金更佳的超额收益能力,市场下跌时,表现出良好的抗跌性。

如图1,对比采取主动管理权益类基金同期收益率,今年以来,三类基金平均业绩整体为负,量化对冲策略基金净值损失程度最低;中长期角度,“过去三年”量化对冲策略基金的平均业绩表现未能跑赢股票基金和混合基金,“成立以来”的平均业绩较大幅落后于混合基金。验证抗跌能力,2015年股市曾出现过2次较大幅度向下调整,第一阶段为6月12日至7月8日,上证综指跌幅32.11%,第二阶段为8月17日至8月25日,上证综指跌幅26.70%。如图2,量化对冲策略基金平均业绩回撤幅度小于同期大盘指数,抗跌能力优于股票基金,但不如混合基金。

量化策略难以实行

一些量化投资策略需要构建空头头寸,利用股指期货双向对冲,但自2015年6月以来中金所对于股指期货交易规则进行多次调整,证监会加强高频、程序化交易监管,很多量化对冲策略无法实行,此类基金只能选择平掉头寸,以低仓位甚至空仓状态运行,基金经理则开始将仓位转做打新和配置货币市场基金。

第9篇

2011年7月1日,本刊正式引入《今日投资66》专栏,介绍今日投资66的选股逻辑、方法以及挑选出的股票。今日投资66(简称I66)是利用量化投资方法挑选出的一个66只股票的组合。其实早在2005年中今日投资就推出了I66,过去几年累计收益率达到16倍,远超同期市场不到3倍的涨幅。为什么直到今日我们才大张旗鼓地推出I66呢?原因其实很简单,因为市场环境。量化投资近几年在中国快速发展,其投资理念也越来越多地获得认同。

股票市场上形形的各种分析方法总结起来可以归类为三大流派:数量分析、基本面分析和技术分析。关于这三大流派孰优孰劣的争论已经持续了近百年,三方各执一词,百年争论下来也没有争出个结果来。当今世界也是这三种流派大概各占三分之一的格局。而A股市场显然尚未跟上,量化投资远远没有达到三分之一的市场占有率。

第一部分:什么是量化投资

量化投资在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。事实上,互联网的发展,使得新概念在世界范围的传播速度非常快,作为一个概念,量化投资并不算新,国内投资者早有耳闻。但是,真正的量化基金在国内还比较罕见。那么,何为量化投资?

康晓阳:量化就是符合投资常识的投资逻辑和策略

接下来会发生什么?

深圳市天马资产管理有限公司是国内最早开发量化投资模型的资产管理公司,致力于量化投资工作接近十年。作为国内量化投资的“开山鼻祖”,深圳天马的董事长康晓阳先生如下介绍量化投资:

大家看到这个图,鱼跳起来了,风在刮,接下来会是什么?日本发生的9级大地震!2011年3月7日我看到一个报道,有50条鲸鱼在搁浅沙滩,就在发生地震那个县东部的海岸,有的死了,专家解释这些鲸鱼集体迷路了。作为一个地震专家或者学者,其实他们的经验没有告诉他这50条鲸鱼搁浅沙滩跟地震有什么关系。到底有没有关系呢?我们知道5•12四川大地震之前发生了同样的事情,很多癞蛤蟆过马路,这跟地震有什么关系?

投资做股票有两类,讲很多种策略,无外乎就是买你自己喜欢的和买市场喜欢的,买自己喜欢和买市场喜欢的背后逻辑就是找影响股价的要素。

量化是什么?做投资,最终的分析停留在数据上,既然是数据,就可以标准化、固化。从你自己的角度买自己喜欢的东西,其实也可以量化,每个人都有对美的标准,但并不是符合这个指标,你就一定喜欢。如果有一个海选,把符合你喜欢特征的人放在你面前你去选,就可以量化。

鲸鱼搁浅在沙滩上,根据历史数据统计就会发现这个事情跟接下来要发生的事情有什么关联。把人的行为逻辑影响股价所有的要素进行综合分析,预测下一个市场喜欢的东西或者喜欢的策略是什么,简单一句话,量化就是符合投资常识的投资逻辑和策略。就股票来讲,投资标的的数据和因素量化,再用一些模型统计的方法把选出来的标的进行优化,最后成为投资组合,这就是量化的基本逻辑。用数理的方法把你的投资逻辑或者市场的投资逻辑固化,只要有投资逻辑的思想或者策略,都可以量化。

就股票而言,有很多种方法,有价值型股票,分析方法无非是那几种,只是大家的标准不一样,量化的东西可以设一个相对宽松的东西,初选之后再优化,比如成长型股票,肯定关心盈利、收益。选出来10个、20个、50个甚至100、200个股票,然后配比重,怎么优化组合,根据你的风险和预期收益率反推回来怎么优化,最后得出一个比重,哪只股票应该投多少。有些是成本交易,比如套利,什么情况下出现一定条件的时候提示你。

要真正做到量化,首先要有一个基本的理论模型。你要觉得什么样的股票表现好,什么样的股票你愿意投资,这就是量化的基本逻辑。但是,有了这个逻辑之后还不够,还要有复合型人才,因为量化投资不光要懂得投资股票,还要懂得数理分析。打个比方,虽然我很懂股票,但我不懂数理分析,很多计算机模型也不懂,更不懂编程序,要真正做到量化投资,就必须有复合型团队。为什么这么多年华尔街学金融工程、数理、物理的人大受欢迎?因为他们可以用统计工具。前段时间我在英国的一所大学和一些专门做模型分析的教授交流,我发现他们想的东西更加复杂,基本上把市场上任何的东西都想要量化。

我理解,就是去跟踪你的投资逻辑,它只是帮你实现你想法的一种工具。另外还要有高质量的数据,因为,你通常看到的东西和市场本身存在的东西可能并不一样。如果把鲸鱼放到海滩上,这作为数据化,统计过去2000年有多少次鲸鱼搁浅在海滩发生,假如有真实的数据,就可以研究出跟地震的相关性。要懂数理统计工具,建立模型就是纪律,不能改变,改变就不是模型。有人说看到今天不行,换一下,那就不是模型了。我们看过一个电影,造出来的机器人最后自己都控制不了,那就是模型。如果造出来的机器人自己能控制,那不是模型。人为什么能挣得到钱,为什么还要量化?传统是靠个人经验的,而且你看到、听到的东西都是有限的。量化有什么好处?它可以把你知道的东西在整个森林中搜索。计算机是不知疲倦的,晚上你在打鼾,计算机还可以工作。你的模型是你建的,你很理性的情况下建的模型,市场情绪变了,它不会变,那时候你不可能去改模型,所以它不会受情绪的影响。

华泰联合:实现投资理念与策略的过程

国内研究机构中涉足量化投资较早并多次获得新财富最佳分析师评选金融工程第一名的华泰联合证券金融工程团队如是说:

数量化投资是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。与传统定性的投资方法不同,数量化投资不是靠个人感觉来管理资产,而是将适当的投资思想、投资经验、甚至包括直觉反映在量化模型中,利用电脑帮助人脑处理大量信息、帮助人脑总结归纳市场的规律、建立可以重复使用并反复优化的投资策略(经验),并指导我们的投资决策过程。

本质上来讲,数量化投资也是一种主动型投资策略,其理论基础在于市场是非有效或弱有效的,基金经理可以通过对个股、行业及市场的驱动因素进行分析研究,建立最优的投资组合,试图战胜市场从而获取超额收益。然而一些定性的投资者却并不太认可定量投资,他们认为,定性研究可以将把股票基本面研究做得很深入,从而在决策深度上具有优势。然而,在当今市场上,信息量越来越大且传播速度极快,单个分析师所能跟踪的股票数量开始显得越发有限,也因此错过了许多优秀的投资机会,可谓是拥有深度的同时错失了广度。量化投资正好弥补了这一缺失,通过使用强大的计算机技术,它能够实时对全市场进行扫描,并依仗其纪律性、系统性、及时性、准确性以及分散化的特点最大概率的捕获战胜市场的投资标的。

事实上,在海外市场,我们看到越来越多的定量与定性完美结合的成功案例。通过向量化模型中加入分析师对未来主观判断的观点(定性的观点),再结合来自于历史规律检验的观点(定量的观点),定量与定性的优势便能得到充分的发挥和融合。我们相信,这也将是未来量化产品发展的主流方向和趋势。

结论

量化研究作为一种研究方法,其本质是使用统计学、数学和计算机工具改进研究效率,使得我们能够在更短的时间、更大的视角领域下,依靠清晰的研究逻辑,获取更为有效和操作性以及复制性更强的研究成果。量化研究的本质是一类发现市场规律的方法体系,其基本功能是认识市场和解释市场,并以做到预测市场为目的。

量化投资简单来讲,它以模型为主体,使用大量数据,并且在很大程度上用电脑这样的投资方式;其以科学性和系统性著称,并将在严格的纪律化模型制约下,紧密跟踪策略,使运作风险最小化,并力争取得较高收益。

第二部分:量化投资在蓬勃发展

量化投资在世界的发展史

美国市场有200多年,从证券市场开始,也有快400――500年了,但是量化的发展是上世纪50――60年代的事。首先有一些理论模型,没有理论模型支撑很难做到量化的东西。

数理化投资于上世纪50~70年论上发芽

Harry Markowitz在上世纪50年表一系列关于投资组合“均值―方差”优化的论文,这使得投资者可以定量化风险,并把风险和预期回报放在一个理论框架下统一考虑;

WilliamSharpe在1964年发表CAPM模型,此模型显示个股的预期回报和个股的风险及市场的预期回报成正比;

Steven Ross在1976年发表APT模型,此模型显示个股的预期回报可以表示成一系列非特定因素预期回报的加权平均,此模型为量化投资者指出了很实用的研究框架;

Black-Scholes在1972年发表关于股票权证的定价模型;

Fama和French在1993年发表三因素模型,此模型显示个股的预期回报由三个因素(市场,个股的市值,个股的市净率)决定;

此后很多研究者做了非常多的实证研究,并发现了一些对个股将来回报有预测作用的因素:比如市盈率,市净率,资产回报率,盈利一致预期,中长期价格动能,短期价格反转等。

数理化投资从上世纪70年代末开始实际运用

Barclays Global Investors(BGI)于1978年创立了全球第一只数量化投资策略基金,到被BlackRocks收购之前BGI以14000亿美元的规模,高居全球资产管理规模之首。

SSgA(道富环球投资管理公司)和 GSAM(高盛国际资产管理公司)为首的一大批以数量化投资为核心竞争力的公司已经成为机构资产管理公司中的“巨无霸”。

“詹姆斯•西蒙斯创办的文艺复兴科技公司花费15年的时间,研发基于数学统计理论的计算机模型,借助该模型,西蒙斯所管理的大奖章基金,从1989 年到2009 年间,平均年回报率高达35%,较同期标普500 指数年均回报率高20 多个百分点,比“金融大鳄”索罗斯和“股神”巴菲特的操盘表现都高出10 余个百分点。

在国外。其他采用量化投资的公司没有获得惊人的表现,并非是量化方法不好,而是他们还没有构建出更好的模型以及正确的策略。作为量化投资的大行家和受益者,西蒙斯承认有效市场的套利机会极少而且会趋同小时,然而,仍然有无数转瞬即逝的很小的机会存在,在证券市场,那些很小的交易,都会对这个庞大的市场产生影响,而每天都会有成千上万这样的交易发生。这个市场看似杂乱无章,却存在着内在规律,而量化操作自从诞生以来,无疑成为捕捉这些规律的一把利器,为海外投资者屡建奇功。

CQA(教育产品内容与数据测试)数据统计:在2002年-2004年三年间,量化产品的平均年收益率为5.6%,比非量化产品的平均年收益率高出1%。从信息比率来看,量化产品为0.37,非量化产品为0.06。此外,量化基金的运作费率相对更低,例如传统产品费率为0.6%,主动量化产品费率在0.45%-5%之间。

理柏(LIPPER)数据显示,2005年到2008年之间,87只大盘量化基金业绩表现好于非量化基金,增强型量化基金在2005年和2006年更是大幅跑赢非量化基金。但2007年和2008年除市场中性基金外,所有基金业绩下滑很快,其中双向策略和大盘量化基金表现差于非量化基金,而增强型和市场中性量化基金表现则优于非量化基金。

量化投资在中国的发展现状

研究力量不断壮大

目前大部分券商研究所都配有金融工程研究小组,成员超过5个的不在少数。根据2010年11月份的《新财富》最佳分析师榜单,国信证券金融工程小组人数有12人,为目前人员配备最多的量化投资研究团队。其他入选金融工程前五名的研究小组中,申银万国8人,华泰联合、安信证券各5人,中信证券4人。

数量化方面的研究报告数量也是逐年增加。据不完全统计,2008-2010年相关报告数量分别有52、142、794篇,今年上半年就达到了633篇,逐年递增趋势非常明显。不过,和2010年研究报告10万多份的总量相比,数量化研究的广度和深度还有很大提升空间。

量化产品初露锋芒

天马旗下的产品中,现有两个信托产品采用量化投资策略,分别是新华―天马成长,和平安―Lighthorse稳健增长。

此外,上投摩根、嘉实、中海基金、长盛基金、光大保德、富国基金、南方基金等都有量化产品推出,但是量化基金的比例还是非常小。即便在2009年,全年新发基金超过100只的情况下,新发的量化基金也仅有4只,数量在2009年的新发基金市场中仅占3%。与指数基金、普通股票基金相比,量化基金可谓是基金市场上的稀缺资源。

2011年,在国内紧缩政策与国外动荡局势的影响下,A股市场呈现结构性震荡上扬的格局。随着市场轮动的提速及内在容量的扩大,精选个股的难度日益加大。在此背景下,定性投资容易受到投资者情绪影响,而定量投资则能够通过计算机的筛选,帮助投资者克服非理性因素,在充分控制风险的前提下应对市场万变。以“人脑+电脑”为主要构建的量化基金逐渐显现投资优势,今年量化基金异军突起,整体表现不俗。截至4 月6 日, 9 只具有完整业绩的主动型量化基金平均收益率为0.64%,超越同期股票型基金和混合型基金-1.39%、-3.08%的净值增长率。其中,“元老”光大保德信量化核心基金收益率达5.19%。此外,南方策略、中海量化策略、长盛量化红利、长信量化先锋、上投摩根阿尔法、华泰柏瑞量化先行基金也均取得正收益,分别达到4.12%、3.28%、2.60%、2.13%、0.77%和0.16%;仅嘉实量化阿尔法和华商动态阿尔法收益为负,分别为-4.48%、-7.94%。此外,从以往披露的公开信息可以发现,国内量化基金多侧重价值因子,也契合今年低估值大盘蓝筹股领涨的市场格局。

第三部分:解读量化投资

在西蒙斯崛起之前,判断型投资完全占据着主流地位,因为当前全球投资界的三大泰斗当中,无论是价值投资的巴菲特、趋势投资的罗杰斯,还是靠哲学思维的索罗斯,都是判断型投资的代表。但随着西蒙斯的声名鹊起,量化投资开始受到投资大众的重视并呈现出蓬勃的发展态势。但需要指出的是,世界上没有万能的投资方法,任何一种投资方法都有其优缺点,量化投资当然也不例外。定量投资成功的关键是定量投资这个模型的设计好坏,设计的好坏主要由模型设计者对市场的了解、模型构建的了解和模型实践经验来决定的。

量化投资的决策体系

量化基金的成功运作必然依托一个完整而有效的量化体系用来支撑,该体系是数据获取、数据处理、资产配置、组合管理到全程风险控制等诸多环节的有机结合。

我们借鉴海外量化基金运作架构的诸多优点,并结合华泰联合金融工程资深研究员的看法,旨在提供一个适合中国市场特点的量化基金运作架构体系。该体系综合考虑了定性及定量两大主要选股思路,在风险可控下,充分发挥量化投资的优势。

此架构包含以下几个主要层次:

1. 数据提供:量化体系的底层一般是数据接入端口,数据来源于外部数据提供商。

2. 数据预处理:由于中国A 股市场历史较短,数据质量一般,特别是早期的数据较为不规范。因此,在输入模型前必须对数据进行全面的清洗,从而增强数据的有效性和连续性。

3. 资产配置:资产配置是量化基金的核心。不同的投资者具有不同的投资理念,即不同的资产收益率看法。因此,通过构建差异化的因子配置模型来实现差异化的投资理念则充分展现了量化投资的优势和精髓。举例而言,我们可以开发针对不同市场状况(如牛市、熊市、震荡市和转折市)以及不同投资风格(如保守、激进和中庸)的量化模块。这些模块就类似于儿童手中的玩具积木,一旦投资决策委员会确定了战略和战术配置比例,接下来要做的就是简单的选积木和搭积木的过程。模块化投资严格的遵循了投资思路,从而将量化投资的纪律性、系统性、及时性和准确性展露无遗。

4. 投资决策:宏观经济政策对中国A 股市场的表现影响较大,也就是我们常说的“政策市”。针对这一现状,综合考虑定性和定量的宏观判断对于我们选择合适的基金仓位及资产组合将十分必要。一方面,结合宏观及行业分析师对于未来宏观经济的预判以及个别性事件的分析,另一方面,考察既定的一系列量化择时指标和宏观经济指标的最新动向,从而能较为全面的提出投资建议。

5. 组合管理:在对于宏观趋势、战略和战术资产配置的全面考量之后,留给基金管理人的工作将是如何实现在交易成本,投资风险以及组合收益三者之间的最大平衡。

经典量化投资模型综述与评价

目前,由于计算的复杂程度和对速度的要求,量化投资的交易过程通常是由电脑自动来完成的,可在某些方面电脑依然不可能替代人脑。投资若要取得成功,就需要顶尖的大脑来罗织数据、发现规律、编制最快最好的电脑程序;此外,量化投资所使用的模型在用了一段时间之后就会慢慢失效,因为越来越多的“山寨版”会出现,因而需要不断发现新的模型以走在这场军备竞赛的前列,而此时需要的就是配备精良、高速运作的人脑。由此可见,模型在量化投资的整个体系中居于核心地位。近几十年来,西方理论界与实务界均诞生了不少量化投资模型,大力推动了量化投资的发展,这其中又大致可分为三大类:传统的基于经济学意义的模型(structural model)、现代的基于数学、统计学意义以及计算机原理的模型(statistical model)、程序化交易模型。以下就这三者分别予以介绍。

(一)传统的基于经济学意义的模型

这种模型虽然用到了一些数学与统计学的工具, 但其核心思想与前提假设仍然是围绕经济学或金融学原理而展开的。例如,B-S 模型与二叉树模型提供了金融产品定价的新思路,因而也衍生出了所谓的以选择权为基础之投资组合保险策略(option-basedportfolio insurance,OBPI),如欧式保护性卖权(protective put)策略、复制性卖权(synthetic put)策略和一些持仓策略―――买入持有(buy-andhold)策略、停损(stop-loss) 策略、固定比例投资组合保险(constant proportion portfolio insurance,CPPI) 策略、时间不变性组合保障(timeinvariant portfolio protection,TIPP)策略、固定组合(constant mix)策略与GARP(Growth at a Reasonable Price)策略等。

(二)现代的基于数学、统计学意义以及计算机原理的模型

与上述模型相比,这种模型“量化”的倾向愈加明显―――淡化甚至忽略经济学或金融学背景,基本上只是依赖先进的数学、统计学工具与IT 技术构建模型,进而确定投资策略。模型中应用的具体方法主要包括参数法、回归分析、时间序列分析、极值理论、马尔科夫链、历史模拟法、蒙特卡罗模拟法等等。

(三)程序化交易模型

随着金融市场的日益复杂化, 越来越多的复杂交易策略被设计出来,这些交易策略很难通过传统的手工方式执行,于是程序化交易应运而生。程序化交易是指按照预先编制的指令通过计算机程序来完成交易的方式,可以分为决策产生和决策执行两个层面:前者是指以各种实时/历史数据为输入通过事先设计好的算法计算得出交易决策的过程,而后者是指利用计算机算法来优化交易订单执行的过程; 也可以从交易频率的角度,分为高频交易和非高频交易。程序化交易使得复杂的量化交易策略得以实施,优化交易指令的执行,解放人力使之把精力更多地集中到投资策略的研究上, 最重要的是能克服人性的种种弱点与障碍从而保证绝对的“客观性”与“纪律性”。然而,这种交易方式也引起了诸多争议,如对速度的过高要求会造成市场的不公平、巨大的交易量可能会增加市场的波动性、容易产生链式反应、为了盈利可能会制造人为的价格而降低市场的有效性等等。

量化投资的主要策略

增强型指数基金:策略的主要目的还是跟踪指数,希望用量化模型找出能紧跟指数但同时又能小幅超越的组合。

非指数型量化基金:能利用绝大多数好的投资机会,而不需去管组合是否能紧跟指数。

多―空对冲基金:买入模型认为能表现好的股票, 卖空模型认为会表现差的股票。有时可能净多仓, 有时可能净空仓。此策略在对冲基金中很流行。在A股市场中能卖空的股票不多,所以一般只能用期指去对冲。

市场中性的多―空对冲基金:买入模型认为能表现好的股票, 卖空模型认为会表现差的股票。在任何时候净仓位为0,同时在各行业上,大小盘风格上的净仓位都为0。此策略在对冲基金中也比较流行。此策略的波动率非常小,在国外一般会加入杠杆。

130/30基金:一般共同基金采用,即买入130%的多仓, 卖空30%的空仓。

程序化高频交易:利用期指或股价的日内波动进行高频买卖。有些策略是找价格模式,有些是利用交易所规则上的漏洞。

可转移Alpha:主要用在增强型指数基金上,具体是用期货来跟踪指数,一部分多出来的钱投资于风险比较小的能取得绝对正收益的策略上。

市场择时/行业轮动/风格轮动:用数量化模型预测市场/行业/风格的拐点

量化投资和传统投资的比较

天马资产首席数量分析师朱繁林博士表示,量化投资区别于定性投资的鲜明特征就是模型,对于量化投资中模型与人的关系,大家也比较关心。可以打个比方来说明这种关系,我们先看一看医生治病,中医与西医的诊疗方法不同,中医是望、稳、问、切,最后判断出的结果,很大程度上基于中医的经验,定性程度上大一些;西医就不同了,先要病人去拍片子、化验等,这些都要依托于医学仪器,最后得出结论,对症下药。

医生治疗病人的疾病,投资者治疗市场的疾病,市场的疾病是什么?就是错误定价和估值,没病或病得比较轻,市场是有效或弱有效的;病得越严重,市场越无效。

投资者用资金投资于低估的证券,直到把它的价格抬升到合理的价格水平上。但是,定性投资和定量投资的具体做法有些差异,这些差异如同中医和西医的差异,定性投资更像中医,更多地依靠经验和感觉判断病在哪里;定量投资更像是西医,依靠模型判断,模型对于定量投资基金经理的作用就像CT机对于医生的作用。在每一天的投资运作之前,会先用模型对整个市场进行一次全面的检查和扫描,然后根据检查和扫描结果做出投资决策。

传统的定性投资强调的是基金经理的个人经验和主观判断,相对来说强调基金经理的单兵作战能力。而量化投资主要是用来源于市场和基本面的模型指导投资。

量化投资可以最大限度地捕捉到市场上的机会。而传统的定性投资受到研究员,基金经理覆盖范围的限制。

量化投资借助模型进行投资,比较客观和理性,更不会受市场和情绪影响。

量化投资的可复制性更好。传统的定性投资易受到基金经理,资深研究员人动的影响。

其实,定量投资和传统的定性投资本质上是相同的,二者都是基于市场非有效或是弱有效的理论基础,而投资经理可以通过对个股估值,成长等基本面的分析研究,建立战胜市场,产生超额收益的组合。不同的是,定性投资管理较依赖对上市公司的调研,以及基金经理个人的经验及主观的判断,而定量投资管理则是“定性思想的量化应用”,更加强调数据。

国内量化基金投资风险分析

(一)量化模型质量产生的投资风险

投资模型本身的质量,是量化基金最核心的竞争力。专业人士以为,对于中国这样的新兴市场,量化投资的关键是能否根据市场特点,设计出好的投资模型。然而,已有的量化基金中,大多简单地利用国外已公开的模型,或是用基金公司自有的一些简单模型,在考察市场的有效性上普遍比较欠缺。如中海量化策略和南方策略优化在行业权重配置中均采用的Black-Litterman(BL)模型。这种模型现是华尔街主流模型,亦是高盛公司资产管理部门在资产配置上的主要工具。然而,在国内市场信息搜集等方面局限性较大的情况下,该系统到底是否有效,是否仅是基金公司体现其“专业性”的一个由头,还有待观察。

(二)基金经理执行纪律打折扣所产生的道德风险

好买基金研究中心的一份报告指出,大部分量化基金在择时、行业配置和资金管理等方面并没有采用量化模型,更多的是基金经理的主观判断。观察这些量化基金的契约和季度报告可以发现,基金要么不进行择时,要么根据主观经验进行择时,这在很大程度上无法体现出模型选股产生的效果。

(三)数量化模型滞后产生的风险

量化基金效果如何,无法脱离资本市场环境的成熟度。量化模型的运用有重要的前提条件,是必须在一个相对成熟稳定的市场中运行,这种市场环境下基于历史数据设计的模型才可能延续其有效性。国内股市曾经大起大落,市场结构和运行规律都发生过质变。在这种情况下量化模型有可能跟不上市场本身的改变,严格的量化投资也难以适应变化。这或许是这种舶来品水土不服的一大原因。可以说,早期的A股市场并不适合量化投资理念,而随着市场逐渐成熟,量化投资的优势才开始逐渐显现。近两年量化投资基金数量成倍增加,也是对这一趋势的反映。

第10篇

天上掉下来 “Master”

“Master”是2016年底先后登陆中国国内两大围棋网站。起初,他悄无声息、接二连三地击败中日韩三国围棋高手。当人们发现这个神秘人物时,他已将世界声名显赫的50多名高手“腰斩”。 其中包括目前中韩“第一人”的柯洁和朴廷桓,以及古力、常昊等十多位过往的世界冠军。即使是这些全球顶尖级围棋高手,聚集在围棋平台上,群起抵抗Master,他们还是一败涂地,就像是针对全球公认智力级别最高的围棋界一次集体的定向“屠杀”。其中,围棋世界冠军朴庭恒连败5次,古力、陈耀华连败三局,还有曾经放言“就算 AlphaGo(“围棋狗”)赢了李世h,但它A不了我”的现世界“第一棋手”柯洁也连败三局。

在Master取得46连胜之后,“棋圣”聂卫平针对Master棋路撰文点评说,这一招“直接点角很奇怪,明显不符棋理,但意外成立”;那一招“左上角撞实黑棋的下法难以苟同,然而它就这么下了,还能赢”…… ;在充分研究了Master战例后,“棋圣”也按耐不住内心的冲动,在1月4日下午亲自出马对弈。再次吸引了全球公众的眼球。尽管“棋圣”的宝刀未老,尽管他很沉着稳健,尽管战况比之前52场更加胶着,但还是在坚持到254手后,以7.5目败给了Master。此时,连胜54局的Master第一次用繁体中文显示出了五个大字:谢谢聂老师!

直到Master拿下第59场胜利后,才突然宣布自己就是人工智能的“围棋狗”,就是2016年3月在韩国首尔以4:1大比分战胜围棋前世界冠军、韩国名将李世h九段的、举世瞩目围棋“人机世界大战”的主角。随即,谷歌DeepMind团队也声明证实,“Master”是最新版本人工智能的AlphaGo程序。并表示这次将过半世界围棋冠军掀翻“马”下的挑战仅是“一次非正式测试”。

由于围棋变化极其复杂,即便是算力无双的计算机,也无法穷尽黑白两子在棋盘里361个点位上的所有变化。所以,一度曾被认为是人类智慧的最后堡垒。国际象棋人工智能(Artificial Intelligence,AI)用了不到10年时间完成了AI战胜人类的战绩,而今天,围棋AI只用了不到10个月就以“一次非正式测试”的形式完败了人类。

在众围棋高手惊呼看不懂“围棋狗”的一些落子意图时,围棋古谱、棋理及以往的经验已经失效了;在众高手与“围棋狗”对弈不超过平均240手就败北时,已经宣告了人类算法和算力都已落伍。以至于,谷歌DeepMind团队不无讽刺地称,这仅是“一次非正式测试”。暗含着当下没必要再进行正式比赛了。因为,需要给围棋界甚至是人类自己留下些许面子和尊严。而更重要的是,面对已经获得的通杀战绩,穷尽黑白两子在棋盘里361个点位上的所有变化要比与高手一较高下更有价值。

从算法交易到人工智能与量化交易相结合

史上最早使用算法交易的案例可追溯到1949年。那时,对冲基金之父阿尔弗雷德・琼斯用空多3:7的比例进行资产配置交易。从1955年到1964年间,其综合年化回报率竟高达28%。进入上世纪60年代,投资者又开始引用计算机进行周期分析与价格预测。进而,使这类交易系统不断完善,逐渐发展成后来的算法交易。很快,这种算法交易策略在华尔街生根开花,并带来可观收益。

随着计算机的普及和大量使用,华尔街各大交易平台都开始允许执行算法交易,由于这种算法交易能快速有效地降低交易成本,控制市场冲击成本,并还具有较高的执行效率,而且还能隐藏交易意图规避监管。致使算法交易在股票、包括原油在内的大宗商品期货以及外汇等市场中成为不可或缺的组成部分。

2009年有投资银行研究报告称,超过50%,甚至是75%的股票交易都是通过算法进行自动交易的,商品期货市场也有类似的应用规模。2016年5月,《机构投资者》旗下出版物《阿尔法》公布的“2016年全球收入最高的对冲基金经理”排行榜显示,前十位收入最高的对冲基金经理中,有八位是量化基金经理,前25位有一半属于量化交易。因此,在索罗斯的名气被数学家西蒙斯超过时,在股神巴菲特年化20%的收益神话被大奖章年化35%(1989-2007)打败时,量化交易的神秘才更受市场关注。

随着大量计算机IT工程师的加入,使金融机构原有通过编写简单函数,设计一些指标,观察数据分布,再进行“简陋”的量化交易模式不能满足市场的实际需要。为此,陆续走上引进机器学习、大数据分析以及人工智能(Artificial Intelligence,AI)与量化交易相结合的模式上,特别是将人工智能中的4个子领域:图谱识别,机器学习,自适应功能以及策略遗传基因优化等贯穿整个量化交易的始终。并在自动报告生成、金融智能搜索、人工智能辅助量化交易和智能投顾等四个领域大显身手,更甚者,正在开始模拟人的某些思维过程和智能行为(如学习、推理、思考和规划等)。

在了解了上述信息后,也就不难理解“围棋狗”为何不费吹灰之力就能“屠杀”世界围棋众多泰斗们了。

游荡在国际石油市场上的“原油狗”们

随着实物石油贸易中的石油价格成为无疆界金融资本投机套利的标的后,油价就从微观经济学的层面上升到了宏观经济学的领域,并相继成为各市场主体进行资产配置与进行避险的标的。正因宏观经济层面新增了油价这一驱动因子,所以,每当一轮全球性金融经济危机爆发,油价无一例外地要同步发生一轮大幅震荡。反过来,又增加着各市场主体进行资产配置和避险的内生动力。同时,美国监管机构也不会丧失这种天赐的“良机”,不失时机地要根据其国内经济运行情况,进行一纵市场的违规稽查和巨额处罚,用以补充其财政收入和打击他国的竞争对手,特别是针对欧洲的竞争者,进而又增加了监管风险和对价格的扰动。

自2008年全球经济金融危机以来,已公开查处了针对Libor(伦敦银行间拆放款利率)、WM/Reuters基准汇率、ISDAfix利率指数和包括原油在内的商品期货的操纵行为。涉罪主体除巴克莱、瑞银、德银、汇丰、高盛、摩根大通等全球顶尖级投资银行和金融机构外,甚至还有世界级的综合性石油公司,如英国石油公司(BP)等。为了规避风险,这些金融机构和交易所创新出了众多权证类、期货、期权、二元期权和各种商品指数的金融工具,又依此组成了各种场内及场外的资产组合与配置策略。

比如针对NYMEX市场WTI原油与ICE市场Brent原油进行的跨市场套利策略。两者虽都是原油,且同处全球大的宏观经济背景下,但因受各自不同货币、财税等宏观驱动因子的影响,致使二油价波动幅度不同,且又运行在相应的价差区间内。进而为投机套利提供了可能与机会,也为有实力的实体公司提供了避险和资产配置的可能――用道硗臣频姆椒ǎ进行量化交易。

例如,可将WTI和Brent价差波动区间计算出来,给出一个置信区间,如99%。即在99%的情况下WTI和Brent的价差波动是在该区间。当价差触发上限时,做空这个价差,触发下限时,做多这个价差。尽管NYMEX和ICE交易所已将这种量化策略制成了标准的价差交易合约(工具),但因这种被量化的价差合约过于透明,易暴露在监管者的“放大镜”下,进而迫使更多投资银行与石油公司躲进场外市场进行交易,以规避监管。一旦场外交易达成,这些投行等市场主体会用计算机时时刻刻跟踪计算此价差,然后在其设定的区间上下限完成自动开平仓交易。同时,为确保其统计得出的置信区间价差的安全性,他们还会积极携巨资进入场内期货等市场对油价涨跌施加影响,确保其在场外进行资产配制的头寸安全。

其实,为了牟取暴利,各投行等金融机构还用计算机量化研发并使用了大量高杠杆的商品指数金融工具(参见笔者在本杂志2016年第三期刊发的“商品指数金融工具化对石油市场的影响”)。随着全球性货币的超发,包括原油在内的所有大宗商品和资源资产价格一路盘升,但随量宽的收缩,油价又会受到这类金融政策调控的影响而下跌,因此,这种政策风险又迫使着更多实体企业进入市场寻求规避主级上涨正向波中风险。

为此,这种量化后的石油金融工具应运而生,其中,瑞信就曾经推出过三倍于标普高盛原油指数ETN(VelocityShares Daily 3x Long Crude,交易代码为,UWTI),因其有令人难以置信的流动性和可获取暴利的期望值,而备受市场欢迎。但好事多磨,在2014年7月以后,油价暴跌了50%,但UWTI的价值却陡降99.6%。特别是,那些没有量化能力的投资者原想通过使用这类投资工具进行资产配置或避险,但却忽视了这类产品本身的缺陷(高杠杆和短期产品特性),造成自身的巨大风险。于是,瑞信不得不在2016年12月8日退出纽交所。将有需求的实体企业重新逼回场外市场进行交易。

今天,在国际石油市场上,无论是进行资产配置还是进行避险操作,量化交易已经是一种重要的交易手段,而“原油狗”也早已悄悄登陆。虽然笔者仅是从去年才开始研究和开发这类“狗”的,但却很快理解了既往无法解释的价格频繁在瞬间(一分钟或数秒内)暴涨暴跌的原因,其实,它就是程序化交易与反程序化交易博弈时大量程序化止损指令被触发的结果。而这种可怕的后果通常会造成价格在超短期的巨幅震荡,直接引起弱势反向一方暴仓并给其带来巨额亏损。

有鉴于此,它不仅要求参与者能够看得懂价格瞬间变动的内在逻辑,还需要有能够将其转化为可量化策略予以应对的“原油狗”,只有如此方能提高在石油市场上的生存机会。

能否诞生超级“原油狗”?

就程序设计本身而言,石油期货市场里的价格变量和涉及的算法,远不及人类智慧巅峰的“围棋”复杂。因此,与“围棋狗”类似的“原油狗”早已登陆国际原油期货市场,并悄无声息地参与着实体企业对原油及其产品的定价,并从中牟利,只是这些量化策略的“黑箱”没有被利益相关者完全披露出来而已。

第11篇

从开始的分级基金到如今的量化对冲专户,银华量化投资团队在量化投资的本土化上进行了卓有成效的尝试。如今,银华分级基金规模已经占到市场一半左右份额,而量化对冲专户的规模也已超过10亿元。时间和专户业绩证明了银华量化团队卓越的投资管理能力。2013年,银华量化对冲专户产品的费前平均年化收益超过15%,最高的账户则超过30%。

周毅认为,在中国,量化对冲产品有着广泛的客户基础,只要做好产品和策略,满足客户的投资需求,量化对冲产品将有十分广阔的发展空间。目前,银华在量化对冲策略的本土化上,已经取得了显著的先发优势,随着监管制度的变革以及金融工具的发展,量化对冲事业的春天已经到来。

步步为营 四年精磨优秀团队

2010-2011年,周毅以分级基金作为量化投资的突破口,带领银华量化团队初战告捷。当年,银华的分级基金一鸣惊人,获得了不可动摇的市场地位,也为此后银华的量化之路提供了市场认可度和基础支持。

2012年,周毅向着量化投资本土化进一步迈进,从量化专户开始尝试绝对收益。团队先后建立了侧重阿尔法策略和套利策略的研究小组。

2013年,来自银行渠道的数据显示,银华基金管理的量化对冲专户扣除全部费用后的平均收益率达到12.65%,净值波动率却仅为沪深300指数的1/4,而夏普比率则高达1.95,创造了稳定的绝对收益。

成绩的取得与银华基金量化团队的打造是密不可分的。周毅介绍,2010年,银华基金最早在国内设立量化投资部。2013年,银华量化的团队架构已经相对完整、人才配置齐全,团队中的骨干力量均有海外留学经历和多年海外量化投资相关工作经验。在天时、地利、人和齐备的机遇之下,银华量化团队逐渐发展完善,并在实战中得到了锻炼。

信托“破刚”独门策略巧夺市场

2014年,周毅看中了信托业拐点带给量化对冲的好时机。

周毅认为,信托与量化对冲,看似毫无相关性,但实际上面对的是同一类投资者——追求稳定回报的高净值客户。

“过去几年,信托做得非常好,刚性兑付带来了低风险下的高回报。投资者更热衷于信托产品,而对冲基金则相对显得冷门。”周毅说。

而到了2014年,事情正在发生变化。对非标投资的控制让信托业走入瓶颈,2013年底,信托发展所依赖的房地产业和矿业进入衰退周期,多只信托产品出现兑付危机,打破“信托刚性兑付”的呼声也越来越高,这意味着其投资属性正在改变。

周毅认为,面对这种趋势,未来可能有一部分投资者将从信托产品中脱离,转而选择新的投资方向。而对冲基金相对来说是个新兴投资工具,需要向客户证明自己的绝对收益能力和风控能力。“对于任何新兴的投资种类,重要的是你有过硬的管理业绩,以数字证明自己。”周毅说。

目前银华量化对冲专户产品的投资策略大概分为两种模式:阿尔法策略和套利策略。所谓阿尔法策略,是专注于创造绝对收益。根据A股市场的特点,银华将理论上的阿尔法策略进行了改造,以传统的主动型股票研究分析结果为基础,利用多因子模型来控制组合的风险和相关性,追求超越市场平均回报的绝对收益,为投资者提供持续稳定的阿尔法回报。

第二类策略是套利策略,即利用衍生品到期收敛特点进行套利。银华采用的多为分级基金套利。这种方法能够为组合贡献低风险收益。

不管是阿尔法策略还是套利策略,都不依赖择时,而是在所选的股票和放空的标的之间的相对强弱差上,赚取绝对收益。“对冲并不需要判断某个行业是涨还是跌,只是基于相对强弱,中间的差是回报。对指数也是同样的道理。”周毅介绍,“这也是国外对冲机构广泛使用的投资方法。”

当对冲投资策略程序一旦设定好,就像是一个冷静理性的基金经理,没有贪婪和恐惧等情绪。量化投资可能产生不了历史上最棒的基金经理,但是确实是一种回报稳定的投资方式。

对冲春天期待机制与产品创新

周毅表示,他十分期待中证500股指期货、个股期权以及股指期权的推出。他坚信,从发展趋势来讲,中国的衍生工具会越来越多,国外成熟的量化对冲投资模式未来在中国大有用武之地,同时量化投资管理的资金规模也会变大。

在目前的阶段,周毅并不认可过快提升对冲类产品的规模。国际经验表明,任何一个优秀的对冲基金公司的管理规模都是有上限的。不管多好的策略,它所能支持的资金量,所能支持的衍生品存货量和股票量都是有限的。

周毅测算,仅就目前的投资标的而言,银华团队可以有效管理的量化对冲基金规模极限或为50多亿元,而单只对冲基金的理想规模大约是5亿元左右。但随着中证500股指期货、股指期权等衍生工具诞生,这个规模会大幅增加。

第12篇

神勇的大奖章

量化投资向世人昭示,挤进超级富豪圈不是梦。对冲基金是量化投资应用最广泛的产品。在福布斯2013全球亿万富豪榜上,对冲基金经理在前1000名富豪里夺得了约21个席位,占比约达2%,更有4名进入了百强榜。

詹姆斯?西蒙斯的文艺复兴公司旗下的大奖章基金,在1998至2008年的20年时间内,年平均净回报率高达38.5%,创造了投资界的神话。西蒙斯本人也成为了20年内最佳赚钱基金经理,成为了新的对冲之王,直至今日,仍居福布斯亿万富豪榜的82位。

大奖章基金以短线操作为主,主要通过统计信息分析方法来判断外汇和债券短期的价格变化,尤其是市场的过激反应类,进行套利活动。这个短线究竟有多短呢,金融投资里面最短的短线的计量单位叫“一笔”,举个例子来说,每秒钟都有可能进行成百上千笔交易。

可以这样说,大奖章基金差不多是量化到头发丝的存在,但这也并不代表着,电脑已经取代了人的角色,成为了人的主宰。西蒙斯自己也曾表示,长期不变还能赚钱的模型是不存在的,模型必须要不断更新,这也完全是通过人来完成的。

黑天鹅击溃完美模型

谈到量化投资,美国长期资本作为最著名的投资案例,不得不提。

约翰?梅里韦瑟在1994年2月创立了美国长期资本公司(LTCM)。公司依托布莱克-舒尔斯-默顿的衍生工具标价理论,采用“市场中性”的交易策略,买入低估的有价证券、卖出高估的有价证券,进行套利活动。LTCM似乎窥探到了量化的奥秘,在1994至1997年,年投资回报率分别达到28.5%、42.8%和17%,净增长2.84倍。巨大的盈利能力让LTCM获得了资本市场的认可,也使梅里韦瑟获得了套利之父的荣誉。

1998年8月17日,黑天鹅降临了,LTCM遭遇了俄罗斯政府外债违约。这场危机引起了全球金融市场的动荡,投资者纷纷退出了发展中国家的市场,转向了美国、德国等风险小、质量高的债券。结果LTCM做错了方向,沽空的德国债券价格上涨,做多的发展中国家债券价格却下降,原本预期收敛的价差却在趋于发散,致使其在资本市场上的滑铁卢。虽然后来美国金融巨头出资接管了公司,但LTCM已是强弩之末,于2000年宣布倒闭清算。

私募专业人士指出,LTCM过于信任自身的投资策略组合,忽略了小概率事件,再加上过高的杠杆,都导致了它的最终灭亡。量化投资其实根本不存在永久的致富秘籍,也没有永葆青春的投资模型,随着市场效率的提升,IT技术的升级,任何投资策略与操作方法从短期或长期来看,都存在误区与漏洞,这时则需要人脑的与时俱进,让系统根据动态不确定的环境进行修正与完善。人脑与电脑应该是相互成全,而不是相互替代。

量化投资的“黑箱”

正如硬币有正反两面,可称得上是赚钱利器的量化投资,也会因计算机的频繁“发疯”面临巨大的投资风险,如华尔街巨头高盛的交易错单、美国第二大股票交易所纽约纳斯达克证券交易所3小时的停止交易、国内8·16乌龙指交易事件。量化投资的高频交易引发了人们对计算机潜在风险的担忧,但它就像血液循环系统一样,加速了资本市场的资金流动,是金融发展历程中不可缺少的。“我们不能因噎废食,因为一个系统的BUG,就舍弃了整个系统。”首善财富管理集团(以下简称首善财富)表示,随着金融产品种类的增多,信息跟踪量的增大,对量化投资的需求也会不断增大。从管理和控制风险的角度来说,这不仅需要投资公司自身完善风控体系,还需要整个产业链的配合。首善财富董事长吴正新曾多次指出,“对冲基金将是中国证券市场最大赢家,而它们多大量采用复杂的量化模型进行程序化交易。”

所谓量化投资,就是指按照事先设定好的逻辑策略或数学公式进行投资,文艺复兴技术公司与美国长期资本公司也都是这样做的。从广义的层次来说,一切使用数学工具、电脑程序的投资方式都包含在量化投资的范畴。其中,争议不断的高频交易本质上是用来消除市场暂时出现的无效率的,它可以促进市场价格更快地反映市场信息。全球最大的知名高频交易公司包括Millennium, DE Shaw, Worldquant和Renaissance Technologies等。

虽然量化投资由于稳定的投资回报获得了越来越多的投资者的青睐,但是投资大众对量化投资的运作流程依然很模糊,这样“黑箱”也就形成了。量化投资的“黑箱”里到底承载着什么奥秘呢?

据华尔街顶级数量金融专家里什?纳兰揭秘,量化投资“黑箱”的基本结构包括人工的数据输入与研究、交易策略模型、风险控制模型、交易成本模型、投资组合构建模型,其中四项构成了交易系统。

如何让量化投资“活”起来?答案是人工的数据输入与研究,和交易系统的配合。通常认为,量化交易最小化了人工因素在系统中的作用,当量化交易员精心研究和开发的系统上线,他们似乎也就英雄再无用武之地。其实不然,计算机只会忠实可靠地按照人们告诉它的做法一步一步地来执行,伴随着时间与市场的不断演进,交易模型瑕疵也将不断扩大,这时量化交易员的主观判断显得尤为重要,人工因素的加入使量化投资具有了人类的正常思维,似乎“活”起来,可以主动灵活地应对外界的瞬息万变。也就是说,一旦市场触发了系统的难以判断的“恐慌”,交易员就会立即现身,通过修改交易清单或降低投资组合规模和相应的杠杆比率,来规避投资的风险。

MOM让量化投资活起来

如今,MOM模式成为欧美主流的资产管理模式,也将是量化投资界人脑与电脑结合的最佳作品。

作为一种间接的资产管理模式MOM(即Manager of Managers)诞生在美国罗素资产管理公司。它的客户可以是机构投资者,也可以是高净值个人。自从被开发出来,已被国外很多机构应用,最成功的当属耶鲁大学基金会,从1980年的两亿美金到了现在的约300亿美金,赚了将近150倍。

所谓MOM模式,也被称为精选多元管理人,通过优中选优的方法,筛选基金管理人或资产管理人,让这些最顶尖的专业人士来管理资产,而自身则通过动态地跟踪、监督、管理他们,及时调整资产配置方案,来收获利益。

“找最优秀的人做最专业的事。”首善财富董事长吴正新指出了MOM模式的本质。首善财富旗下的首善国际资产管理有限公司是国内第一家运用MOM模式做对冲基金和期货的公司,这正得益于其不懈地将技术与研究的双轮驱动作为公司的核心发展战略。

MOM模式降世不过30载,但发展非常迅速,得到了众多国内外投资公司的关注。尚属新鲜事物的MOM模式的相关产品在国内已经开始试水。在2011年中国平安与罗素公司合作设立了平安罗素,并发行了第一期的MOM产品。除此之外,MOM模式还可广泛应用于对冲基金与期货产品。“国内期货资管行业要做大做强,采用MOM模式是一种必然选择。”吴正新也曾表示。

禁不住MOM模式产品的诱惑,国内各投资公司纷纷对它的本土化做出了预先安排。“目前和我们合作的有十多个国内领先、国际一流的投资团队,其中大多是国际水平的程序化交易团队。”吴正新表示,首善财富早在引进MOM模式之际就采取了多元的投资风格与多元的管理团队相结合的经营理念。其中,多元的投资风格是首善财富资产管理的核心特色之一,“我们既有主观的人工交易,也有客观的程序化交易,而且以量化的程序化交易为主。”相对而言,多元的管理团队,即表示公司内部自身的投资团队的主动管理,再加上外部国际精英团队的专业管理。

相比近些年受到推崇的基金中的基金(FOF),信托中的信托(TOT),MOM模式在对资产管理人的数量与专业性的覆盖层面,更具魅力。FOF和TOT从本质上来说依然局限在精选产品上,而MOM模式更偏向于精选管理人,它可以凭借公司的研究能力,相对独立的挑选出更适合投资需求的专业管理人,运用定量与定性相结合的方法,将优选产品管理人和多人管理风险的双重优势发挥得淋漓尽致。

MOM模式既运用多元专业人才打破了量化投资的固有形态,也通过计算机系统的理性判断避免了交易员敏捷感应赢利却迟缓反应损失的习惯性偏差,让专业人才与计算机系统在“黑箱”内相互成全,相互配合,以求收获更加稳定、更加高额的投资回报,使其具有很大的发展空间与潜力。

如此看来,人工的数据输入与研究,和交易系统的互相成全,是量化投资“活”起来的动因,与此同时,在这个神秘的暗箱操作中,我们似乎也窥探到了超级富豪理财的蛛丝马迹。

第13篇

【关键词】金融危机 英格兰银行 资产负债

一、英格兰银行的货币政策

金融危机以来,英国经济复苏在金融危机、欧洲债务危机以及英国脱欧的不利影响下,进程缓慢而曲折,相继在2009~2012年经历了两次经济衰退(见图1)。为此,英格兰银行实施了一系列非常规货币政策。

(一)超低利率政策

2008年1月至2009年3月,英格兰银行累计降息5个百分点至0.5%,并连续七年五个月维持不变;2016年8月,为应对英国脱欧的不利影响,进一步将基准利率降至0.25%的历史最低水平(见图1),以减少储蓄、刺激消费和投资,增加社会总需求。

(二)量化宽松政策

2009年3月,英格兰银行启动量化宽松政策,通过购买国债等中长期债券,增加基础货币供给,向市场注入大量流动性资金刺激借贷和经济增长。随后,英格兰银行分别在2009、2011、2012和2016年先后七次追加量化宽松政策的资产购买规模至4350亿英镑(见图1)。

(三)特别流动性计划

2008年4月至2012年1月,英格兰银行和英国财政部实施特别流动性计划,金融机构以难出售的住房抵押贷款担保债券交换该行高度流动性国债,向市场注入流动性。

(四)融资换贷款计划

2012年7月,英格兰银行启动融资换贷款计划,金融机构以低流动性资产为抵押向该行借入高流动性国债,再以换来的国债作抵押换取廉价的回购贷款。随后,英格兰银行分别在2013、2014年延长了该计划的期限、扩大了贷款对象的范围并降低了手续费率,以增加流动性和信贷规模。

(五)货币政策前瞻性指引

2013年8月,英格兰银行首次推出前瞻性指引,正式将其纳入货币政策框架。随后,该行在指引中增加了失业率、闲置产能等监控指标,引导市场和投资者的预期,促进实体经济投资和信贷需求,在量化宽松政策基础上,发挥了再宽松作用。

二、英格兰银行的财务状况

(一)资产负债状况

受量化宽松政策的影响,英格兰银行资产负债规模大幅扩张,资产由2007年2月末777.63亿英镑增至2016年2月末4227.02亿英镑,负债由2007年2月末759.03亿英镑增至2016年2月末4181.12亿英镑。资产和负债分别增长了443%和450%,尤其是2008~2013年增长显著,2013-2014年逐渐趋于平稳(见图2)。

英格兰银行资产主要构成内容为贷款和金融资产。其中,贷款从2007年2月末556.86亿英镑增至2016年2月末3751.98亿英镑,占资产比重也从72.89%增至88.76%。贷款总额和比重增长的主要原因是英格兰银行为执行量化宽松政策,向其全资子公司――资产购买基金有限公司发放专项贷款,用于购买国债等长期债券;金融资产从2007年2月末71.74亿英镑增至2016年2月末183.68亿英镑,占资产比重从9.23%降至4.35%。

英格兰银行负债主要构成内容为金融机构存款和流通中货币。其中,金融机构存款从2007年2月末333.31亿英镑增至2016年2月末3245.46亿英镑,占负债比重达也从43.91%增至77.62%;流通中货币从2007年2月末384.49亿英镑增至2016年2月末678.18亿英镑,占负债比重从50.66%降至16.22%。

(二)所有者权益状况

英格兰银行所有者权益包括股本、可供出售金融工具准备、固定资产价值重估准备和留存收益,受资产价值和利润波动影响,所有者权益呈波动性增长。其中,股本0.15亿英镑,是1946年英国政府将英格兰银行收归国有时,英国财政部出资额,自1946年以来未发生变动;可供出售金融工具准备从2008年2月末2.96亿英镑增长至2016年2月末13.35亿英镑;固定资产价值重估准备从2008年2月末1.61亿英镑增长至2016年2月末2.29亿英镑;留存收益从2008年2月末18.21亿英镑增长至2016年2月末30.11亿英镑。

(三)损益状况

受非常规货币政策影响,英格兰银行税后净利润呈倒U型走势,2009年净利润达到历史最高8.33亿英镑,之后趋于平稳,维持在每年2亿英镑左右,但仍高于危机前利润水平(见图3)。

三、英格兰银行资产负债管理的启示

(一)扩张资产负债规模,创新货币政策工具

危机以来,英格兰银行通过主动扩张资产负债表实施非常规货币政策,创新货币政策工具以刺激经济复苏,资产负债表结构也发生了较大变化,主要表现在贷款和金融机构存款比重明显上升。这些变化源自英格兰银行通过购买国债向市场注入流动性,截至2016年2月,累计购买3750亿英镑国债。可见,英格兰银行资产负债表管理在危机中从被动转向主动,并作为货币政策工具被灵活加以频繁利用,在零利率处于有效边界之下时提供了宽松货币政策,疏通了政策传导机制,有效满足了央行政策目标。

(二)完善危机救助机制,确保损失得到补偿

危机以来,英格兰银行与英国政府建立了保障性操作机制,即该行实施的多项非常规货币政策产生的所有风险和损失均由财政部承担,所有收益上缴财政部,英格兰银行仅负责日常操作。如2011年英格兰银行将特别流动性计划22.62亿英镑收益上缴财政部; 2012年11月英格兰银行将量化宽松政策购买国债所得利息350亿英上缴财政部。此外,2008~2011年度,英格兰银行所有权益的留存收益项目分别从政府获得6.64亿、8.27亿、2.02亿和6.6亿英镑保障性补偿,使其损益和权益项目保持稳定,保证了资产负债表和损益表的健康。可见,英格兰银行通过完善危机救助机制,合理控制了风险敞口,保证了资产收益的稳定性,将危机救助对其损益的影响降到了最低,为其独立、稳健、高效行使央行职能提供了保证。

(三)健全风险管理机制,有效防范资产风险

危机以来,增加流动性、扩大抵押品规模、增加量化宽松政策的资产购买规模等非常规货币政策,使英格兰银行资产负债规模大幅增长,资产种类和期限不断增加,该行一方面在提供紧急流动性过程中,严格控制金融机构资质和抵押品质量;另一方面在量化宽松的资产购买中以国债为主,不涉及低质量公司债券,从而有效防范了各类风险,资产质量并未因此而下降。可见,资产负债质量关系着央行政策的独立性和经营的持续性,央行在危机期间对金融系统的救助不应以牺牲自己的资产质量为代价,完善风险防范机制、合理控制风险敞口和风险容忍度是中央银行资产风险管理的重要保证。

(四)合理运用会计策略,优化财务会计报表

英格兰银行在实施量化宽松货币之初,成立了资产购买基金有限公司,该公司属于英格兰银行的全资子公司,帮助英格兰银行执行量化宽松政策购买国债,该行通过贷款方式对其提供资金支持。同时,鉴于英格兰银行与政府的保障性机制,资产购买基金有限公司购买国债的损失和收益均由政府承担。为此,英格兰银行根据会计重要性原则,规定了该公司年度会计报表不纳入英格兰银行报表的合并范围。英格兰银行以设立子公司的会计策略,规避了量化宽松政策购入资产以及减值处理在其财务报表反映。可见,通过成立子公司和运用会计策略,英格兰银行最大程度上降低了非常规货币政策对其财务报表的影响,保证了资产负债质量,优化了财务会计报表。

参考文献

第14篇

曾经,“对冲”在中国资本市场还是比较敏感的词汇。2010年,股指期货蹒跚而至,融资融券和转融通也相继出台。股市投资思维从单向做多扩展为双向的做多和做空。

10月23日,保监会连续公布关于《保险资金参与股指期货交易规定》和《保险资金参与金融衍生产品交易暂行办法》的通知,从公布的通知可以看出对保险资金投资范围的进一步放开,市场分析人士对此的理解为希望通过扩大原有的投资范围、完善监管机制以及组建投资团队,为保险资金入市提供更好的资本对冲工具。

对此,国泰君安证券研究所金融工程小组分析师蒋瑛琨认为,我国资本市场已进入对冲时代,金融工程与衍生品研究在中国市场的重要性已经凸现。

投资理念的革新

对冲基金在海外已经走过了逾60年的历程,见证了海外资本市场的变革和金融衍生品市场的成长与繁荣。从2010年以来,中国资本市场也进入对冲时代。对冲时代下会对市场带来哪些变化?对投资格局有什么创新?我们该如何面对?

根据现资理论的资本资产定价模型,一个投资组合的收益由两部分组成,一部分是市场提供的相对收益,或β收益;另一部分是投资管理人提供的超越市场的超额收益,或α收益,也是绝对收益。一个投资组合的风险也包含两部分风险,即市场风险或系统性风险,以及投资组合的特定风险。特定风险不能完全去掉,只能分散,而系统风险可以通过相应的期货等工具进行对冲。市场风险对冲后的投资组合回报就是市场中性的绝对收益,也就是所谓对冲基金追求的回报。过去,投资者只关心投资收益,却没有意识到其中隐藏的风险;只关心某个策略当下能赚多少钱,却并不知道这个策略未来在市场风格变化后是否还能继续赚钱。在对冲时代,投资更应看重风险调整后的收益,即投资的性价比。货比三家,在同等风险下,不同策略能带来怎样的回报?投资者会看重长期稳定和持续的α。

在单向做多的投资思维中,我们的投资一直靠天吃饭,也更关心指数点位。在双向投资时代,投资可以不必靠天吃饭,投资者更关心纯粹的市场中性的绝对收益。

另一方面,对冲带来了收益中α与β的分离,同时使投资策略也衍生出可转移α等创新策略。如同包子或比萨饼一样,相对收益的“皮”和绝对收益的“馅”可以分开,也可以构成不同的组合。例如,债券组合的β可以融入来自于股票或商品市场中产生的α,以增强债券组合的收益,这样,不同资产市场中的绝对收益α能力可互相转移及组合。

对冲时代将促使量化投资理念和方法得到更广泛的认同和发展。对冲虽然并不一定意味着狭义的量化投资模式,但量化投资中对风险的量化观念以及对衍生工具的应用都会融入对冲投资策略中。基于数量模型的量化投资也具有在多证券和多资产市场中发现差价的天然优势。

工具化时代来临

过去两年的A股经历了一跌再跌的熊市,有人将之归咎于股指期货做空的推手。其实,恰恰相反,股指期货的引入使A股现货市场的波动性降低,期现套利投资者也逐步成为市场稳定的有效力量。

伴随对冲时代的来临,市场需要更多β型场内工具和金融衍生品工具。场内指数型基金和交易型开放式指数基金(ETF)等成为配置和交易的工具。可以发现,股指期货的推出促使ETF规模显著增长,也大大促进了交易活跃性。除了传统的β,还有另类β工具,如策略指数和杠杆指数基金。时下活跃的场内分级基金和场外结构化产品正填补了杠杆工具稀缺的空白。

工具型产品更加标准化、风险透明化,在信息不对称的股票市场中,相对于个股选择,是更适合大多数个人投资者的投资工具。

当然,在股市震荡中,在对冲时代来临之际,我们目前还缺少足够的衍生品工具,还面临不同瓶颈,我们必须正视并寻求解决之道,这也是对冲时代中国资本市场发展的必经之路。

对冲基金新型策略崛起

市场持续低迷,对冲基金却迎来了各种机遇,新型投资策略产品加速崛起,但在不同市场环境中,不同策略的业绩差别较大。

“对冲基金是最近这两年才开始慢慢出现的,这之前私募证券基金都是做传统的A股多头,最近两年才出现使用新的投资策略的产品。”融智评级高级研究员包桂芝表示,今年以来,新基金法的修订明确了私募基金/对冲基金的法律地位;信托公司证券账号放开、期货公司获批资管资格等都是对冲基金发展中的有利因素。

她说,“最近两年低迷的市场行情为对冲基金创造了探索新策略的机会,大家都特别关注对冲基金各种新型策略。今年,一些国外的大型对冲基金公司也开始进入中国,因为他们看好对冲基金在中国的发展前景。”

光大证券另类投资部总经理葛新元近日也对外表示,中国对冲基金的发展是整个市场发展的必然趋势,各种金融工具估计在今后三五年内将加速出现。

据私募排排网统计,截至2012年9月底,具有业绩记录的对冲基金表现差强人意。

数据显示,近1个月所有策略产品的平均收益率均低于同期沪深300的表现;近3个月只有管理期货、相对价值策略和债券基金获取绝对收益,收益率分别为18.23%、1.17%和0.29%;近6个月收益率管理期货和宏观策略这两个策略占绝对优势,收益率在10%左右,同期沪深300收益率为-6.59%;近1年收益率两极分化较严重,宏观策略的平均收益率为47.89%,股票策略的平均收益率为-7.06%,同期沪深300指数的收益率为-11.16%。

“不同策略在不同市场环境中的收益能力会不同。”包桂芝表示,把时间拉长点看,就能看出一些策略的优势,比如管理期货,与股票市场的相关性很低,相对价值策略的收益一般比较稳定,在市场好的时候可能没有指数涨得多,但市场不好的时候跌得比市场少,或者能够获取正收益。

受限于各种瓶颈,目前国内对冲基金规模还不大。

投资品种、投资工具的缺乏是对冲基金发展所面临的主要问题。包桂芝介绍,与海外成熟市场相比,目前国内可投资的品种较少,除了传统A股做多,可投资的金融衍生品只有一个沪深300股指期货,做空机制虽然开始放开,但可做空的股票数量有限,并且在实际操作中难度也较大。

其次是人才缺乏。包桂芝认为,中国的对冲基金刚刚开始发展,尤其是新型策略的产品,比如量化、对冲、期货、宏观策略等,都需要这些方面的专业人才。即便是国外成熟的策略,在中国市场也有一个适应本土化的过程。

第15篇

他的学历背景与很多量化高手差不多,是金融学博士出身。不过,我发现,他可能是中国最早一批国家本土培养的全才型宽客。

他最早研究量化的时间是2005年,当时他刚从加拿大回来,很受券商欢迎――当时背景主要是股改背景下的权证推出。2005年8月,宝钢权证的推出,让与中国股市阔别9年后的权证重出江湖。在宽客看来,权证就是个类似于期权的玩意儿,只不过国外是期货交易所发行,国内的权证是上海交易所与深圳交易所发行。

有了权证这新鲜玩意儿,很多券商都觉得是个赚钱好机会,于是邀请了一大帮懂金融工程的高手,当时在研究方面有些成绩的贺金凌就被邀请在列。当年他被国信证券邀请。

那时候,一些有远见的券商也纷纷开始设立量化部,其中比较资深的还有国泰君安,当时的牵头人是章飚,现在章飚已经成为国泰君安资产管理公司的总经理。另外还有个比较出名的券商是申银万国,主要负责人是现在担任金融部总监的提云涛。

权证在中国资本市场很快就成了疯狂投机的工具,券商在其中赚了很多钱。最疯狂的大概要数2007年5月30日。虽然,“5・30”是令很多投资者记忆犹新的两市暴跌日,但对于权证投机者而言,则是个暴利的日子――两市权证集体暴涨。甚至因为有些投资者发现股市机会变得不确定后,反倒把主战场拉到了权证。“5・30”还成了权证交易的分水岭。5月30日前,权证换手率相对平缓,基本在50%至150%区间震荡,从5月30日之后,换手率从前一日的39%陡升至355%。

用贺金凌的话来说,一个权证交易量就至少几个亿。当时国信证券交易量很大。那段时间,券商靠权证确实赚了不少,起码手续费也绝对赚够。但真正从权证交易中获利的投资者却寥寥无几,大多数都被专业级玩家“玩死”了。

对他们这类跟着政策走的宽客在那两年还遇见一件重要的事――2006年9月8日,上海成立了中国金融期货交易所。这个时候,中国金融期货交易所专门成立了一个量化部,想为之后股指期货等推出做一些准备。

然而,因为股指期货迟迟未推出,很多量化工作只能是纸上谈兵。这群宽客就像是政府与券商养的闲兵。于是,在2008年前后,不少券商裁掉了这个部门,只有一些财力雄厚又富有远见的大券商,如国泰君安的量化部还幸存下来。

原本,贺金凌也是中国金融期货交易所定向培养的宽客,然而,他也受不了迟迟没有工具的煎熬,又跑回加拿大去了。不过他在加拿大也没放弃此前金融工程的事业,去那里更多是学习更多策略与工具运用。

这两年,他又从加拿大回来,因为2010年4月,量化套利的工具终于出来了,就是股指期货。因为一般量化投资很重要的一部分就是套利,而能与股票市场形成对冲对立的工具就是股指期货。如今,他还在筹备第一个产品。

我知道另一个与贺金凌背景差不多的私募宽客叫肖辉,他是上海期货交易所的博士后,也是在股指期货推出前夕,本土培养的第一批宽客。肖辉曾出版著作《股票指数现货市场与期货市场关系研究》。淘利资产管理有限公司目前是国内最大的大宗交易做市商,肖辉为公司开发了好几套成熟的量化交易策略体系,很多金融工程的人才也冲他而来。