量化投资中常遇到的两个问题

Q1: 如何定义期望收益与风险

这个问题很大程度上决定了我们如何做策略的研发，如何管理风险，以及如何进行资产配置等关键问题。

先来看收益。收益这个变量本身是随机的、不确定的，而且极难预测，因此单纯谈论收益，从长期的系统化投资角度讲，意义不大。一次两次赚多少钱跟我们的系统化投资没有太大关系，而研究的重点，要放在期望收益上，也就是从概率意义上以及大样本意义上的期望水平。

与收益相对应的是风险，如何定义风险也有着不同的版本。一种简单的定义可以是波动率，或下行波动率，但是这并不能包含市场中的大部分主要风险，比如说流动性风险，再比如说即使只考虑波动率或亏损，在BAD TIMES的时候，某个资产或某个策略的大幅亏损对投资者的整个系统化投资的危害程度一般也会更高，而在GOOD TIMES的时候，同样的亏损或波动率或许对整个系统的危害程度没有那么高，这一点通过市场溢价的水平就可以看出来。

比如说市场总是倾向于给予OUT OF MONEY的期权更高的溢价（波动率微笑特征），或者在大部分时间内给予小市值高成长股票更高的风险溢价（然而在股市出现系统性崩盘时，这类股票的跌幅往往也是最大的），这些都是市场在表达对风险的不同对待的现象。

Q2: 期望收益的根本来源

这是做策略投研的一个核心问题，我们首先要有一个基本的逻辑作为引导，来开发策略，然后再运用数据和模型进行去伪存真，抽丝剥茧的分析，但在这个过程中，逻辑是必不可少的一条主线，那么这个逻辑就是我们思考的期望收益的来源。

我们做量化策略，自然是从策略风格或种类的角度去分析收益的来源，比如趋势类策略贡献多少收益，波动率类策略贡献多少收益。但这最终仍没有回答超额收益来自哪里这一根本性的问题。比如说趋势策略，为什么就会有超额收益呢？或者说股票，为什么相对于债券有超额收益呢？

其实超额收益的主要来源，归根结底分为两类：一类是利用市场一定时间内的无效性或者别人犯的错误，这是很多价值投资或套利投资的基本逻辑来源；另一类就是这种投资行为的超额收益是承担了某种风险的风险溢价，比如说VOLATILITY SELLING 或者SELL OPTIONS, 就可以归为这种。

卖出波动率或卖出期权，其实相当于卖保险，是在承担一些小概率的高风险，这些小概率事件可能很久都不会发生，于是投资人通过卖期权可能在很长一段时间内获得稳定的收益，但是一旦小概率事件发生，那么到时候产生的亏损，也往往是致命的。

基本上市场上大部分的非高频系统化投资策略的稳定超额收益的来源，往往都与上述两个方面有关。现在市场变得越来越有效，所以其实第一种收益来源的机会逐渐变得越来越少，越来越难以抓住，而第二种收益的来源，是可以长期存在的，但是第二种收益的来源，往往是风险溢价，它并不是免费午餐，这一点是要牢记的。

所以不要以为一个投资系统连续7年或10年都可以稳定盈利，就放松警惕，其实或许只是它承担的风险事件，还没有到来而已。换句话说，随着这个游戏长久地进行下去，迟早有一天属于它的黑天鹅会到来，而且到来的频率越低，往往越会是一次性致命的，这就是“盈亏同源”的道理，这也提醒我们要合理地管理收益所对应的风险。

来源：策略圈量化平台

推荐阅读：

1.海龟交易法则策略，多读几遍少走10年路

2.一个量化策略师的自白（好文强烈推荐）

3.网格交易法，一个不容易亏钱的投资策略（附源码）

4.市面上经典的量化交易策略都在这里了！（源码）

5.期货/股票数据大全查询（历史/实时/Tick/财务等）

量化投资中常遇到的两个问题相关推荐

igraph 算网络指标_量化投资中，计算技术指标时常见的8个坑
这是邢不行第 49 期量化小讲堂的分享作者 | 助教-夏普.邢不行 "我自己计算的指标,跟同花顺给出的指标值差别很大,这是什么情况?" "talib计算的指标和很多主流 ...
量化投资中的特征工程
导语:近年来,国内量化投资迎来了发展的黄金期,但涉及机器学习的量化投资还比较少.机器学习领域的大神Andrew Ng(吴恩达)老师曾经说过机器学习很大程度上就是特征工程,因此本文主要介绍下特征工程在量 ...
量化投资中常用python代码分析（一）
pandas的IO 量化投资逃不过数据处理,数据处理逃不过数据的读取和存储.一般,最常用的交易数据存储格式是csv,但是csv有一个很大的缺点,就是无论如何,存储起来都是一个文本的格式,例如日期'20 ...
【邢不行|量化小讲堂系列10-Python量化入门】量化投资中如何处理复权、除权问题
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...
【邢不行|量化小讲堂系列43-实战篇】：在量化投资中，原来K线还能这么画（附画K线代码）
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...
【邢不行|量化小讲堂系列54-实战篇】量化投资中经常使用Excel，可能会被同事打
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...
【邢不行|量化小讲堂系列49-实战篇】量化投资中，计算技术指标时常见的8个坑
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...
量化投资中的因子逻辑与多因子选股的概念
如何理解多因子选股量化交易:多因子选股之有效因子这篇文章对我来说,还是不够透彻.我需要理解什么是因子. 量化投资中的因子逻辑是什么?该如何实现? 这篇文章将因子分为了估值因子,成长因子,财务质量因 ...
证券投资深度学习_深度学习在量化投资中的应用
深度学习在量化投资中的应用李文鹏高宇菲钱佳佳陈曦 [摘要] 本文研究股票价格趋势的预测问题,并给出基于深度学习的股票价格趋势预测方法.构建深度学习网络模型,对沪深 300 股票指数高频数 ...

量化投资中常遇到的两个问题

量化投资中常遇到的两个问题相关推荐

最新文章

热门文章