打开量化投资的黑箱：华尔街实战数量金融专家首度揭秘量化投资

股票学习站

	【资料名称】:打开量化投资的黑箱 【资料描述】: 打开量化投资的黑箱：华尔街实战数量金融专家首度揭秘量化投资 　　编辑推荐 　　华尔街实战数量金融专家首度揭秘量化投资 　　进入量化投资领域的必读之书 　　银河证券量化团队翻译并推荐此书 　　内容简介 　　无论是量化、算法，还是黑箱交易，谈论的都是一件事情：通过计算机执行的系统化交易。 　　尽管一些人斥责其危险地脱离了人类的控制，是市场过度波动的驱动者，但另一些人认为量化交易能够很好地克服人类的贪欲以及人类在制定投资决策中的认知偏差等弱点。 　　总的来说，不管你对量化交易有多少了解，事实上，量化基金持续超过了市场表现，这也是许多聪明的投资者追逐黑箱的原因。 　　不幸的是，量化交易的很多部分仍是模糊不清的，这主要是因为宽客对系统如何工作的细节的极度保密。但是，在这个版本中，作为量化交易者和大师级解读者，作者巧妙地告诉读者，量化交易比你想象的更易于理解与掌控。 　　本书目的是让读者甚至是对数学或者技术有所恐惧的投资者能理解量化交易，这本书会带领你走过黑箱之旅。作者用简明的语言指明宽客们所做的工作，揭开了量化交易和量化交易策略的神秘面纱。 　　在简明介绍量化交易准则和一般性准则之后，作者转入正题，开始介绍典型黑箱系统的详细内件，用非技术性的语言解释内件是什么以及内件之间是如何组合在一起的。 　　然后，用大量的实际案例以及真实的故事清晰地解释： 　　常见的量化系统结构 　　宽客如何追逐阿尔法 　　量化交易中的主观判断水平 　　高频交易及设施 　　执行算法以及如何工作 　　宽客如何构建风险模型以及如何知道特定的模型是否真正有效基于理论驱动的系统和数据挖掘策略之间的重要不同点如何评估量化经理以及他们的策略 　　如何将量化策略嵌入一个全面的投资组合策略，为何它们都很重要量化交易的现行趋势和未来趋势以及在未来的角色本书阐述了黑箱交易，使其透明化，直觉上更易感知、更易于理解。对于机构投资者、资产管理者、养老金管理者以及渴望在今天充满不确定性的金融市场获得优势的所有精明投资者而言，本书是一本必读物。 　　作者简介 　　里什 K.纳兰（Rishi K. Narang），华尔街数量金融专家，资深对冲基金经理。目前是特勒西斯资本有限责任公司（Telesis Capital LLC）的主要合伙人，这家公司主要采用量化交易策略进行投资。此前，他是圣巴巴阿尔法策略（Santa Barbara Alpha Strategies）的总经理和投资组合经理。里什还曾与别人合作创建Tradeworx公司并担任总裁，这家公司在1999～2002年管理着量化对冲基金。自1996年开始，他就开始从事对冲基金事业，专注于量化交易策略。里什毕业于加利福尼亚大学伯克利分校，获得了经济学学士学位。 　　目录 　　赞誉 　　推荐序 　　译者序 　　前言 　　致谢 　　第一部分　量化交易的世界 　　第1章　关注量化交易的原因 　　深度思考的益处 　　风险的正确度量和错误度量 　　遵守纪律 　　小结 　　第2章　量化交易简介 　　何为宽客 　　量化交易系统的典型结构 　　小结 　　第二部分　打开黑箱 　　第3章　阿尔法模型：宽客如何盈利 　　两类阿尔法模型：理论驱动型和数据驱动型 　　理论驱动型阿尔法模型 　　数据驱动型阿尔法模型 　　实施策略 　　混合型阿尔法模型 　　小结 　　第4章　风险模型 　　控制风险规模 　　限制风险种类 　　小结 　　第5章　交易成本模型 　　定义交易成本 　　交易成本模型的种类 　　小结 　　第6章　投资组合构建模型 　　基于规则的投资组合构建模型 　　投资组合最优化 　　投资组合构建模型的输出 　　宽客如何选择投资组合构建模型 　　小结 　　第7章　执行模型 　　订单执行算法 　　交易基础设施 　　小结 　　第8章　数据 　　数据的重要性 　　数据类型 　　数据来源 　　数据清洗 　　数据存储 　　小结 　　第9章　研究 　　研究蓝图：科学的方法 　　思想的产生 　　检验 　　小结 　　第三部分　量化投资策略实战指南 　　第10章　量化策略的风险内生性 　　模型风险 　　结构关系变化风险 　　外生冲击风险 　　蔓延风险和同质投资者风险 　　宽客如何监控风险 　　小结 　　第11章　对量化交易的批评 　　交易是一门艺术，不是科学 　　由于低估风险，宽客引起更多的市场波动性 　　宽客不能应对市场行情中的不寻常事件或快速的变化宽客完全相同 　　长远来看，只有少数几个大型量化公司能够蓬勃发展宽客在数据挖掘中存在错误 　　小结 　　第12章　评估宽客和量化交易策略 　　收集信息 　　评估量化交易策略 　　评估量化交易者 　　优势 　　评估宽客的诚信 　　宽客如何适应投资组合 　　小结 　　第四部分　高速及高频交易 　　第13章　高速及高频交易概要 　　第14章　高速交易 　　速度的重要性 　　延迟根源 　　小结 　　第15章　高频交易 　　契约型做市 　　非契约型做市 　　套利 　　快速的阿尔法策略 　　高频交易风险管理和投资组合构建 　　小结 　　第16章　关于高频交易的争论 　　高频交易创造不公平的竞争了吗 　　高频交易导致老鼠仓交易或市场操纵吗 　　高频交易导致更大的波动性或者结构不稳吗 　　高频交易缺乏社会价值吗 　　监管注意事项 　　小结 　　第17章　量化交易的展望 　　媒体评论 　　作者向我们展示了量化投资全面而深刻的视野，无论是希望采用量化投资策略配置资产的投资者，还是有兴趣投资的专业人士，都将从中获益无穷。作者是一名经验丰富的宽客，他在业界深厚的人脉关系也给本书带来了丰富而实用的真实案例。 　　——彼得·马勒 摩根士丹利公司程序化交易部门创始人与所有的投资策略类似，对于量化交易钻研越深，内容越复杂有趣。作者巧妙地拨开层层面纱，带领读者认识每一个模块及组合部分。然后，提供了基于模型的评估方法。最后，对高频交易进行阐述。本书讲解清晰透彻，可读性强，想了解这个领域的任何人都将从中受益。 　　——亚历山大·韦勒 CFA，加拿大养老金计划投资委员会公共市场高级投资组合经理在第2版中，作者关于量化交易的论述范围更广。重要的更新内容是高速和高频交易部分。对于量化交易感兴趣的任何人，本书都是一本必读之物。 　　——史蒂夫·埃文斯 帝舵投资公司量化交易部门总经理在本书中，作者阐明了量化交易。他对阿尔法的解释和分类对经验丰富的老手将有所启发。 　　——布莱尔·赫尔 赫尔交易公司的前创始人及凯旋交易公司的创始人作者是华尔街宽客界的佼佼者在第2版中，作者对流动性金融产品的广泛的系统性交易策略进行了富有洞察力的分类。本书并没有大量使用复杂的公式，对宽客所遇到的一些选择进行了直观的解释。对于投资者以及量化交易实践者，本书都是一本有价值的读物。 　　——罗斯·加伦 SAC资产管理顾问公司量化交易部门总经理作者使用非技术性的语言和大量的具体例子将复杂问题中的精华提取出来。本书提供了有价值的框架，有利于读者更好地理解量化策略的组成部分，并提供了评估量化经理的方法。对量化策略的制定者，本书是一本有用的参考指南。 　　——达伦·史密斯 CFA，CAIA，FSA 多伦多大学资产管理处总经理如果一辆车是一个黑箱，那么纳兰将是导航系统的温和之声。他不是司机，但是如果你想知道要到达何方，一定要仔细倾听。 　　——哈罗德·德·波尔 创见公司的CEO 　　前言 　　前言 　　历史是无情的主宰，根本没有所谓现在，只有不断成为未来的过去。保守的下场就是被扫出历史的舞台。 　　——约翰·肯尼迪 　　在相对默默无闻的投资管理领域，广泛被误解的有利可图的市场正快速发展。这个有利可图的市场被一直工作在这个领域的最聪明的人所主宰。他们在现代金融领域正努力解决一些最有趣且最具挑战性的问题。这个有利可图的市场有很多名字：量化交易、系统化交易或者黑箱交易。几乎在每个领域，技术都是改革的重要方式，极少数情况下，也是正在发生的事情。 　　上面提到这是一个技术革命，在量化交易领域，这可能让你感到很奇怪。但事实上，量化交易者和主观判断型交易者准确的不同点便在于技术。不要搞错：投资总是离不开数学，无论是对公司税收、成本、产生的利益和损失的基础分析，还是在计算市盈率指标等方面。格雷厄姆和多德所著书籍《证券分析》（Security Analysis）中有一个章节专门讲解财务报表分析。关于这一点，这本投资者的“圣经”比本书的阐述更详尽。 　　正如在其他领域，以遵守纪律的、可重复的、保持一致的方式做事情是很有用的（无论是制造汽车还是飞机），投资同样可以系统化，而且应该系统化。量化交易者在系统化的道路上已经走了一段距离了，汽车制造仍是汽车制造，手工安装的齿轮还是机器安装的齿轮并没什么区别。驾驶飞机亦是如此，飞行员驾驶和无人机工作没有什么不同。换句话说，只是以不同的方式做着同样的工作。核心是技术的不同。 　　如果我说“我喜欢拥有便宜的股票”，理论上，我会计算每个公司的市盈率，手工搜寻最便宜的股票，然后进入市场购买。或者我可以写一个计算机程序，扫描包含所有有关市盈率的数据库，找到符合预先定义的股票，然后利用交易算法在市场中购买。两者在如何操作方面是完全不同的，但是最终所购买的股票和购买原因是完全相同的。 　　所以，如果这里讨论的是如何对一种具体工作的完全理性的演进，而且对新技术没有不合理的恐惧，那么，新闻报道者、政治家、普通公众甚至许多行业专家为什么又不喜欢量化交易呢？这有两个原因。第一个原因是在许多情况下，人们不喜欢自己的工作被技术取代。例如，高频交易的许多活跃对手进行战斗，并不是因为对资本市场的关心，而是因为他们的生计被更先进的技术威胁，这一点是很明显的。这是可以理解并有道理的，但是如果他们取胜的话，对市场是不利的。因为最终，他们拥护的是停滞不前。 　　第二个原因在我的经历中非常常见，是人们不能理解量化交易，对于不能理解的事情，我们倾向于恐惧和不喜欢。这本书旨在改善人们对投资管理行业量化交易的许多类型的参与者的理解。宽客经常内疚于因为缺乏必要的谨慎描述而使这个问题雪上加霜。而这只会在某些方面产生不信任，事实上丝毫没有必要内疚。 　　这本书将带着你开启“黑箱”。本书阐明了宽客所做的工作，帮助人们揭开量化交易的神秘面纱，让对量化交易感兴趣的人能够更好地评估宽客和他们的策略。 　　首先要弄清楚一点，是人，而不是机器，应该对量化交易有趣的方面负责。量化交易可以被定义为人们通过严谨的研究，系统化地执行交易策略。关于这点，系统化（systematic）被定义为遵守纪律的、有条不紊的、自动化的方法。尽管依赖于自动化和系统化，但是人们开发策略并决定策略是什么，是人选择系统交易的证券种类，是人选择获取什么数据以及如何清洗这些数据，还有许多其他事情也是由人完成。给予量化交易策略的人通常被称为宽客（quants）或者量化交易者（quant traders）。 　　宽客在研究中采用科学方法。虽然这个研究使用技术（包括数学方法和各种公式），但是研究过程完全取决于人的决策。实际上，人类决策几乎存在于设计、执行和量化交易策略监管的各个方面。正如我已经表明的，量化策略和传统的主观型投资策略所做的事情是非常相似的，都依赖于决策者日复一日地管理投资组合。 　　量化策略和主观判断型策略的区别在于策略如何被制定以及如何被执行。通过仔细研究这些策略，宽客能够用科学家验证理论知识的方法评估这些想法。而且，通过使用计算机，系统化地实施策略，宽客能够消除很多存在于主观判断型交易中的随意性。本质上，由情绪、无纪律性、激情、贪婪和恐惧驱使的决策，能够在量化投资过程被消除，而这些心理因素被许多人认为是市场投资中出现重大失误的原因。这些心理因素被理性分析和系统化的方法所取代，这些方法都是从许多其他领域获得的：对于需要重复完成并要求遵守纪律的事情，计算机比人做得出色。计算机比人更适合重复性劳动，这并无不妥。毕竟，计算机也不适合创造性的劳动；如果人类不告诉计算机如何操作，计算机将一无所知。相对许多主观判断型策略而言，由于在设计和执行策略上的不同，运行良好的量化策略能够持续获得有利的风险/收益回报。 　　为了更好地阐明本书的观点，我在书中主要集中探讨阿尔法方向的策略，没有涉及量化指数型交易者或者其他贝塔型策略。阿尔法策略通过择时和调整持仓头寸进而获利；贝塔策略是复制或者稍微改进指数的表现，例如标普500指数。虽然量化指数基金管理是一个大的行业，不过对它的解释不必过多。我没有必要在金融工程上花费太多的时间，金融工程主要在创造和管理新的金融产品（例如，债务抵押债券）方面起着重要的作用。我也不陈述量化分析，因为这也支持主观判断型投资决策。这是两个非常有趣的话题，可惜它们不是量化交易专有的特点，这些讨论还是留给相关专家吧。 　　这本书的主体结构分为四个部分。第一部分（第1章和第2章）介绍量化交易的背景知识。第二部分（第3~9章）详细讲述了黑箱的内容。第三部分（第10~12章）对量化交易进行分析，并指出评估宽客和策略的技巧。第四部分（第13~16章）对高频交易、支持高速交易的基础设施、量化交易的传言和真相进行介绍。最后，第17章分析量化交易的当前形势并展望未来。 　　用直观的方式解释量化交易是我的愿望。本书基于经济学原理和技术理论基础，描述了宽客做了什么以及如何操作。本书避免使用大量公式，行业术语也仅有限使用或者被解释以后使用。本书旨在表明很多人认为的“黑箱”实际上是透明的、直观的和易于理解的。我也探索了在量化交易中得到的经验教训，以及如何评估量化交易策略和宽客。总之，这本书对于许多资本市场的参与者和评论者都是有用的。对于投资组合经理、分析师以及任何类型的交易者，这本书将帮助其系统化地理解“宽客做什么，如何做，为什么这样做”。对于投资者、财经媒体、监管者或者对金融市场有一些基本知识的人来说，这本书对于帮助他们进一步理解量化交易有很大的帮助。 　　里什·纳兰（Rishi K．Narang） 　　精彩书摘 　　向智者学习，才能像智者一样做事。 　　——马可·奥勒留，《沉思录》 　　约翰是一个中等规模对冲基金的量化交易员。20世纪90年代初期，他在一所高等学府获得了数学与计算机科学学士学位。毕业之后，约翰立即在华尔街交易部门开始工作，渴望能够将自身的数量化知识资本化。经过7年时间的历练，并在华尔街从事多种量化相关工作之后，他成立了自己的对冲基金。他的合伙人负责业务和运营，约翰负责创建量化策略。目前，每天股票的交易规模已经超过15亿美元。最显赫的成就是，这些策略在60%的交易日和85%的交易月里均获得收益。 　　尽管每天有高达数十亿美元的交易量，但是在约翰的办公室里，既听不到嘈杂的喧哗声，也看不到通过电话发出的订单。事实上，唯一看到的是约翰办公室的一些平板显示屏，显示着当天交易策略的表现和交易量。约翰并不能像讲一个非常有趣的故事一样，讲述他为什么买入一只股票或卖出一只股票。当有需要干预的事件发生时，他会跟踪监测这些数以千计的股票。而在大部分时间内，这些复杂的工作都是由策略自动执行完成。约翰最关心的还是策略的稳健性以及市场环境对其产生的影响。他锐意进取，会根据市场的变化进而调整模型。 　　马克坐在约翰的对面，是近来加入基金的合伙人，对高频交易有着深入的研究。不同于公司前面能够在60%的交易日获利的策略，马克和约翰希望能完成一个更具野心的任务：寻找每天都能赚钱的更小的机会。马克最先的高频交易策略已经能在几乎95%的时间里盈利。事实上，他们对于高频交易具有更高的目标，希望复制那些在交易日内每小时甚至是在每分钟都能够获利的交易策略。一些高频交易策略并不适用于大规模的投资，因为所发现的盈利机会比较小且转瞬即逝。创建高频交易的技术设备费用非常昂贵，而且在维护方面也价格不菲。然而在任何资本市场，高频交易都极具吸引力。约翰和马克希望他们的高频交易策略能够每年获得不低于2倍的回报水平。 　　在资本市场，许多规模较小的量化交易公司在默默耕耘着，诸如约翰和马克的公司，但是它们在较长的时间里业绩骄人。例如，弗吉尼亚州夏洛茨维尔的量化投资管理公司在2002~2008年年收益高达20%，这是一个许多主观判断型经理望尘莫及的记录。 　　与这些小的量化投资公司不同的是大型量化投资公司，这些公司被许多投资者所熟悉。在这些引人注目的成功的量化公司中，最出众的当属于文艺复兴科技公司（Renaissance Technologies）。这家公司最著名的量化基金业绩是，自1990年以来，平均每年能获得35%的回报率，这是在除去各种高昂的费用以外的数字，且风险较低。2008年，许多对冲基金业绩不佳，而文艺复兴科技公司的旗舰基金——大奖章基金的业绩仍然接近于80%。我个人比较了解这家基金的业绩，随着时间的流逝，即使面对越来越激烈的竞争，模型的业绩仍然会更好。 　　并非所有的宽客都是成功的。似乎每过10年，都有一次因量化交易者的失败引起的，或者至少是感觉由量化交易者的失败而引起的市场戏剧化变动。当然，迄今为止最著名的案例当属长期资本管理公司案例（LTCM）。如果当时没有美联储和华尔街银行联盟的干预，这一事件极可能引起资本市场的崩塌。虽然市场救助成功，但是长期资本管理公司并不那么幸运。曾经在4年时间里，扣除各种费用之后，每年平均获得30%回报率的长期资本管理公司，于1998年8~10月，清算了自己几乎100%的资产，留下了许多对量化交易心存疑虑和害怕量化交易的投资者。事实上，对于长期资本管理公司失败的原因，是归因于量化交易还是归因于人性在风险管理中的判断失败，还有所争议。 【下载地址隐藏】：                    点：回复可见地址 游客，如果您要查看本帖隐藏内容请回复