beta交易策略

『壹』 什麼是量化投資交易策略

一文看懂量化投資策略

閑話基

量化投資在近些年受到越來越多的關注，包括規模、策略、業績。量化投資，是指通過藉助統計學、數學方法，運用計算機從海量歷史數據中，尋找能夠帶來超額收益的多種「大概率」策略，按照策略構建的數量模型嚴格執行投資，力求獲得長期穩定可持續高於平均的超額回報。

跨市場策略涉及外匯兌換、國際期貨交易對沖，交易實現難度大，國內用得少。

由於期貨具有杠桿屬性，這類策略持倉的市值往往很大，有時候甚至超過產品資產總值，導致收益率的波動率是所有量化策略中最大的。在市場出現連續震盪行情時，這樣策略由於杠桿屬性會出現較大的回撤。另外一個對這類策略的一個限制是，目前市場上活躍交易的期貨品種不多，高頻交易很大程度倚重於品種成交量，開平倉時間間隔較短，使得策略容量不大。

『貳』 有哪些經典的程序化交易策略

長期策略都是薄利的，靠硬性條件優勢。
短期策略如果測試有效也不會公之於眾，用的人多必然逐漸陷入低效區甚至無效區。
還是那句話，世上本沒有beta，追求alpha的人多了，也就有了beta。

『叄』 量化交易都有哪些主要的策略模型

隨著量化交易的發展，單一技術指標的策略會面臨失效的問題。所以現在的策略都是復合型的。
經典量化交易策略(包括價值投資、技術指標、配對輪動、機器學習等)、研究型文章等

『肆』 在對沖基金中,當我們添加滯後 beta 時,alpha 會發生什麼變化

『伍』 「聰明基金「Smart beta策略能賺大錢嗎

自2000年以後，股票已經經歷了兩輪大熊市，而現在又開始有走軟跡象。養老基金，保險公司以及捐獻基金尋找新的回報來源就沒什麼奇怪的了。「smart-beta」正是最新的基金管理業的術語。
「Alpha」是選擇單個標的資產超越大盤的技能。
「beta」則是資產組合相對於整體市場(如以某個指數基金為代表)的相對收益。
傳統的「市值加權」法，是投資者按市值等比例購買股票或者債券的方法，
而「smart beta」則是嘗試在跟蹤某一大類資產的同時，調整成份證券權重，以獲取增強性收益的投資方法。

[Smart Beta]
眾所周知，beta在CAPM模型中衡量了相對於持有整個市場所帶來的風險溢價（risk premium）的大小。整個市場通常用市場投資組合（market portfolio）或市場指數基金（market index fund）來表示。市場指數通常都是市值加權（market capitalization weighted）。如果把市場指數換成按非市值加權的指數或投資組合，其得到的beta即為smart beta，又被稱為alternative beta或exotic beta。理由是因為這些新指數的權重是由某些量化演算法得出的，看上去比最普通簡單的市值加權要更「聰明」些。

現在比較流行的演算法有：
等權重加權（Equal Weight, EW）:

等風險加權（Risk Parity），可以看作是調節波動率後的等權重

等風險貢獻加權（Equal Risk Contribution ，ERC），可以看作是考慮了資產回報率之間協方差後的risk parity

最小方差加權（Minimum Variance, MV

最大多樣化加權（Maximum Diversification，MD

如下圖所示，從左至右，這些加權法需要的參數逐漸增加。ERC，MV，和MD都屬於「robust risk parity」因為它們把協方差考慮在內。最經典的均值-方差優化法（mean-variance optimization）需要知道預期回報，方差與協方差，因為此優化法同時使風險最小化，預期回報最大化，不過，這里涉及到因子對准問題（Factor Alignment Problem, FAP），下文中會提到。smart beta策略只考慮波動率與協方差，所以，我們把它們看作只關注風險（risk-based）而不關注預期回報（return-based）的策略。

[隨機折現因子，SDF]
事實上，CAPM模型是資產定價模型（asset pricing model）的一個比較有名的特例，因為廣義的隨機折現因子（stochastic discount factor，SDF）在CAPM中被狹義的市場投資組合所代表了。

按資產定價模型的定義：p = E(mx)，任何資產的價格就是折現後所得回報的期望，其中x是資產在未來的回報，m就是隨機折現因子SDF。利用協方差的定義，我們得到

所以，任何資產的價格等於用無風險率折現後所得回報的期望再加上一個風險溢價（risk premium），而這個溢價是SDF與未來回報的協方差。

按照芝加哥大學經濟學教授John Cochrane的說法，投資者的狀態有『好』和『壞』之分（good vs. bad times）。『壞』的狀態一般指個人財富降低，導致其發生的原因可以是由於個人負債過高，或收入降低等等造成的。而SDF是定義這個狀態『壞』時的指標，狀態越『壞』，指標越高。由於大部分資產在狀態『好』時，回報很高，所以這個協方差通常為負。更重要的是，如果一個資產的回報與個人狀態好壞無關，即與SDF無關（風險中性狀態，risk-neutral），那它的價格只能由無風險率決定（協方差為零）。

把上式寫成預期回報率（expected return）的形式，會更直觀些

進一步推導得到預期資產回報率的「beta表達式」

換句話說，人們只有承擔系統性風險（systemic risk，與SDF相關）才能取得收益。如果承擔非系統性風險（idiosyncratic risk），則無任何益處。

由此可見，SDF作用很重要，但是它只存在於理論中。人們千方百計地在真實世界裡尋找替代品，即所謂的風險因子（risk factor）。所以，我們也可以這樣認為：人們承擔的（系統性）風險越大（尤其在狀態『壞』時），作為補償的因子風險溢價（factor risk premium）也越大（尤其在狀態『好』時）。高風險的資產必須有足夠高的預期回報率，即足夠低的價格，才能吸引人們來購買並持有它。

[多因子模型]
由於我們在CAPM中假設SDF只與市場投資組合回報有關，所以市場投資組合是CAPM中唯一的因子。在此基礎上，我們也可以進一步假設SDF與多個因子線性相關

由此得到多因子模型。因子不同，對投資者狀態『壞』時的定義也不同，由此承擔的風險敞口以及獲得的溢價也會不同。Fama-French三因子模型是多因子模型中的經典代表。諾獎得主Gene Fama和Dartmouth大學教授Ken French通過對大量股票中某些共同特徵進行篩選，從而得到有別於大盤因子的兩個新因子：規模與價值（HML，SMB）用以組成三因子模型。這個模型恰好能很好地解釋股票的預期回報。後來，該模型又加上了動量因子（momentum），遂成四因子模型。從結構上講，這與Stephen Ross提出的套利定價理論（arbitrage pricing theory）相似。唯一不同的是，APT直接從統計的層面入手，假設資產回報率可以由一系列因子表示。

[基於因子的資產配置策略]
前面啰里啰唆說了這么多，我只想強調因子的重要性。需要指出的是，上文中提到的廣義資產定價模型與風險因子不只局限於股票市場，而是適合任何資產和資本市場。可以這么說，風險因子才是資產之間聯動的根本原因，資產配置實際上是因子的配置。

我們可以把各種資產比作各種食物，把各種因子比作各種營養，比如維生素。理論上來說，我們既可以通過攝取不同食物來獲得不同維生素，也可以通過直接服用維生素來獲得所需營養。比如，為了治療腳氣，人們即可以多吃穀物，獼猴桃，藍莓等富含維生素B1的食物，也可以直接服用維生素B1葯片。

如同某一食物含有多種營養一樣，買入並持有某一個資產可能會帶來不同的因子風險敞口（factor risk exposure）。比如，在美國NASDAQ上市的網路，它的股票價格即包含了科技板塊的風險，也包含了中小版塊的風險，另外，由於公司的總部在中國，它還包含了中國經濟發展的風險。當然，還可能包括一些其他未知風險。這也是多因子模型中資產表現評估（performance assessment）的精髓。

同樣道理，如果我們只想要某單一風險，如同維生素B1葯片，我們就要巧妙選取資產來達到此目的。在上文提到的Fama-French三因子模型中，Fama和French為我們很好地展示了如何對大量股票進行篩選，把具有共性的多支股票組合在一起，構造出所需要的因子（factor mimicking portfolio）。人們根據不同的風險偏好選擇不同因子，以獲得不同的因子風險敞口從而賺取不同的因子風險溢價，比如，動量因子，基本面指數。

至於如何發現新的有用的風險因子，則不在本帖討論范圍內。不過，下圖展示了資產配置策略的發展過程與新風險因子的發現密不可分。這些新因子現在已被大眾廣泛應用於投資中了

70年代，人們開始將投資組合用於主動投資管理中（active management）。

80年代，市場指數基金的流行使人們更加便捷且廉價地投資整個市場，因為CAPM模型讓他們意識到只有承擔系統性風險（systemic risk）才能取得收益，其風險及收益的大小由beta來衡量。而那些市場超額回報則由alpha來衡量。

90年代，人們不再局限於市場這個單一因子，APT和Barra多因子模型擴大了人們選擇因子的范圍，其中包括國家地域因子，行業因子，宏觀因子等。

2000年之後，人們對因子的認識又擴展到了新領域：風格因子與策略因子。比如，Fama-French三因子及Carhart四因子模型中的規模，價值，和動量因子。新的因子又比如carry，低波動率，流動性（liquidity），基本面因子，以及本帖介紹的smart beta策略等。更重要的是，人們意識到之前他們認為的alpha，其中有很大一部分是非傳統的beta。那些業內人士把這些beta包裝成alpha在推銷（sell beta as alpha，見下文「另類投資」部分）。

隨著ETF的流行，人們能夠越來越方便地接觸到不同因子並直接應用於投資中，尤其是應用於被動投資中。與對沖基金，共同基金，期貨等相比，ETF的優點是更透明，成本更低，進入市場的門檻更低。一些較受歡迎的因子ETF或smart beta ETF包括：RSP（標准普爾500等權ETF），SPLV（標准普爾500低波動率ETF），FNDB（Schwab美國基本面指數ETF）等等。

[全天候式投資組合（All-weather Portfolio）]
上文中提到了宏觀因子（macro factors），就不得不提一下與之有關的資產配置策略：全天候式投資組合（All-weather Portfolio）。此策略是美國知名對沖基金Bridgewater的負責人Ray Dalio長期研究的成果，其核心觀點是將宏觀因子，經濟情景（economic scenario），和上文中提到的等風險權重（risk parity）結合在一起。

宏觀因子與資產回報之間的相關性很低，尤其是在短期，但使用經濟情景可以在長線投資中彌補這個不足。另外，由於一般投資者不喜歡借錢來投資（leverage aversion），這造成了投資組合中股票等高風險資產的權重高於理論中的最優值。使用等風險權重可以糾正這一偏差。

這里，宏觀因子主要考察的是經濟增長和通貨膨脹，並由此定義四種經濟情景：
（1）經濟增長上升，通脹上升
（2）經濟增長上升，通脹下降
（3）經濟增長下降，通脹上升
（4）經濟增長下降和通脹下降。
然後，從歷史數據中找出資產價格的變化與這些經濟情景的關系，從而確定可投資的資產以及相應的權重，使得投資組合在每個經濟情景中分配到的風險相等（如下圖所示）。這樣，隨著時間的推移，該投資組合能夠經受住各種宏觀風險的沖擊，「全天候式」的名稱由此而來

不過，全天候式投資組合在2013年遇到了些小麻煩。在標准普爾500指數增長30%的情況下，Ray Dalio旗下的全天候式投資組合基金的回報率為-3.9%。於是，全天候式投資這個概念也遭受了質疑 。但我認為資產配置的重要功能之一就是幫助保護投資者的財富，防範風險。所以其分散風險的優勢要在長線投資中才能顯現出來，人們不應該太在意短期的失利，下文中會提到。

[耶魯模式 Yale Model]
耶魯大學捐贈基金（Yale Endowment）由於其在同行中長期傲人的投資表現，已經被視為是資產配置行業的一個榜樣，簡稱耶魯模式（Yale Model）或常春藤投資組合（Ivy Portfolio）。耶魯模式之所以能取得不錯的收益，主要得益於其在另類投資（alternative investment）中的高配置，包括各種私募基金，對沖基金，風險資本（venture capital），房地產等。近年來，其占整個投資組合的比重高達60%。耶魯基金從上世紀90年代就開始投資當時頗具神秘色彩的私募基金和對沖基金了。這些基金的特點是乏人問津，投資准入門檻高，因此其收益可以說是來源於價值因子和低流動性因子。

雖然，這些因子給耶魯基金帶來了可觀的回報，但在08金融危機中，由於人們的恐慌性拋售，低流動性資產重創了該基金。從理論上來講，這符合上文中提到的因子投資的特性，即人們承擔的（系統性）風險越大（尤其在狀態『壞』時），作為補償的因子風險溢價（factor risk premium）也越大（尤其在狀態『好』時）。

然而08金融危機過後，在標准普爾500屢創新高的情況下，耶魯基金的資產始終沒有超過08年的最高點。一個很重要的原因是因為耶魯基金的成功模式開始被不少養老金機構和規模較小的大學捐贈基金效仿，導致了在另類投資中的風險溢價大幅減少。耶魯基金在其年報中也承認了這一點。但它近年來仍能在投資表現上對同行保持微弱的優勢，其成功的關鍵在於它能夠找到最優秀的基金經理來管理投資，這在其年報中也提到了。可惜的是，這些最優秀的基金經理中的大部分都已不接受新的資金。因此，這個成功的關鍵只適用於耶魯自己而無法被他人復制。

由此可見，耶魯基金在可預見的未來仍可能繼續領跑這個行業，但它作為一種已被大眾所熟悉的投資模式不可能在短期內重塑輝煌。

[另類投資不另類]
隨著耶魯基金的成功，那些往日不為人知的另類投資（alternative investment）也掀開了它們神秘的面紗。以其中的對沖基金為例，其高回報及低相關性吸引了人們來研究它。

研究結果顯示對沖基金的回報能提供的alpha非常有限，而有很大一部分是來自各種beta，我有一個帖子專門討論了這個現象。除去少數明星基金，大部分對沖基金能取得回報的一個重要原因並不是因為它們能提供下行風險的對沖（protection on downside risk），恰恰相反，而是因為它們在市場下行的時候回報足夠糟糕，也就是說它們對尾部風險（tail risk）的敞口很大。這與我們之前的認知不太一樣，但符合因子投資的特徵。

大家可能都知道股神巴菲特與另類投資公司Protege Partners之間的十年賭約吧。巴菲特在2008年初跟對方打賭說「an index fund will beat a fund of hedge funds over ten years」。那到目前為止（2014年）結果怎樣呢？有「好事」者把兩者做了一個比較，發現巴菲特建議的投資暫時領先（見下圖）

進一步的研究發現，如果我們把指數基金降低杠桿並收取費用，我們竟然得到了與對沖基金同樣的收益！（見下圖）

另一方面，如果想要得到私募基金的回報，我們只有增加杠桿並收取費用即可。由此可見，另類投資行業經常把已知的beta當成alpha來推銷。然而，隨著因子研究的不斷深入，人們對另類投資的理解也越來越深刻。另類投資已變得不再另類。

[重新審視Smart Beta]
在了解了因子與資產之間的關系後，我們現在再來重新審視一下Smart Beta策略，看看它們是不是有特別之處呢？回答是否定的。

研究顯示這些Smart Beta策略其實都是某些因子的組合。比如，等權重加權法偏向於規模因子。這個很容易理解，因為這種加權法使小盤股獲得與大盤股同樣的權重。又比如，最小方差加權法偏向於低beta因子與低波動率因子。然而，等風險加權法與等風險貢獻加權法更偏向於低beta因子和規模因子。

如下圖所示，Smart Beta策略與上文中提到的其他因子策略同屬一個均值-方差框架內，但正如上文中提到的，Smart Beta策略的著重點是風險，而其他因子策略的著重點是預期回報（risk-based vs. return-based）。不過，最後的效果是相似的，都具有某些因子偏向（factor tilt）

更令人意想不到的是，與Smart Beta正好反向操作的策略竟然也能賺錢。究其原因，原來這些反向策略仍就偏向規模與價值因子。即使是隨機投資組合（random portfolio，即著名的「猩猩擲飛鏢選股法」，在《漫步華爾街》一書中屢次被提及）也有類似的因子偏向（factor tilt，下圖所示）。由此可見，Smart Beta策略能跑贏大盤就不足為奇了，因為它們承擔了一定的因子風險。

既然談到了均值-方差優化框架，這里就順便提一下因子對準的問題（Factor Alignment Problem）。此問題的出現是因為在均值-方差優化法中的預期回報，風險與優化問題的約束條件（optimization constraints）三者所側重的因子有時不盡相同（misalignment）。比如，在預測預期回報中使用的因子可能在風險模型中沒有被使用到。當我們運用優化演算法時，更惡化了這個問題，因為我們可能低估了那部分因子的風險，從而在使預期回報最大化的過程中，高估了與風險模型無關的那部分因子的預期回報。慶幸的是，Smart Beta策略和其他因子策略都只側重均值-方差優化法中的一部分，從而避免了此問題。

雖然Smart Beta策略只是普通的因子配置，但它如此受歡迎有它的道理。我認為主要原因有下列幾個：
（1）美聯儲的QE大幅降低了固定收益類資產的回報，使得投資者不得不尋找其他投資門道來增加收益。
（2）08金融危機中的恐慌和之後美聯儲的QE都影響了市場對各種資產的真實定價功能，資產與資產間原有的聯系減弱了。取而代之的是，大部分資產都隨著美聯儲的貨幣政策起舞。「risk-on/off」模式使得傳統的資產分散化投資（diversification）失靈了。
（3）投資者們仍然對08金融危機時財富大幅縮水記憶猶新，所以比起資產的預期回報，他們更注重風險的控制，更偏愛能控制風險的策略。
（4）08金融危機後，投資者希望在投資中減少人為操縱的因素，更偏愛透明度高，原理簡單的投資產品。
（5）依照某些演算法或規則產生的投資策略（rule-based strategy）可以大大降低由於人們行為上的偏差（behaviour bias）而造成的損失。
（6）傳統的對沖基金和共同基金的高費用一直受人詬病。
因此，這些主題明確，成本更低，且看上去能控制風險的Smart Beta策略在經過精心包裝後迅速受到了大眾的追捧。目前掌握著金融市場大部分資金的機構投資者（institutional investors），比如養老基金，大學捐贈基金，資產管理公司，保險公司等都在往這個方向發展，這股趨勢對人們投資理念的影響深遠。

[市場與因子風險溢價]
雖然因子投資有種種優點，但是，我們沒有任何理論可以保證某一個因子策略可以始終跑贏市場。
事實上，我們經常看到的是這樣的情形：某一個策略或資產在某一段時間內的表現持續地領先整個市場，通過媒體的報道和業界專業人士的包裝，普通投資者們立刻對它們趨之若鶩。於是，這些策略中對應的資產價格井噴式地被抬高，預期回報大幅降低，直到泡沫破裂，重新回歸長期均線為止。這樣的例子比比皆是，比如90年代的增長型股票策略，08金融危機前的新興市場策略，危機後的黃金，低波動率策略，高股息策略等等。

投資者持有資產時因為包含了風險因子才會得到風險溢價，用以補償他們所承擔的某一種系統性風險，我們知道風險溢價是隨時間變動的（time varying），我們不知道何時能夠得到補償。這也是為什麼股神巴菲特不斷鼓勵人們不要在意一時的得失也不要隨意改變投資風格，而要做長線投資。只有這樣獲得溢價補償才是大概率事件。巴菲特本人就用他大半生的經歷來證明這個理念的正確性。如果我們用多個因子構造出一個投資組合，我們就可以利用它們之間穩定的低關聯性等優點進行分散化投資，以避免上述單因子策略出現的損失。美國著名對沖基金AQR就巧妙地利用了因子的這些優點構造投資組合並取得了持久且不錯的收益。

市場是個零合游戲（zero-sum game），任何異於市場的投資，必定有一個與之對應的反向投資，而它們在長期都將回歸到市場這個動態的均衡點上（equilibrium）。任何想跑贏市場的投資策略（包括因子策略，擇時策略等）只適用於一部分人，因為這需要另一部分人反向操作來支持他們。如果市場內的大部分人都採用同一種策略，那新的市場均衡點就形成了，投資策略也就失去了意義。這也是為什麼包括對沖基金在內的另類投資在被大眾熟悉後就失去了往日的光環。

有人擔心如果市場上大量的資金流向指數基金和被動投資策略，主動投資的交易減少會導致市場失去發現資產真實價值的功能。我倒不這么認為，因為從本帖的分析中我們了解了，只有長期持有整個市場投資組合才是真正的被動投資。除此之外的其它異於市場權重加權的策略或指數都是主動投資，因為它們都具有某些因子的偏向。為了保持這些因子敞口，人們要定期地主動地進行再平衡調整（rebalance，即始終持有對某個因子偏向最強的資產，拋棄偏向最弱的資產）。只不過，主動投資的控制權不在投資者而在指數或ETF管理公司那裡。無論如何，主動投資仍是市場中的大多數。

另一方面，傳統意義上的主動投資（包括共同基金，對沖基金）從長遠看並不會消失。盡管主動投資的表現不盡如意，收費也較高。如下圖所示，以代表對沖基金整體水平的指數HFRX已經連續十年跑輸僅由股票和債券組成的簡單投資組合了

但是投資者們寄希望於將來能夠選到更優秀的基金經理來跑贏被動投資，而且主動投資的參與者越少，能跑贏的概率越大，因此，投資者們仍然堅守著自己的主動投資倉位盡管有一些下降。投資者的這個看似愚蠢的決定其實是經過理性思考後做出的。

這就是主動投資與被動投資之間此消彼長的辯證關系，假設在極端情況下，資產的價格反映了所有信息，那麼人們就沒有動力去主動尋找新的信息。大家都被動接受信息的結果是整個市場沒有信息。那麼，這時候主動尋找新信息就可以佔得先機。此關系可以看作是對有效市場假說（EMH）的一個註解。所以，完全有效的市場是不穩定的均衡點，永遠不可能達到。市場始終處在半informative 半uninformative的狀態，兩者的人數多少取決於信息的成本和市場本身的結構。比如，在像中國這樣不成熟市場中，由於種種原因使得獲得信息的成本較高，從而使主動投資者更可能取得較高的回報。不過，隨著市場的不斷完善，獲得信息的成本降低，越來越多的投資者會加入到被動投資的陣營中。

[結語]
總而言之，風險因子才是資產之間聯動的根本原因，它描述了資產間某些共同特徵。資產配置的實質是因子的配置。大規模的資產配置投資很難不涉及到某些因子敞口，而且，因子投資的特性會不斷激勵人們挖掘新的因子。隨著資產定價理論的不斷發展，我們不知道的beta會越來越少。

『陸』 銀行證卷資金流向alpha是什麼意思

你說的應該是Alpha（阿爾法）模型。
下面的文字請參考：
1、什麼是阿爾法策略？
投資者在市場交易中面臨著系統性風險（即貝塔或Beta、β風險）和非系統性風險（即阿爾法或Alpha、α風險），通過對系統性風險進行度量並將其分離，從而獲取超額絕對收益(即阿爾法收益)的策略組合，即為阿爾法策略。從廣義上講，獲取阿爾法收益的投資策略有很多種，其中既包括傳統的基本面分析選股策略、估值策略、固定收益策略等等，也包括利用金融衍生工具對沖交易貝塔風險、獲取阿爾法收益的可轉移阿爾法策略。後者在國內通常被稱為阿爾法對沖交易策略，並在近年A股市場上得到廣泛應用。
2、阿爾法策略是如何構建的？
阿爾法策略所涉及的市場領域非常廣泛，在股市、債市、商品市場等各類金融市場都有應用。而目前國內市場上最常見的還是股市阿爾法對沖交易策略，其通常利用選股、擇時等方面優勢，尋找具有穩定超額收益的現貨組合，通過股指期貨等金融衍生工具來分離貝塔，進而獲得與市場相關度較低的阿爾法收益。尤其是在熊市或者盤整期，可以採用「現貨多頭＋期貨空頭」的方法，一方面建立能夠獲取超額收益的投資組合的多頭頭寸，另一方面建立股指期貨的空頭頭寸以對沖現貨組合的系統風險，從而獲取正的絕對收益。此外，還有機構根據獲取阿爾法的途徑，採取統計套利交易、事件驅動、高頻交易等策略來獲取阿爾法收益。而在上述各種策略構建過程中，基於大類資產配置、行業配置、擇時與選股體系的量化策略均得到了廣泛應用。
3、阿爾法對沖交易策略成功的關鍵是什麼？
Alpha策略成敗的兩個關鍵要素是：其一，現貨組合的超額收益空間有多大；其二，對沖交易成本的高低。兩者相抵的結果，才是Alpha策略可獲得的利潤空間。在股市Alpha策略中，最考驗策略制定者水平的因素在於選股方法和能力。
4、阿爾法策略在我國市場的發展空間如何？
從國內外的經驗來看，阿爾法策略一般運用在市場效率相對較弱的市場上，如新興股票市場、創業板市場等。我國的股票市場正是一個新興的市場，效率相對較低，特別是伴隨著股指期貨、融資融券等衍生品種的推出，的確存在利用風險對沖來獲取超額收益Alpha的巨大需求和空間。
用量化模型構建個股組合
在構建個股組合方面，投資者可以採用量化模型的方法來選股。量化模型的優勢在於能覆蓋全部股票，業績的穩定性和可復制性高。基金公司運用最多的量化模型是多因子模型。影響股票收益的因子有多種，大致可分為長期因子和短期因子。長期因子包括價值因子，盈利質量因子等，短期因子則包括市場技術分析以及動量等因子。將這些因子有機地結合起來，就構成了對每一隻股票的打分，此打分也稱股票的預期收益。用此方法計算出來的預期收益盡管不像狙擊步槍一樣精準，卻可像沖鋒槍一樣，在大概率上具有較高的勝率。
在構建投資組合過程中，與預期收益同等重要的是預期風險。有些股票盡管有很高的預 期收益，但如果預期風險也很高，在歷史上收益的波動率很大，那麼在投資組合中所佔的權重也不應太高。在預測風險方面，專業機構往往會購買商業模型或開發自己的風險模型來預測每一隻股票的風險，進而計算組合風險。
在確定組合中個股權重時，專業機構會根據投資者的收益要求和風險承受能力，從量化因子庫中選擇適當的因子為投資者量身定做預期收益模型，同時兼顧股票的預期風險和交易成本，用優化的方法計算組合中每隻股票的權重。
阿爾法對沖策略是選擇具有超額收益能力的個股組合，同時運用滬深300股指期貨對沖市場風險以獲得超額收益的絕對收益策略。此種策略追求的是與市場漲跌相關性較低的絕對收益。
用股指期貨對沖市場風險
確定了股票的最優組合並不代表一定能有正的收益。即使我們有最好的預期收益模型和最好的風險模型，我們也只可能做到戰勝所有股票的平均值，即戰勝指數。如果指數下跌了百分之二十，我們的模型即使戰勝指數百分之十，我們最終還是虧損了百分之十。那麼我們有沒有辦法在市場上獲得正的收益呢？答案就在於運用股指期貨對沖掉市場風險。
在股指期貨市場，投資者可以在購買股票現貨的同時賣空同等金額的股指期貨，即所謂的套期保值策略。如果市場上漲，現貨隨著市場的上漲而盈利，股指期貨則由於我們賣空而出現虧損。由於我們的股票組合能夠戰勝市場，所以現貨方面的盈利多於股指期貨方面的虧損，最終我們盈利。反之，如果市場下跌，現貨方面虧損，股指期貨方面會出現盈利。由於我們股票組合戰勝市場，虧損的比市場小，那麼股指期貨的盈利要大於股票方面的虧損，我們還是盈利。
主要風險在於選股策略
下面讓我們看兩個實例。以2012年2月為例，自2月1日至2月17日期間滬深300指數上漲3.13%， 此期間根據簡單的多因子模型組合測算，模型上漲3.59%，戰勝市場。如果我們在2月1日以2469點收盤價賣空1202合約，2月17日合約到期時以2537點平倉。期間股指期貨虧損2.76%，股票盈利3.59%，最終我們盈利0.83%。
以2012年5月為例，自5月2日至5月18日滬深300指數下跌4.06%，此期間模型組合下跌3.74%，跌幅小於市場。如果我們5月2日以2686點賣空1205合約，至5月18日合約到期時以2576點平倉，期間股指期貨盈利4.12%，減去3.74%的股票虧損，最終我們盈利0.38%。
從以上兩個實例中可見，不管市場上漲還是下跌，賣空股指期貨總能對沖掉大部分現貨股票組合的市場風險。阿爾法對沖策略的主要風險在選股策略上。由於股票市場的規律性變化、一些突發事件的影響和統計模型本身的概率屬性，選股模型在某些月份或特殊時期有可能失去效用，出現做多的股票跑輸市場的情形，從而產生短期的虧損。這需要投資者有正確的認識，也要求基金經理能不斷完善投資模型和操作技巧，增強獲勝概率。
熊市和震盪市表現最佳
下面我們看看阿爾法對沖交易策略和貝塔策略的對比。貝塔策略是指被動跟蹤指數的策略，從長期來講，貝塔策略是可能盈利的，但由於股票市場波動比較大，在某段特定時間內往往會出現虧損或被套住的情況。以A股市場2011年1月4日到2012年11月29日的表現，滬深300指數在2129點到3372點之間波動，日收益率最高為4.9%，最低為-3.8%，年化風險高達20%。同期的阿爾法對沖策略，日最高收益率為2.16%，最低為-0.31%，年化風險為2.1%，風險僅為指數的十分之一。從累計收益來對比，2011年到現在滬深300指數虧損近30%，而阿爾法對沖策略則累計上漲23%。
很多投資者對貝塔風險的防範意識往往不足。市場跌50%以後需要100%的收益來回填。而投資者往往不能有足夠的信念和理由來堅持，客觀上造成了追漲殺跌、市場漲而投資者虧損的局面。阿爾法對沖策略則有效地迴避了市場過山車式的震盪，使投資者能長期穩定地參與經濟的發展、股市的成長和個股的機會。
阿爾法對沖交易策略在操作中需要注意以下幾個事項。第一，現貨與期貨頭寸之前的差額，即風險暴露敞口不宜過大，否則會影響套期保值的效果。第二，由於現貨是長期持有，而股指期貨合約有到期日，所以在股指期貨合約到期時需要向下一個合約展期，從而維持套期保值的延續性。第三，股指期貨有日盯市保證金制度，投資者需要密切注意股指期貨的保證金，以免被強制平倉。第四，對沖交易策略在熊市和震盪市中表現最佳，在牛市中投資者可適當調整對沖比例，在拿到alpha收益的同時適當收獲整個市場的上漲收益。

『柒』 套利策略和市場中性策略不是一回事嗎

市場中性策略(Market Neutral Strategy)是國際對沖基金的常用投資策略，近年來也越來越多的被應用到普通開放式基金之上。雖然美國這類市場中性基金目前總市值不超過為150億美元，其發展與現狀仍值得我們學習研究。

簡單的說，市場中性投資策略通過同時構建多頭和空頭頭寸中性化市場風險，以謀求任何市場環境下穩定的絕對受益，它是多空倉策略（Long-Short Strategy）的極端形式。理想狀態下，50%的多頭頭寸和50%的空頭頭寸就構成了一個市場中性組合，基金經理通過尋找市場或商品間效率落差而形成的套利空間，利用價值回歸理性的時間差，在股市波動中把握細微的投資機會，從而獲得持續的業績增長。

最早在上世紀70年代就有一些基金經理開始嘗試應用市場中性策略進行投資套利。由於其應用需要比較完備的市場條件，例如一定深度和廣度的市場、良好的買空賣空機制、充分多的衍生金融工具降低交易費用等，同時還要求基金經理掌握先進的數量分析方法，因此直到上世紀90年代中期，這一投資策略才開始得到廣泛的應用。根據晨星統計，美國市場上現存的81隻市場中性基金中，就有71隻是2000年以後發行的，其中2009年之後發行的新基金佔到一半以上。

現實中的市場中性投資策略遠沒有以上描述的那麼簡單。基金經理必須構建嚴謹的統計套利模型對市場及單只證券的風險進行估算，以保證其多頭頭寸和空頭頭寸的風險敞口相等。比如，某基金持有價值1億美元的多頭股票和價值5000萬美元的空頭股票，然而空頭股票的波動性非常大，其市場風險（即Beta值）是多頭頭寸的兩倍，在這種情況下該基金仍然是市場中性的；反之，若該基金持有相等金額的多頭與空頭股票頭寸，而其中某一方的波動性遠大於另一方，則不構成市場中性組合。

理論上，市場中性基金的Beta值應該為零，即其業績完全不受市場波動所影響。但在實際操作中，單只證券或市場未來的波動性是很難被准確預測的，尤其是下行風險，更難以准確量化並做出預判，因此市場中性策略只能無限接近於理論值。晨星對美國開放式市場中性基金分類Beta值的要求就是-0.3與0.3之間，對其凈股票頭寸的要求是-20%與20%之間。

歷史數據表明，較之大起大落的市場環境，市場小幅震盪時市場中性策略基金能獲得更高的收益。我們可以理解為當市場小幅震盪時，股票的價值回歸體現的更加明顯，因此該策略的獲利能力表現的更強。反之，市場出現非理性的大起大落時，股價更易脫離其價值本身，中性策略就反而抑制了收益。同時，由於整體風險暴露度低，幾乎所有的市場中性基金都會使用杠桿，放大收益。

『捌』 量化交易策略有哪些

01、海龜交易策略

海龜交易策略是一套非常完整的趨勢跟隨型的自動化交易策略。這個復雜的策略在入場條件、倉位控制、資金管理、止損止盈等各個環節，都進行了詳細的設計，這基本上可以作為復雜交易策略設計和開發的模板。

02、阿爾法策略

阿爾法的概念來自於二十世紀中葉，經過學者的統計，當時約75%的股票型基金經理構建的投資組合無法跑贏根據市值大小構建的簡單組合或是指數，屬於傳統的基本面分析策略。

在期指市場上做空，在股票市場上構建擬合300指數的成份股，賺取其中的價差，這種被動型的套利就是貝塔套利。

03、多因子選股

多因子模型是量化選股中最重要的一類模型，基本思想是找到某些和收益率最相關的指標，並根據該指標，構建一個股票組合，期望該組合在未來的一段時間跑贏或跑輸指數。如果跑贏，則可以做多該組合，同時做空期指，賺取正向阿爾法收益；如果是跑輸，則可以組多期指，融券做空該組合，賺取反向阿爾法收益。多因子模型的關鍵是找到因子與收益率之間的關聯性。

04、雙均線策略

雙均線策略，通過建立m天移動平均線，n天移動平均線，則兩條均線必有交點。若m>n，n天平均線「上穿越」m天均線則為買入點，反之為賣出點。該策略基於不同天數均線的交叉點，抓住股票的強勢和弱勢時刻，進行交易。

雙均線策略中，如果兩根均線的周期接近，比如5日線，10日線，這種非常容易纏繞，不停的產生買點賣點，會有大量的無效交易，交易費用很高。如果兩根均線的周期差距較大，比如5日線，60日線，這種交易周期很長，趨勢性已經不明顯了，趨勢轉變以後很長時間才會出現買賣點。也就是說可能會造成很大的虧損。所以兩個參數選擇的很重要，趨勢性越強的品種，均線策略越有效

05、行業輪動

行業輪動是利用市場趨勢獲利的一種主動交易策略其本質是利用不同投資品種強勢時間的錯位對行業品種進行切換以達到投資收益最大化的目的。

06、跨品種套利

跨品種套利指的是利用兩種不同的、但相關聯的指數期貨產品之間的價差進行交易。這兩種指數之間具有相互替代性或受同一供求因素制約。跨品種套利的交易形式是同時買進和賣出相同交割月份但不同種類的股指期貨合約。主要有相關商品間套利和原料與成品之間套利。

跨品種套利的主要作用一是幫助扭曲的市場價格回復到正常水平；二是增強市場的流動性。

07、指數增強

增強型指數投資由於不同基金管理人描述其指數增強型產品的投資目的不盡相同，增強型指數投資並無統一模式，唯一共同點在於他們都希望能夠提供高於標的指數回報水平的投資業績。為使指數化投資名副其實，基金經理試圖盡可能保持標的指數的各種特徵。

08、網格交易

網格交易是利用市場震盪行情獲利的一種主動交易策略，其本質是利用投資標的在一段震盪行情中價格在網格區間內的反復運動以進行加倉減倉的操作以達到投資收益最大化的目的。通俗點講就是根據建立不同數量.不同大小的網格，在突破網格的時候建倉，回歸網格的時候減倉，力求能夠捕捉到價格的震盪變化趨勢，達到盈利的目的。

09、跨期套利

跨期套利是套利交易中最普遍的一種，是股指期貨的跨期套利（Calendar Spread Arbitrage）即為在同一交易所進行同一指數、但不同交割月份的套利活動。

10、高頻交易策略

高頻交易是指從那些人們無法利用的極為短暫的市場變化中尋求獲利的計算機化交易，比如，某種證券買入價和賣出價差價的微小變化，或者某隻股票在不同交易所之間的微小價差。這種交易的速度如此之快，以至於有些交易機構將自己的「伺服器群組」安置到了離交易所的計算機很近的地方，以縮短交易指令通過光纜以光速旅行的距離。

『玖』 使用python做量化交易策略測試和回驗，有哪些比較成熟一些的庫

pybacktest
pyalgotrader
zipline
bt
backtrader

pybacktest基於vector，不是event based，快得多得多，缺點也明顯。

『拾』 阿爾法量化是什麼意思

一種交易方式。
在傳統交易市場的諸多弊端下，一種結合運用數學模型代替人為主觀判斷的量化交易方式應運而生。

Alpha智能量化平台在量化交易的基礎上，結合區塊鏈、AI、大數據、雲計算等技術，旨在實現DeFi跨平台交易的最佳利率，為全球用戶提供非託管智能合約。通過先進的數學模型從龐大的歷史數據中海選出能夠帶來超額收益的多種「大概率」事件來定製策略。智能優化利率機制通過檢測功能定時在不用平台間為沉澱資產尋找最佳收益率，自動將投資者的部分資金遷移到更高收益率的平台，以更低的風險，收獲更高的收益。系統化的投資模型和嚴格的投資紀律規避了投資行為中的人為偏誤，極大地減少了因投資者情緒波動造成的影響，同時也避免了在市場極度狂熱或悲觀的情緒下投資者們做出不理性的投資動作。

阿爾法量化交易是指在D-Alpha系統中，從一個有效的策略到最後的實際交易的過程，而此過程需要經過四個步驟：
1、歷史數據統計後驗。
2、歷史高頻數據後驗。
3、實時高頻數據模擬交易。
4、實盤交易。

阿爾法量化交易其實和絕大多數炒幣機器人沒有太大的區別，數字貨幣自動交易機器人無非就是三種類型

一種是行情監控
最簡單的行情收集，分析信息，無需人工盯盤，從海量的幣以及價格當中篩選出重要的指標信號出現的代幣

第二種是交易決策
這種類型的程序是當前幾種當中最為復雜的，通過給出可能交易的信號來收集重要的信息，不需要人工主觀的

判斷，為交易決策提供支持，以前的話，這種情況只有特別專業的交易者才能做到。

第三種就是自動交易
自動交易又分為三種，交易所和項目方所使用的相對簡單一些，比較復雜的還是屬於散戶所使用的量化交易機器人，因為既要迎合行情又要針對這個交易所和項目方的行為進行調整。