当前位置：中博教育 > 学习指导 > 漫谈:量化投资的前世今生（四）

漫谈:量化投资的前世今生（四）

文章来源：中博教育

发布时间：2018-09-20 11:13

阅读：1088次

怎么做量化模型？

其实只要不是定性的内容都可以归为量化的东西，所有用得到数字的东西，像mean-variance（均值-方差）模型，CAPM，简单的线性回归，这些很简单的东西都可以理解成量化模型，所以量化这个东西它并不局限。

量化投资为什么要多个模型？

其实并不是量化投资必须要多个模型，但是多个模型有一个好处，它可以被看成是一个工具箱。

因为从数量的角度来解释一个复杂的立面的市场，实际上是在看一个抛面，这个抛面能不能代表整个市场，这是需要解答的问题，所以说不同的数学方式，它适合解释不同的问题、或是寻找不同的规律，把不同的数学方式放到一块作为一个工具箱，可能做出来的东西会更好理解也更*，不容易片面以致陷入一个误区，比如同一个模型，它可能把某些噪音当成规律，但是当你把不同的模型揉到一块的时候，它陷入局部*优的风险会降得比较低。

从统计上来讲，统计上有一个方式叫作“resemble”，它的理念就是把解决不同问题的数学方式揉到一个回归里面，这样的话就可以很大程度上避免陷入局部*优，也就是避免错把噪音当成规律的风险。

现在主流的量化工具

现在主流的量化工具其实还是配置方面的入手起来比较好赚钱，所获盈利也是*稳定的，像mean-variance，以及此前在推的风险平价。对后者需要小心一点，因为风险平价里有很多假设，这些假设其中有一些东西是基于当时大环境利率是长期走低的，但在我们看的这个点上，利率还能不能走低，还能走到哪，债券能给我们提供多大的收益，因为风险平价它是按照波动率来配置的，在众多的市场上交易的资产类别里面，债券其实波动率是*低的，这样的话它就会把债券的比例放得特别大，整个风险平价如果是长期拉开来用绩效归因来看的话它超过一半的收益是来自买债的，无非就是放杠杆买债，所以说如果这一块的收益没有了，那么风险平价的以后的收益会怎么走，就需要更多的思考。但不得不说这个模型它确实是有非常大的可取之处，以后怎么用、如何看待它的收益预期，这些东西需要再琢磨一下。

关于人工智能

国外关于人工智能这一块研究得非常多，IT研究得也非常多，有极少数的人做出了一部分人工智能在投资方面使用的模型，这一部分其实效果是不错的。但是这是极少数的人而且非常不透明。对于市场大多数人，人工智能的东西现在停留在比如说文本分析、自然语言处理还有广义上的大数据上面，没有真正到这个更智能的领域。说到人工智能这个东西，它其实并非是智能，它其实也就是把某些需要大量人力去做，甚至大量人力都做不了的东西拿一个循环的机制去不断地试对或是试错来达到目的，它其实更像是一个工具箱，和过去用的线性回归这种东西没有那么大的区别，只是这种工具的处理能力越来越强了、能处理的问题越来越多元了。

量化选股与期权有什么关系？

这个问题这么想，看一个公司，看它整个的资产负债表，股票是资产负债表上面在债券以上部分的一个认购期权（call option），就是只要这个公司的净价值（net asset value, NAV）高于债权、那高出来的部分就是股票的价值；债券是资产负债表上的一个认沽期权(put option)，如果它击穿了这个NAV，那债券就要开始亏钱了，所以这个put option就要开始赔付了。所以说，如果把股票看成一个资产负债表上的call option, 然后拿模型来模拟这个公司的资产负债表、或者是一系列公司的资产负债表，其实它就是可以用作选股的。这个东西有非常多需要注意的地方，比如一个技术细节是像苹果这样的高现金、低负债的公司，它非常不容易违约，所以说可能不那么用去担心它的击穿概率，更多情况下需要看的是怎么能拿一个布朗运动、拿一个随机游走的过程来模拟它的股票的期权价值和债券的期权价值，但对于一个周期股，比如对于一个钢铁股、煤炭股这样的，它随时有公司净价被击穿的风险，所以说需要模拟很多细节，比如说它账面上的一些技术违约的条款、看它触发技术违约的概率、还有它触发公司价值上的违约的概率——financial default和technical default两方面的概率。

本文系中博教育作者原创文章，如需转载请联系本网编辑。
Email:editor@zbgedu.com

免费领取 2025年生涯测评学习资料

请大家认真填写以下信息，获取2025年生涯测评学习资料包，会以网盘链接的形式给到大家，点击免费领取后请尽快保存。