恒生研究院|未来的量化交易将发展成什么模样？

量化交易在海外的发展已有近40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的认可。国内开始系统地应用量化交易是在20世纪初期，2010年以后逐渐发展和壮大起来，越来越多的机构和专业投资者涉足量化交易领域。随着互联网、大数据的发展、量化交易在国内也出现了明显的业务特点和发展趋势。

了解国内量化交易的未来发展趋势对我们如何布局量化交易平台是大有裨益的。今天，笔者将从全球化、高频化、对冲化和智能化等几个方面来阐述分析国内量化交易的发展趋势。

【全球化】

QFII在2017年持有的A股资产突破万亿元人民币规模，沪深港通双向累计年成交额也破万亿人民币规模，2018年MSCI明晟指数纳入A股成分后，会带来数千亿的指数配置资金，这些数字背后体现着不同证券市场的影响在不断加深。随着经济全球一体化进程以及我国金融行业对外开放的不断深入发展，国内金融市场和国外发达市场的相关性也会越来越强，从大宗商品交易市场到股票交易市场，以至各类场外交易市场，不同市场之间的联动和影响也越来越复杂，单一的市场在全球化金融背景下很难独善其身。

有分析指出，从摩根斯坦利的MSCI指数和全球各主要国家的市场指数相关性可以看出，在2007年经过次贷危机和量化投资不断发展之后，很多国家的股票指数和全球股票指数呈现了大规模的相关性。从这一分析我们可以看到不同市场的相关性在不断地变高，欧美市场的整体相关性已达50、60%，甚至有些市场相关性达到70%。亚洲市场的相关性也从10、20%提升到目前的30、40%。从资产配置的角度来看，在整个资产的配置中，多样性起到很重要的作用，我们需要另类资产来投资，否则我们将进入相关性的误区。市场相关性的提高不利于传统资产组合的优化，但从另一个角度，不同市场相关性的提高使得很多跨市场的量化策略得以实施，比如期货市场的内外盘跨市场套利。

全球量化旨在一个日益联系紧密的一体化金融市场里寻找有用的信息。发达国家投资界已有新型量化公司通过技术手段分析不同金融市场的各类数据，在数以亿计的实时数据里得到套利信息的能力已经超过传统金融分析。国内也已有量化团队，从相关A股海外指数如富时指数、海外ETF、大宗商品等入手进行跨市场量化对冲投资。

量化交易中金融资产的全球化配置，不仅是丰富了国内投资者金融资产的配置范围，更体现着国内投资者投资理念的转变与成熟。2016年以来，以上证50指数为代表的绩优蓝筹股走出漂亮的50指数走势，市场的波动性也逐步降低，指数表现出一种慢牛格局，这些都体现着国内投资风格的转换。当市场越来越有效时，我们的量化投资策略也必然会向成熟市场看齐。

【对冲化】

量化投资的方法种类很多，大致包括技术面分析、基本面分析和基于复杂数学模型的衍生品投资。随着国内融资融券、股指期货和各类期权品种的不断推出，市场的做空方式也逐步完备，基于金融衍生品进行量化对冲投资逐渐在国内发展起来。根据机构的统计数据，目前国内实施的量化策略中，有60%左右的量化策略是在股票多空、市场中性和套利等对冲型的量化投资策略上。

国内金融市场正在逐渐走向成熟，但目前仍然属于新兴市场，市场整体的波动较大。投资跑赢了市场却可能依然亏钱，因为市场下跌的系统性风险无法有效规避。“追求绝对收益”已成为国内资产管理市场未来发展的大势所趋，通过量化对冲策略取得无关市场牛熊的绝对收益，越来越成为稳健投资者首要的投资目标。

量化对冲最核心的是多空策略，选择做多好的股票、做空差的股票，或者通过价差统计套利的模式，做多相对低估的股票、做空相对高估的股票，以期在价差回复的过程中获利。所以相关性来自于量化对冲，量化对冲也影响着市场证券相关性的发展。在金融投资全球化的趋势下，量化对冲的发展使得不同市场上很多资产的相关性逐渐紧密相关起来。

【高频化】

2015年以来，高频交易是被推向舆论的风口浪尖的，监管层也推出一些高频程序化交易的规范化制度，这也在一定程度上反映了目前国内的量化策略在向高频化的方向发展。量化对冲往往是基于资产的错误定价，套利是对冲的重要模式，错误定价的套利机会稍纵即逝。高频化其实是对行情和交易高性能的追求，投资中比竞争对手更快的了解市场微观结构的变化，是高频量化取得成功的关键。

对于证券市场，很难预测市场未来的趋势，但我们一定知道未来是波动的。高频交易就是通过抓住市场的微小波动来获利。结合对冲操作可以发现，通过对冲后投资组合的长期风险是显著降低的，但对冲组合的短期整体波动并未显著降低。这样就可以通过高频对冲交易获取稳定的收益。这一领域的Virtu公司2014年公布的数据中，在其过去5年的1238个交易日中只有一天是出现亏损的。如此高的胜率对“追求绝对收益”的稳健型投资者来说具有极大的吸引力。

高频交易有一个特征：它并不适合太大的总资金量，巧合的是长期资本管理公司LTCM在50亿美元左右出现问题，西蒙斯的大奖章基金的规模也止步于50亿美元。从这个角度看，它很适合刚起步的金融团队，启动资金和人员都不需太多。当然随着市场金融衍生品市场的不断发展壮大，市场交易品种的不断丰富，高频交易全市场累计的容量也是不容小视的。

【智能化】

互联网的高速发展产生了大数据，也造就了大数据在包括金融行业在内的众多业务领域取得成功的应用场景。同样，大数据应用在证券量化投资中的应用价值毋庸置疑，投资过程中我们能获得的数据除了大量的传统金融数据，GIS、新闻、博客、论坛、即时通讯也会产生图像化、语言化的文本和音频数据，往往对金融市场也会造成或多、或少的影响，这些数据海量地聚集，远远超越了人类对数据可能的处理能力。人工智能尤其是深度学习的方法的发展，提高了对于非结构化、高维稀疏的数据进行非线性规划求解的能力。

随着金融大数据、人工智能和基础计算能力的发展，很多投资公司正在推动机器学习的方法，这使得计算机能够分析数据并提出自己的预测算法。那些机器不再依赖人类来写公式，算法和量化分析最终可以大大减少对投资分析人员的需求。

在大数据的海洋中要分析和识别模式，似乎依靠基于人工智能的机器学习工具和技术是唯一选择，这应该是大数据应用环境下发展投资策略的必由之路。比如，新闻网站对突发性重大事件的报道必然对金融市场产生影响，实现基于文本等非结构化数据的事件驱动套利策略，需要借助人工智能的自然语言处理NLP来进行。

美国的RS Metrics公司，通过对全美超过28家零售商和餐馆进行卫星图像监控，可以准确计算出它们在全国范围内或某一地区的客流量同比增长情况，并在目标公司发布财报前，以周度、月度或季度的频率向客户发送报告；美国能源情报机构Genscape通过计算机对卫星图片来识别全球港口的油轮运输和库存情况，了解石油的需求与供给状况，来指导大宗商品的投资。

从大趋势而言，人工智能在量化投资交易的应用会加深加快。但基础研究的限制，让它目前很难单独面对复杂的金融市场，更好的方法是让它去处理大数据，找到数据和金融市场之间的关联，发现投资交易的机会。但在这个过程中，人也不应该缺席。人和人工智能的混合系统，会在未来一段时间的金融市场中唱主角。

在过去，国内证券市场投资单一、投资策略趋同，这种情况下必然造就大起大落的市场。投资者结构很重要，当大家做的角色都趋同的话，市场必定是不稳定的。量化投资带来了一种非主观性的投资思路，另类的操作办法。量化交易通过对投资过程的程序化，把人的情绪排除到投资进程之外，整个投资过程完全按照预先设定的程序进行操作，确保投资进程的客观性。事实上对于市场的成熟、稳定、高效是有帮助的。

随着证券市场的不断发展、金融衍生品的不断推出、对冲工具的不断丰富、投资复杂度的日益提高，量化投资将以其低风险、收益稳定的特性成为机构投资者的主要投资策略。

因此，未来的量化交易亟待在数据服务、交易服务、风险监控等方面做出适应量化交易发展趋势的改变和完善。