? ? ? ? ? ? ? ? ? ? ? ? 量化投資方法研究評述與未來展望

摘要：量化投資是一個年輕且充滿生命力的領(lǐng)域，近年來在我國學(xué)術(shù)和實(shí)業(yè)界的發(fā)展都十分迅速。但現(xiàn)有的研究文獻(xiàn)還比較零散也缺乏比較優(yōu)質(zhì)的文獻(xiàn)綜述，給相關(guān)研究者帶來困惑。本文對近年來量化投資領(lǐng)域比較經(jīng)典和新的文獻(xiàn)進(jìn)行了梳理。全文共包括五個部分，第一部分是引言，說明了文獻(xiàn)綜述的范圍和本文的目標(biāo)。第二部分說明了量化投資的定義、量化投資的主要過程以及其與傳統(tǒng)投資的區(qū)別。第三部分?jǐn)⑹隽肆炕顿Y底層的金融理論沿革以及其底層理念。第四部分梳理了目前比較混亂的量化投資領(lǐng)域分類。最后第五部分則是一個總結(jié)性的敘述。

關(guān)鍵詞：量化投資、量化交易、文獻(xiàn)綜述

一、引言

????????量化投資，與傳統(tǒng)投資方法相比，是一門數(shù)學(xué)、金融學(xué)、心理學(xué)、計(jì)算機(jī)科學(xué)等學(xué)科交叉融合的新興學(xué)科，也是一種學(xué)術(shù)界和實(shí)業(yè)界高度結(jié)合的采取數(shù)理方法進(jìn)行投資組合管理謀取超額收益的年輕投資方法。其在美國已有四十余年的歷史并構(gòu)成了美國金融市場舉足輕重的構(gòu)成部分，涌現(xiàn)出了諸如西蒙斯等大量量化投資專家和如量子基金、歐米伽對沖基金公司等成功的量化基金案例。在我國，量化投資相對進(jìn)入較晚還很不成熟，但發(fā)展十分迅速，市場規(guī)模和份額不斷擴(kuò)大，受到越來越多的業(yè)內(nèi)投資者的認(rèn)可。

????????一方面量化投資和學(xué)術(shù)界的研究非常緊密，其本身就是由投資學(xué)的發(fā)展帶來的，目前許多量化研究員的主要工作就是轉(zhuǎn)化學(xué)術(shù)成果到實(shí)踐背景中進(jìn)行驗(yàn)證.（張然等，2017）。另一方面我們也注意到，量化投資在傳統(tǒng)金融學(xué)和數(shù)學(xué)的理論和方法的基礎(chǔ)上伴隨著新的金融工程技術(shù)、大數(shù)據(jù)存儲和計(jì)算技術(shù)、機(jī)器學(xué)習(xí)算法不斷涌現(xiàn)出諸多分支；在實(shí)業(yè)界，量化投資策略與方法是一種寶貴的易受曝光而使其時效性遭受損失的商業(yè)秘密，故大量先進(jìn)成果未向社會公布，而在中國學(xué)界該領(lǐng)域的研究還相對比較稀少和零碎，也缺少比較優(yōu)質(zhì)的綜述類文獻(xiàn)。

????????因此，本文根據(jù)國內(nèi)外量化投資領(lǐng)域的一些具有代表性的文獻(xiàn)，重新梳理了量化投資的概念、理論基礎(chǔ)、包含的子領(lǐng)域及其內(nèi)容特點(diǎn)。并分析了量化投資在中國市場的適用性，指出了本領(lǐng)域一些具有發(fā)展前景的研究方向。

二、量化投資定義

（一）量化投資的定義

????????目前國內(nèi)外對于量化投資尚未有一個統(tǒng)一的定義，但一般分成狹義和廣義兩種角度。從狹義定義的角度講，如張然，周柏成等對其的解釋是“量化投資采用一定的數(shù)理模型對投資策略和邏輯進(jìn)行量化，進(jìn)而通過計(jì)算機(jī)技術(shù)等現(xiàn)代科技手段來實(shí)現(xiàn)其投資過程”。（周柏成，劉毅男，2019），這種定義強(qiáng)調(diào)量化投資只是通過計(jì)算機(jī)技術(shù)輔助實(shí)現(xiàn)策略背后投資者的投資邏輯，如張然指出“如何選擇阿爾法模型的選股因子？最重要的標(biāo)準(zhǔn)是選股因子是否符合經(jīng)濟(jì)直覺，一個好的因子，一定能用簡單的語言描述其選股邏輯”（張然，汪榮飛，2017），但是這種定義具有局限性，把一些近些年不斷涌現(xiàn)的諸如基于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法挖掘因子的統(tǒng)計(jì)方法排斥在外。

????????而從廣義的角度講，F(xiàn)abozzi在其著作《Challenges In Quantitative Equitiy Management》用是否采用固定規(guī)則和計(jì)算機(jī)模型區(qū)分量化投資和傳統(tǒng)投資方法“通過信息和個人判斷來管理資產(chǎn)為基本面投資或者傳統(tǒng)投資，如果遵循固定規(guī)則，由計(jì)算機(jī)模型產(chǎn)生投資決策則可被視為數(shù)量化投資”（Fabozzi，2008），該定義被相應(yīng)廣泛采信，本文也采用該定義。

（二）量化投資主要過程

????????不同的量化投資交易員可能采取迥然不同的量化方法，但通常而言，一個完整的量化投資都要離不開以下幾步。我們綜合了國內(nèi)的一些比較具有代表性文獻(xiàn)作出以下描述：

1、數(shù)據(jù)的獲取和預(yù)處理

????????充足和清潔的數(shù)據(jù)是一個量化的量化策略，特別是數(shù)據(jù)驅(qū)動型的量化策略得以構(gòu)建的最基本前提。一般目前市場上的數(shù)據(jù)質(zhì)量和數(shù)量都比較參差不齊，但目前比較常用的主要有以下3個來源：

????????首先是收費(fèi)的數(shù)據(jù)來源，如國內(nèi)的Wind、國外的彭博系統(tǒng)都能提供較為全面的金融數(shù)據(jù)，但由于其成本高昂，主要適用于機(jī)構(gòu)投資者。也有一些機(jī)構(gòu)投資者會組建團(tuán)隊(duì)，自己獲取和處理有關(guān)數(shù)據(jù)。

????????其次是免費(fèi)的數(shù)據(jù)來源，如許多金融機(jī)構(gòu)和python庫都提供免費(fèi)的金融數(shù)據(jù)下載，但是普遍存在數(shù)據(jù)錯誤和缺失較多，數(shù)據(jù)質(zhì)量較差的問題。

????????最后是量化交易平臺提供的數(shù)據(jù)，目前國內(nèi)外有許多量化平臺，如BigQuant等都會免費(fèi)為其平臺用戶提供數(shù)據(jù)研究，但是這些數(shù)據(jù)依賴于平臺，常常存在不能方便或免費(fèi)的導(dǎo)入和導(dǎo)出的困難。

????????獲取數(shù)據(jù)后，還必須對數(shù)據(jù)進(jìn)行預(yù)處理，這一過程主要包括數(shù)據(jù)清理、數(shù)據(jù)聚合、數(shù)據(jù)變換、數(shù)據(jù)離散化和數(shù)據(jù)規(guī)約等。這些操作十分繁瑣但極其重要，在數(shù)據(jù)科學(xué)領(lǐng)域，有關(guān)人士作出實(shí)證研究統(tǒng)計(jì)，前期對數(shù)據(jù)的預(yù)處理工作常常占據(jù)到數(shù)據(jù)科學(xué)家70%以上的工作量。

2.量化投資策略的構(gòu)架

????????主要包括阿爾法模型、風(fēng)險控制模型和交易成本模型的構(gòu)建。該部分也被一些學(xué)者稱為黑箱（張利平，2014）。

????????其中阿爾法模型度量了收益，其本質(zhì)是多因子模型，股票收益被表達(dá)為各類因子暴露度和因子收益乘積之和，其目的是尋找預(yù)期收益更高的因子，這些因子就是阿爾法因子中的選股因子，而如何找到更好的選股因子是學(xué)界和業(yè)界一直以來最關(guān)心的話題。（張然等，2019），有學(xué)者認(rèn)為，量化投資一直追求的無非是“持續(xù)、有效地轉(zhuǎn)換更多的好因子”（Kahn,2010）。

????????風(fēng)險控制模型有多種方式，一般來講被普遍認(rèn)可的是適用多因子模型進(jìn)行風(fēng)險估計(jì)。2012年BARRA公司發(fā)布BARRA CNE5模型，盡管一些學(xué)者也指出了諸如過擬合等問題，但BARRA中國風(fēng)險模型的構(gòu)建方法嚴(yán)謹(jǐn)、數(shù)據(jù)結(jié)果的可信度很高，對于成熟度較低的中國A股市場，無疑是業(yè)界標(biāo)桿。（張然等，2017）

????????交易成本模型中則主要考慮往已有模型中加入顯性交易成本和隱性交易成本以降低模型和現(xiàn)實(shí)差異造成的風(fēng)險，前者包括傭金和印花稅等，后者則包括買賣價差、價格沖擊和機(jī)會成本等只有當(dāng)執(zhí)行交易時才會發(fā)生的成本。

3.策略的回溯測試

????????回測過程就是講投資策略模型放入到一段歷史中進(jìn)行檢測，得出期間的收益和風(fēng)險情況等指標(biāo)。該過程在編程上往往比較繁瑣，容易出現(xiàn)錯誤，但其代價十分高昂，必須小心的避免可能出現(xiàn)的諸如前視風(fēng)險和后視風(fēng)險等。

4.策略的優(yōu)化

????????量化投資研究員往往篩選出回測結(jié)果較好的策略，進(jìn)行多次迭代和優(yōu)化，通過不斷檢測后，最終方將其用到實(shí)盤交易中。常常使用的驗(yàn)證方法包括交叉驗(yàn)證和網(wǎng)格搜索兩種。前一種相對簡單，后者相對復(fù)雜。（周柏平等，2019）

（三）量化投資與傳統(tǒng)投資的區(qū)別

????????近年來一些學(xué)者總結(jié)了量化投資和傳統(tǒng)投資的一些對比（劉毅，2012），盡管不能完全的概括量化投資的特點(diǎn)，但也包含了主要方面，故本文得以采用。

表1：量化投資和傳統(tǒng)投資的區(qū)別

????????也有一些學(xué)者比較好的概括了與傳統(tǒng)投資相比，量化投資的優(yōu)點(diǎn)和弊端（周柏平等，2019），在這里我們列述如下表：

表2：量化投資的利弊

三、量化投資的金融理論基礎(chǔ)

（一）理論基礎(chǔ)

????????量化投資是建立在深厚的金融和統(tǒng)計(jì)學(xué)理論之上的。是一門理論和實(shí)踐結(jié)合非常強(qiáng)的學(xué)科。Louis Bachelier首次用量化手段描述了布朗運(yùn)動，構(gòu)架了至今都很重要隨機(jī)游走模型，該模型形成了最早的金融市場理論框架（Louis Bachelier，1900）。Harry M.Markowitz在其論文首次引入了均值和方差的概念量化度量投資組合中的收益和風(fēng)險，即“投資組合理論”，至此學(xué)界對微觀金融和投資學(xué)領(lǐng)域開始由定性研究時代進(jìn)入到定量研究時代。（Harry M.Markowitz，1952）。隨后在60年代，Sharpe(1964)、Litner(1965)和Mossin(1966)在Harry M.Markowitz的理論上幾乎各自獨(dú)立的提出了CAPM模型。該模型將資產(chǎn)風(fēng)險進(jìn)一步分為資產(chǎn)的“市場風(fēng)險”和“非系統(tǒng)風(fēng)險”。使其能夠反映風(fēng)險和與預(yù)期收益的證券價格。同時Fama在60年代也提出了重要的有效市場假說，將市場按有效程度分為3個級別,這兩個理論都為量化投資提供了基礎(chǔ)。1970s，隨著美國活躍的金融創(chuàng)新，Black&Scholes推導(dǎo)出B-S模型解決了衍生品定價問題。同時由于CAPM理論建立在過于嚴(yán)苛的理論假設(shè)上，Stepen A.Ross（1976）也提出了基于更少和更合理假設(shè)的APT套利模型。80s-90s，隨著金融工程的興起，諸如著名的風(fēng)險管理模型Var等被不斷提出，如Eugene F.Fama（1993）等也在APT理論和CAPM理論的基礎(chǔ)上構(gòu)架了著名的“三因子模型”，CarHart(1997)則在Fama的模型基礎(chǔ)上加入動量因子，形成了當(dāng)前業(yè)界仍廣泛采用的“四因子模型”。與此同時，被廣泛接受的有效市場假說也因市場出現(xiàn)了大量無法解釋的現(xiàn)象而被抨擊，備具活力的行為金融學(xué)學(xué)派橫空出世。90s至今，隨著計(jì)算機(jī)科學(xué)和數(shù)據(jù)科學(xué)的不斷演進(jìn)，非線性科學(xué)中諸如Nerual Network、Deep Learning、Decision Tree等方法和研究工具被不斷應(yīng)用到量化投資領(lǐng)域中，涌現(xiàn)出許多新的量化投資分支和研究成果。

（二）量化投資的假設(shè)

Chincarini(2006)曾對量化投資分析框架的底層理念做了一個簡單的總結(jié)：

四、量化投資方法的分類及特點(diǎn)（量化投資分類與構(gòu)成）

????????對于量化投資的分類目前尚未有一個統(tǒng)一的定論，并且新的研究方法和分支也在不斷涌現(xiàn)而出，本文篩選出了三種比較主流和合理的分類方法。

（一）按阿爾法模型的不同分類

????????張利平在其論文中按照阿爾法模型的不同將量化模型分為理論驅(qū)動型和數(shù)據(jù)驅(qū)動型兩類的方法（張利平，2014）。兩類方法主要的分歧在于量化投資策略的構(gòu)架特別是阿爾法模型中的因子選擇步驟上。

????????理論驅(qū)動型的量化投資方法重視投資邏輯，投資者根據(jù)觀察，提煉出能解釋所觀察現(xiàn)象的一般性模型，然后使用市場數(shù)據(jù)進(jìn)行檢驗(yàn)，判斷該理論能否有效的反應(yīng)市場情況，帶來正的阿爾法。理論驅(qū)動型的量化方法強(qiáng)調(diào)邏輯性，指出過度依賴于數(shù)據(jù)挖掘會陷入到過擬合的陷阱，缺少了投資邏輯的支撐因此極易在捕捉到真正的規(guī)律和特點(diǎn)的同時，捕捉到大量的噪聲。（周柏平等，2019）張然等也指出缺乏投資邏輯支撐的因子挖掘具有失控風(fēng)險，認(rèn)為一個好的因子必須可以用簡單的話語描述其背后的投資邏輯（張然等，2017）。目前學(xué)界和業(yè)界最常用的是多因子模型，已經(jīng)有一套相對比較成熟的方法。

????????與理論驅(qū)動型相對應(yīng)的則是數(shù)據(jù)驅(qū)動型的量化投資方法，指依靠機(jī)器學(xué)習(xí)等新興的算法和分布式計(jì)算等新技術(shù)帶來的廉價及時的強(qiáng)大數(shù)據(jù)處理能力，替代人工進(jìn)行因子選擇的方法。該方法可以看成一個數(shù)據(jù)挖掘的過程。其因子選擇的邏輯與理論驅(qū)動型完全不同，依賴于統(tǒng)計(jì)規(guī)律如大數(shù)定律而非人工知識經(jīng)驗(yàn)。故一方面支持者認(rèn)為其是量化投資未來的希望與主流方向，因其能避免人工因子選擇的主觀性和局限，因子選擇的廣度也大大拓展了，特別是在因子選用高度相似以至于有效阿爾法因子時效性越來越差的當(dāng)下，這種能力更是彌足寶貴。反對者則認(rèn)為其缺乏投資邏輯的支持，陷入噪聲和過擬合的陷阱中以至于沒有很好的實(shí)際用處。

????????目前，機(jī)器學(xué)習(xí)算法在中國股票市場預(yù)測問題的表現(xiàn)問題也成了一個實(shí)證性的問題，需要系統(tǒng)性的檢驗(yàn)。這一方面的研究還很少，但也有如李斌等學(xué)者對機(jī)器學(xué)習(xí)驅(qū)動的量化基本面投資通過跑馬比賽的方法進(jìn)行了實(shí)證研究，檢驗(yàn)了其與傳統(tǒng)方法的效果差異。（李斌等，2019）

（二）按數(shù)據(jù)分類

????????按數(shù)據(jù)分類的方法則是根據(jù)選用數(shù)據(jù)內(nèi)容與類型的不同對量化投資分類，基本面數(shù)據(jù)量化投資、技術(shù)面數(shù)據(jù)量化投資和事件數(shù)據(jù)量化投資等。

????????其中，基本面數(shù)據(jù)可構(gòu)建出包括價值型策略、成長性策略、品質(zhì)型策略以及其他類型的策略（張利平，2017）；技術(shù)面數(shù)據(jù)主要包括了趨勢指標(biāo)、震蕩指標(biāo)、超買超賣指標(biāo)、能量指標(biāo)、動量指標(biāo)等（李斌等，2017），也包括用于修正策略的市場信號數(shù)據(jù)，如市場參與者信號、市場價格信號、市場情緒信號等（張然等，2017）；事件數(shù)據(jù)則常常結(jié)合了NLP等技術(shù)，將事件轉(zhuǎn)換為可以放入模型中進(jìn)行預(yù)測的數(shù)據(jù)，常見的事件數(shù)據(jù)有“高送轉(zhuǎn)”事件、定向增發(fā)事件、業(yè)績預(yù)告事件、高管增持事件、指數(shù)樣本股調(diào)整事件（周柏成等，2019）。與此同時，隨著技術(shù)進(jìn)步，如財(cái)經(jīng)新聞、媒體輿論等以往難以及時觀測的非結(jié)構(gòu)化數(shù)據(jù)，也越來越多的加入到我們的因子數(shù)據(jù)中。在實(shí)際應(yīng)用中，我們往往以某一類型數(shù)據(jù)一般為基本面數(shù)據(jù)為主，構(gòu)建各種包含各種數(shù)據(jù)在內(nèi)的因子庫結(jié)合使用。

（三）按主題分類：

????????量化投資也包括了大量的子領(lǐng)域，一些時候我們也將其稱之為量化投資。這些子領(lǐng)域的一部分包括：擇時交易、高頻交易、CTA量化投資策略、ETF量化交易、統(tǒng)計(jì)套利等?？傮w而言，可以分為四大類（劉毅，2012）

表3：量化投資研究分類

?

五、結(jié)論與展望

????????量化投資是一個富有生機(jī)的跨多學(xué)科的新領(lǐng)域，特別在國內(nèi)A股市場的弱市場環(huán)境下可能更具潛力，但國內(nèi)在該領(lǐng)域的研究還比較少，比較零散，也缺乏比較好的文獻(xiàn)綜述。因此本文對近年來比較經(jīng)典和新的國內(nèi)外文獻(xiàn)進(jìn)行了總結(jié)。首先明確了量化投資的定義與過程，然后指出了其與傳統(tǒng)投資方式的異同點(diǎn)與利弊。其次，對量化投資的底層理論的沿革與其底層的理念與假設(shè)進(jìn)行了說明。最后，對目前比較混亂的量化投資分類進(jìn)行了重新梳理，并指出了各個子類的特點(diǎn)，這也是本文最有創(chuàng)新的地方。同時本文也指出，隨著機(jī)器學(xué)習(xí)、大數(shù)據(jù)算法等技術(shù)的普及以及算法算力的提升，基于數(shù)據(jù)挖掘的量化投資也是一個十分具有希望的方向。

參考文獻(xiàn)

[1]金業(yè).金融市場量化交易策略與風(fēng)險研究[J].金融經(jīng)濟(jì),2019(16):124-125.

[2]李斌,邵新月,李玥陽.機(jī)器學(xué)習(xí)驅(qū)動的基本面量化投資研究[J].中國工業(yè)經(jīng)濟(jì),2019(08):61-79.

[3]何誠穎.人工智能炒股能跑贏大盤嗎?[J/OL].人民論壇·學(xué)術(shù)前沿:1-10[2019-12-10].http://kns.cnki.net/kcms/detail/10.1050.C.20191016.1745.002.html.

[4]虞雀.量化交易的未來前景研究[J].經(jīng)貿(mào)實(shí)踐,2018(12):68.

[5]胡熠,顧明.巴菲特的阿爾法:來自中國股票市場的實(shí)證研究[J].管理世界,2018,34(08):41-54+191.

[6]謝堞江. 量化交易策略綜述與新策略設(shè)計(jì)[D].浙江大學(xué),2016.

[7]陳永偉.人工智能與經(jīng)濟(jì)學(xué):近期文獻(xiàn)的一個綜述[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào),2018(03):6-21.

[8]劉倩倩. 基于情緒擇時的量化投資策略研究[D].山東財(cái)經(jīng)大學(xué),2015.

[9]王宣承.基于LASSO和神經(jīng)網(wǎng)絡(luò)的量化交易智能系統(tǒng)構(gòu)建——以滬深300股指期貨為例[J].投資研究,2014,33(09):23-39.

[10]李斌,林彥,唐聞軒.ML-TEA:一套基于機(jī)器學(xué)習(xí)和技術(shù)分析的量化投資算法[J].系統(tǒng)工程理論與實(shí)踐,2017,37(05):1089-1100.

[11]張利平. 基于多因子模型的量化選股[D].河北經(jīng)貿(mào)大學(xué),2014.

[12]王帥. 量化投資：從行為金融到高頻交易[D].華東師范大學(xué),2013.

[13]王淑燕,曹正鳳,陳銘芷.隨機(jī)森林在量化選股中的應(yīng)用研究[J].運(yùn)籌與管理,2016,25(03):163-168+177.

[14]孔翔宇,畢秀春,張曙光.財(cái)經(jīng)新聞與股市預(yù)測——基于數(shù)據(jù)挖掘技術(shù)的實(shí)證分析[J].數(shù)理統(tǒng)計(jì)與管理,2016,35(02):215-224.

[15]李子睿. 量化投資交易策略研究[D].天津大學(xué),2013.

[16]劉毅. 因子選股模型在中國市場的實(shí)證研究[D].復(fù)旦大學(xué),2012.

[17]張然、汪榮飛.《基本面量化投資》[M].北京大學(xué)出版社,2017:p249-p292

[18]周柏成、劉毅男.《量化投資策略》[M].清華大學(xué)出版社, 2019:p2-p58

[19]Cornett M M, Saunders A. Financial institutions management: A risk management approach[M]. McGraw-Hill/Irwin, 2003.

[20]Kahn R N. Quantitative equity investing: out of style?[J]. Journal of Portfolio Management, 2010, 36(2): 5.

[21]Chincarini L B. Quantitative equity portfolio management: An active approach to portfolio construction and management[M]. McGraw-Hill, 2006.

[22]Kakushadze Z. 101 formulaic alphas[J]. Wilmott, 2016, 2016(84): 72-81.

[22]Bachelier L. Théorie de la spéculation[C]//Annales scientifiques de l'école normale supérieure. 1900, 17: 21-86.

[23]Markowitz H. Harry M. Markowitz[J]. Portfolio selection, Journal of Finance, 1952, 7(1): 77-91.

[24]Sharpe W F. Capital asset prices: A theory of market equilibrium under conditions of risk[J]. The journal of finance, 1964, 19(3): 425-442.

[25]Mossin J. Equilibrium in a capital asset market[J]. Econometrica: Journal of the econometric society, 1966: 768-783.

[26]Karoui N E, Jeanblanc‐Picquè M, Shreve S E. Robustness of the Black and Scholes formula[J]. Mathematical finance, 1998, 8(2): 93-126.

[27]Cox J C, Ross S A, Rubinstein M. Option pricing: A simplified approach[J]. Journal of financial Economics, 1979, 7(3): 229-263.

[28]Fama E F, French K R. Common risk factors in the returns on stocks and bonds[J]. Journal of financial economics, 1993, 33(1): 3-56.

Abstract: Quantitative investment is a young and full of vitality. In recent years, it has developed rapidly in China's academic and practical industries. However, the existing research literature is still fragmented and lacks high-quality literature reviews, which confuses relevant researchers. This article reviews the classic and emerging literature on quantitative investment in recent years. This article consists of five parts. The first part is an introduction that illustrates the scope of the literature review and the purpose of this article. The second part explains the definition of quantitative investment, the main process of quantitative investment and its differences from traditional investment. The third part describes the evolution of financial theory at the bottom of quantitative investment and its underlying ideas. The fourth part sorts out the currently confusing classification of quantitative investment fields. The last part is a concluding narrative.

Keywords: quantitative investment, quantitative trading, literature review