作者：周常欣
說起我與量化投資的結(jié)緣，就不得不說幾年前我在啃HMM（隱馬爾可夫模型），多之所以啃這個模型，是因為目前語音識別的算法里，HMM算法是效果最好的一個。我下載了美國貝爾實驗室勞倫斯拉賓納的英文版教程《Fundamentalsof SppechRecognition》，其中第六章系統(tǒng)地解了隱馬爾可夫模型的原理和應用，國內(nèi)大多書籍里關于隱馬爾可夫模型的資料都是翻譯了這一章。
隱馬爾可夫模型的核心算法之一是BaumWelch算法。最后確定模型參數(shù)時要用到EM算法，這些算法比較難啃。正好學校買了讀秀的圖書資源，我得知后，第一件事就是在讀秀資源上搜索“HMM隱馬爾可夫模型”的關鍵詞，搜到《解密復興科技基于隱蔽馬爾科夫模型的時序分析方法》的書，我看到書名就在想：這個HMM和復興科技有啥關系？復興科技又是個什么鬼？帶著疑問，我開始閱讀這書。
復興科技的創(chuàng)始人數(shù)學家JamesSimons（西蒙斯）是一位赫赫有名的數(shù)學大師，最初在美國國防研究院供職，看了《時代周刊》上關于越南戰(zhàn)爭的殘酷報道之后,西蒙斯給《新聞周刊》寫信說應該結(jié)束戰(zhàn)爭,并把反戰(zhàn)的想法告訴了老板,也因此被解雇。牛人西蒙斯一氣之下，帶領著一幫數(shù)學家、物理學家進入了金融界，與市場進行博弈。1994年到2004年中期的年化收益高達71.8%，在全球金融危機的2008年，大部分對沖基金都虧損，而大獎章的return高達98.2%。由這些天才般的數(shù)學家和物理學家以及一些超強的交易員構(gòu)成的文藝復興科技和他們創(chuàng)建的神秘的大獎章基金，不禁讓外界猜測，他們究竟是搭建了一個怎樣的量化模型，才能用非絕對投機的方法戰(zhàn)勝市場呢？
據(jù)大量專家分析，隱馬爾可夫模型（HMM）也被認為是他們最有可能運用的一個模型。為何？
第一個理由：復興科技成立初期的創(chuàng)始人中有一位James的好朋友Lenny Baum，此人正是發(fā)明廣泛應用在語音識別等領域的BaumWelch算法的那個Baum(隱馬爾可夫模型算法第三步的核心算法：Baum-welsh)算法是用來確定隱式馬爾可夫模型中未知變量可能出現(xiàn)的概率。
第二個理由：1993年加盟復興技術(shù)的劍橋大學數(shù)學博士尼可·帕特森就是全球HMM領域公認的專家。另外，James還雇了很多曾在IBM從事語音識別和自然語言處理的科學家來復興科技工作。以這些人的機器學習和文字信息處理的功底。
從這兩個理由，很難不引人猜測復興科技出奇制勝的法寶便是：隱馬爾可夫模型（HMM）。
西蒙斯的干將主要來自三個地方：一是石溪大學的數(shù)學系，過去他曾是系主任，打造成了全美名列前茅的數(shù)學系；一個是老東家國防分析研究院；另一個地方令人備感驚奇，即IBM公司的語音識別實驗室，有人曾說，當年西蒙斯把整個語音識別實驗室的精英統(tǒng)統(tǒng)都挖走了。
對西蒙斯的量化投資的理念理解的第一重境界：
很多人曾問西蒙斯，為什么要搜羅世界上最優(yōu)秀的識音識別專家從事金融研究。他回答道：“投資和語音識別很相似，投資界的人都要看股市或外匯市場等曲線，股市最經(jīng)典的理論之一是波浪理論，也就是把股市曲線看成波形。我們在中學學物理時，也知道波音的本質(zhì)也是一種波形。投資和語音識別都是要預測下一點發(fā)生的事情。通過模型來學習前面的波之后，然后做預測未來。也許你會覺得這太不可思議了！怎么可能可以預測未來。
事實上，我們語音識別的應用在我們身邊很普遍了，我們經(jīng)常用的微信就嵌入了語音識別功能。我們可以通過微信錄音后識別出文字。這個語音識別模型的工作原理是：通過學習一大量語音的波形特征，得到有用的知識，就像嬰兒生下來啥也不懂，通過學習，得到知識一樣。以后遇到不知道的聲音，但可以通過語音識別模型識別出來，這就是預知未來。
同樣，如果將語音識別的理論應用于經(jīng)融界，我們同樣可以學習以往的實盤數(shù)據(jù)，然后預測未來市場走向，從而獲利。
我因HMM與量化投資開始結(jié)緣，接下來，我閱讀了美國經(jīng)濟學家里什·納蘭的著作：《打開量化投資的黑箱》；丁鵬的《量化投資——策略與技術(shù)》一書；金斯伯格的《問道量化投資(用MATLAB來敲門)》；美國伯頓的著作《對沖基金獵人》等書籍。對西蒙斯的量化投資有了更深入的理解。
對西蒙斯的量化投資的理念理解的第二重境界：
與巴菲特價值投資買入并長期持有的理念不同，西蒙斯不敗的神話主要得益于其“壁虎式投資法”，所謂“壁虎式投資法”，是指在投資時進行短線方向性預測，依靠交易很多品種、在短期做出大量的交易來獲利。用西蒙斯的話說，交易“要像壁虎一樣，平時趴在墻上一動不動，蚊子一旦出現(xiàn)就迅速將其吃掉，然后恢復平靜，等待下一個機會。”
西蒙斯曾把自已的投資風格與巴菲特比較，說自己是粗放耕種?！霸诖笃溙镏醒敕乓粋€噴水管即可，每一根麥穗看起來不是特別好，但整體收成又不太差，靠數(shù)量取勝。而巴菲特則是密集精耕，他的麥穗不多，但每一根都是精品?！?/div>“我們的投資方法正好是兩個極端?！蔽髅伤拐f。
對量化投資感興趣的朋友們，要學的知識也是挺多的，除了對投資組合管理、無套利定價原理、高頻交易策略、統(tǒng)計套利策略、阿爾法回報、阿爾法模型、風險控制模型、交易成本模型、投資組合構(gòu)建模型、均值回復策略、趨勢跟隨策略、價值型投資策略、基本面分析、技術(shù)判斷法、技術(shù)量化法、
所謂“壁虎式投資法”，是指在投資時進行短線方向性預測，依靠交易很多品種、在短期做出大量的交易來獲利。用西蒙斯的話說，交易“要像壁虎一樣，平時趴在墻上一動不動，蚊子一旦出現(xiàn)就迅速將其吃掉，然后恢復平靜，等待下一個機會。”
西蒙斯的方法多是進行短線方向性預測，依靠同時交易很多品種、在短期作出大量的交易來獲利。具體到每一個交易的虧損，由于會在很短的時間內(nèi)平倉，因此損失不會很大；而數(shù)千次交易之后，只要盈利交易多余虧損交易，總體交易結(jié)果就是盈利的。
對西蒙斯的量化投資的理念理解的第三重境界：
西蒙斯的大獎章基金的投資產(chǎn)品必須符合三個標準：公開交易品種、流動性足夠高、適合用數(shù)學模型來交易。而要符合第三個條件，該交易品種必須有充分的可以進行分析的歷史價格、交易量等數(shù)據(jù)，從而找出最適合的交易模型來進行量化投資。西蒙斯認為，數(shù)學模型可以降低投資人的風險和所需承受的各種心理壓力，因為模型沒有感情，一旦選定就會自動執(zhí)行，能夠克服人性在市場面前暴露出來的弱點。
科學研究生涯對西蒙斯的量化交易策略產(chǎn)生了影響。他提起了觀察核子加速器試驗給他帶來的啟發(fā)：“當 2個高速運行的原子劇烈碰撞后，會迸射出數(shù)量巨大的粒子。我注視著電腦屏幕上粒子碰撞后形成的軌跡圖，它們看似雜亂無章，實際上卻存在著內(nèi)在的規(guī)律，這讓我自然聯(lián)想到了證券市場，那些很小的交易，哪怕是只有100 股的交易，都會對這個龐大的市場產(chǎn)生影響，而每天都會有成千上萬這樣的交易發(fā)生?！?/div>
基于這樣的觀察，西蒙斯是通過捕捉市場大量異常瞬間機會來賺錢。“有效市場假說是基本正確的，也就是說，市場沒有什么明顯的套利機會。但是，我們關注的是那些很小的機會，它們可能轉(zhuǎn)瞬即逝。這些機會出現(xiàn)之后我們會做出預測，然后進行相應的交易。交易之后，我們又會對新的市場情況進行跟蹤和評判，預測也會相應調(diào)整，投資組合也會跟著變化。我們總是不停地買入、拋出。我們之所以賺錢，就是靠我們不停地交易。”
從技術(shù)角度來說高頻交易的核心是從數(shù)理模式轉(zhuǎn)換過來的策略自適應算法，各公司有所不同，隨著環(huán)境的變化，以及競爭的加劇，版本可以升級。它使用市場的滴答數(shù)據(jù)錄入，調(diào)整由動態(tài)數(shù)學公式+先驗概率判決+統(tǒng)計推理組成的量化模式，這種數(shù)理模式，從信號處理角度來說是數(shù)字濾波器；從軟件角度來說是自適應算法。
高頻交易類似高速運動的粒子，利用馬爾科夫過程對看似雜亂無章的運動進行分析，得出其規(guī)律。馬爾科夫時間序列分析模型廣泛應用于信息通訊、計算機科學、生物遺傳學、金融學、經(jīng)濟學等領域。運用最大似然無偏估計線性回歸的方法，研究股價在運行過程的截距和斜率，也就是研究股價運行的動力學特征，實際上就是強度。運用馬爾科夫模型研究股指的收益率特征，并以此用以判定牛熊分界，為基金提供擇時參考。運用赫斯特指數(shù)研究投資品種的波動率牲，用于指導資金管理、風險控制。
西蒙斯充分證明了數(shù)學的魅力、計量經(jīng)濟的嚴謹和金融市場的奧密。
以上僅是個人愚見，拋磚引玉，還請各專家多批評指正！
【本文由“量化投資”發(fā)布，2017年9月2日】
本站僅提供存儲服務，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請
點擊舉報。
打開APP，閱讀全文并永久保存
查看更多類似文章
