程序化交易（programe trading）可以定义为“在指定模型参数的约束下，按照模型给出的指令自动的买入和卖出特定数量的证券或证券组合的交易行为”。 根据交易风格不同，可以分为主动型交易策略和被动型交易策略。
根据巴克莱的统计，自从1988 年以来，量化交易团队（Systematic traders）的年化复合收益为11.50%，而与此相对应的主观交易团队(Discretionary Traders)的平均年化收益为9.77%。从长时间来看，量化交易团队更具有优势。
量化交易策略从执行过程上可以分为三个步骤：进入策略、退出策略和过滤策略；从方法来讲有指数套利策略、数量化程序交易策略、动态对冲策略、配对交易策略和久期平均策略。
在程序化交易中，我们对于一个交易策略的评价不仅要关注其过去的表现，还要关注策略有效性的周期。因为在一个阶段表现好的策略在另一段时间可能表现并不好，只关注与过去表现很可能会出现误选模型的情况。
我们将在随后的报告中对于一些基本策略在我国期货市场的表现，策略参数的选择，策略之间的相关性，策略的有效期等进行深入的研究，并最终形成量化交易的实验平台，为客户提供一个量化交易测试的空间。

一 引言
程序化交易（programe trading）可以定义为“在指定模型参数的约束下，按照模型给出的指令自动的买入和卖出特定数量的证券或证券组合的交易行为”。它起源于1975 年美国出现的“股票组合转让与交易”，即专业投资经理可以根据计算机与交易所联机，来实现组合的一次性买卖。
程序化交易根据交易风格不同，可以分为主动型交易策略和被动型交易策略。被动型交易策略的理念是追随市场，主要思路是复制指数，尽管该策略是被动的，但诸如指数增强型资策略也可以在被动复制的同时加入自己的主观预期。评价被动型策略的主要标准是跟踪误差、复制组合和基准组合的收益的相关系数、调仓交易费用等等。主动型交易策略的核心是如何战胜市场，通过对基本面和技术面的挖掘，提取有效指标进行投资，进而获得超额收益。在本文中，如无特殊说明，我们探讨的均指的是主动型交易策略。
在本报告和后续报告里，我们的程序化交易策略报告会详细的介绍海外目前关于量化交易策略研究的成果，并将这些成果运用在中国资本市场上来进行实证检验，旨在我国资本市场投资者提供新的投资理念和方法。
二 程序化交易简介

目前程序化交易策略分为两个概念，一个根据NYSE 的定义，任何含有15 只股票以上或者单值在100 万以上的交易，都属于程序化交易。另一个是被认为是程序化交易分支的算法交易。实际上，程序化交易和算法交易各有侧重。算法交易更强调交易的执行，即如何快速、低成本、隐蔽的执行大批量的买入卖出指令；而程序化交易更多是强调订单如何生成的，即通过某种策略生成交易指令，以便实现某个投资目的。算法交易一般由经纪商提供，而程序化交易一般由交易者提供。由于国内目前暂时缺乏做市商，所以在国内市场更有应用前景的应该是程序化交易。
程序化交易策略目前主要有以下几种：指数套利策略，量化程序交易策略，动态对冲策略，配对交易策略。在前面的报告中，我们重点探讨了配对交易策略在中国期货市场的可操作性。详见《市场中性策略在中国期货市场中的应用》以及《基于均值回复过程的统计套利》
作为现代微观金融的基石，有效市场假说（EMH）认为投资者不能通过挖掘证券市场公开信息而获利。但是近年来的实证研究对EMH 提出了强有力的挑战，发现了很多无法用有效市场理论和资本资产定价模型无法解释的现象。比如说一月效应、小盘股效应、动量投资策略等等，这些现象都表明了市场并非xx有效。
对于这些和古典金融理论相背离的现象，行为金融学的解释为：投资者并非xx理性，而只有有限理性。投资者在现实决策过程中存在认知偏差，这些偏差不可避免的影响投资者的投资决策行为。正因为投资者是有限理性的，所以情绪上的因素不可避免的将会影响到投资者的决策因素，因此制定不受投资者情绪波动影响的定量交易策略，有助于实现更好的xxxx，因此程序化交易策略由此蓬勃发展起来了。
程序化交易相对于靠感觉和经验的主观交易在实际中是否真的具有优势呢？根据巴克莱的统计，反映程序化交易收益的Barclay Systematic Traders Index 显示自从1988 年以来，量化交易团队（Systematic traders）的年化复合收益为11.50%，而与此相对应的主观交易团队(Discretionary Traders)的平均年化收益为9.77%。尽管在个别年份，主观交易团队战胜过
量化交易团队，但是从长时间来看，量化交易团队更具有优势。

三 程序化交易的建立和核心问题
资本市场是一个高流动性高度竞争的市场，大多数人可以毫无限制的进入和退出这个市场。高度竞争性决定了在这个市场想要获取超额利润不是一件简单的事情，投资者为了获取超额收益，设计和采用了各种各样的投资策略，而这些投资策略伴随着计算机性能的提高，变得越来越可行。
在这一部分，我们将对海外流行的程序化交易策略进行分析和介绍。量化交易策略从执行过程上可以分为三个步骤：进入策略、退出策略和过滤策略；从方法来讲有指数套利策略、数量化程序交易策略、动态对冲策略、配对交易策略和久期平均策略。

程序化交易策略的研究不是说找一个表现{zh0}的交易策略，而是说竟可能对所有的交易策略进行回朔检验（Backtest），利用科学的方法提取各种方法的精髓。对各种方法的检验一般包括下面三个步骤。
{dy}：利用科学的方法去提出一个假设（即待验证的交易策略）。
第二：对假设进行检验（即用历史数据检验该策略的好坏）。
第三：根据检验的结果，结合目前市场情况，判断交易策略是否目前可用。

1 程序化交易流程
1.1 进入策略
目前比较流行的进入策略有趋势跟踪法（Treand-following Techniques）、振荡器方法（Price Oscillators）和价格模式（Price Patterns）。
趋势跟踪法顾名思义就是说建议能够跟踪趋势的交易指标，在价格走强的时候生成建立多头头寸的信号，再加个走弱的时候生成建立空头头寸的信号。指标上面主要包括一定平均线、通道突破、动量策略、波动率突破等等。
振荡器方法就是说找出趋势的拐点，通常构造出一类区间形势的统计量，当价格涨得过高的时候生成卖出信号，当价格跌得过低的时候生成买入信号。典型的振荡器指标包括相对强弱指标、MACD 指标等等。
价格模式通常比较难以定义，因为该模式可以覆盖几乎任何可以产生交易信号的方法，价格模式通常被用来刻画价格趋势的反转或者延续。在该模式下，我们通常可以通过持续观察连续几个交易日的价格模式，来刻画对未来市场的判断。
1.2 退出策略
在一个交易系统中，设计出合理的退出策略是至关重要的。不论本次交易盈利与否，我们都需要在合适的时机退出当前的交易头寸以避免头寸的进一步风险暴露。常见的退出策略有目标盈利方法、跟踪止损方法和固定止损方法。在目标止损方法下，通常会计算一些指标如价格的标准差、平均波动幅度等等，用这些信号来作为设定卖出信号的依据。
1.3 过滤策略
建立交易退出策略后，我们还需要建立合适的过滤策略，来对程序进行优化，过滤掉那些买卖信号不强或者说会带来潜在交易损失的交易机会。换句话说，需要检验当模型发出信号的频率和可靠性。过滤器射击的思想就是要从众多的信号中筛选出那些{zh1}价值的交易信号，信号太多或者太少都不好。常见的趋势过滤器有平均方向移动指标和式子过滤器指标。
2 常见交易策略
2.1 指数套利交易策略
该策略是程序化交易中最常见的也最为人们所熟知的交易策略，他是从市场暂时的无效性中获取xxx利润的行为。指数套利在促进价格发现、正确引导资产定价、提高证券市场有效性方面发挥了重要作用。目前在NYSE，利用程序化交易完成的这类指数套利交易占了整个日成交总额的10%-25%.
2.2 数量程序交易策略
该策略主要用在股票市场，它xx依照价格之间的统计关系，而不依照任何基本面因素，如公司的收益、增长前景、成长性等。这类交易策略也采用期货、期权等衍生工具，但与上一交易策略不一样的是，数量程序交易并不试图与指数期货所对应的基准指数相匹配。一般该策略所交易的组合要比指数套利所交易的组合要小，更多的集中于单个行业或者板块。而且运用衍生品主要是用来减少组合的风险暴露敞口，而不是用来套利。
2.3 动态对冲策略
该策略指的是用卖出股票组合来对冲在衍生工具上的风险敞口。由于该交易策略比较复杂，而且主要运用于股票市场，所以我们在此不进一步展开介绍。
2.4 配对交易策略
在前面的系列报告中，我们对该交易策略进行了详细的介绍，并用沪铜沪铝的数据近行了实证检验，因此我们在此不进行进一步的展开介绍。
2.5 久期平均策略
该策略简言之，就是确定一个组合的合理价格，在此价格以上卖出和在此价格以下买入，进行低买高卖二获得收益的交易策略。因此该策略只有在价格在一定区间波动的情况下才会有效，一旦价格跌破区间下限，投资者将会面临亏损。
3 程序化交易的核心问题
无论采取何种策略进行程序化交易，必须考虑的重点要素是参数选择和模型校验。程序化交易系统中用到的指标一般分为基本面指标、技术面指标、风格指标三类，在选用何种指标的时候，一定要对指标进行严格的测试和实证检验。
在程序化交易中，我们对于一个交易策略的评价不仅要关注其过去的表现，还要关注策略有效性的周期。因为在一个阶段表现好的策略在另一段时间可能表现并不好，只关注与过去表现很可能会出现误选模型的情况。实证研究也发现了各种交易策略都有明显的半衰期。从这个观点触发，即是用历史数据检验表现不佳的策略也不应该轻一排除，因为很可能该策略正处在周期的底部，未来的盈利潜力巨大，而历史表现好的策略很可能会反转。换句话说，动量策略在交易方法选择上xx适用。

Tags:   · · · ·