|
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《Fundamentals
of Sppech
Recognition》,，其中第六章系統(tǒng)地解了隱馬爾可夫模型的原理和應(yīng)用,，國內(nèi)大多書籍里關(guān)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Baum
Welch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(xué)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(guān)鍵詞，搜到《解密復(fù)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(fù)興科技有啥關(guān)系,？復(fù)興科技又是個什么鬼？帶著疑問,，我開始閱讀這書,。
復(fù)興科技的創(chuàng)始人數(shù)學(xué)家James
Simons（西蒙斯）是一位赫赫有名的數(shù)學(xué)大師，最初在美國國防研究院供職,，看了《時代周刊》上關(guān)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(yīng)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(lǐng)著一幫數(shù)學(xué)家,、物理學(xué)家進(jìn)入了金融界,，與市場進(jìn)行博弈。1994年到2004年中期的年化收益高達(dá)71.8%,，在全球金融危機(jī)的2008年,，大部分對沖基金都虧損，而大獎?wù)碌膔eturn高達(dá)98.2%,。由這些天才般的數(shù)學(xué)家和物理學(xué)家以及一些超強(qiáng)的交易員構(gòu)成的文藝復(fù)興科技和他們創(chuàng)建的神秘的大獎?wù)禄?，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(jī)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(rèn)為是他們最有可能運用的一個模型。為何,？
第一個理由：復(fù)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(yīng)用在語音識別等領(lǐng)域的Baum
Welch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(fù)興技術(shù)的劍橋大學(xué)數(shù)學(xué)博士尼可·帕特森就是全球HMM領(lǐng)域公認(rèn)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(xué)家來復(fù)興科技工作。以這些人的機(jī)器學(xué)習(xí)和文字信息處理的功底,。
從這兩個理由,，很難不引人猜測復(fù)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(xué)的數(shù)學(xué)系,，過去他曾是系主任,，打造成了全美名列前茅的數(shù)學(xué)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(dāng)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(xué)學(xué)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(yù)測下一點發(fā)生的事情。通過模型來學(xué)習(xí)前面的波之后,，然后做預(yù)測未來,。也許你會覺得這太不可思議了！怎么可能可以預(yù)測未來,。
事實上,，我們語音識別的應(yīng)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(xué)習(xí)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(xué)習(xí)，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(yù)知未來。
同樣,，如果將語音識別的理論應(yīng)用于經(jīng)融界,，我們同樣可以學(xué)習(xí)以往的實盤數(shù)據(jù)，然后預(yù)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(jì)學(xué)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(jìn)行短線方向性預(yù)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(fù)平靜,，等待下一個機(jī)會?！?/div>
西蒙斯曾把自已的投資風(fēng)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(xué)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(fēng)險控制模型,、交易成本模型、投資組合構(gòu)建模型,、均值回復(fù)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(jìn)行短線方向性預(yù)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(fù)平靜,，等待下一個機(jī)會?！?/div>
西蒙斯的方法多是進(jìn)行短線方向性預(yù)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?wù)禄鸬耐顿Y產(chǎn)品必須符合三個標(biāo)準(zhǔn)：公開交易品種,、流動性足夠高,、適合用數(shù)學(xué)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(jìn)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(jìn)行量化投資,。西蒙斯認(rèn)為,，數(shù)學(xué)模型可以降低投資人的風(fēng)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(xué)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(dāng) 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,。”
基于這樣的觀察,，西蒙斯是通過捕捉市場大量異常瞬間機(jī)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(jī)會。但是,，我們關(guān)注的是那些很小的機(jī)會,，它們可能轉(zhuǎn)瞬即逝。這些機(jī)會出現(xiàn)之后我們會做出預(yù)測,，然后進(jìn)行相應(yīng)的交易,。交易之后，我們又會對新的市場情況進(jìn)行跟蹤和評判,，預(yù)測也會相應(yīng)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?！?/div>
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(yīng)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(xué)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(yīng)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(jìn)行分析,，得出其規(guī)律,。馬爾科夫時間序列分析模型廣泛應(yīng)用于信息通訊、計算機(jī)科學(xué),、生物遺傳學(xué),、金融學(xué)、經(jīng)濟(jì)學(xué)等領(lǐng)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(xué)特征,，實際上就是強(qiáng)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(dǎo)資金管理,、風(fēng)險控制。
西蒙斯充分證明了數(shù)學(xué)的魅力,、計量經(jīng)濟(jì)的嚴(yán)謹(jǐn)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】
|
