来源 | FunZoo趣园
出品 | Fintech独角兽
我认为quant（策略quant）的核心是策略，底层基础是系统。策略可以个逻辑，简单到我就要买或者卖，也可以是个复杂的模型。而支撑的是平稳测试和执行人的想法或者模型的系统，包括backtesting，模拟盘，风控，择时等等都嵌在里面。
如果不那么清楚量化是什么，不如先来温习一下
零基础学量化新手指南
量化入门篇：数学专业的Quant小白试水国内量化
我作为小白一只，当时实习的时候很迫切想梳理出来主流量化策略有哪些？用到的模型和背后的知识是什么？我如何能写出自己的策略？如果你也有这样的疑问，也许下文会有所帮助；如果您已是大神，本小庙求指导?
从种类上划分，主流的量化策略有 股票策略，期货，期权策略，统计套利，还有些其他组合策略。每一种类型都值得深入研究，无论是模型还是适用的宏观或者微观经济形式。下图是个分类：
股票多头策略
由于我国A股有做空限制，所以常见的只有股票多头策略，但这也是体量最大的。
量化在这里主要有两类：
基本面策略
这是一类价值投资策略，结合市场经验和金融模型，市面上股票一箩筐，选择困难症啊，该怎么选呢？
相对估值
顾名思义也就是基于基准或者行业，来追求超过超过基准的收益，最常见的如沪深300指数增强。
绝对估值
也就是根据者财务数据来定价，选择恰当的时间进入或退出
多因子策略
这是以统计为核心的策略，先简单介绍一下演变历程：
Markowitz的均值-方差模型——>CAPM模型——>Fama-French三因子模型——多因子模型
我毕业论文是研究多因子的，据我了解市面上很多主流的策略也是使用了多因子模型，但这个模型可能需要疯狂的挖掘因子，构建因子库，然后不断的update，于是挖因子的工作就交给了辛苦又勤劳的实习生宝宝们。
CTA策略
期货市场虽然体量小，但是在去年A股行情惨淡的情况下，也是越发的活跃了。最常见的是CTA策略（Commodity Trading Advisor）了，不过现在CTA也不仅仅只局限于期货, 更多的是描述一类趋势跟踪策略。顾名思义，市场有趋势或者波动时，策略才有较大的盈利空间。
-
图片中的低频和较高频的CTA策略基本都是与技术分析相结合，技术分析我不懂，有经验的trader应该都有一套自己的分析方法吧？
我知道的机器学习用到的地方，舆情分析，和多因子模型（回归），选股（分类）。但是依赖于数据，噪声问题不是个小问题，容易过拟合。无论是对冲基金还是大的投行都在投入研究，有多少是真的大量有效的在用ML的，我也不知道。
主要方法有如下表的传统机器学习方法：
以及强化学习和强化学习。
套利策略
套利关注的是价差，有差异的地方，皆可套利，主要有下列几种：
期现套利
期货与现货在合约在到期日价差收敛。
跨品种套利
指利用两种不同的，但相互关联的品种之间的合约价格差异进行套利交易，eg之前看过的 long中国股指，short 铜（高盛：看好中国短期发展，不看好长期，而长期发展放缓反映在对基建投入减少，铜是最常见的基建品种）
跨期套利
在同一期货品种的不同合约月份建立数量相等、方向相反的交易，并以对冲或交割方式结束交易的一种操作方式。
跨市场套利
指在同一商品在不同市场之间进行的套利交易行为，往往还需要考虑外汇波动。
统计套利
用统计模型找统计意义上的相关性（包括上面描述的品种，期限等等），最简单的就是pairs trading。
期权策略
场内期权市场就更小了，可交易的品种就只有50ETF, 白糖，豆粕，铜期权。
单一的期权策略，往往是call和put option的花式组合
更多是期权作为对冲工具的存在
如，买S&P500指数增强的同时short 看涨期权，来对冲未来可能的波动。
这篇文章的存在更多的是抛砖引玉
如果你看到有兴趣的点
请继续深入的学下去！
策略的水很深
别忘了经常透口气瞅瞅新闻。
本文链接：https://my.lmcjl.com/post/10040.html
4 评论