5、期權套利

期權套利，如果市場上出現(xiàn)一些無效的價格，可以通過買進買出相關期貨，不同價格、不同月份之間的看漲看跌，對沖掉系統(tǒng)性的風險，實現(xiàn)絕對收益。期權交易在國內(nèi)發(fā)展得還不夠充分，因為只有一個投資標的，但隨著將來商品期權和更多的股指期權，甚至個股期權的上市，可能會帶給大家更多的交易機會，實現(xiàn)穩(wěn)定的收益。

三、阿爾法模型和寬客

我們說的Alpha策略與國內(nèi)傳統(tǒng)狹義上的股票Alpha策略有所不同，我們認為只要能做超收益、對沖掉風險的策略都是Alpha策略，我認為主觀選股也是Alpha策略。無論是評估主觀交易為主的基金還是量化為主的基金，對沖型的就比較簡單。國內(nèi)2014年12月份很多量化對沖性基金就出現(xiàn)比較大的回撤，就是因為對沖的風險不完全，當時一些基金做多小盤，用IF做對沖，這是基于2012-2014年的市場，因為這段時間是一個小盤的牛市，而大盤是持續(xù)下跌的，很多基金獲取了比較高的收益，其實很大一部分收益是來自于小盤對大盤的風險溢價，但短期波動非常大。在美國也是一樣的，1960-2000年小盤對大盤的超額收益是非常大的，但隨著市場對風險溢價的了解，2000年到現(xiàn)在小盤對大盤的風險溢價已經(jīng)消失得很快。評估一個主觀投資基金，都用滬深300做標的是不合理的，合理的對標標的是中小盤指數(shù)，如果主要做創(chuàng)業(yè)板，對標標的應該是創(chuàng)業(yè)板指數(shù)，這樣才能看出投資經(jīng)理是否有獲Alpha的能力。

量化交易策略和主觀判斷交易策略的主要差別：策略如何生成以及策略如何實施。在我看來，策略的生成才是最重要的，對于策略實施，量化和主觀交易策略完全可以使用同一個模型。量化交易策略借助計算機系統(tǒng)實施策略，消除主觀判斷交易中的隨意性，實際上主觀交易策略是可以借助的，主觀判斷最強項的地方是選取標的，獲取一些量化模型無法獲取的信息，但在交易執(zhí)行方面，除非交易員有非常強的主觀交易能力，交易執(zhí)行成本比一些算法交易更好，基本是用量化的執(zhí)行方法來實現(xiàn)交易目的。另外量化可以消除交易決策中的情緒、不守紀律、心態(tài)、貪婪、和恐懼等心理驅動因素。

阿爾法策略是扣除基準回報以后的投資回報，在對沖受限的情況下，純做Alpha就要通過擇時和選股結合。海外的擇時是非常難的，特別是美國，大家比較信任的是股票上Alpha的超額收益能力。根據(jù)市場行為定義的發(fā)展中國家，像巴西，都是典型的可以通過擇時來獲取超額收益的國家。其中擇時也包括大小盤的擇時、行業(yè)的擇時。

從理論上，量化模型歸類：趨勢型、反轉型、價值型、成長型、品質型，這些策略都可以混合在一起，像股票量化選股模型就結合了信息類的東西，結合出短期跑贏市場的組合。   

數(shù)據(jù)挖掘技術相對于簡單的基本面量化模型，有一個較高的門檻，優(yōu)勢是可以更大限度地獲取市場行為。現(xiàn)在的神經(jīng)網(wǎng)絡、深度學習等都可能是大家今后的發(fā)展方向。

四、量化黑箱中的風險控制

對投資者來講，量化就是一個黑匣子，存在很多不可控因素，因為客戶無法了解頭寸的原因，更重要的是做好風控，降低顧客對你的顧慮。

從投資理論出發(fā)建立一個策略模型、良好的評估體系，通過組合盤加上擇時模型來進行的。在做策略組合時，要將各個模型做有機的組合，如資金管理平臺（擇時與行情預估模型、資金分配模型、子賬戶分賬系統(tǒng)）、自動化回測平臺（理論、算法、參數(shù)優(yōu)化、模型校準），很重要的是注意風險控制（風險計算模型、盤中風險預估與應對措施、模型失效風險），任何時候都要控制風險，如果跌了50%，就要增長100%，因為資金是有限的，所以對于不同的產(chǎn)品要用合適的風險模型來計算頭寸組合的風險，以及如何處理模型失效。

風控方案的組成：盤前風控，避免單一市場、單一策略帶來的系統(tǒng)性風險。如果滿倉下出現(xiàn)黑天鵝，可能會造成非常大的回撤。盤中風控，避免交易執(zhí)行的風險，如光大烏龍指事件，在高頻交易上也容易出現(xiàn)系統(tǒng)性風險，像騎士資本在45分鐘內(nèi)損失4.4億美元，高盛當時由于期權的策略出錯也出現(xiàn)非常大的虧損。盤后風控，避免模型失控風險。

風險控制模型：風險管理不只是規(guī)避風險或者減少損失，而是通過對敞口實施有目的的選擇和規(guī)?？刂疲瑥亩岣呋貓蟮馁|量和持續(xù)性。限制風險的大小，頭寸規(guī)模限制是風險管理的一種重要形式。對我們而言，策略要回溯到1999年（國外）-2005年（國內(nèi)），要經(jīng)歷過一輪大的牛市、熊市和危機模型的測算，才能保證策略的有效性，而不可根據(jù)近一兩年的數(shù)據(jù)。度量風險的大小，通過計算不同種類的金融產(chǎn)品的回報隨著時間推移的標準差（波動率，波動率越大，市場呈現(xiàn)的風險就越大），在固定的投資范圍中，度量不同種類的金融產(chǎn)品行為之間的相似性( 金融產(chǎn)品的橫截面的標準差，標準差越大，行為多樣，市場的風險比較小) 。

無論是做主觀還是量化，都可以進行參考，一個是交易成本的模型，通過對波動性的預測和對滑點的控制，可以評估多大頭寸對市場形成多大沖擊，雖然這對長線交易員影響不大，但對短線交易員還是有比較大的可參考性。

量化策略的優(yōu)點和缺點。優(yōu)點：系統(tǒng)性、穩(wěn)定性、可復制性。缺點：容易趨同，因為大家都是對有限數(shù)據(jù)的經(jīng)驗總結所做出來的策略方案。對同一數(shù)據(jù)做擬合，無論是用機器還是人工的方法來做，做出來的策略都會比較類似。歷史上小盤平均是跑贏大盤的，大家做出來的策略都是小盤跑贏大盤的，歷史上價值平均是跑于成長的，大家做出來的策略都是價值平均跑于成長的。從九幾年15%的超額收益到現(xiàn)在的5%，大家都做同樣的一件事情，就將將來可預測的超額收益越做越小。非結構化的處理，比如數(shù)據(jù)點非常少，無法通過數(shù)據(jù)學習的方法來出預測方案，而人工可以根據(jù)全系列的分析得出更好的結果。還有就是非數(shù)據(jù)信號的處理，如政策，量化策略目前還不能對這些風險因素進行很好的評估，這方面是人工交易的優(yōu)勢。