期货，A股等API程序化量化开发技术交流

• 

  一个量化交易策略师的心路历程
  • wdg  

  1
  0
  Votes
  1
  Posts
  791
  Views

  

  前言： 要想在期货市场上用技术分析赚到大钱，无它，两个字而已，靠命！话犀利，是实话。期货之路，一步一艰辛。正所谓“有道无术术可求，有术无道止于”技术和策略都不是万能的，修正自己是关键。 正文： 作为一个先后在券商自营和私募基金从事期货和A股交易的从业者，非常乐意将自己的经历与各位分享，也算对自己过去工作的一个总结。 我之前在全球top5券商工作时也主要以CTA研究为主，每天都在不停的进行各种回测和开发。彼时，部门的CTA交易主要集中在股指期货的日内投机上，基本市场上能搜集到的各种书籍和报告我都浏览过。不过，从实际运用的角度来看，不同的技术分析方法，指标类切线类也好，形态类波浪类也罢，无论其历史背景和基本原理如何，其实质都是基于证券交易过程中量价时空等历史资料基础上的统计、分析和计算。 由于可供交易的期货标的只有沪深300股指期货，虽然所在部门同时跑了多个日内交易模型，但基本都是一荣俱荣，一损俱损。更为关键的是，一般趋势跟踪系统的获胜概率都低于40%，真正幅度大的单次盈利都是好不容易才熬来的，这说明大部分交易其实都是瞎折腾，当账户资金在短期内出现较大回撤的时候，很容易对自己的模型失去信心，继而陷入反复优化的怪圈。要知道，部门的考核都是以年为单位的，如果一年下来赚不到什么钱甚至亏钱，后果你懂的。 我在读研究生期间，有过一段奇妙的际遇，至于这段际遇是如何而来，至今想想都觉得传奇。当时，我作为一个博士一年级的学生，曾帮一私募大佬全权管理了一只3000万的CTA量化基金，为期一年，金字塔决策交易系统全自动下单，偶尔也人工干预。就是这段经历，让我在毕业求职时的简历比同龄人丰富了不少。也正是这段交易经历，让我知道了趋势交易就是一种煎熬，因为趋势交易是反！人！性！的：几乎总在最高点开多，最低点开空，所以每次下单都是如履薄冰。最致命的是，由于日内单边走势的下单滑点一般都比较大，如果你因为限价单没能成交，基本这千年等一回的机会就和你说拜拜了；而如果你不顾一切去追单，则很大可能刚成交一会就触发了止损命令，实际亏损是理论亏损的2倍还多。 正因为知道了交易执行的艰难，毕业后进入全球top5券商后，对于交易下单和盯盘，一开始我就是拒绝的。部门的交易一直都是另一海归博士GG在做，而我只负责模型的研发和维护。他每日的工作流程就是，每天早上打开电脑，检查数据流是否正常，然后打开模型，让程序自动执行，盘中各种纠结，盘后各种悔恨。而这，基本就是一天的生活。 盘中纠结：由于资金量巨大，股指期货随便一个波动，就是几十万的盈亏。落袋为安（干预模型）还是让坚决执行模型？这是个问题。毕竟一切浮盈皆是虚妄。 盘后悔恨：今天曾浮盈过百万，最后居然止损出局，唉；今天要是不干预的话，本！可！以！盈利数百万的，结果少赚了近一半，唉，唉。 别问我为啥总想干预模型。事实上，任何一个趋势跟踪系统都是很难坚持的，因为它们都是以捕捉相对罕见的大趋势为基础的，而大趋势通常难得一见。在漫长的等待中，交易者很容易对自己的系统产生怀疑，转而相信自己能够战胜概率。 别问我一年下来赚了多少。事实上，CTA的容量是非常有限的，相比于部门的中介业务动辄上亿的利润，CTA的盈利基本可以忽略。虽然后来我们又把趋势交易拓展到了商品期货上，同时交易了十几个品种，但随后很多商品期货都开启了夜盘模式，遂逐步放弃。 因为选择了CTA，导致我每天都在对自己的职业生涯产生怀疑，直到后来我跳槽到阳光私募开始管理对冲产品，开始了股票alpha模型的盈利模式。 此是后话，有时间慢慢表来。 在中国的股票、期货市场，几乎所有的投资者多多少少都懂点技术分析，什么MA、MACD、KDJ等等，诸如此类，不一而足。至于自己所理解的技术指标能否盈利，另当别论。 由于量化投资的门槛实在太低，大凡交易过商品期货的朋友（尤其是理工科学生，毕业后想进入金融机构以此为职业的），基本都在用自己编译的模型进行程序化自动下单，或按模型提示的信号进行手撸。至于所交易的品种，究竟是橡胶、螺纹钢，还是豆粕、焦炭（股指期货的开户门槛太高，在校生一般玩不起），则不是他所要关心的。相信大家都有这样的体验，如果有朋友邀请你去打麻将或斗地主，而你却不怎么会玩，你多半会拒绝。但期货市场不同，对于一个自己几乎一无所知的品种，却也敢用真金白银去交易。 这是为什么呢？ 因为交易者用自己所构建的模型对该产品的历史数据进行过回测，每个月均实现了正收益。这TM不就是传说中的印！钞！机！么！ 然而，只有真正交易过的人才知道，要想在期货市场凭自己所理解的技术分析去赚钱，太难！太难！要写一个回测结果很好的趋势跟踪模型，对于熟手来说，基本就是分分钟的事。但如果你把测试和实盘等同，我只能说你too young too simple。因为历史测试充其量只是对未来的粗略估计，它或许夸大了系统的内在优势本来是纯随机的现象，结果导致一个在历史回测中看似有效或曾经有效的系统不再有效。并且，很多初入期市的朋友，在写模型时或多或少都犯了过度优化的毛病，对于历史上那些模型本没抓住的单边走势，改个参数就抓住了；对于那些模型反复开仓的震荡走势，加个限制就避免了。可惜的是，要是可以交易历史数据的话，这个市场上还有亏货么？ 更为致命的是，即便你写的模型确实符合逻辑，也没有过度拟合，你以为就可以一劳永逸，躺着数钱了吗？那是因为你忘了，测试时，你可以把几年的模拟交易集中在几分钟之内完成，即使有几个月的回撤期，你也不觉得有啥，因为你知道了净值曲线的未来走势。但实盘交易时，分分钟都是煎熬，盘中每一个波动都会刺激你的神经。此外，模型测试时，你关注的全是盈利带来的喜悦；而实盘交易时，你感受到的全是亏损带来的痛楚。 在实盘交易中，交易者的行为是复杂多变的，很多模型都由于与历史的吻合度太高，市场行为的一个轻微变化就会造成效果的明显恶化。再加上投资者某些情绪化和草率的出入场，承担了一些本没有必要承担的风险，再加上佣金和滑点，如此，根据市场的实际结构来说，大部分投机者注定就应该发生亏损。 事实上，真正在市场上赚大钱的人，大都是悲观者和幸运者。说悲观，是因为他们都曾有过亏得睡不着觉的经历，知道赚钱的艰难；说幸运，是因为他们起起伏伏，但最终都活下来了。 还记得，当年部门年会时，领导让我作为新人代表发言，我balabala，洋洋洒洒上千言，直听得他们无不击掌。但作为结尾，我话锋一转，说了下面的话： 要想在期货市场上用技术分析赚到大钱，无它，两个字而已，靠命！ 周末去了一趟王府井书店，没想到这年头到实体店买书的人还挺多。在里面转悠了一圈，来到股票板块，那家伙，各种分析、战法，直叫人应接不暇。我随意挑了几本翻阅了一下，看完后甚是惆怅，原来自己这么多年的书都白念了，这么多年的交易体验都白瞎了，因为所有的书都给人一种感觉：“炒股太简单啦！”“股市就是提款机！”“我们的目标是星辰大海！”。 回家路上，我对老婆说：“要不咱别做交易了，怪辛苦的，改写书吧？” “我看你有这个潜质。”
• 

  一名交易员的量化投资路线
  • wdg  

  1
  0
  Votes
  1
  Posts
  795
  Views

  

  什么是量化投资 所谓量化投资,简单地说就是利用数学、统计学、信息技术的量化投资方法来管理投资组合。量化投资者搜集分析大量的数据后,借助计算机系统强大的信息处理能力,采用先进的数学模型替代人为的主观判断,利用计算机程序在全市场捕捉投资机会并付诸实施,克服了投资者情绪波动的影响,使投资的稳定性大为增加,避免因市场极度狂热或悲观的情况而导致做出非理性的投资决策,以保证在控制风险的前提下实现收益最大化。用一句话说,就是利用电脑帮助人脑处理大量信息。 量化交易的独特性 量化投资可以将其简单地概括为利用数量化统计分析工具构建相应的数据模型，并通过计算机处理从而实现投资思想和投资理念的一种策略。与传统投资相比，量化投资存在一定优势： 量化投资与传统投资相比范围更加广泛。 量化投资完全可以避免人为主观因素的影响。 量化投资的研究方法更具有统计价值。 量化投资与传统投资相比范围更加广泛 传统投资受到投资人的精力和专业水平等因素的限制，其所能跟踪的投资标的只能局限于某个特定范围。而量化投资则因借助了计算机技术因此大大增强其挖掘信息的广度和速度，使其投资分析的范围几乎可以覆盖整个市场，而且可以在投资过程中将更多影响因素纳入其中，包括宏观因素、流动性、波动性、盈利能力、成长性、估值等等。由此可见，量化投资可以多角度分析且实现全市场范围的品种选择，这一优势也使其能捕捉更多的投资机会。 量化投资完全可以避免人为主观因素的影响 量化投资在操作中会严格遵循投资模型给出建议，而传统投资策略则往往会受到投资人主观因素的影响，包括投资人的情绪、个人偏好、身体状况等等。量化投资以统计分析和投资建模代替投资人依靠直觉主观判断，克服了人性的弱点贪婪、恐惧、过分自信、侥幸心理、情绪化等，使投资变得更为理性和客观，大大降低在投资决策过程中人为主观因素对于投资行为的影响，避免因此做出不理性的投资决策，从而影响最终的投资收益。 量化投资的研究方法更具有统计价值 量化投资是利用数据统计分析工具总结历史规律或捕捉投资标的定价偏差从而发现投资并且较大概率获得投资成功。量化投资的投资体系不掺杂主观情绪和认知偏差，因此更为客观。同时计算机强大的数据处理能力也使得信息挖掘更为充分全面。此外，量化投资的每一个决策背后都有模型支持、数据支撑且经过历史检验，因此更为科学严谨。而量化投资更为科学客观全面系统的研究和投资系统也使得投资人在风险可控的前提下更为准确地把握投资机会，更大可能地实现收益的最大化。 量化投资体现在纪律性、系统性、及时性、准确性和分散化，并能通过这些特点创造出有效的交易价值。 量化交易的主要策略体系 市场中性策略：ALPHA。 套利策略：统计套利，期现套利，分级基金套利，ETF套利。 CTA期货策略：期现套利，传统趋势策略。 市场中性策略： 市场中性策略是指做多股票/同时做空股票衍生品的，通过这类组合来减少对某些风险的暴露;最典型的策略组合是Alpha策略，通过构建相对价值策略来超越指数。 例如赛选一揽子中证500的强势股票，再用500指数，或者ETF期权，ETF基金等等来对冲投资组合的系统风险，获得额外的收益。 因为买入的股票和卖出对冲衍生品价值相等，这样就中和了市场整体风险，净值与市场涨跌无关，这就是“股票市场中性策略”的由来。国内对冲策略产品大多采用买入现货、卖出期货的对冲策略，期货价格和现货价格之间的差异会影响策略表现。 套利策略： 统计套利:是将套利建立对历史数据进行统计分析的基础之上，估计相关变量的概率分布，并结合基本面数据进行分析以用以指导套利交易。相比于无风险套利，统计套利少量增加了一些风险，但是由此可获得的套利机会将数倍于无风险套利。 统计套利通过对相关证券进行对冲来获得与市场相独立的稳定性收益。在价格出现背离走势的时候买进表现相对差的，卖出表现相对好的，当趋势慢慢回归正常区域时候，就可以获得相对稳定的收益。它的风险在于如果市场并未按照预想出现价格回归，而是进一步扩大价差，可能会产生风险。 enter image description here 期现套利：期现套利是指某种期货合约，当期货市场与现货市场在价格上出现价差偏离，低买高卖而获利。当现货指数被低估，某个交割月份的期货合约被高估时，投资者可以卖出该期货合约，同时根据指数权重买进成份股。当现货指数被高估，某个交割月份的期货合约被低估时，如果允许融券，投资者可以买入该期货合约，同时按照指数权重融券卖空成份股。和统计套利类似，它的风险在于期货和现货的价差并未收敛而是进一步扩大。 ETF套利：ETF(Exchange Traded Fund)交易型开放式指数基金，通常又被称为交易所交易基金。由于其有两个价格，即基金净值和交易所交易价格，所以一旦两个价格相差过多时，就可以高卖低买套利。风险在于交易价格随时波动，较难捕捉，也可能会有流动性困难。 分级基金套利：一般分级基金有5个价格，母基金净值，A类份额净值、A类份额交易价格、B类份额净值、B类份额交易价格，正常情况下，A的净值+B的净值=2*母基金净值，当(A的交易价格+B的交易价格)大于或小于两倍母基金净值时，也可以通过高卖低买获利。 CTA期货策略： CTA即商品交易顾问。CTA期货包括套利策略，趋势交易策略。目前CTA运用最广泛的是趋势交易策略，通过运用大量不同的指标去除市场噪音并寻找当前的市场趋势，然后建立头寸，他们从市场趋势中获得利润。 总结：策略筛选决定投资的方向，例如国内兴起的FOF基金，对于资产配合这块需要不同类型的投资策略，会筛选不同的投顾。每一方面能有成绩都会有不错前景。 给出一份FOF基金公司寻找投顾的一些要求，具体归纳为下： 具体的策略逻辑是怎么样的(例如如何选股/择时/套利/趋势/反转等)？策略组合是如何构建的？ 中长期看策略盈利所依赖的最重要市场特性是什么、这些市场特性的可持续性如何？ 交易平均持仓周期多长？涵盖品种有哪些？ 产品中各品种/各策略的仓位是如何分配？整体仓位有无加减仓机制，总仓位上限多少？隔夜仓位、日内仓位各多少？ 团队投资体系的最佳资产管理规模是多少？最大的资金容量是多少，最低资金规模要求是多少？目前管理的资产规模多少（如果有，请列出估计资金容量过程中的前提假设）？ 风险是如何控制的？特别是当净值在面值以下的情况下，团队将采用哪些具体措施控制下行风险（仓位、策略等方面）？盘中风控是如何实现的（例如日内回撤超过一定幅度，如何对仓位进行处理等）？ 如何应对极端行情下的风险？股指期货交易受限制后，是如何进行应对的？ 交易平台的选择 国内平台这块，以期货量化平台较为成熟，包括以下一些交易平台。文华赢智程序化交易、交易开拓者、金字塔决策交易系统、达钱&multicharts。 文华赢智程序化交易 文华财经在期货市场占用的人群应该是最大的，采用麦语言开发模型和指标。在量化模型研发方面，赢智提供了国内股票和期货的全部品种历史行情数据，同时提供了丰富的行情函数、账户和交易的部分函数和一些统计函数用于策略开发，还提供了丰富的策略回测报告项作为策略绩效评估的依据。文华财经编程相对简单，对于刚刚想入门这个市场，又没有编程经验的人来说，文华财经是首选。 缺点：本人觉得在跨周期期方面还是有一部分问题。 金字塔决策交易系统 金字塔决策交易系统（下称金字塔）采用VB脚本语言开发策略模型，支持接口二次开发，灵活性相对较高。支持外接统计数据库和专业的统计分析软件Lib库做扩展，在量化交易方面，除了支持图表驱动的程序化交易外，也能进行算法交易和较复杂的对冲交易的实现，目前市场占有率不是太高，单纯的编程也是相对容易。 缺点：本人认为金字塔软件如果图表开的过多很容易导致软件崩溃。 交易开拓者程序化交易平台 交易开拓者（TB）采用语法类似Pascal的TBL语言开发策略模型，采用图表买卖信号驱动交易下单。在量化模型研发方面，TB提供了国内期货和股票多周期的历史行情数据；提供了较为全面的行情数据函数、账户和交易函数、统计函数用于策略开发；提供了丰富策略回测报告项作为策略绩效评估的依据。在量化交易方面，单个TB终端支持多个单品种的图表并发接收行情并交易，不使用高频交易。市场占有相对较大，编程难度相对适中。 缺点：数据稳定性有待考虑，TB自身带的服务器并不多，编程这块陷井相对较多。 达钱&multicharts 达钱&multicharts自动化交易系统（MC）采用power language开发，达钱提供行情和交易网关，multicharts实现策略开发和执行平台。在量化研究方面，MC提供了股票和期货历史行情数据，包含大量的函数供调用，继承了TS里面大量的函数库，属于一款比较优秀的软件。目前股票端支持雷达屏监控一篮子股票，可以用于回测与交易。 缺点：MC如果出现网络中断，会出现行情丢失的情况，其次接口被达钱封死。 高端量化交易 以python、JS、C++、MATLAB、R为主，重点介绍以下研究股票端的，包括浏览器端的米筐、优矿、聚宽、果仁等等，客户端包括VN.PY、quicklib、掘金、WIND等等。 米筐、优矿、聚宽都以python编程为准，果仁提供JS浏览器端编程，相对来说可能在速度上有一定的优势。但是这几个都是浏览器端平台，用于研究我觉得没问题，真正用于实战交易，我可能不推崇，大幅度我更喜欢是自己造轮子，选一个框架，例如找个回测框架等等，但是相对来说难度较大。已经造好的以VN.PY为准，里面提供了大量的接口供选择，开源免费，首先感谢作者。 对于这一类的学习，需要的精力可能相对来说要大一些，但是优点也是明确的，作为本人是一名python爱好者，如果量化这块，首先推荐python，很多人可能为matlab打抱不平，有人说为撒大学学matlab不学python，这个问题我不想讨论，python的优势在于他的灵活性，python可以看成是一门编程语言，在设计各种实战上有说不上的优势。 总结，想个人研究股票这块，建议米筐，优矿，聚宽，果仁选一个，上面也提供大量的策略供学习。如果要进入私募做后台开发，那必须得自己造轮子，选择一个开源的回测架构，自己来组建。语言编程推荐学习python。期货端如果个体研究建议TB,MC。以上都是工具，最终要回归到策略，策略的好坏决定你做这块的价值 一个系统的形成 我们在研究一个系统的时候一定要考虑策略背景，这里我不扯过多的理论知识，我觉得没有价值，为撒如此多的研究生，博士，或者学校教授在金融这块并没有取得优秀的成果？一个原因，理论知识拿到市场不一定能成功，并不是否定他的价值，而是在于金融这个词比较广，如果你在走定量分析，并想把一些书本上学到的东西搬到金融市场，还是需要从本质上去抓问题。好比定价模型，模式书本上都有，但是否能做出有效的东西？这个需要经验的积累来变相的运用你学习的知识。 策略背景 如果要研究一个策略，你的由衷是如何来的。他基于什么？这个其实很关键的，我们去观察国内外经典策略会发现，他们都很简单，但是却经典有效，这说明了什么？ 难道真的就是简单？实际不是这样，都是相互关联的，比如短线交易秘诀里面，拉里提到大区间小区间，衍生到不同的类型的策略是基于市场波动而言的。有逻辑支撑。这里我们不去讨论复杂的套利这些模型，我们就以传统策略而言，大家可能会发现，大幅度研究策略的都在找所谓的因子，什么因子算有效？看到更多的是一堆没有逻辑的因子组成一堆，最后产生了一条漂亮的曲线，最终形成了一个自我满足的策略，但这块是否有效，是否敢实盘，这你比我清楚。 基本思路 一个策略的交易思路是什么？如果你把自己定义为趋势交易者，那么你就保持你趋势交易的逻辑，去追随市场。这块说起来容易做起来难，但是我们可以先假设，先假设市场就是盘整阶段。而且市场肯定会由盘整到趋势。在这里面去寻找一个支撑阻力位，当破了过后，站稳你可以认为是朝突破方向的趋势。 这就是一个趋势的定义，这里举的就是一个例子，如何开仓。那么就可以按照这个方向一直做，你可以用各种各样的指标，或者一些其他类型的算法等等。趋势不一定正确，但是这得明确。大幅度人是看着涨了就去做多，跌了就去空，日内来回做，最终却是亏损的，可能你交易的越多亏损越多，市场是有成本的。你的交易统计也是基于成本而统计的，当你的一个系统除去成本可能能赚很多钱，但是覆盖成本缺是亏损，那么成本筛选也显得十分重要，当你的系统不能覆盖高额的成本，对于一个品种而言他的交易是没有价值，可能曲线非常漂亮，但实盘的价值是没有的。但在统计之前，我们不需要考虑在内，最后在赛选的时候去过滤掉你不能做的品种。 策略算法 常用的几种算法有以下几种： TWAP模型：时间加权平均价格算法，是一种最简单的传统算法交易策略，主要适用于流动性较好的市场和订单规模较小的交易。该模型将交易时间进行均匀分割，并在每个分割节点上等量拆分订单进行提交。例如，可以将某个交易日的交易时间平均分为N段，TWAP策略会将该交易日需要执行的订单均匀分配在这N个时间段上去执行，从而使得交易均价跟踪TWAP。 VWAP模型：成交量加权平均价格算法，是目前市场上最为流行的算法交易策略之一，也是很多其他算法交易模型的原型。该模型是将一段时间内证券价格按成交量加权得出的平均值，即VWAP是对一段时间市场上所有交易活动平均价格的衡量。 PoV模型： PoV，比例成交算法，同样也是市场上广泛流行的交易算法之一，是VWAP模型的一个改进，算法天然具有反馈修正的能力。该模型使用实际成交量作为指标，因此在交易时段内总是按照市场成交量的一定比例交易剩余的头寸。 在这里提到VWAP，这个在金融领域里面用于传统策略交易用的还是相对较多。常用的算法相对较多，可能是一种简单算法，比如一套系统的规则等等。举例：我们如何构建箱型交易系统？ 策略基于k线形成的区域设置进出场价格, 通过价格的上下突破来进行交易或取消做单k线区域按时间顺序从左向右共由4根k线组成, 最左边的k线标号为3。如果1号k线收盘价高于3号k线最高点, 开始设置做多交易区域, 上轨为3号K线高点, 下轨为标号为1起CancelFlagN根K线的低点。如果标号为0的K线收盘价在上下轨之间, 则做多区域设置成功, 如果收盘价低于下轨则区域设置取消。如果1号k线收盘价低于3号k线最低点, 开始设置做空交易区域, 下轨为3号K线低点, 上轨为标号为1起CancelFlagN根K线的高点。如果标号为0的K线收盘价在上下轨之间, 则做空区域设置成功, 如果收盘价高于上轨则区域设置取消。 进场： 做多区域设置成功时, 当前k线高于标号为0的K线高点时入场做多。 做空区域设置成功时, 当前k线低于标号为0的K线低点时入场做空。 出场条件： 基于ATR的保护性止损。 基于ATR的盈亏平衡止损。 基于ATR的盈利止盈。 对于上述简单规则就是一些简单逻辑算法，这样是否就构建了一个简单的交易系统？ 以上规则可以用不同的编程语言实现？这取决于你熟悉的编程环境。 实证分析 将上述规则设计好后，可以去尝试在各个品种上进行统计测试。对于品种筛选，我们要做的是市场上具有价值的品种，比较在期货市场，你去选成交量小的品种，就算测试曲线表现漂亮，他可能也没有价值，单笔滑点可能达到你不能估算的范围，这是大概率时间，这样的品种测试没有价值。当然我们应该选择主流交易品种，好比股票，你不出找涨跌流畅的股票，一直在要死不活的票上来回操作，只是加大了自己的成本而已。那么那些品种更有价值？ 品种筛选 从板块去选主流，比如期货市场，黑色螺纹是主流品种，流动性，以及趋势性相对较好，不要去和市场较劲，其实选品种比做一个策略更有价值，好的品种你可能用非常简单的方法就能赚钱，不好做的，你再牛逼的方法可能都要赔钱，大幅度人一直在做高频端的研究，很多时候研究没有价值，比如我认识的一个品种在商品上，去找了一个不起色的品种，利用盘口量来做交易，当交易所稍稍加一下手续费，就导致成交量下降，成交量下降，流通性就差，可能你花了很大的精力，最后是一个废品。你在主流的品种上做研究，最后就算市场变化，整体影响不大，你的策略价值就体现的越久。 品种筛选 参数筛选：这个话题如果讨论就有点长了，这里我也不想过多的讨论，很多类型的测试都在讨论样本内与样本外测试。用这种方式去防止自己的参数是否过渡优化。你可以把市场分成2段或者3段，第一段用于统计，第二段看看自己的参数表现的效果，但是实际不一定多有价值，除非在大数据统计下，你测试的样本越多，可能越能接近实战参数，但对于传统交易而言，更多的经验值的取舍，这显得十分重要，比如有人取有效交易天数，一周交易5天，一个月是20天，这个20就显得很有价值，很多经典的指标都以这个值为基准，这里到实战中更多的取舍都来自于你长时间的经验值，防止参数过渡优化，记住我们一定要去找平原值，而不是去寻找山峰。无论你是传统交易，或者算法交易，统计套利等等，都是一个逻辑。 资金管理 这个显得很重要，一波行情来了，你是否能持更大的仓位，行情不好的时候，你能否把仓位调整到更小，在大类资产配置会显得更加严格。你的策略很牛逼，可是你的仓位不合理，行情好的时候你赚钱了，其实结果等于没赚一样，你可能连市场的平均业绩都跑不过。 我比较喜欢的一种是资产平均值，举个简单的例子，我更喜欢在盘整行情中去布置自己的仓位，这个时候你可以把仓位调整到最大，比如你同时持有 了N个品种，多空单相对平衡，你的策略属于中期策略，一般是把你震荡不出来，那么你可以激进的把仓位配置进去，因为当趋势来的时候，你错误的仓位会慢慢出来，持有正确的趋势，假如你进场的仓位为80%，最终其实走 了一个止损到加仓的过程，一开始错误的仓位不断止损，正确的持有，趋势越来越明显，错误的仓位开始反向，最终形成了一个加仓的过程，一旦利润较大，可以手动出一半的仓位。这对于一些个体交易员而言是一个不错的方法，如果涉及到大类资产配置，这就相对复杂，我没有这个精力和时间继续讨论。 以上只是算的上一个量化简单过程介绍，我不能告诉你我能马上教会你什么，我也是一个市场学生，也需要更多的积累。这个市场变化的速度远远大于我们学习的速度，最终的回报不一定好，可能会熬上几年，或则更久，身边的很多朋友属于比较有钱，进入这个市场后，并没有那么多彩，老股民一混就是几十年还在战斗，新人也在不断的进入这个市场。要想在这个市场上生活，可能并不是知识的积累，它体现的更多的是人为因素。到此结束。
• 

  量化交易 数学模型 优缺点 与人工智能辅助趋势攻击法
  • wdg  

  1
  0
  Votes
  1
  Posts
  785
  Views

  

  只有用 量化交易 数学模型 的交易系统才是交易系统吗？ 其实 量化交易 问题不少！ 量化交易是科学还是伪科学 的争论目前在世界上都没停止，但是是交易艺术是肯定的！ 而且量化交易好多是理论赢利，但是实际检测未必赢利，可能大亏。 其实量化交易的好处就是在于 依靠电脑模式去强制执行的量化交易。 经验和理论输入给电脑，并且套用各种理论模型，让电脑不受情绪的干扰去执行交易。 但是我们可以看到，国内大部分量化交易模型都是失败的，而且要么是模型失败，无法经历未来考验，要么是模型低效果。 其实不难看出，量化交易在国内，最大的特点是依赖本金，也就是说你没有钱是无法交易的，其次效率不高，有的号称稳定，但是一年可能最多才50%的利润率！ 同时需要大量的背景知识，数学，统计学，数学模型，交易经验，指标技术科学。但是你浪费了那么多时间 后制造出的模型，可能还没效率。而且消耗了大量的宝贵的财富。 一句话，国外做猫，国内仿造做狗。貌似只有国外做过的才可以用，国外没有的就不敢想。 好多“牛人” 动不动就量化交易自居，动不动就数学模型自居，但是不看看世界的发展。 按照国内的学历歧视学发展，未来中国是不承认世界前100名专业或者世界前100名大学以外的学历的，因为学历在高速贬值，如果你持有了这些世界前100开外的学历，那么对不起，等于没学历。而且从海归博士跳楼，海归硕士务农看，挥挥手带来几百万美金的能力是多么重要。所以我认为那些以量化交易自居的人危险了，别再过几年被污蔑成野鸡大学毕业的。 我不否认 MT4 支持 量化交易 和数学模型，并且设计出高级金融EA，但是我想说的是 国外一些主权基金，搞了这个 量化交易，我们也搞，搞的过人家吗？ 我们既没有世界前100名大学 或者专业 毕业的专业人员支持，又没有统计学和数学高手支持，同时网络条件，计算机硬件都不如国外，还没有足够的经验做指导，而大部分牛X操盘手可能 不过是 赢利几倍。 也就是说比硬件，比数学，比统计学，比经验，比分析，比专业，比模型，我们想和国外先进 金融EA比比，是打不过的。他们是正规军，我们是游击队。就算你做的很牛又怎么样？我想如果你牛，为什么不获得诺贝尔奖，自己发展一套理论。而且估计上面提到学历歧视学新标准，你的学历等于没学历，野鸡大学毕业。 应试教育告诉我们，要读死书，死背教材，而国外的量化交易，数学模型就是一本不错的教材。我们需要死背，做不过人家只需要仿造就可以了。看我们多牛，就会考试。可是那些就会考试的人不想想，难道国外的金融市场也适合他们去考试吗？国外的教育体制可是提升 独立思考，独立分析，独立解决问题的能力的。 人工智能的概念，其实我想说，是人指挥机器，不是机器指挥人，也就是最好人给机器下命令，指挥机器去做。这个优势在量化交易里面也提到了！依靠电脑模式去强制执行的量化交易。但是看看我们的量化交易，是不是太没效率了，5万 10万 甚至15万 保证所谓的稳定，而且严重依赖技术资源，那么什么意思，从骨子里面歧视穷人，资金密集型EA，比的就是钱多，要的每年百分之几的增殖。这个有意思吗？那么穷人就别活了！ 未来的金融市场上的较量，是信息化大战，人工智能大战，系统对抗系统，策略对抗策略，不排除个别双刷所谓稳定的模型，但是目前是很难满足大家需要的。其实 大家进入国际金融市场的目的是什么，不过是为了尽快达到100万甚至1000万，甚至几亿，因为大家在现实生活中很悲惨，可能卡奴亏了200万，可能是公司要破产，可能是做地产开发需要1000万美金，但是我们没有，我想说，这些人可能最后本钱就只剩200 甚至只有100美金了，但是他们还想活，不想被判个20年或者死刑。不想自杀，那么怎么办？ 那么 量化交易 数学模型 是他们最后的救命稻草吗？答案显然是否定的。一句话，他们没那个本钱，没那个资金，而且对那些已经做了包身工，挣扎在死亡线上，看不起病，生生不起，死死不起，结婚结不起，买房子买不起的人，我想他们迫切的需要的不是投入5万可以一年赚50%的工具，而是投入200元可以1个月内赚100万甚至更多的工具。 趋势攻击是实现这一途径的唯一有效的手段，其实趋势攻击的原理很简单，就是寻找大趋势，并且想大趋势的方向不断加仓，平仓，增加手数，把雪球越做越大，有点类似核聚变的原理，有点类似涡轮风扇发动机加力燃烧室原理，通过不断加压力，让利润燃烧，用赢利制造更多的赢利。既然是投机，难道还要追求什么量化交易中所谓的稳定吗？其实我看未必，我们可以让累加反应堆超负荷运转。最短的时间内制造更多的利润来。 其实人工智能交易+趋势攻击法，2个月时间把200变1000万美金的路径并不难，我们只需要一个可靠的累加EA就可以，然后找一个大趋势，先把200做0。1做成2000美金，然后取回800赢利+200美金，先出去旅游享受一下，然后用剩余的 5个200规模继续突击，5次对3次就是6000，然后2000做1手突击，3次对2次就是2万规模，不行可以2万做10手突击，运气好200点就是20万每个帐户，所以40-50万不过是区区几个稳定的200点趋势。而从40万，分成数十个2万规模，突击到1000万不过区区几周。这个路径其实最早，已经有人用手工实现了，所以不值得怀疑。趋势攻击法+人工智能辅助 比量化交易数学模型的好处，借助MT4的大杠杆，需要多少本金，穷人也可以做，赢利水平与EA操作能力和EA技术水平有关系，与本金多少没关系，具备这样能力的EA必然是科技密集型EA， 其实是模块套模块，策略对策略，比量化交易中单一数学模型和几个数学模型，显然难度要小一些。并且痛苦不过是区区几周，比量化交易中的几年甚至10年，要强很多。 对比 量化交易 和数学模型，人工智力趋势攻击法中的核心技术未必比量化交易简单，首先累加技术，自适应忽略技术就是很难突破，国内好多人尝试做这样的EA，但是最后还是BUG一堆，而寻找空间引力快速通道的轨道法也不那么简单，而时间回避平仓，百点技术，利润魔方技术，40区回避技术，价值保护技术，整体虚拟利润跟踪保护技术，曲线利润保护技术，实际上每个技术都不压于所谓的量化数学模型的难度。 其实四维一体变手系统中的 ELC/FMLC/PLC/LLC 技术也是重要的，有了PLC技术可以实现脉冲累加，类似脉冲喷气发动机，而ELC类似涡喷技术，而FMLC类似涡扇技术，LLC类似冲压发动机原理。没有这些高压泵，累加攻击的理论燃烧是难达到最高水平的，同时离开了百点/利润魔方/40区回避/价值保护/整体虚拟利润跟踪/曲线利润跟踪保护/时间回避平仓/周内回避平仓/轨道锁单/被动锁单/强制锁单/轨道匹配平仓，等反应堆冷却系统，我想下面的成绩是做不出来的。 所以 如果是穷人，我想 人工智能辅助趋势攻击法 是唯一的出路，和最后的救命稻草。 对于那些成天 量化 量化 的人我不想说什么，你早晚要为你的无知付出代价的。 而且按照最近的国内 学历歧视学，我想说 你的野鸡大学毕业的文凭，马上就要不承认了。而且可能你现在还是二等公民，过着打工崽的生活，甚至客观的说，就是包身工，道理很简单，如果你的模型牛，那么你为什么要去给 人家做狗，让别人给你钱，去实现你的量化交易的模型。你怎么不考虑用3美金 5美金实现一下你的模型是不是好用？ 而 3美金 和5美金 对 人工智能辅助趋势攻击法 意味着什么？ 3个月1500万倍。 关于学历歧视学是不存在争议的，曾经有人在审核公务员报名的同时，向一个世界前100名专业毕业的同学要什么派遣证，还要什么证明哈哈。还说不承认你的学历，最后把人家给拒绝了。说什么不承认学历认证哈哈。但是很让人奇怪，这些做人事的怎么不去审核什么那些全球排名1000几万开外的国内大学的学历。怎么不问问自己是不是野鸡大学毕业的？而且会背诵就是好学生吗？我们可以不要独立思考，独立分析，独立解决问题的能力了，只要会背诵会忽悠就可以了。
• 

  解密世界最赚钱耶鲁基金是怎样进行资产配置的
  • wdg  

  1
  0
  Votes
  1
  Posts
  898
  Views

  

  耶鲁大学捐赠基金近20-30年成功运营的案例一直是大学捐赠基金界，乃至投资界津津乐道的案例，其资产配置策略也是投资者较为关注的话题。 根据耶鲁大学捐赠基金1997-2013历年经营信息，对其资产增值情况、其产配置特点及配置策略适用性进行了总结，主要观点如下： ▪ 对各类资产特点足够了解 　　▪ 技术性资产配置为基础 　　▪ 积极的管理策略为价值创造的核心 　　▪ 强调长期收益最大化 年平均收益率13.5%，领跑美国大学捐赠基金 如今耶鲁大学捐赠基金的投资策略及成就需要归功于1985年聘任的大卫斯文森，这之前的耶鲁大学捐赠基金表现平平，投资态度较为保守。但是之后，尤其是1995年后，耶鲁大学捐赠基金的市值开始快速增长。根据2013年耶鲁大学捐赠基金报告的数据，基金市值达到207.80亿美元，当年的投资收益率为12.5%，高于全美捐赠基金的平均回报率11.3%，投资所得为22.90亿美元。过去10年间，保持了年均11.0%的净收益率；过去20年，保持了年均13.5%的净收益率；过去10年中的9年，其投资收益率在剑桥大学联合会公布的大学捐赠基金收益率中排名第一。 2009年，由于受金融危机的影响，受限于其偏好非流动性资产的资产配置方案，耶鲁大学捐赠基金收益率为-24.6%，对其长期平均投资收益率形成较大冲击，但之后，投资收益率恢复较快。图1给出了1997-2013年耶鲁大学捐赠基金市值及投资收益率的分布状况 图 1 1997-2013年耶鲁大学捐赠基金市值及收益率 非流动性资产受青睐，超三成配置PE资产 　　耶鲁大学捐赠基金的配置资产中大致分为八类：分别为绝对回报资产、本土股票资产、固定收益资产、境外股票资产、油气林矿、PE、房地产和现金类资产。每年度，基金管理者会根据历史数据及实际经济状况对各类资产的收益及风险进行合理重估调整；获得各类资产的预期收益及风险数据后，通过另类资产配置模型，计算出每类资产的配置比例；以模型得出的比例为基准，基金管理者通过实际市场走势及机遇，在获得投委会的许可后，对实际配置比例进行调整。每年的配置决策思路基本不变。表1给出了除现金类资产外的其他七大类资产的特点、2013年耶鲁大学捐赠基金对各类资产的预期收益及风险估值水平及历史上各类资产的实际收益水平。其中境外股票资产分为新兴市场股票资产和发达国家股票资产，前者的收益及风险水平都较后者高。 表1 2013年耶鲁大学捐赠基金七大类资产预期收益情况 从表1可以看出，绝对回报资产和固定收益资产是七大类资产中收益率最小的资产，而现金类资产的收益会更低。正是出于这一基本思路，在斯文森掌管耶鲁大学捐赠基金后，开始彻底放弃之前大学捐赠基金主要投资固定收益及绝对回报资产的保守投资策略。借助另类资产配置模型，基金管理者在通过多元化投资策略控制投资风险的前提下，通过提高股票型资产及PE、房地产及油气林矿等非流动性资产的配置比重，使得基金的整体收益率得到提升。 图2给出了耶鲁大学捐赠基金从2004年到2013年的实际资产配置比例。其中2004-2007年中，油气林矿资产同房地产算作房地产资产，2008年后，这两类资产开始独立单独统计。由于现金类资产一般视同为无风险资产，且大学捐助基金隶属于教育机构管理可享受贷款、发债及监管上的便利，因而可通过出卖现金类资产从而增加其他资产的配置比例，形成现金类资产为负的现象。 图 2 2004-2013年耶鲁大学捐赠基金资产配置情况（%） 图2表明，在过去10年间，耶鲁大学捐赠基金的资产配置结构中，绝对回报类、固定收益类和本土股票类资产的配置比例大致上逐步下降；而PE资产的配置比例增加最为明显。房地产和油气林矿的配置比例基本保持稳定。境外股票资产伴随着2008年金融危机的发生，比例下降较为明显，但2013年其配置比例有回升的迹象。图3给出了耶鲁大学捐赠基金从1997年到2013年PE、房地产及油气林矿三类非流动性资产的总配置比例，可以看出，整体上非流动性资产的配置比例一直呈现上升的态势，也反映了耶鲁大学捐赠基金偏好非流动性资产等另类资产的投资策略。 图 3 1997-2013年耶鲁大学捐赠基金非流动性资产配置比例 配置策略强调长期投资，成功源于积极管理策略 　　任何的投资策略均需要根据实际情况去考量其适用性，耶鲁的投资配置策略也不例外。2009年，耶鲁大学捐赠基金投资亏损24.6%，市场上便开始有投资者声称耶鲁大学捐赠基金模式已失效，但是在这之后，耶鲁大学捐赠基金凭借同样的模式于2011年获得了高达21.9%的投资收益率，从而使得模式失效的说法不攻自破。在分析耶鲁大学捐赠基金的成功时，一直是聚焦在一个较长的周期内衡量的，因为其偏好投资于非流动性资产，因而单一的一年并不能准确衡量这中策略的收益。耶鲁大学捐赠基金相应的采取的是长期性的投资策略。 除此之外，耶鲁大学捐赠基金的成功更大程度上要归功于基金管理人的积极管理策略。由于其投资标的产品中超过60.0%为非流动性资产，而此类资产的最大特点就是没有公开交易的市场，因而实际定价会经常偏离资产本身的价值，这就创造出了较多投资机会；借助技术模型，可以知道每类资产应该配置的大致比例，从而锁定风险，但真正抓住机会及机会的实际价值还需要基金管理人去随时跟进市场信息，发掘投资机会。根据耶鲁大学捐赠基金的报告，其增值部分的80.0%是基金管理人的积极管理策略创造的，而配置模型确定的投资策略只创造了20.0%的价值。因而，资产管理的成功，其实更多的取决于基金管理人的水平，而技术性的东西因为容易复制，其创造的价值不可持续，也不能成为长期投资成功的关键。
• 

  “聪明基金“Smart beta策略能赚大钱吗？
  • wdg  

  1
  0
  Votes
  1
  Posts
  921
  Views

  

  自2000年以后，股票已经经历了两轮大熊市，而现在又开始有走软迹象。养老基金，保险公司以及捐献基金寻找新的回报来源就没什么奇怪的了。“smart-beta”正是最新的基金管理业的术语。 “Alpha”是选择单个标的资产超越大盘的技能。 “beta”则是资产组合相对于整体市场(如以某个指数基金为代表)的相对收益。 传统的“市值加权”法，是投资者按市值等比例购买股票或者债券的方法， 而“smart beta”则是尝试在跟踪某一大类资产的同时，调整成份证券权重，以获取增强性收益的投资方法。 [Smart Beta] 众所周知，beta在CAPM模型中衡量了相对于持有整个市场所带来的风险溢价（risk premium）的大小。整个市场通常用市场投资组合（market portfolio）或市场指数基金（market index fund）来表示。市场指数通常都是市值加权（market capitalization weighted）。如果把市场指数换成按非市值加权的指数或投资组合，其得到的beta即为smart beta，又被称为alternative beta或exotic beta。理由是因为这些新指数的权重是由某些量化算法得出的，看上去比最普通简单的市值加权要更“聪明”些。 现在比较流行的算法有： 等权重加权（Equal Weight, EW）: 等风险加权（Risk Parity），可以看作是调节波动率后的等权重 等风险贡献加权（Equal Risk Contribution ，ERC），可以看作是考虑了资产回报率之间协方差后的risk parity 最小方差加权（Minimum Variance, MV 最大多样化加权（Maximum Diversification，MD 如下图所示，从左至右，这些加权法需要的参数逐渐增加。ERC，MV，和MD都属于“robust risk parity”因为它们把协方差考虑在内。最经典的均值-方差优化法（mean-variance optimization）需要知道预期回报，方差与协方差，因为此优化法同时使风险最小化，预期回报最大化，不过，这里涉及到因子对准问题（Factor Alignment Problem, FAP），下文中会提到。smart beta策略只考虑波动率与协方差，所以，我们把它们看作只关注风险（risk-based）而不关注预期回报（return-based）的策略。 [随机折现因子，SDF] 事实上，CAPM模型是资产定价模型（asset pricing model）的一个比较有名的特例，因为广义的随机折现因子（stochastic discount factor，SDF）在CAPM中被狭义的市场投资组合所代表了。 按资产定价模型的定义：p = E(mx)，任何资产的价格就是折现后所得回报的期望，其中x是资产在未来的回报，m就是随机折现因子SDF。利用协方差的定义，我们得到 所以，任何资产的价格等于用无风险率折现后所得回报的期望再加上一个风险溢价（risk premium），而这个溢价是SDF与未来回报的协方差。 按照芝加哥大学经济学教授John Cochrane的说法，投资者的状态有‘好’和‘坏’之分（good vs. bad times）。‘坏’的状态一般指个人财富降低，导致其发生的原因可以是由于个人负债过高，或收入降低等等造成的。而SDF是定义这个状态‘坏’时的指标，状态越‘坏’，指标越高。由于大部分资产在状态‘好’时，回报很高，所以这个协方差通常为负。更重要的是，如果一个资产的回报与个人状态好坏无关，即与SDF无关（风险中性状态，risk-neutral），那它的价格只能由无风险率决定（协方差为零）。 把上式写成预期回报率（expected return）的形式，会更直观些 进一步推导得到预期资产回报率的“beta表达式” 换句话说，人们只有承担系统性风险（systemic risk，与SDF相关）才能取得收益。如果承担非系统性风险（idiosyncratic risk），则无任何益处。 由此可见，SDF作用很重要，但是它只存在于理论中。人们千方百计地在真实世界里寻找替代品，即所谓的风险因子（risk factor）。所以，我们也可以这样认为：人们承担的（系统性）风险越大（尤其在状态‘坏’时），作为补偿的因子风险溢价（factor risk premium）也越大（尤其在状态‘好’时）。高风险的资产必须有足够高的预期回报率，即足够低的价格，才能吸引人们来购买并持有它。 [多因子模型] 由于我们在CAPM中假设SDF只与市场投资组合回报有关，所以市场投资组合是CAPM中唯一的因子。在此基础上，我们也可以进一步假设SDF与多个因子线性相关 由此得到多因子模型。因子不同，对投资者状态‘坏’时的定义也不同，由此承担的风险敞口以及获得的溢价也会不同。Fama-French三因子模型是多因子模型中的经典代表。诺奖得主Gene Fama和Dartmouth大学教授Ken French通过对大量股票中某些共同特征进行筛选，从而得到有别于大盘因子的两个新因子：规模与价值（HML，SMB）用以组成三因子模型。这个模型恰好能很好地解释股票的预期回报。后来，该模型又加上了动量因子（momentum），遂成四因子模型。从结构上讲，这与Stephen Ross提出的套利定价理论（arbitrage pricing theory）相似。唯一不同的是，APT直接从统计的层面入手，假设资产回报率可以由一系列因子表示。 [基于因子的资产配置策略] 前面啰里啰唆说了这么多，我只想强调因子的重要性。需要指出的是，上文中提到的广义资产定价模型与风险因子不只局限于股票市场，而是适合任何资产和资本市场。可以这么说，风险因子才是资产之间联动的根本原因，资产配置实际上是因子的配置。 我们可以把各种资产比作各种食物，把各种因子比作各种营养，比如维生素。理论上来说，我们既可以通过摄取不同食物来获得不同维生素，也可以通过直接服用维生素来获得所需营养。比如，为了治疗脚气，人们即可以多吃谷物，猕猴桃，蓝莓等富含维生素B1的食物，也可以直接服用维生素B1药片。 如同某一食物含有多种营养一样，买入并持有某一个资产可能会带来不同的因子风险敞口（factor risk exposure）。比如，在美国NASDAQ上市的百度，它的股票价格即包含了科技板块的风险，也包含了中小版块的风险，另外，由于公司的总部在中国，它还包含了中国经济发展的风险。当然，还可能包括一些其他未知风险。这也是多因子模型中资产表现评估（performance assessment）的精髓。 同样道理，如果我们只想要某单一风险，如同维生素B1药片，我们就要巧妙选取资产来达到此目的。在上文提到的Fama-French三因子模型中，Fama和French为我们很好地展示了如何对大量股票进行筛选，把具有共性的多支股票组合在一起，构造出所需要的因子（factor mimicking portfolio）。人们根据不同的风险偏好选择不同因子，以获得不同的因子风险敞口从而赚取不同的因子风险溢价，比如，动量因子，基本面指数。 至于如何发现新的有用的风险因子，则不在本帖讨论范围内。不过，下图展示了资产配置策略的发展过程与新风险因子的发现密不可分。这些新因子现在已被大众广泛应用于投资中了 70年代，人们开始将投资组合用于主动投资管理中（active management）。 80年代，市场指数基金的流行使人们更加便捷且廉价地投资整个市场，因为CAPM模型让他们意识到只有承担系统性风险（systemic risk）才能取得收益，其风险及收益的大小由beta来衡量。而那些市场超额回报则由alpha来衡量。 90年代，人们不再局限于市场这个单一因子，APT和Barra多因子模型扩大了人们选择因子的范围，其中包括国家地域因子，行业因子，宏观因子等。 2000年之后，人们对因子的认识又扩展到了新领域：风格因子与策略因子。比如，Fama-French三因子及Carhart四因子模型中的规模，价值，和动量因子。新的因子又比如carry，低波动率，流动性（liquidity），基本面因子，以及本帖介绍的smart beta策略等。更重要的是，人们意识到之前他们认为的alpha，其中有很大一部分是非传统的beta。那些业内人士把这些beta包装成alpha在推销（sell beta as alpha，见下文“另类投资”部分）。 随着ETF的流行，人们能够越来越方便地接触到不同因子并直接应用于投资中，尤其是应用于被动投资中。与对冲基金，共同基金，期货等相比，ETF的优点是更透明，成本更低，进入市场的门槛更低。一些较受欢迎的因子ETF或smart beta ETF包括：RSP（标准普尔500等权ETF），SPLV（标准普尔500低波动率ETF），FNDB（Schwab美国基本面指数ETF）等等。 [全天候式投资组合（All-weather Portfolio）] 上文中提到了宏观因子（macro factors），就不得不提一下与之有关的资产配置策略：全天候式投资组合（All-weather Portfolio）。此策略是美国知名对冲基金Bridgewater的负责人Ray Dalio长期研究的成果，其核心观点是将宏观因子，经济情景（economic scenario），和上文中提到的等风险权重（risk parity）结合在一起。 宏观因子与资产回报之间的相关性很低，尤其是在短期，但使用经济情景可以在长线投资中弥补这个不足。另外，由于一般投资者不喜欢借钱来投资（leverage aversion），这造成了投资组合中股票等高风险资产的权重高于理论中的最优值。使用等风险权重可以纠正这一偏差。 这里，宏观因子主要考察的是经济增长和通货膨胀，并由此定义四种经济情景： （1）经济增长上升，通胀上升 （2）经济增长上升，通胀下降 （3）经济增长下降，通胀上升 （4）经济增长下降和通胀下降。 然后，从历史数据中找出资产价格的变化与这些经济情景的关系，从而确定可投资的资产以及相应的权重，使得投资组合在每个经济情景中分配到的风险相等（如下图所示）。这样，随着时间的推移，该投资组合能够经受住各种宏观风险的冲击，“全天候式”的名称由此而来 不过，全天候式投资组合在2013年遇到了些小麻烦。在标准普尔500指数增长30%的情况下，Ray Dalio旗下的全天候式投资组合基金的回报率为-3.9%。于是，全天候式投资这个概念也遭受了质疑 。但我认为资产配置的重要功能之一就是帮助保护投资者的财富，防范风险。所以其分散风险的优势要在长线投资中才能显现出来，人们不应该太在意短期的失利，下文中会提到。 [耶鲁模式 Yale Model] 耶鲁大学捐赠基金（Yale Endowment）由于其在同行中长期傲人的投资表现，已经被视为是资产配置行业的一个榜样，简称耶鲁模式（Yale Model）或常春藤投资组合（Ivy Portfolio）。耶鲁模式之所以能取得不错的收益，主要得益于其在另类投资（alternative investment）中的高配置，包括各种私募基金，对冲基金，风险资本（venture capital），房地产等。近年来，其占整个投资组合的比重高达60%。耶鲁基金从上世纪90年代就开始投资当时颇具神秘色彩的私募基金和对冲基金了。这些基金的特点是乏人问津，投资准入门槛高，因此其收益可以说是来源于价值因子和低流动性因子。 虽然，这些因子给耶鲁基金带来了可观的回报，但在08金融危机中，由于人们的恐慌性抛售，低流动性资产重创了该基金。从理论上来讲，这符合上文中提到的因子投资的特性，即人们承担的（系统性）风险越大（尤其在状态‘坏’时），作为补偿的因子风险溢价（factor risk premium）也越大（尤其在状态‘好’时）。 然而08金融危机过后，在标准普尔500屡创新高的情况下，耶鲁基金的资产始终没有超过08年的最高点。一个很重要的原因是因为耶鲁基金的成功模式开始被不少养老金机构和规模较小的大学捐赠基金效仿，导致了在另类投资中的风险溢价大幅减少。耶鲁基金在其年报中也承认了这一点。但它近年来仍能在投资表现上对同行保持微弱的优势，其成功的关键在于它能够找到最优秀的基金经理来管理投资，这在其年报中也提到了。可惜的是，这些最优秀的基金经理中的大部分都已不接受新的资金。因此，这个成功的关键只适用于耶鲁自己而无法被他人复制。 由此可见，耶鲁基金在可预见的未来仍可能继续领跑这个行业，但它作为一种已被大众所熟悉的投资模式不可能在短期内重塑辉煌。 [另类投资不另类] 随着耶鲁基金的成功，那些往日不为人知的另类投资（alternative investment）也掀开了它们神秘的面纱。以其中的对冲基金为例，其高回报及低相关性吸引了人们来研究它。 研究结果显示对冲基金的回报能提供的alpha非常有限，而有很大一部分是来自各种beta，我有一个帖子专门讨论了这个现象。除去少数明星基金，大部分对冲基金能取得回报的一个重要原因并不是因为它们能提供下行风险的对冲（protection on downside risk），恰恰相反，而是因为它们在市场下行的时候回报足够糟糕，也就是说它们对尾部风险（tail risk）的敞口很大。这与我们之前的认知不太一样，但符合因子投资的特征。 大家可能都知道股神巴菲特与另类投资公司Protege Partners之间的十年赌约吧。巴菲特在2008年初跟对方打赌说“an index fund will beat a fund of hedge funds over ten years”。那到目前为止（2014年）结果怎样呢？有“好事”者把两者做了一个比较，发现巴菲特建议的投资暂时领先（见下图） 进一步的研究发现，如果我们把指数基金降低杠杆并收取费用，我们竟然得到了与对冲基金同样的收益！（见下图） 另一方面，如果想要得到私募基金的回报，我们只有增加杠杆并收取费用即可。由此可见，另类投资行业经常把已知的beta当成alpha来推销。然而，随着因子研究的不断深入，人们对另类投资的理解也越来越深刻。另类投资已变得不再另类。 [重新审视Smart Beta] 在了解了因子与资产之间的关系后，我们现在再来重新审视一下Smart Beta策略，看看它们是不是有特别之处呢？回答是否定的。 研究显示这些Smart Beta策略其实都是某些因子的组合。比如，等权重加权法偏向于规模因子。这个很容易理解，因为这种加权法使小盘股获得与大盘股同样的权重。又比如，最小方差加权法偏向于低beta因子与低波动率因子。然而，等风险加权法与等风险贡献加权法更偏向于低beta因子和规模因子。 如下图所示，Smart Beta策略与上文中提到的其他因子策略同属一个均值-方差框架内，但正如上文中提到的，Smart Beta策略的着重点是风险，而其他因子策略的着重点是预期回报（risk-based vs. return-based）。不过，最后的效果是相似的，都具有某些因子偏向（factor tilt） 更令人意想不到的是，与Smart Beta正好反向操作的策略竟然也能赚钱。究其原因，原来这些反向策略仍就偏向规模与价值因子。即使是随机投资组合（random portfolio，即著名的“猩猩掷飞镖选股法”，在《漫步华尔街》一书中屡次被提及）也有类似的因子偏向（factor tilt，下图所示）。由此可见，Smart Beta策略能跑赢大盘就不足为奇了，因为它们承担了一定的因子风险。 既然谈到了均值-方差优化框架，这里就顺便提一下因子对准的问题（Factor Alignment Problem）。此问题的出现是因为在均值-方差优化法中的预期回报，风险与优化问题的约束条件（optimization constraints）三者所侧重的因子有时不尽相同（misalignment）。比如，在预测预期回报中使用的因子可能在风险模型中没有被使用到。当我们运用优化算法时，更恶化了这个问题，因为我们可能低估了那部分因子的风险，从而在使预期回报最大化的过程中，高估了与风险模型无关的那部分因子的预期回报。庆幸的是，Smart Beta策略和其他因子策略都只侧重均值-方差优化法中的一部分，从而避免了此问题。 虽然Smart Beta策略只是普通的因子配置，但它如此受欢迎有它的道理。我认为主要原因有下列几个： （1）美联储的QE大幅降低了固定收益类资产的回报，使得投资者不得不寻找其他投资门道来增加收益。 （2）08金融危机中的恐慌和之后美联储的QE都影响了市场对各种资产的真实定价功能，资产与资产间原有的联系减弱了。取而代之的是，大部分资产都随着美联储的货币政策起舞。“risk-on/off”模式使得传统的资产分散化投资（diversification）失灵了。 （3）投资者们仍然对08金融危机时财富大幅缩水记忆犹新，所以比起资产的预期回报，他们更注重风险的控制，更偏爱能控制风险的策略。 （4）08金融危机后，投资者希望在投资中减少人为操纵的因素，更偏爱透明度高，原理简单的投资产品。 （5）依照某些算法或规则产生的投资策略（rule-based strategy）可以**降低由于人们行为上的偏差（behaviour bias）而造成的损失。 （6）传统的对冲基金和共同基金的高费用一直受人诟病。 因此，这些主题明确，成本更低，且看上去能控制风险的Smart Beta策略在经过精心包装后迅速受到了大众的追捧。目前掌握着金融市场大部分资金的机构投资者（institutional investors），比如养老基金，大学捐赠基金，资产管理公司，保险公司等都在往这个方向发展，这股趋势对人们投资理念的影响深远。 [市场与因子风险溢价] 虽然因子投资有种种优点，但是，我们没有任何理论可以保证某一个因子策略可以始终跑赢市场。 事实上，我们经常看到的是这样的情形：某一个策略或资产在某一段时间内的表现持续地领先整个市场，通过媒体的报道和业界专业人士的包装，普通投资者们立刻对它们趋之若鹜。于是，这些策略中对应的资产价格井喷式地被抬高，预期回报大幅降低，直到泡沫破裂，重新回归长期均线为止。这样的例子比比皆是，比如90年代的增长型股票策略，08金融危机前的新兴市场策略，危机后的黄金，低波动率策略，高股息策略等等。 投资者持有资产时因为包含了风险因子才会得到风险溢价，用以补偿他们所承担的某一种系统性风险，我们知道风险溢价是随时间变动的（time varying），我们不知道何时能够得到补偿。这也是为什么股神巴菲特不断鼓励人们不要在意一时的得失也不要随意改变投资风格，而要做长线投资。只有这样获得溢价补偿才是大概率事件。巴菲特本人就用他大半生的经历来证明这个理念的正确性。如果我们用多个因子构造出一个投资组合，我们就可以利用它们之间稳定的低关联性等优点进行分散化投资，以避免上述单因子策略出现的损失。美国著名对冲基金AQR就巧妙地利用了因子的这些优点构造投资组合并取得了持久且不错的收益。 市场是个零合游戏（zero-sum game），任何异于市场的投资，必定有一个与之对应的反向投资，而它们在长期都将回归到市场这个动态的均衡点上（equilibrium）。任何想跑赢市场的投资策略（包括因子策略，择时策略等）只适用于一部分人，因为这需要另一部分人反向操作来支持他们。如果市场内的大部分人都采用同一种策略，那新的市场均衡点就形成了，投资策略也就失去了意义。这也是为什么包括对冲基金在内的另类投资在被大众熟悉后就失去了往日的光环。 有人担心如果市场上大量的资金流向指数基金和被动投资策略，主动投资的交易减少会导致市场失去发现资产真实价值的功能。我倒不这么认为，因为从本帖的分析中我们了解了，只有长期持有整个市场投资组合才是真正的被动投资。除此之外的其它异于市场权重加权的策略或指数都是主动投资，因为它们都具有某些因子的偏向。为了保持这些因子敞口，人们要定期地主动地进行再平衡调整（rebalance，即始终持有对某个因子偏向最强的资产，抛弃偏向最弱的资产）。只不过，主动投资的控制权不在投资者而在指数或ETF管理公司那里。无论如何，主动投资仍是市场中的大多数。 另一方面，传统意义上的主动投资（包括共同基金，对冲基金）从长远看并不会消失。尽管主动投资的表现不尽如意，收费也较高。如下图所示，以代表对冲基金整体水平的指数HFRX已经连续十年跑输仅由股票和债券组成的简单投资组合了 但是投资者们寄希望于将来能够选到更优秀的基金经理来跑赢被动投资，而且主动投资的参与者越少，能跑赢的概率越大，因此，投资者们仍然坚守着自己的主动投资仓位尽管有一些下降。投资者的这个看似愚蠢的决定其实是经过理性思考后做出的。 这就是主动投资与被动投资之间此消彼长的辩证关系，假设在极端情况下，资产的价格反映了所有信息，那么人们就没有动力去主动寻找新的信息。大家都被动接受信息的结果是整个市场没有信息。那么，这时候主动寻找新信息就可以占得先机。此关系可以看作是对有效市场假说（EMH）的一个注解。所以，完全有效的市场是不稳定的均衡点，永远不可能达到。市场始终处在半informative 半uninformative的状态，两者的人数多少取决于信息的成本和市场本身的结构。比如，在像中国这样不成熟市场中，由于种种原因使得获得信息的成本较高，从而使主动投资者更可能取得较高的回报。不过，随着市场的不断完善，获得信息的成本降低，越来越多的投资者会加入到被动投资的阵营中。 [结语] 总而言之，风险因子才是资产之间联动的根本原因，它描述了资产间某些共同特征。资产配置的实质是因子的配置。大规模的资产配置投资很难不涉及到某些因子敞口，而且，因子投资的特性会不断激励人们挖掘新的因子。随着资产定价理论的不断发展，我们不知道的beta会越来越少。 python派CTA量化技术
• 

  何为宽客？（金融衍生品的创造者）
  • wdg  

  1
  0
  Votes
  1
  Posts
  833
  Views

  

  一、何为宽客（quants）？ 宽客是现代金融市场的基础——金融衍生品的创造者。 另一种定义称：指一群靠数学模型分析金融市场的物理学家和数学家。他们相信数学的精确性是分析最复杂的人类活动的基础，还曾用分析神经系统的数学技巧来赚钱。 Quant的音译。金融工程师。他们将自己戏称为“矿工”。 什么是金融工程师： 金融工程的决定性要素是主持和操纵金融工程的人，这些人就是金融工程师。1991年国际金融工程师学会(International Association of Financial Engineers)的成立，既代表着金融工程学的正式问世，也代表着金融工程师这一特殊的群体已为社会所公认。由于金融工程要广泛涉及公司财务、证券投资、外汇交易、金融衍生品交易等许多领域，要求金融工程师必须具备与其所承担的金融工程职责相符的理论、知识和技能。 当然，职业无好坏，关键看个人的喜欢。以下我先对“宽客”（Quant）这个职业进行详细的分类介绍，以供希望成为“宽客”（Quant）的朋友参考。其细分为6种，分别是： a.交易模型Quant（desk quant）——开发直接被交易员使用的价格模型。 b.模型识别Quant（Model validating quant） —— 独立开发价格模型,确定desk quant开发的模型的正确性。 c. 研发Quant (Research quant) ——尝试发明新的价格公式和模型。 d. 程序员(quant developer) ——写代码或者调试其他人的大型系统。 e.统计套利Quant（Statistical arbitrage quant） ——在数据中寻找自动交易系统的模式(就是套利系统). 这种技术比起衍生物定价的技术有很大的不同, 它主要用在对冲基金领域。 f. 风险管理Quant（capital quant） ——建立银行的信用和资本模型（巴塞尔II银行协议） 以西蒙斯为代表，华尔街的一个隐秘群体曝光于天下：他们曾是象牙塔内的读书种子,顶着物理学家和数学家的光环，却相继转战华尔街，以数据与模型寻找市场机会并大赚其钱。这些被称为宽客的人，被有些媒体称为金融危机的罪魁祸首，股神巴菲特曾直言：小心这些会算术的人. 二、宽客的研究经验 ● 深度分析的好处。一个最伟大、第一流的宽客会将他们解决问题的系统化思考方法带入投资过程。 ● 风险的准确度量和错误度量。一个好的量化交易策略是鼓励主动承担一些风险纪律严格的宽客都会精确划定自己所能接受的范围，并将承担的风险限制在这个范围内。 ● 严格遵守纪律。在经过设计和严格测试以保证交易策略符合经济规律并且能够有效工作之后，宽客都会让模型自动运行而不受不必要的随意干扰。 三、量化交易策略基本结构 阿尔法模型：宽客准备交易的金融产品未来走势，以期获得投资回报； 风险控制模型：限制宽客风险敞口规模，这些因素可能不是产生盈利而是招致损失。 交易成本模型：辅助决定为了构建投资组合而产生交易后所发生的成本，因为交易者将现有的投资组合变成新的目标投资组合时也会产生交易费用。 投资组合构建模型：在追逐利润、限制风险和相关成本发生之间做出平衡，然后给出一个最优的目标组合。 执行模型：交易系统再将现有的投资组合与新建的目标投资组合进行对比，两者的差异就需要通过交易来消除，这个任务就交给执行模型来完成。
• 

  在量化交易方面，美国究竟比中国领先多久？
  • wdg  

  1
  0
  Votes
  1
  Posts
  744
  Views

  

  量化投资领域，中国不仅是本行业的技术储备不如欧美，而且实际上，量化交易经常运用各行各业的最先进科学模型来开发策略（eg. FBI用的人脸识别模型，NASA的空间物理模型、地质勘探的地心引力模型等)。这为量化交易提供支持的整个泛行业科研科技储备也落后于欧美。曾面试中国量化交易基金经理，感觉在本土化上具备很强优势，但研究水平和视野开阔度，比起外资同行还是稍逊一筹，这不光是能力问题，更多是技术环境问题。和其它交易策略不一样，量化交易不是纯粹靠交易天分市场直觉（但很重要，常能激发策略灵感）、而是很大程度靠科学研发能力（large scale research) 和技术水平（hardcore technologies）。 谈到这里，就简单说下量化交易的策略研发方法。 第一类，传统策略量化。很久前，交易员们就开始做趋势策略、反转策略、剥头皮策略、造市策略等各种不同风格的策略，只不过那时是手工操作，或者半自动化。随着市场发展技术成熟，量化交易把这些策略的研发和执行自动化了，从而提高了研发效率和水平、降低了交易成本，较大程度的排除了人的不稳定因素。这类交易，可以说是利用技术来提高原有策略的研发和执行，并在交易频率和规模有了变化，但本质上并不算崭新的策略类别，以前赚钱策略的也许能赚的多一些，亏钱的策略，量化也不能把他变成赚钱，这就是「思路错了量化也救不了你」。 第二类，科学技术驱动策略。是纯粹或很大程度上基于技术(technologies)差别的策略。这类也有一定历史，但真正变成一个庞大引入注目的策略类别，则是近10年计算机技术的飞速发展过程中产生的。常见的情形是，某机构因为采用的算法效率更高，计算机硬件更强大（超级计算机），产生了细微的速度和计算优势，从而在交易上抢的先机，并运用自动化交易频繁交易大量产品，用巨大的交易量产生稳定的收益。这类策略，IT技术和科学模型起了很关键的作用。这就是「技术就是你的思路」。 较早开始高频交易的Tradebot 是这类策略的典型运用者，在2002年就达到了每天一亿个订单，差不多在那个时候很多传统做市商被Tradebot 和 Getco 这样的新型电子做市商挤出市场，后来Tradebot 和 Getco 一路用技术碾压其它电子做市商竞争对手。在2005年, Tradebot 剥离了 BATS Global Markets，也就是现在美国第三大股票市场BATS。而1999年Tradebot 刚成立时，工作室地点是美国农村Kansas City的一间小地下室，里面阴暗潮湿，只有5个交易员坐在电脑屏幕前监控交易，那时每台电脑上都配备了一套叫着“Tradebot”的软件。而Getco 对策略的运用更广，野心更大。2012年，也是老牌做市商的 Knight 因技术故障，向纽交所发送大量错误order，导致公司巨亏4.4亿美元，股价两个交易日暴跌七成，被Getco以18亿美元价格收购。 　　人们常对西蒙斯文艺复兴的大奖章基金长期持续的高回报印象深刻，而实际上不太为媒体所知的是 Tradebot 常年保持每天（而不是每月或每年）盈利，not even one single losing day，原因是文艺复兴有很多新基金要向外部投资者融资（赚钱的大奖章很早停止了外部融资，而实际新基金表现比大奖章差很多），需要做一定程度的IR，而 Tradebot 不对外部投资者开放，自己低调赚钱，这也是HFT很普遍的特点。 如果不是市场几次出现大动荡，HFT被揪出来当替罪羊，媒体口诛笔伐，基本是没有多少人知道这个低调的类别。 第三类，新型量化策略。则是得益于计算机技术的发展，慢慢发展起来的策略，它不完全是基于执行的技术优势，更多是利用技术研发出新策略。例如统计套利，需要较多计算机计算资源进行数据挖掘模式识别，这在以前仅仅靠人力是难以胜任的，IT技术的发展和成本的降低使得这些策略的研发得以可行。这就是「技术产生新策略」。 量化投资这个行业的科技含量之高，使得它不仅招聘了大量数学博士、物理博士、计算机博士来利用其它学科的最先进技术和科学模型，同时不少研发出的模型和促进的技术进步，也反哺其它传统行业。最明显的是显卡和GPU的飞速发展，一定程度上是受到高频交易对巨大计算能力需求推动的。世界上有很大一部分超级计算机，除了呆在物理实验室，还在对冲基金里。 我们究竟落后在什么地方呢？ 1， 交易市场的落后：包括交易品种、交易的微观数据、交易市场的不完善，具体举例来说，交易品种我们连期权还没有；交易的微观数据国外交易所是可以达到分笔的级别，而我们是每0.5秒撮合完成后截面推送；交易市场本身是垄断行业，除上海深圳股票交易所以及四家期货交易所外没有二级市场交易所，而且交易所间交易品种相互独立，不存在竞争性；同时杠杆交易、做空等等交易机制也非常不完善；更不要提市场本身存在着的内幕交易行为。导致的直接后果是很多量化的思路根本无法实现。 2，交易理念的落后：大多数量化交易人员的思路还是K线如何走出形态后追趋势的阶段，本质上来说，还是处于用量化方法驱动主观交易逻辑的层次，量化的意义只是让交易更客观、更少受到人为影响；真正的用较大算法难度的统计模型驱动的高等级策略市场上其实很少很少，大多都是国外回来的团队在操作。 3， 交易经验的不足：国内量化交易的起点可以视为股指期货的上市，现在量化交易的主要阵地也是这里。但股指期货只有短短不到4年的时间，本身样本也太少了。。。 作者：量化投资Quant 链接：https://xueqiu.com/5256769224/79674815 来源：雪球 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
• 

  量化交易2.0版:人工智能崛起
  • wdg  

  1
  0
  Votes
  1
  Posts
  893
  Views

  

  尽管巴菲特在1987年给投资者的信中说：“在我看来，投资的成功不会由晦涩难懂的公式、不会由计算机程序或者股票市场闪动的价格信号来产生”，如今机器已经在金融市场中起到极为重要的作用。2015年创建的对冲基金中40%依赖于计算机模型做投资决策。对冲基金和银行们正招聘越来越多的数据科学家。高频交易公司也在计算机的速度和效率方面竞争激烈。 在量化交易1.0版本，模型是“静态”的，因为交易策略是被事先编程的。举个例子，“动量策略”在一个时期内效果非常好，但在下一时期可能效果不佳。真正的智能机器会在市场进一步发展之前观察到市场异常，而且交易策略本身会随着信息的变化而动态变化。 2010年Scott Patterson的书《量化交易员：击败华尔街的数学天才们》是关于交易方法历史演变和金融危机中金融衍生品的故事。而Patterson去年的新书《暗池: 高频交易，工智能土匪，对全球金融系统的威胁》提到，市场上的人工智能 – 机器人从网上各处搜集信息并且自行智能交易 – 使读者害怕的是金融市场将在机器人控制下运行，而不受人类控制（“算法回避”认为：即使清楚的认识到计算机算法的预测比人类更加好，人类还是更信任人类预言家）。机器人具有远超人类大脑的思考能力，它们能够在市场中自动交易吗？而且为什么智能机器仅仅控制金融市场，而不是我们生活的所有方面？如果马克扎克伯格成功地创造了智能虚拟助理，那我也想要一个。 量化对冲基金，如Renaissance Technologies（文艺复兴），D.E. Shaw和Two Sigma（以上均为知名量化对冲基金）多年来一直在使用人工智能策略。考虑到他们的管理层的背景，这并不奇怪。 在成为文艺复兴的联合首席执行官之前，Bob Mercer和Peter Brown在IBM公司开发了语言识别程序。在联合创立Two Sigma之前，David Siegel从麻省理工学院获得了计算机科学博士学位，他就是从AI实验室出来的。 David Siegel在去年的一次会议上说，“投资世界面临的挑战是人类的思想没有变得比100年前更好，使用传统方法的人很难用人脑中应付全球经济如此之多的信息、最终，这样的时刻将会到来：没有人类投资经理能够击败计算机。” 许多基金早就在这个领域的闷头努力，但随着人工智能在过去几年为大家关注，有更多的活动和收购消息能够公开查到。Ray Dalio的Bridgwater（桥水），世界上最大的对冲基金，挖走了David Ferrucci – 2012年IBM人工智能事业部Watson的领头人（Waton在电视智力竞争节目Jeopardy 中击败了人类选手，AlphaGO也击败了世界围棋冠军）。去年，BlackRock（黑石）和Two Sigma聘请了两个前谷歌顶级工程师。 新的进展来自于机器学习的应用，特别是深度学习。机器学习简单来说就是计算机可以自己学习和行动，而无需事先编程。深度学习是以一套基于算法的机器学习的分支，这套算法通过使用多个具有复杂结构的处理层，试图对高级抽象数据进行建模——从本质上来说就是训练大型识别数据模式的虚拟神经网络。深度学习赋予了计算机人类水平的能力，例如识别图像、口语以及人类语言的语义。IBM的Watson在许多案例中都比人类医生更能更好地诊断出癌症，Facebook的DeepFace技术在识别使用者的照片中识别面孔的能力跟人类几乎差不多。Anthony Ledford是量化基金MAN AHL的首席科学家，他说在探索深度学习在交易中的应用上，他们还处于早期阶段： “我们留了一些钱来做深度学习的交易测试。如果一切顺利，就会进入测试交易阶段，跟其它机器学习的方式一样。” 有一些新的聚焦人工智能交易的玩家进入了金融市场，比如旧金山的Sentient，纽约的Rebellion Research和香港的Aidyia。2016年底，AI研究员Ben Goertzel在香港的公司Aidyia建立了一个基金，这个基金所有的交易都使用AI。Aidyia被认为有一个非常激进的方法，它使用了进化程序、概率逻辑以及混沌学。在一篇《MIT Technoloty Review》采访中Goertzel说道： “我们的系统采集了各种输入信息，包括世界各地交易所的价格和交易量、不同来源的多种语言的新闻、宏观经济和公司财务数据，以及其它等等。系统会研究这些因素在历史层面上的相关性，并且学习到一种成千上万个预测模型的集合，这些预测模型能够给出预测结果。” 每天AI机器人们都会对市场的方向做出预测，并且做出最佳行动的决定。 sentient商业预测 去年JP Morgan的对冲基金业务Highbridge Capital Management开始与Sentient合作创建AI策略。Sentient在资金方面获得1.43亿美元的支持，完全通过AI进行操作；在算法上，它使用了进化学习，生成了数万亿种专业程序，这些专业程序称为代理（agent）。Sentient说使用进化学习，你便能够创建虚拟量化交易员，使用历史数据测试他们的表现，而这些虚拟交易员会相互竞争，一些能够实际部署的聪明交易员便留下了——AI交易员的适者生存。Sentient AI负责供应创建投资策略的信息数据、决定使用什么工具、用什么订单类型、购买什么资产、并对什么时候要退出当前仓位做出决定、降低风险暴露等。虽然当前使用进化计算，Sentient在深度学习算法中看到了希望。Sentient的首席科学官Babak Hodjat是Siri的创始人，Siri后来被苹果收购。他认为进化学习和深度学习可以结合起来，同时他还说“你可以不断进化改进深度学习中使用的权重……你也可以不断进化深度学习算法本身的架构。”这被叫做神经网络进化——使用进化算法来构建更好的深度学习算法。 但是这种热情不是所有人都有。David Harding 是Winton资本的执行总裁，他对于新兴的对AI和机器学习的兴趣表示怀疑，他说“如果我从Winton的角度来说，我会说那或多或少就是我们过去30年所做的事情。”关于深度学习的使用也有一些不同意见，Aidyia的Goertzel提出，极度嘈杂的金融市场，和深度学习十分有用的环境是非常不同的——识别实时交易数据的模式和识别人脸是完全不同的。他还补充说：“如果每个人都在使用某种方法，那么市场本身已经priced in了。”知名投资经理和金融博主Ben Carlson持有同样观点： “如果有人都找到了某种有效的方法，不仅其他基金会迅速跟进，金主投资者也会迅速砸钱进来，造成方法失效。很难想象市场不被套利行为迅速拉平。” 在金融世界，仅仅是聪明远远不够，因为市场本身factor in或者模仿你天才思维的速度极快；如果你想比其他参与者有优势，那么你需要以一种不同于其他参与者的方式“聪明”。 但是我们如何能与有能力以光速处理大数据的计算机竞争呢？当俄罗斯国际象棋大师Gary Kasparov和IBM深蓝超级计算机对战，他不只是对抗深蓝本身，他正在对抗的是在他之前的所有伟大的象棋玩家。市场有了人工智能，从每个可想到的来源扫描数据，计算机以远远超出人类思维维度的能力分析数据。人工智能可以同时观察世界一角的降雨模型和农业产出、另一角的航运模型、社交媒体对特定公司评论中的情绪、发展中经济体的坚韧诉讼、在模式出现之前很好地找到它们。在《Dark Pools》一书中有个人工智能程序，这个程序生成对苹果股票的预测：该系统可能跟踪所有关于苹果公司的博客内容、行业专家的言论、从中国出境的运输数据和制造手机的工厂、就业网站所测量的具有苹果公司工作经验的员工找工作的数量（这个数量增加了可以表示裁员，因此可能盈利不及预期）、SEC文件、专利申请、零售数据和社交媒体评论。目标是在公司上市之前预测公司绩效，或者甚至比公司管理层更加领先意识到发生了什么事情。 理解市场对于即使是最有经验的玩家来说也是一个令人头晕的挑战，并且对于早期使用计算机来做此事也同样是困难的。但技术正以惊人的速度发展。我不相信基金经理会因技术而灭绝，但我相信对于处理数据模型和辅助投资决策，人工智能将是增强投资过程的无价工具。要成为赚钱的投资者，你需要正确的信息，你需要控制情绪做出合理地分析，并且对你的信息采取有效行动，你需要在正确的时机做出决定(timing)。 这是人类不如计算机的地方。 我们的算法变得越来越复杂，并且它们在投资过程中的重要性持续提升。未来的市场会是什么样子呢？ 更大的问题是，我们的世界会是什么样子？
• 

  国内交易平台性能比较
  • wdg  

  1
  0
  Votes
  1
  Posts
  708
  Views

  

  对于期货交易机构投资者特别是程序化交易者来说，交易平台的性能速度往往是决定成败的最关键因素之一。比别人更快一点，哪怕是一二毫秒的优势，不少投资者也愿意付出几十万一年不菲的系统投入成本。原因很简单，值得投入。 那么市场上决定交易性能速度的因素有哪些，而交易平台之间性能差别有几何呢？ 决定交易性能的因素有几点： 1、交易服务器是否是靠近交易所中心机房？目前上期所主要是张江机房，期货公司也租赁建设了服务器托管中心。中金所新建机房是外高桥机房 ，张江数讯新建机房也开始投入使用。 2、期货公司托管机房条件如何？不同期货公司的机房条件略有差别，看投入情况，表现在服务器硬件，网络设备，带宽条件等。 3、网络环境如何？一是投资者公司到期货公司托管机房间是通过网络专线还是公网连接，二是如果是跨市场交易，如外盘、黄金白银T D，还要看连接间的网络条件。 以上3点可以说是硬件环境，在大家都采用服务器托管模式下，各期货公司间的差别不是很大。于是再看交易平台之间的性能差别：国内交易平台，即柜台系统厂商主要有老牌的金仕达、恒生、上期的CTP、郑州的易盛、大连的飞创、中金所的飞马、飞鼠7家，其中CTP是程序化交易接入最普遍，大家比较速度性能也基本以此为准。中金所的飞马刚刚上市还不成熟，仅限于做中金所品种，有待观察。易盛、飞创、恒生、金仕达不以性能速度见长，程序化交易者少有接入应用。另外就是飞鼠平台，特别需要提一下，他们是一家新型 的技术交易平台厂商，类似CTP、易盛等同样以独立席位直连国内4个期货交易所，因其核心架构小的特点，同环境下相比CTP具有较明显的性能优势。以一家排名前列的某期货公司实盘测试数据来看，从行情触发到中金所拿到委托回报一个来回平均快0.8毫秒，上期所快1毫秒。对于程序化交易的投资机构来说，飞鼠这样的小平台可以独立采购独享应用，在交易环节报单可直接到交易所，CTP则需要报单轮偱排队再发到交易所。快0.5-1毫秒的优势实际效果从成交量和滑点成本数据来看将显得比较明显。
• 

  量化交易在国内发展空间巨大
  • wdg  

  1
  0
  Votes
  1
  Posts
  777
  Views

  

  1月15日，由银河期货主办、方咏投资（上海）有限公司协办的“2017金融衍生品投资及全球资产配置峰会”在深圳举行。与会嘉宾表示，量化交易借助其强大信息处理能力，克服了主观交易的缺陷，使得投资更具有稳定性，在中国存在广阔的发展空间。 “量化投资在海外发展有30年的历史，其投资业绩稳定，市场规模和份额不断扩大，得到越来越多投资人的认可。事实上，量化投资在国内并不新鲜，但是真正的量化基金在国内的发展还处于初级阶段。”深圳禹舜资产管理有限公司总经理程天勇表示，量化投资在中国的总投资中占比不到1％，存在着巨大的发展空间。 那么量化投资相比较主观投资的优势在哪里呢？程天勇进一步表示，主观投资中存在最大的问题是人存在的贪婪和恐惧，而量化投资有效地解决了这种问题。“它利用先进的数学模型代替人的主观判断，借助系统强大的信息处理能力，使投资更具稳定性，极大地减少投资者情绪的波动，避免在市场极度狂热或悲观的情况下做出非理性的投资决策。” 纯信资产管理有限公司总经理、投资总监金焰表示，量化投资运用广泛，可以运用在如股票、商品、期权等多个领域。“比如CTA策略是做趋势跟踪，只要你抓住了市场价格的趋势，就能从中获利，CTA策略非常适合采用量化模型的方式操作。” 他解释说，促使市场中趋势的建立和发展的原因主要有三个。具体来看，一是宏观经济政策对市场中长期的发展起到推动作用，例如央行增息、减息的行动。二是行为金融学里的从众行为，人类的本性决定了个人会采用与多数人一致的决定。三是行为金融学里的反应不足与过度反应，当新的信息进入市场的时候，投资者通常是采用谨慎的态度，造成反应不足。而当市场价格已反映了新信息的时候，晚入市的投资者往往会继续沿同一方向推动价格，造成过度，这都使得价格呈现出趋势。“CTA策略是做趋势跟踪，它的特性使得量化交易成为投资者最佳选择，因为投资者将自己的主观想法带入模型之后，很多机会就难以把握了。” 量化交易运用数学模型、借助强大的信息处理能力，避免人的主观判断，使得投资更加稳定，那么量化模型到底是通过怎样的流程运作的呢？ “很多市场交易数据可以通过公开渠道获得，但是面对海量数据，投资者如何挖掘有用的信息，这是关键的问题。大家在购买股票之前观察其估值、成长性以及过去的波动率等要素，但是市场上有3000多只股票，将合适的股票筛选出来仅仅是第一步。选好股票之后按怎样的比例进行资产配置，这是管理更大规模资产时一定会遇到的问题。”程天勇说，“量化交易就是利用科学化的管理工具将数据进行梳理，通过对市场交易数据、宏观信息、财务信息进行因子计算，将其划分为基本面因子、一般预期、情绪因子，之后再进行收益归因分析和风险归因分析。量化系统将海量的数据整合，使得市场信息一目了然。” 深圳市金不落科技有限公司一直专注于量化投资模型和交易策略的开发和管理。据公司总经理吴才彬介绍，整个量化投资模型可以分为三个系统，分别是模型测试系统、模型交易系统和模型风控系统。“拿股票举例，首先利用模型测试系统计算所有股票的交易数据，根据模型收益数据决定所选股票，模型选股后交给程序自动下单。然后，模型交易系统根据所选股票重新选择下单模型，不考虑历史数据重新起值，用下单模型入场自动交易。最后，模型风控系统给每个账户设入场的初始仓位，对实盘记录与初始仓位进行分析，重新设计仓位。这三个步骤涵盖了利用量化模型选择股票的全流程。”
• 

  量化交易模型真的非老不可？
  • wdg  

  1
  0
  Votes
  1
  Posts
  794
  Views

  

  文/新浪财经专栏作家 谭昊 量化交易者面临的真正挑战——你知道你的模型终有一天会老，但是永远不知道是哪一天。同样的模型，前两年能够赚到丰厚利润，但是今年却赚不到钱，甚至亏损幅度不小。模型老化当然是最合理的解释。 一个模型短期表现不佳，到底是真的老了，还是短期跟你耍耍性子？一个模型短期表现不佳，到底是真的老了，还是短期跟你耍耍性子？ 　　红颜一定会老吗？这个问题令人不忍直视——答案越是确定，越是不忍面对。 那么，换一个问题，量化模型一定会老吗？ 这却是每一个量化交易者必须赤裸裸直面的问题——即使冬天来了，你总不能把自己的头埋在沙子里只露出屁股。 上期我的专栏中写到，这就是量化交易者面临的真正挑战——你知道你的模型终有一天会老，但是永远不知道是哪一天。 那篇文章引发了很多有意思的讨论，这期我们继续深入。 先来看一个现实中的例子。 国内量化交易圈子里有一家起步比较早的公司，叫做首善财富。以做股指期货的日内程序化交易为主，业内人士告诉我“前两年的业绩非常漂亮。” 事实上，在首善财富的官方网站上，有一只“首善对冲基金1号”的净值记录能验证这个评价。数据显示，该产品2012年6月15日成立，净值1元，随后一路稳步上扬到2013年2月22日，1.59元——这个成绩可以说相当理想。 但是，上述人士话锋一转，说，今年，首善财富的业绩遭遇了滑铁卢。 这个滑铁卢可以从其官网上的另一只产品净值看到端倪。网站显示另一只名为“华安基金[微博]-首善财富量化1号”的产品，介绍里写着“股指日内量化交易(非高频)”。数据显示，该产品2013年5月23日成立，净值1元，到8月23日，净值为0.85元。也就是说成立后的三个月，亏损了15%。 而上述人士透露，他了解的情况，其实今年首善管理的一些产品的亏损幅度已经接近30%。“很可能是原来的模型老化了。”他最后评论道。 同样的模型，前两年能够赚到丰厚利润，但是今年却赚不到钱，甚至亏损幅度不小。模型老化当然是最合理的解释。 先不做展开讨论，我们再来看另外一个例子——我曾经在之前的专栏中介绍过乔尔的神奇公式。自1985年成立以来至2005年，乔尔领导的哥谭资本(Gotham Capital)创造出了从700万美元到8.3亿美元，年均40%回报率的投资奇迹。而且几乎没有动用杠杆。 他操作建立在神奇公式操作法的基础上，神奇公式法其实就是一个简易的量化模型，操作方法如下： 把全市场的股票，按照有形资本回报率从高到低做一个排名，再按照净收益率从高到低做一个排名。两个排名相加，就得到了神奇公式的排名。 然后，把排名前三十的股票作为一个股票篮子，平均买入即可。 买入之后，持有一年。然后再更换新的前三十名。 有人按照此方法，分别在美国和中国市场严格量化测试，得到如下结果。 从1988年到2004年，神奇公式在美国市场的表现如下：年均收益率高达30.8%，17年时间积累收益达96倍；同期标准普尔500指数的表现为12.4%，累计收益仅有7.3倍。 从1996年4月30日到2011年4月30日，神奇公式在中国市场的表现如下：年均收益率高达32.2%，15年时间积累收益达87倍；同期上证指数的表现为11.71%，累计收益仅有5.88倍。 看起来非常漂亮。但是，乔尔也不客气地指出了神奇公式的命门。 “神奇公式在每12个月测试期间，平均有5个月表现不如大盘。以一整年为计算期间，神奇公式每4年有1年无法打败大盘。每6年为一单位的测试期间，神奇公式有一次连续2年表现不如大盘。神奇公式测试的表现优异17年间，甚至会有一段时间连续3年表现不如大盘。” 连续3年表现不如大盘——这意味着，如果你依照神奇公式做一个量化对冲基金，你将遭遇连续3年的亏损。 试问，你能扛得住吗？ 一个模型短期表现不佳，到底是真的老了，还是短期跟你耍耍性子？ 我只能说，这个问题，比女人的心思还难猜。
• 

  关于交易和量化，一篇真实而且三观正的访谈
  • wdg  

  1
  0
  Votes
  1
  Posts
  905
  Views

  

  这是一篇访谈，没有讨论具体方法，但是非常真切的感受，对于交易的观点中正平和，刚刚看了忍不住转给大家看看。 能用加法赚钱，我绝不用乘法–转自 交易门 2013年12月的一天，巍子走进香港科学园的太平洋咖啡。他要见一位14岁就考入清华的、传说中“量化交易做得很牛”的大师兄——W。 巍子浓眉大眼，穿着套头衫和牛仔裤，戴黑边眼镜，学生味十足。 W衣着朴实，拎了一个边上已经磨破皮的包，随身带了两个手机。其中一只是看上去型号很古老的诺基亚小手机。 从香港取得电子工程学博士学位后，巍子加入一家科技创业公司。他所在团队核心成员十几个人，做出了全世界第一个基于TD-LTE协议的4G手机芯片，并在上海世博会上成功展示。 当时团队的合作方是急于推动4G的中国移动。移动的高层曾抛下话说，如果不是巍子所在团队推动，中国4G时代还要迟两年才到。 巍子打心眼里为自己做的事自豪。 顺境中的公司曾是资本追捧的宠儿。一度，大家都热血澎湃，认为上创业板是板上钉钉的事。但管理层过于急迫，想要通吃整个产业链，团队很快在细节执行出现诸多问题，加上竞争对手迅速追赶，公司资金链很快吃紧。 本来“无限接近于成功”的创业团队开始苦苦挣扎。巍子的事业落入低谷。他琢磨着转型。他想过回高校教书，还研究了一下当时很火的可穿戴装备行业。 就在这节骨眼上，一位朋友找来，说这位做量化交易的清华大师兄，想咨询下系统方面的问题。 巍子在咖啡馆跟W聊得很投缘。听说巍子硕士、博士做信号处理，时间序列分析，现在在创业公司做芯片，对低延时系统经验丰富后，W说： “我们公司也需要Ph.D，不如我给你一些数据，你看能做出什么模型来？” 量化交易——尤其是程序化交易，要求做的人“两条腿走路”：一方面要懂技术，另一方面也要懂算法。巍子在技术和算法上都算有积累。他掂量了下眼前的这个机会，暗自告诉自己不能错过。 那几天是香港圣诞节假期。巍子拿到W给的数据，熬了两个通宵写程序、做实验，用了信号处理、机器学习等好几种方法对时间序列进行分析，做出好几个模型。巍子又花一个白天的时间，写了几十页长的报告。 巍子想尽快把结果交给W，因为金融数据有时效性。还有，他做事一直比较追求完美主义。“如果人家说我靠谱，那就是对我最高的评价。” 现在回头看，巍子觉得当时写的模型“屁都不是，小儿科得不得了”，但多少能体现他的研究态度。 刨根问底 2014年，巍子从香港回到内地，加入W创办的量化交易团队，成为第22号员工。 公司研究团队的同事基本都有博士学位，有的搞过癌症研究，有的曾研究火箭发动机，有的发过Nature/Science，还有海归的教授，但都清一色的低调、谦逊。 巍子打心眼儿佩服W。80年代初，14岁的W以优异的成绩考上清华，毕业后公派到英国读博士。后来，他做过咨询，创办过好几家公司，公司上市或者被上市公司收购。财务自由之后，W在毫无金融背景的情况下，又凭着聪明和悟性玩起了量化交易。当时近50岁的W亲自写程序。 他写的好几个策略到现在都还赚钱。 在巍子眼里，W为人朴实，对手下厚道，有情怀，“特别喜欢聪明的小孩儿”。他说过一句让巍子印象深刻的话：“别的公司的人买不起房，但我们公司的人不能买不起房。” 作为福利和激励机制的一部分，公司设立员工基金，每个正式员工都可购买，让同事们分享公司成长的成果。巍子记得员工基金曾经在很短的时间涨了超过10%，同事们群情激昂。 然而公司也有“原始”的地方。 刚加入团队，巍子吃惊地发现公司还在跑W很多年前用Fortran语言写的策略代码。 “这是历史遗留问题，老板只会Fortran，他的Coding Style非常差，一看就不是写程序出身的。”巍子说。 巍子过去十多年都用C编程，他一边学Fortran，一边把公司所有的策略标准化、整理了一遍。 巍子之前接触金融并不多。刚刚加入公司时，他连什么是“期货”、“期权”都不清楚，一些金融量化群里别人讨论的名词他也看不懂。于是，他会马上Google或百度。有时Google一个名词时，会遇到新的不懂的名词，他就一层层往下钻，直到把问题彻底弄明白。 那段时间巍子每个周末都泡在图书馆。公司马上就要开展期权业务，需要巍子加入。他买了John Hull的《期权、期货及其他衍生产品》来学习。 仗着数理功底还不错，中英文对照看，巍子花两个星期看完了这本“期权圣经”。 巍子在期权组那阵子，公司业绩出现了比较大的回撤。巍子心里着急，用业余时间开始研究期货的模型。随后，他被调到期货组，慢慢开始负责公司的期货团队和相关策略。 2015年股灾期间，巍子主要做日内交易。那几个月，市场微观结构每天变化都很大，巍子像打仗一样忙碌，要随时调整模型，迅速解决模型在实盘中遇到的问题。 7月初的一个早上。中证500的股指期货，由于交易所大幅提高保证金，流动性变得很差，开盘的时候，先一个涨停价，接着一个跌停。“IC（中证500指数期货）波动20%，我脸都吓绿了。” 巍子一看不对，赶紧把策略停掉。“如果做反了，20%就没了。还好那个时候还做对了。” 在股灾动荡的环境下，公司取得了不错的成绩，虽然很累，但巍子很有成就感，也很自豪。 基本面一定要懂 不过巍子很快就对日内交易失去了兴趣。“翻来覆去就那些东西，基于市场微观结构，诸如此类的，也翻不出什么花样。你生成不同模型，顶多是信号点分散点而已。” 寻找突破的巍子开始研究中低频策略。他很快就发现Overfitting无处不在（过度拟合，指在设计一个统计模型时，使用过多参数去拟合数据。一个荒谬的模型只要足够复杂，是可以完美地解释样本内数据，但此类模型对样本外数据解释度极低）。 巍子用时间序列分析的方法，常常找出来看似相关性很高的因子，拿来组合，发现曲线很漂亮，夏普比率达到5或者6。 “当时觉得好happy，结果放实盘一看，怎么就是个随机波动啊。” 巍子开始反思，他发现很多时候统计找出来的因子是“相关”，并不是“因果”。不从因果出发，策略就站不住脚。 “如果你发现昨天上涨了，今天上涨概率大，就做出一个模型，历史数据回测相当好。但其实你只是找出了一个相关性，并不是一个因果。你不知道这个因子什么时候就失效了，因为这类因子本质上是没有逻辑的。” 另外，哪怕是使用样本外的数据，也不是真正的样本外。历史数据来区分样本内、样本外，本来已经暗含了过度拟合。只有真正把这个模型提交了，拿市场的数据跑出来的，这才是真正的“样本外”。 一位做外汇的朋友告诉巍子，自己用3年的数据做回测，机器学习的方法比传统方法好。巍子建议说，那你不妨再往前3年看看？结果再往前3年，果然就很差。 “你怎么保证接下来实盘是过去3年，还是过去6年的行情？” 巍子觉得机器学习在有些领域很好用，比如下围棋。但金融数据很有局限性，样本点不够多，市场信息完全不对称。因此机器学习很难取代主观交易。 2016年很火的那波“黑色行情”（指黑色矿产及相关产品，包括螺纹、热轧、铁矿石、焦炭、焦煤和动力煤等）期间，巍子亲眼见到很多人用深度学习、机器学习方法做出来的策略，前11个月赚了不少钱。 结果11月11日夜盘，国内商品期货上演过山车行情，多个品种短短十几分钟从涨停到跌停。从那天起，之前的长趋势结束，开始出现宽幅震荡。 “趋势跟踪策略最怕这种震荡市，你觉得趋势走出来了，刚开始做多或者空，趋势又回去了。各种Fancy（花哨）的方法做出来的模型，都是在回撤，基本就是狂亏钱。” 价格只是结果，并不是原因。巍子走了很多弯路，慢慢摸索，深深体会到做策略，一定要有逻辑。而逻辑从哪里来？ 巍子思考的结果是：基本面。 他说：“我们做期货，但很多人连焦炭、焦煤是什么都不知道。铜锭长什么样没见过。螺纹钢是圆的还是扁的都不知道——在期货大佬眼里，这些人都是韭菜。” 巍子决心打入期货界各个品种大佬的圈子，向他们学习。 这些大佬很多都有现货背景的，有的做螺纹钢，可能就是钢厂出身的，做煤炭的，可能下过井。他们非常了解产业链的逻辑，这正是巍子要补课的。 刚进大佬们的微信群时，谁也不认识巍子。他采取勤发问、砸红包的模式跟大佬们搭讪。大佬们说的东西，他不明白时，就私下去问。 “你一定要会问有价值的问题，而不是白痴问题，否则就是浪费人家的时间。” 有时大佬会说，最近的行情，仿佛跟历史某一段挺像。但是大佬不会做回测，不会做历史上异常情况的分析——这恰好是巍子的强项。 巍子从大佬那里学到基本面的逻辑。这些逻辑又成为他建模的出发点。 拿去年焦炭焦煤那波行情来说。巍子了解到，从9月开始，整个焦炭的库存是零。焦化厂生产出来焦炭，车在门口排队，生产出来就拉走。 “从供求关系来看，产量那么低，需求那么大，现货高高在上，期货还在贴水。期货N个涨停都赶不上现货。那个时候就做多嘛。” 量化只是手段 自从加入团队以来，巍子先做日内，再做日间，先做期权，再做期货，从量化，再到基本面，他的路越走越宽。 巍子不喜欢“量化原教旨主义信徒”，很多做量化的团队，讲起各种理论、模型滔滔不绝。他是实用主义者，他相信赚钱不分三六九等，并不是说量化赚钱就“高级”，手动赚钱就“低级”。 “能用加法赚到钱，我绝对不用乘法，更别说微积分了。” 过去一年多以来，巍子对各种期货品种的基本面，以及它们之间的逻辑越发了解。 产业界大佬给巍子的启发是，要做相对价值，而不是一味地做“做两根均线”（泛指简单技术指标的趋势跟踪类模型）。“你低级的两根均线，还是高级的两根均线，还是Deep learning的两根均线，没有区别。” 比如，因为螺纹钢的原材料就是焦炭和铁矿石。那么与其做它的绝对价值，不如做相对价值。钢厂的利润可以通过焦炭、铁矿石算出来的。利润足够高，肯定很多钢厂都会复产，供应多了，利润自然就会下来。钢厂都亏本，大家没法活了，开始减产，供应少了。首先螺纹钢价格会上涨，螺纹钢上游，铁矿石焦炭需求少了，铁矿石和焦炭价格下跌，螺纹钢利润又起来了。 但这些产业界的大佬也有劣势。他们不会量化的思想，此外交易执行上往往损失很大。 巍子一位业界大佬朋友向他吐槽，说双十一那天晚上自己感觉大盘不太对，赶紧打电话给下单交易员，让给他平掉橡胶的仓位。结果下单交易员下了三个价格，没追上。等到平仓的时候，却平在了跌停板。刚平完，橡胶就开始反弹。 “我就说，这在我这里根本就不是个事，我会很快给你平掉。” 巍子习惯搞清楚现象背后的原因。如果市场猛地拉了一下，那他一定要搞明白是为什么。有一天塑料尾盘最后一分钟砸跌停。他一问，就是因为塑料的基本面非常差，产业大佬出手了。 “但是金融资本不懂这些，就是看着两根均线来做趋势嘛。两根均线说买我就买，买得早就脱离基本面了。产业大佬手上有现货，你期货比我手上的成本高了那么多。那我砸。赚的就是你们这些人的钱。” 在巍子看来，量化从来都只是手段，不是目的。一旦交易的路子越走越宽，巍子就越做越有意思。他觉得，市场上到处都是机会。 交易员就是要赚钱 今年2月，我和巍子在深圳吃饭聊天。 巍子穿着牛仔裤、一件印有“Tsinghua 8”（字班）的清华校庆纪念T恤。他说很理解乔布斯的风格，“穿衣服越简单越好，最好不要让我动脑筋想穿什么”。 巍子在深圳请我吃椰子鸡。结果他忙着跟我分享他的交易思考，几个小时下来只吃了几口。 巍子小时候梦想当考古学家，对天文地理历史和国际政治都感兴趣。他一度觉得读博士白白浪费了三年宝贵时光。有时他会想，如果早出来三年，还能赶上早点儿买房。 然而现在巍子体会到了读博士的意义。读博士给他严谨的学术训练，培养他发现问题、解决问题的能力，这让他得以在量化研究和交易的路上走得很稳。 只不过，读博士时做研究是为了发文章，现在则是“实打实”，来不得半点虚的。 “交易员的评判准则很简单——实盘说了算，再天花乱坠，不赚钱的策略就是垃圾。” 巍子读过很多宏观经济学家写的报告，感觉“很不接地气、为了写报告而写报告”。 比如，2017年春节前，央行提高MLF（中期借贷便利）10个基点，春节之后第一天，央行又一口气提升了逆回购和SLF利率（常备借贷便利）。国债期货开始猛跌。巍子听到身边很多声音，包括“中国进入加息周期，理由是为了防止人民币贬值等”。 他认为这些说法缺乏逻辑：“人民币去年年底7的时候你不加，现在稳到了6.8，而且香港离岸人民币比在岸还要贵，你跑去加息稳汇率不是搞笑吗？而且中国天量债务你去加息，旧债怎么办呢？此外十年国债收益率达到3.5以上，债券的价值突显，银行的配置盘就会出来，利率上行空间实在有限。” 巍子还注意到，当时的IRR（升贴水指标）是负的10%。于是，他选择在安全边际最高的时候“杀了进去”。 做决定前，巍子会考虑正方逻辑、反方逻辑，看看自己能不能被说服，再到达自己的逻辑。 巍子强调这种“逻辑分析能力”，这对做策略、做交易，甚至找程序的bug，都至关重要。 这种逻辑分析能力也是上一家创业公司给他最大的锻炼。 那时，一个芯片经常跑了几天几夜挂了。巍子面对着一个黑盒子，得迅速找出挂的原因。 “你首先对这个系统要非常了解，根据症状和当时的场景去判断，概率最高、次高和第三高的原因各是什么。” 经过无数次训练，他最后基本能做到判断出来概率最高的原因，就是实际的原因。 现在做交易也是一样。 有时程序宕掉了，巍子要立即分析，通过蛛丝马迹，找到这是策略、交易系统的问题，还是行情或者交易所的问题？ 居安思危 研究生一年级的时候，巍子和同班的男生在水木清华BBS发帖，征人趁十一假期一起去山西玩。从应征的无数ID里，他们挑出了四个像女孩子的ID。巍子的朋友、高频交易员婷姐告诉我：“巍老板水木ID是Solarman，他是前Travel版版大。” 其中一个女孩，后来成为了巍子的太太。 巍子太太现在是国内市政规划领域知名的专家，带几十人的团队，一年飞国内都要飞十几万公里。 讲起太太，巍子很自豪。“她经常上午在一个城市，中午在一个城市，晚上又在另一个城市，我很佩服她。” 交易这行时效性很强，所以今天能做的事，巍子绝对不会拖到明天。在过去两年，巍子从来没有在晚上1点之前睡过觉。这引起了父母的抱怨。所以他会争取早点上床，在床上再做一些阅读和学习。 周末巍子至少要在公司加一天班，另外一天用来陪孩子玩。 他和太太对钱都没有太多的想法。“能住上宽敞的房子，每年带老婆孩子出去玩”就够了。 巍子喜欢交朋友。他有次和量化交易员李奥聊天，两人讨论起交易员的社会价值。他问李奥： “除了促进少量就业，拉动一些消费，我们的社会价值在哪？” 学环保专业的李奥说，要先解决亲人生计，让孩子衣食无忧，再做我们想做的事，去帮助别人。此外，李奥认为，这行属于少数几个仅存的阶层上升通道，拼的是人品 IQ/EQ 努力，而不是资源 关系。 巍子则琢磨着，以后能做慈善，或者去乡村支教。最近两年，他身上的责任也越来越重。他想尽快把公司走上轨道，上规模。安全垫足够厚，更多的同事成长起来。 巍子认为，只有把公司做大做强，公司的每个人才有希望，才有尊严。“就好像在Renaissance（文艺复兴基金），一个普通的研究员、工程师都受人尊重。要不你一个烂公司，是CEO又怎么样。” 巍子感到很幸运，公司有负责的同事做技术，运营、后勤、数据处理，让他可以安心做自己擅长的事。同事们都想把蛋糕做大，没人勾心斗角。 几年前第一次参加公司的年终总结时，巍子写了一篇发自内心的报告。他写道： “创业公司，其兴也勃焉，其亡也忽焉。在顺境中，要居安思危，头脑清醒，逆境中，要同舟共济，众志成城。只要三军用命，将士齐心，公司没有做不好的。” 他居安思危的态度得到老板和几位合伙人的深深赞同。 在交易和研发的路上，多年下来，巍子一直如履薄冰。他尽量做到“不以物喜，不以己悲”。赚钱的时候，不会很兴奋。亏钱的时候，一定要找到原因，解决问题。 巍子从来不怕跟人交流。市场瞬息万变，没有一劳永逸、一直赚钱的策略。巍子觉得有了一个策略，死守着的人是没有前途的。他更看重的是不断产生新想法的能力： “我们这一行，研发永远是在路上。”
• 

  量化交易是投资交易的未来
  • wdg  

  1
  0
  Votes
  1
  Posts
  681
  Views

  

  “投资交易的未来是什么？” “是量化交易(Quantitative Trading)！” 这是华尔街资深交易员、量化交易公司WorldQuant的创始人伊戈尔·图利钦斯基(Igor·Tulchinsky)的回答。伊戈尔认为，通过研发大批的量化金融模型，使基金公司变身“全球工厂”，手握更多信息资源，从而在投资交易时，立足于不败之地。这就是未来的交易模式。 量化交易不是“万能解药” WorldQuant直译便是“全球量化”。伊戈尔在创立公司之初，除了想建立自己的品牌，更想把全球化的量化分析这一金融理念融入到企业文化中，WorldQuant这个名字恰巧与公司的创办宗旨不谋而合。伊戈尔打趣地说道，好听又好记的名字都已陆续被其他金融公司“霸占”，只有“WorldQuant”依旧“待字闺中”。World Quant的历史，可以追溯到1995年，当时它由千禧合伙投资(Millenium Partners)分离出来，始创之时，除了千禧的资金和技术平台支持，便只有伊戈尔独当一面。企业发展到2007年时，已有30名员工了，此后不断发展壮大，现如今的员工总数在410至420人左右。 WorldQuant在美国的纽约和康涅狄格州都有办公室，也是其在全球量化交易的总部，此外，公司还将基金管理的触角延伸至英国和新加坡。伊戈尔对记者说，这些国家的交易市场比较成熟，有着健全的市场管理机制。公司的金融模型研发部门也遍布海外，最早的分支机构于2006年在中国创建，随后以色列、印度、俄罗斯、越南、泰国的办公室也相继落成。而技术开发部门则主要集中在美国。当记者问起，为何把金融模型研发部门安排在海外时，伊戈尔表示，金融模型的研发需要非常高素质的人才，而人才的分布本就是全球化的，从统计分布的角度来说，纽约市不可能囊括世界上所有的人才。 基金的管理几乎是每个对冲基金的命脉所在，伊戈尔告诉记者，WorldQuant只专注于量化金融交易。量化金融交易，顾名思义，是将金融交易的想法进行行为量化和数学公式化，根据相关的金融数据，比如价格、交易量等参数，进行建模，再将这些数据模型反演到历史金融数据中，参看它的表现如何，从而判断该模型在未来交易中的表现。整个交易都由计算机操作，完全自动化，不需要人为干预。而由于计算机程序本身强大的信息处理能力，量化交易可以应用到成千上万个交易对象中，也可在世界上任何一个交易场所进行交易。换言之，如果该模型在美国的金融市场中赚钱，它也可在量化后复制运用于其他国家的金融市场，亦可能产生良好的反响。较之于传统交易方式，它的交易范围更为宽广。此外，计算机还可过滤掉许多突发的情绪化因素，机械地按照既定的程序执行交易，从而能够做出更理性的决策。较之于量化金融交易，传统交易则更易受到情绪影响，大起大落的市场不免催生交易员大喜大悲的情绪，从而影响判断，且人的分析能力有限，只能对几个市场对象进行分析，大大降低了效率，缩小了交易范围。 当然，量化金融交易也并非市场的“万能解药”。伊戈尔向记者解释道，并非所有的金融问题都可以用量化模型进行描述，比如偶然性事件犹如昙花一现，此后便销声匿迹，无迹可寻，这类情况，就无从用量化模型进行描述。又比方，散户投资者对某只股票看好或看空的心态，也无法用量化模型进行表述。在这类情况下，凭借交易员的经验操盘，往往能够做出更准确的判断，发挥出更好的效果。 量化金融交易的重点，是分析以往的金融数据，摸出市场规律，并将市场参与者的理性行为量化成金融模型，以此挖掘市场的非理性行为进行套利。随着信息技术的发展，金融市场透明度日益提高，信息的传播速度更快，范围更广，因此，非理性现象的存续时间也越来越短，转瞬即逝，发掘的难度也随之提高，所以，未来的量化交易将越发地依赖于对大数据的分析处理和低延迟性的交易执行(low latency trading)，这也是大多数对冲基金今后发展的重点。 量化金融交易起始于30年前，在计算机开始广泛运用后不久，量化交易就已经形成最初的雏形了。起先，它只是在一个很小的范围通过交易经纪商得以应用，敢于“第一个吃螃蟹”的基金公司也只有寥寥数家。随着时间的流逝，量化金融交易以它独有的特性在市场展现其“捞金”实力后，越来越多的基金公司开始采纳这一交易新法，量化金融交易也变得炙手可热。但到了2007年8月，多家基金公司竟毫无预兆地出现了集体亏损，史称“量化崩盘”(Quant Meltdown)。究其原因，就是因众基金公司使用同一家或相似的第三方机构为其打造量化金融交易策略所致。由于策略皆出自一人之手，导致多家基金公司的量化交易策略看法相似，造成损失。多家基金公司在这场亏损中倒闭，侥幸逃过此劫的基金公司也及时改变策略，加强自身研发交易模型的能力，对资源进行重新整合，不再依赖第三方提供的交易模型，从而避免多个公司同时采用同一种交易策略，最大程度上扼制集体亏损的恶果。随后，美国金融市场也逐步恢复原有秩序，量化金融交易渐入佳境。 不光是美国这样成熟的发达金融市场，量化金融交易在发展中国家也同样潜力无限。伊戈尔说，WorldQuant在很多发展中国家的市场里也进行量化交易。较之于发达国家，其市场的有效性更低，竞争的激烈程度也会平缓很多；对于基金公司而言，会有更多的机会应用量化模型来发掘市场参与者的非理性行为，并以此获利。另外，在发展中国家的金融市场，其交易量会相对小些，因此，只能将有限的资金投入到发展中国家的市场，从而避免对市场造成冲击。 伊戈尔说，量化交易是今后的主流趋势，而中国市场也将成为量化交易的重镇。当记者问及，WorldQuant今后有无进军中国资产管理市场的计划时，伊戈尔笑着说：“一切皆有可能。” 高频交易(High Frequency Trading)作为量化金融交易的一部分，已经在美国金融市场得到广泛运用。它是一种非常快速的自动化程序交易方式，比如，在一个交易场所买入一只股票，接着在不到半秒内在另一个交易场所抛售，通过微小的价格差来获利，因此，速度至关重要。本着对速度的极致追求，甚至有交易机构将自己的“服务器集群”安装到了离交易所近在咫尺的地方，以缩短交易指令通过光缆传送的时间。 这种新概念的交易方式以速度制胜，但其风险也不容小觑。首先是操作上的风险，如果计算机程序上出现一个错误，在交易速度如此之快，交易量如此之大的情况下，会造成不可估量的损失。其次是资金上的风险，高频交易系统需要巨大资金的投入，如果在同一时刻，竞争对手投入更多的资金，制作出更强大、更快速的交易系统，也会造成会血本无归的窘境。2010年5月6日，美国股市“闪电崩盘”(Flash Crash)便是高频交易风险的集中体现。当日，道琼斯工业平均指数下跌近1000点，此后迅速回弹，当日收盘时报跌348点。 基于种种风险，一些从事量化交易的基金公司对高频交易持谨慎态度。伊戈尔对记者说，WorldQuant目前并没有计划进行高频交易。其主因是他并未看到足够的商机，高频交易主要依靠高速地进出市场来获利，交易往往只依靠少数几个信号来进行决策，其交易执行速度比量化模型更具决定性作用，因此，这个领域也竞争激烈。或许，过去还有些许未被发掘的好机会，但如今高频交易的竞争已进入白热化阶段，并不适合一般量化模型(Alpha)的应用，因此在该领域投入大量的研究就得不偿失了，为更好地控制风险，WorldQuant并无打算从事高频交易。 重中之重是人才 WorldQuant采用扁平化管理模式。公司虽有一些经理和管理人员发挥基本的管理职能，但总体架构依然非常扁平。这样的企业模式既有赖于员工的高度自律，更受惠于优秀人才高度集中的企业模式。 展望新的一年，伊戈尔说，WorldQuant 2015年计划的重中之重依旧是广纳贤才，并在现有基础上不断扩大公司规模，探索新的资金管理模式，降低管理成本。公司会去人才最集中的地方招募人才，立足现实，着眼未来，并达到让公司持续增长的目标。现今的金融公司的一切盈利都源于员工的想法和创造力。目前，WorldQuant美国总部的员工大多为名校博士。 本着人才无国界的原则，WorldQuant的国际人才大多从中国、俄罗斯、以色列、印度等各国引进，公司为其办理美国的工作签证(H1-b)，帮助国际人才获取绿卡，并实行海外轮换制度，让这些国际人才能够自由地游走于各国的办公室之间，领略异国文化。与此同时，公司还为其职员提供充分的自由度去选择自己感兴趣的岗位和工种，并为那些工作勤奋，极富创造力的员工提供优厚的福利待遇，以“绑住”华尔街精英们那颗“躁动不安”的心。此外，WorldQuant还通过一个基于网页的量化仿真系统WebSim，建立了一个虚拟研究中心(Virtual Research Center)，这样公司就可以在世界上的任何一个角落招贤纳士，进一步拓展人力资源范围，增加效率，并降低管理成本。 在WorldQuant，模型的开发是后期定量金融交易成败与否的关键。而中国已成为WorldQuant进行模型研究和开发颇为重要的一个点，其办公室分布在北京、上海和台北。北京的办公室筹建于2006年底，为获得最优质的人才，笔试、面试过程近乎严苛，通过各种竞赛和测试层层选拔。最后，WorldQuant从申请职位的2000人中，遴选出了5人，可谓千里挑一。目前，北京和上海两地的员工总人数在80人左右。伊戈尔说，中国是一个很大的国家，有着极大的增长潜力、丰富的劳动力资源和众多的优秀人才，中国员工也非常努力、勤奋、聪明。这也是他选择中国的原因。 同印度和以色列等国的研究员一样，在中国办公室的研究员日以继夜地辛勤工作，基本只为同一目标，即，通过研究各类型的金融数据，来寻找量化模型 ——Alpha。简而言之，Alpha就是一种交易策略，研究员通过计算机程序将这种交易策略用量化模型的形式描述出来，之后，再将其应用到历史数据中进行反复演算，以验证这种模型是否可行，能否获利。一个好的Alpha模型堪比金融市场的点金术，弥足珍贵。 为了更有效地寻找量化金融模型，伊戈尔和他的员工们还合著了一本名为《寻找量化金融模型Alpha》(Finding the Alpha)的书，从20到30个不同的角度来讨论如何探索和开发量化金融模型，以及其可行性。想法不断的伊戈尔结合其量化分析的经验，还打算出第二本书《非规则：新一代定量法》(The Un-Rules: Quant Laws for a New Generation)，意在汇总所有的想法，取长补短，由于没有一个想法是完美的，博采众长才是交易王道。伊戈尔对记者说，他近期还打算再出第三本书，名为《止损》(Cutting the Loss)，即，如果在交易时发现策略不佳，应该及时停止，亡羊补牢，为时未晚。但这种理念是否也能运用到生活中去，尚存在争议。 开发出更多更好的交易模型——Alpha，并在全球开设更多的分支机构，扩大公司规模。伊戈尔表示，为达成这一系列目标，并无捷径可走，除了努力工作，还是努力工作。 不平坦的创业之路 伊戈尔出生于苏联，十一岁时，随父母避难来到美国。全家几经迁徙，最终定居在得克萨斯。伊戈尔的父亲是一个小提琴制作家，跟他的父亲不同，伊戈尔从小就对数学、金融以及计算机展露出浓厚的兴趣。他早年在得克萨斯大学奥斯汀分校(The University of Texas at Austin)获得了计算机专业的本科及硕士学位，接着去了AT&T的贝尔实验室从事科研工作。其后，又在宾夕法尼亚大学的沃顿商学院获得了MBA金融创业方向(MBA in Finance & Entrepreneurship)的硕士学位。 正式创业前，伊戈尔先后从事过30多份工作，从牛排餐馆洗碗工到风险投资家。流年似水，这些工作都未能让他满意，进取坚韧的性格，令其不停地进行新的定位，审时度势，越挫越勇。到了1993年，抱着试一试的心态，伊戈尔加入了Timber Hill Brokerage，正式开始了交易员生涯。几年后，他进入了事业的春天，加盟千禧合伙投资，获得了独立施展自己开发的交易策略的机会，经过多年的磨砺和更多人的协助参与，最终，伊戈尔从千禧合伙投资分离出来，并在其41岁时，创立了自己的公司，WorldQuant. 一切看似顺理成章，水到渠成。但其背后也蕴藏无数艰辛，冷暖自知。伊戈尔说，1998年时，整个金融市场非常萧条，几乎成为了量化金融的危机时代，曾有人劝他辞掉工作，调侃他的头发都要掉光了，但他还是坚持下来，成功通过了事业的瓶颈，并建立了自己的量化金融王国。 令伊戈尔感到自豪的是，作为一个金融公司，WorldQuant不仅立足于投资获利，更能在自身获利的情况下，让更多的人分享到它的果实。WorldQuant慈善基金成立于2008年，一开始规模较小，后逐渐扩张。该基金主要针对各分公司所在国家的高校学生，目前覆盖国家有美国、中国和印度。学生可通过公司网站进行申请，经审核后，择优发放。记者发现，北京大学和上海交通大学的学生就曾获得WorldQuant慈善基金会提供的奖学金。 如今，该基金会已有专人管理，并在发展壮大后，创办成立了WorldQuant大学。这也是世界上第一所提供免费量化金融(Quantitative Finance)网络硕士课程的大学。 而对于那些刚走出校园，有志于投身金融行业的年轻人，伊戈尔给出的建议是，保持积极进取的心态，对想做的事情，努力追求，永不妥协，坚持不懈，终将成功。他进一步举例，许多年轻人有着很好的想法，却因没有真正地付诸行动而付之东流。成功没有捷径，只有努力进取，找到正确的切入点，将所有的想法付诸实践才能达成最终的梦想。
• 

  10分钟弄懂什么是量化投资，让你躺着也能赚钱
  • wdg  

  1
  0
  Votes
  1
  Posts
  649
  Views

  

  从18世纪开始，金融投资的先驱已经开始探索各种不同的投资方法，经过多年的进化，已经尝试了从价值分析、风险套利到日间交易等不同的方向。那么，在目前不断变化的中国资本市场，什么投资方向迫切需要我们深入探索呢?笔者认为，量化交易作为中国市场的新兴投资方法，正在引来越来越多的关注。 事实上 ，量化投资在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。或许当你开始回过头研究近来A股调整的规律时，会发现一个有趣的现象：A股下跌以午后居多，特别是下午2点半左右，有投资者称：“神奇的2点半”！当你还在为此惊叹时，也许早已有人将这个规律编进程序化的交易系统，通过交易大赚一笔了。 　　现在你是不是对程序化交易很好奇呢？不急，慢慢往下看。要懂程序化交易，就得先理解什么是量化交易。 那么，什么才是量化交易呢？ 　 打个通俗的比方：一般的人炒股或者期货就像看病中医一样，通过望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些，很大程度上通过依靠经验和感觉判断来进行操作；量化交易就像西医，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药，定量交易更像是西医，依靠模型判断，模型对于定量投资基金经理的作用就像CT机对于医生的作用。模型对整个市场进行检查和扫描，满足你所编写的程序模型，就会进行处理（下单之类，都是可以自己设置的，看你的模型怎么编写）。 当“量化”遇见“程序” 　　理解了“量化”，程序化交易就很好理解了，就是量化的交易策略通过计算机编程执行，进行自动或半自动下单交易。 　　根据NYSE网站统计，近年来纽交所程序化系统交易量所占比例基本维持在30%左右。它的系统类型很多，大致分这些类型，即价值发现型、趋势追逐型、高频交易型、低延迟套利型等。在期货市场的应用多于股票市场。 量化投资的未来发展趋势？ 从横向比较来看，在欧美发达国家，量化投资已经得到了广泛的应用，无论是在外汇市场还是证券市场亦或是期货市场，都有量化投资的身影。同时，经过了三十余年的飞速发展，国外量化投资无论是技术上还是理念上都日臻成熟，为国外金融市场的健康有效稳定发展做出了极大的贡献。而就我国来看，由于我国金融市场起步较晚，这也直接导致量化投资在我国还接近于幼年时期，与西方国家的所处阶段不可同日而语。 从纵向比较来看，我国的量化投资在发展之初即呈现出旺盛的生命力，业内人士从管理层到中介商直至市场投资者都对其表现出了浓厚的兴趣，同时也给予了高度的重视。近年来，随着量化投资知识宣传活动的展开以及各种各样量化投资的商业化活动的稳步推进，我国量化投资的发展可谓日新月异。就目前为止，国内比较突出的有深圳东瑞同丰金融服务有限公司旗下的东瑞量化交易系统等。 显然，我国的量化投资在发展之初更多的是引进国外的设计理念，但在发展过程中，我国量化投资更多的是融入了我国金融市场的个性化特点，结合我国投资者的市场结构来对其进行了本土化，使其不至于发生“水土不服”的情况。我们还拿东瑞同丰公司旗下的东瑞量化交易系统举例，该系统正是充分的汲取了西方已经发展成熟的先进的量化投资理念，同时结合我国金融市场的现状特点，集结该领域内优秀人才斥巨资历时两年潜心自行研发，推向市场运行并取得了骄人成绩。 因此，就量化投资未来的发展趋势而言，我国的量化投资更多的也将是结合国内金融市场的发展特点，走出一条更具中国特色的量化投资发展之路。根据目前我国量化投资的发展水平，同时结合国外量化投资的发展历程，预计未来我国量化投资发展趋势将呈现出如下的特点： （1）量化投资将成为主流的交易方式：近几年随着量化投资宣传活动的推进，多数投资者对量化投资从“无所知”到“知之不多”，从“知之不多”到“学有所成”。目前我国已经培养了一批量化投资的先行者，他们将是我国量化投资发展的主要推行力量，预计在这些人的努力和量化投资自身魅力的双重作用下，量化投资将在10年后逐渐成为市场主流的交易方式。 （2）量化投资的设计理念将更加多样化：当前我国量化投资还处于比较初级的阶段，很多设计理念都还在不断的摸索之中。因此，在今后的发展过程中，势必会出现各种各样的量化投资设计理念，或将呈现“百家争鸣，百花竞放”的局面，从而使得交易策略也更加丰富化，我相信以后的市场上，肯定不会仅仅只有东瑞同丰、东瑞量化交易系统，而是会出现越来越多的优秀的量化交易平台。 （3）量化投资将成为金融机构争夺客户资源的主要工具随着市场对量化投资了解的广度和深度的推进，会有越来越多的投资者因为量化投资相较人为交易的各种优势而青睐量化投资，这势必导致量化投资成为金融机构挖掘潜在客户和维护原有客户的重要手段，最终的结果是，量化投资的市场竞争越来越激烈，谁的量化投资更有吸金魅力谁就更容易获得客户资源，谁的量化投资研究处于业内领先水平，谁就获得赢得市场的先机。 （4）量化投资更新换代的速度会日益加速:根据国外市场量化投资的发展模式和我国目前的量化投资发展情况来看，目前我国已有不少像东瑞同丰一样的私募、投资公司等机构投资者越来越关注量化投资，并且往往有一些个性的需求，这将推动量化投资的更新换代。另外，当有一种量化投资系统被广泛使用后，就会有人从这种系统中设计出新的系统，这也从另一个渠道来促进量化投资的更新换代。 （5）量化投资应用的领域将更广泛 目前我国的量化投资更多的是应用于股票市场，像东瑞同丰旗下东瑞量化交易系统，目前完全只针对证券二级市场，在期货市场的应用相对较少。但是，随着量化投资受到越来越多的期货公司的极大重视，有些公司已经开始设立量化投资的研发小组，据知情人透露，东瑞同丰公司也在着手准备进军股指期货市场，如果情况属实的话，那么成绩肯定会更加喜人。由此可见，量化投资的应用领域正在逐渐扩大，而随着国内股指期货的发展，量化投资将会在多个市场间实行跨市场交易，这为量化投资提供了广阔的天地。 最后，量化投资是科技高度发展的产物，是投资者理财素质提高的必然要求，更是我国金融市场走向成熟的重要标志。当前，量化投资的发展方兴未艾，未来，量化投资的前景将日益繁盛。
• 

  神秘量化交易圈：同事像敌人
  • wdg  

  1
  0
  Votes
  1
  Posts
  729
  Views

  

  文/新浪财经专栏作家 谭昊 研发一个能盈利的模型难，但还不是最难的。事实上量化交易最大的挑战是在于，模型都会老化，但你却永远不知道它什么时候老去。这就是量化交易者面临的真正挑战。R先生一笑说，这个拐点只在心里。“量化交易看起来是科学，骨子里是艺术”。 10月的上午，阳光撒过老槐树的枝头，北京城里弥漫着秋天的味道。玻璃窗旁，坐在我对面的是一位初次见面的投资圈新朋友。 一坐下，他的第一句话是，“我看过你的专栏，很喜欢，也很高兴跟你聊天。但是，不希望做任何报道，我们不需要宣传。” 这是个有趣的开场白，有一点点出乎我的意料之外，同时也让我的兴趣更大了几分。 接下来，我姑且称这位神秘人为R先生。 R先生在海外做量化交易多年，也就是俗称的“宽客”，回国后在一家大型券商工作，现在出来成立了自己的私募投资公司。 R先生的第一只阳光私募型产品，量化对冲型，成立至今16个月，收益率29%。 这个业绩看起来不怎么惊人。尤其是今年，一些超配创业板的基金，业绩动辄超过80%，甚至翻倍。相比之下，这个业绩就像一个平常的小姑娘站到了一群风情撩人的内衣模特中间。 但是，正如我之前专栏所提到过的，对于对冲型产品来说，重点真的不在于收益有多高，而是有多稳。 单纯做股票的产品，收益在某一年很高，这样的产品和基金经理我见得多了，大部分第二年就找不到人了。 让我们继续看R先生的例子。 他的第一只产品，成立的时候没有做任何推广，就是几个朋友的钱，规模也不大。成立第四个月，产品的净值到了1.06元左右，招商银行(27.030, 0.16, 0.60%)主动找上门了。 四个月赚6分钱，收益率不算高吧？但稳定性出奇的好。 他告诉我，16个月以来，基金的最大回撤只有1.3%。而且每个月度都实现了盈利，没有一个月亏损。 事实上，这种类型的产品才是市场上真正需要的，也是最受银行渠道所欢迎的产品。 经过07年的暴涨和08年的暴跌之后，单纯高收益的产品已经很难一呼百应，毕竟，谁知道明天会怎样？ 相比较之下，低风险的银行理财产品，收益率则一直围绕4.5%-5.5%的区间波动。 如果有这样的产品——它的年化收益率能够大概率地落在10%-15%的区间，而且亏损的可能性极小，你说会不会受欢迎？ R先生的产品就精准地落在这个区域。 招商银行找上来之后，给他发行了一期产品，很受客户欢迎，规模达3个亿，现在正准备发第二期。 在不到两年的时间里，他公司管理资产的规模已经超过了十个亿，而且正在扩张之中。 R先生告诉我，经过风险调整之后，他的产品的多项指标在对冲类产品中名列前茅。 而更有意思的是，当我问起他的方法论。R先生简单地描述做了如下描述：完全市场中性，所有的股票仓位以等量的股指期货对冲。通过量化因子举行选股，追求阿尔法。 再问细一点，比如，哪些因子，高频还是低频，他就不肯透露了。 他回忆起他在摩根斯坦利做量化交易的那几年——海外量化圈的文化就是这样的，他说，大家在一起打牌喝酒，但是从来不问对方的模型，甚至，连“最近做得怎么样？”这样的话都不问。 “回国之后，也很少跟同行交流”，他补充到。 于是我提了一个更有意思的问题：模型是核心机密，那么，到底是公司老板一个人掌握，还是核心的投研团队一起掌握呢？ 他说，这个更加不一定。 有的公司文化就是只有老板一个人掌握模型的核心，或者是，不同的模型由不同的人掌握，一般是开发者本人。那样的氛围下，公司的同事彼此之间就像敌人一样。有的公司文化会略微开放些，模型会由核心团队共享掌握。 研发一个能盈利的模型难，但还不是最难的。事实上量化交易最大的挑战是在于，模型都会老化，但你却永远不知道它什么时候老去。 这个问题相当可怕。好比大家都知道红颜易老。因为有了这个明确的预期，所以尽管事实残酷，还能慢慢接受红颜的老去。 但如果你身边的红颜前一天皮肤还吹弹可破，一觉醒来，就忽然满脸褶子，试问你能接受吗？ 这就是量化交易者面临的真正挑战——你知道你的模型终有一天会老，但是永远不知道是哪一天。 我问，“你之前最大的回撤是1.3%，比如忽然有一次你遭遇了一个3%的回撤，能判断这个模型老化吗？” R先生一笑说，这个拐点只在心里。“量化交易看起来是科学，骨子里是艺术”，他最后总结道。 他们是追风筝的人。
• 

  量化交易时代再无投资大师
  • wdg  

  1
  0
  Votes
  1
  Posts
  689
  Views

  

  “计算机大数据时代的来临和量化交易的发展让更多天才般的投资者不再依赖于人脑，那些本应该成为巴菲特、索罗斯的潜在投资精英，最终依然无法摆脱量化交易的诱惑，从而消失在茫茫人海当中。” 量化交易被资本市场当成了一种壁垒，在流行玩团队的时下，更是成了资本市场的宠儿。 巴菲特远离纽约金融城，坚持看报，在选择投资方面从不使用电脑分析，自我约束能力较强。自我约束并不是简单的规避某种行为，而是要在对市场做出思考之后，寻找立足于可持续的“投资之道”。 巴菲特至今非常尊重自己的合伙人芒格，而芒格的外号叫“可移动的图书馆”。巴菲特尊重知识，并尊重有知识的人，少年时代对《赚到1000美元的1000招》一书爱不释手，足以看出巴菲特并非固执之人，对能够赚钱的方法从不回避。如果量化交易能够打动别人，为何打动不了巴菲特。 纵观量化交易近年来的发展，成功的例子也屡见不鲜，但更多的被人记住的是因量化交易导致的事故。在中国股票市场8-16光大事件没有曝光之前，2008至今美国股票市场已发生了不下10次类似事件。 最令人印象深刻的是2010年5月6日道指半小时左右的时间暴跌9%，最后证实是某交易员量化交易出错。如果不是美国证券市场自“交易所”至“交易商”都开启异常交易熔断机制，或许这种量化交易带来的风险将不可估量。 2008年之前，量化交易的发展仅仅存在于少数投资团队，其交易量对市场的影响微乎其微，但量化交易经过了短短五年的发展，目前美国证券市场30%以上的交易量由计算机自动完成。在股票市场，从大盘研判、自动选股，再到资金和风险管理，均由计算机完成。 罗杰斯曾与索罗斯合作，被索罗斯称为华尔街最优秀的分析师。事实证明罗杰斯的分析能力跟投资水平一样优秀。但罗杰斯真正的预测依据并非来自电脑信息和新闻报道，他环球旅行，仔细考察所到之国的人文发展、市场价格、资本状况等，且远离金融中心，不轻易出手。在验证自己判断的同时，罗杰斯避开了噪杂的高频交易，从组成市场的一个个鲜活的人和事当中思考未来。 在很多程序化交易员的眼里，关于巴菲特、罗杰斯等人的例子，似乎说明不了什么，更觉俗不可耐。事实是，当每一个崇尚和正被量化交易“洗脑”的人每每拿出成绩单，却不可避免的要跟巴菲特创造的年收益做对比。量化交易除了用公式算出来的利润预期，其实谁也不知道真正的风险在哪里。就像光大所传出的，在发现问题之后，程序无法终止，需要拔掉电源来停止错误指令。可笑的是，这就像对付电脑，有一招人人都会：重启。 量化交易被资本市场当成了一种壁垒，在流行玩团队的时下，更是成了资本市场的宠儿。实际上投资市场从来就不缺少创新和技术，但市场永远无法证明一点，那些远离量化交易，一个月只看一两次股价，一年只做两三笔交易的人，其业绩表现会低于程序化交易者。 电脑提供了技术和信息，电脑也提供了人的情绪，更可怕的是，它让人性的复制变得轻而易举。自华尔街分析方法逆袭中国投资市场以来，更多的分析师被电脑数据征服，甚至开始蔑视那些不看数据做投资的人，各类图表把散户都整蒙了。但我要告诉投资者的是，在我身边，按资金图表、实际利率走向等来程序化投资黄金的人，早在2008年就已经爆仓出局了。 当我提出国际黄金十年牛市跟中国黄金市场的开放有很大关系时，程序化交易者还依然认为美元指数是最可靠的判断黄金的依据，在程序化数据编制当中，提示买点和卖点的主要指标依然是美元指数。殊不知，自2008年之后美元指数再没有创出新低，金价却从1000美元涨到了1900美元，程序化交易则在趋势上已经陷入了错误的判断当中。我想，股票市场也是同样的道理，因程序化交易弄巧成拙者比比皆是。 在蜡烛图没有发明前，一些成功的投资者正是靠大量的时间来汇总数据，亲手拿纸记录价格并连接成走势图。由于长时间伏案、跪地，很多投资者得了劲椎病和关节炎，这些投资者往往掌握了一些规律和方法，在大家都没有关注之前，这种方法成功的概率较大。现如今，当你不再需要用笔和纸去记录报价，只要打开电脑，每一秒的变化数据都会呈现在你面前时，大多数人反而会更加茫然。 各种方法是否能够在投资领域生效，并不能看其方法的先进性，而是要看方法的稀缺性和运用的人本身是如何思考的。其实投资市场最大的风险就是熟练工具规模化，以及羊群效应。 量化交易对于金融投资者来说，是一个与时俱进的工具，但并非是获取成功的绝技，因为技术的壁垒跟人脑和知识形成的壁垒完全不同。就像互联网的世界，程序员和设计师到处都是，但像乔布斯一样的创造者却越来越少。如果十年前投资者还把量化交易当做一种专业来学习，那么十年后的今天，量化交易就像人手一台的电脑，其功能基本相似。投资者与投资者的区别依然存在于对知识的掌控和对市场的独立思考。 量化交易时代摧毁了诞生大师的土壤，可能不再会有投资大师，替代大师一词的，将是“团队”。这或许是进步、又或许是遗憾。但无论如何，事实证明量化交易绝不是投资者所能依靠的安全领地。而我，依然坚信投资是一门艺术，技术只是给艺术增加了一点时代背景罢了。
• 

  深度学习框架的评估与比较
  • wdg  

  1
  0
  Votes
  1
  Posts
  886
  Views

  

  人工智能无疑是计算机世界的前沿领域，而深度学习无疑又是人工智能的研究热点，那么现在都有哪些开源的深度学习工具，他们各自的优缺点又是什么呢？最近zer0n和bamos在GitHub上发表了一篇文章，对Caffe、CNTK、TensorFlow、Theano和Torch等深度学习工具从网络、模型能力、接口、部署、性能、架构、生态系统、跨平台等方面做了比较。 网络和模型能力 Caffe可能是第一个主流的工业级深度学习工具，它开始于2013年底,具有出色的卷积神经网络实现。在计算机视觉领域Caffe依然是最流行的工具包，它有很多扩展，但是由于一些遗留的架构问题，它对递归网络和语言建模的支持很差。此外，在Caffe中图层需要使用C++定义，而网络则使用Protobuf定义。 CNTK由深度学习热潮的发起演讲人创建,目前已经发展成一个通用的、平台独立的深度学习系统。在CNTK中，网络会被指定为向量运算的符号图，运算的组合会形成层。CNTK通过细粒度的构件块让用户不需要使用低层次的语言就能创建新的、复杂的层类型。 TensorFlow是一个理想的RNN（递归神经网络） API和实现，TensorFlow使用了向量运算的符号图方法，使得新网络的指定变得相当容易，但TensorFlow并不支持双向RNN和3D卷积，同时公共版本的图定义也不支持循环和条件控制，这使得RNN的实现并不理想，因为必须要使用Python循环且无法进行图编译优化。 Theano支持大部分先进的网络，现在的很多研究想法都来源于Theano，它引领了符号图在编程网络中使用的趋势。Theano的符号API支持循环控制，让RNN的实现更加容易且高效。 Torch对卷积网络的支持非常好。在TensorFlow和Theano中时域卷积可以通过conv2d来实现，但这样做有点取巧；Torch通过时域卷积的本地接口使得它的使用非常直观。Torch通过很多非官方的扩展支持大量的RNN，同时网络的定义方法也有很多种。但Torch本质上是以图层的方式定义网络的，这种粗粒度的方式使得它对新图层类型的扩展缺乏足够的支持。与Caffe相比，在Torch中定义新图层非常容易，不需要使用C++编程，图层和网络定义方式之间的区别最小。 接口 Caffe支持pycaffe接口，但这仅仅是用来辅助命令行接口的，而即便是使用pycaffe也必须使用protobuf定义模型。 CNTK的使用方式与Caffe相似，也是通过指定配置文件并运行命令行，但CNTK没有Python或者任何其他高级语言的接口。 TensorFlow支持Python和C++两种类型的接口。用户可以在一个相对丰富的高层环境中做实验并在需要本地代码或低延迟的环境中部署模型。 Theano支持Python接口。 Torch运行在LuaJIT上，与C++、C#以及Java等工业语言相比速度非常快，用户能够编写任意类型的计算，不需要担心性能，唯一的问题就是Lua并不是主流的语言。 模型部署 Caffe是基于C++的，因此可以在多种设备上编译，具有跨平台性，在部署方面是最佳选择。 CNTK与Caffe一样也是基于C++并且跨平台的，大部分情况下部署非常简单。但是它不支持ARM架构，这限制了它在移动设备上的能力。 TensorFlow支持C++接口，同时由于它使用了Eigen而不是BLAS类库，所以能够基于ARM架构编译和优化。TensorFlow的用户能够将训练好的模型部署到多种设备上，不需要实现单独的模型解码器或者加载Python/LuaJIT解释器。但是TensorFlow并不支持Windows，因此其模型无法部署到Windows设备上。 Theano缺少底层的接口，并且其Python解释器也很低效，对工业用户而言缺少吸引力。虽然对大的模型其Python开销并不大，但它的限制摆在那，唯一的亮点就是它跨平台，模型能够部署到Windows环境上。 Torch的模型运行需要LuaJIT的支持，虽然这样做对性能的影响并不大，但却对集成造成了很大的障碍，使得它的吸引力不如Caffe/CNTK/TensorFlow等直接支持C++的框架。 性能 在单GPU的场景下，所有这些工具集都调用了cuDNN，因此只要外层的计算或者内存分配差异不大其表现都差不多。本文的性能测试是基于Soumith@FB的ConvNets基准测试来做的。 Caffe 简单快速。 CNTK 简单快速。 TensorFlow仅使用了cuDNN v2，但即使如此它的性能依然要比同样使用cuDNN v2的Torch要慢1.5倍，并且在批大小为128时训练GoogleNet还出现了内存溢出的问题。 Theano在大型网络上的性能与Torch7不相上下。但它的主要问题是启动时间特别长，因为它需要将C/CUDA代码编译成二进制，而TensorFlow并没有这个问题。此外，Theano的导入也会消耗时间，并且在导入之后无法摆脱预配置的设备（例如GPU0）。 Torch非常好，没有TensorFlow和Theano的问题。 另外，在多GPU方面，CNTK相较于其他的深度学习工具包表现更好，它实现了1-bit SGD和自适应的minibatching。 架构 Caffe的架构在现在看来算是平均水准，它的主要痛点是图层需要使用C++定义，而模型需要使用protobuf定义。另外，如果想要支持CPU和GPU，用户还必须实现额外的函数，例如Forward_gpu和Backward_gpu；对于自定义的层类型，还必须为其分配一个int类型的id，并将其添加到proto文件中。 TensorFlow的架构清晰，采用了模块化设计，支持多种前端和执行平台。 Theano 的架构比较变态，它的整个代码库都是Python的，就连C/CUDA代码也要被打包为Python字符串，这使得它难以导航、调试、重构和维护。 Torch7和nn类库拥有清晰的设计和模块化的接口。 跨平台 Caffe、CNTK和Theano都能在所有的系统上运行，而TensorFlow和Torch则不支持Windows。
• 

  TMD高手都死哪去了？
  • wdg  

  1
  0
  Votes
  1
  Posts
  792
  Views

  

  有个网友问了我一个很尖锐的问题，他说，听说股票市场中，只有10%左右的人是赚钱的，但是为什么现实中，我身边一个高手都没有，难道高手都死了吗？ 我说，不可能啊，真要是高手，哪怕死了，化成灰也会被别人当白粉一样吸干！ 知乎上另一个网友说，我是做股票业务的，公司5万多客户，通过公司后台数据，我发现，有且只有一个客户成为神。 五万份之一的成功率，这成功率可以和彩票媲美了，我非常之怀疑此哥们在黑公司上班。 我承认，做金融投机生意要想成功，确实比高考还要难，但是也不至于五万分之一，这公司挖煤的吧？黑成这样！ 有个妹子更夸张，她说，为了把股票炒好，为了学到真正的技术，约见了很多高手，结果反而亏成狗，感觉自己被骗炮了。 我擦，你们还有没有职业道德，还有没有法律观念了，竟然骗炮？ 这么不幸的妹子，这么好学的妹子，撞上我这么热心的人，我当然是秒回她啊，我问，妹子在广州吗，咱们找个时间聊聊股票，聊聊投机，聊聊人生，聊聊理想呗。 ② 关于高手是不是都死了这个问题，其实我是不太想挖坟的，毕竟，我只是个投机客，不是盗墓贼。 但是，不挖坟尸检一下，怎么知道高手是怎么死掉的？ 很久前有个海龟高手向我吐槽，他说他在一个微信群里，看到大家天天在讨论技术，讨论指标，讨论小道消息，实在看不下去了，就唱了几句反调，顺带建议大家把焦点从技术转移到执行上，转移到修心上，结果就遭到各种攻击： 最讨厌就你这种人了，就知道灌一些看似厉害，实质半毛钱也没用的鸡汤。 最讨厌你这种标新立异的人了，一个亏货，装什么高手？ 高手当然吞不下这口恶气啊，于是直接上实盘，上收益曲线，试图争回一口气，结果又被质疑为数据造假、虚拟盘，甚至PS。 后来，高手只好退群了，不明真相的吃瓜群众赢得了一场争论，却输掉了一只高手。 高手为什么容易死掉？很大一部分原因是 —— 他杀！ 高手为什么容易被杀？因为观点和大众不一样，所谓道不同不相为谋，观点不同遭其它人群起诛之。 ③ 对于动不动就被他杀来说，很多高手其实更愿意抱团。 上星期我去参加了个饭局，饭桌上全是投机高手，有做趋势的，有做日内的，有做消息面的，有炒单的，甚至有做飘单（在这之前我根本不知道什么是飘单，请原谅我的无知）的。 饭桌上各种分享，各种观点，各种争吵，各种猩猩相惜，就差烧黄纸叫鸡了，哦，不对，烧黄纸结拜。 我当时感慨，做投机十年，职业投机三年，遇到的高手还没有一次饭局遇到的多，当然，收获也颇丰。 为什么平常我们遇到的高手那么少？其中之一的原因他们去参加「饭局」去了。 在抱团组局中，不仅能愉快的聊天，还有可能碰出新的火花，新的思想，有可能某个局的某个人的某个点子，就能帮你完善自身的某个缺陷。 因为这个原因，高手会越来越高手，也正因为这个原因，高手与高手之间，会形成一个我们触碰不到的「圈子」。圈子外，你会觉得，高手死光光了，圈子内，讨论热火朝天。 有这样一起得瑟的圈子，高手们怎么还会愿意冒着被围攻坑杀的风险，去新手村晃悠呢？ 当然，也有一些独行侠，神龙见首不见尾，饭局都请不动他，新手更别想勾搭上。 ④ 作为一个投机新手，是悲哀的，因为很大程度上，你只能听到同是新手的其它人的声音，或者一些骗子的声音，很少能听到高手的声音。 更可悲的是，作为新手，根本分辨不出其它声音哪些是新手发出来的，哪些是高手发出来的，哪些是骗子发出来的。 只骗钱的骗子还算是有职业操守的，如果你不小心遇到个骗钱又骗炮的…… 当你被骗的次数多了之后，你会觉得所有声音都TMD像是骗子发出来的。 于是，某一次，你和其它吃瓜群众一起，将一个高手给杀了。 于是，在漫长的新手期中，你一次又一次地大声呐喊：TMD高手都死哪去了？
• 

  3天打造自己的期货CTP python量化交易程序化交易系统(第1天)
  • wdg  

  1
  0
  Votes
  1
  Posts
  1701
  Views

  

  目前越来越多的交易爱好者和专业投资者开始了期货交易，期货市场的程序化程度远远高于A股市场，也是国内政策最大力度支持程序化的市场。所以很多交易者的程序化交易都是从期货的程序化交易（量化交易）开始的。 很多人分不清量化交易和程序化交易，认为这两个名称意思是一样的。但其实这两个名词是有包含关系的，今天，就想按照我的理解对量化范围内常见的几个名词做个归类。 量化交易，用可数量化的分析方法进行交易，这是区别于感性交易，举个例子，一幅艺术画，如果用量化的方法去分析，那是很难评判优劣的，但是用感性的方法，行家可以一眼看出哪幅画更好；再举个例子，比较两个人的体能，有时候并不是眼睛看看就知道谁的体能好，那怎么办？这时候就可以用量化的方法进行分析，通过举重、赛跑等方式数量化的计算两个人的力量、速度、耐力等等。 程序化交易，是把可量化的分析方法，用计算机编成交易策略，用计算机辅助进行交易，所以程序化交易是量化交易的一部分，或者是某些量化交易的进一步升级。量化交易和程序化交易最大的区别是交易的过程中，如果是人工交易那就是量化交易，如果是计算机自动完成的交易，那就是程序化交易。 目前国内期货有很多程序化交易平台，例如文华、TB、金字塔等。很多爱好者都是从是使用这些平台开始了自己的程序化交易（量化交易）之旅。 下面来说说如何搭建自己的CTP python期货程序化交易系统，这个系统的好处是使用上期交易所的API，直接向期货托管在交易所的API进行报单，无需支付任何费用，也不要经过任何第3方服务器进行转发。从执行效率来说，执行效率远远高于文华、TB、金字塔这类第3方平台。 第1天,访问 www.quicklib.cn 首页提供了多个程序化交易框架和工具下载。 我们是搭建期货程序化交易系统，下载“内盘期货CTP python框架”压缩包。 压缩包包括了底层源代码（例如TD和MD的DLL库源代码）和期货CTP python demo。
• 

  最全最常用的交易指标30个
  • wdg  

  1
  0
  Votes
  1
  Posts
  1512
  Views

  

  第一个：MACD指标 ＭＡＣＤ是根据移动平均线较易掌握趋势变动的方向之优点所发展出来的，它是利用二条不同速度（一条变动的速率快──短期的移动平均线，另一条较慢──长期的移动平均线）的指数平滑移动平均线来计算二者之间的差离状况（ＤＩＦ）作为研判行情的基础，然后再求取其ＤＩＦ之９日平滑移动平均线，即ＭＡＣＤ线。ＭＡＣＤ实际就是运用快速与慢速移动平均线聚合与分离的征兆，来研判买进与卖进的时机和讯号。 （1）ＭＡＣＤ的基本运用方法： ＭＡＣＤ在应用上，是以１２日为快速移动平均线（１２日ＥＭＡ），而以２６日为慢速移动平均线（２６日ＥＭＡ），首先计算出此两条移动平均线数值，再计算出两者数值间的差离值，即差离值（ＤＩＦ）＝１２日ＥＭＡ－２６日ＥＭＡ。然后根据此差离值，计算９日ＥＭＡ值（即为ＭＡＣＤ值）；将ＤＩＦ与ＭＡＣＤ值分别绘出线条，然后依“交错分析法”分析，当ＤＩＦ线向上突破ＭＡＣＤ平滑线即为涨势确认之点，也就是买入讯号。反之，当ＤＩＦ线向下跌破ＭＡＣＤ平滑线时，即为跌势确认之点，也就是卖出讯号。 （2）应用法则： ① DIF和MACD在0以上，大势属多头市场。 ② DIF向上突破MACD时，可作买；若DIF向下跌破MACD时，只可作原单的平仓，不可新卖单进场。 ③ DIF和MACD在0以下，大势属空头市场。 ④ DIF向下跌破MACD时，可作卖；若DIF向上突破MACD时，只可作原单的平仓，不可新买单进场。 ⑤ 高档二次向下交叉大跌，低档二次向上交叉大涨。 第二个：DMI指标 动向指数又叫移动方向指数或趋向指数。是属于趋势判断的技术性指标，其基本原理是通过分析股票价格在上升及下跌过程中供需关系的均衡点，即供需关系受价格变动之影响而发生由均衡到失衡的循环过程，从而提供对趋势判断的依据。动向的指数有三条线：上升指标线，下降指标线和平均动向指数线。三条线均可设定天数，一般为１４天。 DMI的计算方法非常复杂，在此不做介绍，感兴趣的用户可以自行查阅相关技术分析书籍 应用法则： ① +DI 向上交叉-DI 时，做买。 ② +DI 向下交叉-DI 时，做卖。 ③ 当ADX 于50以上向下转折时，代表市场趋势终了。 ④ 当ADX 滑落至 +DI之下时，不宜进场交易。 ⑤ 当ADXR低于20以下时，宜采用TBP及CDP中之反应秘诀为交易参考。 第三个：DMA指标 DMA指标利用两条不同期间的平均线，计算差值之后，再除以基期天数。它是两条基期不同平均线的差值，由于其是将短期均线与长期均线进行了协调，也就是说它滤去了短期的随机变化和长期的迟缓滞后，使得其数值能更准确、真实、客观地反映股价趋势。故它是一种反映趋势的指标 应用法则： ① DMA是两条基期不同平均线差值。实线向上交叉虚线，买进。 ② 实线向下交叉虚线，卖出。 ③ DMA 也可观察与股价的背离。 第四个：EXPMA指标 EXPMA 译为指数平均数，修正移动平均线较股价落后的缺点，本指标随股价波动反应快速，用法与移动平均线相同 第五个：TRIX指标 TRIX(Triple Exponentially Smoothed Moving Average)中文名称：三重指数平滑移动平均，长线操作时采用本指标的讯号，可以过滤掉一些短期波动的干扰，避免交易次数过于频繁，造成部分无利润的买卖，及手续费的损失。本指标是一项超长周期的指标，长时间按照本指标讯号交易，获利百分比大于损失百分比，利润相当可观 应用法则： ① 盘整行情本指标不适用。 ② TRIX向上交叉其MA线，买进。 ③ TRIX向下交叉其MA线，卖出。 ④ TRIX与股价产生背离时，应注意随时会反转。 ⑤ TRIX是一种三重指数平滑平均线。 第六个：BRAR指标 BR是一种“情绪指标”，套句西方的分析观点，就是以“反市场心理”的立场为基础，当众人一窝蜂的买股票，市场上充斥着大大小小的好消息，报章杂志纷纷报道经济增长率大幅上扬，刹那间，前途似乎一片光明，此时，你应该断然离开市场。相反地，当群众已经对行情失望，市场一片看坏的声浪时，你应该毅然决然的进场默默承接。无论如何，这一条路是孤独的，你必须忍受寂寞，克服困难走和别人相反的道路。AR是一种“潜在动能”。由于开盘价乃是股民经过一夜冷静思考后，共同默契的一个合理价格，那么，从开盘价向上推升至当日最高价之间，每超越一个价位都会损耗一分能量。当AR值升高至一定限度时，代表能量已经消耗殆尽，缺乏推升力道的股价，很快的就会面临反转的危机。相反地，股价从开盘之后并未向上冲高，自然就减少能量的损耗，相对的也就屯积保存了许多累积能量，这一股无形的潜能，随时都有可能在适当成熟的时机暴发出来。我们一方面观察BR的情绪温度，一方面追踪AR 能量的消长，以这个角度对待 BRAR的变化，用‘心’体会股价的脉动，这是使用BRAR的最高境界。 应用法则： ① BR=100是强弱气势的均衡状态。 ② BR ③ BR由高档下跌一半，股价反弹。 ④ BR由低档上涨一半，股价回档。 ⑤ BR>400以上进入高价圈。AR>180以上，进入高价圈。 ⑥ AR<100后急剧下跌，致使 AR<40时可买进。 第七个：CR指标 只比较一天收盘价与当天收盘价，分析股价的高低及强弱，然后预测明日的股价，是具有重视收盘价倾向的做法。相对的，从同样重视开盘价与收盘价，算出AR与BR值，则是追从着股价动向的方式，初次之外尚有以前一天的中间价为基准比中间价高的能量为“强”，比中间价低的能量为“弱”，然后个别将其二十六日份的总数以“弱分之强”计算出CR，对股价神秘部分作一个预测。 应用法则： ① CR平均线周期由短至长分成A，B，C，D四条。 ② 由C，D构成的带状称为主带，A，B构成的带状称为副带。 ③ CR由带状之下上升160%时，卖出。 ④ CR跌至40以下，重回副带，而 A线由下转上时，买进。 ⑤ 主带与副带分别代表主要的压力支撑区及次要压力支撑区。 ⑥ CR在 400以上，渐入高档区，注意 A线的变化。 第八个：VR指标 成交量比率（简称ＶＲ），是一项通过分析股价上升日成交额（或成交量，下同）与股价下降日成交额比值，从而掌握市场买卖气势的中期技术指标。主要用于个股分析，其理论基础是“量价同步”及“量须先予价”，以成交量的变化确认低价和高价，从而确定买卖时法。 （1）计算公式 ＶＲ＝Ｎ日内上升日成交额总和/Ｎ日内下降日成交额总和 其中：Ｎ日为设定参数，一般设为２６日 （2）应用法则： ① VR下跌至40% 以下时，市场极易形成底部。 ② VR值一般分布在150%左右最多，一旦越过250%，市场极容易产生一段多头行情。 ③ VR超过450%以上，应有高档危机意识，随时注意反转之可能，可配合CR及PSY使用。 ④ VR的运用在寻找底部时较可靠，确认头部时，宜多配合其他指标使用。 第九个：OBV指标 ＯＢＶ线亦称ＯＢＶ能量潮，是将成交量值予以数量化，制成趋势线，配合股价趋势线，从价格的变动及成交量的增减关系，推测市场气氛。ＯＶＢ的理论基础是市场价格的变动必须有成交量配合，价格的升降而成交量不相应升降，则市场价格的变动难以继续。 （1）计算方法 逐日累计每日上市股票总成交量，当天收市价高于前一日时，总成交量为正值，反之，为负值，若平盘，则为零。 即：当日ＯＢＶ＝前一日的ＯＢＶ±今日成交量 然后将累计所得的成交量逐日定点连接成线，与股价曲线并列于一图表中，观其变化。 （2）应用法则： ① 必须观察OBV之N字形波动。 ② 当OBV 超越前一次 N字形高点，即记一个向上的箭号。 ③ 当OBV 跌破前一次 N字形低点，即记一个向下的箭号。 ④ 累计五个向下或向上之箭号，即为短期反转讯号。 ⑤ 累计九个向下或向上之箭号，即为中期反转讯号。 ⑥ N字形波动加大时，须注意行情随时有反转可能。 第十个：ASI指标 ASI（Accumulation Swing Index）中文名称：振动升降指标， 由 Welles Wilder所创。ASI企图以开盘、最高、最低、收盘价构筑成一条幻想线，以便取代目前的走势，形成最能表现当前市况的真实市场线（RealMarket）。韦尔达认为当天的交易价格，并不能代表当时真实的市况，真实的市况必须取决于当天的价格，和前一天及次一天价格间的关系，他经过无数次的测试之后，决定了ASI。 应用法则： ① 股价创新高低，而ASI 未创新高低，代表对此高低点之不确认。 ② 股价已突破压力或支撑线，ASI 欲未伴随发生，为假突破。 ③ ASI前一次形成之显著高低点，视为ASI之停损点。多头时，当ASI 跌破前一次低点，停损卖出；空头时，当ASI 向上突破其前一次高点，停损回补。 第十一个：EMV指标 简易波动指标,由“Cycle In The StockMarket”作者Richard W·Arms Jr，根据等量图(Equivolume Charting)原理制作而成。如果较少的成交量便能推动股价上涨，则EMV数值会升高,相反的，股价下跌时也仅伴随较少的成交量,则EMV数值将降低。另一方面，倘若价格不涨不跌，或者价格的上涨和下跌，都伴随着较大的成交量时，则EMV的数值会趋近于零。这个公式原理运用的相当巧妙，股价在下跌的过程当中，由于买气不断的萎靡退缩，致使成交量逐渐的减少，EMV数值也因而尾随下降，直到股价下跌至某一个合理支撑区，捡便宜货的买单促使成交量再度活跃，EMV数值于是作相对反应向上攀升，当EMV数值由负值向上趋近于零时，表示部分信心坚定的资金，成功的扭转了股价的跌势，行情不但反转上扬，并且形成另一次的买进讯号。行情的买进讯号发生在EMV数值，由负值转为正值的一刹那，然而股价随后的上涨，成交量并不会很大，一般仅呈缓慢的递增，这种适量稳定的成交量，促使EMV数值向上攀升，由于头部通常是成交量最集中的区域，因此，市场人气聚集越来越多，直到出现大交易量时，EMV数值会提前反应而下降，行情已可确定正式反转，形成新的卖出讯号。EMV运用这种成交量和人气的荣枯，构成一个完整的股价系统循环，本指标引导股民藉此掌握股价流畅的节奏感，一贯遵守EMV的买进卖出讯号，避免在人气汇集且成交热络的时机买进股票，并且在成交量已逐渐展现无力感，而狂热的群众尚未察觉能量即将用尽时，卖出股票并退出市场。 应用法则： ①．EMV值上升，代表量跌价增。 ②．EMV值下降，代表量跌价跌。 ③．EMV趋向于0，代表大成交量。 ④．EMV>0，买进。 ⑤．EMV<0，卖出。 第十二个：WVAD指标 这是一种将成交量加权的量价指标。其主要的理论精髓，在于重视一天中开盘到收盘之间的价位，而将此区域之上的价位视为压力，区域之下的价位视为支撑，求取此区域占当天总波动的百分比，以便测量当天的成交量中，有多少属于此区域。成为实际有意义的交易量。 如果区域之上的压力较大，将促使WVAD变成负值，代表卖方的实力强大，此时应该卖出持股。如果区域之下的支撑较大，将促使WVAD变成正值，代表买方的实力雄厚，此时应该买进股票。 WVAD正负之间，强弱一线之隔。非常符合我们推广的东方哲学技术理论，由于模拟测试所选用的周期相当长,测试结果也以长周期成绩较佳 应用法则： ①．指标为正值，代表多方的冲力占优势，应买进。 ②．指标为负值，代表空方的冲力占优势，应卖出。 ③．WVAD是测量股价由开盘至收盘期间，多空两方的战斗力平衡。 ④．运用WVAD指标，应先将参数设存长期。 第十三个：RSI指标 相对强弱指数是通过比较一段时期内的平均收盘涨数和平均收盘跌数来分析市场买沽盘的意向和实力，从而作出未来市场的走势。 (1)计算公式和方法 ＲＳＩ＝<上升平均数÷(上升平均数＋下跌平均数)>×100 应用法则： ① RSI 值于 0%-100%之间呈常态分配。当6 日RSI 值在94% 以上时，股市呈超买现象，若出现 M头为卖出时机；当 6日RSI 值在 13%以下时，股市呈现超卖现象，若出现 W底为买进时机。 ② 当快速RSI 由下往上突破慢速RSI 时，为买进时机；当慢速RSI 由上往下跌破快速RSI时，为卖出时机。 第十四个：W%R指标 威廉指数W％Ｒ是利用摆动点来量度股市的超买卖现象，可以预测循环期内的高点或低点，从而提出有效率的投资讯号，％Ｒ＝１００－（Ｃ－Ｌn）/（Ｈn-Ｌn）×１００ 其中：Ｃ为当日收市价，Ｌn为Ｎ日内最低价，Ｈn为Ｎ日内最高价，公式中Ｎ日为选设参数，一般设为１４日或２０日。 应用法则： ① W%R 介于100%及0%之间；100%置于底部0%置于顶部。 ② 80% 设一条「超卖线」，价格进入80%-100%之间，而后再度上升至80% 之上时为买入讯号。 ③ 20% 设一条「超买线」，价格进入20%-0%之间，而后再度下跌至20% 之下时为卖出讯号。 ④ 50% 设一条「中轴线」，行情由下往上穿越时，表示确认买进讯号；行情由上往下穿越时,表示确认卖出讯号。 第十五个：SAR指标 抛物线转向也称停损点转向，是利用抛物线方式，随时调整停损点位置以观察买卖点。由于停损点（又称转向点ＳＡＲ）以弧形的方式移动，故称之为抛物线转向指标。 应用法则： ① 任何一天收盘价高于或低于SAR ，则须执行空头或多头之停损交易。 ② 任何一次停损交易，也视为市况转变，交易者须改变立场，从事新趋势之交易。 ③ 收盘价>SAR，空头停损。 ④ 收盘价 第十六个：KDJ指标 KDJ全名为随机指标(Stochastics)，由George Lane所创，其综合动量观念，强弱指标及移动平均线的优点，早年应用在期货投资方面，功能颇为显著，目前为股市中最常用的指标之一 应用原则： ① K值由右边向下交叉D值做卖，K 值由右边向上交叉D值做买。 高档连续二次向下交叉确认跌势，低档高档连续二次向下交叉确认跌势， 低档连续二次向上交叉确认涨势。 ② D值<15% 超卖，D值>90% 超买；J>100%超买，J<10% 超卖。 ③ KD值于 50%左右徘徊或交叉时无意义。 ④ 投机性太强的个股不适用 ⑤ 可观察KD值与股价之背离情况，以确认高低点。 第十七个：CCI指标 顺势指标，本指标是由 DonaldLambert所创，专门测量股价是否已超出常态分布范围。属于超买超卖类指标中较特殊的一种，波动于正无限大和负无限小之间。但是，又不须要以0为中轴线，这一点也和波动于正无限大和负无限小的指标不同。然而每一种的超买超卖指标都有“天线”和“地线”。除了以50为中轴的指标，天线和地线分别为80和20以外，其他超买超卖指标的天线和地线位置，都必须视不同的市场、不同的个股特性而有所不同。独独CCI指标的天线和地线方别为＋100和－100。 应用原则： ① CCI 与股价产生背离现象时，是一项明显的警告讯号。 ② CCI 正常波动范围在±100之间,+100以上为超买讯号，-100为超卖讯号。 ③ CCI 主要是测量脱离价格正常范围之变异性。 第十八个：ROC指标 ROC指标可以同时监视常态性和极端性两种行情，等于综合了RSI、W％R、KDJ、CCI四种指标的特性。ROC也必须设定天线和地线。但是却拥有三条天线和三条地线（有时候图形上只须画出各一条的天地线即可）。和其他的超买超卖指标不同，而且天地线的位置既不是80和20，也不是＋100和－100，ROC指标的天地线位置是不确定的。 应用法则： ① ROC 具有超买超卖功能。 ② 个股经价格比率之不同，其超买超卖范围也略有不同，但一般总是介于 ±6.5之间。 ③ ROC 抵达超卖水准时，做买；抵达超买水准时，做卖。 ④ ROC 对于股价也能产生背离作用。 第十九个：MIKE指标 ① Weak-s、Medium-s、Strong-s三条线代表初级、中级及强力支撑。 ② Weak-r、Medium-r、Strong-r三条线代表初级、中级及强力压力。 ③ MIKE Base 指标是一种路径指标，依据Typical Price 计算, 包含三条带状支撑与压力，本栏不以图形表示，请依照数据操作。 第二十个：布林指标 布林线是一个路径型指标，由上限和下限两条线，构成一个带状的路径。股价超越上限时，代表超买，股价超越下限时，代表超卖。布林线指标的超买超卖作用，只能运用在横向整理的行情。 应用法则： ① 布林线利用波带可以显示其安全的高低价位。 ② 当易变性变小，而波带变窄时，激烈的价格波动有可能随即产生。 ③ 高低点穿越波带边线时，立刻又回到波带内，会有回档产生。 ④ 波带开始移动后，以此方式进入另一个波带，这对于找出目标值有相当帮助。 第二十一个:TWR宝塔线 宝塔线是以白黑（虚体，实体）的实体棒线来划分股价的涨跌，及研判其涨跌趋势的一种线路，也是将多空之间拼杀的过程与力量的转变表现在图中，并且显示适当的买进时机，与卖出时机。它的特征与点状图类似，亦即并非记载每天或每周的股价变动过程，而乃系当股价续创新高价（或创新低价），抑或反转上升或下跌时，再予以记录，绘制。 应用法则： ① 宝塔线翻红为买进时机，股价将会延伸一段上升行情。 ② 宝塔线翻蓝则为卖出时机，股价将会延伸一段下跌行情。 ③ 盘局时宝塔线的小翻白，小翻黑可不必理会。 ④ 盘局或高档时宝塔线长蓝而下，宜立即获利了事，翻蓝下跌一段后，突然翻红，可能是假突破，不宜抢进，最好配合K线及成交量观察数天后再作决定 ⑤ 宝塔线适合短线操作之用，但最好配合K线，移动平均线及其他指标一并使用，可减少误判的机会，如十日移动平均线走平，宝塔线翻黑，即需卖出。 第二十二个：TURN周转率 周转率也称换手率，是市场人气强弱的一种指标，其定义为在一定期间内，市场中股票转手买卖频率。股票周转率越高，意味着该股股性越活泼，也就是投资人所谓的热门股；反之，周转率甚低的股票，则是所谓的冷门股。 ① 热门股的优点在于进出容易，较不会有要进进不到，或想卖卖不出的现象。然而，值得注意的是，周转率高的股票，往往也是短线操作的投机者介入的对象，故股价起伏也会较大。 ② 由于每股在外流通筹码不同，看周转率时，应用趋势线的眼光来看是增加或减少，不应局限在数值的高低。 第二十三个：BIAS乖离率 是移动平均原理派生的一项技术指标，其功能主要是通过测算股价在波动过程中与移动平均线出现偏离的程度，从而得出股价在剧烈波动时因偏离移动平均趋势而造成可能的回档或反弹，以及股价在正常波动范围内移动而形成继续原有势的可信度。 乖离度的测市原理是建立在：如果股价偏离移动平均线太远，不管股份在移动平均线之上或之下，都有可能趋向平均线的这一条原理上。而乖离率则表示股价偏离趋向指标斩百分比值。 ① 计算公式 Ｙ值＝（当日收市价－Ｎ日内移动平均收市价）/Ｎ日内移动平均收市价×１００％ 其中，Ｎ日为设立参数，可按自己选用移动平均线日数设立，一般分定为６日，１２日，２４日和７２日，亦可按１０日，３０日，７５日设定。 ② 运用原则 乖离率分正乖离和负乖离。当股价在移动平均线之上时，其乖离率为正，反之则为负，当股价与移动平均线一致时，乖离率为０。随着股价走势的强弱和升跌，乖离率周而复始地穿梭于０点的上方和下方，其值的高低对未来走势有一定的测市功能。一般而言，正乘离率涨至某一百分比时，表示短期间多头获利回吐可能性也越大，呈卖出讯号；负乘离率降到某一百分比时，表示空头回补的可能性也越大，呈买入讯号。对于乘离率达到何种程度方为正确之买入点或卖出点，目前并没有统一原则，使用者可赁观图经验力对行情强弱的判断得出综合结论。一般来说，在大势上升市场，如遇负乘离率，可以行为顺跌价买进，因为进场风险小；在大势下跌的走势中如遇正乖离，可以待回升高价时，出脱持股。 由于股价相对于不同日数的移动平均线有不同的乖离率，除去暴涨或暴跌会使乖离率瞬间达到高百分比外，短、中、长线的乖离率一般均有规律可循。下面是国外不同日数移动平均线达到买卖讯事号要求的参考数据： ６日平均值乖离：－３％是买进时机，＋３．５是卖出时机； １２日平均值乖离：－４．５％是买进时机，＋５％是卖出时机； ２４日平均值乖离：－７％是买进时机，＋８％是卖出时机； ７２日平均值乖离：－１１％是买进时机，＋１１％是卖出时机； 第二十四个：慢速KD（SKD,SLOWKD） 是随机指标的一种，只是KD指标是属于较快的随机波动， SKD线则是属于较慢的随机波动，依股市经验 SKD较适合用于作短线，由于它不易出现抖动的杂讯，买卖点较KD明确，SKD线之K值在低档出现，与指数背离时，应作买点，尤其K值第二次超越D值时。 第二十五个：DBCD异同离差乖离率 ① 公式描述： 先计算乖离率BIAS，然后计算不同日的乖离率之间的离差，最后对离差进行指数移动平滑处理。 ②特点： 原理和构造方法与乖离率类似，用法也与乖离率相同。优点是能够保持指标的紧密同步，而且线条光滑，信号明确，能够有效的过滤掉伪信号。 第二十六个：LW&R威廉指标 ① LWR威廉指标实际上是KD指标的补数，即(100-KD)。 LWR1线 (100-线K) LWR2线 (100-线D) 参数：N、M1、M2 天数，一般取9、3、3 ② 用法： 1.LWR2<30，超买；LWR2>70，超卖。 2.线LWR1向下跌破线LWR2，买进信号； 线LWR1向上突破线LWR2，卖出信号。 3.线LWR1与线LWR2的交叉发生在30以下，70以上，才有效。 4.LWR指标不适于发行量小，交易不活跃的股票； 5.LWR指标对大盘和热门大盘股有极高准确性。 第二十七个：MTM动量指标 ① 动量指数（ＭＯＭＥＮＴＯＭＩＮＤＥＸ）就是一种专门研究股价波动的技术分析指标，它以分析股价波动的速度为目的，研究股价在波动过程中各种加速，减速，惯性作用以及股价由静到动或由动转静的现象。动量指数的理论基础是价格和供需量的关系，股价的涨幅随着时间，必须日渐缩小，变化的速度力量慢慢减缓，行情则可反转。反之，下跌亦然。动量指数就是这样通过计算股价波动的速度，得出股价进入强势的高峰和转入弱势的低谷等不同讯号，由此成为投资者较喜爱的一种测市工具。股价在波动中的动量变化可通过每日之动量点连成曲线即动量线反映出来。在动量指数图中，水平线代表时间，垂直线代表动量范围。动量以０为中心线，即静速地带，中心线上部是股价上升地带，下部是股价下跌地带，动量线根据股价波情况围绕中心线周期性往返运动，从而反映股价波动的速度。 ② 计算公式 ＭＴＭ＝Ｃ－Ｃn 其中：Ｃ为当日收市价，Ｃn为Ｎ日前收市价，Ｎ为设定参数，一般选设１０日，亦可在６日至１４日之间选择。 ③ 运用原则 1、一般情况下，ＭＴＭ由上向下跌破中心线时为卖出时机，相反，ＭＴＭ由下向上突破中心线时为买进时机。 2、因选设１０日移动平均线情况下，当ＭＴＭＴ在中心线以上，由上向下跌穿平均为卖出讯号，反之，当ＭＴＭ在中心线以下，由下向上突破平均线为买入讯号。 3、股价在上涨行情中创出点，而ＭＴＭＴ未能配合上升，出现背驰现象，意味上涨动力减弱，此时应关注行情，慎防股价反转下跌。 4、股价在下跌行情中走出新低点，而ＭＴＭ未能配合下降，出现背驰，该情况意味下跌动力减弱，此时应注意逢低承接。 5、若股价与ＭＴＭ在低位同步上升，显示短期将有反弹行情；若股价与ＭＴＭ在高位同步下降，则显示短期可能出现股价回落。 ④ 评价 有时光用动量值来分析研究，显得过于简单，在实际中再配合一条动量值的移动平均线使用，形成快慢速移动平均线的交叉现象，用以对比，修正动量指数，效果很好。 第二十八个：PSY心理线 ① 心理线是一种建立在研究投资人心理趋向基础上，将某段时间内投资者倾向买方还是卖方的心理与事实转化为数值，形成人气指标，做为买卖股票的参数。 ② 计算方法 ＰＳＹ＝Ｎ日内的上涨天数/Ｎ×１００ Ｎ一般设定为１２日，最大不超过２４，周线的最长不超过２６。 ③ 运用原则 1、由心理线公式计算出来的百分比值，超过７５时为超买，低于２５时为超卖，百分比值在２５－７５区域内为常态分布。但在涨升行情时，应将卖点提高到７５之上；在跌落行情时，应将买点降低至４５以下。具体数值要凭经验和配合其他指标。 2、一段上升行情展开前，通常超卖的低点会出现两次。同样，一段下跌行情展开前，超买的最高点也会出现两次。在出现第二次超卖的低点或超买的高点时，一般是买进或卖出的时机。 3、当百分比值降低至１０或１０以下时，是真正的超买，此时是一个短期抢反弹的机会，应立即买进 第二十九个：OSC摆动线 OSC公式 = 当日收盘 – 若干天的平均线价 ① 当震荡点大于0且股价趋势仍属上升时，为多头走势，反之当震荡点小于0且股价趋势为下跌是为空头走势。 ② OSC可用切线研判涨跌讯号。 ③ OSC可用形态学指示进出点。 ④ OSC与价格背离则反转日为时不远。 第三十个：B3612三减六日乖离 ① 算法： B36　收盘价的3日移动平均线与6日均线的差离 B612 收盘价的6日均线与12日均线的差离 ② 用法：乖离值围绕多空平衡点零上下波动，正数达到某个程度无法再往上升时，是卖出时机；反之，是买进时机。多头走势中，行情回档多半在三减六日乖离达到零附近获得支撑，即使跌破，也很快能够拉回。
• 

  大数据计算平台Spark内核全面解读
  • wdg  

  1
  0
  Votes
  1
  Posts
  791
  Views

  

  1、Spark介绍 Spark是起源于美国加州大学伯克利分校AMPLab的大数据计算平台，在2010年开源，目前是Apache软件基金会的顶级项目。随着 Spark在大数据计算领域的暂露头角，越来越多的企业开始关注和使用。2014年11月，Spark在Daytona Gray Sort 100TB Benchmark竞赛中打破了由Hadoop MapReduce保持的排序记录。Spark利用1/10的节点数，把100TB数据的排序时间从72分钟提高到了23分钟。 Spark在架构上包括内核部分和4个官方子模块–Spark SQL、Spark Streaming、机器学习库MLlib和图计算库GraphX。图1所示为Spark在伯克利的数据分析软件栈BDAS（Berkeley Data Analytics Stack）中的位置。可见Spark专注于数据的计算，而数据的存储在生产环境中往往还是由Hadoop分布式文件系统HDFS承担。 图1 Spark在BDAS中的位置 Spark被设计成支持多场景的通用大数据计算平台，它可以解决大数据计算中的批处理，交互查询及流式计算等核心问题。Spark可以从多数据源的 读取数据，并且拥有不断发展的机器学习库和图计算库供开发者使用。数据和计算在Spark内核及Spark的子模块中是打通的，这就意味着Spark内核 和子模块之间成为一个整体。Spark的各个子模块以Spark内核为基础，进一步支持更多的计算场景，例如使用Spark SQL读入的数据可以作为机器学习库MLlib的输入。表1列举了一些在Spark平台上的计算场景。 表1 Spark的应用场景举例 在本文写作是，Spark的最新版本为1.2.0，文中的示例代码也来自于这个版本。 2、Spark内核介绍 相信大数据工程师都非常了解Hadoop MapReduce一个最大的问题是在很多应用场景中速度非常慢，只适合离线的计算任务。这是由于MapReduce需要将任务划分成map和 reduce两个阶段，map阶段产生的中间结果要写回磁盘，而在这两个阶段之间需要进行shuffle操作。Shuffle操作需要从网络中的各个节点 进行数据拷贝，使其往往成为最为耗时的步骤，这也是Hadoop MapReduce慢的根本原因之一，大量的时间耗费在网络磁盘IO中而不是用于计算。在一些特定的计算场景中，例如像逻辑回归这样的迭代式的计 算，MapReduce的弊端会显得更加明显。 那Spark是如果设计分布式计算的呢？首先我们需要理解Spark中最重要的概念–弹性分布数据集（Resilient Distributed Dataset），也就是RDD。 2.1 弹性分布数据集RDD RDD是Spark中对数据和计算的抽象，是Spark中最核心的概念，它表示已被分片（partition），不可变的并能够被并行操作的数据集 合。对RDD的操作分为两种transformation和action。Transformation操作是通过转换从一个或多个RDD生成新的 RDD。Action操作是从RDD生成最后的计算结果。在Spark最新的版本中，提供丰富的transformation和action操作，比起 MapReduce计算模型中仅有的两种操作，会大大简化程序开发的难度。 RDD的生成方式只有两种，一是从数据源读入，另一种就是从其它RDD通过transformation操作转换。一个典型的Spark程序就是通 过Spark上下文环境（SparkContext）生成一个或多个RDD，在这些RDD上通过一系列的transformation操作生成最终的 RDD，最后通过调用最终RDD的action方法输出结果。 每个RDD都可以用下面5个特性来表示，其中后两个为可选的： 分片列表（数据块列表） 计算每个分片的函数 对父RDD的依赖列表 对key-value类型的RDD的分片器（Partitioner）（可选） 每个数据分片的预定义地址列表（如HDFS上的数据块的地址）（可选） 虽然Spark是基于内存的计算，但RDD不光可以存储在内存中，根据useDisk、useMemory、useOffHeap, deserialized、replication五个参数的组合Spark提供了12种存储级别，在后面介绍RDD的容错机制时，我们会进一步理解。值 得注意的是当StorageLevel设置成OFF_HEAP时，RDD实际被保存到Tachyon中。Tachyon是一个基于内存的分布式文件系统，目前正在快速发展，本文不做详细介绍，可以通过其官方网站进一步了解。 classStorageLevelprivate( privatevar _useDisk:Boolean, privatevar _useMemory:Boolean, privatevar _useOffHeap:Boolean, privatevar _deserialized:Boolean privatevar _replication:Int=1) extendsExternalizable{//… } val NONE =newStorageLevel(false,false,false,false) val DISK_ONLY =newStorageLevel(true,false,false,false) val DISK_ONLY_2 =newStorageLevel(true,false,false,false,2) val MEMORY_ONLY =newStorageLevel(false,true,false,true) val MEMORY_ONLY_2 =newStorageLevel(false,true,false,true,2) val MEMORY_ONLY_SER =newStorageLevel(false,true,false,false) val MEMORY_ONLY_SER_2 =newStorageLevel(false,true,false,false,2) val MEMORY_AND_DISK =newStorageLevel(true,true,false,true) val MEMORY_AND_DISK_2 =newStorageLevel(true,true,false,true,2) val MEMORY_AND_DISK_SER =newStorageLevel(true,true,false,false) val MEMORY_AND_DISK_SER_2 =newStorageLevel(true,true,false,false,2) val OFF_HEAP =newStorageLevel(false,false,true,false) 2.2 DAG、Stage与任务的生成 Spark的计算发生在RDD的action操作，而对action之前的所有transformation，Spark只是记录下RDD生成的轨迹，而不会触发真正的计算。 Spark内核会在需要计算发生的时刻绘制一张关于计算路径的有向无环图，也就是DAG。举个例子，在图2中，从输入中逻辑上生成A和C两个 RDD，经过一系列transformation操作，逻辑上生成了F，注意，我们说的是逻辑上，因为这时候计算没有发生，Spark内核做的事情只是记 录了RDD的生成和依赖关系。当F要进行输出时，也就是F进行了action操作，Spark会根据RDD的依赖生成DAG，并从起点开始真正的计算。 图2 逻辑上的计算过程：DAG 有了计算的DAG图，Spark内核下一步的任务就是根据DAG图将计算划分成任务集，也就是Stage，这样可以将任务提交到计算节点进行真正的 计算。Spark计算的中间结果默认是保存在内存中的，Spark在划分Stage的时候会充分考虑在分布式计算中可流水线计算（pipeline）的部 分来提高计算的效率，而在这个过程中，主要的根据就是RDD的依赖类型。根据不同的transformation操作，RDD的依赖可以分为窄依赖 （Narrow Dependency）和宽依赖（Wide Dependency，在代码中为ShuffleDependency）两种类型。窄依赖指的是生成的RDD中每个partition只依赖于父 RDD(s) 固定的partition。宽依赖指的是生成的RDD的每一个partition都依赖于父 RDD(s) 所有partition。窄依赖典型的操作有map, filter, union等，宽依赖典型的操作有groupByKey, sortByKey等。可以看到，宽依赖往往意味着shuffle操作，这也是Spark划分stage的主要边界。对于窄依赖，Spark会将其尽量划 分在同一个stage中，因为它们可以进行流水线计算。 图3 RDD的宽依赖和窄依赖 我们再通过图4详细解释一下Spark中的Stage划分。我们从HDFS中读入数据生成3个不同的RDD，通过一系列 transformation操作后再将计算结果保存回HDFS。可以看到这幅DAG中只有join操作是一个宽依赖，Spark内核会以此为边界将其前 后划分成不同的Stage. 同时我们可以注意到，在图中Stage2中，从map到union都是窄依赖，这两步操作可以形成一个流水线操作，通过map操作生成的 partition可以不用等待整个RDD计算结束，而是继续进行union操作，这样大大提高了计算的效率。 图4 Spark中的Stage划分 Spark在运行时会把Stage包装成任务提交，有父Stage的Spark会先提交父Stage。弄清楚了Spark划分计算的原理，我们再结 合源码看一看这其中的过程。下面的代码是DAGScheduler中的得到一个RDD父Stage的函数，可以看到宽依赖为划分Stage的边界。 /** * Get or create the list of parent stages for a given RDD. The stages will be assigned the * provided jobId if they haven't already been created with a lower jobId. */ privatedef getParentStages(rdd: RDD[_], jobId:Int):List[Stage]={ val parents =newHashSet[Stage] val visited =newHashSet[RDD[_]] // We are manually maintaining a stack here to prevent StackOverflowError // caused by recursively visiting val waitingForVisit =newStack[RDD[_]] def visit(r: RDD[_]){ if(!visited(r)){ visited += r // Kind of ugly: need to register RDDs with the cache here since // we can't do it in its constructor because # of partitions is unknown for(dep <- r.dependencies){ dep match { case shufDep:ShuffleDependency[_, _, _]=> parents += getShuffleMapStage(shufDep, jobId) case _ => waitingForVisit.push(dep.rdd) } } } } waitingForVisit.push(rdd) while(!waitingForVisit.isEmpty){ visit(waitingForVisit.pop()) } parents.toList } 上面提到Spark的计算是从RDD调用action操作时候触发的，我们来看一个action的代码 RDD的collect方法是一个action操作，作用是将RDD中的数据返回到一个数组中。可以看到，在此action中，会触发Spark上下文环境SparkContext中的runJob方法，这是一系列计算的起点。 abstractclass RDD[T:ClassTag]( @transientprivatevar sc:SparkContext, @transientprivatevar deps:Seq[Dependency[_]] )extendsSerializablewithLogging{ //…. /** * Return an array that contains all of the elements in this RDD. */ def collect():Array[T]={ val results = sc.runJob(this,(iter:Iterator[T])=> iter.toArray) Array.concat(results: _*) } } SparkContext拥有DAGScheduler的实例，在runJob方法中会进一步调用DAGScheduler的runJob方法。在 此时，DAGScheduler会生成DAG和Stage，将Stage提交给TaskScheduler。TaskSchduler将Stage包装成 TaskSet，发送到Worker节点进行真正的计算，同时还要监测任务状态，重试失败和长时间无返回的任务。整个过程如图5所示。 图5 Spark中任务的生成 2.3 RDD的缓存与容错 上文提到，Spark的计算是从action开始触发的，如果在action操作之前逻辑上很多transformation操作，一旦中间发生计 算失败，Spark会重新提交任务，这在很多场景中代价过大。还有一些场景，如有些迭代算法，计算的中间结果会被重复使用，重复计算同样增加计算时间和造 成资源浪费。因此，在提高计算效率和更好支持容错，Spark提供了基于RDDcache机制和checkpoint机制。 我们可以通过RDD的toDebugString来查看其递归的依赖信息，图6展示了在spark shell中通过调用这个函数来查看wordCount RDD的依赖关系，也就是它的Lineage. 图6 RDD wordCount的lineage 如果发现Lineage过长或者里面有被多次重复使用的RDD，我们就可以考虑使用cache机制或checkpoint机制了。 我们可以通过在程序中直接调用RDD的cache方法将其保存在内存中，这样这个RDD就可以被多个任务共享，避免重复计算。另外，RDD还提供了 更为灵活的persist方法，可以指定存储级别。从源码中可以看到RDD.cache就是简单的调用了 RDD.persist(StorageLevel.MEMORY_ONLY)。 /** Persist this RDD with the default storage level (`MEMORY_ONLY`). */ def persist():this.type = persist(StorageLevel.MEMORY_ONLY) def cache():this.type = persist() 同样，我们可以调用RDD的checkpoint方法将其保存到磁盘。我们需要在SparkContext中设置checkpoint的目录，否则 调用会抛出异常。值得注意的是，在调用checkpoint之前建议先调用cache方法将RDD放入内存，否则将RDD保存到文件的时候需要重新计 算。 /** * Mark this RDD for checkpointing. It will be saved to a file inside the checkpoint * directory set with SparkContext.setCheckpointDir() and all references to its parent * RDDs will be removed. This function must be called before any job has been * executed on this RDD. It is strongly recommended that this RDD is persisted in * memory, otherwise saving it on a file will require recomputation. */ def checkpoint(){ if(context.checkpointDir.isEmpty){ thrownewSparkException("Checkpoint directory has not been set in the SparkContext") }elseif(checkpointData.isEmpty){ checkpointData =Some(newRDDCheckpointData(this)) checkpointData.get.markForCheckpoint() } } Cache机制和checkpoint机制的差别在于cache将RDD保存到内存，并保留Lineage，如果缓存失效RDD还可以通过Lineage重建。而checkpoint将RDD落地到磁盘并切断Lineage，由文件系统保证其重建。 2.4 Spark任务的部署 Spark的集群部署分为Standalone、Mesos和Yarn三种模式，我们以Standalone模式为例，简单介绍Spark程序的部 署。如图7示，集群中的Spark程序运行时分为3种角色，driver, master和worker（slave）。在集群启动前，首先要配置master和worker节点。启动集群后，worker节点会向master节 点注册自己，master节点会维护worker节点的心跳。Spark程序都需要先创建Spark上下文环境，也就是SparkContext。创建 SparkContext的进程就成为了driver角色，上一节提到的DAGScheduler和TaskScheduler都在driver中运行。 Spark程序在提交时要指定master的地址，这样可以在程序启动时向master申请worker的计算资源。Driver，master和 worker之间的通信由Akka支持。Akka 也使用 Scala 编写，用于构建可容错的、高可伸缩性的Actor 模型应用。关于Akka，可以访问其官方网站进行进一步了解，本文不做详细介绍。 图7 Spark任务部署 3、更深一步了解Spark内核 了解了Spark内核的基本概念和实现后，更深一步理解其工作原理的最好方法就是阅读源码。最新的Spark源码可以从Spark官方网站下载。 源码推荐使用IntelliJ IDEA阅读，会自动安装Scala插件。读者可以从core工程，也就是Spark内核工程开始阅读，更可以设置断点尝试跟踪一个任务的执行。另外，读 者还可以通过分析Spark的日志来进一步理解Spark的运行机制，Spark使用log4j记录日志，可以在启动集群前修改log4j的配置文件来配 置日志输出和格式。
• 

  给正在从事量化交易和准备从量化交易的人一些忠告
  • wdg  

  1
  0
  Votes
  1
  Posts
  893
  Views

  

  给正在从事量化交易和准备从量化交易的人一些忠告。 近两年量化之风传遍金融界，但是，一个对企业管理，对金融没有任何长期研究的计算机，数学学位的毕业生，能够对路的做一个预测股市的模型，虽然金融学毕业生所做的模型也基本没什么用。 国内都以为美国量化牛逼上天，我们要和国际接轨，但事实残酷的告诉你，2016年美国排名前20量化基金的平均收益仅为2%，远远低于同期标普十个点涨幅。巴菲特很不屑的说，量化交易就是看后视镜开车。我和做量化的同行无冤无仇，我只是认为计算机只能提高我们的效率，也就是在高频交易有所作为，其他都是南辕北辙，要知道，你想用一个函数关系一劳永逸获利，这本身就是假设股市有一个完全规律性，但恰恰股市的规律是变化的函数关系。你可能以为我是持有股市无法预测的随机游走派，但你又错了，我恰恰认为股市可以预测，但绝不是应该用统计模型来预测的，这是现在金融学发展的一个天大的误区。 看看现在金融市场，被一帮玩计算机技术和数学模型的人所霸占，其实挺好笑的，事实上如果不是计算机这么普及，量化交易也不会毒害那么多小朋友去研究量化交易这条不归路，我说的毒害就是相当于鸦片，很多人痴迷量化研究，妄想一夜成名暴富，妄图被西蒙斯索罗斯各种斯附体，最后自己成了锅里的萝卜丝。去打听打听美国的市场，大家都以为很牛逼的量化交易，早就亏成狗了。被国人吹捧到天上的量化交易大师西蒙斯，什么大奖章基金，什么文艺复兴公司，可能是我眼神不好吧！我还没有看到他排在前几位。2015年量化交易前二十获利的公司，只有平均2%的收益水平，要知道同期标普上涨超过10%，既然连大盘都跑不赢，那还玩什么量化交易做什么呢？很多人都说，量化交易的牛人都不显山露水，市场中一般看不到，我就笑了，这么牛逼怎么没有出现一个人？你告诉我，一个量化交易的牛人就如巴菲特那样的，也行啊，其实是没有的。 依我看量化交易，最大的社会作用就是忽悠一帮计算机或者说理工科的学生，懂点编程的学生，数学的学生，去从事金融业或者说，让金融业给他一份工作而已。金融业工作确实是赚钱的行业，但是这个钱不来自于金融行业本身，而是来自于其他行业对金融行业的贡献。所以说，这是由于金融业造钱快的特点，吸引了一大批非金融业，我这里不是说金融学位有多牛，而是事实上，金融行业确实吸引了各种稍微沾点边的专业的毕业生来这个行业中淘金。 下面的话可能要打击很多自命为宽客的所谓量化策略研究人员。我来一个一个的谈谈所有量化交易其实大多都是经不起推敲的交易方式，或者说有这样和那样的问题。现在，只要是能够赚钱的交易方式都被圈定在这是量化交易的范畴中，好吧，就算所有的运用计算机交易的方式都叫量化交易，我们就说一说哪些量化交易能够赚钱。现在量化交易玩的最烂的方式就是用python写策略，然后进行回测，为什么这样做？因为门槛低，c++不会，python简单呀，如果你连python也不会，其实也不是问题，各种开发平台能够帮你解决。但我想说的是，你用一把尺子，现在所有的时间段内衡量所有的交易关系，这本身就是刻舟求剑。任何策略都能够在一定约束条件下实现你想要的回测结果，但在实盘之中，这种策略往往会失效，因为市场的趋势和逻辑已经改变，用老的交易方式，来解决新的问题，当然不可行。任何搞过量化研究的人，都不得不承认没有任何一个交易策略能够长期，甚至中期内保持稳定盈利的残酷事实。玩儿策略的这种模式其实现在已经有点落后了，说的明白点，就是大家都觉着有点不靠谱，但不得不去做，因为要保住饭碗。 还有一些方法，叫做套利，跨期套利跨品种套利在这里我就不赘述了，其实没有所谓量化交易之前，大家也在做套利交易。但套利本身跟量化交易没有必然关系，难道不玩计算机不做模型就不能玩套利了吗？套利交易是能赚钱，但也不是绝对能赚钱，因为城市上，就连套利交易的机会都不给你，再扣除各种手续费，各种滑点，说不定你还赔钱。 还有一种策略，叫做高频交易，这种东西，在技术上实现稍微有点门槛，而且投资稍微大一些，所以说屌丝是玩不起的。这种玩法的一个最大特点就是快，怎么个快法？快到毫秒级别。为什么要这么快呢？玩法就是做市商，这是高频交易最主要的玩法。高速的高频交易，带给你可做市的机会。什么意思呢？甲方要买乙方要卖，但是有时间差和价格差，在这种情况下，你瞬间发现机会并低买高卖从中获利，但要注意，前提是你能够低买高卖，如果行情在你买了之后被其他做高频交易的做市商先行一步卖出，怎么能低买高卖呢？所以说，高频交易策略是很直白的，要的是速度，拼的是硬件。做市商是我认为唯一的量化交易的遮羞布了，量化交易唯一的意义也就在于高频交易中的做市交易。 其实细细想想，高频交易也有其自身的问题，高频交易依托的还是比人家更快速低买高卖，但是，如果别人比你快，你的高频交易就是失败，我们在平时的交易中其实也要遵循低买高卖，只是你低买的地方，未必能够高卖出去，譬如说趋势发生了向下改变。 量化交易还有许多种衍生分类，统计套利事件驱动机器交易等，叫法繁多，这里就不一一赘述了，因为我实在认为，他们根本就不是量化交易还是量化交易者非得把那些靠谱点的交易策略归类为量化交易。其实细细琢磨一下，也就是我们平时的交易思路做成计算机的语言而已，只有高频交易是唯一人类手动做不到而电脑能做到的事情，这也是为什么在电子计算机普及以后，股票市场交易商不进行人工撮合交易而使用电子撮合交易。说了这么多，意思就是，量化交易也就牛逼在高频上面，但高频交易你有没有命去赚这个钱，还得问问其他的高频交易者答不答应。 一句话做一个总结，计算机为量化交易者带来了速度和效率，再无其他，梦想靠写个策略就能赚到钱的人，该醒醒了。若干年后，我们回过头来看会发现，人类曾经走过的量化交易弯路实在可笑，就如几百年前人类所痴迷的炼金术，不老药。
• 

  在中国做资管必读：万字雄文说透美国资产管理行业的精华策略
  • wdg  

  1
  0
  Votes
  1
  Posts
  1179
  Views

  

  业务空间加速扩张，牌照持续放开，中国资产管理行业机遇与挑战并存。（1）行业空间重估：宏观经济稳增长带来财富积累，人口老龄化促进向金融资产转移，互联网等提升技术创新，全球负利率环境加大资产波动率，居民资产管理进入了最迫切的时代。（2）新进入者加剧：监管加剧下，传统银行理财由表外监管套利回归资产管理本源，银行资金和渠道优势明显；券商资管、险资、私募陆续新获公募牌照，群雄逐鹿，胜负难断。（3）跨市场跨领域需求加大：新兴市场权益市场波段性明显，单纯持股并非最优的配置策略。针对多类别股票/股权/债券/商品资产的配置策略更具收益能力和盈利稳定性。 美国资管机构体现了格局集中、策略差异、技术智能等主要三个特征，四类机构杀出重围，格局渐明。（1）全能型：产品（特别是权益类产品）以被动类ETF为主，注重行业的横向并购整合，相关巨头均有万亿美元管理规模，黑岩/先锋/富达为代表；（2）精品型：依赖于特定投资策略或针对特定资产的定价能力，主动能力提升但规模扩张受限（难以超过500亿美元管理规模），KKR/橡树/桥水是翘楚；（3）平台型：早期通过免费策略聚拢中等收入客户，后续通过精选顾问优化理财配置，寡头效应明显，也能管理万亿元资产规模，但缺乏资产端优势，嘉欣理财成典范；（4）智能型：基于大数据技术，面向年轻群体提供低成本的理财策略，Kensho/Wealthfront/Betterment露头角。（5）北美资管机构估值中枢高于投资银行，资本市场给予精品型和平台型资管以机构以估值溢价，而全能型和平台型更容易成长为百亿美元以上的大市值公司。在智能型领域，“独角兽”常出没。 弱周期/高盈利，海内外经验均表明资产管理行业是个好生意。（1）资产管理业周期属性弱于券商，同时资产管理机构业务扩张不依赖大量占用资本，中国代表性的公募基金2014-15年ROE平均20%，高于券商。（2）中国公募基金存续规模表现出“牛市规模激增/熊市规模阴跌”的不对称特征。即使在熊市，基金管理规模也可保持较高水平，这也许可用行为金融学（产品低于一定阈值后基民不愿意赎回）。基于此，长周期视角下基金管理规模可以保持稳定增长。 基于参股基金/资产优势/互联网理财三主线选股。基于参股基金，建议增持东方证券/广发证券/兴业证券，基于资产端优势，建议增持华声股份/华西股份/九鼎投资，在互联网理财领域，受益标的：东方财富/焦点科技。 序：资产配置的最迫切时代 随着货币供给加速和中国居民财富积累，中国资产管理行业拥有近百万亿元规模。截至2015年底，包括银行理财/信托/保险资管/券商资管/公募基金/基金子公司/私募基金等在内的泛资产管理市场管理资产总规模达到约100万亿元人民币。根据BCG预测，到2020年，中国泛资产管理市场管理资产总额预计达到174万亿元人民币，2015至2020年均复合增长率可达13%；剔除通道业务之后，管理资产总额预计达到149万亿元人民币，2015至2020年均复合增长率达到 17%。 资管规模增长的驱动力在于：宏观经济稳增长带来的财富积累，人口老龄化促进向金融资产转移，互联网等带来的技术创新。同时监管政策环境下，银行等金融机构资产管理业务也在主动转型。根据银行团队的研究，目前银行理财业务与其说是赚取管理费的资产管理业务，不如说是表外的存贷款业务；当前监管导向下，未来银行有望设立资产管理子公司，回归资产管理业务本源，这会扩张资产管理业务规模。此外，全球有近10万亿元以上资产处于负利率环境中，波动率加大，资金的全球配置需求也在显著提升。 　　在美国，权益资产作为“牛长熊短”的资产，对蓝筹股Buy and Hold策略为资管相对合适的投资策略（参见西格尔《投资者的未来》中实证结果）。而在新兴市场，个股波动率高，投资中枢波幅大，估值端常发生迅速拉升和崩塌，系统风险显著。这种情况下，在新兴市场单纯持股并非最优的财富管理策略，针对多类别资产的配置策略更具稳定性。相关资产包括对股票、股权、债券、类现金、房地产、商品、艺术品等多类别产品的优化配置。 我们本报告主要梳理美国基业长青的资产管理机构发展历程，并分析其成功的产品设计策略。当然南橘北枳，中国资产管理机构的发展更依赖于对中国制度环境的认识和应变，我们的分析也是管中窥豹。 一、美国资管业：格局集中/策略差异/技术智能 从行业属性看，美国资管机构体现了格局集中、策略差异、技术智能等主要三个特征。我们将对针对北美典型的资管机构发展进行分析。 格局集中：美国拥有一大批全球资产规模最大的基金公司，包括Vangaurd，BlackRock等。据统计，从1995年到2012年，美国市场规模最大的5家资产管理公司市场份额从34%提高到了40%，前25的资产管理公司管理的市场份额达到73%。主要原因是大基金公司品牌大，渠道广且产品线丰富。 策略差异：大型基金公司主要依靠ETF产品，即发行行业指数基金，精品型的资产管理机构主要依靠特定的投资策略，如对宏观对冲/不良债权/私募股权投资等有独特策略；也有部分机构放弃资产端而抢占流量端，这体现为在平台上聚拢流量，同时提供配置ETF组合的服务。 迈向智能：美国的Wealthfront，Betterment开创了人工智能理财产品的先河，即通过优化程序为客户“量体裁衣”，设计组合配置策略；近年来美国大型资管机构也在跟进，如资管巨头Vanguard近年也在大力推进人工智能理财产品。 二、巨头型：黑岩的崛起 随手打开《中国证券报》、《经济观察报》或类似的刊物，总是能发现许多分析师或经济学家在讲话。他们背后都有一些非常显赫的名字：GS,MS, ML, DB等等。如果只看这些刊物，我们很容易把这些名字理解为金融市场的主角，是它们决定了价格、成交量和一切走势。但这不是事实，因为它们只是中介商。对外行而言，它们拥有一个气派的名字：投资银行(InvestmentBank)，而内行一般把它们称为“经纪商/自营商”(Broker/Dealer)，这精辟地描述了它们的两大功能：帮助客户进行融资和交易，用自己的资本进行投资和投机。 ML, Citi和许多其他投资银行没有自己的投资管理部门，GS,MS和DB的投资管理规模大致在2000-5000亿美元之间，听起来挺吓人的。但是很少有人听说以下的名字：Fidelity拥有1.4万亿美元，StateStreet拥有1.2万亿美元，CapitalGroup拥有大约1万亿美元，Vanguard拥有8000亿美元。以上任何一家都相当于三到四家顶级投资银行的资产管理规模。所以，当中国私募基金挺进香港，声称要把GS和ML赶出去时，他们完全错误理解了金融市场的角色关系。他们不应该把经纪人赶出去，因为经纪人是为所有人提供服务的，否则市场无法运转。 2.1、战略：持续对外扩张的资管巨头 作为全球最大的资产管理机构，Blackrock（译为黑岩，简称BLK）的股权结构较为分散，内部股东持股比例仅有5%，机构和共同基金持股比例占71%，但持股比例较为分散。 1988年Blackrock由拉里·芬克和苏珊·瓦格纳等8人建立。最初，芬克得到了全球最大私募黑石集团皮特·彼得森的初始经营资本的稳定资助。彼得森相信芬克做致力于风险管理领域公司的眼光，于是为公司命名为“黑石财务管理”。成立之初，公司主要业务时固定资产投资。1992年，由于与大私募集团黑石的名字会产生混淆，他们决定从“黑石财务管理”改名为“黑岩”。当年公司资产管理规模(以下简称AUM)为170亿美元，1994年，AUM为530亿美元。 对外通过并购扩张，在内夯实技术中台系统，这成为黑岩的发展战略。1995年，PNC金融服务集团收购了BLK，这一并购让BLK的业务变得更加多元化，从封闭型基金、信托拓展到开放型基金，包括股票基金。同时，BLK的分销网络和投资机会也因此增加。 1999年，BLK以每股14美元的价格在纽约证券交易所公开上市，AUM为1650亿美元，2004年这个数字增长到了3420亿。 2000年，BLK成立了由一支分析师团队组成的“黑岩解决方案”公司。这个公司现已经拥有800多人的庞大分析师团队，2000多名雇员，学科背景覆盖数学、金融、经济、工程等多个领域。 　　BLK Solutions：黑岩黑科技的集中营 BLK Solutions（以下简称BRS）是一个提供投资管理科技系统、风险管理服务和咨询服务的部门，以服务费为收入。下面分设两个部门：Aladdin和金融市场咨询（financial markets advisory，简称FMA）。FutureAdvisor是BLK在2015年收购的智能财富管理平台，为金融机构提供高质量的技术建议。 Aladdin是公司成立时便建立的专有技术平台，旨在为BLK和其他机构投资者提供风险管理系统。FMA于2008年创建，旨在为全球的金融机构、监管者、政府实体提供复杂的金融和风险建议。 BRS 2015年收入为6.4亿美元，同期增长2%，占公司总收入的5.6%。Aladdin占BRS收入比82%，其主要收入来源是长期的合同收入。由图1可知，BRS收入逐年上升，除了2012和2015年收入增长较慢以外，最近五年的收入增长达到10%左右。 虽然BRS的收入占比不高，但其对BLK的收入拉动作用不容小视。因为BRS接触的客户拥有200-500亿美元的可投资资产，如果BLK能够将BRS的客户转变成其投资管理服务的客户，BLK的多元化资产的AUM可以显著增加。 　　2005年以后BLK进行了一系列并购，增强了其投资能力。包括：2005年，从Metlife手中购买了SSRM控股的3.75亿美元的现金和股票，其中包括SSRM的共同基金业务；2006年，用90亿美元吞并了美林证券公司的投资管理部门Merrill Lynch Investment Managers，这一举动也让它的AUM第一次达到了1万亿美元，构建了其权益部门并增强了分销能力；2007年，收购了Quellos Group, LLC.；2009年，收购了Barclays Global Investors，包括BGI的明星产品iShares；2011年，希腊银行聘请BLK solutions对其银行系统提出分析和建议；2012并购了Claymore和SRPEP，AUM增加137亿美元；2013收购Credit Suisse和MGPA，AUM增加269亿美元；2015收购BKCA，infraestructure Institucional and FutureAdvisor，AUM增加22亿美元。 　　2.2、产品策略：权益被动，固收主动 美国最大的共同基金之一先锋基金创设人约翰·博格（John C. Bogle）论述了基金行业的长青之道：1、长期投资；2、指数化投资；3、降低税收等交易成本；4、被动投资，减少交易；5、不要认为自己可以超越市场；6、收益会回复到正常水平（万有引力）；7、简单胜于复杂；8、基金规模迅速扩大的结果是回报回归甚至降低。事实上，北美学术研究也发现共同基金长期获得Alpha异常困难。黑岩在设计产品上遵循了相关策略和研究成果，权益类中被动指数类产品是大资管机构的主要布局线。 2.2.1、权益产品：ETF占主导 2013-2015年，股票的业绩收入上升明显，由9100万美元升至2.05亿美元。主动管理组合收入较为稳定，略有下降；iShares（股票ETF）组合收益逐年上升，且收入占比最高，约占50%；非ETF指数型组合收入稳定，占比约为10%，但其AUM超过50%。公司的iShares是公司的明星业务，体量大，且管理费低，相较于非ETF指数型基金有较多的优势。 2015年公司权益投资中，机构客户AUM约为2.7万亿美元，占比最高，且主要是非ETF指数型投资，其次是积极管理型；零售客户AUM约为5411万美元，占比最低，其中主动型投资占比最高；iShares投资中包含零售和机构客户，投资金额约为1.09万亿美元。  2.2.2、固定收益：主动类业务渐高 主动管理型固定收益组合收入增幅最为明显，收入占比约为60%，2015年收入为15.66亿美元；iShares（固定收益ETF）收入略有上升，收入占比约为20%，而AUM占比10%，说明其收费较高；非ETF指数型组合收入占比小于其AUM，说明其收费较低。2015年固定收益的绩效收费相较于2013年没有明显变化。我们认为随着全球利率环境波动加大，对债券资产的择时更易获得alpha，这也是近年来公司固收类产品中主动类产品占比提升的原因。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 同时公司也在配置另类投资资产。另类投资的核心资产逐年缓慢上升，收入占该业务线收入约85%，13、14年的AUM分别为65%，15年的AUM约为100%；货币和商品的收入缓慢下降；另类投资的业绩收入下降较为明显，另类投资的业绩收入表现不佳。 从黑岩发展经验看，公司善于做基于权益的ETF产品（被动配置）和注重择时的固收类产品（主动配置），但对另类资产的投资并不占优势。在缺乏流动性前提下，我们认为另外投资更重视特殊资产和投资策略的把握，精品型的资产管理机构比全能型的巨头更善于把握。 三、精品型：KKR—暗影重重的资本之王 3.1、全球最优的私募股权投资机构之一 经历三十年的全球经济周期的变化，KKR已经发展成全球最优秀的私募股权投资公司之一。1976年5月1日KKR成立，专门从事管理层收购、股权投资等业务，创立了注重私募股权投资业务的机构投资模式。目前KKR已经从一个仅由少数几个人组成和一个提供单一私募股权投资产品服务的金融机构发展成为拥有一千多位员工，业务范围几乎覆盖固定收益类产品、证券投资、对冲基金、资本市场业务、基础设施投资、能源投资和房地产投资等板块，投资区域布局也从美国辐射到欧洲、亚洲等全球主要经济活跃的地区。 20世纪70年代末，KKR起家于杠杆收购的兴起。公司与徳崇证券密切合作，积极使用垃圾债，从此“以小吃大”的杠杆收购开始大行其道。在杠杆收购的第一次浪潮中，KKR留下了不少经典案例，其中以62亿美元收购碧翠丝，以246亿巨额资金收购雷诺兹-纳贝斯克的案例至今也是人们常谈论的话题。但对于垃圾债券的过度依赖，以及“蛇吞象”之后的消化难题成为了公司的隐患。 布局综合资产管理业务是KKR再次兴盛的驱动力。进入90年代，随着投资者对于垃圾债券的热情减弱KKR的发展暂时进入了瓶颈期。1996年后伴随着债券市场的回暖，KKR在当年募集到了创纪录的60亿美元的资金，“门口的野蛮人”又重新回到了市场，杠杆收购也迎来了第二次的高峰。在2007年以前的这段时间，KKR也不断推陈出新，相继新设了债券基金、承销等业务，业务开始向多元方向发展。 上市提升资金规模，促进了KKR业务进一步多元。2010年，随着金融市场从2007年金融危机中逐渐恢复，KKR也迎来了其发展道路上的另一座里程碑—在纽交所IPO。这进一步推进了KKR的业务多元化。在上市之后，KKR相继推出了私募股权市场上的能源、基础设施、房地产专项投资基金，二级市场上的FOF、另类信用投资等。到现在，KKR已从一个依赖垃圾债券融资进行杠杆收购的纯粹的私募股权公司发展成了一个融资渠道多元化、投资覆盖面广、在多级市场上开展业务的综合性金融巨头。 3.2、业务模式：精英运作，融资多元 KKR已为全球PE/VC的巨头，资金渠道多元。从投资者角度看，KKR 2015年超过半数资金来自养老基金，其后便是金融机构。按地域分布看，KKR 2015年六成资金来自美洲，第二大资金来源地是亚太，占比约两成，来自欧洲的资金占15%。 　　KKR不仅有涵盖各行业专业投资团队，还有经验丰富的投后管理咨询团队，更有来自国际知名企业的38位前高管。这样的团队结构保证了KKR从研究到投资再到投后管理整个过程的高效与价值的高增长。 近十年来，KKR所管理的资产规模不断上升，从2004年的150亿美元增长到2015年的1195亿美元。AUM的增加来自于公司多年来为投资者创造出的丰厚回报，体现了投资者对于公司未来发展的充足信心。 3.3、收入结构：投资收益占比大于管理费收入 KKR的业务包括私募股权市场、二级市场以及承销与直投三个板块。私募股权市场下又设立了能源、基础设施和房地产的专项基金，截止2015年末，私募股权市场的AUM达到660亿美元。二级市场业务是2000年以后才陆续开展的，其管理资产规模已达到535亿美元，主要投资于杠杆信用产品、多空股票投资、另类信用投资及FOF等。此外，KKR还成立了承销部门和直投部门，目前管理资产大约50亿美元。 　　KKR的收入主要来源于两大类：费用相关和投资收益，其中费用收入也有不同来源。以私募股权市场为例，相关费用包括资金管理费（一般是募集资金的100-200个BP），被投资企业的监管费以及交易收费。投资收益也因业务板块的不同而有所差异。 投资收益是KKR最重要收入来源。2015年度KKR的总收入中，KKR投资收益约占86%，而相关的费用收入仅占14%。这显示出了其极强的创造投资收益的能力。按业务板块分解其投资收益，其中私募股权市场占了所有投资收益的75%，其次是来自二级市场的11%，而直投和主要活动的投资收益占比较少，分别为8%和6%。从费用收入结构来看，私募股权市场占比最大，达到70%，主要活动的费用占比达到15%，而二级市场费用收入的比重为11%，剩下4%主要是直投费用。 四、精品型：橡树资本—逆向投资高手打造美版AMC 橡树资本管理有限公司（Oaktree Capital）是一家国际性资产管理公司，创立于1995年，目前管理规模为970亿美元。橡树资本一直专注于全球不良资产的投资机会，投资组合中包括企业困境债务、困境企业股权、困境房地产、银行不良贷款、高收益债券等。橡树资本在2009年参与了美国政府为应对次贷危机发起的不良资产救援计划（TARP），并获得了不错的投资回报率。截至2013年9月底，橡树资本在PPIP项目中的内部收益率达到26%。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 从橡树资本投资回报情况来看，不良债权投资的净内部收益率达到17.1%，仅次于公司能源投资项目收益率水平，远高于其他项目投资回报水平。 从橡树资本的经营业绩来看，不良资产管理行业的利润在整体不良率大幅提升的区间内业绩也是不断下滑（前期买入的不良资产在不良率提升过程中面临贬值），直至整体不良率进入拐点区域。而盈利大多在经济好转，不良率持续下降的经济周期中。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 橡树资本的业绩直到09年之前都是伴随不良率的上升而下降的，直到2009年银行业不良贷款率达到峰值后，公司归属于普通股东的可分配净收入的亏损幅度大幅降低；2012年银行业不良贷款率尚未恢复次贷危机前水平，公司归属于普通股东的可分配净收入已经为正，此后盈利状况一直较好。从橡树资本普通股本回报率可以看出，银行业不良贷款率的改善同时促进了橡树资本经营业绩的改善。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 五、平台型：Charles Schwab—老美中产的主心骨 5.1、成长契机：别人高价，我家免费 嘉信理财（Charles Schwab）成立于1971年，1987年在纽交所上市，总部位于美国加州。公司提供资产管理和经纪交易等综合金融服务，资管规模和活跃账户数保持增长态势，是美国乃至全球最大的券商之一。公司20世纪70年代由低成本折扣经纪商起家，90年代开发网上经纪业务线，之后逐渐转向资产管理业务，进入21世纪后，机构业务成为公司业务拓展方向。 20世纪70年代后，管制放松产生了美国证券、资管等非银机构的转型机遇。美国石油危机下，美国国内通胀高企倒逼金融管制放松。一方面，利率开始由市场定价，这为多种理财产品的创设提供了基础；另一方面金融混业化的格局开始形成，1975年证券公司佣金率开始由市场决定（之前实施千二以上的固定佣金率），传统依靠经纪业务牌照的垄断佣金业务模式被打破，美国券商开始寻求多元化收入来源。在这种背景下，成立于1971年的嘉信理财开始了自主创新之路，公司在其低成本折扣经纪商的基础上不断增加全方位的客户咨询服务。 xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx 　　1975年，业务标准化，率先推出折扣经纪业务 1975年5月，美国证券交易委员会取消固定佣金制度，转而推行协商佣金制。对此大多数证券经纪公司应对是降低机构投资者缴纳的佣金率，提高一般投资者缴纳的佣金率。但与之不同的是，嘉信看准时机锁定中小投资散户，率先推出了折扣经纪业务，并加大对信息设备投入，实现交易自动化。 与美林证券等提供研究服务不同，嘉信公司的经纪人从不给咨询意见。公司把股票交易和投资咨询及其他服务独立，对股票交易收取极低的费用，在从中分配一部分费用给提供标准化服务的经纪人。 1986年，对个人退休账户免费，为“理财超市”构建平台 1982年，美国国会通过了允许个人退休账户出台的条例，当时最乐观的估计是10年内个人退休账户吸引500亿美元，但实际金额是7250亿美元，远超过市场预期。尽管个人退休账户是一种特殊的产品，但银行业内人士仍把个人退休账户仅仅当成一种普通账户看待，对客户开立和维持个人退休账户收年费，相关产品费用高昂。1986年嘉信公司开始直接取消对个人退休账户收取年费，这使得嘉信的个人退休账户大量增加，超过公司最乐观的预测。通过对账户实现免费，公司实现了个人账户的集聚，这为之后构建资管平台，建立“理财产品超市”提供了基础。公司于1992年推出了共同基金“一账通业务”（One Source）业务，该账户集合了多家资产管理机构产品，对客户免费，但对资产管理机构收入约30BP的管理费用。 1995年，推出“顾问资源项目”，提供咨询服务 20世纪90年代开始，美国新一轮牛市启动。投资者对股票、共同基金、期权等理财产品需求增加，对咨询服务要求加强；而同时嘉信客户的平均年龄是47岁，全面服务的经纪公司客户的平均年龄是57岁，要留住这些年纪较大且较富裕的客户，要求公司业务进行转型，提供咨询服务。 对此，嘉信公司实施客户细分，把客户细分为三类：委托投资者、投资意见征求和自我定向投资者，并于1995年推出独立的“登记顾问资源”的（RIA，registered investment advisor）项目平台，该平台的投资顾问独立于公司，不收取公司固定报酬。这样一方面有利于留住客户，但又避免直接提供咨询资源，控制了相关成本。 1996年，拓展“电子经纪商”业务 1995年后互联网作用凸显，在美国销售的个人电脑数第一次超过电视机销售数，以计算机网络为基础行将开始为证券交易主流。嘉信抓住时机，开始拓展电子经纪商业务。由于丰富前期经验积累，嘉信能够在奔向网络的竞赛中脱颖而出。在成立初期，嘉信曾推行第一个“经纪操作和交易分析”系统，大大降低处理订单成本，提高精确度。后来又推出“均衡器”、“街上聪明人”等工具，得到了不少公众的好感。1996年，嘉信进一步推出“eSchwab”，开始进入互联网交易，并与嘉信零售重新合并在一起，在随后几年中迅速占据了经纪业务市场份额第一的宝座，实现了线上和线下结合。 2002年以后，贯彻差异化竞争策略，拓展机构业务 当网上经纪业务竞争进入白热化阶段，嘉信的竞争战略也开始向差异化转型，即开展机构业务，涉及类贷款等综合金融服务。目前嘉信业务涉及资产管理、教育基金、债务管理、养老金等多方面，每一块业务又通过市场细分和个性化服务来获得差异化的竞争优势，不仅着眼于个人投资者，同时越来越重视机构投资者。这使得2004年至今的十年内，其净收入结构中机构投资者服务收入占比逐年加大，2013年机构投资者服务收入占比已达总收入的23%，差异化转型初见成效。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 转型小结：嘉信在业务转型中，遵循了“折扣经纪—资产管理—机构业务”三部曲。第一步，公司业内率先降佣并开发网上渠道，这种以量补价的盈利方式帮助公司聚拢海量客户；第二步，公司聚焦于资产管理业务，通过多样产品和特色服务把公司打造成“资管平台”，战略由低成本转向差异化；第三步，公司向大学基金、养老金机构拓展资产管理业务，同时积极提升杠杆，开始做业务波动率较低的“类贷款”业务。经过多轮战略转型，嘉信理财初具全能投行的职能。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 专注于开发中低收入客户，公司资管规模和账户数量在美国券商业影响力巨大。截止2015年年底，嘉信持有的客户总资产高达2.51万亿美元，活跃经纪账户为980万，公司退休计划客户150万，银行账户100万。公司下设投资服务和咨询服务两大部门，提供经纪、共同基金、ETF、咨询建议、银行、信托服务。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 5.2、产品策略：多类资产的配置服务 目前公司资产管理收入已经成为嘉信理财净利润的主要来源，占比高达41%。而在这一业务领域，嘉信理财优势在于对客户进行精细化管理，提供了九类基础资产管理产品，客户可根据自己的风险偏好及投资需求选择心仪的资产管理投资组合。产品差异化促进了管理费率保持了较高水平，即使考虑了货币市场基金、指数基金等被动型理财产品，公司资管业务费率总体在0.2%以上 。 近年来虽然资产管理费率略有下降，但得益于资产规模的扩大，嘉信理财的资产管理收入仍然呈上升趋势。2015年嘉信资管收入为26.50亿美元，较2014年增长了5%。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 由下图知，公司资管收入中共同基金服务费近年来有所下降，而投资管理咨询费及其他收费则有所上升。这由于2000年后，随着投资者对研究服务依赖度提升，嘉信理财退出了不收取咨询费用的“共同基金全一账通”服务。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 六、智能投顾：技术先行，明日之光 　　当三级飓风袭击福罗里达州时，哪支水泥股的涨幅会最大？ 　　回答：德州工业（Texas Industries）。 　　当朝鲜试射导弹时，哪支国防股会涨得最多？ 　　回答：雷神公司（Raytheon）、美国通用动力公司（General Dynamics）和洛克希德马丁公司（Lockheed Martin）。 　　当苹果公司发布新iPad时，哪家苹果公司的供应商股价上涨幅度会最大？ 　　回答：为iPad内置摄像头生产传感器的豪威科技股份有限公司（OmniVision） 。 以上为Kensho旗下软件沃伦（取自沃伦·巴菲特先生英文名（Mr.Bufett））的展示效果，该软件本质是基于云服务的信息辅助系统。通过该软件，客户可以像在谷歌进行搜索一样，在简单的文本框里输入非常复杂的问题，并得到答案。沃伦软件可以通过扫描药物审批、公司财报、经济报告、货币政策变更、政治事件、以及这些事件对地球上几乎所有金融资产的影响，为上万个问题找到答案。Kensho软件在亚马逊公司位于FinQloud计算网络的网络服务器上运行。Kensho已经得到了多家美国投行的青睐，根据华尔街日报报道，高盛已对公司投资1500万美元，成为其第一大股东。智能投顾羽翼渐丰。 对智能投顾市场而言，一级市场探索，业界大佬支持，二级市场响应。智能投顾体系最早由几家硅谷金融技术初创公司如Wealthfront, Betterment和Personal Capital设立。2014年业界巨头也开始涉足这一领域，如全球最大的资产管理公司贝莱德，收购初创智能投顾公司Future Advisor。高盛、嘉信理财和 RBS 也相继独立研发智能投顾， RBS更是推出了智能投顾取代客户投资顾问的服务，未来有望替代250 位私人银行家。对于投资者而已，选择智能投顾具备以下优势：落实资产配置、降低服务门槛、降低交易成本、减少投顾代理问题等。根据花旗银行预测，智能理财市场2025年内将达到10万亿美元。 智能投顾本质依靠技术优势，属于金融技术类业务（Fin-Tech），传统金融机构也可以通过外延式扩张获取相关技术，如华泰证券于2016年4月并购了财务管理技术类公司Asset Mark，该公司主要服务于资产配置和投顾服务的中台建设，为后续投顾智能化服务提供基础设施。 从盈利模式看，该业务本质为技术驱动的轻资产模式，这与金融机构资本驱动的重资产模式恰恰相反，具有显著“”大行业/小公司”的特征。我们专门以近期风头正进的Kensho为例说明，近期公司发布了多个分析平台，这一系列平台系统正令业界平庸的财务分析师震颤。 考虑到Kensho处于初创期，我们以更成熟的Betterment、Wealthfront等机构说明智能投顾等Fin-tech机构的盈利模式。 6.1、Betterment：投资组合理论的活学活用 公司创立于2008年，2010年获得了300万美元的投资；2012年获得了1000万美元的投资；2015年D轮融资约2亿美元；2016年，获得了1亿美元的E轮融资，目前公司估值7亿美元。公司目前管理的资产有40亿美元，是世界上最大的智能投顾公司，目前客户数约15万人，员工约149人。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 Betterment有较好的界面体验感。用户进入Betterment网站后，填写一些个人信息（年龄、收入、投资目的、期限、目标金额、风险偏好等）后，网站会根据个人状况推荐最适合你的投资建议。这种模式的原理是最基础的 Markowitz 资产组合理论和其衍生模型，在云端低成本、快速、批量化地解决各种数据运算，再根据用户的倾向，个性化地提供资产配置组合方案。这是传统人工理财服务无法比拟的，它可以很多人足不出户就可以享受低门槛、低成本地管理自己的资产。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 美国资本利得税高昂，Betterment还提供了Tax Loss Harvesting+解决方案，根据客户的投资和收入，确定投资方案，获得最大程度的税收优惠，此项服务估计每年可以增加0.77%的税后投资回报率。此外，Betterment可以查看和投资者同龄或同收入的人在投资什么，怎么投资。另外，Betterment还提供了的手机应用，可以随时随地查看自己的投资账户。 6.2、Wealthfront：资产配置的新一站 Wealthfront前身是一家名叫Kaching的美国投资咨询顾问公司。 2011年12月Kaching更名为Wealthfront，转型为一家专业的在线财富管理公司，同时也是非常具有代表性的智能投顾平台，借助于计算机模型和技术，为经过调查问卷评估的客户提供量身定制的资产投资组合建议，包括股票配置、股票期权操作、债权配置、房地产资产配置等，主要客户为硅谷的科技员工，如Facebook、Twitter、Skype等公司的职员。 其创始人为Andy Rachleff、Dan Carroll，其中，Andy Rachleff为Wealthfront的执行主席，曾是Benchmark Capital的创始人之一，宾夕法尼亚大学校董，斯坦福商学院的一名教师，Dan Carroll为Wealthfront的首席战略官。平台目前有一支由业界和学界名人组成的管理团队、投资团队，如《漫步华尔街》一书的作者Burton Malkiel 就是首席投资官。2015年Wealthfront获得了显著增长，截至2016年2月底，Wealthfront的资产管理规模近30亿美元，而在2015年1月仅为18.3亿美元。 Wealthfront的特点是成本低，主要客户为中等收入年轻人，区别于传统理财主要针对高净值人群。平台的盈利来源为其向客户收取的咨询费（advisory fee）。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 Wealthfront提供的主要产品和服务是自动化的投资组合理财咨询服务，包括为用户开设、管理账户及投资组合的评估。用户能够通过Wealthfront平台投资，标的为ETF基金。Wealthfront选择11大类ETF，分别为：美国股票、其他发达国家股票、新兴市场股票、分红股票、房地产、自然资源、美国政府债券、公司债券、新兴市场债券、市政债券、防通胀证券（TIPS）。 七、映射 7.1、经验：资产管理是金融业态的好生意 上文分析了海外资产管理的四类运营模式，我们同时比较了四类机构的盈利能力和估值水平。整体上，从盈利能力看，橡树资本最高（15%），其余三类保持在10%以上；从资管规模看，嘉欣理财和黑岩都可以管理2万亿美元规模，这与市值情况相一致，嘉欣理财和黑岩都可以成长为300亿美金的大市值机构，KKR和橡树市值在百亿元以内；从价值驱动看，KKR、橡树资本对资产端有控制能力，Price/Aum较高，而嘉欣理财主要做流量聚拢和资产配置，Price/Aum最低；从估值水平看，橡树资本和嘉欣理财估值水平较高，前者体现了资本市场对其针对不良债权定价能力（独特投资策略）的溢价，后者体现了聚拢流量、构建平台后的“护城河”价值，KKR的估值水平最低，这与公司有较多自营业务有关（成熟市场自营业务估值中枢1PB左右）。 投资︱在中国做资管必读：万字雄文说透美国资产管理行业的精华策略 美国沃克尔法案实施后，投资银行因衍生品业务风险敞口高，发展自营业务受限，估值中枢下滑。而一方面，资产管理机构业务模式主要依托管理费收入，投资收益收入占比低，周期属性弱于证券公司，同时资产管理机构业务扩张不依赖大量占用资本，故估值中枢高于证券公司。相对于投行，资产管理机构更是一门好生意。 我们同时分析了中国基金行业，相关模式特征与美国同行一致。由于规模扩张不需要消耗资本，中国公募基金能保持“轻资产”运营模式，ROE水平更高，2014/15年，中国主要基金公司ROE在20%以上，而同期中国券商的ROE水平约10%(2014年)/15%（2015年）。有趣的是，中国公募基金存续规模表现出“牛市规模激增，熊市规模阴跌”的特征。即使在熊市，基金资产管理规模也可以保持较高的水平，这也许可以用行为金融解释，如基金投资者（大妈们）在产品七毛以下时常因心理账户、损失厌恶等原因不愿意赎回。这种策略下，中国公募基金的存量规模长期看可以保持稳定增长。 中国的智能投顾也在发展中，目前包括京东金融等机构也参与了人工智能选股和智能配置。除了推荐个股外，相关机构主要还是以“做选择题测算风险偏好—提供风险配置”方案为主，本质上还是一个静态的配置方案。但也有部分机构可以展示策略提供动态化的资产配置过程，我们认为其对资产管理的理解已走到海外同行。我们以雪球研发的蛋卷基金举例说明。 蛋卷基金对市场上的产品进行选择，主要按照 “安睡计划” 和 “斗牛计划” 两个类别推荐。安睡计划针对债券基金、货币基金，面向要求资产稳健增值的用户。斗牛计划是股票基金，主要针对高风险偏好客户。近期蛋卷基金与天弘基金联合推出「蛋卷斗牛二八轮动」，主要是针对大类资产配置的视角研发产品。 该策略基于根据趋势跟随大小市值轮动的策略编制，成分标的为沪深300指数、中证500指数和国债指数：该策略对比当前交易日收盘数据与二十个交易日前的收盘数据，选择沪深300指数和中证500指数中涨幅较大的一个，于下一个交易日收盘时切换为持有该指数；若两个指数均为下跌，则于下个交易日收盘时切换为持有国债指数。回测结果表明，该策略在牛市可以较好把握主升行情，在熊市可以实现低仓位运作。 八、核心风险 市场大幅调整 资产管理机构盈利模式与证券市场行情走势相关性较强，如果证券市场行情走弱，基金募集和管理等业务的经营难度将会增大，盈利水平可能受到较大影响。而我国证券市场行情又受到国民经济发展状况、宏观经济政策、财政政策、货币政策、行业发展状况以及国际证券市场行情等诸多因素影响，存在一定的周期性。因此资产管理机构存在因资本市场周期性变化而导致收入和利润大幅波动的风险。 监管政策不确定 创新业务本身具备较大不确定性，且目前我国证券市场尚处于发展阶段，市场成熟度有待提高，因此资产管理机构进行业务创新时，可能存在因业务管理水平、技术水平、配套设施和相关制度等不能与创新业务相匹配而引发的经营风险和信誉损害。
• 

  投资者必看！巴菲特历年致股东的信（精华提要版）
  • wdg  

  1
  0
  Votes
  1
  Posts
  822
  Views

  

  长久以来，巴菲特致股东的信都被价值投资者视为“投资圣经”，而历年来巴菲特的信中都有什么精华，不如逐一看一下。 1978年巴菲特致股东的信： 1、我不认为包括我自己本身在内能够“成功”地预测股市的短期波动。 2、我们的政策是集中持股。当我们决定了后便买进“一大笔”，而非这也买一点那也买一点，但事后却漠不关心。 3、我们可以接受被投资公司保留盈余而不分配，但前提是公司必须将之用在“更有利”的用途上，否则便应分配给股东或是用来回购公司的股份。 4、依我们过去的经验显示，一家高成本结构公司的经营者，永远找得到增加公司开支的理由；而相对的，一家低成本结构公司的经营者，永远找得到节省公司开支的方法，即使后者的成本早已远低于前者。 1979年巴菲特致股东的信： 1、就短期而言，我们一直认为营业利润（不含投资收益）除以净资产所得的比率，是衡量一年度经营成果的最佳方式。长期而言，我们则认为净利润（包括已实现、未实现资本利得及非常损益）除以净资产（所有投资以公平市价计算）所得的比率，是衡量长期经营成果的最佳方式。其中额外的资本利得，短时间看起来或许相当特殊，但就长期而言，其对股东利益的影响与日常的营业利益并无太大差别。 2、我们判断一家公司经营的好坏，取决于其净资产收益率（排除不当的财务杠杆或会计做帐），而非每股收益的成长与否，因为即使把钱固定存在银行不动，也能达到象后者一样的目的。 3、在某些产业，比如说地方电视台，只要少数的有形资产就能赚取大量的盈余，而这行的资产售价也奇高，帐面一块钱的东西可以喊价到十块钱，这反应出其惊人获利能力的身价，虽然价格有点吓人，但那样的产业路子可能反而比较好走。 4、所谓有“转机”的公司，最后很少有成功的案例，与其把时间和精力花在购买价廉的烂公司上，还不如以公道的价格投资一些物美的企业。 1980年巴菲特致股东的信： 1、若被投资公司将其所赚的盈余用于回购自家股票，我们通常会报以热烈的掌声。理由很简单：若一家好公司其股票价格远低于其内在价值，还有什么投资会比前者来得更稳当、更有赚头、更能促进原有股东权益的呢？企业购并的竞争性通常使得购并整家公司的实际价格高于取得企业的实际价值，而股票市场的拍卖性质，往往可以让我们以相对低廉的价格取得一家公司的部分股权。 2、只要市场回复理性，市价终究会反映公司累积盈余的能力，有时甚至超过买进后累积的盈余，这等于是在你的蛋糕上多得到一点糖霜呢。 3、当一个经历辉煌的经营阶层遇到一个逐渐没落的夕阳工业，往往是后者占了上风。 4、不象大部分的公司，柏克夏并不会为了一些特定的短期资金需求而去融资，反而，我们借钱是认为在一定时期内（约略短于融资期限）将有许多好的投资机会出现。最佳的投资机会大多是出现在市场银根最紧的时候，那时侯你一定希望拥有庞大的火力。 5、对于购并的对象，我们偏爱那些“产生现金”而非“消化现金”的公司。由于高通胀的影响，越来越多的公司发现它们必须将所赚得的每一块钱再投入才能维持其原有的生产力，就算这些公司帐面数字再好看，除非看到白花花的现金，我们对之仍保持高度警戒。 1981年巴菲特致股东的信： 1、我们宁愿以X的单价买下一家好公司10％的股权，而非以2X的单价买下这家好公司100％的股权。但大部分的公司经营阶层偏好后者，他们多以“规模”而非“获利”，作为衡量自己或别人的标准，问问那些名列《财富》500大企业的负责人，他们可能从来不知道他们的公司若以获利能力来排的话，会落在第几位。 2、第一类你买到的（不管是有意或无意的）是那种特别能够适应通货膨胀的公司，通常他们又具备两种特征：一是容易去调升价格（即使是当产品需求平缓而产能未充分利用也一样）且不怕会失去市场占有率或销售量；二是只要增加额外少量的资本支出，便可以使营业额大幅增加（虽然增加的原因大部分是因为通货膨胀而非实际增加产出的缘故）。近十几年来，只要符合以上两种条件，虽然这种情况不多，即使是能力普通的经理人也能使这项购并案圆满成功。 1982年巴菲特致股东的信： 1、我们投资部份股权的作法惟有当我们可以以合理的价格买到吸引人的企业才行得通，同时也需要温和的股票市场作配合，而市场就像老天爷一样，帮助那些自己帮助自己的人，但与老天爷不一样的地方是祂不会原谅那些不知道自己在做什么的人。对投资人来说，买进的价格太高将抵销这家绩优企业未来十年亮丽的发展所带来的效应。所以当股票市场涨到一定的程度，将使我们有效地运用资金买进部份股权的能力大打折扣或甚至完全消失。这种情况会定期发生，就在十年前当股市到达狂热的高档时（由于高股东权益报酬股被机构投资人捧上天），柏克夏的保险子公司（不包括在Blue Chip Stamps部份）仅仅持有一千八百万市值的股票（相较于现在的80％），仅占保险公司投资总额的15％ ，在1972年的当时有跟现在一样多的好公司，但他们当时的股价实在有点离谱。虽然股价高涨对公司短期的表现有所帮助，但就长期而言却反而会影响企业的前景。 2、一般来说，若企业处在产业面临供给过剩且为产品一般商品化的情形（在整体表现、外观、售后服务等都无差异化）时，便极有可能发生获利警讯。当然，若价格或成本在某些情况下（例如透过政府立法干预、非法勾结或国际性联合垄断如OPEC）能获得控制或可稍微免除自由市场竞争。否则若客户不在乎其所采用的产品或服务由谁提供，成本与价格由完全竞争来决定，如此，产业铁定面临悲惨的下场，这也是为什么所有厂商皆努力强调并建立本身产品或服务的差异性，这种做法在糖果有用（消费者会指明品牌）而砂糖却没有用（难道你听过有人会说：“我的咖啡要加奶精和某某牌的砂糖”），在许多产业就是无法做到差异化，有些生产者能因具成本优势而表现杰出，然在定义上这种情况极少或甚至不存在，所以对大部分销售已完全商品化的公司来说，不可避免的结局便是，持续的产能过剩无法控制价格滑落导致获利不佳，当然产能过剩会因产能缩减或需求增加而自我休整，而不幸的是这种修正的过程却是缓慢而痛苦的，当产业好不容易面临反弹时，却又是一窝蜂全面扩张的开始，不到几年又必须面对先前的窘况。而最后决定产业长期获利情况的是供给吃紧与供给过剩年度的比率，通常这种比率很小，（以我们在纺织业的经验来说，供给吃紧的情况要追溯到许多年以前，且大约仅维持不到一个上午的时间）。在某一些产业，供给吃紧的情况却可以维持上一段期间，有时实际需求的成长甚至超过当初所预期，而要增加产能因涉及复杂的规划与建厂而须有相当的前置期。 3、我们对具备以下条件的公司感兴趣： A、巨额交易（每年净利润至少500万美元）； B、持续稳定的获利（我们对只有远景或具转机的公司没兴趣）； C、高净资产收益率（并甚少负债）； D、具备管理阶层（我们无法提供）； E、简单的企业（若牵涉到太多高科技，我们弄不懂）； F、合理的价格（在价格不确定前，我们不希望浪费自己和对方太多时间）。 1984年巴菲特致股东的信： 1、努力回购自己公司的股份，有两点好处：第一点很明显，是一个简单的数字问题，透过买回公司的股票，等于只要花一块钱的代价便能够获得两块钱的价值，所以每股的内在价值可大大地提高，这比花大钱去购并别人的公司的效果要好得多。第二点较不明显，且没有什么人知道，实际上也很难去衡量，但时间一长其效果越明显，那就是管理当局可透过回购自家的股票来对外宣示其重视股东权益的心而非一味的扩张个人经营事业的版图，因为后者往往不但对股东没有帮助，甚至反而有害股东的利益。如此一来，原有的股东与有兴趣的投资人将会对公司的前景更具信心，而股价便会向上反应而与其本身的价值更为接近。 2、在商业社会中，一家强势报纸的优势是极为明显的，老板通常相信惟有努力地推出最好的产品才能维持高获利，但是这种令人信服的理论却让无法令人信服的事实打破，当一流的报纸维持高获利时，三流报纸所赚得的钱却一点也不逊色有时甚至更多，只要你的报纸在当地够强势。 3、我们宁愿要GEICO的企业价值增加X倍而股价下跌，也不要公司内在价值减半而股价高涨，以GEICO这个例子，乃至于我们所有的投资，我们看的是公司本质的表现而非其股价的表现，如果我们对公司的看法正确，市场终将还它一个公道。 4、BillRose形容过度分散投资的麻烦，若你拥有四十位妻妾，你一定没有办法对每一个女人认识透彻，长期下来，我们集中持股的政策终会显现出它的优势。 5、在判断是否应将盈余保留在公司，股东不应该只是单纯比较增加的资本所能增加的边际盈余，因为这种关系会被核心事业的现况所扭曲，在高通胀时代，某些具特殊竞争力的核心事业能够运用少量的资金创造极高的报酬率（如同去年我们曾提过的“商誉”），除非是经历销售量的巨幅成长，否则一家好的企业定义上应该是指那些可以产生大量现金的公司，相对的如果一家公司将本来的资金投入低报酬的事业，那么即使它将增加的资本投入较高报酬的新事业，表面上看起来是不错，但实际上却不怎么样，就好比在高尔夫球配对赛中，虽然大部份的业余选手成绩一塌糊涂，但团体比赛只取最好的成绩却由于部份职业选手的精湛球技而显得出色。许多表面上持续缴出好绩效的公司事实上把大部份的资金投注在不具竞争力的事业之上。只是前者掩盖住后者惨不忍睹（通常是用高价购并平庸的企业）的失败，而经营阶层也一再强调他们从前一次挫败所学到的经验，但同时马上物色下一次失败的机会。这种情况下，股东们最好把荷包看紧，只留下必要的资金以扩充高报酬的事业，剩下的部份要嘛就发还给股东，要嘛就用来回购公司股份（一种既可以增加股东权益，又可以避免公司乱搞的好方法）。 1985年巴菲特致股东的信： 1、PhilipMorris对通用食品提出购并的要求，使其价值显现出来，我们因四项因素而大大受惠：（1）便宜的买进价格（2）一家优秀的公司（3）一群能干且注重股东权益的管理阶层（4）愿意出高价的买主。而最后一项因素是这项获利能够一举浮现的惟一原因，但我们却认为前三项才是能为柏克夏股东创造最大利益的原因。在选择股票时，我们专注于如何漂亮的买进，而全不考虑出售的可能性。（1985） 1986年巴菲特致股东的信： 1、说来你可能不敢相信，事实上我与查理甚至根本就从未去过费区-海默位于辛辛那提的企业总部，（另外还有像帮我们经营喜斯糖果十五年之久的Chuck，也从未来过奥玛哈Berkshire的企业总部） ，所以说若Berkshire的成功是建立在不断地视察工厂的话，现在我们可能早就要面临一大堆问题了，因此在从事购并公司时，我们试着去评估该公司的竞争能力，其优势与缺点，以及经营阶层的能力与水准。 2、事实上我们从来就不知道股市接下来到底是会涨还是会跌，不过我们确知的是贪婪与恐惧这两种传染病在股市投资世界里，会不断地发生上演，只是发生的时点很难准确预期，而市场波动程度与状况一样不可捉摸，所以我们要做的事很简单，当众人都很贪心大作时，尽量试着让自己觉得害怕；反之当众人感到害怕时，尽量让自己贪心一点。 1987年巴菲特致股东的信： 1、经验显示，能够创造盈余新高的企业，现在做生意的方式通常与其五年前甚至十年前没有多大的差异，当然管理当局绝对不能够太过自满，因为企业总有不断的机会可以改善本身的服务、产品线、制造能力等等，且绝对必须要好好把握，不过一家公司若是为了改变而改变，反而可能增加犯错的机会，讲的更深入一点，在一块动荡不安的土地之上，是不太可能建造一座固若金汤的城堡，而具有这样稳定特质的企业却是持续创造高获利的关键。 2、先前提到《财富》杂志的研究，可以充分支持我的论点，在1977年到1986年间，总计1000家中只有25家能够达到连续十年平均股东权益报酬率达到20％的标准，且没有一年低于15％的双重标准，而这些优质企业同时也是股票市场上的宠儿，在所有的25家中有24家的表现超越S&；P500指数。这些财富之星可能让你大开眼界，首先相对于本身支付利息的能力，他们所运用的财务杠杆极其有限，一家真正好的公司是不需要借钱的，第二除了有一家是所谓的高科技公司，另外少数几家属于制药业以外，大多数的公司产业相当平凡普通，大部分现在销售的产品或服务与十年前大致相同，（虽然数量或是价格、或是两者都有，比以前高很多），这些公司的记录显示，充分运用现有产业地位，或是专注在单一领导的产品品牌之上通常是创造企业暴利的不二法门。 3、但就我个人的看法，投资成功不是靠晦涩难解的公式、计算机运算或是股票行情板上股票上下的跳动，相反地投资人要能成功，惟有凭借着优异的商业判断同时避免自己的想法和行为，受到容易煽动人心的市场情绪所影响，以我个人的经验来说，要能够免除市场诱惑，最好的方法就是将格雷厄姆的市场先生理论铭记在心。 4、追随格雷厄姆的教诲，查理跟我着眼的是投资组合本身的经营成果，以此来判断投资是否成功，而不是他们每天或是每年的股价变化，短期间市场或许会忽略一家经营成功的企业，但最后这些公司终将获得市场的肯定，就像格雷厄姆所说的：“短期而言，股票市场是一个投票机，但长期来说，它却是一个称重器。”一家成功的公司是否很快地就被发现并不是重点，重要的是只要这家公司的内在价值能够以稳定地速度成长才是关键，事实上越晚被发现有时好处更多，因为我们就有更多的机会以便宜的价格买进它的股份。 5、当然有时市场也会高估一家企业的价值，在这种情况下，我们会考虑把股份出售，另外有时虽然公司股价合理或甚至略微低估，但若是我们发现有更被低估的投资标的或是我们觉得比较熟悉了解的公司时，我们也会考虑出售股份。然而我们必须强调的是我们不会因为被投资公司的股价上涨或是因为我们已经持有一段时间，就把它们给卖掉，在华尔街名言中，最可笑的莫过于是“赚钱的人是不会破产的”，我们很愿意无限期的持有一家公司的股份，只要这家公司所运用的资金可以产生令人满意的报酬、管理阶层优秀能干且正直，同时市场对于其股价没有过度的高估。 6、我们实在看不出买下并控制一家企业或是购买部份股权有什幺基本上的差异，每次我们都试着买进一些长期看好的公司，我们的目标是以合理的价格买到绩优的企业，而不是以便宜的价格买进平庸的公司，查理跟我发现买到货真价实的东西才是我们真正应该做的。 7、大部分的公司经营者，并不擅长于做资金分配，之所以如此并不让人讶异，因为大部分的老板之所以能够成功是靠着他们在行销、生产、工程、行政管理方面的专长。而一旦成为CEO之后，他们马上必须面临许多新的责任与挑战，包括要做资金分配的决策，这是一项他们以前从未面对艰巨且重要的任务，打个比方，这就好象是一位深具天分的音乐家，没有安排让他到卡内基音乐厅演奏，却反而任命他为联邦准备理事会主席一般。CEO缺乏资金分配的能力可不是一件小事，一家公司若是每年保留10％的盈余在公司的话，经过十年后，他所要掌管的资金等于增加了60％。 1989年巴菲特致股东的信： 1、此外我们还面临到另一项挑战，在有限的世界里，任何高成长的事物终将自我毁灭，若是成长的基础相对较小，则这项定律偶尔会被暂时打破，但是当基础膨胀到一定程度时，好戏就会结束，高成长终有一天会被自己所束缚。 2、一个烂公司不可能只靠着会计或财务技巧而摇身一变成为好公司。 3、时间虽然是好公司的朋友，但却是烂公司最大的敌人。 4、另外还学到一个教训，在经历25年企业管理与经营各种不同事业的岁月之后，查理跟我还是没能学会如何去解决难题，不过我们倒学会如何去避免他们，在这点我们倒做的相当成功，我们专挑那种一呎的低栏，而避免碰到七呎的跳高。不管是在经营企业或是投资通常坚持在容易又明显的好公司会比死守在有问题的公司要来的好，当然有时困难的问题也有被解决的机会，像是我们刚开始在经营水牛城报纸一样，或是有时一家好公司也会有暂时的难关，像是以前美国运通与GEICO都曾经一度发生状况，不过总的来说，我们尽量做到回避妖龙，而不是冒险去屠龙。 5、我最意外的发现是企业一种看不到的巨大影响力，我们称之为"系统规范"，在学校时没有人告诉我这种规范的存在，而我也不是一开始进入商业世界就知道有这回事，我以为任何正当、聪明有经验的经理人都会很自动的做这样的决策，但慢慢地我发现完全就不是这幺一回事，相反的理性的态度在系统规范的影响下都会慢慢地变质。举例来说（1）就好象是受牛顿第一运动定律所规范，任何一个组织机构都会抵抗对现有方向做任何的改变（2）就像拥有会有工作来填满所有的时间，企业的计划或购并案永远有足够的理由将资金耗尽（3）任何一个崇拜领导者的组织，不管有多离谱，他的追随者永远可以找到可以支持其理论的投资评估分析报告（4）同业的举动，不管是做扩张、购并或是订定经理人待遇等都会在无意间彼此模仿。是组织的动力而非腐败或愚蠢，误导他们走上这些路子，也因为我忽略了这种规律的力量，使我为这些所犯的错误付出高昂的代价，之后我便试图组织管理伯克希尔尽量让这种规律降低其影响程度，同时查理跟我也试着将我们的投资集中在对于这种问题有相当警觉的公司之上。 6、只要你的行为合理，你就一定能够得到好的结果，在大部分的状况下，融资杠杆顶多只会让你移动的更快，查理跟我从来都不会着急，我们享受过程更甚于结果，虽然我们也必须学会去承担后者。 7、我可以给各位另外一个个人经验，以合理的价格买下一家好公司要比用便宜的价格买下一家平庸的公司来的好得多。像查理老早就明白这个道理，我的反应则比较慢，不过现在当我们投资公司或股票时，我们不但选择最好的公司，同时这些公司还要有好的经理人。（1989） 1990年巴菲特致股东的信： 1、以长期投资作为终生目标的投资人对于股市波动也应该采取同样的态度，千万不要因为股市涨就欣喜若狂，股市跌就如丧考妣。奇怪的是他们对于食物的价格就一点都不会搞错，很清楚知道自己每天一定会买食物，当食物价格下跌时，他们可高兴的很，（要烦恼的应该是卖食物的人），同样的在水牛城报纸我们期望印刷成本能够降低，虽然这代表我们必须将帐列的新闻印刷存货价值向下调整，因为我们很清楚，我们必须一直买进这些产品。同样的原则也适用在伯克希尔的投资之上，只要我还健在（若我死后，伯克希尔的董事会愿意透过我所安排的降神会接受我的指示，则期间或许更长久），我们会年复一年买下企业或是企业的一部份也就是股票，也因此企业的价格下跌对我们会更有利，反之则可能会对我们不利。股价不振最主要的原因是悲观的情绪，有时是全面性的，有时则仅限于部分产业或是公司，我们很期望能够在这种环境下做生意，不是因为我们天生喜欢悲观，而是如此可以得到便宜的价格买进更多好的公司，乐观是理性投资人最大的敌人。当然以上所述并不代表不受欢迎或注意的股票或企业就是好的投资标的，反向操作有可能与群众心理一样的愚蠢，真正重要的是独立思考而不是投票表决。不幸的是Bertrand Russell对于人性的观察同样地也适用于财务投资之上，“大多数的人宁死也不愿意去思考！”。 1991年巴菲特致股东的信： 1、所有投资人的目标，应该是要建立一项投资组合可以让其透视盈余在从现在开始的十年内极大化。这样的方式将会迫使投资人思考企业真正的长期远景而不是短期的股价表现，从而藉此改善其投资绩效。当然无可否认就长期而言，投资决策的绩效还是要建立在股价表现之上，但价格将取决于未来的获利能力，投资就像是打棒球一样，想要得分大家必须将注意力集中到场上，而不是紧盯着计分板。 2、藉由特定的产品或服务，一家公司可以成为特许的行业（1）它确有需要或需求（2）被顾客认定为找不到其它类似的替代品（3）不受价格上的管制。一家公司到底有没有具有以上三个特点可能从他“是否能积极地为本身所提供的产品与服务订定价格的能力，从而赚取更高的资本报酬率”中可以窥见，更重要的特许事业比较能够容忍不当的管理，无能的经理人虽然会降低特许事业的获利能力，但是并不会造成致命的伤害。相对的，一般事业想要获致高报酬就只有靠着节省成本或是当其所提供的产品或服务供需不均之时，但是这种供给不足的情况通常维持不了多久，倒是透过优良的管理，一家公司却可以长期维持低成本的营运，但即使是如此，还是会面临竞争对手持续不断的攻击，而不像特许事业，一般事业有可能因为管理不善而倒闭。 3、今天假设我的投资天地仅限于比如说奥玛哈地区的私人企业，那么首先我们仔细地评估每家企业长期的竞争力，第二我会再评估经营者的特质，之后再以合理的价格买进一小部份的股权，既然我不可能雨露均沾地去买镇上所有公司的股权，那么为什么伯克希尔在面对全美一大堆上市大公司时，就要采取不同的态度，也因为要找到好的事业并加上好的经理人是如此的困难，那么为什么我们要抛弃那些已经被证明过的投资对象呢？（通常我喜欢把它们称作是狠角色），我们的座右铭是如果你第一次就成功了，那就不要费力再去试别的了。著名经济学家凯恩斯，他的投资绩效跟他的理论思想一样杰出，在1934年8月15日他曾经写了一封信给生意伙伴Scott上面写到，随着时光的流逝，我越来越相信正确的投资方式是将大部分的资金投入在自己认为了解且相信的事业之上，而不是将资金分散到自己不懂且没有特别信心的一大堆公司，每个人的知识与经验一定有其限度，就我本身而言，我很难同时有两三家以上的公司可以让我感到完全的放心。 1992年巴菲特致股东的信： 1、今天先不管价格多少，最值得拥有的企业是那种在一段长的期间可以将大笔的资金运用在相当高报酬的投资上，最不值得拥有的企业是那种跟前面那个例子完全相反的，在一段长的期间将大笔的资金运用在相当低报酬的投资之上。不幸的是，第一类的企业可遇不可求，大部分拥有高报酬的企业都不需要太多的资金，这类企业的股东通常会因为公司发放大量的股利或是买回自家公司的股份而大大地受惠。 2、虽然评估股权投资的数学计算式并不难，但是即使是一个经验老到、聪明过人的分析师，在估计未来年度票息时也很容易发生错误，在伯克希尔我们试图以两种方法来解决这个问题，首先我们试着坚守在我们自认为了解的产业之上，这表示他们本身通常相当简单且稳定，如果企业很复杂而产业环境也一直在变，我们实在是没有足够的聪明才智去预测其未来的现金流量，碰巧的是，这个缺点一点也不会让我们感到困扰，就投资而言，人们应该注意的，不是他到底知道多少，而是应该注意自己到底有多少是不知道的，投资人不需要花太多时间去做对的事，只要他能够尽量避免去犯重大的错误。 3、第二点一样很重要，那就是我们在买股票时，必须要坚持安全边际，若是我们所计算出来的价值只比其价格高一点，我们不会考虑买进。我们相信恩师格雷厄姆十分强调的安全边际原则，是投资成功最关键的因素。 1993年巴菲特致股东的信： 1、母公司是不会单纯因为价格因素就将自己旗下最优秀的子公司给卖掉，公司总裁一定会问，为什么要把我皇冠上的珠宝给变卖掉？不过当场景转换到其个人的投资组合时，他却又会毫不犹豫地，甚至是情急地从这家公司换到另一家公司，靠的不过是股票经纪人肤浅的几句话语，其中最烂的一句当属“你不会因为获利而破产”。你能想象得出一家公司的总裁会用类似的话语建议董事会将最有潜力的子公司给卖掉吗？就我个人的观点，适用于企业经营的原则也同样适用于股票投资，投资人在持有一家公司的股票所展现的韧性，应当与一家公司的老板持有公司全部的股权一样。 2、我们相信集中持股的做法同样可以大幅降低风险，只要投资人在买进股份之前，能够加强本身对于企业的认知以及对于其竞争能力熟悉的程度。 3、对于企业的所有权人来说，这是我们认为公司股东应该有的想法，学术界对于风险的定义实在是有点离谱，甚至于有点荒谬，举例来说，根据Beta理论，若是有一种股票的价格相对于大盘下跌的幅度更高，就像是我们在1973年买进华盛顿邮报股份时一样，那么其风险远比原来高股价时还要更高，那么要是哪天有人愿意以极低的价格把整家公司卖给你时，你是否也会认为这样的风险太高，而予以拒绝呢？事实上，真正的投资人喜欢波动都还来不及，本杰明·格雷厄姆《聪明的投资人》一书的第八章便有所解释，他引用了“市场先生”理论，“市场先生”每天都会出现在你面前，只要你愿意都可以从他那里买进或卖出你的投资，只要他老兄越沮丧，投资人拥有的机会也就越多。这是由于只要市场波动的幅度越大，一些超低的价格就更有机会出现在一些好公司身上，很难想象这种低价的优惠会被投资人视为对其有害，对于投资人来说，你完全可以无视于他的存在或是好好地利用这种愚蠢的行为。 4、我们认为投资人应该真正评估的风险是他们从一项投资在其预计持有的期间内所收到的税后收入总和（也包含出售股份所得），是否能够让他保有原来投资时拥有的购买力，再加上合理的利率，虽然这样的风险无法做到像工程般的精确，但它至少可以做到足以做出有效判断的的程度，在做评估时主要的因素有下列几点： 1）这家公司长期竞争能力可以衡量的程度； 2）这家公司管理阶层发挥公司潜能以及有效运用现金可以衡量的程度； 3）这家公司管理阶层将企业获得的利益确实回报给股东而非中饱私囊可以衡量的程度； 4）买进这家企业的价格； 5）投资人的净购买力所得，须考虑税负与通货膨胀等因素必须从投资收益总额中扣除的部份。 就长期而言，可口可乐与吉列所面临的产业风险，要比任何计算机公司或是零售商小得多，可口可乐占全世界饮料销售量的44％，吉列则拥有60％的刮胡刀市场占有率（以销售额计），除了称霸口香糖的箭牌公司之外，我看不出还有那家公司可以像他们一样长期以来享有傲视全球的竞争力。更重要的，可口可乐与吉列近年来也确实一点一滴地在增加他们全球市场的占有率，品牌的力量、产品的特质与配销通路的优势，使得他们拥有超强的竞争力，就像是树立起高耸的护城河来保卫其经济城堡，相对的，一般公司却要每天耗尽心思去打没有意义的游击战，就像是彼得·林奇所说的，对于那些只会销售量贩式产品的公司来说，大家应该在其股票上加印这句警语——“竞争可能有害于人类的利益”。可口可乐与吉列的竞争力在一般产业观察家眼中实在是显而易见的，然而其股票的Beta值却与一般平庸、完全没有竞争优势的公司相似，难道只因为这样我们就该认为在衡量公司所面临的产业风险时，完全不须考虑他们所享有的竞争优势吗？或者就可以说持有一家公司部份所有权——也就是股票的风险，与公司长期所面临的营运风险一点关系都没有，我们认为这些说法，包括衡量投资风险的Beta公式在内，一点道理都没有。 Beta学者所架构的理论根本就没有能力去分辨，销售宠物玩具或呼拉圈的玩具公司与销售大富翁或芭比娃娃的玩具公司，所隐藏的风险有何不同？但对一般普通的投资人来说，只要他略懂得消费者行为以及形成企业长期竞争优势或弱势的原因的话，就可以很明确的看出两者的差别，当然每个投资人都会犯错，但只要将自己集中在相对少数，容易了解的投资个案上，一个理性、知性与耐性兼具的投资人一定能够将投资风险限定在可接受的范围之内。 当然有许多产业，连查理或是我可能都无法判断到底我们在玩的是宠物玩具或芭比娃娃，甚至在花了许多年时间努力的研究这些产业之后，我们还是无法解决这个问题，有时是因为我们本身智识上的缺陷，阻碍了我们对事情的了解，有时则是因为产业特性的关系，例如对于一家随时都比须面临快速变迁技术的公司来说，我们根本就无法对其长期的竞争力做出任何的评断，人类在三十年前，是否就能预知现在电视制造或计算机产业的演进，当然不能，就算是大部分钻研于这方面领域的投资人与企业经理人也没有办法，那么为什么查理跟我要觉得应该要有去预测其它产业快速变迁前景的能力呢？我们宁愿挑些简单一点的，一个人坐的舒舒服服就好了，为什么还要费事去挨稻草里的针呢？ 另一方面，若是你是稍具常识的投资人，能够了解产业经济的话，应该就能够找出五到十家股价合理并享有长期竞争优势的公司，此时一般分散风险的理论对你来说就一点意义也没有，要是那样做反而会伤害到你的投资成果并增加你的风险，我实在不了解那些投资人为什么要把钱摆在他排名第20的股票上，而不是把钱集中在排名最前面、最熟悉了解同时风险最小、获利可能最大的投资之上。 1994年巴菲特致股东的信： 1、问题不在于过去的方法在以后会不管用，相反的，我们认为我们的成功方程式——那就是以合理的价格买进具有产业竞争优势的企业。 2、事实上，我们通常都是利用某些历史事件发生，悲观气氛到达顶点时，找到最好的进场机会，恐惧虽然是盲从者的敌人，但却是基本面信徒的好朋友。 3、我们将实质价值定义为一家企业在其生涯中所能产生现金流量的折现值，任何人在计算实质价值都必须特别注意未来现金流量的修正与利率的变动都会影响到最后计算出来的结果，虽然模糊难辨，但实质价值却是最重要的，也是唯一能够作为评估投资标的与企业的合理方法。 4、投资人必须谨记，你的投资成绩并非像奥运跳水比赛的方式评分，难度高低并不重要，你正确地投资一家简单易懂而竞争力持续的公司所得到的回报，与你辛苦地分析一家变量不断、复杂难懂的公司可以说是不相上下。 5、对于买进股份我们注意的只是价格而非时间，我们认为因为忧虑短期不可控制的经济或是股市变量而放弃买进一家长期前景可合理地预期的好公司是一件很愚蠢的事，为什么仅是因为短期不可知的猜测就放弃一个很明显的投资决策呢？ 6、在寻找新的投资标的之前，我们选择先增加旧有投资的仓位，如果一家企业曾经好到让我们愿意买进，我想再重复一次这样的程序应该也是相当不错的。 7、在一个没有管制的商品标准化产业，一家公司不是降低成本增加竞争力，就是被迫倒闭关门。 1995年巴菲特致股东的信： 1、零售业的经营相当不易，在我个人的投资生涯中，我看过许多零售业曾经拥有极高的成长率与股东权益报酬率，但是到最后，突然间表现急速下滑，很多甚至被迫以倒闭关门收场。比起一般制造业或服务业，这种剎那间的永恒在零售业屡见不鲜，部份的原因是这些零售业者必须时时保持聪明警戒，因为你的竞争对手随时准备复制你的做法，然后超越你，同时消费者绝对不会吝于给予新加入业者尝试的机会。零售业一但业绩下滑，注定就会失败。相对于这种必须时时保持警戒的产业，还有一种我称之为只要聪明一时的产业，举个例子来说，如果你在很早以前就懂得睿智地买下一家地方电视台，你甚至可以把它交给懒惰又差劲的亲人来经营，而这项事业却仍然可以好好地经营个几十年，当然若是你懂得将Tom Murphy摆在正确的位置之上，你所获得的将会更惊人，但是对零售业来说，要是用人不当的话，就等于买了一张准备倒闭关门的门票。 2、任何一家公司的获利能力取决于（1）资产报酬率（2）负债的成本（3）财务杠杆的运用（也就是其运用负债而非股东权益来支应资产取得的程度）。 1996年巴菲特致股东的信： 1、只要执行得当，运用这样投资策略的投资人到最后会发现，少数几家公司的股份将会占他投资组合的一大部分，这样的方式就好象一个人买下假设一群极具潜力的大学明星篮球队员20％的未来权益，其中有一小部份的球员可能可以进到NBA殿堂打球，那么投资人会发现其因此从中收取的权利金将会占其收入的绝大部分，要是有人建议把这部份的权益转让掉就好象是要公牛队把迈克尔·乔丹转卖出去一样，只因为他对球队来说实在是太重要了。 2、不管是研究买下整家公司或股票投资时，大家会发现我们偏爱变化不大的公司与产业，原因很简单，我们希望买到的公司是能够持续拥有竞争优势达十年或二十年以上者，变迁快速的产业环境或许可能让人一夕之间大发利市，但却无法提供我们想要的稳定性。身为投资人，对于热门流行产业的态度就好象在太空探险一样，对于这种勇猛的行为我们给予喝采，但是若要我们自己上场，那就再说吧! 3、投资要成功，你不需要研究什么是Beta值、效率市场、现代投资（000900）组合理论、期权定价或是新兴市场，事实上大家最好不要懂得这一些理论，当然我这种看法与目前以这些课程为主流的学术界有明显不同，就我个人认为，有志从事确实很难的投资事业的投资人，—亦即"如何给予企业正确的评价"以及"思考其与市场价格的关系"即可。身为一位投资人，大家其实只要以合理的价格买进一些很容易了解且其盈余在未来五到十年内会大幅成长的企业的部份股权，当然一段时间下来，你会发现只有少数几家公司符合这样的标准，所以要是你真的找到这样的公司，那就一定要买进足够份量的股权，在这期间，你必须尽量避免自己受到外界诱惑而偏离这个准则。 4、如果你不打算持有一家公司股份十年以上，那最好连十分钟你都不要拥有它。在慢慢找到这样盈余加总能持续累积的投资组合后，你就会发现其市值也会跟着稳定增加。虽然我们很少承认，但这正是伯克希尔股东累积财富的唯一方式，我们的透视盈余在过去几年间大幅跃进，而同期间我们的股票价格也跟着大涨，要不是我们的盈余大幅增加，柏克夏所代表的价值就不可能大幅成长。当然我们现在背负庞大的资金基础将无可避免地会影响到我们未来盈余成长的能力，但我们还是会按照和过去一致的方向，在现有的基础之上，这部份的难度较低，因为我们拥有一群杰出的经理人，同时继续买进全部或部份一些不会受外界环境影响且拥有竞争优势的新事业。 1999年巴菲特致股东的信： 1、如果说我们有什么能力，那就是我们深知要在具竞争优势的范围内，把事情尽量做好，以及明了可能的极限在哪里，而要预测在变化快速产业中经营的公司，其长期的经营前景如何，很明显的已超过我们的能力范围之外。如果有人宣称有能力做类似的预测，且以公司的股价表现作为佐证，则我们一点也不会羡慕，更不会想要去仿效，相反的，我们会回过头来坚持我们所了解的东西，如果不幸偏离轨道，那也一定是不小心的，绝非慌张莽撞想要得到合理的解释，还好可以确信的是伯克希尔永远有机会找到它能力范围内可以做的事。 2000年巴菲特致股东的信： 1、投资与投机之间永远是一线之隔，尤其是当所有市场的参与者都沉浸在欢愉的气氛当中时更是如此，再也没有比大笔不劳而获的金钱更让人失去理性，在经历过这类经验之后，再正常的人也会像参加舞会的灰姑娘一样被冲昏了头，他们明知在舞会中多待一会——也就是继续将大笔的资金投入到投机的活动之上，南瓜马车与老鼠驾驶现出原形的几率就越高，但他们还是舍不得错过这场盛大舞会的任何一分钟，所有人都打算继续呆到最后一刻才离开，但问题是这场舞会中的时钟根本就没有指针！ 2002年巴菲特致股东的信： 1、或许对于长期性衍生性金融商品的大量交易及巨额膨胀的无担保应收款项的保留态度，让我们看起有点过虑了，但我们还是认为衍生性金融商品是财务金融的毁灭性武器，其所带来的危险，虽然是潜在不可知，但绝对是致命的可能。 2004年巴菲特致股东的信： 1、投资人必须了解在各种金融机构当中，快速成长通常蕴藏天大的问题，有时更甚于重大舞弊，要真正测试衍生性业务的获利能力，必须是在无成长的状态下，只有等潮退了才知道是谁在裸泳。 2007年巴菲特致股东的信： 1、如果无法掌握控制权，我们也乐意通过股票市场，仅仅购买一个大公司的小部分股权。这就好比拥有“希望之钻”（Hope Diamond，世界名钻，重45.52克拉）的一部分权益也胜过拥有整颗“莱茵石”（一种人造钻石）。 2、一家真正伟大的公司必须有一条坚固持久的“护城河”来保护它的高投资回报。但资本主义的“动力学”决定了竞争对手会不断进攻那些高回报的商业“城堡”。因此，一道难以逾越的屏障，例如成为低成本提供者，象汽车保险公司盖可（GEICO），好事多超市（COSTCO）或持拥有象可口可乐、吉列、美国运通这样享誉世界的强大品牌，才是企业获得持续成功来的根本。商业史充斥着“罗马烟火筒”（Roman Candle）般光彩眩目的公司，它们所谓的“长沟深堑”最终被证明只是幻觉，很快就被对手跨越。 3、我们对“持续性”的评判标准，使我们排除了许多处在发展迅速且变化不断行业里的公司。虽然资本主义的“创造性破坏”对于社会发展很有利，但它排除了投资的确定性。一道需要不断重复开挖的护城河，最后根本就等于没有护城河。 4、但是，如果一个生意要依靠一位超级明星才能产生好成效，那这个生意本身不会被认为是好生意。一家在你们地区首席脑外科医生领导下的医疗合伙公司，可能有着令人高兴的可观的、不断增长的利润，但这对于它的将来并不意味着任何东西。随着外科医生的离去，合伙公司的“壁垒”也一起消失。然而，你却可以肯定梅奥诊所（Mayo Clinic）（美国最好的医院之一）的成功将会一直持续下去，虽然你根本不知道它的CEO叫什么名字。 5、我们寻找的生意，是在一个稳定行业中具有长期竞争优势。如果整个经济大环境带动了该行业的景气，这当然很好，但即使没有整个经济结构性的增长，这样生意的依然值得拥有。我们需要做的只是坐享其成并用这些收益并购其它地方相似的生意即可。并没有那样一种规则，要求你必须把钱投回到你获得这些钱的地方。实际上，这样做常常是错误的：真正伟大的生意，不但能从有形资产中获得巨大收益，而且在任何持续期内，都不用把收益中很大的一部分进行内部再投资以维持其原有的高回报率。成长中的业务，既会因销售额的上升需要更多的营运资金，也会需要更多对固定资产的投资。一个公司为满足它的成长，对资本的需求是否有大幅增长，正好证明它是否能成为一项满意的投资。拥有一项不需要大量资金投入，就能带来滚滚财源的业务，这真是太棒了！不信的话，你去问问微软或谷歌。所以，从利润产出的大小，我们仅仅可以衡量一个公司是否优秀，而不能判断其是否卓越。高投入高产出，是大多数公司所面临的情况。例如，我们对公共事业公司的大量投资都是如此。未来十年，我们会从这些业务中赢得不小的回报，但同时也要投入大量资本才能做到这点。最差的一种公司是那种发展很快，并需要大量资本投入来维持其发展，但利润却少得可怜甚至根本赚不到钱的公司。总结一下，考虑这三类“储蓄帐户”，伟大的帐户支付非常可观的利息，而且会随着时间不断地增长；优秀的帐户如果你不断增加存款的话，利息也会很具吸引力；最后，糟糕的帐户不但利息令人失望，你还要不断的掏钱来维持这种少得可怜的回报。 6、在任何时候，我们不是通过投资品的市场价格来计算我们的投资进展。我们宁可用两条适用在我们自己企业的测试标准，来衡量它们的成绩。第一条标准，扣除整个行业预期增长后的实际收益增长；第二条，更主观些，就是看它们的“护城河”是否这一年里变得更宽，“护城河”是一种隐喻，指的是公司拥有的，会让它的竞争对手日子难过的竞争优势。 7、首先，所有投资者都不可避免赚到：一个平均的投资回报减去交易费用；其次，被动型投资者和指数投资者，由于从头到尾他们的交易很不活跃，他们赚到的收益是平均收益水平减去一个非常低的交易费用；再次，在赚取市场平均收益的群体中，剩下的一部分就是——交易活跃的投资者，但是，这个群体也因此会招致高额的交易、管理和顾问咨询费用。所以，交易活跃的投资者，相比他们那些不活跃的“同胞们”，会抹去很大一部分的投资回报。这意味着：与之相比，“懵懂无知”（know-nothing）的被动型投资者一定会胜出。 2008年巴菲特致股东的信： 1、先做个简单的数学题，假设你指望你本世纪的股市年收益率达到10%，而你的收益中，2%来自分红、8%来自股价上涨，那么，你就是在假设道琼斯指数在2100年达到24,000,000点（目前是13,000点）。如果你的财务顾问向你保证每年两位数的股市收益率，你可以和他讲讲这个题目。很多所谓的专家、大师都是牛皮大王，当你被他们的夸夸其谈骗得头脑发热的时候，也就是他们填满自己腰包的时候。 2、你可能记得2003年的时候，硅谷很流行一个车贴：“神啊，救救我吧，再给一个泡沫吧”。很不幸，这个愿望很快就成真了：几乎每个美国人都认为房价会永远上涨。这种看法令贷款机构无视买房人的实际经济状况随意放贷，认为房价的上涨会解决一切问题。而今天，美国正为此付出惨痛的代价。随着房价的下跌，大量愚不可及的错误被曝光了。只有在退潮的时候，你才能看出哪些人在裸泳。对于美国最大的一些金融机构，我只能用“惨不忍睹”来形容了。 2009年巴菲特致股东的信： 1、投资界面临的风险，已经从价值低估转向价值高估。这种变化不可小觑，钟摆弧度更大了。几年前，投资优级市政公债或公司债券，能得到像今天这样的收益，几乎是无法想像的，尽管无风险的政府债券短期收益接近于零，长期收益也少得可怜。编写现代金融史的时候，我们无疑会提到20世纪90年代末的网络泡沫和本世纪初的房地产市场泡沫，但2008年底的国库券泡沫或许也同样值得一提。 2010年巴菲特致股东的信： 1、我曾参加过几十次股东会，讨论认购方案，通常，一些价格高昂的投资银行给主管们提供咨询。不可避免的，银行家向股东会详细评估了被收购公司的价值，强调其价值远远比市场价值合理。在长达五十年的股东生涯中，我从没听到任何投资银行(或管理层)讨论公司所得到的真实价值。当交易涉及认购方股票的发行时，他们只使用市场价值，甚至在知道认购方股票被严重低估时仍然这么做。当股票被低估时，而主管从顾问获得理性意见的方法看起来只有一种了，雇佣第二顾问，来反对提议的认购案，若交易不成交则得到酬劳。没有这个，我们得到的建议永远都是，“不要问理发师你是不是该理发了”。 2011年巴菲特致股东的信： 1、有些人通过借钱投资成为巨富,但此类操作同样可能使你一贫如洗。杠杆操作成功的时候,收益就成倍放大,配偶觉得你很聪明,邻居也艳羡不已。但它会使人上瘾,一旦你从中获益,就很难回到谨慎行事的老路上去。而我们在三年级(有些人在2008年金融危机中)都学到,不管多大的数字一旦乘以0都会化为乌有。历史表明,无论操作者多么聪明,金融杠杆都很可能带来“0”。对企业来说,金融杠杆也可能是致命的。许多负债累累的公司认为债务到期时可以靠继续融资解决,这种假定通常是正常的。可一旦企业本身或者全球信用出现危机,到期债务就必须如约清偿,届时只有现金才靠得住。 2、重点谈谈被忽略的一个数字:净利润,其媒体作用远大于所有其它数字。这个数字对大多数公司来说很重要,但对伯克希尔来说往往毫无意义。不管业务如何运营,我和查理总能在任何特定时期合法地创造想得到的净利润。我们有大量未实现收益可利用,因此如果确实认为净收益很重要,我们可以定期在其中加入已实现收益。不过,请放心,我和查理绝不会抛售证券,因为抛售会影响我们即将报告的净利润,而且我们都对“玩数字游戏”深恶痛绝。 2012年巴菲特致股东的信： 1、巴菲特在信中指出，董事会的首要工作是确保让合适的人选来经营公司，确定好下一代领导人并让他们做好随时接管公司的准备。巴菲特称，2011年初，库姆斯(Todd Combs)作为投资经理加入，在2011年结束后不久，韦施勒(Ted Weschler)也加盟公司，“股神”对他们的评价是“拥有卓越的投资技能，以及对伯克希尔的责任感，他们的智慧、判断力和魅力，足以使他们在我和查理不再经营伯克希尔后能掌管我们的全部资产组合”。 2013年巴菲特致股东的信： 1、新闻是一种人们不知道他们想知道什么的东西。人们会从各种渠道寻找对他们重要的新闻，这些新闻提供了及时性、易得到、高可信度、综合性和低成本等因素的完美结合。这些因素的相对重要性因人而已，并由于新闻种类不同而有所变化。在电视和互联网之前，报纸是大量新闻的主要来源，对绝大多数民众是不可缺少的。 2、盈利有多种处理方法。公司管理层首先需要检视对现有业务再投资的可能性——提高效率，开拓市场，延伸或改造产品线，或者拓宽护城河。“我总是要求我们分公司的管理层始终专注于寻找拓宽护城河的机会，而他们也都发现这招确实有用。” 2014年巴菲特致股东的信： 基本五条投资原则：第一条，想要取得令人满意的投资回报，你并不需要一定是个专家。但如果你不是专家，那么就必须认识到你自己的局限性，并遵循一套可行的方法。保持事情的简单性，不要试图去打什么“全垒打”。别人向你承诺短期的暴利，你要学会赶紧说“不”。 第二条，聚焦于拟投资资产的未来生产力。如果你对某资产的未来收入进行了粗略估算，却又感到不安，那就忘了它继续前进吧。没人能评估每一种投资可能性，但你并不需要做到全知全能，而是只需要搞明白自己所采取的行动。 第三条，如果你是聚焦于拟投资资产的未来价格变动，那你就是在投机，这本身没什么错。但我知道我不具备成功投机的能力；而且，对那些宣称自己总是能投机成功的人我也表示怀疑。事实上，一项既定资产最近的价格上涨，永远都不会是买入的理由。 2015年巴菲特致股东的信： 伯克希尔的收购标准： 我们迫切地想从企业负责人或其代表处听到，他们的企业符合以下全部的标准： (1) 大型收购(税前利润至少为7500万美元，除非该企业很契合我们的现有业务部门之一。) (2) 已证实的持续盈利能力(我们对未来预期不感兴趣，也不感冒业绩突然好起来的企业。) (3) 企业的股本回报率良好，同时债务很少或没有。 (4) 管理层称职(我们没有能力填补这方面的人手) (5) 业务模式简单(如果存在大量的技术，我们将无法理解它。) (6) 一个明确的报价(我们不会在价格未知的情况下讨论交易，以免浪费我们和卖家的时间。) 公司越大，我们越感兴趣：我们乐于进行价格在50亿至200亿美元范围之间的收购。但是，我们对可以在一般股票市场进行的收购建议没兴致。 我们不会进行不友好收购。在是否有意收购的问题上，我们可以承诺绝对保密，同时会极为迅速地给出答复，通常不到5分钟。我们倾向于使用现金收购，但如果我们能获得与我们给予的同样多内在价值，我们将考虑发行股票进行收购。我们不会参与拍卖收购。
• 

  数学模型在投机交易中的应用
  • wdg  

  1
  0
  Votes
  1
  Posts
  878
  Views

  

  金融数学，又称数理金融学等，是利用数学工具研究金融现象，通过数学模型进行定量分析，以求找到金融活动中潜在的规律，并用以指导实践。金融数学是现代数学与计算机技术在金融领域中的结合应用。目前，金融数学发展很快，是目前十分活跃的前言学科之一。 金融数学的发展曾两次引发了"华尔街革命"。上个世纪50年代初期，马克维茨提出证券投资组合理论，第一次明确地用数学工具给出了在一定风险水平下按不同比例投资多种证券，收益可能最大的投资方法，引发了第一次"华尔街革命"。 马克维茨也因此获得了1990年诺贝尔经济学奖。 1973年，美国金融学家布莱克和舒尔斯用数学方法给出了期权定价模型，推动了期权交易的发展，期权交易很快成为世界金融市场的主要内容，成为第二次"华尔街革命"。 2003年诺贝尔经济学奖第三次授予以数学为工具分析金融问题的美国经济学家恩格尔和英国经济学家格兰杰，以表彰他们分别用"随着时间变化易变性"和"共同趋势"两种新方法分析经济时间数列给经济学研究和经济发展带来巨大影响。 不仅仅是理论界在金融数学领域取得巨大的成就。实务投资派也运用金融数学模型在市场中取得了巨大的盈利。 数学教授出身的"模型先生"詹姆斯·西蒙斯（James Simons）连续两年在对冲基金经理人收入排行中位列第一。 2005年，西蒙斯成为全球收入最高的对冲基金经理，净赚15亿美元，去年，他收入高达17亿美元，差不多是索罗斯的两倍。 68岁的西蒙斯是世界级的数学家，也是最伟大的对冲基金经理之一。他24岁就出任哈佛大学数学系教授，曾与著名华裔数学家陈省身一同创立了Chern-Simons几何定律，该定律成为理论物理学的重要工具。 西蒙斯和他的文艺复兴科技公司是华尔街一个彻底的异类，公司从不雇用华尔街人士，而是靠数学模型捕捉市场机会，用电脑作出交易决策，是这位超级投资者成功的秘诀。 "对积理论"也是用数学模型捕捉市场机会，量化资金管理，用计算机系统发出交易信号，通过大量的短线交易，达到稳定累盈的结果。 模型先生们究竟是怎样用"数学模型"进行投机交易的呢？ "数学模型"方法是针对或参照某种事物系统的特征或数量相依关系，采用形式化数学语言，概括的或近似地表述出来的一种数学结构。 采用"数学模型"做交易，相对于常用的技术分析、基本分析等方法有如下优势： 首先，交易更加精确量化。 技术分析、基本分析等方法的缺陷都是不能做到完全的精确量化。 技术分析主要是用来分析交易的进场、出场点的，是抉择交易时机的一种方法。 技术分析理论的主要的代表有道氏理论、波浪理论、江恩法则等。主要分析方法有K线（日本线）理论、切线理论、形态理论、量价关系理论。主要的分析指标包括：趋势型指标、超买超卖型指标、人气型指标、大势型指标等内容。 技术指标大多是线型的公式来表达价格涨落与历史价格成交量之间的关系。由于价格运动的复杂性用线型公式是无法概括表述的，所以存在技术指标时好时坏的现象。用几套技术指标叠加做出的系统，同样解释不了价格的运动。因为大多技术指标编制的思路及出发点雷同，趋向性一致，所以造成了好用都好用，不好用都无奈的现象。 技术分析是成千上万证券市场投资者经验的结晶，它更像一门艺术。其一，在它的各种理论体系中，从定义到规则，都带有明显的经验总结色彩，不具备严格的数学推理过程；其二，它包含的理论很多，每位技术分析家都有不同的见地，这些分支理论并不能形成一整套相互辉映的理论体系。任何一种技术分析方法都不能完全适应于市场，每一种方法都有自己的盲点。 使用技术分析、基本分析无法精确量化交易。"数学模型"是采用离散采样的方法，对数据进行统计分析。根据证券市场的特性，价格是离散型的随机变量。"数学模型"会将随机变量的所有可能取值及相应的概率描述出来，模拟离散型随机变量的概率分布。通过概率进行资金分配，能够量化每笔交易手数。对交易的把控更加精确量化。 其次，能够克服人性在交易时的弱点。 在交易当中，最可怕莫过于人性的弱点。人的"贪婪"和"恐惧"在交易的过程当中会毫无遗漏的表现出来。有盈利的时候"惜卖"，亏损后又"死抱"；容易受到周边议论的影响，等等这些都会造成交易的随意性，导致亏损。用"数学模型"各种规则都是固定量化的，计算出来的结果也是确定、唯一的，能够避免投资者在交易时主观的判断。我们所要做的就是相信系统，严格执行。 下面，我们对"数学模型"类交易方法的特点进行总结，深一步讨论"数学模型"在交易中的应用。 1.认为价格的运动是随机与有序并存。它并不是完全随机，也没有固定的规律，它的运动具有一定的"人为特征表象"。整体而言，市场是有效的，但仍存在短暂的或局部的市场无效性，可以提供交易机会。 2.主要通过对历史数据的离散采样统计，找出金融产品价格、宏观经济、市场指标、技术指标等各种指标间变化的数学关系，发现市场目前存在的微小获利机会，并通过杠杆比率进行快速而大规模的交易获利。 3.通过高频次且快速的日内短线交易来捕捉稍纵即逝的机会。通过大量的交易次数对冲风险，累积盈利。 4.要求市场具有高活跃度和流动性。要求交易品种价格的运动具有连续性，以及成交量的活跃性。这一点主要是为了保证交易的可成交性。
• 

  量化交易：大数据背景下的量化投资：现状与趋势
  • wdg  

  1
  0
  Votes
  1
  Posts
  955
  Views

  

  大数据时代中的量化投资：优势与特点 1.1 从“小数据”到“大数据” 随着计算机和互联网的普及，人类已经从小数据时代正式迈入大数据时代：大数据出现在我们生活中的各个方面，它涉及很多学科或领域，例如金融经济、医疗卫生、基因组学、物理天文、政治、教育、工业、等等。 现在人们都知道大数据有用，那么，为什么有用呢？这就需要首先知道什么是“小数据”、什么是“大数据”。下面我通过举例来简要说明。 首先，何为“小数据”? 在上世纪90年代初——互联网普及之前，我从新华书店购买一套《十万个为什么》（第四版）。营业员在他的帐薄上能够记录的数据是：书名、购买数量、价格等。这些数据诚然有用，但是，用途有限，所以，我们这里不妨把它们称为“小数据”。 然而，时至今日，我从当当网上购买一套《十万个为什么》（第六版），当当网的销售系统能够记录的数据，不仅有书名、购买数量和价格，还可以有很多，例如，因为我是通过我的帐号在线购买这本书的，那么，我的身份信息（如：性别、年龄、学历等）都变成了当当网销售系统记录的数据——而且这些记录都是由计算机瞬时完成的。 可见，与先前的小数据相比，这些数据是多维的，这就使得它们也就变得更为有用。例如，因为我购买的《十万个为什么》（第六版）属于科普读物，当当网的系统就会自动推荐一些旁的科普读物给我，并同时结合我的博士学历，可能会同时推荐一些较为专业的书籍给我。这是因为，这个推荐系统本身就是基于系统掌握的所有数据，这些数据正属于大数据。可以想象，它们的用途远远超过“小数据”。 当然，我这里举的例子仅仅是以网络销售作为一个特例介绍的，事实上，大数据的价值覆盖的范围远过于此——其常常超出人们的想象。例如，针对手机信号的集体异常（如集体震荡等），科学家可以立即推知某个地方正在发生着地震；当新电影刚刚入市，科学家可以针对微博上影迷的转发规律来推知该电影未来的票房收入；等等。这些应用很奇妙，与人们的生活密切相关，显然，它们是基于先前的小数据无法实现的。那么，大数据时代的到来对 金融投资领域是不是也有额外的影响呢？ 1.2 大数据 + 投资à量化投资 通常所说的“投资”是指定性投资，它属于主观判断型，例如看到俄罗斯出兵乌克兰的新闻时，我们的投资经理可能就会想，接下来，国际金价可能上升，于是，购买黄金，以待升值，等等。这种基于现象的预判而进行的投资，就是典型的主观判断型投资。主观判断型投资或定性投资的一个最大问题就是，投资过程中，人的情绪会显著影响投资进程——这是因为，人这个动物，有喜怒哀乐、有五情六欲，趋利避害是其本性。这个本性直接导致整个投资过程对于风险并不能做到客观的准确度量，而只能跟着感觉走。 可喜的是，基于大数据分析的量化投资，它具有一个显著功效，就是把人的情绪排除到投资进程之外——整个投资进程完全按照人预先设定的程序进行操作。把人的情绪排除在外的一个作用就是确保投资进程的客观性，确保这样的客观性是重要的，因为量化 投资策略的构建本身是基于客观的规律，这些规律是基于大数据分析总结出来的，它们具有客观的精确性（例如：风险的准确度量、等等）。这是通常的定性投资所不拥有的，这也是量化投资之所以极具吸引力的一个本质原因。 1.3 量化投资的科学依据：“历史会重复” 构建量化投资策略时，通常通过分析历史数据，获得经验规律，然后，把此规律用于预测市场的未来走势，以便从中获利。这里的一个科学依据是：历史往往会重复。其实，不仅 股票市场过去的历史会在未来重复，同期来看，一个国家的股票市场的某些规律，也可能在另一个国家的股票市场中重复出现。 2 大数据时代中的量化投资：挑战或问题 基于大数据的量化投资，是一个新兴的领域，很多方面还不完善，自然也就存在各种各样的问题，为节省篇幅起见，下面仅从三个大的方面通过举例、进行概述，更多细节，建议有兴趣的 读者阅读《打开量化投资的黑箱》（作者：里什•纳兰）中的第10章和第11章。 2.1 对象方面：“数据陷阱” 数据多了后，可能会让量化投资者切实感受到“不识庐山真面目，只缘身在此山中”式的迷茫。我这里说的“数据陷阱”，其实只是想说“尽信数据不如无数据”。 试举一例：有人分析 了淘宝的网络营销数据，发现新疆和内蒙销售出去的比基尼远远超过广东等沿海省份，于是得出结论“比基尼广告的重点应该放在新疆和内蒙，而非广东等沿海省份”。这个结论其实是个误导，理由是：在诸如新疆和内蒙等内陆省份，比基尼并非常用物品，当地超市自然不太乐意销售，这时老百姓如果想购买的话，也只能到网上购买了，另一方面，在广东等沿海省份，超市里有大量的比基尼，相对而言，到网上去购买比基尼的人自然会少得很多。从这个角度看，拘泥于数据本身做分析，其结论有时看起来并不靠谱、或不经推敲。 2.2 方法方面：“先天缺陷” 众所周知，当我们透过蓝色眼镜看一张白纸，我们眼中看到的将是“蓝纸”而非白纸。与此类似，在当前关于大数据的研究中，大数据就似铺在我们眼前的“白纸”，而我们使用的很多统计分析方法就似我们佩戴的“蓝色眼镜”。也就是说，基于这些统计方法分析大数据得到的结果通常依赖于统计方法本身，这就导致这些结果可能与事实不符。例如：统计学界常用的P值检验方法，于2014年被偶然发现它其实“不靠谱”，以致 经济学家史蒂芬说，“P值没有起到人们期望的作用，因为它压根就不可能起到这个作用”。 2.3 结果方面：“针尖对麦芒” 仍旧通过举例来说明。基于大量数据的实证分析，以诺贝尔经济学奖得主Fama为首的主流经济金融学家们认为“风险越大、收益越大”。但是，美国麻省理工学院金融学家Bowman则得到一个截然相反的结论“风险越大、收益越小”——这个发现后来也获得很多例证，以致今天的学界为Bowman的这个发现专门取了一个名字，叫“Bowman悖论”。 “迎接挑战解决问题”之第一个途径：“基于真实市场的众包预测”（以股市为例） 针对上述“挑战或问题”，本文建议两个不同的途径，以便为未来提供参考。其中，第一个途径的主要方法是培养一批训练有素的人员，然后用于预测真实市场。具体可分为以下三个步骤——下面内容将以我的研究团队的做法为例，进行介绍。 3.1 开端：人员培训 首先，设计实验室 虚拟股票市场（图1），招募N位学生在该实验室虚拟市场中 炒股。目的是让这些学生熟悉股票市场中的相关事宜。为检验这些学生的熟练程度，我们会分析该虚拟股票市场产生的价格序列(图2a-b)，考察交易量的时间序列(图2c-d)以及收益率的时间序列(图2e-f)，以与真实市场的相关数据进行比对。如果与真实市场一致(图2a-d)，说明这些学生已经初步受训合格。 图1：实验室虚拟股票市场的操作界面。【K. N. An, X. H. Li, G. Yang, and J. P. Huang, “A controllablelaboratory stock market for modeling real stock markets”, The European Physical Journal B 86, 436 (2013) 】 量化交易：大数据背景下的量化投资：现状与趋势 图2：实验结果。(a,c,e)第一轮；(b,d,f)第二轮。(a,b)价格的时间序列；(c,d)交易量的时间序列；(e,f)收益率的时间序列。【K. N. An, X. H. Li, G. Yang, and J. P. Huang, “A controllablelaboratory stock market for modeling real stock markets”, The European Physical Journal B 86, 436 (2013) 】 3.2 检验：预测过去 接下来，我们设计了一个新的基于真实市场的预测实验(图3)，把受训合格的（部分）学生N’位集中到实验室，让他们基于历史数据预测过去的未来。我们的一次预测结果显示，所有学生的预测准确率在53%左右。这个数据暗含的意思是，有近一半的学生预测准确率大于53%，其余小于53%。前者人数大约是 N’/2，这正是我们试图筛选出来的对象。 量化交易：大数据背景下的量化投资：现状与趋势 图3：基于真实市场价格序列的预测。其中，黄颜色区域是已知数据点，公布给被试。然后让被试根据这些已有的数据点预测余下的数据点。【J. P. Huang, Experimental Econophysics: Properties and Mechanisms ofLaboratory Markets (Springer, 2015)】 3.3 应用：预测未来 然后，我们让前面筛选出来的 N’/2位被试参与预测未来的实验（图4）。我们安排他们预测沪深300每天的开盘价和收盘价，这样的预测——特别是收盘价——对股指期货的量化投资是有益的。作为测试，我们让这个预测系统运行了10个工作日，共预测了20个数据点，统计结果显示，涨跌趋势预测准确率为85%。 由于这些被试不是集中在实验室预测的，他们可以在各自的终端预测，所以，我把这样的预测叫做“众包预测”。我们已有的初步结果显示，这样的预测，如果前期准备工作比较恰当，还是可以获得令人满意的预测结果的，自然也就可以用于构建量化投资策略。 量化交易：大数据背景下的量化投资：现状与趋势 图4：预测系统的一个界面。 “迎接挑战解决问题”之第二个途径：“基于实验室市场的物理学研究方法应用” 4.1 “他山之石，可以攻玉” 众所周知，传统物理学成就显赫，其显著改善了人类生活，例如电、计算机等的出现。这也说明物理学的思想和方法有其科学性。那么，是不是可以把这个思想和方法移植过来，用于大数据的研究，以便构建可靠的量化投资策略呢？答案是肯定的。 那么，什么是物理学的思想和方法呢？ (1) 什么是物理学的思想？ 这里以中学物理课本中介绍的自由落体为例，假设一个小球从屋顶自由下落：影响小球下落高度(h)的可能因素非常多，例如：时间(t)、空气阻力、大气压力、湿度，甚至暗物质、暗能量、等等。然而，伽利略（1564-1642）只考虑了时间与高度的关系，而忽略了其余所有因素的影响，结果他发现h和t满足h =(1/2)gt2这个简单的关系式，这里的g是一个常数。基于这个表达式，他创立了自由落体定律，这个定律随后帮助牛顿（1642-1726）创立了经典力学，经典力学使得今天的人们能够把火箭和卫星送上天，从而造福全人类。鉴此，可以说，物理学的第一个思想就是：寻找原因时应该选择最主要的原因——这其实就是一些物理学家常说的“粗粒化”。 基于伽利略的自由落体定律h =(1/2)gt2，牛顿建立了他的第二定律，即F=ma,这里F就是力，m是质量，而a就是加速度。这时如果把牛顿的F视为重力、把牛顿的a视为伽利略的g，我们发现牛顿的这个第二定律不仅可以帮助解释伽利略在地球上做出的自由落体定律，而且可以帮助解释开普勒(1571-1630)针对太阳系中运动的行星研究得到的行星运动三定律。更为重要的是，牛顿第二定律不仅可以用于解释这些已知的规律，而且可以用于预言未知的现象，例如，海王星的发现就得益于牛顿第二定律（和万有引力定律）的理论预言。牛顿第二定律的成功蕴含了物理学的第二个思想，即获得的结果应该具有普适性。这里的普适性有两层涵义，一是可以用于解释过去或已知（解释力）、二是可以用于预测未来或未知（预测力），两者缺一不可。 (2) 什么是物理学的方法？ 上述物理学的两个思想是从战略层面上讲的，要实现这两个战略目标，那么战术上该怎么走呢？这就涉及具体的物理学方法了。众所周知，任何一个学科的诞生，都是人们从身边事物或熟悉的事情观察分析开始的，物理学也不例外，例如，从亚里士多德(公元前384-322)时代到开普勒时代，物理学家首先观察身边熟悉的自然界，然后分析、归纳这些观察数据，之后，获得了许多结果，例如亚里士多德得出地球是球形的结论、开普勒总结了行星运动三定律。这些结果都是分析自然界中已有的数据或现象（例如海平面不平、行星绕着太阳旋转）获得的结果，即都是实证分析的结果。所以，“实证分析”该是物理学第一个方法，它自物理学这个学科诞生之初就有了。 物理学第一个方法的优点：结果可靠、数据巨大。这里的“结果可靠”是指因为被分析的数据来自自然界、非人为构造，故而其结果应该是针对自然界中特定对象或系统的客观描述。至于“数据巨大”则是指，庞大的自然界中蕴藏各种海量数据，无疑这对人们认识、理解自然界大有裨益。 物理学第一个方法的缺点：不可控性、非格式化。因为这些数据来自自然界，所以，人们无法（或很难）控制产生这些数据的条件，这就是这里说的“不可控性”。也正因为数据的不可控性，所以，实证分析通常只能得到相关关系而非因果关系——要知道，与相关关系相比，因果关系代表了更深层次的认识，对人类通常也更为有用。另一方面，自然界的这些数据格式是由人们的采集方式决定的，也就是说，不同的人可能会用不同的格式，这就为人们研究这些数据带来了一些额外的麻烦——这也就是前面提及的“非格式化”的意思。 那么如何克服这两个缺点呢？这就有了物理学的第二个方法。 物理学的第二个方法就是实证分析与可控实验相结合的方法。因为实证分析揭示的（通常）是相关关系，而非因果关系，所以，伽利略开始在实验室中做实验，以便可以有目的地调节一个或少数参数（同时固定其余所有参数），以便揭示这些参数与结果之间的因果关系。这样的实验就是可控实验，这些实验通常是在实证分析结果的启发下开展的。 物理学第二个方法的优点：可控性（因果关系）、格式化。这里的优点正对应物理学第一个方法的缺点。因为人们可以通过调节参数、并考察其对实验结果的影响，所以，这些可控实验揭示的自然是这些参数与结果之间的因果关系。至于“格式化”，则是指在开展可控实验的过程中，因为可调的参数简单、明确，所以，实验数据的收集格式自然也就简单、明确，并且，对于不同的人做同样的可控实验，数据的格式也基本相同或相近。 物理学第二个方法的缺点：偏离事实、数据稀疏。要知道，这些可控实验是特定的人（例如伽利略）在特定的实验室针对特定的实验样品或系统做出来的，所以，最终获得的实验数据可能会偏离真实世界中的规律，或者说，不能被其他人重复。这就是我所说的“偏离事实”。另一方面，一般而言，实验室中产生的数据与自然界中蕴藏的海量数据相比，通常少得可怜，这也正是我说的缺点之一——“数据稀疏”。 那么，这两个缺点又该如何解决呢？这就有了物理学的第三个方法。 物理学的第三个方法就是实证分析、可控实验、理论分析三者相互结合、互为补充的方法。鉴于物理学第一个方法隐含的缺点，牛顿当年就直接从第二个方法出发，例如，当他解释了开普勒的行星运动定律（实证分析结果）后，他也同时解释了伽利略的自由落体定律（可控实验结果）。更为重要的是，牛顿还意识到第二个方法产生结果的狭隘性，例如：开普勒的实证分析结果“行星运动三定律”是针对太阳系的行星归纳总结得到的，所以，这个行星运动三定律只适用于太阳系中当时已经观察到的几个行星，并不适合其他的行星和恒星；同样，可控实验的结果与特定的实验样品和器材甚或开展实验的人有关，这些结果的可靠性自然令人生疑。鉴此，牛顿基于微积分、使用理论分析的方法推广了物理学第二个方法获得的结果，使其突破狭隘性、具有普适性。例如他的第二定律不仅可以解释已知的行星运动定律或自由落体定律，而且可以预言其他物体的运动行为——这些物体可以小到分子、原子甚至更小。 今天，人类的生活已经在物理学的影响下产生了翻天覆地的变化（例如电的使用、在家里看的卫星电视、以及很多人每天离不开的智能手机），由此，无论愿意与否，人们不得不承认：物理学第三个方法的成功是巨大的、是空前的。 那么，如何运用物理学的思想和方法来构建量化投资策略呢？ 4.2 从一个“失败”的例子说起：风险与收益的关系 风险与收益关系的研究课题与每位投资者的切身利益密切相关。一般而言，风险越大收益越大、或风险越小收益越小，也就是说，风险与收益呈现正相关关系。这是研究人员基于市场中大量金融数据统计分析的结果，它是文献中的主流 观点。然而，基于上述物理学第三个方法可以知道，这个结果仅仅是实证分析的结果，还缺可控实验和理论分析的研究。鉴此，有研究人员构建了实验室金融市场，开展了一系列可控实验，可是他们揭示了一个相反的（统计）结果：当金融市场是封闭且有效时，风险与收益呈现负相关关系。进一步的理论分析也支持了这个实验发现；见图5中由左至右斜向下的那条直线。有趣的是，这个结果与Bowman悖论一致，而Bowman悖论正是指风险与收益呈现负相关关系，但是，这个悖论同样仅仅是实证分析的结果，它是相关文献中的非主流观点，自1980年提出以来，就一直争议至今。换言之，文献中基于实证分析得到的主流观点（“风险与收益呈现正相关关系”）并没有经受得住物理学第三个方法的检验，故而名之“失败”。 量化交易：大数据背景下的量化投资：现状与趋势 图5：不同风险对应的相对 财富分布。两处虚拟资源分别为M1和M2。图中由左至右斜向下的直线是针对所有数据的线性拟合；斜向上的直线是固定选择M1的结果。【K.Y. Song, K. N. An, G. Yang, and J. P. Huang, “Risk-return relationship in acomplex adaptive system”, PLoS One 7, e33588 (2012) 】 至此，一个量化投资策略也就有了，它是关于长线操作的，它叫人们应该如何把鸡蛋放在同一个篮子里。图5中斜向上的那条直线告诉我们，选择回报率大的股票进行持续投资、长期持有，是投资一 良策。注意：这里的“回报率大”是指统计意义上的大回报率，为此，在真正投资之前的认真调研，也就显得必不可少了。有人说，这个投资策略其实就是 价值投资，没错，是的，但是，这样的投资策略的效果通过实验和计算机模拟清晰地定量显示出来，图5应该还是第一次。 4.3 从一个“成功”的例子说起：市场中存在“看不见的手” 正确认识市场的宏观性质和微观机制有助利用金融市场造福人类。200多年前，斯密(1723-1790)分析了各种市场的数据后，得到结论：市场中有只“看不见的手”起着调节作用，这只“手”使得市场在没有外界干预下也能够自动达到供求平衡。显然，对照物理学第三个方法，斯密的结论仅仅是实证分析的结果，还缺少可控实验和理论分析。鉴此，有研究人员设计了实验室金融市场，开展了一系列可控实验，同时也进行了相关的理论分析（基于多体计算机模拟），可喜的是，实验和理论皆支持了斯密的结论（图6）。可见，斯密基于实证分析获得的结论通过了物理学第三个方法的检验，故名之“成功”。 图6：两处虚拟资源分别为M1和M2，让被试选择进入这两处（人数分别为N1和N2）、并平分其中的资源。结果发现：N1和N2几轮平均的结果等于M1/M2，也就是说，好像存在一只“看不见的手”用于调节这个虚拟市场，以使得所有人统计意义上获得同样数量的资源。图中五角星表示实验结果；其余数据是计算机模拟结果。【W. Wang, Y. Chen, and J. P. Huang, “Heterogeneous preferences,decision-making capacity and phase transitions in a complex adaptivesystem”, PNAS 106, 8423 (2009)】 至此，一个新的量化投资策略也就可以构建出来了，它是关于短线操作的，它叫人们应该如何把鸡蛋放在不同的篮子里。图6中的对角线告诉我们，当外在环境没有显著变化时，市场中存在一个均衡点，这个均衡点是“看不见的手”调节的必然结果。鉴此，如果人们从沪深300中随机选择30只股票，把它们按照日收益率的大小从高到低排序，结果会发现，在“看不见的手”的调节下，每只股票的平均排序在10到20之间。那么，这里也就有了一个用于短线操作的投资策略，它就是，对于排在最前几位和最末几位的股票存在明显的套利机会。 总结：喜忧参半，直面挑战 本文简要总结了大数据背景下 量化投资的优势与特点，并列举了已经浮现的一些挑战或问题。继而针对这些挑战或问题，结合作者自己团队的研究，建议了两个可能的解决途径。需要说明的是，关于这两个途径的研究仍旧在进展之中，当前并不完善，特别是第一个途径，相关细节还需要进一步仔细推敲，文中介绍仅仅是它的雏形。但是，通过介绍这两个途径，希望能够起到抛砖引玉之效、并能够吸引更多志同道合者加入这个领域，或从事基础研究、或从事实务操作，皆可。 致谢：2015年4月8日，应江苏省扬州市金融学会的邀请，我在中国人民银行扬州市中心支行做了一次讲座，本文内容就是根据那次讲座内容整理出来的，特此感谢相关领导的支持，并感谢该行办公室副主任朱苏世先生的周到安排；文中图3-4以及与图3-4有关的研究内容是由本团队的硕士生刘璐同学完成的，特此一并致谢。 作者简介：黄吉平，复旦大学教授、博士生导师。2003年获得香港中文大学博士学位，2005年起，加盟复旦大学。已经指导19位研究生获得学位，其中博士学位9名、硕士学位10名。获得国家 基金委优秀青年基金资助，入选教育部新世纪优秀人才支持计划，获得教育部2014年高校科学研究优秀成果奖自然科学奖二等奖（第一完成人）。
• 

  量化交易：被误伤的量化投资
  • wdg  

  1
  0
  Votes
  1
  Posts
  968
  Views

  

  提起量化投资、程序化交易、高频交易等术语，普通投资者往往会联想到“分分钟几千万上下”的天才操盘手、带有神秘色彩的投资机构、A股大跌“元凶”之一的“境外做空势力”……但在现实中，这些看上去高深莫测的投资方法远没有那么神秘，也远没有那样简单。 11月中旬，由高盛等多家金融机构组成的亚洲证券业与金融市场协会致函中国证监会，称程序化交易相关新规将无意中破坏规模达1600亿美元的重要投资渠道，还会影响刚刚满一岁的沪港通。香港投资基金公会行政总裁黄王慈明也致信中国证监会，敦促其进一步明确规定管理范围。 事件的起因还要从首份对程序化交易进行规范的管理办法说起，中国证监会此前发布了《证券期货市场程序化交易管理办法（征求意见稿）》，但市场各方对它的争论却呈现愈演愈烈之势。 不少投资者将其解读为监管层出手“整治”量化投资以及高频交易的操作手法。事实上，新规发布后坐不住的不仅是“境外做空势力”，同时被误伤的还有通过沪港通交易的香港投资方以及在中国大陆运用相关策略交易的投资者。 “从限制期货日开仓手数、提高手续费到发布程序化交易管理办法，监管层发布的政策对高频交易甚至量化投资整体都是一个致命的打击，也导致中金所交易量大幅缩水，对市场的影响是很明显的。”在国外有相关经验的量化投资从业者董可人告诉记者。 那么，在当前新的监管趋势下，量化投资等方法在国内是否还有用武之地？当外界谈及量化、高频、程序化这些专业术语时，又是否真正了解它们呢？ 量化无罪 对冲其罪？ “量化投资、程序化交易、高频交易这些概念不属于同一个维度，它们呈现的是夹角关系，而不是人们理解的并列或者从属关系。目前国内还不存在一个官方的定义，网上可查的资料也已经过时，我一直在试图为它们下一个明确的定义。”在北京中关村大街的办公室里，量邦信息科技股份有限公司董事长、北京大学对冲基金实验室主任冯永昌对记者感慨道。 冯永昌曾在嘉实基金供职，见证了国内第一只量化公募基金的成立，他之后创办的量邦科技、微量网、对冲汇、量客投资以及北大对冲基金实验室等公司、机构也都紧紧围绕量化投资而设立。据其介绍，国内的量化投资经历了三个发展阶段，而最近程序化交易监管新规的发布正是第二阶段到第三阶段的转折点。 冯永昌认为，量化投资是指把人的投资思想变量化、规则化、系统化，形成特定的交易信号，比如以量化的方式选股或者确定股指期货的买卖时点，而在交易的执行阶段可以使用计算机也可以手动下单。 根据这一解释，量化投资分为量化研究和量化交易，与高频交易和程序化交易并不等同，它们仅是量化交易的一些情形。国内自2008年成立首只量化公募基金以来，通过量化方式选股成为一种特有的投资方式，这也正是量化投资发展的第一阶段，在这一阶段量化投资仅仅局限在量化选股上。 量化投资的全面发展则依赖于2010年4月16日沪深300股指期货的推出。通过股指期货这一对冲工具，量化投资从业者可以进一步减小风险，获得更加稳健的投资收益。随着此后私募基金阳光化及私募基金管理人牌照的发放，量化投资方法也更多地被私募基金使用，这一全面发展阶段是量化投资发展的第二阶段，也让量化对冲基金被人们所熟知。 在量化投资方法被广泛运用的同时，国内监管层并未出台相应的监管政策，直到2015年A股大起大落之后，监管层出台了一系列与量化投资发展息息相关的政策，这才进入了量化投资发展的第三阶段。 从具体交易策略上看，冯永昌介绍称阿尔法策略（属于相对价值策略）在所有量化投资策略里可以占到70%，是最主流的交易策略，这种策略简单地说是通过量化的多因素模型选股，买入一个投资组合，再卖空一个投资组合，之后厘定参数，确定交易频率、交易信号、交易规模。例如买入一揽子股票再卖出对应的股指期货，这种操作手法可以降低系统性风险，获取稳健的收益。 可以发现，当限制股指期货日开仓手数的监管规定发布后，并不是所有量化投资都受到了影响，只是量化投资策略中专注于股指期货的趋势投机策略受到了限制。 需要说明的是，虽然股指期货的出现刺激了国内量化投资的发展，但量化投资的几种主流策略依然主要靠跑赢市场赚取收益，股指期货做空的意义仅在于通过对冲规避系统性风险，虽然在某些策略中对冲行为本身是在做空，但说量化投资依靠做空股市赚钱是不正确的。 高频交易 大跌“背锅” 显然，量化投资中的做空力量并不能成为A股大跌的主要推手。但随着A股震荡环境下市场对“境外做空势力”的不断猜想以及伊世顿事件的爆发，量化投资的舆论环境变得不利起来。 在这之中更加脍炙人口的两个概念是程序化交易和高频交易，它们也被认为是程序化交易监管新规主要针对的对象。 广义上，只要是以计算机自动驱使的交易都是程序化交易，但这个定义应用很少，因为所有大规模资产管理都需要计算机下单，这样一来所有公募基金的交易都属于程序化交易。 冯永昌告诉记者，狭义上的程序化交易特指程序化CTA或者系统化交易，即给定标的的自动驱使投机，投资对象可以是股票但大部分是期货，这类交易的模型都比较简单，比如股价超过10日均线就买入，跌破20日均线就卖出等。而高频交易策略则特指以盘口转瞬即逝的获利机会为目标的策略，可以说高频交易属于广义上的程序化交易，但与程序化CTA南辕北辙。 “程序化CTA低胜率高赔率，高频交易则高胜率低赔率。程序化CTA善于抓趋势，应用较广，高频交易则完全与趋势无关，仅仅关注盘口的买单和卖单。”冯永昌称，“高频交易是某些量化投资策略的天敌，例如有一种高频交易策略被称为"捕食者"，专门猎杀量化投资中的算法交易策略。” 高频交易策略的盈利方式较为复杂，因为高频交易往往需要根据对手盘的情况“见招拆招”，这就好像下围棋，采取什么策略要看对手怎么走。但不管量化投资、程序化CTA还是高频交易，都属于投资方法。只要方法的设定不触犯法律法规，方法本身并无对错之分，是对是错全看用它的人。 在近期震惊市场的伊世顿案中，两位来自俄罗斯的高频交易玩家潜伏中国两年，通过高频交易将折合约700万元人民币的初始资金滚至20亿元，这让市场对高频交易产生了深深的忌惮。 目前，国内高频交易的运行环境与国外存在较大差异。相比国内四大期货交易所每1秒更新2次的“幻灯片”式行情播报，美国最快的纳斯达克交易所成交速度是100微秒左右，市场行情可达高峰期每秒100万条消息以上，平均每秒几十万条消息。同时，国内监管环境的不同也使得国内投资者能做到高频交易的类型远远没有国外丰富。 董可人认为，基于这个现状，目前国内还不存在较有影响力的高频交易团队，“如果眼光不局限在那些做自营交易的团队，那么有好几家技术团队可以算得上是本土高频交易行业的精英，如上期 CTP、中金所飞马、盛立金融软件等。事实上，即使在现阶段加入国内市场，仍然可以算是行业早期的探路者。” 技术上，在国内许多高频交易专家看来，伊世顿公司的交易手段很普通，技术水平也并没有稀奇到国内同行赶不上的程度，其获得超额收益仅仅因为它跑得比其他高频交易者快，以及涉嫌市场操作的下单方式，但这个做法是建立在明显违规的基础之上的。 “降低交易延迟有许多种方式，例如托管机房、专用线路、专业操作系统等，这些都不能绕过期货公司的柜台。在同一个网络环境下，高频交易者可以通过技术手段绕过期货公司的前端监管直接接入中金所，从而实现超高的交易速度，但这明显违法。”盛立金融软件产品经理刘大奇告诉记者。 伊世顿公司正是基于这种作弊手段，通过大量自买自卖测试市场深度，再通过虚假增报等明显违规的高频投资策略获得了让市场咋舌的超额收益。 基于此，伊世顿公司以涉嫌操纵期货市场被公安机关定罪，定罪的依据是该公司在高频交易中出现了被市场明令禁止的自买自卖行为，这一点同时触犯了《证券法》和《期货交易管理暂行条例》，但高频交易行为本身并没有被列入违规之列。 监管过力 中式尴尬 虽然量化投资、高频交易的交易方法本身并没有错误，但运用这些策略的投资者最近还是感受到了市场的寒意。 “今年6月上证指数开始暴跌时，监管就已经开始了，上证指数第二次跳水时，限制更进一步，再加上程序化交易新规，当前高频交易受到的限制已到达史无前例的地步。”谈起当前市场的管控，刘大奇对记者直言。 被监管层针对最为严格的是一度被称为做空“元凶”的股指期货。股指期货于2010年4月推出后，有很多量化对冲及高频交易策略上马，但是随着今年年中股市暴跌，证监会出台了一系列限制政策，对股指期货合约日开仓手数的限制从500手降到100手，最后降到10手。 限制期货日开仓手数后，量化投资者的对冲操作难以进行，连一些较为中性的阿尔法策略也无法使用了。一位华东期货行业人士告诉记者，原先一些期货产品每天的交易量可以达到200万手到300万手，但随着监管趋严，只能达到每天一万手，除了50ETF期权还可以做一点外，其他交易举步维艰，更不用说高频交易了。 当程序化交易监管新规发布后，连香港方面的投资方都坐不住了。一方面该新规禁止境内程序化交易系统与境外计算机相连接，另一方面证监会要求程序化交易者提供源代码，并规定频繁申报并频繁撤销申报，且成交委托比明显低于正常水平的交易行为属于违规。“这些政策将各种策略的高频交易全部"一炮轰死"，基本不能进行了。”中国量化投资学会理事长丁鹏感慨道。 虽然程序化交易监管新规的出台可以有效防止伊世顿事件的再次发生，但其采用“降低交易频率”的方式也破坏了国内的高频交易体系，这种略显“一刀切”的监管方式在将境外高频交易者挡在门外的同时，也令国内的高频交易者基本“自废武功”。 事实上，从限制期货日开仓手数到发布程序化交易监管新规，监管层的目的是为了打击过度投机，并不存在打击量化投资或者高频交易的说法，只能说在政策落地的过程中这些交易策略被“误伤”了，但从长远来看监管的逐步完善有利于这些交易方法获得更多认同。 “量化投资在国内属于新兴事物，它的价值不是量化模型多么神秘，而在于它教人们用方法、科学和知识去投资，这个角度也解释了为什么美国70%的交易都属于量化投资。在一个新事物的发展过程中，有可能会因为基础制度不完善，因为预先风控的不到位而被不法分子利用，但这一切都无法阻挡社会潮流的前进。量化投资并不神秘，它只是在一个很小的维度里验证了一个科学和理性改变一切的故事。”在被问及如何看待国内量化投资发展前景的时候，冯永昌这样说道。
• 

  产业集聚区中小企业融资模式创新
  • wdg  

  1
  0
  Votes
  1
  Posts
  819
  Views

  

  摘选自《上海经济研究》 融资模式设计是提升中小企业融资规模和融资效率的关键环节，应重点围绕中小企业集群化培育和创新创业需求，积极创新中小企业融资模式，有效解决产业集聚区中小企业融资难题。 1、集群批处理融资模式 与单个游离状态的中小企业相比，中小企业集群具有显著的空间集聚、协同关联、地域根植等发展特性和优势，这就使得金融机构可以有效收集和掌握中小企业的各类信息，从而减少信息的不对称性，更好地实现金融资源的优化配置，提高中小企业融资效率，降低中小企业融资成本，扩大中小企业融资规模。鉴于此，应充分利用产业集群的发展特性，有效发挥政府的组织协调优势、银行的融资优势、行业协会的信息优势，以集群批处理中小企业贷款的方式创新融资产品开发，提高信贷资金对优势产业集群的覆盖面，以此克服单个中小企业由于融资规模小、融资频率高而导致的银行惜贷问题。具体而言，由地方政府成立政策性统贷平台和中小企业担保平台，由行业协会或产业集聚区管委会向统贷平台、担保平台推荐企业；统贷平台针对产业集聚区集群内的多个中小企业融资需求，开展资金统借统还，中小企业担保平台为中小企业集群式融资提供担保服务（见图1）。 产业集聚区中小企业融资模式创新 图1 产业集聚区中小企业集群批处理融资模式设计 2、互助基金融资模式 互助基金融资模式把贷款银行、担保公司、中小企业（互助基金会员企业）纳入一个产业集群中。在具体实践操作中，产业集聚区集群内的中小企业在基于相互信任的基础上，自愿认购一定金额资金并设立中小企业互助基金，企业互助基金优先采取有限合伙制（Limited Partnership）模式，在运作上是开放式基金，允许组织成员的进入和退出。互助基金融资模式将互助会员视作一个整体，以此克服单个中小企业规模小、抵押质押物少以及企业银行间信息不对称等问题，提高了融资效率，降低了融资成本，实现了中小企业集群融资的规模效应。互助基金融资模式详见图2。 产业集聚区中小企业融资模式创新 图2 产业集聚区中小企业互助基金融资模式设计 3、政府引导基金融资模式 依托产业集聚区，结合“大众创业、万众创新”需求，由地方政府相关部门发起设立中小企业发展引导基金，在此基础上，积极引进国内外知名创业投资基金、私募股权投资基金等资本共同建立中小企业发展专业子基金，专业子基金包括创业投资子基金、私募股权投资子基金以及产业投资子基金等。政府引导基金通过间接参股创业投资企业的方式，引导社会资本进入产业集聚区中小企业集群建设、战略性新兴产业培育以及“大众创业、万众创新”等领域，实现政府中小企业发展引导资金的放大效益，并以此提高对中小企业孵化、创新发展的资金支持力度，推动中小企业提质转型创新发展。 产业集聚区中小企业融资模式创新 图3 产业集聚区中小企业政府引导基金融资模式设计 4、中小企业集合债券 针对产业集聚区产业集群发展，积极探索采取中小企业集合债券融资模式，即运用信用增级的原理，将产业集聚区若干家中小企业组合形成债券发行主体，对外发行采取“统一组织、统一担保、集合发行”的捆绑式模式，并由担保机构为其提供担保服务。通过发行产业集聚区中小企业集合债券，能够有效规避单个中小企业发债难度大、发债规模小、发行成本过高的弱点，可以有效提升产业集聚区产业集群中的优质中小企业直接融资规模，使成长性较好的中小企业募集到发展所需资金，推动产业集聚区优质中小企业筹建新项目，扩大业务规模，实现跨越式发展，推动产业集聚区产业提质升级。 产业集聚区中小企业融资模式创新 图4 产业集聚区中小企业集合债券融资模式设计
• 

  中小企业融资真的很难吗，秘诀都在这里！
  • wdg  

  1
  0
  Votes
  1
  Posts
  782
  Views

  

  赵杰是一家文化公司的总经理，这几年一直想扩大公司规模。“没想到贷款这么难！”赵杰说，银行首先说要房产抵押，但公司没有可抵押的东西。折腾了几个月，最终也没办成事。 融资问题是中小企业永恒的话题。尽管国家政策一再强调放宽对中小企业的贷款条件，但在银行的眼中，中小企业无异于“鸡肋”，申请贷款依然很难。 银行怕风险，不敢贷 “我以前贷款给一家制造企业，生产电缆的，因为他们陷入贷款担保链里被银行追贷，企业一下子就垮了，至今还有100多万贷款没有收回来，到现在我的工资每个月还被扣一部分。”一家商业银行中小企业贷款部门主管的真实经历。一朝被蛇咬，十年怕井绳。虽然有的民营企业也不错，但银行都是宁愿保守点，也不愿意冒险。 中小企业自身存在的问题 1、中小企业资本金严重不足，资产负债率很高。一旦资金链条断裂或脆弱，企业的生产经营活动会受到沉重打击。 中小企业融资真的很难吗，秘诀都在这里！ 2、财务制度不健全。中小企业在财务管理上普遍存在着下列问题：缺乏严密的资金使用计划，资本周转效率较低；在存货管理和债权债务等方面缺乏必要的内部控制，随意性较强；缺乏健全的财务管理体系及制度，重视利润而忽视现金流量的管理，消费过高而导致积累不够。这些问题导致了财务管理的乏力，进而加剧了企业融资的困难。 如何解决中小企业融资难的问题，正是融资性担保机构的职责所在。下面从天乙融资担保公司日常工作中简单地谈一些体会。 首先要了解和掌握中小微企业的经营特点。融资性担保公司服务的对象是中小微企业，工作目标也是为中小微企业提供融资担保服务，所以要为中小微企业进行较为深入的了解。 中小企业融资真的很难吗，秘诀都在这里！ 中小微企业一个是规模小，经营非常灵活，对市场经济的反应非常快。第二小而专，小而精，中小企业因为人才物规模相对有限，以求对在市场竞争中站稳脚跟，寻求更大的发展。第三个小批量、多元化的特点。第四个特点就是以开发新产品为起点，中小企业是成长最快的创新力量。 从融资角度来说中小企业存在着资产规模小、信息透明度低，经营风险大、承接外部冲击的能力弱。所以它的融资特点为短、小、频、急，以流动性的贷款要求作为主要需求。 中小企业融资真的很难吗，秘诀都在这里！ 其次重点说一下融资性担保公司为中小微企业服务需要解决两个问题。 一个是控制风险的问题，为中小微企业解决融资难存在较高的风险，这要求我们担保公司为小微企业服务时，必须建立一套符合中小企业经营特点和融资特点的控制风险的方法。所以必须从以抵押为主的控制风险的手段，转为研究企业经营层面为主的多种方式组合的风险控制手段。只有这样才能更好为中小企业服务。 我们融资性担保企业要为中小企业服务好，第一个要解决的问题就是控制风险的问题，你控制不了风险，服务业都倒了，还怎么服务呢？ 第二个要解决的就是一个创新的问题。现在因为中小企业的量大、面广，在经济技术快速发展的今天，在激烈的市场竞争条件下，特别是快速发展，不断产生新的产业和金融模式，它适应市场经济的能力特别强。在新的形势下，会产生很多的经营模式，就需要作为担保公司要与时俱进，你能够迅速地掌握这些中小企业新的经营特点，新的产业盈利模式、产业模式，这点也是非常重要。 中小企业融资真的很难吗，秘诀都在这里！ 最后，由于高风险、低回报的行业特征，融资担保公司要做强做大还面临着很多的困难和挑战。最重要的是，融资性担保机构需要迅速提高它的资金实力和信用背书。以天乙融资担保为例，陕西金融控股集团入股天乙融资担保，我公司成为国资背景的融资性担保机构，公司业绩随之大幅度提升。 同时，银行和担保公司，共同为中小微企业服务的过程中，有着很大的互补作用。天乙融资担保全力与合作银行加强联系，加强调查融资项目，积极推动银企对接，将公司建设成省内知名专业融资性担保公司。
• 

  新三板能否担得了中小企业融资重任?
  • wdg  

  1
  0
  Votes
  1
  Posts
  831
  Views

  

  新三板能否担得了中小企业融资重任? “新三板挂牌公司近9000家,但2016年前8个月的融资才有800多亿元。” 2016年9月8日,在“后分层时代•2016新三板峰会”上,中国人民大学国际货币研究所副所长、中国农业银行前首席经济学家向松祚直言,如果新三板不能从根本上解决中小企业融资问题,仅仅只是一个定价系统,则作用远远没有发挥出来。 当天,全国中小企业股份转让系统挂牌业务部副总监尹舒则强调称,新三板从诞生的时候起就是和中国的中小微企业联系在一起的,服务好中小微企业是新三板必须的担当。 新三板担得了中小企业融资的任务吗? 尹舒透露称,“现在股转系统已经和33家银行开展了战略合作,从2014年一直到今年的一季度末,商业银行合计对挂牌公司提供的贷款金额,累计达1897.87亿元。” 实际上,向松祚与尹舒抱有同样的观点。新三板能够成为重要渠道,把资金引入到实体企业里面去,引入到资金非常饥渴的中小企业里面去。但随着新三板市场的发展,他却开始质疑:“新三板是不是能承受起这个任务? 众所周知,中国经济增长长期以来依靠间接融资,也就是银行贷款。但向松祚认为,如今依靠间接融资,依靠银行贷款这种模式已经难以持续下去。 该人士统计的数据显示,目前中国经济总债务债务总额已经从总额从49万亿上升到160-175万亿。与此同时,债务总额与GDP之比已经从2008年的155%上升到目前的240%-260%。 具体看来,在175亿元总债务中,非金融公司债务占主体,总额达到106.7万亿元;其次则是政府债务,中央政府债务总额和地方政府债务分别是24.5万亿元、26.25万亿元。此外,还有家庭债务总额17.5万亿元。 而在非金融公司总债务中,国有大企业、制造业大企业和房地产大企业对信贷市场和社会融资市场具有极其严重的“挤出效应”。向松祚指出,自2013年以来,由于许多企业积累高额债务,大约40%新增信贷被完全用于偿还利息,完全没有用于新增投资和经营活动。 据其估算,越来越多企业的经营收入扣除利息之后,就成为微利或亏损,根本无力偿还利息和本金。“银行贷款和社会融资总额越来越大,社会融资平均成本却长期居高不下,尤其中小企业融资难融资贵的问题长期得不到解决。” 如今,依靠间接融资支持经济增长的模式难以持续,债务危机正在发生,必须大力发展直接融资以推动经济转型和创新发展。 “这正是新三板必须服务于实体经济的题中之义。”事实上,在向松祚看来,金融资产本身并不创造收益。只有实体经济才能创造收益,金融资产参与分享或分配收益。 为了发展直接融资来实现“创新驱动发展”,向松祚认为,需要从多个方面出发来重新改革中国金融体系。其中,最重要的便是,以风险投资、私募股权、IPO、企业债券、政府产业引导基金为主导的直接融资应该逐步成为社会融资的主流。 “这就需要从根本上改革资本市场,真正建立全球标准的资本市场体系。”鉴于此,向松祚强调,希望新三板的制度设计必须要超越现有的制度设计,否则再过三到五年,人们对新三板又会重新失望,“不要再过三到五年又来讨论什么顶层设计的问题。” 老问题还在新三板上演 鉴于此,对于这位研究中国经济的专家而言,现在讨论新三板问题,实际上讨论的是社会融资体系问题。然而,现实是,即便在定位服务于创新、创业中小企业的新三板上,所有的问题相同存在。 此外,更关键的是,向松祚指出,现在几乎所有大企业都能够参与金融业务或者人人都想搞金融的现象,值得认真思考并采取综合措施加以引导。据其总结,许多大企业参股或控股银行和其他金融企业;或者,这些企业拿银行廉价信贷买卖理财产品、从事股票和期货交易、房地产炒作、以及其他金融交易和投机业务。 此外,许多互联网企业都程度不同地参与金融业务。而人人都想搞金融,人人都想参与虚拟经济,这是极不健康的现象,“这种金融格局刺激虚拟经济(投机炒作)日益疯狂,最终会导致一个国家丧失真正的创新活力。”向松祚说 上述现象在新三板上并不鲜见,这也正是监管层头疼并严查的问题。 股转官网数据显示,购买理财产品已经成为在新三板上挂牌的中小企业们最常见的“投资”举措。 2016年1月1日至8月1日,新三板挂牌公司公布的理财相关公告多达1337个。也就是说,在2016年过去的7个月内,近8000家挂牌公司已经一共发出了1337个理财相关公告。粗略一算,每六家新三板公司中,就有一家在曾购买了一个理财产品。 而就在2016年8月8日,股转公司发布《挂牌公司股票发行常见问题解答(三)——募集资金管理、认购协议中特殊条款、特殊类型挂牌公司融资》指出,应当设立募集资金专项账户,将募集资金从认购账户转至募集资金专项账户,并由主办券商核查后向全国股转公司补充提交专项核查报告及三方监管协议。 除了上述问题外,以公司债为主的债务违约风险可能愈演愈烈。尽管新三板公司大多体量有限,但类似的违约案例也正在发生——2016年6月30日被迫摘牌的新三板公司中成新星,正受困于发行的6000万元私募债券(“12中成债”)到期无法按期足额兑付。而今年8月4日,另一家挂牌公司华协农业称,2000万元私募债延期偿还到期仍未能偿还。 希望通过学习成为优秀投资人的朋友，点击加入广通资管微信公众号，一起学习新三板原始股权投资、股权投资基 金、资产管理等等
• 

  中小企业融资有啥诀窍？
  • wdg  

  1
  0
  Votes
  1
  Posts
  875
  Views

  

  我国中小企业融资难问题一直存在，可谓“千年顽疾”。一个残酷的现实就是，中国最富活力的民营中小企业仍旧是“爹不疼娘不爱”的那一族。相关统计数据显示，在我国中小企业的融资渠道中，95%的融资来源于向金融机构借款，但至少80%的小微企业由于种种原因拿不到金融机构贷款。 规模小、盈利水平不确定、偿债能力弱、财务数据不规范、财产抵押实力不足……中小企业这些现状直接导致其融资途径受限，融资成本高。数据显示，目前中小企业融资成本包括，贷款利息，浮动幅度一般在20%以上；抵押物登记评估费用，一般占融资成本的20%；担保费用，一般年费率在3%；扣除风险保证金利息等其他名义后，许多金融机构在放款时只有本金的80%。 可以说，融资难问题在一定程度上制约着我国中小企业的进一步发展。可喜的是，当前社会各方都为此做出了努力。相关管理部门陆续出台了面向中小企业的金融政策，商业银行也推出了一些专门针对中小企业的金融服务产品，而如火如荼的互联网金融则进一步拓宽了中小企业融资渠道，这些对中小企业来说是难得的机遇。在新形势下，中小企业可以尝试从以下四个方面来应对融资难题。 瞄准银行创新产品 传统商业银行等基于风险性很难为中小企业雪中送炭，不过这一局面也在日益被打破。近年来，国家日益鼓励商业银行特别是中小银行直接服务于中小企业这样的实体经济，而众多城市中小商业银行也纷纷在创新金融服务产品上下功夫，为中小企业量身定做了许多新业务。将服务小微企业作为立行之本的北京银行就推出了很多创新的金融产品。如针对处于成长期的高新技术类、文化创意类、节能减排类小微企业，北京银行创新推出“成长贷”，设计专属的成长贷打分卡。此外，北京银行创新抵质押担保方式，设计推出“创意贷”、“智权贷”、“软件贷”、“节能贷”等针对新兴产业的特色融资产品，解决小微企业“轻资产、弱担保”难题。 北京银行这种中小商业银行推出面向中小企业的金融政策针对性非常强，中小企业可以瞄准这个时机，在注重维护银行关系的基础上，抓住银行新业务需要“试验田”的机会，可以抢吃政策红利，利用银行创新服务产品来满足企业融资需求。就在8月2日，工信部、财政部、人民银行、银监会发布《关于组织申报产融合作试点城市的通知》，要求试点城市的金融机构开发适合“双创”的金融产品。随着“双创”政策落地，类似的针对中小企业的创新金融服务和产品将会越来越多，中小企业应该紧盯政策，及时抓住这方面的融资机遇。 引入风险投资股权融资 风险投资作为一种特殊的股权融资方式，一方面增加了中小企业的自有资金，提高了中小企业的信誉和借款能力；另一方面可以为中小企业治理结构的完善提供有益的帮助。而且在中小企业融资过程中，风险投资机构的参与能降低企业与投资者之间的信息不对称，拓宽企业的融资渠道。风险投资机构持股的比重越大，越有利于企业获得更多的资金。 此外，引入风险投资不仅仅带来的是钱，还可带来管理技术和人才，尤其是管理方面的人才。如果中小企业家能够对资本运作和国际动向比较了解，那么，就完全可以做到借风生力，事半功倍，迅速把企业做大。引入风投的做法在中国的互联网企业中比较普遍。 2000年，阿里巴巴还是一个名不见经传的小企业，但马云在前往日本会见孙正义的6分钟时间内就获得了软银2000万美元的风险投资，也让阿里巴巴开始步入国际舞台，这成为阿里巴巴发展史的关键历程之一。2011年，李开复所在的创新工场投资了尚没有知名度的社区分享网站知乎，除了资金支持，知乎团队在商业模式和团队组建上也得到了创新工场所提供的资源自持，而知乎也在随后开始进入高速成长期，并成为知名的知识分享社区。 实际上，办企业的出发点就在于获取利润。那么，如果你把企业当“猪”来养，你卖出股权，拿回现金，用这些钱又可投资更有潜力的项目。股权转让是企业做大做强的一种捷径，资金也如滚雪球一样，越滚越大。 大胆尝试互联网金融服务 近两年，互联网金融的快速发展让广大中小企业看到了融资的新希望。互联网金融“开放、平等、协作、分享”理念打破了传统金融服务信息不对称的弊端，通过计算、大数据、互联网、移动互联网支持下的金融产品和服务，使资源、需求、通道完美链接，可以使金融资源配置效率大幅度提升，同样的金融资源就可以发挥更大的效用，不断降低金融资源的稀缺性，不仅使得融资变得容易，也可以降低中小微企业的融资成本。今年4月，网商银行宣布已经服务了超过80万家小微企业，累计提供信贷资金超过450亿元。网商银行还上线“信任付”，向小微企业提供赊购赊销、短期融资等账期金融服务。“信任付”就是为了解决小微企业在交易当中应收应付账期不匹配、流动性紧张等问题。“信任付”上线推出一个多月就已经服务了5万家小微企业。 而作为国内首家民营银行和互联网银行，微众银行陆续推出微粒贷，财富管理APP、微车贷等创新产品。其中“微粒贷”产品推出不到一年，客户超过600万，累计发放贷款超300亿元，而小微企业是微粒贷的主要客群。企业用户借钱后能够随时提前结清，按日计息，不收取任何违约金或其他费用，最高贷款可达20万，更好地满足中小企业的短期资金周转需求。 这些一系列根植于互联网平台的创新金融产品和服务，直接击中了中小企业在金融服务方面的痛点。比如本来手头资金就不充裕的小微企业，很多都被各种各样的应收应付账期拖累，无法扩大经营，甚至被拖垮。而小微企业使用网商银行信任付，可享受最长90天的延期付款时间。在当前形势下，融资成本高的中小企业应该大胆尝试互联网平台的金融服务。 不能忽视信誉融资的作用 在中小企业发展过程中，一个不容忽视的现象就是，部分中小企业信用观念十分淡薄，利用虚置债务主体、假借破产之名、低估资产、逃避监督等各种方式逃、废、赖银行债务。这些行为进一步加大了银行贷款的风险，相应地也降低了银行向中小企业增加贷款投放的信心。 其实中小企业培育融资信誉很重要，因为一个企业要办下去，永远要与金融机构打交道，永远要与客户打交道，而没有信誉基础的生意永远是有风险的。在金融机构越来越重视征信的环境下，商业信誉对于中小企业来说就是一把“双刃剑”：重视诚信便意味着更低的交易成本，而忽视信誉则会增加融资成本。所以，对中小企业而言，有时候宁愿借些高利贷，也要把到期的债还了，以培育自已的信誉，因为良好的信誉可以帮助企业顺利融资，这一点很容易被很多中小企业家所忽视。 信誉的好坏和高低在新兴的互联网金融平台的作用更大。蚂蚁金服旗下的芝麻信用就研发了小微企业信用“灵芝”系统，包括企业信用报告、风险云图、信用评分和指数、关注名单、风险监控预警五大产品，为小微企业提供征信服务。此外，灵芝系统的“风险云图”通过投资关系、经营关系、行业地域关联等多个维度对企业关联风险进行评估，还可以通过识别错综复杂的企业、股东间关系等，给出风险概率，进行提示、预警，避免与“老赖企业”合作或者向其发放贷款而导致违约风险。由此可见，在新兴的互联网金融平台上，信誉融资可以发挥更大的作用。
• 

  想富起来，那就小心你的“穷人思维”
  • wdg  

  1
  0
  Votes
  1
  Posts
  791
  Views

  

  有没有注意到，我们在小物件上连几毛几分钱都会计较，而在大物件上却挥金如土。或者另外一个：拿时间去换钱。 这篇文章，并非说教，而是用一种较为理性的方式来分析“穷人思维”本身，希望对各位有帮助。 “穷人思维”不是“穷人”的思维，而是“曾经是穷人”的思维。 穷人思维对我们的第一个影响，就是喜欢用时间换钱。 穷人思维的特点是量入为出，富人思维特点是目标导向。 穷人思维最可怕的一点，它会消耗我们有限的自控力。 富人在重大的决策中，也常常会陷入“穷人思维”中。 最后是摆脱“穷人思维”的几点建议。 一有人问：贫穷会对一个人的思维方式造成多大的影响？ 我想，不是小气，穷人的人不一定小气；也不是见识少，见识与一个人的知识结构更有关系。 想要回答这个问题，首先要搞清楚，穷人的问题在哪儿？ 二 穷人嘛，就是缺钱的人。没错，所以呢？ 多和少都是相对的，穷人缺钱，但穷人和富人拥有的时间完全一样，所以，穷人就是那种钱“绝对”少，但时间相对“多”的人。 从经济学的角度上讲，你缺什么，就会把什么看得特别重，不缺什么，就会把这个样东西的价值看得特别轻。 有一次我在知乎上推荐了一本书，有人问我有没有电子书资源——没好意思说出来的话，我帮他补充了：免费的。 过了几天，他留言，在各大网站、网盘、资源站找遍了，都没有。意思好像说，没有免费资源的书，你推荐个屁啊。 拜托，这是一本帮你提高思维能力的书，当当京东上都有，也就 40 多块，而且书的内容我也介绍了，你既然想看，说明不会浪费你的时间。 免费的东西不一定真免费。难道你找的时间，就不值这 40 多块钱？ 这本书的名字，就是我们今天要谈的话题：《稀缺——我们是如何陷入贫穷与忙碌的》，这本书解释了“穷人为什么这么穷，富人为什么这么忙”。 让你富起来的诀窍：小心你的“穷人思维” 在说“穷人思维”之前，我得补充一句，“穷人思维”不是“穷人”的思维，而是“曾经是穷人”的思维。 比如说，我们就算完全买得起一本书、看得起一部电影，我们还是先习惯性地想到找一找有没有免费资源。不管是 70、80、90 后，我们大部分人都是在资源相对不足的环境中成长，多多少少有点“穷人思维”。 三穷人思维对我们的第一个影响，就是喜欢用时间换钱。 最近有一部超级烂片《热血雷锋侠之激情营救》，豆瓣上 95.7% 的人打一星，但根据我的经验，再烂的片子，中途退场的人也不会超过 30% ，就是说，在 65% 的人看来， 90 分钟的时间价值不会超过 30 元的票价。 让你富起来的诀窍：小心你的“穷人思维” 穷人的时间不值钱，所以愿意用时间换钱，这是一种“经济行为”。但当你的口袋已走出穷困，却仍然把自己的时间、别人的时间看得太不值钱的话，说明你的脑袋依然停留在“穷人思维”中。 用经济学的观点来说，“穷人思维”往往过于注重“沉没成本”。 什么叫“沉没成本”，就是你花了 30 块钱看电影，无论电影好看不好看，这个钱都回不来了。 有一个有趣的“买鞋定理”。假设你在商场买了双鞋，大小没问题，但真正穿时却发现夹脚，退又退不掉，于是，你会经历下面的心理挣扎： 不甘心定理： 这双鞋对你而言越贵（换句话说，你越穷），你尝试穿一下的次数也就越多（受的罪越多）； 侥幸定理： 你确定穿不了了，那么这双鞋越贵，你放在家里占地方的时间越长； 绝望定理： 无论你放多长时间，总有一天，你都会把它扔了，有多远扔多远。 世界清静了。可早知今日，何必当初？ “富人思维”的则完全相反：花钱，要么是为了赚钱，要么是为了享受，两样都不搭的事，就不值得白白浪费精力。 当然，“时间不值钱”的穷人思维，往往只在人生过渡期对我们产生影响，但下一个思维惯性，就没那么好摆脱了。 四有一句话，平时说出来会得罪人，但有了前面理论的铺垫，我就不怕大家打死了我： 贵？怎么会是产品的缺点呢？难道不是你的缺点吗？ 我不是说大家穷逼，而是说，在价值判断上，“穷人思维”容易出问题。 超市里的被子打折，有大、中、小三种规格，原价是 300、250、200 ，现价一律 150 。根据售货员的经验：穷人更倾向于买大的——省钱，有钱人更倾向于需要的尺寸——自己的需求。 这就是“穷人思维”造成的第二个更重要影响，《稀缺》一书称之为“管窥效应”：指人们在资源匮乏的情况下会变得更为专注，但注意力过度聚焦会导致判断力下降。 什么意思呢？因为“穷人思维”让我们过于关注于拥有的资源本身，所以常常忽略了另外一些更重要的东西，比如——你的目标。 让你富起来的诀窍：小心你的“穷人思维” ▲插画家Kambiz Derambakhsh作品 五几年前，我太太说要买一套学区房。 我把家里的钱给她一算，特么连首付都不够。我的建议是，等钱再攒多点吧。 当然，胳膊拧不过大腿，最后被她七拼八凑，东挪西借，居然把首付给凑足了。穷人买房大多有这样的感受，当时认为不可能的事情，只要下定决心，后来也就办成了，想想也没那么难。 论理财的能力，我绝对在她之上，我有十几年的投资经验，市面上再复杂的金融工具，我也掌握得一清二楚，而她连买个银行理财产品还要问人家保不保本。 但在这件事上，我却从一开始就陷入了“穷人思维”——不去思考学区房是不是一个必须而且合理的目标，而是首先考虑自己的钱够不够。 “穷人思维”的特点是量入为出，“富人思维”特点是目标导向。 穷人思维买房，先考虑我有多少钱付首付，月收入多少还贷？再倒过来推算，自己该不该买房，买什么房。 富人思维买房，首先问，我要不要买房，想买什么房？然后再算，还差多少，怎么解决。 如果一项任务的目标是合理的，那么我们就不能以“资源不足”为理由，去否定这个目标。这就是有钱人告诉我们的，至关重要的一条做事原则。 六“穷人思维”最可怕的一点，它会消耗我们有限的自控力。 过去有一种看法，穷人的意志力会更强，而事实完全相反。 行为经济学上有一个叫“决策疲劳”的概念，短时间内，你做出的决策越多，你的精力越疲惫，内心越不愿意再一次权衡利弊，导致你的决策越来越随意。 有经济学家发现“决策疲劳”对穷人的影响最大。美国的穷人更喜欢买垃圾食品，不仅仅是因为便宜，而且因为他们习惯每买一样东西，都要反复比价。 一方面，这占用了他们的大量时间，没有精力去提高自己的判断能力；另一方面，那些频繁的、无意义的决策，使他们的大脑疲劳，无法抵御那些垃圾食品的诱惑。 让你富起来的诀窍：小心你的“穷人思维” ▲插画家Kambiz Derambakhsh作品 美国的例子无感？想想自己减肥的经历吧，在大量运动消耗了你的意志力之后，你是不是更抵挡不了冰激淋的诱惑了？总是想找机会“慰劳”自己一下，导致前功尽弃？ 电影《华尔街之狼》讲了一个专门骗穷人的股票经纪人，他发现穷人在长期的消费决策中，形成了一种思维惯性——便宜的东西更有吸引力。当他们把这种思维惯性带到了投资中，就成为“垃圾股”的目标客户。 影片里有一句台词：“我们把垃圾卖给垃圾人，因为钱在我们手里，总比在他们手里更能发挥价值。”这是天下骗子的心声啊。 把“垃圾”卖给想发财的穷人，这在中国也是最赚钱的生意。那些利率高得吓死人的垃圾 P2P ，那些根本不可能上市的“内部原始股”，还有无数次崩盘又卷士重来的“ 3M 骗局”，都是抓住了“穷人思维”的致命弱点——既无判断力，又无自制力。 那些富人是怎么投资的呢？在巴菲特的投资偏好中，既没有房地产，也没有互联网，前者因为不喜欢，后者因为看不懂。 这就是自制力，如猎豹一般，集中自己的有限精力，长时间地等待自己看得懂的机会，最后全力一击。 让你富起来的诀窍：小心你的“穷人思维” 我们前面说过，“穷人思维”不是穷人的专利。事实上，富人在重大的决策中，也常常会陷入“穷人思维”中，哪怕是最不缺钱花的富人——皇帝。 七清道光帝在历代皇帝中，以“节俭”闻名。 他“抠门”到什么程度？皇后过生日，一人一碗打卤面——吃完不准添。 他在建自己的陵寝时，因为给得银子太少，产生了严重的施工质量问题，最后不得不返工，两建一拆，耗资反而是清代帝陵中最多的。 用《稀缺》里的一句话来说：“我们在小物件上连几毛几分钱都会计较，而在大物件上却挥金如土。” 道光为什么会有如此严重的“穷人思维”，我认为是“康乾盛世”的虚假繁荣，导致嘉庆一朝财政空虚，给当时还是皇子的道光，留下了无法磨灭的可怕印象——穷怕了。 于是道光的“节俭”，到了“误国”的程度。 道光挖空心思想节省开支的办法，居然把主意打到了驻守新疆的军队上，想撤了他们。 大臣想，这不是开国际玩笑吗？道光嘴一撇，不撤也行，反正我不给钱了，大家自己想办法吧。 这一逼，果然逼出办法，大臣把驻守其他要塞的军队平均撤掉一些，把节省下来的军晌拨给新疆。 ▲道光皇帝画像 到了十几年后的鸦片战争，他们才发现，英国军舰可以在十几天内，把大批士兵从广州运到天津。而清军分散在全国各地，一次兵力的集结，往往要几个月——仗都打完了，十几万军队还在半路上东奔西跑。 这就是“穷人思维”的核心：如果你只关注钱，你往往是在浪费钱；如果你只关注眼前的利益，很可能，你赢了一场战役，却输掉了整个战场。 八冯小刚的《1942》里，张国立演的地主在逃荒路上说了一句话：“我知道咋从一个穷人变成财主，不出十年，你大爷我还是东家，那时候咱再回来！” 怎么让穷人变成财主，我不知道，但我认为首先要摆脱“穷人思维”，以下给大家几点建议： 1、建立“时间价值”的概念：减少做那些“时间花得多收益少”的事情； 2、牢记“沉没成本”不可追：钱已经花错了，再浪费时间，就是错上加错； 3、培养“目标导向”的思维：好项目永远比钱少，只要目标正确，钱总有办法解决； 4、减少无意义的频繁决策：节省宝贵的意志力。 比如说，我们可以在年初设立一个“享受一下”的基金，所有预算外消费都在这里开支，而不必每次反复权衡；比如说，以基金定投这种被动的、不需要决策的投资品种，为主要的投资对象；再比如说，需要意志力的活动（学外语、健身等等）只挑最重要的，多了会影响你重大决策时的判断力； 5、拓展自己的视野：适当做一些眼前“无用”的事，防止进入只关注当下的“管窥”状态，建立长远规划的战略意识。 以前，我妈每年年底大扫除扔东西时，总爱念叨一句话：“穷人才留破烂，越留越穷。” 其实，“穷人思维”才是我们最应扔掉的越留越穷的“破烂”。永远记住，穷的不是缺钱的人，而是在“穷人思维”的怪圈里走不出来的人。
• 

  想做好量化投资？那就必须做到……
  • wdg  

  1
  0
  Votes
  1
  Posts
  865
  Views

  

  前几日介绍了量化投资策略的 3 大抓手，今天接着分享量化投资方法……首先要讲的是金融投资学的一些基本的模型理论基础。 金融投资学真的很重要 从大学起，我们学过的金融学投资学理论，可谓是多如牛毛。每一套理论都有他的价值，但也都有他的缺陷。这里我回顾自己多年来理解的多套金融投资学理论，从中找出了我认为尤其重要，又具有奠基意义的三大理论，作为这一维度的讲解。 这三大理论就是资产定价理论，投资组合理论以及市场有效假说。上个世界50年代，马科维茨首先提出了一套经典的投资组合最优化理论，首度突出强调了分散化投资的概念，并创造性提出理性投资者都应该持有市场最优投资组合这一观点，为之后的资本资产定价理论的提出，做了重要铺垫。 现在马科维茨模型已经不怎么被使用来做投资组合了，但是分散化投资的理念被保留下来，而且后续的各种各样的投资组合理论，其实源头都是马科维兹模型，因此他的这个工作，是奠基性的。 投资组合理论 投资组合理论，为我们提供了很好的工具，来解决如何在不同资产类别或不同策略之间配置权重的问题。这是在投资中不可避免的一个问题。 如今，先进的投资组合理论已经不再像马科维茨模型那样需要有过于强的假设条件，甚至并不需要你对资产的未来期望收益有一个准确估计（因为这个估计很难，所以基于期望收益准确估计的投资组合理论的实用性都比较差）。 也可以融合人的主观观点进去等等，像black-litterman model, robust portfolio management, online portfolio theory等等，更有现在结合前沿的机器学习或人工智能模型的优势来进行投资组合最优化的模型，根据你的不同需求，总可以找到你需要的那一款。 资本资产定价理论 资本资产定价理论，最早源于CAPM模型，最先提出了beta的概念以及阿尔法的概念，为一个资产的期望收益，提供了一个合理的解释与分解，并且这个分解方法是如此的有生命力，以至于到今天，各式各样的smart beta因子，层出不穷。 你掌握了别人不知道的smart beta, 那你就相当于有了自己独特的阿尔法因子，可以用来获取超出市场风险调整过后的期望收益水平的超额收益，这简直是所有主动管理者梦寐以求的。 如今看来，你可能会觉得CAPM模型过于简单，不就是一个线性回归么。那么其实我觉得你还是没有理解他的深刻意义与深远影响，这不仅仅是一个理论或者一个方程。 他甚至构建了当今社会一种非常主流的投资逻辑与价值观，成为了很多人评价投资方法质量的工具，包括为归因分析等做了铺垫，因此，做量化投资或者系统化投资的人，你不可能能够绕的过阿尔法与beta，也不能忽视CAPM模型的重要价值，直到今日，它依然为我提供很好的建模切入视角与分析工具。 市场有效性假说 市场有效性假说，或许是永远无法被证明或否定的假说，但是这丝毫不妨碍它如今在现代金融学中的核心地位。很多套利交易的逻辑根本点，就是基于有效的市场假设，你的套利交易才有收敛获利的一天。 市场如果不是有效，期权定价的black scholes公式就无从谈起，价值投资也就变成了猜硬币的游戏。而同时，市场在某段时间内，局部的相对弱有效性甚至无效性，恰恰是很多量化投资策略的出发点，是获取利润的根本。 很多时候，量化投研工作的相当一部分就是去寻找市场中相对不那么有效的一段时间或一个市场，然后利用这点去套利。 你比如说，由于目前人民币的不可完全自由兑换以及非完全市场汇率体制，导致了国内的商品期货和国外同品种的商品期货之间，经常会出现非常诱人的套利交易空间，也就是所谓的内外盘套利，这就是利用了市场局部的由于某些特殊原因导致的弱有效性，来获取收益。 将来一旦人民币汇率完全市场化，人民币实现完全自由兑换，大家都可以同时交易内外盘的时候，那么这种内外盘套利交易的利润空间，肯定就大大降低甚至变得不存在，其实现在这个空间，随着人民币汇改的不断前进，已经在逐渐缩小。 因此，大家可以看到，上述的这些基本的金融投资学理论，他们的重要性。最原始的模型可能已经无法准确描述市场，但是他们的思路，建模的切入点，仍然是我们宝贵的财富与资源。 这些理论的后续衍生模型，往往在量化投资中扮演核心的地位，因此，量化投资方法论的第二个维度，就是要合理的运用这些经典金融投资学的模型思路与理论工具，用这些工具，这些切入点，来回答你的投资问题，提升你的投资方案或引导你构建自己的投资模型。 量化投资研究的2个载体 我来说说两个重要的载体，一个是数据，一个是人。数据大家都比较重视，做量化整天和数据打交道，在这里我重点强调数据的合理使用，以及常见的错误。 数据 首先一点，是数据的准确性，这个问题在中国还比较严重。中国的量化投资处于刚刚兴起的状态，很多东西都还比较的原始，像数据保存的重要性以及数据的准确度，这些也都是最近几年才重视起来。 2009年以前中国甚至很难找到一份准确完成的商品期货全品种tick数据，更不用说其他的数据比如基本面数据等等。所以这给量化投资工作者提出了很高的挑战。 我们团队回国后第一件事就是寻找完整准确的历史数据，我们花了几个月的时间，通过对市面的不同来源的几个版本的tick数据的撮合比较，才最终获得了一份我们觉得可以信任的数据，这中间IT工作人员花费了大量的时间精力，中间有着无数的细节，一言难尽。 但是这个工作很重要，是你做好量化的前提，你在这方面偷工减料，绝对不是明智的行为。你的数据都不能保证准确，你做的模型的回测结果如何值得信任呢？ 你比如说，我们都知道商品期货存在主力合约换月的问题，换月的时候不同月份的合约价格之间肯定是存在一个价差的，这个价差你不管，直接粗暴的把两个不同合约合在一起拼成所谓主力合约，然后用这个主力合约去回测你的模型，那这就要出大问题。 我们需要IT支持 我们专门做过测试，找了一个量化的策略，用这种暴力拼接的主力合约回测过去6年的数据，结果是赚钱的，夏普很好，但是我们采用了经我们重新计算和仔细拼接的正确的主力连续合约回测同样的模型，结果是亏钱的，这中间的差别就可以这么大，所以不要以为这是一个小事情。 所以说，做量化投资，数据与IT支持是非常重要的。你的数据库质量如何，你的回测系统是否设计的足够精确，是否考虑了交易成本，交易滑点等等，你的服务器是否运维的稳定，一旦机房断电了你的交易怎么处理，程序出错了怎么迅速恢复，灾备系统搞的怎么样，这些细节看似不是关键，但是哪一个环节没做好，都可以产生致命的后果。 所以我一直都觉得，一个量化对冲基金团队或公司，看他们的实力或量化的专注程度，不要直盯着模型看，模型人家毕竟不能告诉你太多的细节，但是你可以通过看他们公司的IT团队质量和规模，看他们公司合伙人里面有几个是纯IT背景的，团队中IT工程师的人数比例，就可以侧面反映他们量化投资对细节的把握，专注的态度到一个什么水平。 整个公司没有IT合伙人，或者整个团队几十个人，IT工程师角色就两三个人，这样的团队说是专注于做量化，量化做的很好，我其实是怀疑的。因为现实的情况是，根据我们的经验，专业的量化对冲基金，不是策略研发的效率或速度，而是你的IT工作效率和速度，决定了你整个团队量化交易前进的速度，尤其在前几年，更是如此。搞了很多策略，IT执行不过关，问题频频，最后一样赚不到钱。 对数据的要求 数据除了准确之外，还要注意的几点就是数据的选取要有充分代表性，时间段选取要足够客观。比如你回测一个趋势交易策略，如果只拿2015年的股指期货数据来测试，那么结果可能很好，但是我们都知道2015年市场有明显的趋势，这是一段特殊的样本，你还要看看你的模型在2011年，2012年等等年份表现如何。 再比如上面讲过的卖出期权的波动率策略，在2001-2007年这七年中表现都非常稳定，但是如果你把2008年考虑进去，发现结论大不一样。还有要注意就是针对数据的结果的推论，一定要逻辑严密，谨防逻辑漏洞。 一个策略在一段时间内有效不能推论他在其他时间就有效。数据的运用要以有效逻辑为根本指导原则，要注意时间周期，样本特殊性等方面的影响，使用方法足够客观，对于得出的结论的推论要足够谨慎。 比如，一个策略或规律在一段数据中统计意义显著也不能保证其一定有效，一个规律在一段时间内成立不代表在任意时间内都成立，在一个品种上有效不如在多个品种上有效。 规律的成立不仅要有基于有效数据的统计结果支持，更要有合理的逻辑支持，逻辑上应该可以与文中讨论的市场的三面魔方或三大理论形成联系。 说到人 另一个载体就是人。做量化投资往往容易忽视人在市场中的影响。人的行为可以为数据的分析增添额外的不确定性，这个是要尤其注意的。量化投资策略既要符合数据所揭示的规律，又要符合市场行为学原则。 人的市场行为，既可以是收益之源头，也可以是风险之所附。人的因素，利用的好，其实可以是你策略收益逻辑的源头，但是如果对其忽略，那么它也可以是你模型潜在的风险所在。这个因为时间关系具体就不展开讲了。 风险与收益之间的平衡 有人说刚才不是讲到了风险因子，与期望收益，怎么现在又把他变成单独的维度，是不是重复呢？不是的。 要注意我这里讲的风险与收益的平衡，是指在你已经充分考虑了以上几个维度之后，你采用了准确的数据，合理的使用数据，做了很多的子策略，既符合数据的结论与逻辑，又不与市场行为学冲突，你还考虑了资产类别的分散配置，策略风格的组合，风险因子的敞口暴露。 那么在这之后，当你每天拿着这套投资系统，处于市场中的时候，你依然每天面临着收益与亏损，你依然要考虑，你今天要把多少的本金投入到你的投资方案中？你如果连续遭遇了10%的净值回撤，该怎么办？ 最近市场变得特别火爆，每个人都在赚钱，你或许开始考虑是不是你的方案过于保守。你会不会觉得一个散户上个月赚了50%，而经过你精心设计的投资组合方案，上个月只赚了1%，甚至是亏了1%，这样的你觉得特别沮丧或者愚蠢？ 你开始考虑或许应该更多的配置一些股票，因为最近股市的行情太好了，或者把多空策略改成裸多吧？反正过去六个月你的空头部分一直在亏钱。这样的问题，还可以有很多，这些问题每天困扰着你，所以不要以为量化投资者，心态上就可以完全摆脱纠结。 这个市场的魅力就在于，无论如何没有人可以摆脱这个心态的抉择，因为无论再完美的模型，都有可能是存在大的漏洞的，都不能让你完全100%信任的，而你的亏损带给你负面的情绪，散户的心态，这种心态让你丧失理性，从而放大你对模型的偏见或者让你做出不理智的决策，而且不要以为你是一个专业的量化投资者，所以永远不会犯这种低级的错误。 其实在强大的市场面前，任何人从根本上讲，都存在变成一个不理性的散户的可能。就如同来回被割韭菜的散户一样，一个专业的FOF机构投资者，如果来回在子基金之间做“高吸低抛”，仔细想想他又与散户有什么本质区别？ 在这个意义上，人都是渺小的，我们面对市场，永远都要谦虚。因此，对于量化投资者的最后一个考验，其实和对市场所有参与者的考验是一样的，就是你的投资价值观，你对收益与风险的平衡把握，既不过于贪婪的追求收益，也不过于恐惧的惧怕风险。 说起来容易啊，做起来很难。因此，投资决策还剩下关键一环，那就是期望收益与风险之间的平衡。 收益与风险是不可分割的整体，盈亏同源。 收益与风险之间的平衡没有完全统一的标准或者最优答案，不同投资者的不同选择体现不同的投资价值观。从长期看，对于无法预测的风险，选择风险平价原则或许是目前人类可以做到的最好的理性选择。 这恰恰对应了中国哲学智慧所讲的大智若愚，重剑无锋。过于激进的心态，过于追求技巧的择时或者自作聪明的切换，往往最后适得其反。 因为，你要永远记住的是，无论你赚了多少钱，做了多少年，读过多少书，离开了你精心设计的投资方案，在市场中你其实和初入市场的散户，没有什么本质的区别。投资，切记不要做多余的事情。 2个总结 一个是策略方案上实盘之前的问题排查，根据上述几个维度，我设计了下面九个问题大家可以参考： 数据是否准确可靠，数据使用是否足够客观？ 数据结论到策略逻辑之间的推论是否严谨而不存在逻辑漏洞？ 策略逻辑是否合理？是否在不同市场具有一定普适性？ 期望收益是否可以被合理解释？从资产类别，策略风格，风险因子三大角度进行归因分析，分析结果是否合理并能够反映主要的期望收益？ 可能的策略失效风险有哪些？ 策略是否同时考虑了数据与人这两个载体？ 策略是否合理的平衡了收益与风险？ 新策略如何添加到原有的策略系统中去？在哪些品种上配置？不同策略之间权重如何决定？ 未来出现何种情况要果断停止策略的使用？ 第二个总结，是对我讲的量化投资方法论的四大维度总结：投资要做好三个方面的事：不同策略风格的组合搭配，不同市场资产的分散配置，不同风险因子的合理暴露与搭配，并懂得合理运用这三者之间的联系，全面的构建投资系统。 资产定价理论体系，投资组合理论体系，有效市场假说，这三大金融学理论框架为投资提供分析方法与建模切入点；量化投资研究的主要载体有数据和人，要合理的使用数据，分析数据，不要忽视人的因素与行为。 当上述一切都得到合理的运用，投资决策剩下的事情便是对风险与收益的平衡。打造理性投资价值观，就是做好收益与风险的平衡，然后持之以恒，并心怀敬畏，方可业绩长青。
• 

  人工智能量化投资兴起 玩股票胜算能有多大
  • wdg  

  1
  0
  Votes
  1
  Posts
  930
  Views

  

  人工智能玩股票 胜算有多大 双名 最近两日，在国际围棋史上发生了一件机器人“逆袭”人类的真实事件。赛前来自韩国的世界冠军李世石信誓旦旦，抛出了输一局就算失败的豪言，但最终却向谷歌围棋机器人“阿尔法狗”（AlphaGo）投子认输。 AlphaGo完胜世界冠军震惊全球，国际市场人工智能（AI）概念走俏一时，中国市场上的相关股票也概莫例外。3月10日，人工智能股表现活跃。科大智能、远大智能等多只强势股涨停。 还有投资界人士认为，在围棋上机器人胜了并不算什么，如果在投资上尤其是炒股技术上战胜人类，那才是真正的本事。在信息更不透明、更为复杂的资本市场，“AlphaGo模式”能否大行其道仍是未知数。 上海一家合资基金量化部副总监林春（化名）对《第一财经日报》称，下围棋就是执黑执白，把对方围起来，获得胜利，规则确定，但投资不一样。投资中策略是多样的且存在不确定性，让一个人工智能产品搞定全部的模型数据，显然可能性不大。 历史：量化投资逐渐兴起 当人工智能与资本投资，尤其是股票投资相结合，会有一番怎样的颠覆性盛况？ “就目前来看，人工智能在投资上的应用为量化投资。具体类型又分为量化交易（或称算法交易）和量化选股。”3月10日，在接受《第一财经日报》采访时，重阳投资基金经理王晓华如此表示。 因为机器决策的逻辑一致性和独立性，投资领域中机器战胜人的例子不少，其中最被人乐道的就是西蒙斯（JamesSimons）的大奖章基金。据公开数据，从1989年到2009年，大奖章基金的复合年化收益率高达35%，远超同期巴菲特和索罗斯的收益率。 当量化投资在海外大行其道时，中国市场上的量化投资也开始“小荷才露尖尖角”。2004年，中国第一只采用量化策略的基金——光大保德信量化核心基金诞生，随后的2005年，嘉实基金推出了另一只名为基本面50的量化基金。不过可惜的是，当时行业整体发展缓慢、量化基金本身业绩也未体现出惊人之处，量化投资理念一度遭遇水土不服。 不过，两年后牛市泡沫的破裂，让市场感受到了量化投资的魅力。当2007年A股创出6124的高点后，伴随着股指高台跳水，中国市场上的“香饽饽”公募基金产品亏损严重。这个时候，部分采用量化策略的基金却逆势取得了不错业绩。于是乎，很快一股“量化基金热潮”悄然掀起，中海基金、长盛基金、光大保德和富国基金、华泰柏瑞基金等先后推出了量化产品。 但这个时候，市场对于量化基金的认识还停留在电脑结合人脑的理念中，依靠电脑的客观和分析能力，战胜人性的弱点。而对于依靠量化产品进行对冲的诉求，几无体现。 2010年4月中国第一个股指期货品种——沪深300股指期货的推出，为量化投资提供了一个天然的对冲标的。通过这一对冲工具，量化投资从业者可以进一步减小风险，获得更加稳健的投资收益。随着此后私募基金阳光化及私募基金管理人牌照的发放，量化投资的方法也更多地被私募基金使用，让量化对冲基金被人们所熟知。 如今的中国市场上，券商、私募、公募产品均涉猎量化投资。从业绩最为公开、透明的公募量化产品来看，量化产品的业绩普遍跑赢指数收益。 据Wind资讯统计，截至3月9日，66只公募量化基金今年以来平均净值增长率为-14.2%。其中6只基金表现突出，逆势取得正收益；表现最差的几只基金跌幅超过20%，其中东吴阿尔法以29.96%的跌幅居前。同期A股上证综指、深证成指、创业板指数跌幅分别为19.12%、24.81%、27.38%。 王晓华称，对投资而言，机器决策最大的优势就是投资决策的逻辑一致性高、独立性强，机器不会有人的恐惧和贪婪等情绪影响决策。此外，计算机的信息处理能力强、响应速度快，能够有效抓住市场上较好的交易机会。 现状：应用的多元化 在实际应用中，人工智能的应用方式又是多种多样的。比如，在2015年股市大幅震荡中，高频交易一度被市场诟病。当时市场人士认为，一遇行情大幅波动便自动触发交易指令时，计算机后台就会随时下达批量买卖指令。 一般行业所称程序化交易，是指期货端的趋势交易和震荡交易，俗称程序化CTA。但更为全面的程序化交易，包含狭义的程序化交易——程序化CTA，也包含期货端的高频交易、期货端的跨品种跨期限全自动套利交易，当然也包含股票端的交易。 北京量邦信息科技董事长、北京大学对冲基金实验室联合主任冯永昌表示，从广义上来讲，所有用预设的程序所完成的交易都叫作程序化交易。因此，广义的程序化交易包括高频交易，算法交易，自动执行的套利交易、套保交易和对冲交易，限价单价值投资交易，限价单止损交易，交易所或经纪公司的自动强平交易等。 冯永昌称，对于股票端，真正包含的就是一揽子股票的自动交易、ETF折溢价套利自动交易，以及股票和股指期货交易的自动套保或者套利交易。因为股票端不是完备的双边市场，又实行T+1，所以股票端的高频交易基本不存在，股票端的程序化趋势交易也几乎不存在。 与此同时，量化对冲策略在过去一年中大行其道。当股灾发生时，股票市场发生断崖式下跌，基金产品业绩大打折扣，但量化对冲产品却依靠有效的对冲工具避过了暴跌行情，一些产品甚至还取得了不错的收益。 未来：仍要结合人的研判能力 “但机器决策也是有局限性的，最大的缺陷就是没有前瞻性，因为它是基于历史的数据和历史检验的结论，其逻辑是历史会重复。”王晓华称，市场环境是不断变化的，长期看，要战胜市场必须具有前瞻性，这也是投资的艺术性所在。顶尖的基金管理人如巴菲特和索罗斯都是具有超强的前瞻性的。 “大奖章基金的规模一直都远远低于巴菲特和索罗斯管理的规模。而且，西蒙斯旗下的其他量化基金的业绩也远不如大奖章基金。”王晓华称，这就说明，量化投资的瓶颈就是基金规模有天花板，量化投资的收益率会随着管理规模的上升而下降。 王晓华称，量化投资的核心竞争力就是数量模型，因此在外界来看，每个量化投资策略都是个黑盒子，其他外部人无法知道其中的秘密。中国资本市场还在蓬勃发展，量化投资在中国的占比不高，未来量化投资应该还有很大的发展空间。投资领域，人们不应该过分恐惧机器对人的替代性，人的前瞻性研究和预判与机器独立的决策能力结合，可能是最为理想的决策模式。 林春称，投资中做股票，择时选行业选股票。选股比较困难，个股自身的一些特性需要调研，人可能更有优势。如果让机器做事，它没有数据就没有分析能力。在择时方面，人工智能也不一定比人更有优势，宏观的很多东西，是由政策决定的。比如，美联储加息不加息，每个人都有预测，机器算出来也不一定准。 (第一财经日报)
• 

  工具策略多样化 量化交易进入2.0时代
  • wdg  

  1
  0
  Votes
  1
  Posts
  857
  Views

  

  【工具策略多样化 量化交易进入2.0时代】从国外量化交易的发展看，对于交易系统的高性能要求几乎是行业的必经之路，也会成为各家量化机构“高段位竞争”的一个关键。 从国外量化交易的发展看，对于交易系统的高性能要求几乎是行业的必经之路，也会成为各家量化机构“高段位竞争”的一个关键。 “国外很多系统已经到达”硬件级别“，即硬件和软件相结合，交易编码直接嵌在集成器里，为策略服务，而内存、集成器如何设计，完全取决于系统本身的需求。换句话说，系统不再是”普适“的，而是针对单一机构设计的、满足其个性化需求的定制服务，这样做的效果是，交易速度会更快、性能更稳定。这在国外的量化交易领域已经很普遍，而在国内会成为未来的必然趋势。”他透露，目前，杭州云纪正持续往这一方向深耕，并已与数家券商签订深度战略合作协议，为券商提供硬件级别的定制服务，希望以此为依托，将这一“高精深”的专业能力辐射到更多私募机构。 工具策略多元化 “我们正在进入一个”量+“时代。”富善投资总经理兼投资总监林成栋接受中国证券报记者专访时表示，如果将2013—2016年定义为量化投资的1.0时代，那么接下来将要进入量化2.0时代，量化交易工具和策略都会越来越多元化，而行业竞争将更加激烈，会逐步由“春秋时代”进入“战国时代”，行业的集中效应将会愈发明显。 他提到，据不完全统计，量化基金目前在国内交易市场占比约5%左右，该数据在海外占比30%到40%，从这个角度来看，国内量化基金还有很大增长空间。“预计未来三到五年，中国会诞生和资本市场规模相匹配的更多百亿级量化基金，这是一个中长期趋势，而这些基金的出现对市场构成向机构化转化有帮助。”林成栋说。 随着量化2.0时代的到来，行业会出现四个明显的特点。第一，更多的工具，不仅包含现在已使用的股指期货 、国债期货 、商品期货等，未来还有商品期权等，在这些底层工具的基础上，还可以做指数基金、ETF、分级基金这些交易工具。第二，量化策略将更加多元化，量化工具可以被运用于FOF、MOM中，还可以做量化选股、灵活择时、指数增强等一系列的策略，无论公募还是私募，产品形态大大丰富，远超原来的CTA、市场中性、套利等策略的范畴。第三，随着更多专业管理人进入这一领域及投资者结构的逐步变化，量化策略的超额回报会加速下降，阿尔法会更难获得，中小型公司如果没有持续的研发能力，可能会难有竞争优势 。第四，行业竞争更激烈，行业集中度会更高，资金、人才、资源都会慢慢地向相对的大公司聚集，行业会由“春秋”时代迈向“战国”时代，形成和海外一样的格局。“量化领域再过三五年，新创业者或进入者成功做大做强的概率会越来越低。”林成栋称。 因诺(上海)资产管理有限公司总裁、投资总监徐书楠则将2010年至今的量化策略基金分成了更为细致的“萌芽期”、“起步期”、“大发展期”和“变革期”。其中，在2015年9月股指期货受限至今的变革期里，量化多策略正成为量化领域一款“性价比最高”的模式。 “量化多策略基金有点类似于FOF的模式，但前者相比后者的优势在于对底层策略的掌握更加详尽，可以根据市场的情况对策略进行及时调整。多策略基金之所以能在2016年获得较大发展，是因为原本占据量化市场80%管理规模的阿尔法策略基金在2014年底遭遇了”黑天鹅“事件，让投资者意识到单一市场环境下的潜在风险。未来市场策略会充分丰富化，多策略基金就表现出明显的性价比优势，单一市场的”黑天鹅“事件不会影响到整体市场的表现，这也是市场逐步成熟的一个标志。”他提到。 争抢“未来跑道” “你可能想象不到，在推出PBOX专业投资交易服务系统不到一年的时间里，我们所服务的某家机构(旗下管理几十只量化产品)一天的交易笔数能达到20万-30万笔，这可能是一家小券商一天的交易笔数。而我们传统零售业务一天交易量可能也就在40万-50万之间，不到一年的时间，量化交易笔数快赶上零售业务的交易笔数，这或许是一种信号。”恒泰证券机构业务部的负责人余安义说，目前，该部门服务了100余家私募机构，80%都是量化型私募。 “毫无疑问，服务好量化交易客户是我们未来最主要的跑道之一，也是我们在券商中实现弯道超车最主要的路径之一。”他表示，为了实现这一目标，PBOX专业投资交易服务系统具备最核心的三点“高标准”。首先，服务于机构业务的硬件设备是按照纽交所标准使用的万兆网络，这基本是国内硬件设备的最高配置，国内绝大部分券商仍使用的千兆网络；其次，在软件方面，依托于国内知名厂商开发的先进交易系统；另外，为量化客户提供包含“产品发行、销售、交易、托管”等在内的一体化服务模式，以及灵活的交易及投资管理、多维度的风险控制功能，满足私募发行产品交易及风控管理的需求。 “事实上，我们在2015年年中以后发现了一个比较明显的现象，市场上很多以前仅做多头的机构，甚至包括做定增的机构，策略中都会加入股指期货对冲一下，再后来量化私募的策略也开始更加多元化。从那时开始，可能就是量化交易腾飞的一个转折点，所以从当时开始做相应的部署。”余安义称，“去年底，我们估算市场上整体的量化规模大约在千亿左右，今年预计会达到1500亿，未来等股指期货限制更加放开，以及更多的金融衍生工具在国内加以运用，这一定是券商机构服务中的一个全新跑道。”
• 

  如何成为一名优秀的操盘手？
  • wdg  

  1
  0
  Votes
  1
  Posts
  1082
  Views

  

  谈谈我自己对“优秀操盘手”的理解吧，势必有很多局限，因为我每天都还在进步。在我看来，优秀的操盘手只有一个衡量标准：能够通过投资交易持续不断地赚大钱。先别去想什么基本面or技术面，别去想该买几台电脑，别去想该穿啥衣服戴啥帽子用啥手势来操盘。。。这些都不是优秀操盘手的特征，跟真优秀的操盘手没有一毛钱的关系。优秀的操盘手只专注一个目标：赚钱，并且持续地，不断地赚钱。所以，首先得问问自己：我对在股市里赚钱有那么强烈的愿望么？ 如果发现自己靠其他技能更能赚到钱，来股市只是想体验买卖的快感，或者是体会自己判断正确时候的成就感，或者是其他任何原因。。。那还是算了吧，你永远都不可能成为一名优秀的操盘手。假如，你的确有这种“非来股市赚钱不可”的欲望，那就请将心态放严肃，将“操盘”作为终生追求的一种职业，用最大的努力和勤奋去学习它。其实，如果心态到了，努力到了，“如何成为一名优秀的操盘手”这种问题自己必然能够找到答案，因为这世上到处都是答案，古往今来那么多优秀的操盘手，那么多他们的事迹，那么多经典的书籍，学都学不完啊。摘一段我最崇敬的一个“优秀的操盘手”描写自己当年钻研股市时的一段话，时不时读读，勉励自己：“记不清有多少个夜晚，我在床上辗转反侧，反省自己为什么没能预见一段行情即将到来，第二天一大早便醒来，心里想出一个新点子。我几乎等不及天亮，急于通过历史行情记录来检验新点子是否有效。在绝大多数情况下，这样的新点子都离百分之百正确相差十万八千里，但是其中多少总有些正确的成分，而且这些可取之处已经储存在我的潜意识中了。再过一阵，或许又有其他想法在脑子里成形，我便立即着手检验它。” ——杰西礼佛摩尔 我在其他地方写的一些思考（有很多不成熟的地方）：每3-5年就要更新自己对市场的认识。保持自己的开放心态与独立思考学习能力。　　投机目的有二：1、赚钱，体现为资金曲线的稳步快速上升；2、 修行，体现为参悟世道时机人心欲望，于世间法得自在。若无修行，几乎无人可以在资本市场稳定赚钱；若不能自由于金钱，谈何真修行？所谓金钱，欲望交易之等价物，个人卖身之数字；所谓自由，可得可失，得失无碍。（我资质有限，目前只能理解到这个程度）　　对个人投机于资本市场，如实观照有如下模型成立：　　自身与市场的所有互动通过资金流动完成；市场由不同群体组成，作为一个整体受所处大环境影响。故要实现资金曲线的稳定快速上升，需要从一下几方面进行学习：　 　一、提高自身修养。人不是在和市场交易，而是在和自身对市场的认识做交易，从而在本质上是在和自己做交易。投机结果很大程度上取决于对交易理念的执行一致性，而投机本身是反人性的，这就需要对自身有足够的了解和进步才可以改善。而且也只有提高自身才可以使交易理念更贴和自身与市场。目前我的体会是需要做到面对现实、活在当下、学会选择、学会拒绝、学会负责。（具体参见缠解论语、principles）　　二、资金管理（风险控制）。最低原则是允许失败，但始终要有东山再起的机会。在此基础上，减少自己的重大损失（重点处理小概率事件，做好5%的交易），最后才考虑盈利。在概率已知的游戏里（？？？），理想的资金曲线应该是对数坐标下的阶梯状上升曲线。这需要等待的耐心和下注的勇气，更需要的是对不同参数情景下概率分布的良好把握能力。资金曲线的成长可以粗略分为中小资金和大资金两阶段。　　中小资金成长需要注意的重点：1、安全第一，本金无忧（参见零成本）；2、只做强势时机强势股，用资金管理的枷锁给自己设定唯一可行的路线（止盈？时间/空间止损）；3、资金强势集中，时间复用（？）（这里需要注意的一个问题：如何与洗脚理论有效结合？）　 　现实环境的约束使得对于大资金而言，对数阶梯增长不可能实现；同时参数变化会导致概率分布发生改变，人的思维惯性难以迅速适应这种变化，需要保持思维的开放性并且面对现实。这时需要构建多品种投资组合，最大原则为：安全、稳定、高效。安全：成本？备用资金的多少，如何机动？品种的波动性？稳定：相关系数？对冲？高效：相关系 数？强度预期？滚动？风险的分散和控制同等重要。　　需要注意的一个前提：投机真的是概率的吗？（对此问题，以前我认为：是不是无所谓，不要争论只负责开枪。现在我认为：投机不是概率而是频率的，罗素和波普尔已经证明概率论的错误，所以特别需要防范小概率事件）（具体参见某索罗斯，禅）　 　三、对市场的深入了解。市场由人组成，故投机本质上是人和人的游戏（所谓大环境虽然极端重要，但只是影响游戏者决策的外在因素，而非相反）。想要深入把握市场，必须对组成市场的不同群体充分了解，对影响群体决策的不同因素及其作用机理充分了解。和市场群体心理有关的内容可学习借鉴新三论、老三论、博弈论、行为心理学等。　　一个有用的交易框架：长期增长----经济周期----群体心理----信息套利。（前两项对研究员，后两项对交易员）　　关于信息套利：如何构建反应快、效用高、时效性强的信息搜集、提取、分析体系？（这好像不是一个人可以完成的任务？）2楼说的佛经、忏悔录（还有我说的缠解论语、principles），这些非常非常重要，真的，至少对我非常重要。当时读《忏悔录》的时候还没有切身感受，炒股以后再看这本书，不由得感慨：牛人就是牛，要是他投机的话应该也是个大玩家，可惜洗脑远比投机暴利得多。 对优秀操盘手的定义，有两个维度：资金，风控；1/一般而言，资金量在100万USD以上；2/每月收益5%——8%，最大回撤15%；资金层面，小资金谈收益率是没意义的，只有大点的资金才可以谈收益率；风控层面，盈亏同源的道理，适度风险适中收益，才能更持续；如何成为一个优秀的操盘手，一方面是自己的努力，另一方面是机缘；努力是可控的，但机缘是随机的；很多人终其一生，无法登堂入室，原因也可能是一直在小资金层面打转；没有资金的历练，再多的交易技巧都无用；所以，个人的建议，你感觉自己能接到一些无风险资金，才可以着手去交易；如果没资金，最好做自己的本职工作；毕竟，交易员本身是一个回报周期非常漫长的职业； 作者：玄无极
• 

  基金管理人 投资顾问有什么区别，二者可以是同一家公司吗？
  • wdg  

  1
  0
  Votes
  1
  Posts
  920
  Views

  

  投资顾问：是指专门从事于提供投资建议而获薪酬的人士，它是投资服务中非常重要的角色。投资顾问，有广义和狭义之分。广义的投资顾问，可以是指为金融投资、房地产投资、商品投资等各类投资领域提供专业建议的专业人士。狭义的投资顾问，特指在证券行业（如证券公司或专业证券投资咨询机构）为证券投资者（通常为股民）提供专业证券投资咨询服务的人员。客户在接受金融投资服务的过程中，第一个遇到的服务者就是投资顾问，并且投资顾问与客户的沟通与交流将贯穿服务的始终，投资顾问的任务是帮助客户达成投资目标。 基金管理人（基金管理公司）：是指凭借专门的知识与经验，运用所管理基金的资产，根据法律、法规及基金章程或基金契约的规定，按照科学的投资组合原理进行投资决策，谋求所管理的基金资产不断增值，并使基金持有人获取尽可能多收益的机构。基金管理人在不同国家（地区）有不同的名称。例如，在英国称投资管理公司，在美国称基金管理公司，在日本多称投资信托公司，在我国台湾称证券投资信托事业，但其职责都是基本一致的，即运用和管理基金资产。私募基金管理人是不可以做投顾的，投顾和基金管理人必须分开。投顾类的产品一般的管理人都是基金子公司、信托公司、期货资管等;私募自己做管理人的是自主发行的契约型基金。这两个是不能在同一主体之下的。但是在市面上是有很多金融集团下，是有私募基金管理人牌照，同时也是有基金销售牌照的，两个公司的情况是合理合法的。
• 

  比特币等虚拟货币最大的欺骗是什么？
  • wdg  

  1
  0
  Votes
  1
  Posts
  889
  Views

  

  比特币堪称一个完美的“骗局”，因为他创造了一个生态，实现了社会关系的几种“分离”： 1、逻辑设计和实施的分离。毛主席从来没有见过马克思，两人互相不认识，但是前者以落地后者的逻辑设计为目标。现在比特币基金会的人没有一个认识中本聪。 2、实施和利益的分离。国内共产主义运动最早是由大学里面的教授主导，但得益最大的是参与打土豪分土地的农民阶层，这些人根本没听说过马克思主义。对应比特币里面的矿工，他们只知道挖矿可以卖钱。 3、利益与领导者的分离。领导层并不直接获得成果利益分成。跟官僚资产阶级不同，共产主义运动的领导者都不获取直接利益。对应比特币里面，获利的交易所、各种应用，跟比特币基金会没有关系。 4、领导者之间的分离。随着共识迭代升级，领导人由共识推举产生，而不是凭主观指定。参与运动的人绝大部分人都不认识领导人，甚至他消失了，也不影l响这个事情。中本聪消失几年后，比特币社区还在运行，而且越发庞大，待处理的改进草案几千件。这跟一般意义上的骗局不同，我们能够看到的可以判定的骗局，都是设计者、实施者、利益所得者、领导者四位一体，或者有紧密的联系，存在直接的关系。 能够策划成功这样的“骗局”，相当于一个人在马路上扔下一张纸条后消失，然后过后一段时间风起云涌，整个社会结构发生剧烈震荡。这真的很完美，因为有以上四种关系上的“分离”，完全无法被捣毁。马克思绝想不到在遥远的东方中国会因为他创造的思想，而发生了剧烈的社会变革，改变了中国的底层社会结构。 作者：古土雷柏
• 

  从事金融行业以来，你所遇到的最艰难的事情是什么？
  • wdg  

  1
  0
  Votes
  1
  Posts
  1058
  Views

  

  2010年 那年,我27岁，欠了一屁股债。那年,睡我对面的室友已经赚到了人生第一个500万。 作为浙大金融系毕业毕业的高材生，从事金融行业仿佛是所有学生不约而同的决定，而我选择了外汇。因为我觉得股票要从上千万家公司选择一支太难了，外汇最多关注四种货币足够了。一天24小时随时随地都能交易，而且不受暗箱操作。。于是从大学开始，我就一直关注着外汇，花时间学K线图，看书学习参加培训，学习交易系统，加各种qq群，看各种牛人成长录，买了各种外汇交易的书，什么《K线基础教程》，《外汇交易三部曲》,《道氏理论》《索罗斯》，期间，我也断断续续用兼职赚来的钱入手了几千美金，曾短短一段时间，就产生了60%的利润，于是，大学毕业那年，我每天幻想的，都是自己毕业后就立马可以在金融市场所向披靡，成为巴菲特索罗斯一样的风云人物。 还清晰记得大学毕业典礼结束的那天晚上，四个室友最后一天聚在寝室里，地上都是喝完的空酒瓶。每个人的眼里都是对毕业即将分离的忧伤和对未来无限的憧憬。小高要回北京，去他叔叔的投资公司工作，作为一个传统意义上的富二代，他却有着异常的低调；黄杨决定去上海闯荡，他已经应聘了一家上海的保险公司，去当一名职业经理人，他立誓要在上海滩打下一片天。 而刘涛，那个睡我对面的室友，哈哈大笑着说，以后你们要是谁吃不上饭，都来跟我混，我带你们赚大钱。大学期间，他是学生会主席，又通过炒股积累了几十万的资金，在学校开了个做淘宝的公司，利用学生会的关系拉了一堆学生一起创业，是学校公认的创业之星。大三那年，他就买了一辆二手奔驰，在学校里来回穿梭，吸引着各种女生的目光。而我，和刘涛的关系其实并没有表面上那么和谐，因为我们曾喜欢上了同一个女孩，并且同时追过她。但我只是一个屌丝，他却是公认的高富帅，所以他都是非常高调的来追求那个女生，送花，让学生会的朋友一起给女生发生日祝福，等等。 而我因为从小家庭条件就不好，生来就比较自卑，话不多，在刘涛面前，更是觉得自己在任何方面都比不上他，没他帅，没他有钱，没他有人脉，没他会说话。但我又确实非常喜欢那个女生，于是只能偷偷的写情书给那个女生，希望用这种古老的求爱方式来打动那个姑娘。其实我并不知道刘涛有没有发现我对这个女生的爱意，因为我一直都是偷偷的去追她，但在他面前我一直都非常自卑，怕说出来被他笑话。不过一直到毕业，我们谁也没有真正的追到那个女生，也许是因为刘涛太高调，也许是因为我打乱了他们的节奏（虽然这只是我一厢情愿的想法）。 但也正是因为这件事，我的心里一直憋着一股劲，想着等哪天，我一定要把他比下去，就可以义正言辞的去追求自己喜欢的女生。毕业后，我便拿了家里的30万积蓄，准备在外汇市场大干一番事业。但是，真正到了市场，在真金白银面前，我却一下子乱了阵脚，频繁爆仓。很快2个月以后，亏了2万以上。我想很多人都是开始的。于是就停下来思考，为什么会亏损。我发现我做的是日内交易，频率较高，于是我总结一套自己认为合适的方案，并总结自己犯下的毛病，重新制定方案。 到现在看来，这一切都是没有用的，因为不知道自己的问题出在了哪里。当时我全职操盘，每天起床，写交易计划，看盘，交易，思考，预测都很准，但都拿不住单子，两年下来，手上的钱已经不足我开支生活了。于是申请了信用卡，又申请了一张信用卡，接着又申请，靠着最低还款过起了艰苦的日子，吃着7元一餐的盖浇饭，住着500一间的农民房，每天还是研究着交易。那时的我开始悲痛欲绝，几乎什么都离我远去了，但是,我还是要继续生活,我很害怕自己进入迷惘中，想要追求翻身，想把亏损失去的几十万赚回来。曾有过几次我想着找一份稳定的工作吧，至少不用每天那么苦的生活，至少我还可以用我浙大毕业的招牌，去拿份月薪5000+的工作。 可每每想到这个，却又总是止不住的悲伤，自己这么十多年努力的读书，结果却混成这样，真是不甘心。而放眼看刘涛，却依旧风生水起，炒股给他积累了原始资金，人脉帮他的淘宝店越开越大，更让我吃惊和难过的是，他任然坚持追求着那个我也喜欢的女生，最后那个女生被打动了，两个人就最终在一起了。当时的我心中充满了敌意，每天借酒消愁，怪老天太不公平，爱情和金钱，我一样都没有。 2010年，我27岁那年，刘涛和那个我曾经喜欢的姑娘结婚了，那年，我也已经欠了一屁股的债。那年，我觉得自己在杭州呆不下去了，是不是应该回老家去，安安淡淡的找一份工作，找个并不是怎么喜欢的人结个婚，生个小孩，然后就这么凑合着过一辈子。也正是那年，我开始意识到了自己身上的各种问题，我开始发现，自己毕业这几年的失败，不管是事业还是感情，根源都是在自己身上。也许只有经历了亏损，爆仓，频繁操作，甚至破产，追债，噩梦，那种靠近死亡的感觉，才会意识到自己是多么的欠缺和不足，去忘掉曾经那个趾高气扬，意气风发的浙大金融系高材生，重新做一个卑微的自己。我开始总结自己的缺点，浮躁，患得患失，没有耐心，赌博心理，喜欢以小博大，为什么说90%的散户都亏钱，他们都和我一样，都把这个市场看的太简单了。 即使是个老江湖也应该时时刻刻对市场抱有敬畏之心。市场是我们的衣食父母，而不是可以肆意操控的玩偶。市场永远是对的，顺势而为。但我也意识到了自己的优点，我拥有很强的学习能力，看过很多很多的书籍，拥有很多的理论知识，在智商，情商，判断力上，我也并不弱。更重要的是，我有那种永不服输精神。我下定决心，绝不能就这样妥协，我以后一定要开最好的车，住杭州最好的别墅，和最美的姑娘在一起。但我再也不相信华人街这样一夜暴富的神话，反而开始轻仓交易，目的只有一个，那就是保证金不亏。2011年，我老家拆迁，政府赔了几十万，面对不再信任我的老爸，我硬着头皮问他借了10万元从头再来，并答应他如果再亏损，我就不再碰外汇，安心回老家结婚。 总结了这么久的经验，终于才开始对这个市场有那么一点点的掌控了，账户1.5万美金已经到了3万美金。接下来的几个月每月都是稳定的盈利，加上一点点的运气成分，到2012年的时候3万美金已经增长到10万美金。差不多从那时候开始，我的账户第一次出现了稳定的盈利，而不是大赚之后就飘起来然后一夜之间爆仓，或者连续亏损之后就失去了理性导致账户爆仓。这就是没有规则的去做单或者是规则在非理性情况下被舍弃。市场就赚这部分人的钱。我也慢慢形成了自己稳定的交易系统，也直至今天，所有账户依旧能在风险可控的范围内保持盈利的稳定性。这期间，我也成立了工作室，开始做一些代客理财，从最初的几万到现在百万美元的账户，我都基于风险第一的原则，用心控制着资金，学习保护好资金是一门很大的学问。 随着账户不断的增加，我也慢慢从人工交易专注到智能化交易，我开发出了一套属于自己的自动交易系统EA，差不多测试了三年，保证它在回撤20%内的前提下账户盈利可以翻倍，但交易毕竟是有风险，我永远都秉承一个原则，那就是稳定，只有在过往的三年里有稳定盈利的交易记录，并且现在正在交易的账户也能体现盈利，才真正去把这个EA用起来。外汇市场是一个无限扩大人性的市场，人性会被放在放大镜下去显示。人性的贪婪和恐惧会完全展露出来。现在，我似乎已经实现当年那个想要出人头地的愿望，买了自己曾经想买的各种东西，也有了自己的孩子。而刘涛，那个睡我对面的室友，也已经资产过亿，和那个我曾爱的女孩有了幸福的生活。虽然结局并没有大反转，但我却再也没有了那种看不惯别人成功，见不得自己失败的坏毛病。我开始打心里祝福别人，也开始用心去帮助别人成功。也许一个人成功真的需要改变，外汇交易是个系统性的东西，也希望我这些年走过的弯路,新的外汇人可以不用再走。 个人感觉，对于银行来说，最难就是不良处置，没有之一。 这里的不良处置，不是指某一个具体项目，而是指宏观的，整体的不良处置。首先是数字。我是2005年参加工作的，没有经历过九十年代到本世纪初国有银行不良爆表的时期，对我来说，银行业的不良数字，连年双降才是常态。但是这两年，哪怕是真实性存在严重水分的官方数据，也划出了一条惊心动魄的快速爬升曲线，更别说还有大量隐藏在关注类别里的隐性不良。其次是社会信用体系的崩溃。 我不敢说全国范围怎么样，但至少在东南沿海地区，社会信用体系的大面积崩溃已经是不争的事实。“我凭本事借的钱，为什么要还”的极端言论也许是个例，但“别人都不还，我为什么要还”社会上抱有这种观点的人已经不在少数。与此同时，失信惩戒机制并不如官方宣传的那么到位而有力。 第三是处置手段的缺失。对于银行而言，不良处置，无非是贷款重组、诉讼、核销、转让等。贷款重组的前提是企业还有救活的可能性，然而许多企业连僵尸都算不上了；诉讼，流程漫长、成本高昂、效果不显，谁诉谁知道；核销条件苛刻，财务成本高企，治标不治本； 转让，现在是买方市场，AMC们挑肥拣瘦，价格惨不忍睹。曾与同事开玩笑，“当前最有效的处置手段是金链大哥、小白帽和带病针筒，可惜银行都不能用。”笑中带泪。第四是考核压力巨大。政府维稳压力、监管指标压力、股东财务回报压力，最终都转化为对员工的考核压力。银行降薪已经不再是新闻，我认识的做不良处置的同行，薪酬腰斩的不在少数，许多人更是从业务条线被勒令离岗来做清收，薪酬完全与处置成效挂钩。巨大的压力之下，甚至有人铤而走险。 个人感觉，对于银行来说，最难就是不良处置，没有之一。这里的不良处置，不是指某一个具体项目，而是指宏观的，整体的不良处置。首先是数字。我是2005年参加工作的，没有经历过九十年代到本世纪初国有银行不良爆表的时期，对我来说，银行业的不良数字，连年双降才是常态。但是这两年，哪怕是真实性存在严重水分的官方数据，也划出了一条惊心动魄的快速爬升曲线，更别说还有大量隐藏在关注类别里的隐性不良。其次是社会信用体系的崩溃。我不敢说全国范围怎么样，但至少在东南沿海地区，社会信用体系的大面积崩溃已经是不争的事实。 “我凭本事借的钱，为什么要还”的极端言论也许是个例，但“别人都不还，我为什么要还”社会上抱有这种观点的人已经不在少数。与此同时，失信惩戒机制并不如官方宣传的那么到位而有力。第三是处置手段的缺失。对于银行而言，不良处置，无非是贷款重组、诉讼、核销、转让等。贷款重组的前提是企业还有救活的可能性，然而许多企业连僵尸都算不上了；诉讼，流程漫长、成本高昂、效果不显，谁诉谁知道；核销条件苛刻，财务成本高企，治标不治本； 转让，现在是买方市场，AMC们挑肥拣瘦，价格惨不忍睹。曾与同事开玩笑，“当前最有效的处置手段是金链大哥、小白帽和带病针筒，可惜银行都不能用。”笑中带泪。第四是考核压力巨大。政府维稳压力、监管指标压力、股东财务回报压力，最终都转化为对员工的考核压力。银行降薪已经不再是新闻，我认识的做不良处置的同行，薪酬腰斩的不在少数，许多人更是从业务条线被勒令离岗来做清收，薪酬完全与处置成效挂钩。巨大的压力之下，甚至有人铤而走险。
• 

  晓帆私募宏观分析：人民币捅了大篓子
  • wdg  

  1
  0
  Votes
  1
  Posts
  749
  Views

  

  晓帆 北京问道天下投资有限公司总经理 曾在腾讯网，第一创业等公司工作。2015年创办了自己的私募基金公司北京问道天下投资，旗下的宏观对冲基金多次进入全国收益排名前十。同时也是中央电视台CCTV证券频道特约嘉宾。 今年年初CNY一度贬值到6.95，当时市场的一致预期是美元兑人民币破7，结果2017年人民币反而绝地反击，击穿了6.5的整数关口，对美元大幅升值超过7%（目前为6.77%）。本周五央行突然宣布调整外汇准备金率为0，人民币到底肿么了？ 梦回811 高博士在811汇改后的电话会上曾经说过，811是XXX捅了一个大篓子。现在回头看此言不虚，当时央妈希望通过一次性贬值释放股灾救市造成的人民币贬值压力，结果引发了巨大的外溢效应，美利坚欧罗巴等列强各国纷纷表示不满。于是央妈不得不回到渐进性贬值的路上，渐进性贬值和一次性贬值相比，最大的问题是很难控制住市场预期。2016年全年人民币对美元小步慢跑可没少贬，一共贬值了6.99%，再加上资本大鳄兴风作浪，一时间人心惶惶。 央行在811汇改后，发布了一个特急文件207号文，自2015年10月10日起要求商业银行等金融机构售汇时必须向央行缴纳20%的外汇风险准备金，该准备金在央行账上冻结1年，利息一毛钱不给。当然了，商业银行也不傻，这个成本都加到客户身上了。 打爆空头 犯我中华者，虽远必诛之。2017年，央妈通过抽走香港的离岸人民币市场流动性，中间价增加逆周期调节因子修改游戏规则等各种手段，打爆了一大批人民币空头。由于人民币走势受到政策影响太大，盘子又太小，很多大型海外金融机构并不会重仓交易人民币，更不可能全仓梭哈后爆仓。反而是散户热衷于在这个市场里面用Money给自己的意识形态主张投票。 有没有被打爆的人民币空头，肯定有，好多中国散户都被打爆了。人民币超预期升值也让很多外贸出口企业措手不及，8月份出口以人民币计价同比增6.9%（预期8.7%。前值11.2%）和前几个月猪突猛进的数据相比黯然失色，盼星星盼月亮等来了今年的外需好转，人民币突突一把全白干，不知道大洋彼岸的川大大满意否？ 关键是态度 周中就开始有人传央妈要降准，当时晓帆觉得不太可能。到了周五传的人越来越多，有鼻子有眼的。结果到了周五晚上真的降了，把811汇改时那个207号文里的外汇风险准备金直接降到0了，也就是远期购汇的成本又降下来了，开始鼓励大家购汇了。这次人民币风险准备金取消说明央妈是一个重要的监管态度变化。一种可能是类似期指解禁，代表美帝野心狼已经被打死了，战士们可以凯旋而归了。另外一种则是811的翻版，把人民币搞上去这么多后央妈自己也虚了，这么大的波动，XXX生怕再捅出一个大篓子。 相对来说，晓帆认为后面一种可能性更大。我国的强制结汇制度意味着每进来1美元外汇就要在国内释放出6块多的基础货币，结汇越多意味着国内M2投放的越多，人民币大幅升值不利于国内的金融去杠杆。更重要的是，外贸企业从销售到结汇大概有2个月的时间差，8月的出口数据已经出现大幅下滑了，人民币再涨下去刚有点起色的经济复苏肯定会夭折，10月底齐聚一堂时还能愉快的玩耍么？ 单边不如对冲 对于投资者来说，最关心的肯定是汇率未来到底跌还是涨，这个答案晓帆没法铁嘴神断，100倍杠杆的人民币外汇期权，我如果知道明天是涨是跌那就抵押房子炒衍生品去了，谁还折腾中国这个破私募啊。现在裸多美元最大的问题是美元自己不争气，川普如果永久解除美国债务上限美元的下跌才刚刚开始。不过晓帆作为宏观对冲私募的基金经理，倒是可以给大家提供一个对冲的思路。 假设人民币一意孤行或美元自己出问题了，再涨市场预期就冲着汇改前的6.2去了，那时过去几年大鳄弄出去的海外资产和小散的5万美金都得老老实实滚回来，上万亿美元的外逃人民币回流以后配什么？房地产锁住了首先排除掉，国内商品的池子又太小，剩下债券和类债券的蓝筹股都有机会，从位置上看债券的机会又大于蓝筹。一头做多美元，另一头做多人民币债券加少量A股蓝筹就形成了一个对冲组合，如果人民币继续大幅上涨，亏了美元但赚了股债；如果人民币绝地反击到此为止了，股债赔钱但美元这边又能捞回来。 一句话结论：不要轻易跟对方赌单边，尤其是那些爱捅娄子的对手盘。
• 

  2017最新PE排名出炉！哪家发工资最大方？
  • wdg  

  1
  0
  Votes
  1
  Posts
  886
  Views

  

  有这样一个行业，实习生的年薪就有$40000 第一年的Analyst就可以买下一辆保时捷 而达到Associate时，年薪直接翻倍 这样一个多金的行业就是Private Equity——私募股权 今天让我们来看看2017年最新PE薪资排名 就用数据来说话，PE到底哪家强 1、PE平均年薪大起底！ PE薪资发展比投行更高！！ #平均薪酬：基本薪资+bonus 表单单位：$1000 在PE里，相同工作年龄的Associate的薪资要比Analyst高出许多。 以第一年平均年薪为例：Analyst平均年薪为 $102000，Associate平均年薪为 $200000，VP $341000 。暑期实习生的平均年薪为 $40000 。 2、PE面试几家欢喜几家愁？ 这些公司面试难度堪比高考 位列难度排行榜前三的分别是HIG Capital，Bain Capital和Starwood Capital Group . HIG Capital 小科普 排在首位的HIG Capital，是全球最大的私人股权投资公司，拥有220亿美元的股权资本，资金包括私人股本、增长股本、房地产、债务/信贷和公共股票等。公司在迈阿密、纽约、波士顿等地设有办事处，同时在伦敦、汉堡、卢森堡、马德里、米兰、巴黎等地设有国际办事处。 你要问HIG Capital面试题有多难？网上找找江苏的高考试卷做一下，你就明白了，绝对让你肝肠寸断。 位列面试第二难的Bain Capital也足够让人抓狂。美国科技博客网站 Business Insider曾列出了美国25家最难面试的公司，其中Bain Capital 排名第七。“请你估计一下纽约有多少窗户？”，这是Bain Capital面试助理顾问一职的问题。 这些公司面试经验棒棒的 同时能出现在两张数据表中的也就Bain Capital和Ares Capital Management 两家傲娇的公司了。那我们就来傲娇的了解一下这两家公司~ Bain Capital 小科普 Bain Capital是世界领先的私人多资产替代投资公司之一，管理资产约为750亿美元。 成立于1984年，为客户提供战略、运营、技术、组织以及兼并购方面的咨询业务。 Ares Management 小科普 Ares Management是一家上市的全球领先的替代资产管理公司，拥有约1,040亿美元的管理资产和约970名员工。公司致力于为投资者提供具有吸引力的投资组合和战略，包括信贷，私募股权和房地产业务。 3、哪家PE能最快跃龙门？ 专业能力培养 The Riverside Company，Fortress Investment Group Audax Group 位列前三。 职业发展机会 占据前三位的是The Riverside Company，Fortress Investment Group ，Carlyle Group 。 对于PE感兴趣的同学们要注意啦！The Riverside Company 和 Fortress Investment Group 毫无疑问绝对是最佳公司了，有心一展抱负的同学们千万不要错过！！ 4、哪家公司最舒适？ 沟通最容易排行榜 排在前三的是The Riverside Company，Carlyle Group，Audax Group 。 最佳团队合作排行榜 与沟通最容易排行榜相似，排在前二的也是 The Riverside Company，Carlyle Group，而第三则是 Kohlberg Kravis Roberts & Co. 。 领导力最佳排行榜 霸占前三的分别是 The Riverside Company，Carlyle Group ，Fortress Investment Group 。 员工满意度 The Riverside Company，Fortress Investment Group ，Carlyle Group分别位列前三。 综合以上排名，The Riverside Company，Carlyle Group，Fortress Investment Group 这几家PE工作更顺畅、舒适度较高，因为这几家PE公司无论是沟通、团队合作、领导力都排名靠前。 5、哪家PE老板最有人性？ 休假最多排行榜 前三名是 The Riverside Company，Carlyle Group ，Fortress Investment Group 。这三家公司不仅领导力杠杠的，还深谙“休息，是为了更好地工作”之理~ Work/Life Balance最佳排行榜 前三名是 The Riverside Company，Fortress Investment Group，Carlyle Group 。不论二三名如何变化，第一名的宝座永远属于 The Riverside Company ，能进这家公司的人也太幸福了！ 工作时长排行榜 前五位是Silver Lake，Wasserstein & Co.，Audrx Group，Sankaty Advisors ， Onex 。平均每周工作时长达约80小时，折合每个工作日需工作长达16小时。 最佳薪资排行榜 前五位是The Riverside Company，Fortress Investment Group，Carlyle Group，Kohlberg Kravis Roberts & Co. ， Apollo Global Management 。 所以综合前面几大排行榜，传说中钱多事少休假还多的PE就是The Riverside Company，Fortress Investment Group，Carlyle Group 啦！我们来小小了解下这三家公司吧~ The Riverside Company 小科普 The Riverside Company是一家全球私人股本公司，价值高达4亿美元。自1988年成立以来，已经投资了480多笔交易。 Fortress Investment Group 小科普 Fortress Investment Group是一家领先、高度多元化的全球投资管理公司。在全球范围内，运用其丰富的经验和专业的专业技能为超过1600家机构投资者和私人客户服务。 Carlyle Group 小科普 Carlyle Group是一家全球另类资产管理公司，旗下拥有价值1700亿美元的资产，现已发展成为世界上规模最大、最成功的投资公司之一，在北美、南美、欧洲、中东、非洲、亚洲和澳大利亚的31个办事处拥有超过1550名专业人员。 #以上数据、图片均来自：WSO
• 

  一张图告诉你：贾跃亭在美国的信托到底是个什么东西
  • wdg  

  1
  0
  Votes
  1
  Posts
  899
  Views

  

  近日自媒体《顾颖琼博士说天下》爆料：在我从洛杉矶律师助理手里拿到的贾跃亭的irrevocableliving trust 【不可撤销的生前信托】的其中一份草稿文书【信托名字叫THE YT IRREVOCABLE TRUST 】来看，他对他的孩子们是真爱，在信托文书上显示，他给Tiffany Jia，其中的一个女儿留了7500万美金，约合五亿人民币。甘薇是信托基金守信委托人。【贾跃亭已经在初始版本上签字，但是之后因为需要加入其他修改，这个版本被作废】他的几个孩子分别得到了不同的信托基金，金额大概相当。最后的信托基金款项据悉将从法拉第公司的资金池打入。 随后乐视发表声明否认： 贾跃亭妻子甘薇也发微博否认： 事情真假暂且不论。 很多人很好奇，信托到底是个什么东西？下面就给大家科普一下。 看完这个科普，知道为什么有人要在美国建立信托了吧？
• 

  一个合格交易员的基本条件是风险控制的意识和能力
  • wdg  

  1
  0
  Votes
  1
  Posts
  795
  Views

  

  一个合格交易员的基本条件是风险控制的意识和能力，因为防守很好，资金的向下波动率很低，情绪管理的难度并不是高的不能胜任。 如果多进行一些学习，具备一些经验，能够按照计划进行风险控制，也知道设计那样的计划，使得执行者可以很容易的进行风险控制而不必有任何犹豫——风控的时刻犹豫都可能是致命的。在市场中见到很多失败的例子，其实发现原因都很相似，经典的书籍都在告诉我们应该首要风险控制。 无论何种市场状况，交易者的表现不会太糟糕，基本上这意味着总是有能力组织一次基本独立的，新的交易。可假如盈利的核心，始终没有建立起来，风险控制最多能够让交易员存活尽可能的长，却不能保证这个事业会继续下去 。那么盈利的核心到底是什么？或许有一点至少是非常关键的：好的交易员可以在任何时候重建自己的认知系统，并且可以相应的改变行为习惯。一个社会具备思维惯性这是完全不奇怪的，不过对单个人而言同样如此。我想如果从心理学进行研究会得出这样的结论，随着年龄的增长，成年人重建自己的认知系统的难度非线性增长。 第一，人们的98%的知识获取于相当年轻的时期。生命的中后期人本能的不喜欢改变和挑战。第二，随着经验的积累，重新构建认知系统的工作量越来越大，这一定是非线性的过程，考虑到神经元之间关联的复杂性。很多人从小被训练通过精确性和正确性来解决问题，对“正确答案”孜孜不倦的追求，因此获得了很多成绩上的奖励。 在成年之后，忽的身处市场之中，这种情况下，交易者已经建立起来的认知系统和理想中的认知系统之间的差别是最大的。而且Ta的年龄越大，这个转变过程就越困难。和某些人想象的不同，如果交易者的认知系统并不适合交易，那么就无法使用任何现成的交易系统，因为从情感上，理解上，都不具备执行并且等待的能力。 《Inner voice of trading》中说，交易系统是被糅合到情感过程之中的，情感习惯于驾驭交易系统，是需要很多时间的。更多的难度在于，在交易的过程中，交易者又在不断的更新自己的知识，而且很多知识，并不来自于书本，完全来自于自己的经验或者观察别人的错误。 探索知识的成本很高，所以行业中知识分享也不够好。所以身为一个交易员，除去早期会出现的一次剧烈的认知系统重建，整个认知系统会经常的更新，或者需要再度重建也不奇怪。而且这经常是在任何年龄状态下需要做到。 当我们谈论学习使用止损这个过程，实际上在大脑中发生的并不仅仅是将止损放在认知系统之中。如果我们认可交易中脱离止损是无法成功的，那么我们就需要合理的解释，那些因为敢于冒险取得的成功，是不是不值得效仿？任何没有对不利情况做好准备的军事领袖，是不是都只是交了好运而已？他们是不是真的依靠自己的判断绝对的排除一些可能性？我们在交易中是不是有可能，通过自己“过人的判断力”排除一些可能性，这样就有不需要设置止损的可能性？ 塔勒布说凯撒之所以名垂青史，是因为几百个其他同样睿智且勇敢的凯撒已经失败了，这真的是我们应该去看待英雄人物的新方式吗？我过去的认知系统和现在的会有截然相反的答案。 我相信留名战争史的人物，更依赖于运气，原因在于战争的巨大波动率——风险的大小完全不是只取决于决策者一方。因此大部分决策极端艰难，而且连续的成功依赖于运气的垂青。 只需要看一下，在扑克界的最高赛事WSOP中，当所有选手的比赛资产全部放在牌桌上的时候，所谓世界最顶尖高手的比赛成绩波动率有多么疯狂，我们就能理解战争历史，对我们关于英雄人物的认知，会有多么大的偏差。 虽然战争包含比扑克显然更多的知识，但仍然被随机性因素在很大程度上决定。所以如果过度的强调主观能动性，因此满怀激情的写出《愚公移山》这样的文章，那么做事非常容易失控是完全可以预期的。 某种程度上，《愚公移山》就等于大跃进。因此让一个交易者去进行风险控制，并不是简单的将其认知系统中塞进一个风险控制的概念这样简单，要将这个概念和所有Ta过去的经验兼容，能够合理的解释自己的经验，使得整个认知系统仍然是和谐的状态，会有非常多的工作要做。而且只有极少数人能够完成这样的认知系统重建。完成认知系统的重建是第一步，而后需要形成新的行为习惯，导致行为习惯的改变才称之为知识。
• 

  一个优秀的交易员需要具备什么样的素质？
  • wdg  

  1
  0
  Votes
  1
  Posts
  751
  Views

  

  作者：王超 链接：https://www.zhihu.com/question/20196846/answer/22431051 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 以上几位老师把作为一个优秀交易员应该具备的素质详细、系统的做出了阐述，那我作为一个一线很二的三流交易员，给大家讲讲，除了比较炫目的素质之外，交易员应备的土土的素质。本人系银行交易员，做银行账户头寸管理，也做自营交易盘债券交易，主要混银行间市场，所以股票交易所的事儿我不懂，而银行间与交易所最大的区别就在于后者是偏重于与数字打交道，前者偏重于与人打交道。这里补充一下，银行间市场并非只有银行机构，券商基金信托保险私募都在这里面，如果咱们做债券交易的话，90%的托管量都在中债登和上清所（即银行间市场）。1、做人是的，我甚至可以认为做人比算数重要，顶级首席天才交易员除外，否则你来这市场，先学做人。刚才说过，银行间市场基本是点对点交易，即“对话报价”，也就是说你直接给具体的一个机构的具体的一个交易员发报价，而“意向报价”、“点击报价”不是没有，占比很小。这就意味着你在系统线上的操作大部分情况下只是走个过场，一切东西都在QQ或者msn或RM或WM或……上谈好了。所以要学会做人，要靠谱，要负责，要诚信，人脉在银行间市场其实比你想象的重要得多。想借钱？靠为人，想代缴？靠为人，想拿到最fresh和accurate的一级市场发行价格估价？还是靠为人。一个口碑良好的交易员的真的会非常有能量的，比如大家都看好一只债，你人脉不够，找不到卖家，人家人脉广，在市场上一撒风就有人送过来了，交易策略执行力高低立下。甚至你说判断市场啊，宏观经济啊，PMI啊，M2啊，你搞半天，未必能做到是最聪明的人吧？但最聪明的那批人的市场判断，你看投研报告，或者与人交流，都是可以拿到手的，人家都鞭笞入里的发表了。此外，他们对市场的判断也不一定一致，或者准确。总之，交易员做人靠谱真的很重要。2、博学是的，你做一个银行间交易员，风控、税法、一行三会的规章、各机构的内部架构……你什么都要了解一点。否则你就不知道基金的哪个操作是为了避税，就不知道DC在买入返售的过程中如何消除风险资产，就不知道银行的利息收入和投资收益考核会怎么影响他们建仓的行为模式，也不知道券商的净资本与回购额度有何关系，也不会知道为什么保险类机构为啥连不动产都能投资，却中意利率债，更不会知道资管计划的资金成本和他们爱拿城投债有何关系，更别提为啥同一个机构，不同部门的需求和特性如此天差地别。这些看似无关紧要的限制，无关数字的规则，却成为各路机构头上的紧箍咒，进而形成他们的操作特点，进而在差异中就有合作空间，就有利可图，单凭数字你是无法推导出真实结果的，否则只会纸上谈兵。3、定性是的，定性。这里的定性不是说当你手里的portfolio发生震荡时的定性（当然这是非常重要的，包括止损等等），而是你作为一个trader，首先是个普通人，你的生活你要打理好，回家要扫地，天天要洗澡，有空要健身，每顿要吃饱，不要撸太多，否则精神会不好。笔者就有一次前一天晚上玩happy睡晚了，第二天早上灌了两瓶8倍牛磺酸的蓝瓶装红牛上班去了，结果那一天惊心动魄，感觉上是效率极佳，精神抖擞，打字十指如飞，俩眼球都不往一个地方看，一边口吐白沫一边哆嗦着多线操作，结果是险象环生，差点出大错。你的交易背后是你的状态，你的状态背后是你的生活模式，你的生活模式背后是你做人的理念，这些宏观和细节的东西最终都会体现在你的交易上的，放心吧，肯定的。感情、事业、家庭，都要处理好，要健康、要干净、要稳定，因为，交易太TMD需要专注了，心浮气躁你就死定了。4、勤奋是的，这个居然还要强调。唉，做交易员这么久，一直觉着自己很屌丝，看着wallstreet里的金融大鳄们6块屏幕看n个报价走势图的帅帅的场景，我始终没有接近过。除了交易，我的那三块屏幕还是大部分大部分花在报表、制度、和在市场里和其他交易员沟通上面了。但是依旧很忙碌。你觉得每天开三四十个QQ窗口，跟不同的人在谈交易的同时，要聊天气、电影、感情、人生理想、荤段子、双十一买了啥（为了跟上潮流我在自己发现之前就买了5包组合优惠家庭装卫生纸，每包12卷）、爸爸去哪，是很容易的事情吗？哈哈好吧跑题了，算久期var值7日平均什么的不是没有，但是少。重要的还是信息、信息、信息。至少有一点在电影里是真的，做好一个交易员，每天要有大量大量的信息摄取量，要看无数的投研报告，而且这些还是要在你交易闲暇时间做的，包括吃饭、上厕所、等车、抽烟、睡觉前闭眼的十分钟等。你以为你只是跟人聊中国好声音，就能交到真正优质的交易员朋友么？你也是得有聊的啊~对市场info门儿清，有自己的逻辑分析思路，这些都是料，都可为人所用，都可以作为你进入市场的资本。BTW，晚上回家也得好好学习啊，分析报告什么的都只是短周期的东西，你一个星期跟不上就觉得有点不自在，一个月你就out了，但是知识和硬能力、职业素养，会跟你一辈子。得抓紧时间睡会儿了，否则又要灌8倍牛磺酸蓝瓶装红牛了。 作者：临溏而渔 链接：https://www.zhihu.com/question/20196846/answer/188230377 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 一个合格交易员的基本条件是风险控制的意识和能力，因为防守很好，资金的向下波动率很低，情绪管理的难度并不是高的不能胜任。如果多进行一些学习，具备一些经验，能够按照计划进行风险控制，也知道设计那样的计划，使得执行者可以很容易的进行风险控制而不必有任何犹豫——风控的时刻犹豫都可能是致命的。在市场中见到很多失败的例子，其实发现原因都很相似，经典的书籍都在告诉我们应该首要风险控制。无论何种市场状况，交易者的表现不会太糟糕，基本上这意味着总是有能力组织一次基本独立的，新的交易。可假如盈利的核心，始终没有建立起来，风险控制最多能够让交易员存活尽可能的长，却不能保证这个事业会继续下去。那么盈利的核心到底是什么？或许有一点至少是非常关键的：好的交易员可以在任何时候重建自己的认知系统，并且可以相应的改变行为习惯。一个社会具备思维惯性这是完全不奇怪的，不过对单个人而言同样如此。我想如果从心理学进行研究会得出这样的结论，随着年龄的增长，成年人重建自己的认知系统的难度非线性增长。第一，人们的98%的知识获取于相当年轻的时期。生命的中后期人本能的不喜欢改变和挑战。第二，随着经验的积累，重新构建认知系统的工作量越来越大，这一定是非线性的过程，考虑到神经元之间关联的复杂性。很多人从小被训练通过精确性和正确性来解决问题，对“正确答案”孜孜不倦的追求，因此获得了很多成绩上的奖励。在成年之后，忽的身处市场之中，这种情况下，交易者已经建立起来的认知系统和理想中的认知系统之间的差别是最大的。而且Ta的年龄越大，这个转变过程就越困难。和某些人想象的不同，如果交易者的认知系统并不适合交易，那么就无法使用任何现成的交易系统，因为从情感上，理解上，都不具备执行并且等待的能力。《Inner voice of trading》中说，交易系统是被糅合到情感过程之中的，情感习惯于驾驭交易系统，是需要很多时间的。更多的难度在于，在交易的过程中，交易者又在不断的更新自己的知识，而且很多知识，并不来自于书本，完全来自于自己的经验或者观察别人的错误。探索知识的成本很高，所以行业中知识分享也不够好。所以身为一个交易员，除去早期会出现的一次剧烈的认知系统重建，整个认知系统会经常的更新，或者需要再度重建也不奇怪。而且这经常是在任何年龄状态下需要做到。当我们谈论学习使用止损这个过程，实际上在大脑中发生的并不仅仅是将止损放在认知系统之中。如果我们认可交易中脱离止损是无法成功的，那么我们就需要合理的解释，那些因为敢于冒险取得的成功，是不是不值得效仿？任何没有对不利情况做好准备的军事领袖，是不是都只是交了好运而已？他们是不是真的依靠自己的判断绝对的排除一些可能性？我们在交易中是不是有可能，通过自己“过人的判断力”排除一些可能性，这样就有不需要设置止损的可能性？塔勒布说凯撒之所以名垂青史，是因为几百个其他同样睿智且勇敢的凯撒已经失败了，这真的是我们应该去看待英雄人物的新方式吗？我过去的认知系统和现在的会有截然相反的答案。我相信留名战争史的人物，更依赖于运气，原因在于战争的巨大波动率——风险的大小完全不是只取决于决策者一方。因此大部分决策极端艰难，而且连续的成功依赖于运气的垂青。只需要看一下，在扑克界的最高赛事WSOP中，当所有选手的比赛资产全部放在牌桌上的时候，所谓世界最顶尖高手的比赛成绩波动率有多么疯狂，我们就能理解战争历史，对我们关于英雄人物的认知，会有多么大的偏差。虽然战争包含比扑克显然更多的知识，但仍然被随机性因素在很大程度上决定。所以如果过度的强调主观能动性，因此满怀激情的写出《愚公移山》这样的文章，那么做事非常容易失控是完全可以预期的。某种程度上，《愚公移山》就等于大跃进。因此让一个交易者去进行风险控制，并不是简单的将其认知系统中塞进一个风险控制的概念这样简单，要将这个概念和所有Ta过去的经验兼容，能够合理的解释自己的经验，使得整个认知系统仍然是和谐的状态，会有非常多的工作要做。而且只有极少数人能够完成这样的认知系统重建。完成认知系统的重建是第一步，而后需要形成新的行为习惯，导致行为习惯的改变才称之为知识。
• 

  中国的顶尖私募有哪些？
  • wdg  

  1
  0
  Votes
  1
  Posts
  840
  Views

  

  2017年7月，股市延续震荡，大小盘分化格局有所缓和，两市日均成交量也有不同程度提升，两融余额连续两月净流入。债市经历了今年上半年两落两起，7月开始了第三轮调整，短端利率下行，长端利率上行。商品市场，整体延续涨势，全线上涨，尤其金属板块、能化板块上涨较多。本月阳光私募单月虽然未跑赢指数、且较前月盈利减少，但已连续两月盈利，且超六成的投顾策略和产品盈利，各策略也维持前月全面收正的态势。金斧子财富整理了7月各个策略的前五收益基金股票多头策略私募基金产品 基金经理 运行时间融亨一号 蔡守平 1年1月 证大量化稳健2号 刘兵 11月 华元恒道灵活配置一期 郭皓 1年6月 亦丰一号 陈智民 2月 私募工场安岳一号 王代新 7月 事件驱动策略 更多每月策略收益排行，对冲套利策略，阿尔法策略，程序化期货策略，主观期货策略，宏观策略，符合策略 二级市场私募：重阳，朱雀，景林，混沌，星石，泽熙，清水源，六禾。以上应该是规模超过或接近百亿元的，排名分先后。超过50亿元多数在上海、深圳，少部分北京、成都、杭州等地。 附：第六届中国私募金牛奖获奖名单 来源：中国证券报 ● 五年期金牛私募管理公司（股票策略） 深圳民森投资有限公司 上海景林资产管理有限公司 北京市星石投资管理有限公司 淡水泉（北京）投资管理有限公司 上海鼎锋资产管理有限公司 深圳展博投资管理有限公司 上海重阳投资管理股份有限公司 上海朱雀投资发展中心（有限合伙） ●三年期金牛私募管理公司（股票策略） 深圳清水源投资管理有限公司 深圳市翼虎投资管理有限公司 北京和聚投资管理有限公司 北京睿策投资管理有限公司 深圳中睿合银投资管理有限公司 北京神农投资管理有限公司 上海六禾投资有限公司 深圳市武当资产管理有限公司 深圳市明曜投资管理有限公司盈峰资本管理有限公司 ●五年期金牛私募投资经理（股票策略） 蔡 明 深圳民森投资有限公司 陈家琳 上海世诚投资管理有限公司 江 晖 北京市星石投资管理有限公司 刘 睿 深圳中睿合银投资管理有限公司 李泽刚 北京和聚投资管理有限公司 马 宏 上海涌峰投资管理有限公司 蒋 彤上海景林资产管理有限公司 李华轮 上海朱雀投资发展中心（有限合伙） 张 高 上海鼎锋资产管理有限公司 赵 军 淡水泉（北京）投资管理有限公司 ●三年期金牛私募投资经理（股票策略） 卓利伟 上海景林资产管理有限公司 余定恒 深圳市翼虎投资管理有限公司 黄 明 北京睿策投资管理有限公司 裘国根 上海重阳投资管理股份有限公司 钱晓宇 盈峰资本管理有限公司 陈 宇 北京神农投资管理有限公司 夏晓辉 上海六禾投资有限公司 李霖君 上海鼎锋资产管理有限公司 曾昭雄深圳市明曜投资管理有限公司 田荣华 深圳市武当资产管理有限公司 ●金牛私募管理公司（债券策略） 北京乐瑞资产管理有限公司 北京鹏扬投资管理有限公司 北京佑瑞持投资管理有限公司 ●金牛私募管理公司（相对价值策略） 深圳礼一投资有限公司 上海淘利资产管理有限公司盈融达投资（北京）有限公司 上海博道投资管理有限公司 ●金牛私募管理公司（宏观期货策略） 北京尊嘉资产管理有限公司 深圳市凯丰投资管理有限公司 上海泓湖投资管理有限公司 上海富善投资有限公司
• 

  闲置资金大概100万，是否买固定收益的信托还是购买阳光私募？
  • wdg  

  1
  0
  Votes
  1
  Posts
  729
  Views

  

  目前手中闲置资金大概100多万，想购买一款比较合适的理财产品。最关键的是希望稳妥安全，然后有较为客观的收益。我对比了一下信托和私募，现在固定收益的信托（政信的）收益率高的大概在9~10%，申购费率和管理费用很低，而且也比较省心，是父母所喜欢的那种类型。私募产品收益率近一年的都比较高，但是我查看了好多私募在熊市期间（2010~2014）的收益，很多都是亏损的，只有在牛市才有好的收益。而且100万又不够买上泽熙之类的好产品，在当今股市前景不看好的情况下，应该如何选择？另外问一下对冲私募如何？ 1、对于投资来说，真正对你负责的只有你自己。2、银行理财经理、券商投顾、信托经理、第三方财富公司的客户经理，都有考核和业绩压力，在这种情况下，他们推荐的是对自身机构和自己利益最大化的产品，不然他们的高额提成从哪里来，真正有职业道德的业务人员太少太少了。3、100百万资金，不适合投资门槛高和流动性差的信托、私募、股权类的产品，也不能承担此类产品的风险。4、我把市场上主要的投资品种做了个总结，看完这张表，会有直观的认识 5、美国一项研究表明，真正决定投资绩效的关键因素是资产配置，所以100万资金，可以按照个人风险承受水平，按照流动性、风险水平等维度进行合理的配置，例如现金管理类资产20%，保障类资产10%固定收益类资产40%，股票等权益类资产30%进行配置。6、投资的品种的流动性、收益、风险永远不可兼得，收益高风险大 看完所有答案之后，我震惊了。这群人都他妈的有没有一点点职业道德了！一百万你让他买阳光私募基金？一百万你让他买股权？一百万你就老老实实的挑个信托得了！股权回收周期一般都是五年以上好吗？股权经受非常大的道德风险，而且极高的风险，这一看就是个小白客户，这也能推股权？别听什么量化对冲的吹牛逼啦，别听什么泽熙啊徐翔啊，就您那100万人家泽熙能放在眼里？某些财富管理从业人员真的是让人无法原谅。如果没有基本的职业道德，永远不能成为合格的财富管理从业人员！ 一百万就买银行的现金类理财吧，目前能有5.2左右。风险极低了。 买了你不吃亏，买了你不上当。
• 

  开一家私募基金需要面临的问题
  • wdg  

  1
  0
  Votes
  1
  Posts
  686
  Views

  

  听说你想做私募基金经理？小伙子，够勇气！那你知道成立一家私募基金究竟要花多少钱？我们沿着发产品的步骤梳理一下，只有心理强大的人才能读下去。 1、公司注册阶段很多人认为成立一家私募基金公司，然后开始了自己私募大佬之路。然而这条路是用钱铺起来的，相信我。首先是注册资本金。做证券类私募，注册资本金最好是1000万以上（如果少了很可能无法备案通过），股权类最好2000万起，将来通过备案的概率高一点。现在我们只讨论证券类私募。你很快要进行管理人登记，所以实缴资本要求至少300万且不低于注册资本的25%。当然你可以通过过桥的方式凑足这笔钱，不过成本不菲。然后开始公司注册。刻章，开立银行账户，做logo，开立社保公积金账户等，几千元可以搞定。 不过一个悲伤的故事是：北上广深基本已经不允许注册资产管理公司。如果没有现成的投资类公司，你还需要买壳（别人注册的资产管理公司），购买一个壳的价格并不便宜（要做法人变更，至少100万，而且现在很少有私募壳出售）。 然后你需要租个办公场所。协会备案的时候，是要看你的办公楼和带logo的前台照片的。在这个行业，办公场所很重要。你以为有个办公室就可以了？ 想多了。你不是私募界的乔布斯，这儿也不是美利坚，在中国做私募可不能从车库里起家。正如一位知名私募的朋友所说：“你不可能挑选一个便宜的写字楼。你的投资者来了，看到你寒酸的样子，怎么会将资金放心交给你打理呢？”北上广深中心区域的豪华写字楼是私募的最爱，在北京，英蓝大厦、国贸三期是每个私募基金经理的终极梦想，最好是在金融街和国贸，气质上输不起；在上海选择相对随意，陆家嘴金融圈是首选，上海中心，金茂，环球中心等地标性建筑无疑是最佳选择，各区域金融区域也是一个不错的选择。 尽量不要设在五环外（做夜盘的除外），只比四环多一环，格调已在千里之外。公司注册成功了，痛苦可能才刚刚开始。 2、私募机构备案（管理人登记）阶段公司注册好了，开始私募备案。私募基金备案的要求有很多，我们只罗列花钱的项目。首先是高管的资格。按相关规定，从事私募证券投资基金业务的，高管均需取得基金从业资格；从事非私募证券投资基金业务，至少2名高管应取得基金从业资格。同时，法定代表人\执行事务合伙人（委派代表）、合规\风控负责人应当取得该资格。今年8月出的监管新举措规定了“3+3”私募投顾模式，再度重创屌丝基金经理。通俗地说，“3+3”就是私募基金管理人需要至少有3名工作人员有不少于3年的可追溯业绩，如果达不到标准，将不能借助券商资管计划或基金子公司发行通道产品。 名义上，这是提高的私募的人才门槛，其实花的是真金白银。极端条件下，你自己做法人代表兼基金经理，另外找两个有证的朋友挂在你的公司，也凑合，成本是一顿酒钱。然后是法律意见书，3.5万到5万可以搞定，不过这一步就不要省钱了，不幸找到不靠谱律所的话，被打回来又是一场浩劫。然后你需要一个PB服务商为你提供一系列服务（交易、托管、外包），一般5万起，比较省心。 3、资金募集阶段备案成功后，可以小庆祝一下，然后进入恐怖的资金募集阶段。当然所有私募都缺钱，不过你会发现你尤其缺钱：发产品的门槛是500万起（一般人是拿不出来的），没人给你代销，你能依靠的只有客户，或者土豪朋友。你才发现你的人脉和资源贫瘠的可怕。直销团队肯定雇不起，咬咬牙找个财富管理公司，大的财富管理公司表示不约，小公司自信地说可以，但开口就要抽募集资金总量的3%-5%。还是自己找客户吧，请客户吃饭喝茶，这钱不能省。一圈下来，花出去的钱，轻松超过一平米的帝都房价。 4、公司运作阶段一切就绪，你终于坐在了办公室的彭博终端前。然而未来的一年，你会面临一系列成本。包括但不限于：人力成本：私募基金最大的花销就是人力成本。小私募也要具备财务、风控、操盘手、营销人员。这些是底配，规模稍大的还要基金经理、研究人员、开发团队，还有前台、网络维护、营销、行政。工资支出自己算吧，小型私募的研究员（如果有）年薪十几万，好在非核心职能员工的工资水平可以控制在农民工标准。当然你也可以一人充当基金经理、研究员、交易员，客户来参观的时候让表弟在电脑前坐一会儿就可以。 税费：企业所得税，（有限合伙不需要交企业所得税）、增值税；年审费：产品满一年后，你需要找个会计师事务所发审计报告，预计5-10万元；基金业协会会员费：如果你加入中国证券投资基金业协会，每年缴纳会员费2万元。 除此之外，你每年还要付出：水电费，电脑，办公费，写字楼租金。所以，不要再奢求一个漂亮的前台或长腿女秘书了。综上，一家低配私募一年的运营成本，100万元基本打不住。按照私募行业2%管理费+20%业绩提成的规矩，那2%的管理费是你的唯一依靠。（别以为你真的可以拿到20%的业绩提成）。坐拥数千万托管资产的你，一年下来可能颗粒无收。遇到去年那样的年景，就更欲哭无泪。奔私后，终于一步步登上了金融行业的制高点，似乎一切都挺过来了，然而你会发现，依然无法看清这个神奇的市场。总有一些幸运儿成就一年翻数倍的佳话，也有一些人爆仓黯然离场。能不能活下来，可能运气真的大于实力。 你自己的故事，才刚刚开始。私募基金管理人备案工作前期筹划（实操性强）私募基金管理人资格备案的前期筹划工作，主要集中拟申请机构的前期设立上或者已有机构的前期整改上，在此我就针对一些我知道的硬性条件在这列举个一二三。 1、机构名称根据协会的审核要求“申请机构的名称应当包含有“基金管理”、“投资管理”、“资产管理”、“股权投资”、“创业投资”等与私募基金管理人业务属性密切相关字样。”因此，申请机构的机构名称中请务必含有“基金管理”、“投资管理”、“资产管理”、“股权投资”、“创业投资”的字样或有近似意思的字样，因为协会将他们列举出来了，就表示予以认可。当然，我也知道现在全国工商注册都在严卡此类字样，那也可以尝试打打擦边球，发挥下想象力和展示下文字功底，创造些比如“财富管理”的类似字样，毕竟“业务属性密切相关字样”是个不小的范围。当然，“投资咨询”的字样就免了吧，协会不予认可的字样，你自己怎么理解与解释也没用。 2、经营范围经营范围的内容要求与机构名称的内容要求一致，这里不赘述了，但碍于工商部门归类允许使用的经营范围有限定，这里不太好发挥大家的想象力和文字水平。从实务的角度来说，“受托资产管理”是能够被协会认可，且工商部门相对放宽登记的经营范围（至少我这里的工商登记此类范围不需要金融局前置），可以尝试使用。至于“投资咨询”等属于卖方业务类的经营范围，也不用考虑了，协会不鼓励此类业务范围存在。 另外，根据协会专业化经营要求，除了那些与私募基金管理有关联的经营范围外，建议删除其他无关经营范围，比如啥“实业投资”“广告策划”……，协会的专业化要求就是让机构除了私募基金管理外，其他业务都别做。总而言之，专业化是协会核查经营范围的基础。特别提醒：如机构设立后，如通过公众号、网络进行宣传，请一定要注意对外宣传业务的内容，切忌越界，协会对机构网络舆情情况有严格的要求。 3、股东与实际控制人对于股东的要求，协会这里没有明确限制，但如有涉外身份那就得注意些，毕竟这是协会明确要求核查的事项，鉴于我没有实际碰到过境外高端人士，在此不好妄议什么。 涉及到民间借贷、民间融资、配资业务、小额理财、小额借贷、P2P/P2B、众筹、保理、担保、房地产开发、交易平台等业务的股东尽可能避免。这点也适用于实际控制人，哪怕只是一点点持股情况都要注意，即使不属于协会关联方的认定标准。不要抱有侥幸心理，因为在你备案审查时，协会是要求股东穿透到自然人或国资机构得，很多痕迹你是藏不住得。实际控制人一定要有，实在没有就通过董事会席位、表决权约定、协议约定的方式确认。 4、注册资本与实缴资本现在公司都是认缴制了，所以我的建议注册资本是多些无妨，这也关系到机构今后的管理规模，大些无妨。如果谨慎点确实希望少些，我也建议不低于人民币500万元，虽然这个协会没啥明文规定，但也是有个内部审核线。至于实缴资本，不能一分不缴，我的建议是人民币300万元以上，大家也可以视为内部线，当然多些肯定更好。同时提醒的是，完成了实缴后也最好把钱留在账上供机构日常使用，因为将来申报时是要核查到位情况。 5、组织机构与高管把这个事项放在这里提，是我个人的观点，毕竟高管不好找，必须先筹划好，临时调整反而耽误事。 一定要有风险控制专职人员，并设置高管职位。基金从业资格就不用说了，现在最好是有一定从业履历，而且建议是专职（尽快购置社保）。法定代表人也是一样，建议有从业履历、专职。否则在进行资格备案申报时，协会很可能会认为机构运营实践经验不足，进而要求说明如何正常展开基金的运营。至于其他高管（董事长/执行董事、总经理、监事、副总、财务总监、投资部总监）建议尽可能具备基金从业资格且专职，如果确实没有从业资格，那就别那么早设置该高管职位，这个也是可能被协会要求整改的，别整改后再撤换多尴尬啊。另外有个温馨提示：基金从业资格的协会备案认证窗口暂时还未对外开放接受相关人员备案，但在私募基金管理人备案申报时，可通过高管人员资料上传前的高管从业资格认证窗口完成备案。 6、办公场地与办公设备注册地址和实际办公地址不一致问题不大，只要具有充分真实的理由即可。但实际办公地址一定要有一定规模且独立，不宜与其他机构共同办公；办公设备一定要基本齐全。在申报时会要求上传真实的照片予以佐证（办公前台待公司LOGO的正面照与实际办公场地内部照）。 鹰朋投资 来源：知乎
• 

  被对手的悲惨经历吓到？百世物流上市用了一个好办法
  • wdg  

  1
  0
  Votes
  1
  Posts
  872
  Views

  

  近日，年度最大的中国公司赴美上市案在物流行业上演，主角是百世物流。在获得阿里巴巴的支持和股价大幅上扬的同时，其劲敌中通物流昔日的悲惨经历也被扒了出来！不少网友笑称，百世物流此前可能受到了惊吓才会想到一个上市的好办法。 运营商世界网获悉，百世物流此次上市非常保守，主要体现在两个方面。 在融资总额上，百世物流只融了4.5亿美元，只有计划总额的50%左右。另外，百世物流在IPO中以10美元的价格出手了4500万股ADS股份。 值得注意的是，百世物流最初给出的发行区间为13到15美元，可最终发行价区间下调到了10到11美元，而百世物流最终选择了10美元！也就是说百世物流本来有机会将发行价定在15美元，后来直接削减了三分之一，只剩下10美元。 业内人士分析，百世物流此举并非没有原因。许多快速增长的企业不得不调整预期估值以吸引投资者的兴趣，可能是由于近期一些IPO普遍表现不佳，中通物流便是其中之一。 运营商世界网获悉，自IPO以来，中通快递股价一直低于发行价，目前要比发行价低22%左右，显然，这对股民和投资人的信心是一个不小的挫伤。 相比之下，百世物流的相对保守反而显得聪明了许多，在周三美国股市交易中，百世物流股价一度上涨到了11.74美元，涨幅达到17.4个百分点，市值突破43.3亿美元。 以退为攻，以守为进，百事物流不仅仅在股市表现出色，也提升了投资人的自信，其前景也普遍为业内所看好。
• 

  饿了么无人机首次亮相：时速最高65千米
  • wdg  

  1
  0
  Votes
  1
  Posts
  675
  Views

  

  2017年世界无人系统大会今天开幕，外卖巨头饿了么的无人机首次公开亮相。 据了解，饿了么无人机型号“E7”(中文名翼)，最高飞行速度为65千米/时，最大载重6千克，满载续航距离20千米。 这是饿了么内部研发的第3代无人机产品，各项核心指标上都达到了实际应用水平，尤其是挂载的外卖箱采用气柱材料特制，重量只有485克，全球同类产品中是最轻的，但容积达到了20升。 2016年初，饿了么内部提出了“未来物流”战略，E7就是该战略下的“大招”。 按照饿了么的观点，中国即时配送行业即将进入3.0阶段，也就是为适应即时配送爆炸性的需求增长，平台抓住人工智能、大数据、智能硬件的技术革命机遇，即时配送主要发展动力从人力扩张转移到科技创新，效率持续大幅提升。 饿了么计划3-5年时间，打造以用户体验为中心、创新科技为动力、智能硬件为基础的即时配送体系，推动即时配送行业完成第三阶段的转型，并设计了单均配送时长突破30分钟的智能调度系统、业内首个冷热分离恒温外卖箱。 饿了么还成立了“饿了么π事业部”作为“未来物流”的研发部门，第一个项目就是研发无人机配送系统，目前已形成一套基于同城物流的无人机配送流程和方法。 截至2017年9月，饿了么无人机已经试验飞行数千次，突破了运输功能、飞行表现、载重性能、环境适应性、电磁兼容性等多项关键技术。 E7之后，饿了么将继续推动无人机研究，新一代预计明年4月份投入测试。 饿了么通过数据模拟和实际测试发现，在特定条件下，比如起送点到目的地距离较长、同向配送订单数较多，由无人机承担集散点A到B的干线运输，由骑手承担取餐点到集散点A、集散点B到目的地的支线运输，配送时长及成本均相对纯陆路运输大幅下降。 长距离、高密度的订单配送，将是无人机物流未来重要的应用场景。 另外，上海新金山工业发展有限公司与饿了么签署了战略合作框架协议，饿了么将获授权在金山工业区内建设无人机研发基地，并获该工业区内指定空域使用权。 未来，金山基地将成为饿了么无人机的测试中心、研发中心和运营中心，这也将是全国首个即时配送无人机科研基地。
• 

  拿3000块工资，飞100万公里，清华学霸被投资人坑，最惨时候兜里不超过4000元，如今这个80后要“掰弯”全世界
  • wdg  

  1
  0
  Votes
  1
  Posts
  825
  Views

  

  清华硕士毕业，不到3年就拿到斯坦福博士学位，这位才子弹得了吉他，演得了话剧，搞得了科研，最惨的时候兜里才3666元，4年后绝地反击，以200亿估值强势归来，他就是柔宇科技的创始人刘自鸿。 刘自鸿，1983年出生于江西抚州南城。南城是一座历史古城，至今已有2200年的历史，境内芙蓉山、王仙峰、麻姑山风景俊美，更有盱江、黎滩河、抚河流淌千年。 厚重的历史底蕴造就了当地浓郁的文风，“再苦不能苦孩子，再穷不能穷教育”。刘自鸿所在的城上村，明朝时期曾出过状元张升，那是明代中叶的一位著名学者和大臣，著有《柏崖文集》。 然而，刘自鸿家上面是3个姐姐，所以光宗耀祖的重任就全指望他了。好在父母很开通，并不强求自己的孩子今后成名成家，所以更多的是散养。 所以，刘自鸿在城上村度过了极为愉快的少年时光，“该淘气淘气，该调皮调皮，”他的台球技术就是那个时候在街边练成的，“有时候一个人打几小时，运气好的时候一杆就收了台面上的球。” 不过，老天就是那么偏心眼。凭着智商超过140的小聪明，刘自鸿不用怎么努力，就可以考高分。1997年更是以数学、物理第一的成绩从株良二中考入南城二中。 高中是寄宿，由于距离远，刘自鸿基本上一个月才回去一次。受到宿舍同学影响，他开始痴迷上金庸的武侠小说，经常到县城书摊上一租就是三四本，什么《射雕英雄转》、《倚天屠龙记》、《书剑恩仇录》统统看个遍。 高一那年冬天，下了很大的雪，刘自鸿又没有去上课，而是躲在宿舍看小说。父亲从老家赶来送米，以为儿子在上课，就在校门旁的围墙下等，一等就是4个小时，“从下午1点一直等到5点”。等同学喊他出来时，父亲已经成了雪人，“雪地上全是父亲剁脚留下的脚印”。那一次，刘自鸿流泪了！ 从此，他决心发奋读书！ 天才一勤奋可不得了，从高一下半期开始，刘自鸿的数理化成绩开始飙升，高二参加全国数学、物理、化学奥林匹克竞赛，结果获得两个一等奖，一个三等奖，就连英语都获得了抚州地区演讲比赛一等奖。 此后，刘自鸿一发不可收拾，2000年更以抚州地区状元的身份考入清华电子工程系。 在荷塘月色下的清华园，刘自鸿自由奔放的天性释放了出来。您可千万不要以为理工科学生就知道死读书，清华园里可是人才辈出，远的有梁启超、赵元任、王国维、陈寅恪等国学“四大导师”，近的很多著名的校园民谣、摇滚歌曲、散文诗歌都出自清华学子之手。 大学四年，刘自鸿生活是五颜六色的，他是07无线班的班长，电子工程系学生会副主席、文艺部长，同时又是清华学生艺术团话剧队骨干队员，系学生节晚会主持人、50周年大型系庆晚会主持人、吉他协会成员、硕士生活编辑。 在美丽的清华园，同学们经常可以看到刘自鸿主持节目、出演话剧，忙得不亦乐乎。而一到晚饭后，他就去甲所后面的草地上，拿着吉他自弹自唱，经常一不小心就成了美术学院同学画布上的肖像。“天马行空的艺术思维会让科学思维更加开阔，而一个领域最前沿的东西，也一定是艺术级的。”日后，刘自鸿很多的产品设计理念和应用美感，就源于清华打下的基础。 2001年秋天，在参加艺术团的一次演出时，他感觉舞台上的灯光过于耀眼，反复折腾了好几次也无法达到理想状态。“为什么不能把灯光调节系统做成自动调节呢？”于是，刘自鸿利用业余时间做了一套自动光强调节系统，没有想到一出手就在“华为杯”上捧得亚军，当时的第一名是三年级的一位博士生。 自此，刘自鸿就迷上了科技竞赛。由于年级偏低，根本找到志同道合的合作者，所以，他每次都是与高年级的同学竞争，压力非常大。所以，刘自鸿把每一次选拔，每一次展示，都当成一次难得的展示机会。 2001年，刘自鸿回老家过春节。当他看到家里的老人因为电热毯无法自动调节，动不动就感冒时，就想研制一条自动调节温度的电热毯。后来，他从人的毛孔受热会增大找到灵感，于是果断放弃传统套路，改为通过测定毛孔扩张的程度来自动调节温度，“做出的传感器如同像手表随时监测身体的毛孔状态，自动关闭或启动电热毯。” 那段时间正是大三，刘自鸿有近10门的考试必修课需要完成，而且还要准备考GRE和TOEFL，包括筹备艺术团的活动，所以吃饭、睡觉都跟打仗一样，“经常鏖战到深夜3点，第二天7点多又精神抖擞去上课。” 2年后的2003年11月21日，第八届“挑战杯”全国大学生课外学术科技作品竞赛在广州拉开序幕，共吸引了来自清华、北大、复旦等海内外375所一流高校参加，“能来的全来了。”而刘自鸿凭借《人体生物智能传感及应用系统》项目，一路过五关，斩六将，最后在近10位院士的见证下，一举获得全国特等奖。 “创新、先进、实用3方面都无可挑刺，尤其把生命科学与电子技术相结合，具有广阔的应用前景，” 王乃彦院士如是评价。果然，仅仅一个月后，他的“人体生物传感芯片”就被一家企业以300万元买走。 整个大学四年，刘自鸿还以第一作者身份发表中文核心期刊论文3篇，完成SCI源刊论文1篇，申请国家发明专利3项，获得的奖励更是不计其数。 2001年北京市大学生物理竞赛一等奖； 2003年第八届“挑战杯”全国大学生课外学术科技作品竞赛特等奖； 2003年第二届“挑战杯”北京大学生课外学术科技作品竞赛特等奖； 2003年清华大学科学技术奖学金一等奖； 2003第六届清华创业计划大赛最佳创意奖； 2003年中国科技商业计划大赛（长春）优秀奖； 2003年中国宁波科技创业计划大赛新秀奖； 2003年全国大学生数学建模与计算机应用竞赛一等奖； 2003年清华大学第21届“挑战杯”课外科技作品竞赛一等奖； 2003年清华大学学生研究训练计划项目（SRT）一等奖； 2000——2003年清华大学学业优秀奖学金。 2004江西省首届青年创业计划大赛最佳创意奖； 2004年美国国际大学生数学建模竞赛（MCM）一等奖； 2004第三届“挑战杯”北京市大学生创业计划大赛一等奖； 此后，刘自鸿发明上瘾。2005年在清华上研究生的时候，他还研发出一套室内运动模拟系统，“可在家里打高尔夫、保龄球”，连原型机都搞了出来。当时，刘自鸿准备自己创业。 可惜，日后赫赫有名的徐小平老师刚刚离开新东方，还只是一个落魄的英语老师，而薛蛮子正醉心于互联网项目，其他项目不感兴趣。所以，刘自鸿找不到天使投资人，只好放弃。4年后，Xbox、Ps2等家庭游戏设备风靡全球，那正是刘自鸿当年的思路，他一度很懊恼“感觉错失了好几十亿。” 不过，刘自鸿有的是选择。2006年夏天，就在他以全校排名第一的投票数被评选为“清华大学十佳优秀研究生”后不久，刘自鸿就拿到了剑桥和斯坦福的录取通知书。是去800年历史的老牌名校？还是去以科技创新见长的美国新贵？ 刘自鸿有点犹豫。这时，“水木清华”论坛的一位师兄一针见血，“想创业就去斯坦福，想做研究，就去剑桥。”于是，刘自鸿义无反顾选择了斯坦福。 他在电子工程系的博导叫西美绪，那是一个年近70岁的老先生，作为前德州仪器的高级副总裁、首席技术官，对工业制造的流程再造有着长达25年的研究。遗憾的是，刘自鸿却对老先生的研究方面找不到感觉。 要说斯坦福校园能够孕育出全球闻名的“硅谷”，培养出64位诺贝尔奖获得者，自然有其神秘之处，尤其学校那120年的历史，绝非浪得虚名，“即便校园里的一草一木，小猫小狗也沾染上了灵气。” 就在刘自鸿左思右想不得要领的时候，那天，他在校园前面的草坪前散步，看到在一位观光的游客给草地上的鸽子照相。可能是角度原因，那位游客连照几张都不得要领，却给了刘自鸿灵感，“为何不聚焦视觉显示技术？” 要知道，当时的视觉技术在大画幅、高清晰度和便携性3个方面无法同时实现，只能3选择2，“小屏幕无法做到高清；高清屏幕画幅又很大，无法做到便携。” 那时显像管电视仍最为普及，液晶 LCD电视才刚刚兴起。 “柔性显示！”突然涌现的想法让刘自鸿兴奋不已。假如做柔性显现，就可以把便携和高清大屏的需求融合在一起，“大屏幕可以变得像纸一样薄，甚至可以卷起来随身携带！” 然而，西美绪老先生惊讶得下巴都掉了出来。要知道，在电子工程系，只有五分之一不到的学生能够有机会选上他的课题，大伙都以进入老先生的课题组为荣，而且最为尴尬的是，西老先生从来没有研究过柔性材料。 不过，大腕就是大腕，老先生很快就利用自己的关系，帮助刘自鸿拿到了10万美元的研究经费，并请到化学工程系的鲍哲楠教授作为联合导师。鲍哲楠教授是谁？著名的华裔化学家，毕业于芝加哥大学，别看鲍教授年龄不大，在人造皮肤、高分子材料，尤其是柔性电子技术方面可是当今的权威人物。 高人指点+自身的悟性，刘自鸿在斯坦福的学业进展顺利，2年零9个月后，他就完成了那篇著名的以柔性半导体物理建模及器件设计为研究方向的博士论文，并顺利完成答辩，拿到斯坦福的博士学位。那年，他刚刚26岁。 刘自鸿也因此成为斯坦福校史上罕见的入学不到3年即完成博士学位的毕业生。要知道，在自然科学领域，没有5年到6年，想拿到博士学位几乎不可能。更牛的是，刘自鸿正是凭着该篇博士论文获得国际材料研究协会颁发的“科学艺术”一等奖，国际电子显示技术会议最佳学生研究论文奖，以及2008年中国国家优秀海外留学生奖。 自己创业？刘自鸿当然做梦都在想！不过，当时全球风声鹤唳，美国次贷危机余震不断，经济形势很不好，所以，刘自鸿只能选择蛰伏，他要找工作！ “太好了！”IBM的人力资源总监一听，立马以迅雷不及掩耳之势把刘自鸿收入囊中，工作岗位正是柔性电子屏的研究。 大公司就是大公司，在纽约全球研发中心，刘自鸿成天与一群智商超过130的天才在一起切磋。有时候，为了让产品获得数据上的一个微小的进步，IBM 会组织十多个博士生持续研究数个月。在IBM的三年，刘自鸿真正见识到了什么叫国际化科技公司的思维方式和工作方法。也正是在IBM，刘自鸿认识到了柔性电子屏巨大的商业价值。 好男儿志在千里，IBM再好，也只是人生的一个驿站。3年后的2012年3月，经济形势刚刚转好，刘自鸿就决定从IBM辞职，“是时候大干一番了。”不过，一个好汉三个帮，个人再能耐也不可能搞定所有的事情，他想到了两位清华的校友魏鹏和余晓军。 最有意思的是余晓军，那哥们听完刘自鸿的PPT后，犯起了难，“还得听回家老婆的意见。”一个星期后，夫人同意了。没有想到丈母娘又不行。刘自鸿二话没说就连夜开车到余晓军家，一看不是丈母一个人，还有岳父，而且两个人都是做工程的。此后，刘自鸿滔滔不绝说了一个多小时，直到老人家给他弄了一碗饺子吃，刘自鸿才知道事情有了谱。后来，余晓军全家人把纽约的房子卖了，搬到了硅谷。再后来，这哥们就成了硅谷分部的负责人。 就这样，2012年5月，柔宇科技在深圳和硅谷同步成立了。 刚开始，为省钱，刘自鸿只能在深圳留学生创业园租下一间60多平米的小办公室，而且第一年只有3666块，“是一个很吉利的数字。”要知道，当时，他在IMB年薪可是50多万美元哦。 那半年，刘自鸿每天5点多从深圳南山家中起床，6点多到位于科兴科学园的公司，直到晚上10点才离开，几乎每天的工作时间都超过16个小时，半年来在中美往返的旅程超过30万公里。 不过，工资可以节省，但是项目融资动辄上过亿，是怎么也省不下来的，只能找天使资金。说到天使轮投资，当然首选真格基金。 于是，2012 年 10 月，在斯坦福附近的肯德基里，刘自鸿见到了真格基金的徐小平和王强。那时候，徐小平会已经在中国的天使圈如日中天。 徐老师一看清华+斯坦福的不凡简历，而且器宇轩昂，立马有了好感，尤其一听是刘自鸿想做世界上最薄的柔性显现器，立马热血沸腾起来，“投！” 不过，等刘自鸿介绍完A轮融资需要3000万美金后，徐老师愣住了，“乖乖，A轮的项目都这么贵！”“我还是天使投资人吗？”徐老师开始怀疑人生。当然也要怪刘自鸿，当时很多信息因为保密的原因没说透，“说多了也怕徐老师听不懂。” 这一错，这就成了徐小平出道7年多来最大的遗憾，“每次看到柔宇科技的好消息都心如刀绞，作为天使出资人的骄傲，被碾压得粉碎。”“3个世界顶级的科学家，中国最优秀的人才，别说3千万美元，就是3 亿美金也应该投啊。”从此，徐老师定下一个原则，“斯坦福的博士学生创业，只要面相过关，宁可错投一千也不放过一个。”所以，各位想要徐老师投资的话，建议先去斯坦福大学读博士！ 当然，徐老师看不懂不丢人，当时绝大多数出资人都看不懂。在2012年12月份，深圳海归人才创业大赛上，刘自鸿展示了柔性电子墨水黑白显现屏，结果一屋子30多个投资人，没有一个人听得懂。看不懂就算了，要命的是还不停地让刘自鸿答复，“早上一看到邮件，里面就有20个问题，花一个月的时间才能答复完。” 难道月薪3666元也拿不到了？刘自鸿非常郁闷！ 好在有识货的，松禾资本的厉伟、IDG 合伙人杨飞两位就完全被刘自鸿的科幻世界镇住了，不过面板行业的专家给无情地泼了一盆冷水，“是一个科幻的东西，最少30 年甚至 50 年之后才能商业化。”但是，两个人不甘心，“刘自鸿的背景太强大了，完全可与百度创始人李彦宏有一拼。”所以两人最后决定赌一把“投！” 费劲巴拉搞定了团队与资金，没有想到随后的技术屏障同样困难。与液晶屏不同，柔性屏要在一个极薄的薄膜上做出2000多万个晶体管，再把发光的材料做上去，“像在豆腐上盖一栋大楼，”对技术和工艺的要求都非常高。也是，就是大名鼎鼎的老师鲍哲楠教授的柔性屏技术也只是处于试验阶段，距离应用还有很长一段距离。 不过，刘自鸿很自信，“只要符合科学原理，哪怕被质疑和嘲笑都没关系。”那段时间，他每月往返深圳和硅谷。在硅谷没有办公室，刘自鸿就睡在魏鹏家10多平米的宿舍客厅里。 最初，柔宇显示屏的主攻方向是企业客户，没有想到，柔性屏的研发太快了，以至于国内没有一家工厂可以在物料配合上合上节拍，很多厂家根本不相信真的会出现一个完全柔性的手机，更不相信能够大规模量产。 没有办法，刘自鸿只好削足适履，把业务划分成“柔性显现屏+柔性传感器+智能终端”3个单元，前2个为企业级客户提供服务，后面则面向终端客户。 高手就是高手，一年后的12月19日，刘自鸿首次公开两款柔性显示屏，“摊在手心，屏幕两侧翘起，略向中心弯曲，捏住屏幕一侧晃动时，屏幕会随风摆动，与摆动纸张的效果类似。”要知道，那两块屏幕均为手机屏幕尺寸，厚度却仅为0.1毫米。 大伙沸腾了！要知道，如果显示器可以随意弯折，那么将完全颠覆手机、电脑、电视的模样。想想看，手机可以随意嵌在衣服、戴在手腕上，电视将变成画卷，平时卷起来，需要看的时候再用遥控展开，那是什么样子？ 当然，负面声音也不少，很多人质疑柔性显示屏不过是一个样品，“无法量产。”为此，刘自鸿一年憋出700多项专利，并砍掉了100多项不能产业化或不适合产业化的技术，“目的就将产业化提前5-7年。” 功夫不负有心人，2016年，刘自鸿一口气推出3大核心产品，一举成为国际学术界和工业界的明星，“21世纪最具颠覆性和代表性的技术。” 1、全球最薄彩色柔性显示屏 当年8月，刘自鸿正式面向全球发布与智能手机对接的全球最薄彩色柔性显示器，“厚度仅为0.01毫米，卷曲半径可达1毫米。”可别小看那0.01毫米，综合了新型电子材料的开发、高性能的微纳米电子器件设计、新型显示背板工艺、柔性电子集成电路设计、软件控制系统开发等10多项交叉领域，凝聚了30多项专利。 2、新型柔性电子传感器 柔性电子传感器集新材料、新工艺、新设计于一体，不仅具有良好的传感性能，还兼备极佳的柔韧性，“成本低，制作周期短，”可应用于智能交通、智能家居、消费电子、运动时尚等30多个领域。在2016国际消费电子展上，刘自鸿发布柔性PC等7款产品，震撼全场。 3、新型智能终端产品 为提高观影感觉，刘自鸿艺术性地将超高清大屏显示与立体声消噪耳机完美融合为一体，“打造超完美观影体验。”2015年9月，他发布了首款全球首创的可折叠式超高清VR智能移动产品，“戴上 Royole-X，眼前会直接显现一块长方形的屏幕，好像坐在电影院一样。”一年后2016年9月23日，3D移动影院问世，“800英寸3D弧形巨幕，可自由调节的屏幕尺寸，自动识别2D/3D内容资源，”完全颠覆了传统的电影空间！ 在2016 年 1月美国拉斯维加斯国际花费电子展CES上，柔宇科技的3D移动影院、柔性手机原型、柔性电子智能背包三项产品斩获CES 2017四项创新产品国际大奖。 就这样，柔宇火了！刘自鸿火了！ 一时间，中信资本、基石资本、深圳市创新投资集团、源政投资、富汇创投、阿尔法财富、KIG资本等四、五十家国内外著名风险投资机构蜂拥而至，融资额度一涨再涨。刚开始刘自鸿只想融资几千万美金，没有想到，2015 年 7 月 C 轮结束时候已是到位11亿人民币，创建仅 3年多，估值就达数十亿美元。 2015年11月，柔宇国际柔性显示基地及全球首条类六代全柔性显示屏生产线项目在深圳启动，“占地10万平米，投资超过100亿人民币。” 规划产能约为 5000万片显现模组，可支持消费电子、智能交通、智能家居、运动时尚、建筑装饰等30多个行业应用，预计年产值200亿人民币。毫无疑问，如果一切顺利，柔宇科技将再一次超越三星、LG。 今年3月15日，世界经济论坛公布了2017年“全球青年领袖”入选名单，全球100位入选者中有10名来自中国，刘自鸿名列其中，“所创立的柔宇科技是全球柔性显示、柔性传感、虚拟现实显示及相关智能设备的领航者，是全球成长最快的独角兽科技创业公司之一。” 而在刚刚过去的2016年，柔宇科技宣布完结Pre-D轮融资，估值达到惊人的200 亿。 谈到创业，刘自鸿有3点体会。 首先是勤于思考，勇于创新。创新不是凭空想象，而是在于平时积累，在于对生活观察和感悟，“不要放弃任何一个闪现的想法，因为很可能永远都不会再有了。” 第二，要学会合作，充分利用资源。 一个人的力量是有限的，需要懂得合作，只有合作才能拥有源源不断的智慧，才会使研究持续深入。 第三，要学会倾听，让更多的人提出意见。经常参加一些比赛，可以得到充分的锻炼，“不要在意比赛的成绩，那不是最终的目的，不断的学习、完善和提高才是最重要的。” 没有办法，这个想掰弯世界的80后帅哥，就是这么牛！