量化投資交易策略初探

常綺帆

摘 要 中國金融市場，這些年來發展迅猛，積極借鑒國外金融市場的量化投資經驗，我國也出現了一批量化投資基金。由于傳統量化交易策略相對不適應國內股票市場的投資特點，本文基于對量化交易中的Dual-Thrust策略，研究分析了一個修改版本的股票策略，并基于中國股票市場最新的歷史數據進行了回測驗證，實驗結果表明該策略具有一定的盈利能力。交易策略的成功實現顯示了量化交易策略的實用性，也表明了未來發展的趨勢性，量化投資無疑將對中國未來金融交易有很大影響。

關鍵詞 量化交易 股票交易策略

一、量化投資交易簡介與文獻綜述

量化交易起源于20世紀70年代的股票市場，之后迅速發展和普及，尤其是在期貨交易市場，程序化逐漸成為主流。有數據顯示，國外成熟市場期貨程序化交易已占據總交易量的大部分，而國內卻仍然處于剛起步狀態。

量化交易是指借助數學與現代統計學方法，利用計算機技術來進行交易的證券投資方式。量化交易從海量的歷史數據中選擇能帶來超額收益的“大概率”事件，并以此來制定交易策略。制定的交易策略還需要數量模型的多次驗證、固化規律，之后才能嚴格執行已固化的量化交易策略。這樣的量化策略用來指導投資，以求得到持續穩定的超額回報。相比手工交易中交易者情緒波動等帶來的盈利障礙，程序化交易的精準性，執行率成為盈利的優勢。

中國金融市場不斷完善、發展，量化投資交易也慢慢發展起來，涌現出一些量化投資基金，甚至是全自動無人值守的機器交易型量化基金。量化交易是通過對交易數據的統計分析，制定機械化的買賣規則，在條件觸發后無條件地執行交易。而主觀交易者通常依據自己的經驗，來決定何時買賣，購買什么類型的投資標的。所以，量化交易可以有效避免主觀交易者由于心理情緒等因素造成的錯誤交易。

與外國市場相比較，中國量化交易起步較晚，而且中國股票市場具有自身的特點，所以一些國外成熟的量化投資理念或者量化交易模型，不能直接適用于中國股票市場。

當然，我國也有不少研究者對量化投資交易進行創新研究。齊岳等研究者采用深度強化學習中的深度確定性策略梯度，將深度強化學習技術應用于投資組合管理。蔣慧敏提出了一種基于 Zigzag的K線趨勢中的高點、低點和拐點的識別算法來構造期貨程序化交易系統中K線特征趨勢算法。另外，也有學者利用遺傳算法等來優化SVM，用于提高交易信號的準確性。這些研究者的研究都對中國量化投資交易的良好發展奠定了基礎。

二、量化交易過程及優勢與風險性

（一）量化交易過程

一是資產配置。在投資標的確定和選擇之前，我們需要確定在投資組合當中，風險資產規模和不同風險資產占比。二是量化選股。利用計算機技術來量化分析，判斷給出的投資標的。量化選股的方法一般需要先研究海量公司相關數據，再挖掘市場當中的基本規律，構建起相應的選股策略。三是測試優化。我們需要采用歷史數據進行各種各樣的測試驗證 它的適用性，這也被稱為是回溯測試。不同的測試所揭示的是不同的側面。對參數模型進行調整，優化。

（二）量化交易的優勢

一是紀律性嚴格。量化交易系統會顯示出被選擇的這只股票與其他的股票相比在成長面上、估值上、資金上、買賣時機上的綜合評價情況，比普通投資者拍腦袋、憑經驗就產生的買賣交易更有理有據。二是系統性完備。完備的系統性表現為多層次、多角度和多數據，強大的量化數據信息處理能力，才能抓住更多的投資機會。三是套利的思想。量化交易其實是通過全面、系統性的掃描，尋找錯誤定價、錯誤估值帶來的套利機會，買入低估股票，賣出高估股票。四是概率取勝。一方面從歷史數據中挖掘有望在未來重復的歷史規律加以利用。另一方面是在股票實盤操作中，運用概率分析控制倉位，提高買賣成功的概率。

（三）量化交易的風險性

一是一二級市場的“級差”風險。“級差風險”是套利交易的核心。由于股價的變動，ETF套利級差轉瞬即逝，很難把握。所以錯綜復雜的計算過程由計算機完成，交易員通過設定計算程序決定策略，或者自動讓系統在出現套利空間時自動交易，系統自動下單交易便稱之為程序化交易。二是交易員操作風險。比如光大的烏龍指事件，有可能是交易員在輸入數量的時候出現了失誤。這同時也牽扯到第三種風險，系統風險，每個交易員在系統中都有相應的交易權限，包括數量、金額。三是系統風險。如長期資本公司（LTCM）的案例中，模型風險也是其中一個較大失敗原因。LTCM的數學模型建立在歷史數據的基礎上，一些概率很小的事件被忽略掉，因此埋下了隱患。一旦這個小概率事件發生，其投資系統將產生難以預料的后果。

三、經典的量化交易策略分析（以聚寬數據為平臺）

（一）Dual Thrust交易系統策略介紹

Dual Thrust是一個趨勢跟蹤系統，由Michael Chalek在20世紀80年代開發，曾被Future Thruth雜志評為最賺錢的策略之一。Dual Thrust系統具有簡單易用、適用度廣的特點，其思路簡單、參數很少，配合不同的參數、止盈止損和倉位管理，可以為投資者帶來長期穩定的收益，被投資者廣泛應用于股票、貨幣、貴金屬、債券、能源及股指期貨市場等。在Dual Thrust交易系統中，對于震蕩區間的定義非常關鍵，這也是該交易系統的核心和精髓。Dual Thrust系統使用Range = Max（HH-LC，HC-LL）來描述震蕩區間的大小。

第一，系統規則。一是N日High的最高價HH， N日Close的最低價LC；二是N日Close的最高價HC，N日Low的最低價LL；三是Range = Max（HH-LC，HC-LL）；四是BuyLine = Open + K1*Range；五是SellLine = Open + K2*Range。

第二，構造系統。當價格向上突破上軌時，如果當時持有空倉，則先平倉，再開多倉；如果沒有倉位，則直接開多倉；當價格向下突破下軌時，如果當時持有多倉，則先平倉，再開空倉；如果沒有倉位，則直接開空倉。

（二）修改的Dual Thrust交易策略

當股票突破上界，則認為該股票今天有較大行情，買入該股票；當股價兩天內下跌6%，或者三天內下跌8%則賣出股票；最后根據大盤止損。

為實現我們的交易策略，我們首先設定了股票池，收益基準，交易費用的計算。其次，根據大盤指數進行止損，在收盤價比值達到一定的值，進行清倉。之后是根據設定的股票數量，分配資金。最后就是買賣，買賣按照Dual Thrust交易系統設定的震蕩區間進行。將代碼在聚寬數據平臺上進行回測，時間期限是2010-01-01到2019-01-04，由此我們得到：

四、總結與反思

至此，我們分析實現了修改后的Dual Thrust策略之后，可以從中收獲很多的經驗與反思。

經典的Dual Thrust策略確實是具有一定的盈利能力，那么在之后的策略分析與開發中，就需要將側重點放在策略的優勢性理解上面，以至于我們學到如何才能設計出適用的量化交易策略。

具體策略取決于不同的人對證券的理解，比如是否支持做空；是否把現金分成多份來投資，不全倉操作；是否是一天內的短線策略；是否多個股票組合；是否將交易量加入策略考慮因素；是否配合消息面的文本分析；是否剔除停盤或漲跌停板股票等等這些因素。

未來量化交易將是大數據背景下的發展趨勢，量化交易策略的設計與優化成為重中之重的問題。

（作者單位為上海大學）

參考文獻

[1] 郭笑宇.量化投資交易策略研究[J].財經界（學術版），2019（02）：16-17.

[2] 潘磊，王琦，王丹華，范大娟. Dual-Thrust策略在股票量化交易中的實現與應用[J].科技資訊，2018，16（27）：17-21+23.

[3] 楊世林.基于聚寬量化投資平臺的股票多因子策略應用[D].浙江大學，2018.

[4] 齊岳，黃碩華.基于深度強化學習DDPG算法的投資組合管理[J].計算機與現代化，2018（5）：93-99.

[5] 孫瑞奇.基于LSTM神經網絡的美股股指價格趨勢預測模型的研究[D].首都經濟貿易大學，2016.

[6] 蔣慧敏.基于Zigzag的K線趨勢拐點識別算法設計與實現[J].計算技術與自動化，2017，36（4）：68-71.

[7] 王淑燕，曹正鳳，陳銘芷.隨機森林在量化選股中的應用研究[J].運籌與管理，2016，25（3）：163

-168+177.

[8] 王宣承.基于LASSO和神經網絡的量化交易智能系統構建——以滬深300股指期貨為例[J]投資研究，2014，33（9）：23-39.

[9] 黃宏運，吳禮斌，李詩爭. GA優化的SVM在量化擇時中的應用[J].南京師范大學學報（工程技術版），2017，17（1）：72-79.

[10] 陶振毅.量化交易在股市中的應用[J].中國外資，2018（15）：84-86.