플래시 강세 분석:
개념
정량 거래는 인간의 주관적 판단을 대체하기 위해 고급 수학적 모델을 사용하고 데이터를 추출하기 위해 컴퓨터 기술을 사용하는 것을 의미합니다. 오디션은 초과 수익을 가져오는 다양한 "확률이 높은" 이벤트를 가져와 전략을 수립할 수 있으며, 이는 투자 심리 변동의 영향을 크게 줄이고 시장이 극도로 광신적이거나 비관적일 때 비합리적인 투자 결정을 내리는 것을 방지합니다.
특징
양적 투자와 전통적인 질적 투자는 본질적으로 동일합니다. 둘 다 시장 비효율성 또는 약한 효율성에 대한 이론적 기반을 기반으로 합니다. 둘의 차이점은 정량적 투자운용은 '질적 사고를 정량적으로 적용하는 것'으로 데이터에 더 중점을 둔다는 점이다. 양적 거래에는 다음과 같은 특징이 있습니다:
1. 감정보다는 모델 실행 결과를 바탕으로 결정을 내립니다. 규율은 탐욕, 두려움, 행운 등 인간 본성의 약점을 억제할 수 있을 뿐만 아니라 인지적 편견을 극복하고 추적할 수 있습니다.
2. 체계적이다. 구체적인 표현은 "세 개 더"입니다. 첫 번째는 주요 자산 배분, 산업 선택, 특정 자산 선택의 세 가지 수준의 모델을 포함하는 다단계 모델이고, 두 번째는 매크로 사이클, 시장 구조, 가치 평가, 성장 등을 포함한 정량 투자의 핵심 아이디어를 갖춘 다각적 관점입니다. 품질, 분석가 수익 예측, 시장 정서 및 기타 관점 세 번째는 다중 데이터, 즉 대규모 데이터 처리입니다.
3. 차익거래 사고. 정량투자는 종합적이고 체계적인 스캐닝을 통해 잘못된 가격과 잘못된 평가로 인해 발생하는 기회를 포착하여 가치 하락을 발견하고 저평가된 자산을 매입하고 고평가된 자산을 매각하여 수익을 창출합니다.
4.확률로 승리하세요. 첫째, 양적 투자는 과거 데이터에서 반복될 것으로 예상되는 패턴을 지속적으로 채굴하고 이를 활용합니다. 둘째, 단일 자산이 승리하는 것이 아니라 자산의 조합에 의존합니다.
애플리케이션 에디터
정량적 투자 기술에는 투자 상품 선택, 투자 시기 선택, 주가 지수 선물 차익 거래, 상품 선물 차익 거래, 통계적 차익거래와 알고리즘 거래가 널리 사용됩니다. 여기서는 통계적 차익거래와 알고리즘 거래를 예시로 사용합니다.
1. 통계적 차익거래
통계적 차익거래는 자산 가격의 역사적 통계 법칙을 사용하는 일종의 위험 차익거래입니다. 통계법은 앞으로도 바뀔 예정입니다.
통계적 차익거래의 주요 아이디어는 먼저 상관관계가 가장 좋은 여러 투자 품종 쌍을 찾아낸 다음, 각 투자 품종 쌍의 장기적인 균형 관계(공적분 관계)를 찾는 것입니다. 특정 투자 품종 쌍이 가격 차이(공적분 방정식의 잔차 오차)가 어느 정도 벗어나면 포지션을 개시하고, 상대적으로 저평가된 품종을 매수하고, 상대적으로 고평가된 품종을 공매도하고, 가격 차이 이후에 차익을 얻습니다. 평형으로 돌아옵니다. 주가지수 선물 헤징은 통계적 차익거래에서 오랫동안 사용된 운영 전략으로, 서로 다른 국가, 지역 또는 산업의 지수 상관관계를 사용하여 거래를 위해 한 쌍의 지수 선물을 동시에 사고 파는 것입니다. 경제 글로벌화 상황에서 다양한 국가, 지역, 업종의 주가지수 간 상관관계가 점점 더 강해지고 있으며, 이로 인해 주가지수에서 시스템적 리스크가 발생하기 쉽습니다. 따라서 지수 간 통계적 차익거래를 헤징하는 것은 위험성이 낮습니다. , 수익성이 높은 거래 방법.
2. 알고리즘 거래.
자동매매, 블랙박스매매 또는 기계매매라고도 알려진 알고리즘 거래는 알고리즘을 설계하고 컴퓨터 프로그램을 사용하여 거래 지시를 내리는 방법을 말합니다. 거래에서 프로그램이 결정할 수 있는 범위에는 거래 시간 선택, 거래 가격, 최종적으로 거래해야 하는 자산 수까지 포함됩니다.
알고리즘 거래의 주요 유형은 다음과 같습니다. (1) 구조적 알고리즘 거래라고도 하는 수동적 알고리즘 거래. 이 거래 알고리즘은 과거 데이터를 사용하여 거래 모델의 주요 매개변수를 추정하는 것 외에도 시장 상황에 따라 거래 시기와 수량을 적극적으로 선택하지 않고 확립된 거래 정책에 따라 거래를 수행합니다. 이 전략의 핵심은 슬리피지(목표 가격과 실제 평균 거래 가격의 차이)를 줄이는 것입니다. 패시브 알고리즘 거래는 가장 성숙하고 널리 사용됩니다. 예를 들어, 국제 시장에서 가장 일반적으로 사용되는 거래 가중 평균 가격(VWAP) 및 시간 가중 평균 가격(TWAP)은 패시브 알고리즘 거래입니다. (2) 기회주의적 알고리즘 거래라고도 알려진 적극적인 알고리즘 거래. 이러한 유형의 거래 알고리즘은 시장 상황에 따라 실시간 결정을 내려 거래 여부, 거래 수량, 거래 가격 등을 결정합니다. 가격 하락을 줄이려는 노력 외에도 활성 거래 알고리즘은 점차적으로 가격 추세 예측에 초점을 맞춥니다. (3) 처음 두 가지를 결합한 포괄적인 알고리즘 거래입니다.
이러한 유형의 알고리즘에 대한 일반적인 방법은 먼저 거래 지시를 분할하여 여러 기간으로 배포하는 것입니다. 각 기간의 특정 거래 방법은 활성 거래 알고리즘에 의해 판단됩니다. 이 둘을 결합하면 단일 알고리즘으로는 얻을 수 없는 효과를 얻을 수 있습니다.
알고리즘 거래에는 세 가지 거래 전략이 있습니다. 하나는 거래 비용을 줄이는 것입니다. 대규모 주문은 일반적으로 여러 개의 소규모 주문으로 분할되어 점차적으로 시장에 진입합니다. 이 전략의 성공 여부는 같은 기간 동안의 평균 구매 가격과 거래량 가중 평균 가격을 비교하여 측정할 수 있습니다. 두 번째는 차익 거래입니다. 일반적인 차익거래 전략에는 일반적으로 3~4개의 금융 자산이 포함됩니다. 예를 들어 외환 시장의 금리 패리티 이론에 따르면 국내 채권 가격, 외화 채권 가격 사이에는 일정한 상관 관계가 있습니다. 환율 현물 및 환율 선도 계약 가격. 시장 가격이 이론에서 암시하는 가격과 크게 벗어나고 거래 비용을 초과하는 경우 4번의 거래를 통해 무위험 이익을 보장할 수 있습니다. 주가지수선물에 대한 기간차익거래는 알고리즘 거래를 이용해 이루어질 수도 있습니다. 세 번째는 시장조성이다. 시장 조성에는 매수-매도 스프레드에서 이익을 얻기 위해 현재 시장 가격보다 높은 매도 지정가 주문 또는 현재 가격보다 낮은 구매 지정가 주문을 넣는 것이 포함됩니다. 또한 거래자가 지수 수익률을 시뮬레이션하기 위해 사용하는 "기준점" 알고리즘과 가장 변동성이 크거나 불안정한 시장을 찾는 데 사용되는 "스니퍼" 알고리즘과 같은 보다 정교한 전략이 있습니다. 모든 유형의 패턴 인식 또는 예측 모델을 사용하여 알고리즘 거래를 시작할 수 있습니다.
잠재적 위험
정량적 거래는 일반적으로 대규모 데이터 시뮬레이션 테스트 및 시뮬레이션 운영을 통해 테스트되며 특정 위험 관리 알고리즘을 기반으로 포지션과 자금을 할당하여 위험을 최소화하고 수익을 극대화합니다. 그러나 다음과 같은 특정 잠재적인 위험이 있는 경우가 많습니다.
1. 불완전한 시장 데이터로 인해 모델과 시장 데이터가 일치하지 않을 수 있습니다. 시장 데이터 자체의 스타일 변환은 거래 유동성, 가격 변동 범위, 가격 변동 빈도 등 모델 실패로 이어질 수도 있습니다. 이는 현재 양적 거래에서 극복하기 어렵습니다.
2. 모델 설계 시 포지션 및 자본 배분이 고려되지 않으며 안전한 위험 평가 및 예방 조치가 없어 자금, 포지션, 모델 간 불일치로 인해 청산될 수 있습니다. 현상.
3. 네트워크 중단 및 하드웨어 장애도 퀀트 트레이딩에 영향을 미칠 수 있습니다.
4. 동종 모델의 경쟁 거래로 인해 발생하는 위험.
5. 단일 투자로 인해 발생하는 예측할 수 없는 위험.
양적 거래에서 잠재적인 위험을 피하거나 줄이기 위해 채택할 수 있는 전략에는 다음이 포함됩니다. 모델 매개변수의 온라인 조정, 온라인 위험 모니터링 및 회피 , 등.