距离上次在汉青听量化投资已经小半年了,没什么大进展。丁鹏的书、西蒙斯的传记粗略的翻了下,图书馆里也只有这本解读量化投资了。
如果超短裙的长度和口红的销量都能当经济指标,那凭什么量化投资就是怪力乱神?要成功,必须寻找到自己有比较优势的方向,这样才能事半功倍。有人有内幕、有钱,显然我们只能有技术。靠统计概率取胜,总好过看占星术吧。
国外的推特情绪指数对纳斯达克是有靠谱反映的,国内有机构用新浪微博的数据做过研究,也有比较靠谱的相关性。不用纠结于这是图论、社会媒体还是行为经济学的例证,只要它有效就可以了。虽然最后的赢家还是“有效市场”假说,但是大家显然都是在追求假说获胜之前利润。再说这也不靠谱,那也不靠谱,岂不知人脑才是最大的黑箱,最大的不靠谱。
为什么可行?塞柯塔说交易与心理是一个硬币的两面。市场存在过激反应,市场迟早是有效的,那些过激的傻瓜,早晚会意识到自己的错误,波动性会降下来,降到长期平均水平。当然,中短期波动不会立刻回到长期平均值。而且存在“墙倒众人推”的情况。罗闻全教授也认为:股票具有快速波动之后回顾本来价位的特性。计算机博士肖尔的研究方向是并行计算(我也是,握爪),他认为“金融投资最完全的信息处理工作”,其公司有一半员工是电脑技术专家。亨利认为人们对宏观经济各类指标充满过度的解读,人类对信息反映存在偏差,而且人的反应偏差也是很稳定的 。
虽然可行,还是要泼几盆冷水:
首先就是要反对“美”。布莱克-舒尔斯-默顿的公式非常简洁、漂亮,这个理论几乎是社会科学里面最精确、成功的理论,但是需要注意现实生活往往不是完美的。例如由于金融价格不是连续的、存在肥尾现象,所以用正态分布和布朗运动描述价格是有缺陷的。生搬硬套,显然不是现实的考量方法。
再有就是不能相信数据。如果你把数据折磨的到一定程度,数据什么都会招的。历史极有可能重复,也有可能更改。当你自认为找到了灵丹妙药是,别人也是这么想的。
再有需注意有限的市场容量。200多斤的体重往水盆里跳,还要压水花的比喻,太贴切了。所幸,我估计我是到不了200多斤的。长期资本管理公司过度的使用了杠杆、粗放的风险管控,导致了它成为前车之鉴。
最后是运气。肖尔认为,为这个付出太大,而成功的可能性又太低,别的投资方法赚钱的性价比要好得多。西蒙斯也认为他的成功有很大运气成分。
泼完冷水,再热血沸腾下:
塞柯塔开创了计算机来测试和分析投资的先河。其半年时间做的十种商品、十年数据、四种模型的测试。而现在一个金融学本科生半天就可以搞定。
而西蒙斯的模型基本上是有:1.过激反应机会2.套利交易,主要是统计套利。3.趋势和联动性。4.偏门信息,如限价交易指令表。5.卖卖掉期合同。同时该模型特别注意风险控制,以及多代遗传演进相关的策略。遗传算法用于多代遗传演进相关的策略,而神经网络则应为记忆了太多的历史信息,而生存能力变差。
作者举例量化方法有模糊逻辑、神经网络、遗传算法、隐含马尔科夫模型、小波变换、贝叶斯网络、分型几何和聚类分析,这八个主题,接触过和师兄们搞过的就有六个,如此算来:洪哥,咱们动手吧!