- 积分
- 6770
- 最后登录
- 1970-1-1
- 阅读权限
- 100
- 积分
- 6770
- 帖子
- 精华
|
本帖最后由 ralfes 于 2017-5-7 15:40 编辑
具体我也不是很懂,我说一下我的浅见。
q是用risk-free作为定价基础,赚批发和零售之间的价差。比如sell call,同时通过delta对冲屏蔽风险敞口,赚衍生品之间的bid-ask spreading来实现低风险收益。比如港股市场上发行熊牛证和warrant的十大投行,比如发行了一个恒指的牛证,它们作为真正的卖方,将衍生品卖给小散,然后在期指市场(通常而言是机构和大户的市场)交易对应规模的合约来屏蔽掉风险敞口。而由于卖出的衍生品都有财务溢价,所以它们赚的是这个利润。还有一种是美股市场上的做市商,因为有的股票流动性很差,所以有的交易所为了提高证券的流动性,就给一些做市商返佣,就是只要他们完成了特定的交易量,就会获得交易所的费用,而他们的策略是给市场提供一个买卖报价和一定的市场深度的流动性。因为承担了其中的资产波动风险,所以算法和策略上会主要针对测量买卖盘口的压力,利用速度优势提前探测出小盈利或者不赔的交易的决策,因为这个策略的有效时间很短,所以通常频率很高,但是很多指令并非真正成交,而只是用来做探测市场深度用的。
p是利用多因子模型或者事件模型或者更牛叉的其他模型寻找alpha。通过数量统计的方法测量最优决策的胜率和风险收益的预期性价比。比如影响某个资产的因子有a,b,c,d,然后对特定时期的样本的表现结果做测量统计,赋予这些因子权重,然后得出一个待测试的模型,然后用这个模型在真实数据中回归测试,统计,调整(或者叫训练),然后得到一个看起来性价比(就是潜在收益预期/潜在亏损预期比较高)的模型,当然,你也可以从其他的维度去考量,比如稳定性,方差越大夏普指标就不好看了^.^。让它去跑。而由于市场会改变,所以因子选取和数据源归集会隔一段时间调整。这种可能对跳跃扩散的情景处理很弱,所以针对一些特大的事件,比如Trump选举,比如欧洲的一些列事件的前夕,先平掉所有的头寸,或者用衍生品屏蔽掉风险敞口。还有一种是套利,通过发现市场价差的套利机会来捕获低风险收益。但是套利有容量限制(量大了有冲击成本,就算有价差也赚不到钱),而且有时候价差会进一步放大,所以并非真正的alpha。
还有一种稍微低端一点的是纯粹依赖算法,或者技术指标做的自动化交易,这种就不讨论了。
然后谈一下AI可能造成的冲击,如果是技术分析流派的,AI可以100%取代,如果是Q流派的,AI也可以很容易取代(比如美股市场上流动性最好的ETF QQQ,它的名字叫纳斯达克100ETF,流动性非常好,而标的的复制程度很高,关键是它是纯程序化完成的对冲,毕竟人工做不到那么高的反应嘛),而如果是P流派的,目前还是没有方法很好地取代。
补充内容 (2017-5-7 23:56):
而猫猫我的猜测,前辈你的这个30%的技术含量应该比皮蛋说的那个30%的技术含量高一点。 |
|