什么是阿尔法策略？

0、前言

量化的方法不限于金融领域，它可以应用在我们生活的方方面面，用数学的、统计学的方法指导人生的每一次大大小小的决策，比单纯凭借直觉进行决策，有时更加靠谱。
笔者试图以专栏文章的形式，从零开始梳理下量化投资的前世今生，文章内容主要参考已有论文或相关书籍，并附以个人理解，如有纰漏或错误，也请不吝指正。本文是量化投资专栏第一篇文章。
1 、市场有效性假说

任何与某只股票有关的新消息都会立即体现在股票价格上，从而使股价“有效”。换句话说，当前股票的价格完全合理地反映了所有信息。

上面这个结论就是大名鼎鼎的市场有效性假说，马科维茨和夏普在20世纪50年代的成果奠定了有效市场假说的基础，他们两人同默顿·米勒（Merton Miller）一起获得了1990年的诺贝尔经济学奖。有效市场假说的另一位先驱是巴舍利耶，坚持债券价格遵从随机游走的默默无闻的法国数学家（他的博士论文《投机理论》中首次提出了布朗运动和市场价格直接的关系）
由于任何最新的消息都已体现在股价中，而未来的消息本质上是不可知的，因此预测股价将上涨还是下跌纯属白费力气。股价的未来走势是随机游走，是布朗运动，正反五五开的掷硬币并无本质区别。
如果”市场有效性假说“成立，那么投机客的数学期望是零。”然而，如果说”市场上就永远不可能存在定价失准的情况“，想必没有人会认同。比如，2000年上半年，纳斯达克指数在5000点上方高高飘扬，根据有效市场假说，这绝对不是泡沫。2005年的美国房市在之前的几年之内翻了一倍甚至两倍，当然也没有泡沫。
事实上大多数 quanter，尤其是从学术界进入华尔街的那批人，都深信市场只是部分有效。金融工程的祖师爷、布莱克—斯科尔斯期权定价公式的创造者之一、芝加哥大学和麻省理工学院教授费希尔·布莱克有一回踌躇满志地说，查尔斯河岸上的集市要比哈得孙河岸的有效。此时他已经投入了高盛的怀抱。
如此说来，市场就像是一枚有点瑕疵的硬币，掷出正面的机会比反面要稍稍大一些（或者正好相反），掷100次硬币，正面会出现52次，而不是50次。成功的关键就在于发现隐藏的瑕疵，发现得越多越好。大数定律意味着，只要千百次地顺着这些瑕疵下注，就能大获全胜。
那些聪明的量化投资者就是用尽一切数学手段和计算机技术去发现市场无效性，每当市场价格偏离真理的时候，他们全力出击，量化模型可以发现价格何时偏离均衡。当然，他们并不总是正确的。但只要正确的频率足够高，他们就能赚钱了。
2 、”阿尔法“名称的由来

在金融市场上，那些量化投资客们八仙过海，各显神通：有的通过数学方程寻找廉价债券或是俯首可拾的倒霉公司；有的利用高能计算机进行瞬间股票买卖；有的对数十年市场趋势的历史检验，探寻其中隐藏的不为人知的价格模式；他们的交易类别各不相同，但他们在某一点上是相同的：一直在寻找关于市场如何运行的终极奥秘，他们为这个飘忽不定的奥秘创造了一个名字：阿尔法（alpha）。阿尔法代表一种难以捉摸的技能，有些人生而拥有，从而能够连续击败市场，从而获得超额收益；与阿尔法相对的还有一个希腊字母——贝塔（beta），代表平淡无奇的市场回报，即便是脑子缺根筋的家伙也能轻松取得。
3、阿尔法策略分类

图片来源于《打开量化投资的黑箱》

3.1 理论驱动型

基于价格数据的策略

这里所说的价格数据，一般是指与各种金融产品价格相关的数据，或者交易所产生的其他数据信息（如交易量等）。

趋势跟随策略

趋势跟随策略是基于以下基本假定：在一定时间内市场通常是朝着同一方向变化。据此对市场趋势做出判断就可以作为制定交易策略的依据。趋势法存在的经济学基本原理是市场均衡理论。假设美国经济的中期前景具有很大的不确定性。一方面，劳动力市场看着不错，但通货膨胀过于严重，贸易赤字在不断扩大；另一方面，居民消费仍在快速增长，并且房地产市场表现强劲。这种看似相互矛盾的情形是市场的常态，有些指标是利好的，而另一些看起来是利空的。在这个例子中，我们可以想象，通货膨胀失去控制对经济带来很大创伤，市场转入熊市。最早意识到市场动向的交易者，很快就采取了和市场形势保持一致的交易措施，例如卖空债券。随着市场形势越来越朝着预期的方向发展，逐渐明朗化，越来越多的交易者会采取相同的策略，从而债券价格需要经过一个很长的时间达到新的均衡。这种从一个均衡向另一个均衡的缓慢过渡期，正是趋势跟随者苦苦寻觅的机会。
值得一提的是，还存在另一种对趋势的解释，被亲切地称为博傻理论（greater fools theory）。博傻理论认为，人们因为相信趋势才会去追涨杀跌，这种行为反过来又促进了趋势的形成。关键在于将持有的产品卖给更“傻”的下家而避免自身成为最后的持有者。无论是理论解释，还是市场实证分析，看上去都成为相信趋势的充足理由。
典型的趋势跟随者都试图寻找某种金融产品的价格在预期方向上的“显著”变化。他们认为，这种显著变化一旦出现便会持续一段时间，因为这种显著变化很可能是参与者对市场预期更加一致的一个信号。他们之所以注重变化的显著性，是因为趋势跟随策略的绝大部分风险在于市场上的“拉锯战”，即价格上的快速上下波动。而那些量化策略研究员工就是要搞清楚”何种变化才是显著的？“
2. 均值回复策略
该策略认为，价格终究会沿着已有趋势的反方向运动，而不可能一直延续已有趋势。
价格围绕其价值中枢而上下波动，判断出这个中枢以及波动的方向便足以捕捉到交易机会。
基于均值回复概念的最为著名的策略恐怕要算统计套利策略：
统计套利策略认为，价格出现背离的类似股票的价差终究会缩小到合理区间范围。
举个例子：如果两家公司做的业务、业绩差不多，那么它们的股票价格应该也不会差的离谱。
3. 技术情绪型策略
顾名思义，它主要通过追踪投资者情绪相关指标来判断预期回报，这些指标常见的有交易价格、交易量以及波动性指标等。在深入研究这类策略前一定要保持警惕。因为并不像上文的两类策略（趋势跟随策略和均值回复策略）或下文所要提到的其他基本策略，没有明确的经济理论支持这类策略。换言之，对于情绪类信息在预测上的价值和开发利用，有着各种不同的声音。一些交易者认为，对于某些产品过于正面的信息意味着该产品已经超卖，因此未来价格可能会下跌；另一些人则认为，很正面的情绪意味着该项产品具有价格上涨的动力；还有些人认为，情绪只是个条件变量（这一概念将在“条件变量”章节进行详细讨论），只有当价格变动的程度显著时才使用趋势跟随策略，微小的变动可以被忽略。将情绪相关数据作为条件变量，是最为普遍的做法。技术情绪型策略的一些实例也被认为是预测未来价格变动方向的独立方法。
第一个例子是观察期权市场判断市场基本情绪。有两种方式可以“直接”做到这一点。第一种是观察认购量和认沽量，将此作为市场情绪的指标。如果认沽多于认购的程度已经超过正常水平，这可能意味着投资者担心未来的价格会下跌。如果相对于认购期权，认沽期权的数量比正常水平要少，说明市场上主要是看涨情绪。第二个基于期权市场情绪的例子是利用认购和认沽的隐含波动性。认购和认沽期权的隐含波动率具有一定差别，是很常见的现象。股票价格慢涨快跌的特点可以作为一部分原因对此进行解释。对于虚值期权或平值期权，慢涨快跌会造成认沽期权的波动率高于认购期权的波动率，反过来会造成认沽期权的卖方要价高于认购期权卖方的要价，同样对应的隐含波动率也要高一些。对历史上的认沽和认购波动率的比率进行分析可以发现，该比率维持在一个固定水平（由上面所描述的上行和下行波动率的特点可知该比率大于1），通过观察比率偏离该水平就可以了解市场情绪的迹象。一个类似的想法就是利用隐含波动率或其他指标（如信用违约互换等）作为市场情绪的风向标。
另一种技术情绪型策略的做法是，把交易量、公开市场利率或其他相关指标等作为未来价格的风向标。在很短的时间窗内，一些高频交易者通过观察限价指令簿的形态来判断近期市场情绪。限价指令簿的形态包含很多信息，如相对于最优买入/卖出价的买卖单的量而言买方和卖方出价的规模，以及买入卖出报价单的总量等。对于较长期的策略而言，对量的分析包括成交量、交易量、公开市场利率以及对交易活动的其他度量指标等。正如在本部分内容的开头所提到的那样，对于怎样使用这类信息仍存在着较大争议。可以将量的信息作为反向指标（或正向指标）使用，例如，成交量大或换手率很高的股票预计会表现不佳，而低成交量或低换手率的股票将会表现出色。但据我所知，大部分策略都是将其作为反向指标使用的。

依托基本面数据的策略

1. 价值型/收益型
用于度量资产价值的指标有很多，绝大部分是一些基本面数据与资产价格的比率，如市盈率（P/E）等。
在股票交易中。各类投资者都试图寻找指标来度量“便宜”，如税息折旧及摊销前利润（EBITDA）对企业价值（EV）的比率或市净率。每股账面净值对股价的比率（账面收益率）也是个常用指标。绝大部分使用股票价值型策略的研究员是在寻找相对价值较低的股票，而不是评估某只股票是便宜还是贵。这个策略通常称为量化多空策略（quant long/short，QLS）。使用QLS的交易者经常会基于价值等多种因素判断股票的吸引力，进而对股票进行评级，买入高评级的股票而卖出低评级的股票。
2. 成长型
成长型策略试图通过对所考虑资产以往的增长水平进行分析而对未来的走势进行预测。国内生产总值（GDP）或收益预测都属于这类预测的范畴。判断一只股票属于成长型资产，并不意味着它的收益会怎么样。成长型策略认为，在其他条件都相同的情况下，应该买入价格正在快速上涨的产品而卖出价格涨幅较慢甚至负增长的产品。一些成长性的度量指标，如市盈率与增长比率（PEG，PE比率与EPS增长率的比值），基本上都是度量价值的前瞻性指标。换句话说，通过比较预期增长与预期价值，在对金融产品可能会经历的正增长或负增长做出预测的基础上来判断金融产品的价格是否合理。假如你预计某项资产会快速升值，但由于这种升值的可能，市场上该资产的价格已经上涨，那么成长型交易的机会便不再存在。事实上，如果市场上该资产的价格已经上涨得远远超出你的预期，卖空该资产才是个合理的选择。当然很多种成长型策略仅仅关注买入价格快速上涨的产品而不考虑价格本身的高低，或者卖出价格停滞不前甚至下降的资产，即便是在价格非常便宜或者具有高收益的情况下也要卖出。
成长型投资策略的理论认为，价格的上涨通常都是存在趋势的，价格上涨最快的产品通常会比同类产品更具有优势。对于公司而言，快速扩张的公司比其增长缓慢的竞争对手更容易占有更多的市场份额。成长型投资者应设法尽早判断出公司的股价处于增长期，从而捕捉到公司股价未来更大的上涨幅度。在量化交易界，既有宏观成长型策略也存在微观成长型策略的实例。在宏观层面，一些外汇交易的策略都是基于这样一种观点：持有经济迅速增长的国家的外汇。至少这些国家的利率比经济增长缓慢或处于复苏期的经济体要高。这是一种前瞻性的利差交易。
在股票量化交易圈中，使用量化股票多空策略的研究院经常使用与增长（率）相关的指标使得他们的阿尔法模型更加多元化。众多量化交易者和主观判断型交易者在使用成长型策略时，都会用到的一个重要的变量是关于公司预期收益（或关于市场情绪的预测，如价格目标、推荐等级等）的估计。在各种经纪公司工作的分析师们会公布他们的预测结果，并不定时地发布他们所研究公司的相关报告。买入增长期的公司股票，这一点和其他成长型策略是相同的，略有不同的是在股票交易中希望通过分析师们预测而不是等待公司官方公布其收益信息，从而尽早对公司的增长情况做出预判。由于这个策略主要依赖于市场分析师或经济学家的观点，也称为基于市场情绪的策略（sentiment-basedstrategy）。
3. 品质型
在其他条件相同的情形下，最好买入或持有高品质的产品而做空或减少持有低品质的资产
一般地，衡量资产质量的指标可以分为五大类。

第一类是杠杆比率（leverage）。

基于对杠杆比率的度量，在其他条件无差别时，应该卖出高杠杆比率的公司的股票而买入低杠杆比率的公司的股票。使用量化股票多空策略的分析师们经常使用债务股本比来判定股票的买卖，这个策略的本质就是认为，在其他条件相同时，杠杆低的企业要比杠杆高的企业更加可靠。

第二类度量品质的指标是收入来源的多样性（diversity of revenue source）。

该指标认为，具有多种潜在增长渠道的国家或公司比渠道单一的国家或公司质量要高。所以，同等条件下，为各类用户提供多种产品或服务来盈利的公司，比只为特定目的生产单一产品的公司要更加稳定。对公司而言，收入的波动率（volatility of revenue）就属于这类指标。拿公司收益和股票价格的例子来说，同等条件下，投资者更青睐收益稳定（低波动率）的公司的股票，而不愿购买收益波动较大（高波动率）的公司股票。

第三类度量品质的指标是管理水平（management quality）

该指标认为，应该买入（卖出）具有好（不好）的领导团队的公司的股票。从所需要的信息角度去衡量，这是最难以量化的一类指标。但也有些指标可用来度量管理水平，如公司的财务报表中操纵性应计利润的变化。有观点认为，操纵性应计利润的变化越大，公司高层的管理能力越值得质疑。

第四类度量品质的指标是欺诈风险（fraud risk）

该指标认为，应该买入（卖出）欺诈风险较低（高）的公司股票或国家外汇。量化股票多空策略中的收益质量（earnings quality）指标便是欺诈风险的一个实例。该指标用于度量公司的真实收益（自由现金流等）与财报所公布的每股净收益间的接近程度。

最后一种类型的策略是有关投资者对产品发行方（公司或国家）实力的情绪型策略

通常，基于品质的情绪型策略关注于与以上4种类型的指标相关的前瞻性评估。换句话说，要前瞻性地关注在杠杆、收益多样性、管理水平以及欺诈风险方面的任何变化。但是，这类策略并不常见，因为这四类指标的变化都具有偶发性，并且关于资产质量的投资者信心，信息来源较少，这些都造成了很难去检测是否具有统计学上的显著性。近年来，信用违约互换市场的逐步发展成为关于投资信心信息的来源渠道。也有一些投资者使用隐含波动率来衡量投资信心，但是隐含波动率的上升可能有很多原因，例如市场走弱，对公司未来增长的预期降低，公司收益低于预期以及其他与公司资产质量无关的原因等。
3.2 数据驱动型

所使用的输入变量主要是交易相关的（绝大部分是价格数据），试图找出一些对未来具有解释能力的模式。这种策略有两个问题：
首先，研究人员必须决定用什么数据去建模。如果他所使用的数据和想要预测的东西根本没有联系或者联系甚微，他可能得到看似显著实际很荒谬的结果。例如，使用过去50年每天的月相去预测股市的价格。其次，如果研究人员使用所有被认为有助于进行市场预测的变量，那么算法所需要的计算量会大到无法实现
其次，仅仅根据数据挖掘算法设计的阿尔法模型，会让人觉得有些靠不住。如果输入变量中噪声信息过大，包含着很多错误的信号，会误导数据分析人员，干扰其判断。总之，尽管存在一些例外，仅使用数据挖掘技术去制定策略用于预测市场走向，通常并不可行。
所以，该策略仅仅是用来挖掘因子，有了大量的因子之后，再基于这些因子去设计股票价格预测之类的模型。这里的因子也可以理解为深度学习模型的输入特征。

期权匿名回答 · 2022-11-18 09:00:29

其实阿尔法只有趋势型有机会吧，其他都会有主观因素，后面几种都算价值投资了

什么是阿尔法策略？

1 个回复