Three Types of Quant Trading
Introduction
CTA is probably the most hand-on strategy for trading among varieties of candidates.
What is Alpha?
Alpha means the ability of absolute return, that is the ability of exceeding the baseline, and the baseline is the major market performance.
Which ever future or equity we buy, we can simply have a measure between them a
Three Types of Alpha-based Strategy
-
A Type Alpha Strategy: Find good indicator
Most popular research method finance research paper. Restrictly seperate the selection of equity candidates and the timing for positioning.
1. MACD: exponetial smoothing (time dependent) +
Trend speed = (long-term trend - short-term trend)/time
This is not a equity selection, because this is an indicator of the price, not the indicator of the strength of trend for individual equity.
Major message: we need a rankable measurement between a bunch of equities.
2. 市值因子
3. 市净率因子 PB
Backtest：
When we fixed a specific factor, backtest is the method for validation:
1. candidate pool
2. positioning period （什么时候买）: 5/10/15/ days,
3. selection out of a rank list (买什么) : quantile into 4 sections, see which part in the ranking list is good for the selection
4. weight of each equity (Portfolio) （买多少）
5. calculate the value (tracking the price at each time epoch)
The procedure:
An example : Twitter factor.
Note that: The performance of a single factor is a marginal factor.
Multiple factors:
(1) Investment fundamental analysis
Sharpe ratio (SR) by day, information ratio (IR)
(2) Ability of prediction for a single factor (Robustness)
Correlation between factor of current period and the return in the next period.
可以用于Plot一个随时间变化等趋势，了解因子得分的半衰期
Machine Learning:
Advanced way to create the ranked list.
Use the current factor to predict next return.
This constructs a regression model.
Research Question:
Is this machine-learning-weighted factor better than the primal equally-weighted factors?
Under what condition it is better?
B Type Alpha Strategy: Find good portofolio
- Good for institutional investors. No indicator for equity selection. We first explain the return, the target is no the predict the return, the target is to explain the current market status. This explanation can be used for finding the optimal portfolio.
- The whole technique is based on, so-called smart-beta.
Trust one thing： return is explanable: 同期解释同期
Return is a linear function of risk explosure. = 风险溢价＋ 风险补偿
（1）Macro (Fama-French)
市值、估值都是风险：
－ 小市值股票意味着更大的破产风险，欺诈风险
－ 低估值也是风险因为分析师已经给出了对资产的负面评价（理性资产定价解释）
－ 盈利能力：
－ 投资风格：基金是风险
－ 动量：
factor是构造出来的，从而得到
这个不是横截面回归，是时间序列回归，针对每只股票估计beta的风险暴露。如果知道了每只股票的风险暴露，就可以计算投资组合的风险暴露，这一步是一个优化问题。
在未来的市场，我要优化的是一个单位风险收益率，让这个优化问题里风险＝0。
要点［对冲的思想］：寻找w_i，把所有的beta_i 优化成0，也就是说对于我没有看法的风险，对冲掉。
这个模型承认了自己的无知，但是拥抱它，把它优化成0。
所以我们不选股，就在最大的池子里，把组合优化成0。
高分红，低估值是近期A股市场上表现最好的因子。
（2）Fundamental （APT，APM， Active Portfolio Management）
要在横截面上先估计风险暴露，然后再做时间序列回归。
BARRA：经典模型，表达对风险的看法。
QTARME1: 量邦科技。
这个有点深度学习的味道。
（3）Simple B-type Alpha
均值－方差优化：给定收益，最小化投资组合风险，保证组合的市场风险暴露是1。
风险就是资产，做资产配置不如做风险配置。
对风险的配置就是对资产的配置。 by Bridgewater Investment
X Type Alpha Strategy:
- ad-hoc method for action, the most practical method for taking actions for individual investors.
- S1: 建仓日检查上证50成分股中均线金叉突破的股票，也是短线均线突破长期均线，将所有突破的股票等比例买入
- S2: 每天检查持仓股票，卖出死叉的股票，同时用闲置资金买入当天金叉的股票
不区分选股和择时。
In this article, we mainly focus on CTA strategy.
Note that, the majority of the current public quant trading platform fits for X-type Alpah strategy.
awk 命令的使用
awk／sed是贝尔实验室1977年搞出来的linux神器，但也是linux使用者必须知道的技巧之一。
可以完成的任务：
（1）提取某种输出的第1列和第4列
awk '{print $1, $4}' netstat.txt
（2）支持格式化输出
awk '{printf "%-8s %-8s %-8s %-18s %-22s %-15s\n",$1,$2,$3,$4,$5,$6}' netstat.txt
（3）按条件过滤纪录
awk '$3==0 && $6=="LISTEN" ' netstat.txt
awk ' $3>0 {print $0}' netstat.txt
（4）内建变量
| $0 | 当前记录（这个变量中存放着整个行的内容） |
| $1~$n | 当前记录的第n个字段，字段间由FS分隔 |
| FS | 输入字段分隔符 默认是空格或Tab |
| NF | 当前记录中的字段个数，就是有多少列 |
| NR | 已经读出的记录数，就是行号，从1开始，如果有多个文件话，这个值也是不断累加中。 |
| FNR | 当前记录数，与NR不同的是，这个值会是各个文件自己的行号 |
| RS | 输入的记录分隔符， 默认为换行符 |
| OFS | 输出字段分隔符， 默认也是空格 |
| ORS | 输出的记录分隔符，默认为换行符 |
| FILENAME | 当前输入文件的名字 |
在bash环境下一条龙服务：
起步上台－
脱掉外套：过滤纪录，内建变量，指定分隔符
脱掉衬衫：字符串匹配，拆分合并文件，统计
脱掉内衣：独立awk脚本，环境变量
几个花活：用pipeline组合高级功能，如：打印99乘数表
参考：
[1] bash 参数：
Bash Shell中命令行选项/参数处理 - Frank Tan - 博客园
[2] awk的使用
beat the market
最近因为准备实习的缘故，接触了很多有关证券市场的信息，人们在证券市场终极目标，就是beat the market。在证券市场，市场行为的随机性和波动性导致了它在微观尺度上的不可预测性。而放眼市场的宏观行为，只要信息收集足够充足，一个特定领域甚至一只股票在未来很长一段时间的走势还是可以预测的。
昨天看到新闻报导国内家电企业美的正式注资收购德国著名的KUKA机器人公司，KUKA公司以开发了世界上第一套可以打乒乓球的机械臂而著名，算是和自己的研究领域沾点边所以看到这个消息的时候会比较敏感。于是赶紧去翻了一下美的在沪深的股价，果不其然新闻头条就是美的昨日成交量创2017年新高，股价重回40元。今天又是开盘直接高走。
回头看过去一年的美的股价，涨幅近100%。
这应该算是证券市场fundamental analysis的一个非常好的例子。对于我个人来说，因为对技术以外内容没有特别的关注，所以美的收购KUKA的这件事情是突如其来的，也没有足够多的事实信息对美的乃至整个国内的家电企业眼下所面临的大变局做出准确判断。
事实上，这件事情对于业内人士来说，应该算是旧闻了，且看2016年5月来自腾讯的新闻
以及一年前来自百度知道没有什么信息量的一问一答。
于是定定神，又搜出一条新闻，讲外媒选出2016年沪深市场上最有潜力的几只股票里，美的就名列其中。
以上算是管中窥豹，阐述一下基本面分析的重要性。［鱼2017.6.20］
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
时隔两天，来做一下backtest，不出所料，今日美的股价大涨4.67%。［于2017.6.21］
－－－－－－－－－－－－－－－－－－－－－－－
反观同行业板块家电产业的另一个巨头格力，股价增长如出一辙。可以看到二者的相关性非常强，适用量化投资里统计套利pair trading的策略。
－－－－－－－－－－－－－－－－－－－－－－－
截止本周收盘，周四周五连续两天暴涨（4%和2%）股价再创历史新高［于2017.6.23周五收盘］
简单计算一下，美的股价近日从40元迅速攀升至44.5元的过程前后就是短短的5个交易日，而且这个趋势是通过行业动态识别出来的，可见基本面和事件驱动分析的重要性。
－－－－－－－－－－－－－－－－－－－－－－－
其实本来想说的是beat the market的事情，哪里有关系呢？
事实上市场本身有它内在的发展趋势，比如沪深股指，就是反映这种发展趋势的一种指标。一份事业，一个研究项目，一段感情，每一个选项都像一只股票，无关于我们最终把自己的时间和精力投入到哪一支股票，从整体上来看，它总要有一个波动的趋势。这个趋势就是market，是我们想要打败的东西。
无论做什么，在什么样的环境，成功的定义就是beat the market，主动去识别和承担风险，不随波逐流，不甘于眼前客观条件的限制，勇往直前追求自己想要的东西的一种思维和工作方式。
－－－－－－－－－－－－－－－－－－－－－－－
回想起实习面试的时候，Sales团队的两个日本人眼睛瞪的很大问我：看你的简历上面大概是2012年开始你就已经开始注意到机器学习这个技术了，我们都知道现在人工智能技术事非常火的topic，开始在我们身边有了各种各样的应用，那么你能够在那么早的时候就开始选择做这个方面的研究，我们觉得非常感兴趣，能不能谈一谈你当时的做这个决定的一些想法？
－ 其实我想我在面对美的这支股票的时候，也有和你们一样的疑惑。
Quant：量化投资
今天的任务是分析浦发银行和光大银行的股价，在进入正题之前，先追忆一下自己与Quant这个职业不算太久远的历史渊源。
－－－－－－
最早接触到量化投资是在读硕士的时候，作为纯工科背景非名校的学生，应该说能够接触到有关Quant的信息和圈子就是一种缘分。那个时候因为负责系里面学术论坛的组织，年轻有活力能够染手国内外第一手学术资源和讯息的秦老师就经常邀请他以前在国外时候认识的一些在自己领域事业有成的朋友来做讲座。作为系里面的负责人，这个讲座除了邀请嘉宾和当日接待的部分由邀请的老师来做，其他的部分从场地的安排、海报宣传、到当日的组织都由我来统筹负责。
也是机缘巧合，其中一次的讲座是由秦老师以前在牛津统计系的朋友，现在JPMorgan北京投资分部做Quant的张博士来讲的金融数据分析主题。那已经是5年前，应该说那个时候是互联网行业风华正茂的阶段，因此国内计算机行业里雄心勃勃的年轻人多数都选择进入了BAT这样的企业，而Finance相关的互联网金融在国内的风还没有挂起来，因此这个有关Quant的主题在当时看来让大家觉得有些遥远、陌生。
讲座完毕，秦老师很热心的叫我和他的得意门生于静一起，跟张博士一起简单吃了个饭，叙了叙旧聊了聊家常。很多聊天的细节已经记不太清楚了，只记得地点是在北航校园里还算拿得出手的雕刻时光咖啡厅（那里也曾经作为《失恋三十三天》的取景地一度爆红网络），只记得那段时间正是他的牛津校友薄瓜瓜被炒在风口浪尖的时候，所以自然而然就八卦了一下这个人在牛津的见闻，以及讲到当时非常傲人的40多万年薪（5年后的今天，应届生40多万的年薪应该说已经是比较正常的数字了，但在2012年这个数字在国内的任何行业都应该算是凤毛麟角）。对于投资银行的Quant团队来说，成员的高学历背景自不必说，从专业来看，基本上是计算机、物理、统计三分天下。表面上说，一位实习生在那里实习几个月的薪水，基本上可以用来买一辆便宜的轿车，非常有诱惑力；而实际上，IB对人才的筛选相当苛刻，曾经放出过的一个intern职位，收到了1000+的建简历，挑出100个电话面试，20个得到了onsite的机会，最终没有一个获得offer。
－－－－－－
那么言归正传，来说一说如何做一个简单的Quant分析：分析两支股票的股价相关性。
得到光大银行和广发银行在2016年一整年所有开盘日的收盘价的相关性图
从中可以比较直观地看到，这两支股票的收盘股价之间存在比较强的相关性，理论上可以通过配对交易的设计而获利。
至于配对交易（pair trading）这个专业名词，是另一个问题了，知乎上有高质量的讨论：
配对交易（pair trading）现在还有人做吗？具体是怎么操作的？ - 知乎
困った
今月いっぱいで、閉店させていただきます。
１ ええ、結構気に入ってたのに。
２ じゃあ、来月来ますね。
３ へえ、たくさんできるんですね。
奥野桑的午餐
ON桑是认识很久的老朋友了。最初是在两年前MLSS的一次已经不记得怎么被拉入的聚会上认识的，那时候我刚入学一切都是崭新的未知的充满神秘感的，而他也刚刚决定将要进学博士课程，开始对自己的未来有了比较明确的规划。能够从言行举止中感受到他是非常认真的一个人，但互相之间的交集不多，也没有能够想到现在还能有这么多的交集。
两年前MLSS的那帮人后来大家还是会见面，一般来说都是ON桑、TG桑和一个当时还是学部三年级现在已经是修士一年级的女孩子。然而随着奥野桑的老师转职来到了我们学校，也就经常能够有机会在校园里见到了。
与ON桑的聊天里总能够感受到与普通日本学生不同的那种aggressive的行事风格，不刻意保持低调的那种自我和对美好事物的无止尽追求。前段时间也会觉得自己变得不像以前在国内的时候那么aggressive了，日本是个已经经历过经济高速成长和泡沫的国家，各方面都比较安逸，自己的精神也慢慢地被这样子的糖衣炮弹所侵蚀着吧。
言归正传，我喜欢做事情认真的人，虽然自己与生具来没有那样的特质，但希望有一天能够成为那样的人。
沧海一粟的伟大之处，不在于成为顺境里万众瞩目的高岭之花，而在于逆流而上的价值创造，愿野蛮生长的你，成为那株荒原里绽放的野百合。
