淺談算法交易的演變

---前言---

經常會在社區中被問到算法交易到底是什么，我自己其實一開始也不知道如何去解釋清楚，趁著放假做了一些調查總結，順手寫了這么一篇入門科普級別的文章，希望對大家理解有所幫助罷。

---前言---

算法交易的演變

所有人都在尋找投資中的圣杯（holy grail）,但是用什么樣的方法可以更準確地找到“圣杯”呢？我們也一起來看看算法交易的演變吧：

讀圖

算 法交易始于讀各種市場交易數據圖，不出意外不論歐美還是亞太地區市場都是始于這里 - 讀圖高手們從價格的歷史圖形中尋找某種規律。這些圖形規律總是被冠以“藝術”的名稱，像是K線圖中的“陽線”、“陰線”、“十字星”、"morning star"、"head and shoulders"(可不是中國特色，歐美這些術語也是很多的)等。讀圖看起來更像是看手相，而我們總是會質疑 - similarities don't end with appearances。

讀曲線圖更像是嘗試從股票的歷史價格中尋求市場上的買、賣的平衡點。從這點來看，讀圖在也在尋找著預測價格的可能性。讀圖非常常見，以至于某些事件發生之后會引起市場參與者的反應，可能也是因為很多參與者都從股票價格圖中看到了同樣的“含義”。

在亞洲，有傳聞技術分析是由[Homma Munehisa][3]在18世紀使用蠟燭圖開始使用的，而Homma Munehisa本人其實是一位大米商人，而蠟燭圖至今也是一個非常常用和出名的技術圖表。

可以看到早期的技術分析都是分析圖表，這是因為那個時候缺乏計算機對數據進行更深入的分析。

技術分析

伴 隨著計算機技術的進步，技術分析也越來越復雜，讀圖也替換成了編程實現的算法。這些算法有著聽上去更科學的名字，比如：移動平均(moving average)、成交量加權移動平均（volume weighted moving average）、bollinger bands、相對強弱指標（relative strength indicator）、pearson's correlation coefficient。的確，構建技術分析的算法看上去很像是現代的統計方法。不過，技術分析將算法應用在同樣的概念中：從歷史的數據中推導出未來行 為。除了難度更大外，技術分析可以從歷史數據中測試他們的算法。雖然并不完美，但是相比讀圖這已經是一個不小的進步了。

相當多的人都在質疑使用歷史數據來推斷出未來行為的技術分析的**正確性**。不過我們更想指出的是，讀圖和技術分析都有一個局限：都想“孤立地”預測出**單個股票**的走勢。這個局限既有好處也有壞處:

一方面來看，對于復雜的統計和機器學習來看，技術分析幾乎沒有空間改進了：因為你只有一條時間序列的數據線，而你還需要用它來既做信號又要來做你預測的目標。

另 一方面，由于技術分析的比較直觀，非常易于上手和學習自動化交易。通常來說，從時間序列的數據到如何產生信號買、賣之間存在一條理解上的鴻溝，而用技術分 析來上手可以幫助你理解自動化交易，從而得到這塊思想上的進步。因為技術分析產生的交易信號都比較好理解，也便于初步理解風險控制、評判收益和訂單管理 (order management)。比如：價格高于30天的均線是很容易被理解和想象出來的。因此，你可以集中你的精力在金融和交易問題上。

統計套利

和技術分析類似，統計套利也非常依賴于算法、數據和統計，但是他們有最明顯的區別：“統計套利”在尋找多個股票之間的關系。面臨的挑戰和困難主要在兩方面：

* 如何具體化這些關系會非常復雜，因為這些關系可能會是高維度的。

* 數據處理和計算是海量的 - 以美股為例，對所有股票做簡單的線性回歸需要做三千二百萬次單獨的回歸計算。假設是10天的窗口來看的話，需要做3億2千萬次單獨的回歸計算。

開始編寫、回測和交易一個統計套利策略需要足夠的微觀交易、統計學和扎實的計算機編程背景。

并且當統計套利逐步成熟以后，發掘可行的統計套利策略需要做兩方面的競爭：

1. 用更快的速度落單

2. 找到新的方法來通過市場數據發現相關性

1的方法是在追求高頻交易的極致速度，但是除了提供一定可能的流動性以外，高頻交易并沒有給整個社會帶來過多的好處。

而我們相信通過新的方法找到相關性可以找到更低相關性和更低風險的投資方法。

算法交易和它的未來

華爾街和金融機構的文化一直是誕生于信息的閉塞與不公開，保持秘密也是金融行業的常態。世界正在變化 - 如今很多信息都在趨于免費。但是新的閉塞是人才：那些有天分能從數據中挖掘出真相的人才，興許這批數據科學家、quants、工程師可以挖掘出更有意思的算法。

當新的投資方法被發現之后，可能利用新的非市場數據的數據源，比如新聞事件、推ter、雪球等，也有可能是完全新的從未聽過的某種思想。

[3]: https://en.wikipedia.org/wiki/Homma_Munehisa

來自： http://zhuanlan.zhihu.com/ricequant/20250478