在量化交易方面，美国究竟比中国领先多久？

龙听

量化投资领域，中国不仅是本行业的技术储备不如欧美，而且实际上，量化交易经常运用各行各业的最先进科学模型来开发策略（eg. FBI用的人脸识别模型，NASA的空间物理模型、地质勘探的地心引力模型等)。这为量化交易提供支持的整个泛行业科研科技储备也落后于欧美。曾面试中国量化交易基金经理，感觉在本土化上具备很强优势，但研究水平和视野开阔度，比起外资同行还是稍逊一筹，这不光是能力问题，更多是技术环境问题。和其它交易策略不一样，量化交易不是纯粹靠交易天分市场直觉（但很重要，常能激发策略灵感）、而是很大程度靠科学研发能力（large scale research) 和技术水平（hardcore technologies）。

　　谈到这里，就简单说下量化交易的策略研发方法。

第一类，传统策略量化。很久前，交易员们就开始做趋势策略、反转策略、剥头皮策略、造市策略等各种不同风格的策略，只不过那时是手工操作，或者半自动化。随着市场发展技术成熟，量化交易把这些策略的研发和执行自动化了，从而提高了研发效率和水平、降低了交易成本，较大程度的排除了人的不稳定因素。这类交易，可以说是利用技术来提高原有策略的研发和执行，并在交易频率和规模有了变化，但本质上并不算崭新的策略类别，以前赚钱策略的也许能赚的多一些，亏钱的策略，量化也不能把他变成赚钱，这就是「思路错了量化也救不了你」。

第二类，科学技术驱动策略。是纯粹或很大程度上基于技术(technologies)差别的策略。这类也有一定历史，但真正变成一个庞大引入注目的策略类别，则是近10年计算机技术的飞速发展过程中产生的。常见的情形是，某机构因为采用的算法效率更高，计算机硬件更强大（超级计算机），产生了细微的速度和计算优势，从而在交易上抢的先机，并运用自动化交易频繁交易大量产品，用巨大的交易量产生稳定的收益。这类策略，IT技术和科学模型起了很关键的作用。这就是「技术就是你的思路」。

较早开始高频交易的Tradebot 是这类策略的典型运用者，在2002年就达到了每天一亿个订单，差不多在那个时候很多传统做市商被Tradebot 和 Getco 这样的新型电子做市商挤出市场，后来Tradebot 和 Getco 一路用技术碾压其它电子做市商竞争对手。在2005年, Tradebot 剥离了 BATS Global Markets，也就是现在美国第三大股票市场BATS。而1999年Tradebot 刚成立时，工作室地点是美国农村Kansas City的一间小地下室，里面阴暗潮湿，只有5个交易员坐在电脑屏幕前监控交易，那时每台电脑上都配备了一套叫着“Tradebot”的软件。而Getco 对策略的运用更广，野心更大。2012年，也是老牌做市商的 Knight 因技术故障，向纽交所发送大量错误order，导致公司巨亏4.4亿美元，股价两个交易日暴跌七成，被Getco以18亿美元价格收购。
　　人们常对西蒙斯文艺复兴的大奖章基金长期持续的高回报印象深刻，而实际上不太为媒体所知的是 Tradebot 常年保持每天（而不是每月或每年）盈利，not even one single losing day，原因是文艺复兴有很多新基金要向外部投资者融资（赚钱的大奖章很早停止了外部融资，而实际新基金表现比大奖章差很多），需要做一定程度的IR，而 Tradebot 不对外部投资者开放，自己低调赚钱，这也是HFT很普遍的特点。 如果不是市场几次出现大动荡，HFT被揪出来当替罪羊，媒体口诛笔伐，基本是没有多少人知道这个低调的类别。

第三类，新型量化策略。则是得益于计算机技术的发展，慢慢发展起来的策略，它不完全是基于执行的技术优势，更多是利用技术研发出新策略。例如统计套利，需要较多计算机计算资源进行数据挖掘模式识别，这在以前仅仅靠人力是难以胜任的，IT技术的发展和成本的降低使得这些策略的研发得以可行。这就是「技术产生新策略」。

量化投资这个行业的科技含量之高，使得它不仅招聘了大量数学博士、物理博士、计算机博士来利用其它学科的最先进技术和科学模型，同时不少研发出的模型和促进的技术进步，也反哺其它传统行业。最明显的是显卡和GPU的飞速发展，一定程度上是受到高频交易对巨大计算能力需求推动的。世界上有很大一部分超级计算机，除了呆在物理实验室，还在对冲基金里。

我们究竟落后在什么地方呢？
1， 交易市场的落后：包括交易品种、交易的微观数据、交易市场的不完善，具体举例来说，交易品种我们连期权还没有；交易的微观数据国外交易所是可以达到分笔的级别，而我们是每0.5秒撮合完成后截面推送；交易市场本身是垄断行业，除上海深圳股票交易所以及四家期货交易所外没有二级市场交易所，而且交易所间交易品种相互独立，不存在竞争性；同时杠杆交易、做空等等交易机制也非常不完善；更不要提市场本身存在着的内幕交易行为。导致的直接后果是很多量化的思路根本无法实现。

2，交易理念的落后：大多数量化交易人员的思路还是K线如何走出形态后追趋势的阶段，本质上来说，还是处于用量化方法驱动主观交易逻辑的层次，量化的意义只是让交易更客观、更少受到人为影响；真正的用较大算法难度的统计模型驱动的高等级策略市场上其实很少很少，大多都是国外回来的团队在操作。

3， 交易经验的不足：国内量化交易的起点可以视为股指期货的上市，现在量化交易的主要阵地也是这里。但股指期货只有短短不到4年的时间，本身样本也太少了。。



作者：量化投资Quant
链接：https://xueqiu.com/5256769224/79674815
来源：雪球
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。