文档介绍：程序化交易
文華財經
Ⅰ
程序化交易的概念
Ⅱ
程序化交易的现状
Ⅲ
程序化交易的应用
Ⅳ
程序化交易对市场的影响
Ⅴ
程序化交易的风险管理
课程内容
国外
量化投资:利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。
量化投资主要内容:量化选股、量化择时、套利交易、算法交易、资产配置。
量化投资的优势:纪律性、系统性、及时性、准确性、分散化
程序化交易的概念
国内
程序化交易:一个交易的概念,让电脑去执行交易思想,自动下单;一个研究的概念,基于丰富历史数据,通过回测的方法,验证和改进交易策略。
程序化交易的主要内容:策略模型、效果测试、算法交易、资金管理。
程序化交易的优势:提高执行力、提高下单速度、增加同时交易品种的数量
程序化交易的概念
Ⅰ
Ⅱ
程序化交易的概念
Ⅲ
程序化交易的应用
Ⅳ
程序化交易对市场的影响
Ⅴ
程序化交易的风险管理
程序化交易的现状
课程内容
20世纪50~60年代
Markowitz(1952) 建立的均值-方差模型,第一次把数量工具引入金融研究。
Shaper(1964)、Litner(1965)、Mossin(1966)导出了资本资产定价模型(CAMP),是度量证券风险的基本量化模型。
Samuelson(1965)与Fama(1965)的有效市场假说(EMH),意味着在信息通畅的资本市场中,任何用历史价格及其他信息来预测证券价格的行为都是徒劳。
量化投资的发展历史
20世纪70~80年代
Black和Scholes建立了期权定价模型,实现了金融理论的又一大突破。
Ross(1976)建立了套利定价理论(APT),多因素定价模型就是APT理论的最典型的代表。
20世纪80~90年代
20世纪80年代,现金融创新进入鼎盛时期。金融理论的一个新概念——“金融工程”诞生了。于此同时,华尔街涌现出了一股新生力量“宽客”(Quant).
20世纪90年代风险管理成为金融机构管理的中心论题。VaR风险管理数学模型和RiskMetrics风险矩阵成为最重要的金融风险管理方法之一。
同时,在这一时期形成了另一具有重要影响力的学术流派——行为金融学。
量化投资的发展历史
20世纪90年代末至今
20世纪末,非线性的研究方法和理论在金融理论及其实践上的运用,极大地丰富了金融科学量化手段和方法论的研究。如:遗传算法、决策树、神经网路和其他非线性回归方法等建立模型。
非线性科学的研究方法和理论,为人们进一步探索金融科学数量化的发展,提供了最有力的研究武器。
量化投资的发展历史
海外量化基金规模发展
1988——2008年期间成立的量化基金数目
随着证券市场的不断发展,证券数目的增加、衍生产品出现及新业务的推出,基金要想战胜指数的难度也不断增加,量化投资将发挥越来越重要的作用。
根据Bloomberg的统计:截至2008年11月4日,1184只量化基金管理的总资产高达1848亿美金,相比1988年21只量化基金管理的80亿美元资产来说,年均增长速度高达20%。而同期非量化基金的年增长速度仅为8%。
海外量化基金发展现状
在我国资本市场,基本面和技术面的研究占据市场的主流地位,然而国内市场非有效性,使得量化投资策略正好可以发挥其优点而捕获国内市场的各种投资机会。
多策略
组合应用
数据挖掘
全自动/半自动执行策略指令
指标变买卖信号
量化投资在国内的现状
国内程序化交易处于初级阶段