了解下短期获得3倍回报的无人区里的博弈
· 舒时 | 文 关注秦朔朋友圈 ID：qspyq2015·
进入2020年9月，美股市场出现了一波不小的调整。在写这篇文章的时候，很多朋友来问对于后市的看法：到底9月初以来的美股大幅调整，是一个机会，还是一个逃生的警告？
对于大部分散户来说，面对市场的波动，要么是买入并持有，要么就是清仓走人。但对冲基金经理不是这样。
比如经常跟我打电话交流观点的老M同学就和那些散户朋友不同，他经常想的是，如何在判断失误的时候，也能及时扭转策略并赚到钱。
最近，金融科技和大数据技术的发展，可能让对冲基金们有可能实现一些过往不敢想象的操作。比如老M介绍，他们根据IBM提供的技术，再充分利用自己手上的大量原始数据，可以创造出一种全新的量化投资方式。
这个赚钱方式需要对后市有判断，但不一定需要你百分之百判断正确。
这句话我很能理解。在这个市场上，预测后市和赚钱是两回事。我们见过很多对市场走势判断正确，却没赚到钱、甚至亏了钱的人；也见过对整个市场出现了误判，但是仍然赚到了大钱的人。
所以，像老M这样有经验的人，即便对自己预测后市的能力相当自负，也不敢赌上自己所有的筹码。他们整天考虑的是，如何在不确定的市场中生存下来，并且赚到钱。
具体来说，他们希望，不管9月以来的美股调整是一个逢低吸入的机会，还是一个逃生的信号，他们的量化投资策略都能让他们赚到钱。
有人会说，这似乎是不可能的任务。
但在现实中，随着金融科技和大数据的发展，的确有对冲基金已经可以做到这一点。比如老M管理的几个美股组合基金就是很好的例子，今年以来赚取超过3倍的回报。当然，他的做法相当复杂，不容易一两句话解释清楚，而且出于对朋友的诚信，我也不方便把他们的策略讲解得太详细。
这里介绍一些简化的策略解释，比如大家可以把这种量化策略理解为：在正常的市场波动范围内，可以用常规的量化交易代替个人情绪去赚取差价；但在常规量化交易策略的“无人区”，需要结合高性能的电脑速度，外加AI分析，以及个性化的判断，去博取更大的收益。
这里所说的“无人区”，是相对当前绝大多数的量化投资区域而言的。在典型的量化投资策略中，几乎所有的基金经理都只针对价格波幅在均值上下两个标准差以内的区间进行策略设计。在两个标准差之外的价格波动区域，便会被理解为“无人区”，那里通常被认为是赌徒或是傻瓜才会去交易的地方。
在“无人区”去获取博弈机会，是意味着那些拥有较高金融科技水平的国际对冲基金正进入一个疯狂冒险的领域，还是意味着量化投资进入一个全新的时代？在回答这一问题之前，我先介绍一些背景。
无人区并不是不存在交易的区域，而是比较不太受研究员推荐的区域。很多卖方研究员提供的估值走势预测图，也往往把超过均值两个标准差水平的估值定义为“估值过高”，把估值低于均值两个标准差水平的估值水平定义为“严重低估”。
这种利用估值波幅偏离均值的水平来判断公司估值是否合理的做法，是一种被市场普遍接受的做法，当然，其前提假设是研究员对于基本面的分析是正确的。
这背后是大学里统计学老师教学生的概念，假设一个价格的波动服从于正态分布，那么它在偏离平均值上下大约2个标准差的区域时，接下来会有极大的概率会向均值回归。
如果想要更精确一些的表述，就是说一个股票的价格波动如果服从正态分布的话，那么它有95%的概率都会在平均值上下1.96个标准差的区间内波动；反过来理解，价格升至均值上方1.96个标准差的位置的时候，有极大的概率会出现下跌，向均值回归。
几乎可以肯定，未来几十年，金融学课程的大学讲师也不太会教育学生们去交易两个标准差以外的区间——在业界也是如此，当价格上升或下跌至均值上下2个标准差左右的位置时，这正是那些常规量化投资交易员们最喜欢把握的时刻。
从这个角度去理解，如果有人想在股价均值水平两个标准差之外的区域进行量化交易，会被认为是纯属“投机”的做法，是需要进行严格的风险控制的行为。
在香港，量化投资的基金经理也不会鼓励交易员去交易2个标准差以外的区间。那些提出要去2个标准差之外区间博弈的交易员，估计早已被打入冷宫。
不过这两年，用量化交易策略的基金经理发现，常规化的量化策略似乎越来越难以赚到大钱。
原因是什么呢？市场的情况有了很大的变化，使得常规的量化投资越来越不容易赚到钱。
第一个重要的挑战是，经过这么多年的发展，AI算法已经严重趋同，它造成的后果是，由于在同一个算法下的竞争者太多，导致同一种算法下大家能获得的回报越来越小。
第二个大的挑战是，由于大家的算法开始趋同，所以更要抢在别人之前实现自己的交易策略，这导致现在的量化投资策略对于硬件的要求越来越高。可以想象，当市场上的大部分算法策略都认为应该加仓某个资产的时候，只有速度最快的那几台机器才能把握住机会，最大程度赚到算法带来的收益。
可是如果要频频抓住市场机会，就得比市场上的大多数人快一步，这也意味着你的计算机速度得保持在市场上前几位的位置（如果不是最快的话）。
第三个挑战是，由于太多机构采用了AI算法投资策略，而且其中不少算法是近似的，这会使得市场上的可交易的机会变得比以前更少，有时令交投急剧下跌，甚至导致无法维持在AI算法交易所需的交投水平。
自2016年以来，美股市场（其实港股市场也有非常类似的情况）经常出现波幅和交投量急剧下降的趋势，这对算法交易提出了很大的挑战。
老M说，他们这几年开始重新思考机器和“人”的权重配置问题——因为交投下跌太严重，导致他们需要更有经验的交易员来指导AI算法。
对于对冲基金经理来说，现在用AI算法策略，硬件上得配得起足够的速度，但是更困难的问题是需要面对市场交投量太小的挑战——你可能导致基金团队的收益根本养不起这个策略。
这好比市场上时不时会有符合算法策略的信号出现，但是有可能是“闪电”盘，时间窗太短了，而且可成交的量太少，交易员看得到却不一定捞得到。
除了上述困难，算法交易员还发现，自2016年特朗普上任以来，美股市场的黑天鹅事件发生的频率变得有点高，而且市场在急剧波动的时候，其幅度也明显比以前要大。
这些种种原因，导致“无人区”策略开始被提上台面，作为常规量化交易的补充。
2020年3月，市场的急剧动荡，导致出现了偏离股价负2个标准差以上的情况，而且出现了相当大的交易量。但如果看8月末的美股走势，已经是2个正的标准差以外。类似今年的这种市场在短时间内出现如此巨大波幅的情况，正常机构是很少能抓住交易机会的。而且大部分传统的机构投资者碰到如此之大的波幅，应该是止损走人。但那些采用无人区策略的对冲基金，瞄准的正是这样的机会。
这种算法的理念不难理解。说穿了，就是利用最先进的计算机，去捕捉价格偏离均值水平两个标准差以外的投资机会。
在业界，不少人会给交易员下达风控指令，规定股价在均值上下两个标准差即须斩仓的策略。也就是说，即便交易员非常看好股票后市升幅，当股价跌到均值以下2个标准差位置时，必须止损走人；同样，当做空一只股票时，如果股价不断上升，升至2个标准差的位置的时候，也通常需要止损走人。
但是如果采用的是无人区策略，往往基金经理要做好两个标准差之外不止损的准备。传统的风控经理会觉得这是很疯狂的举动，因为这简直就是豪赌。
如果没有大数据的支持，仅凭一腔热血和一个发热的头脑，那就真的只是豪赌；但现在有了大数据的支持，就不是一般的“赌徒式豪赌”，是“带AI算法的豪赌”。
这里的大数据支持，就是通过平时的计算机信息收集，了解自己想操作的股票其净仓位分布情况，以及接下来可能的走势。这些信息必须平时就要留意收集，而且要通过大量的AI计算洗清掉中间可能引发误判的原始信息。
比如，在无人区，最难的是进场的位置。这也是最需要收集数据的工作之一，只有数据大体齐全，才能减少进场时的风险。
要大概确定进场位置，需要用到大量的计算，比如要计算每只股票的交易量，它在交易席位的净仓位分布情况——这些数据必须得通过计算机记下来，并做好分析，给基金经理做趋势逆转时点的判断。
随后，基金经理需要在很短时间内决定，到底在什么价格入场，方向是顺市场趋势，还是逆趋势而布局，以及具体的筹码应该摆多少等问题。
通常只有交易所的参与会员或是做市商才有可能获得每个交易席位的净头寸信息（还得通过庞大的数据清洗和算法统计）。所以这个游戏根本不是一般的投资者可以玩得起的。
老M的公司购买了某个交易所参与会员的数据库，据说下载的数据数以P（Peta）级计算（1P＝1024T容量）。
其次，在无人区要做好趋势展望和逆趋势事件发生的概率判断。比如现在股价正处于均值以上两个标准差上方，正常情况下，基金经理可能会选择做空股价。但通过大数据，量化策略的研究员有可能会突然发现，价格虽然已经严重偏离均值了，但市场上持有好仓的头寸仍然很高，而且动能十足。
这时候基金经理就要考虑：
第一，好仓的冲击力量够不够再把股价突破上去？比如虽然股价已经在2个标准差上方，但是经过数据收集和对比，基金经理发现市场仍然是长仓居多，而且新入场的动能依然很高，这时候就要留意，可能并不需要马上做空。
第二，还有速度的问题。这好比股价上升到一定地步，上方有可能会出现一点小阻碍。如果看多的力量很大，但却要经常排队等候其他投资人，只能慢慢地寻求冲破，这时候就有可能冲不破这个墙。但如果买方的力量足够大，可以一举突破上方的阻碍，可能价格还会变得更疯狂。
这背后，最终的判断结果都来自数学计算，而数学计算又是市场的信息收集结果。
已经有国际对冲基金采用无人区策略赚到了钱。老M近期也成功地采用了这种策略，据说回报相当惊人。自2月以来，这种策略令他抓住了每一次重大事件的市场拐点。
这套策略的成本不低。因为不论是交易所参与会员或是做市商，都有相当高的门槛。而在海外，使用IBM的AI基础架构解决方案来给对冲基金服务，也需要不少的成本支出。
当然，这些成本相比今年2月以来赚取的回报，还是可以忽略的。老M的感触是：“在以往的投资中，金钱是资本；但现在，资讯才是资本，金钱只不过是买张入场券而已。”
和大多数人的认知不同，在无人区做量化交易，其实还是离不开人。
这里的算法交易有两大组成部分：一部分是策略，另一部分是算法的数字化。但不论哪一种，最后都是要靠交易员对市场的感觉和判断。因为在解决数据收集能力后，最难的是如何根据价格逆转概率来配置后备系统。
举例来说，如果对冲基金的设定是，在偏离均值上方2.1个标准差的位置进场做空股票。但万一市场普遍认可某个公司的股价，股价已远远升破了2.1个标准差的位置，并开始向2.5个标准差的位置进发，这时候又该采取什么策略，如何配置头寸？
这些问题没有标准答案！
但由于这个问题是如此重要，因此在决定何时入场这个问题上，并不能完全依靠机器，而是需要采取“AI+人工”的做法，即公司配置一个非常有经验的老交易员，配合大数据带来的投资分析结果，然后与AI一起进行资产配置。
老M在过去几次较大的无人区战略中，都是亲自上场。因为在无人区交易本身就是高风险的，是完全反传统的做法。正常情况下，没有一家公司的风控官会批准这样的交易。虽然说没有风险，就不会有回报，但大部分正常的风控主管都会认为，高风险未必一定是高回报。所以，考虑再三，只能是他这个公司创办人，也是全公司最老的交易员亲自上阵。
从3月开始，他的公司就同时采用了两套量化策略安排，一个是正常的量化投资，第二个是需要他个人进行判断的“无人区”策略投资。
这头寸的止损逻辑不同。常规的量化投资头寸那部分组合，只要价格一到正常均值上下1.96个标准差的位置就会采取止损操作。但在无人区部分，当股价一达到2个标准差，就会马上建仓，而且使用高杠杆进行博弈。
老M亲自上阵，监督无人区的战略，他的工作最主要体现在告诉机器，现在是不是一个正常的市场，是否可以采用正规量化投资。
这也很好理解，常规的量化投资应该是用于正常的市场行情。但是如果市场已经出现了非正常市场的特征，就得要有非常有经验的交易来告诉计算机：目前的市场是非正常的市场，得接受2个标准差之外的策略安排。
在现实的案例中，需要人工的地方还不少。上面说到，无人区策略本质上还是算法操作，但在算法中，究竟是用正态分布还是偏态，概率分布的尾部如何设置，包括偏态的峰值如何设置等，这都是需要结合公司已获得的市场数据进行概率计算的问题。
进行此类交易的对冲基金大多采用IBM等高科技公司的技术，结合自己所持有的数据库系统进行算法设计。
需要指出的是，尽管不止一家对冲基金希望在无人区获得博弈成功，但真正成功的案例并不多。老M的公司也是经历了多次的调整，才在今年创造了佳绩。他们的研究团队在几年前就开始考虑这方面的算法理论，但由于技术和数据库系统跟不上，因此一直停留在理论阶段。
后来公司斥巨资购买了IMB的AI定制服务，并自建了数据库系统，采用了特殊芯片和超大容量的服务器，才将无人区策略变成盈利工具。
“大部分对冲基金都做不了，不要说香港，连美国能采用这种策略的也是屈指可数。”他说，“因为这里除了相当大的数据投入，还要有很资深的人曾经在这些区域做过交易。但是并不是很多人有这种经验。”
拥有在股票市场均值两个标准差之外的交易经验，意味着这些资深的交易员至少经历了不止一次的股市泡沫和股灾，才能获得这些“实战”经验。无人区策略的出现，说明AI还不能完全代替人类，“人”仍然是最重要的因素。
「 图片 | 视觉中国 」
秦朔朋友圈id：qspyq2015 开白名单：duanyu_H