瞭解下短期獲得3倍回報的無人區裏的博弈
· 舒時 | 文 關注秦朔朋友圈 ID：qspyq2015·
進入2020年9月，美股市場出現了一波不小的調整。在寫這篇文章的時候，很多朋友來問對於後市的看法：到底9月初以來的美股大幅調整，是一個機會，還是一個逃生的警告？
對於大部分散户來説，面對市場的波動，要麼是買入並持有，要麼就是清倉走人。但對沖基金經理不是這樣。
比如經常跟我打電話交流觀點的老M同學就和那些散户朋友不同，他經常想的是，如何在判斷失誤的時候，也能及時扭轉策略並賺到錢。
最近，金融科技和大數據技術的發展，可能讓對沖基金們有可能實現一些過往不敢想象的操作。比如老M介紹，他們根據IBM提供的技術，再充分利用自己手上的大量原始數據，可以創造出一種全新的量化投資方式。
這個賺錢方式需要對後市有判斷，但不一定需要你百分之百判斷正確。
這句話我很能理解。在這個市場上，預測後市和賺錢是兩回事。我們見過很多對市場走勢判斷正確，卻沒賺到錢、甚至虧了錢的人；也見過對整個市場出現了誤判，但是仍然賺到了大錢的人。
所以，像老M這樣有經驗的人，即便對自己預測後市的能力相當自負，也不敢賭上自己所有的籌碼。他們整天考慮的是，如何在不確定的市場中生存下來，並且賺到錢。
具體來説，他們希望，不管9月以來的美股調整是一個逢低吸入的機會，還是一個逃生的信號，他們的量化投資策略都能讓他們賺到錢。
有人會説，這似乎是不可能的任務。
但在現實中，隨着金融科技和大數據的發展，的確有對沖基金已經可以做到這一點。比如老M管理的幾個美股組合基金就是很好的例子，今年以來賺取超過3倍的回報。當然，他的做法相當複雜，不容易一兩句話解釋清楚，而且出於對朋友的誠信，我也不方便把他們的策略講解得太詳細。
這裏介紹一些簡化的策略解釋，比如大家可以把這種量化策略理解為：在正常的市場波動範圍內，可以用常規的量化交易代替個人情緒去賺取差價；但在常規量化交易策略的“無人區”，需要結合高性能的電腦速度，外加AI分析，以及個性化的判斷，去博取更大的收益。
這裏所説的“無人區”，是相對當前絕大多數的量化投資區域而言的。在典型的量化投資策略中，幾乎所有的基金經理都只針對價格波幅在均值上下兩個標準差以內的區間進行策略設計。在兩個標準差之外的價格波動區域，便會被理解為“無人區”，那裏通常被認為是賭徒或是傻瓜才會去交易的地方。
在“無人區”去獲取博弈機會，是意味着那些擁有較高金融科技水平的國際對沖基金正進入一個瘋狂冒險的領域，還是意味着量化投資進入一個全新的時代？在回答這一問題之前，我先介紹一些背景。
無人區並不是不存在交易的區域，而是比較不太受研究員推薦的區域。很多賣方研究員提供的估值走勢預測圖，也往往把超過均值兩個標準差水平的估值定義為“估值過高”，把估值低於均值兩個標準差水平的估值水平定義為“嚴重低估”。
這種利用估值波幅偏離均值的水平來判斷公司估值是否合理的做法，是一種被市場普遍接受的做法，當然，其前提假設是研究員對於基本面的分析是正確的。
這背後是大學裏統計學老師教學生的概念，假設一個價格的波動服從於正態分佈，那麼它在偏離平均值上下大約2個標準差的區域時，接下來會有極大的概率會向均值迴歸。
如果想要更精確一些的表述，就是説一個股票的價格波動如果服從正態分佈的話，那麼它有95%的概率都會在平均值上下1.96個標準差的區間內波動；反過來理解，價格升至均值上方1.96個標準差的位置的時候，有極大的概率會出現下跌，向均值迴歸。
幾乎可以肯定，未來幾十年，金融學課程的大學講師也不太會教育學生們去交易兩個標準差以外的區間——在業界也是如此，當價格上升或下跌至均值上下2個標準差左右的位置時，這正是那些常規量化投資交易員們最喜歡把握的時刻。
從這個角度去理解，如果有人想在股價均值水平兩個標準差之外的區域進行量化交易，會被認為是純屬“投機”的做法，是需要進行嚴格的風險控制的行為。
在香港，量化投資的基金經理也不會鼓勵交易員去交易2個標準差以外的區間。那些提出要去2個標準差之外區間博弈的交易員，估計早已被打入冷宮。
不過這兩年，用量化交易策略的基金經理發現，常規化的量化策略似乎越來越難以賺到大錢。
原因是什麼呢？市場的情況有了很大的變化，使得常規的量化投資越來越不容易賺到錢。
第一個重要的挑戰是，經過這麼多年的發展，AI算法已經嚴重趨同，它造成的後果是，由於在同一個算法下的競爭者太多，導致同一種算法下大家能獲得的回報越來越小。
第二個大的挑戰是，由於大家的算法開始趨同，所以更要搶在別人之前實現自己的交易策略，這導致現在的量化投資策略對於硬件的要求越來越高。可以想象，當市場上的大部分算法策略都認為應該加倉某個資產的時候，只有速度最快的那幾台機器才能把握住機會，最大程度賺到算法帶來的收益。
可是如果要頻頻抓住市場機會，就得比市場上的大多數人快一步，這也意味着你的計算機速度得保持在市場上前幾位的位置（如果不是最快的話）。
第三個挑戰是，由於太多機構採用了AI算法投資策略，而且其中不少算法是近似的，這會使得市場上的可交易的機會變得比以前更少，有時令交投急劇下跌，甚至導致無法維持在AI算法交易所需的交投水平。
自2016年以來，美股市場（其實港股市場也有非常類似的情況）經常出現波幅和交投量急劇下降的趨勢，這對算法交易提出了很大的挑戰。
老M説，他們這幾年開始重新思考機器和“人”的權重配置問題——因為交投下跌太嚴重，導致他們需要更有經驗的交易員來指導AI算法。
對於對沖基金經理來説，現在用AI算法策略，硬件上得配得起足夠的速度，但是更困難的問題是需要面對市場交投量太小的挑戰——你可能導致基金團隊的收益根本養不起這個策略。
這好比市場上時不時會有符合算法策略的信號出現，但是有可能是“閃電”盤，時間窗太短了，而且可成交的量太少，交易員看得到卻不一定撈得到。
除了上述困難，算法交易員還發現，自2016年特朗普上任以來，美股市場的黑天鵝事件發生的頻率變得有點高，而且市場在急劇波動的時候，其幅度也明顯比以前要大。
這些種種原因，導致“無人區”策略開始被提上台面，作為常規量化交易的補充。
2020年3月，市場的急劇動盪，導致出現了偏離股價負2個標準差以上的情況，而且出現了相當大的交易量。但如果看8月末的美股走勢，已經是2個正的標準差以外。類似今年的這種市場在短時間內出現如此巨大波幅的情況，正常機構是很少能抓住交易機會的。而且大部分傳統的機構投資者碰到如此之大的波幅，應該是止損走人。但那些採用無人區策略的對沖基金，瞄準的正是這樣的機會。
這種算法的理念不難理解。説穿了，就是利用最先進的計算機，去捕捉價格偏離均值水平兩個標準差以外的投資機會。
在業界，不少人會給交易員下達風控指令，規定股價在均值上下兩個標準差即須斬倉的策略。也就是説，即便交易員非常看好股票後市升幅，當股價跌到均值以下2個標準差位置時，必須止損走人；同樣，當做空一隻股票時，如果股價不斷上升，升至2個標準差的位置的時候，也通常需要止損走人。
但是如果採用的是無人區策略，往往基金經理要做好兩個標準差之外不止損的準備。傳統的風控經理會覺得這是很瘋狂的舉動，因為這簡直就是豪賭。
如果沒有大數據的支持，僅憑一腔熱血和一個發熱的頭腦，那就真的只是豪賭；但現在有了大數據的支持，就不是一般的“賭徒式豪賭”，是“帶AI算法的豪賭”。
這裏的大數據支持，就是通過平時的計算機信息收集，瞭解自己想操作的股票其淨倉位分佈情況，以及接下來可能的走勢。這些信息必須平時就要留意收集，而且要通過大量的AI計算洗清掉中間可能引發誤判的原始信息。
比如，在無人區，最難的是進場的位置。這也是最需要收集數據的工作之一，只有數據大體齊全，才能減少進場時的風險。
要大概確定進場位置，需要用到大量的計算，比如要計算每隻股票的交易量，它在交易席位的淨倉位分佈情況——這些數據必須得通過計算機記下來，並做好分析，給基金經理做趨勢逆轉時點的判斷。
隨後，基金經理需要在很短時間內決定，到底在什麼價格入場，方向是順市場趨勢，還是逆趨勢而佈局，以及具體的籌碼應該擺多少等問題。
通常只有交易所的參與會員或是做市商才有可能獲得每個交易席位的淨頭寸信息（還得通過龐大的數據清洗和算法統計）。所以這個遊戲根本不是一般的投資者可以玩得起的。
老M的公司購買了某個交易所參與會員的數據庫，據説下載的數據數以P（Peta）級計算（1P＝1024T容量）。
其次，在無人區要做好趨勢展望和逆趨勢事件發生的概率判斷。比如現在股價正處於均值以上兩個標準差上方，正常情況下，基金經理可能會選擇做空股價。但通過大數據，量化策略的研究員有可能會突然發現，價格雖然已經嚴重偏離均值了，但市場上持有好倉的頭寸仍然很高，而且動能十足。
這時候基金經理就要考慮：
第一，好倉的衝擊力量夠不夠再把股價突破上去？比如雖然股價已經在2個標準差上方，但是經過數據收集和對比，基金經理發現市場仍然是長倉居多，而且新入場的動能依然很高，這時候就要留意，可能並不需要馬上做空。
第二，還有速度的問題。這好比股價上升到一定地步，上方有可能會出現一點小阻礙。如果看多的力量很大，但卻要經常排隊等候其他投資人，只能慢慢地尋求衝破，這時候就有可能衝不破這個牆。但如果買方的力量足夠大，可以一舉突破上方的阻礙，可能價格還會變得更瘋狂。
這背後，最終的判斷結果都來自數學計算，而數學計算又是市場的信息收集結果。
已經有國際對沖基金採用無人區策略賺到了錢。老M近期也成功地採用了這種策略，據説回報相當驚人。自2月以來，這種策略令他抓住了每一次重大事件的市場拐點。
這套策略的成本不低。因為不論是交易所參與會員或是做市商，都有相當高的門檻。而在海外，使用IBM的AI基礎架構解決方案來給對沖基金服務，也需要不少的成本支出。
當然，這些成本相比今年2月以來賺取的回報，還是可以忽略的。老M的感觸是：“在以往的投資中，金錢是資本；但現在，資訊才是資本，金錢只不過是買張入場券而已。”
和大多數人的認知不同，在無人區做量化交易，其實還是離不開人。
這裏的算法交易有兩大組成部分：一部分是策略，另一部分是算法的數字化。但不論哪一種，最後都是要靠交易員對市場的感覺和判斷。因為在解決數據收集能力後，最難的是如何根據價格逆轉概率來配置後備系統。
舉例來説，如果對沖基金的設定是，在偏離均值上方2.1個標準差的位置進場做空股票。但萬一市場普遍認可某個公司的股價，股價已遠遠升破了2.1個標準差的位置，並開始向2.5個標準差的位置進發，這時候又該採取什麼策略，如何配置頭寸？
這些問題沒有標準答案！
但由於這個問題是如此重要，因此在決定何時入場這個問題上，並不能完全依靠機器，而是需要採取“AI+人工”的做法，即公司配置一個非常有經驗的老交易員，配合大數據帶來的投資分析結果，然後與AI一起進行資產配置。
老M在過去幾次較大的無人區戰略中，都是親自上場。因為在無人區交易本身就是高風險的，是完全反傳統的做法。正常情況下，沒有一家公司的風控官會批准這樣的交易。雖然説沒有風險，就不會有回報，但大部分正常的風控主管都會認為，高風險未必一定是高回報。所以，考慮再三，只能是他這個公司創辦人，也是全公司最老的交易員親自上陣。
從3月開始，他的公司就同時採用了兩套量化策略安排，一個是正常的量化投資，第二個是需要他個人進行判斷的“無人區”策略投資。
這頭寸的止損邏輯不同。常規的量化投資頭寸那部分組合，只要價格一到正常均值上下1.96個標準差的位置就會採取止損操作。但在無人區部分，當股價一達到2個標準差，就會馬上建倉，而且使用高槓杆進行博弈。
老M親自上陣，監督無人區的戰略，他的工作最主要體現在告訴機器，現在是不是一個正常的市場，是否可以採用正規量化投資。
這也很好理解，常規的量化投資應該是用於正常的市場行情。但是如果市場已經出現了非正常市場的特徵，就得要有非常有經驗的交易來告訴計算機：目前的市場是非正常的市場，得接受2個標準差之外的策略安排。
在現實的案例中，需要人工的地方還不少。上面説到，無人區策略本質上還是算法操作，但在算法中，究竟是用正態分佈還是偏態，概率分佈的尾部如何設置，包括偏態的峯值如何設置等，這都是需要結合公司已獲得的市場數據進行概率計算的問題。
進行此類交易的對沖基金大多采用IBM等高科技公司的技術，結合自己所持有的數據庫系統進行算法設計。
需要指出的是，儘管不止一家對沖基金希望在無人區獲得博弈成功，但真正成功的案例並不多。老M的公司也是經歷了多次的調整，才在今年創造了佳績。他們的研究團隊在幾年前就開始考慮這方面的算法理論，但由於技術和數據庫系統跟不上，因此一直停留在理論階段。
後來公司斥巨資購買了IMB的AI定製服務，並自建了數據庫系統，採用了特殊芯片和超大容量的服務器，才將無人區策略變成盈利工具。
“大部分對沖基金都做不了，不要説香港，連美國能採用這種策略的也是屈指可數。”他説，“因為這裏除了相當大的數據投入，還要有很資深的人曾經在這些區域做過交易。但是並不是很多人有這種經驗。”
擁有在股票市場均值兩個標準差之外的交易經驗，意味着這些資深的交易員至少經歷了不止一次的股市泡沫和股災，才能獲得這些“實戰”經驗。無人區策略的出現，説明AI還不能完全代替人類，“人”仍然是最重要的因素。
「 圖片 | 視覺中國 」
秦朔朋友圈id：qspyq2015 開白名單：duanyu_H