私募工场，基金经理潜修之地
关于私募工场
转载请联系客服，了解转载方式
（一）量化在债券估值定价方面的应用
估值定价方面量化的应用，首先是拟和利率曲线，可以使用splines等方法, tensionsplines不错，固定了两个端点的振动；其次是构建利率曲线，包括cir, bdt，libor mkt model等等，有equilibrium model 也有market model。但不管是equilibrium还是market模型，最后用在trader上，trader都是当尺子用的，主要是算风险，风险对债券还是比较重要的。利率模型中应小心使用古典模型（bk等），泛函马尔可夫模型还不错，模拟快。sabr模型仅用于波动性模拟，已通过流形上热核展开把它推广到很一般的情况，包括房贷中tba期权部，现在还有人在研究此模型。量化在股票和债券之间的最大区别是，对股票来说，增长的预期无法定量，但债券的现金流是固定的，怎么把现金流折现，这些量化的曲线的构成怎么去算可能对价格影响会更大，人为的前提假设次要一些。相对来说，trader好像不太在意cir这种均衡模型。
（二）量化在债券风险管理中的应用
用量化算风险，最简单的就是久期，国外的公司会算很多久期，常用的包括two term的2/10年termduration，和 10/30年的，然后还有一系列的keyrate duration，从1年到30年，大概有十几个。在curve风险这块，一般是用2年和10年，把2年和10年的slope加大1bp或者减少1bp，看他的风险多大。但国内公司复杂点的也就是modified duration，这个在国外投行都是不怎么看的，都是自己要做parcurve的。除了久期之外，国外公司还会做slope和curvature,也就是duration risk 、 slope risk 和curvature risk三个东西。另外，国内现在虽然没有什么衍生品，但券里面带call option、put option的挺多的。如果有option，在国外通常是用oas（optionadjusted spread）来算风险，而不是用duration to worst。国外，所有基金都是相对于指数来做的，不是看绝对收益的，因此对指数基金久期的精确度是很重的。但国内追求的不是相对收益，而是绝对收益思路，而且能加杠杆。在国内估计算久期还不如算回购水平，判断回购水平是涨是跌，收益全在杠杆上了。现在公募债券也都是相对同行peer，都是排名，看同类里面排第几，所以久期怎么算都无所谓，看大家风险、杠杆做的猛，看谁转债拿的多。国内不同市场对应不用收益来源，杠杆放大的收益来源给投资者的印象更加深刻。在欧美市场，当fed加息的时候，curve会变得平坦，减息的时候curve会变得steep。但在中国，在减息的时候，收益率曲线有时还会有平坦化的倾向；在加息的时候，有时候长端跑的比短端快，会出现陡峭化。
（三）量化在债券信用分析中的应用
国外除了利率曲线，另一块量化用得最多的就是在信用方面。国外信用分析有两块，一个是看基本面，另一块是信用分析模型，这方面量化用得挺多。08年之前，很多cds和cdo就是最简单的信用model，implied volatility最后到一些correlation matrix，整个很多信用衍生品当时定价是完全按照模型。国外有些信用债很多是用os来算信用等级，相当于spread vs国债这么一个东西。另外，信用债算出oad，作为一个信用的久期，一个券的利率可能是0，比如说floater，但是信用久期可能是5。
国内信用债的分析还是比较简单，就是算一下各等级债券和国债或者金融债之间的利差，算了利差之后，结合历史趋势做一些方向性的选择。在债券信用分析方面，有些公司做了一些量化模型，把公司的指标做些打分。对债券的资质进行一些打分，然后根据分数所属于的信用风险的信用等级，做一个利差分析。国内也有基金公司把公司基本面拿出来用量化方法算implied rating，算出来的结果显示，如果按照国外像是穆迪、s&p这样的标准分级的话，评级要比现在低两到三个等级，其中跌得最多的就是城投债，大多数的投资级都打到了垃圾级，其他上市公司债的implied rating和实际的差别相对比较少。
（四）量化在债券宏观策略中的应用
在国外，尤其是宏观对冲基金，用量化中性直接做投资，不管是做方向，duration call还是curve call或是arbitrage，用得都挺多的。海外量化策略主要包括以下几种：1.yield curveroll down的交易，尽量使久期中性。比如说3-5 年curve非常steep，那么就买5年债券、short3年的，这样等于是买3年forward2年久期这么一个东西。国外投行会把所有券的每一个不同curve的roll down都算出来，还算total carry。国债曲线上，roll down很多是用swap和eurodollar futures做的，所以最喜欢做的trade就是，当曲线陡的时候long euro dollar futures。2.碟式策略butterfly。比如说买5年、卖10年、买30年，有时候也会用期货，butterfly比spread更稳定一些。以前用期货和swap做butterfly，后来还做了一些euro dollar的butterfly，要么用每一个单个的euro dollar futures，或者用它的red green whiteyellow这些个pattern。3.off-the-run和 on-the-run之间spread的交易，卖方比如券商、做市商做的更多。我们知道on-the-run bond liquidity非常好。在美国大概有只国债,6只on-run-bond，但是美券交易量on-run-bond占到90%以上，因此它有一个liquidity premium，但是每次新的bond 发行之后大概1个月左右，on-the-run bond 的liquidity会降低，premium很多时候也会去掉，这就是on-the-run 和off-the-run的交易机会。国外很popular的一个策略，就是买比较新的off-the-run treasurybond，卖on-the-run bond，expect他们之间的spread会merge。但这也是需要卖空债券，在国内可能比较难做。4.国债期货的basistrading，比如说买国债short futures,或者卖国债long futures。国外国债期货的定价基本上还是很有效的，主要是看隐含option的value，主要是交易这样一个东西。另外，6只on-the-run bond ,国债期货大概有5只，国债期货的交易量非常大，所以也可以做很多短期的，从几秒中到几分钟到几个小时，做这些流动性非常好债券的量化交易。但国内现在估计国债期货basis trade都没什么人能去做，除了银行自己有现券的。国内有私募是用掉期跟现券之间做的，或者是掉期跟国债期货之间。5.债券特别是国债，和股指期货比如s&p500指数之间的相关性的交易。6.globalmacro trading。比如说，可以trade 7个国家的10年bond futures，7个国家之间来回套，ctr几十对，人为去判断每一个对之间的利差变化比较难，所以把基本面如通货膨胀、增长这些量化后，直接做成每一个对之间的交易。7.利率衍生品量化交易，除不同产品之间相对价格套利外，主要基于利率曲线，波动曲面几何线段，曲面做switch, butterfly, box等交易。这些方法也用在期权交易上，甚至于奇异性期权自动化交易上。
附：量化(自动)交易平台设计浅谈
为避免歧义，下文中“交易策略”（trading strategy）指一套交易规则，即从分析市场数据到下单交易的思考过程和执行结果；“交易系统/平台”指的是可以支持“交易策略”运行所需要的环境、解决方案。
例如，“买入前10只现价创一年新高的股票，合计10万元平均分配，限价下单”是一个交易策略；运行该交易策略所需要的实时行情、历史行情、事件处理、风控、下单接口、回测统计等模块，就是交易系统平台。
“交易策略”由擅长数学和金融模型的“宽客（quant）”们开发。宽客受雇于投资机构，他们创造的先进模型诸如“阿尔法量化”等交易策略，运行在公司的交易系统/平台上，而这一平台是投资机构的软件工程师团队开发的。
从投资机构的角度考虑，下面我们简单介绍供量化交易员/宽客们使用的交易平台如何设计。
交易系统平台架构设计
从输入和输出两端来说，任何交易系统都是通过两条路径和交易所发生交互：
1、接收交易所公布的市场数据
2、发送买卖订单并接收交易所应答
系统从交易所或者行情提供商获取最新的行情报价，包含信息有当前成交价格、成交量和委托订单队列。
通常，交易员还需要参考历史行情数据、其它数据例如基本面信息等做出决定。所以交易系统一般有历史数据库来存储非实时市场数据，也方便金融工具使用数据库。交易系统的分析回测还将涉及交易员的历史交易，所以系统需要数据库用以存储交易决策。最后，交易员可以通过显示器上的图形用户界面（gui）获知所有信息。
整个交易系统可以分解成：
* 交易所 / 柜台
* 服务端
- 实时行情数据分发器
- 非实时数据库
- 事件处理引擎和策略池
- 订单管理、风控模块
* 应用端
- 系统设置和运行监控
- 账户管理、资金管理等
如下图所示：
事件处理引擎（complex event processing system，cep）
一个复杂事件可以看作一组收到的事件，包括股票走势、市场波动和时事新闻。复杂事件处理即在短时间内对复杂事件进行计算分析，包含检测复杂模式、分析事件之间的相关性、时序关系和因果关系。
事件处理引擎实时处理事件，这是交易系统的主要特点之一。事件的处理速度越快，系统的性能越好。举个例子，如果交易系统设计用于检测事件发生后一秒钟内的获利机会，但系统的处理时长却超过了该阈值，结果将无法获利。
宽客的工作主要集中在事件处理模块。他们将大部分时间用于制定交易策略，执行严格的回测、策略优化和资金管理。这么做是为了确保交易策略可在真实市场环境中执行。但没有策略可以保证一直获利，所以宽客们必须定期制定新的策略以保持市场优势。
自动交易系统中的订单管理
算法交易系统生成的信号可以手动执行也可以自动执行。
当信号以自动方式执行时，我们将整个系统称为自动交易系统（automated trading system）。 订单的自动化执行由订单管理(order management)模块完成。
订单管理模块包括不同的执行策略，这些策略基于预先定义的算法逻辑来执行目标买卖订单。流行的策略有vwap和twap等。订单路由、订单编码和订单传输等处理过程都是该模块的一部分。
自动交易系统的风险管理
因为自动交易系统无需任何人工干预，所以需要借助风险检查来确保交易系统不出差错。风险检查过程的缺失或风险管理失当将对量化交易公司造成无法挽回的损失。因此，风险管理系统(risk management system，rms) 是所有自动化交易系统的重要组成部分。风险管理在算法交易系统的两个部分中发挥着作用︰
1. 应用端 —— 确保交易员经手的参数不会出错。风险管理会帮助系统排除异常值和交易员的手误。
2. 订单管理系统生成订单之前 —— 在订单离开系统之前，确保订单已通过风险管理系统的检验。这一步的风险管理检验十分关键。
举例
还是以前文的例子来说明：
“买入前10只现价创一年新高的股票，合计10万元平均分配，限价下单”
系统流程如下：
- 量化工程师编写策略程序，该程序在开盘前首先从历史数据库读取过去a股市场所有股票过去一年的日线，计算出每只股票的最高价并保存。
- 开盘后，程序订阅实时行情报价器，如果是使用3秒快照，程序每3秒收到一次价格，经过事件处理引擎的逻辑处理，陆续发现10只股票创价格新高。
- 经过预设的风控条件剔除，程序对订单管理模块发出订单：每只按现价购买1万元。
- 订单管理模块经过风控模块过滤，认为可以执行，于是向柜台发出订单；
- 交易所返回成交结果，系统记录，并修改账户
其它可选方案
制作自动交易系统需要成本和资源。这样的一件工程，对部分量化交易公司而言是不可行的。处于成本考虑，小公司或初创公司可以选择一些可进行程序化高频交易、执行交易和订单管理（股票、 外汇、期权、期货）的第三方自动交易平台。这些平台允许客户自定义算法程序，同时为他们的交易策略保密。
定制整个自动交易系统的工程，实际上超出了一般个人投资者，甚至小型机构的能力范围。想要尝试算法交易的人，也可以选择那些以模块定制方式存在于市场的第三方自动交易系统。懂编程的交易员也可以使用python、r等语言，在一些第三方量化投研平台上制定并回测自己的交易策略。（部分节选自量化交易员）【完】