5、期权套利

期权套利，如果市场上出现一些无效的价格，可以通过买进买出相关期货，不同价格、不同月份之间的看涨看跌，对冲掉系统性的风险，实现绝对收益。期权交易在国内发展得还不够充分，因为只有一个投资标的，但随着将来商品期权和更多的股指期权，甚至个股期权的上市，可能会带给大家更多的交易机会，实现稳定的收益。

三、阿尔法模型和宽客

我们说的Alpha策略与国内传统狭义上的股票Alpha策略有所不同，我们认为只要能做超收益、对冲掉风险的策略都是Alpha策略，我认为主观选股也是Alpha策略。无论是评估主观交易为主的基金还是量化为主的基金，对冲型的就比较简单。国内2014年12月份很多量化对冲性基金就出现比较大的回撤，就是因为对冲的风险不完全，当时一些基金做多小盘，用IF做对冲，这是基于2012-2014年的市场，因为这段时间是一个小盘的牛市，而大盘是持续下跌的，很多基金获取了比较高的收益，其实很大一部分收益是来自于小盘对大盘的风险溢价，但短期波动非常大。在美国也是一样的，1960-2000年小盘对大盘的超额收益是非常大的，但随着市场对风险溢价的了解，2000年到现在小盘对大盘的风险溢价已经消失得很快。评估一个主观投资基金，都用沪深300做标的是不合理的，合理的对标标的是中小盘指数，如果主要做创业板，对标标的应该是创业板指数，这样才能看出投资经理是否有获Alpha的能力。

量化交易策略和主观判断交易策略的主要差别：策略如何生成以及策略如何实施。在我看来，策略的生成才是最重要的，对于策略实施，量化和主观交易策略完全可以使用同一个模型。量化交易策略借助计算机系统实施策略，消除主观判断交易中的随意性，实际上主观交易策略是可以借助的，主观判断最强项的地方是选取标的，获取一些量化模型无法获取的信息，但在交易执行方面，除非交易员有非常强的主观交易能力，交易执行成本比一些算法交易更好，基本是用量化的执行方法来实现交易目的。另外量化可以消除交易决策中的情绪、不守纪律、心态、贪婪、和恐惧等心理驱动因素。

阿尔法策略是扣除基准回报以后的投资回报，在对冲受限的情况下，纯做Alpha就要通过择时和选股结合。海外的择时是非常难的，特别是美国，大家比较信任的是股票上Alpha的超额收益能力。根据市场行为定义的发展中国家，像巴西，都是典型的可以通过择时来获取超额收益的国家。其中择时也包括大小盘的择时、行业的择时。

从理论上，量化模型归类：趋势型、反转型、价值型、成长型、品质型，这些策略都可以混合在一起，像股票量化选股模型就结合了信息类的东西，结合出短期跑赢市场的组合。   

数据挖掘技术相对于简单的基本面量化模型，有一个较高的门槛，优势是可以更大限度地获取市场行为。现在的神经网络、深度学习等都可能是大家今后的发展方向。

四、量化黑箱中的风险控制

对投资者来讲，量化就是一个黑匣子，存在很多不可控因素，因为客户无法了解头寸的原因，更重要的是做好风控，降低顾客对你的顾虑。

从投资理论出发建立一个策略模型、良好的评估体系，通过组合盘加上择时模型来进行的。在做策略组合时，要将各个模型做有机的组合，如资金管理平台（择时与行情预估模型、资金分配模型、子账户分账系统）、自动化回测平台（理论、算法、参数优化、模型校准），很重要的是注意风险控制（风险计算模型、盘中风险预估与应对措施、模型失效风险），任何时候都要控制风险，如果跌了50%，就要增长100%，因为资金是有限的，所以对于不同的产品要用合适的风险模型来计算头寸组合的风险，以及如何处理模型失效。

风控方案的组成：盘前风控，避免单一市场、单一策略带来的系统性风险。如果满仓下出现黑天鹅，可能会造成非常大的回撤。盘中风控，避免交易执行的风险，如光大乌龙指事件，在高频交易上也容易出现系统性风险，像骑士资本在45分钟内损失4.4亿美元，高盛当时由于期权的策略出错也出现非常大的亏损。盘后风控，避免模型失控风险。

风险控制模型：风险管理不只是规避风险或者减少损失，而是通过对敞口实施有目的的选择和规模控制，从而提高回报的质量和持续性。限制风险的大小，头寸规模限制是风险管理的一种重要形式。对我们而言，策略要回溯到1999年（国外）-2005年（国内），要经历过一轮大的牛市、熊市和危机模型的测算，才能保证策略的有效性，而不可根据近一两年的数据。度量风险的大小，通过计算不同种类的金融产品的回报随着时间推移的标准差（波动率，波动率越大，市场呈现的风险就越大），在固定的投资范围中，度量不同种类的金融产品行为之间的相似性( 金融产品的横截面的标准差，标准差越大，行为多样，市场的风险比较小) 。

无论是做主观还是量化，都可以进行参考，一个是交易成本的模型，通过对波动性的预测和对滑点的控制，可以评估多大头寸对市场形成多大冲击，虽然这对长线交易员影响不大，但对短线交易员还是有比较大的可参考性。

量化策略的优点和缺点。优点：系统性、稳定性、可复制性。缺点：容易趋同，因为大家都是对有限数据的经验总结所做出来的策略方案。对同一数据做拟合，无论是用机器还是人工的方法来做，做出来的策略都会比较类似。历史上小盘平均是跑赢大盘的，大家做出来的策略都是小盘跑赢大盘的，历史上价值平均是跑于成长的，大家做出来的策略都是价值平均跑于成长的。从九几年15%的超额收益到现在的5%，大家都做同样的一件事情，就将将来可预测的超额收益越做越小。非结构化的处理，比如数据点非常少，无法通过数据学习的方法来出预测方案，而人工可以根据全系列的分析得出更好的结果。还有就是非数据信号的处理，如政策，量化策略目前还不能对这些风险因素进行很好的评估，这方面是人工交易的优势。

七禾网真诚欢迎各类正规产品登记净值，参与七禾基金奖的评比，联系电话：13757164975/15757152829/15757152837