文丨朱涵 图丨朱涵
「几乎所有的量化策略都可以被分成三个组成成分」
1.预测信号
预测未来价格走势或者规律;如果可以做到预测一个资产未来的价格走势，这样就可以高卖低买，利用价差来赚钱。或者不能预测某单一资产的价格走势，但是可以预测多个资产价格之间的波动关系，这样可以通过多空组合实现收益。截面策略和套利策略做的就是这样的预测!普通的技术指标或者触发式的趋势策略做的更多的是方向的判断。
在预测领域，最重要的是市场成熟度和数据量。数据量越大，市场成熟度越低，预测的可行性就越高!所有可以观察到在同样的频段，量化股票策略超额额额夏普值要高于量化cta的夏普值。
2.组合优化配置
通过分配权重实现预期的收益/风险。如果一个可以持续盈利的策略是一种可以食用的食材，那么组合优化就可以将这些食材做成一道真正的菜肴。
首先是组合，在一个完整的策略中，不同的预测信号需要组合在一起，在预测信号的组合上，如果每个信号的预测力很强，那么即使简单的线性组合依然也可以取得良好的效果。
其次是优化，经过预测信号的组合后，每个资产只生成一个预测信号，下一步就涉及到资金头寸的分配，即这次交易用多少资金交易这个资产(例如股票)的问题。一般会使用优化器来实现头寸的分配。因为头寸分配是一个不可能三角的最优解的求解过程。没可能同时满足收益高，风险小，容量大。这三者不可能同时达到最优。
3.交易执行
通过程序化交易实现利润；前面的两者只是让量化投资变得理论上可行，而只有良好的执行，才能真正得将利润实现。在一个相同的市场里，低频的策略难做的是预测，好做的是交易。高频的策略好做的是预测，难做的是交易。
以买房为例，预测十年的房价是很难的，因为影响的因素几乎是无穷的。但是假设能够预测未来十年的房价，那投资交易会变得非常容易，只需要选择涨幅最大的房子买入并持有十年即可。如果把预测周期缩短为十天，大部分的影响因素都会稳定。在同样的市场，一个中长期预测能力极好的策略，交易可以变得非常不重要，只需要最普通的下单能力即可。
下一次你看到一个量化策略，可以思考的是:
1.它的预测信号是怎样做的?是否具备逻辑上的可持续性?
2.它的组合优化配置这三个环节分别是怎么样设计的?是否与整体的策略定位匹配?
3.它的交易执行的实力是否匹配其策略需求?是否有配套的人员和硬件?
