最常见的量化策略

• 股票统计套利
• 量化股票市场中性策略
• 管理期货/CTA
• 量化宏观
• 另类风险溢价

上述列表远非详尽。还可包括其他策略分类，例如：

• 多策略量化
• ：同时交易多种资产类别和/或结合短期股票统计套利和长期模型的基金，目前常被归类为“统计套利”。
• 量化波动率
• ：如果基金的投资前提是捕捉波动率的变化，可被称为交易波动率，即使这是使用量化过程执行的。目前通常被归为“波动率套利”。如果基金将交易波动率与其他量化策略相结合，我们通常会将其归为“统计套利”。

低费率股票账户和免费量化工具加我联系方式，上市券商，佣金利率超低！！！

股票统计套利

描述

统计套利基金通常利用价格数据及其衍生物（如相关性、波动率和其他形式的市场数据，如成交量和订单簿信息）来确定模式的存在。通过对历史数据的研究，识别可重复的模式和数据关联，帮助管理者预测股票的未来回报，通常在相对较短的时间内。通过严格的统计分析和回测来识别关系。该策略通常以高于更“传统”对冲基金的风险调整后回报为目标，但实际回报水平高度依赖于所使用的杠杆和波动率容忍度。

信号类型

• 均值回归
• ：旨在利用供需失衡导致的短期价格波动，价格将回归其“均衡水平”。
• 动量
• ：寻找价格数据中的模式，表明价格运动将继续延续（即趋势）。
• 事件驱动
• ：包括分析师收益预期、新闻流情绪、并购、股票回购、指数再平衡及公司内部交易等。

一些统计套利基金也可能纳入由基本面数据驱动的长期模型。如果这些更以基本面为导向的模型是风险的主要驱动因素，那么该基金更接近量化股票市场中性策略（QEMN）。

在不同市场中的表现

• 统计套利组合通常可在广泛市场方向的基础上产生回报。
• 股票之间相关性飙升、市场波动性飙升时，统计套利可能出现急剧回撤。然而，极端波动之后往往机会集更肥沃。
• 低波动+低成交量的环境对统计套利而言通常不利。它往往在存在合理程度的价格波动和差异时更为成功。
• 发作性的风险因子或不可预见风险可能给模型带来挑战。

示例交易

假设基金识别出可口可乐与百事可乐历史上强相关。若百事可乐股价因流动性供需失衡而短期下跌，基金同时买入被低估的百事可乐、做空被高估的可口可乐，期待价格比率回归历史均值。

风险/回报特征

• 市场中性
• ：几乎总是运行在非常低的贝塔系数下。
• 对其他通用因子的暴露通常也通过对冲方式予以抵消。
• 可能有较高杠杆，但通过止损、头寸大小限制、因子暴露限制等进行风险管理。

量化股票市场中性策略（“QEMN”）

描述

QEMN策略采用基本面、事件导向的数据（如分析师收益预期、财务数据）并进行系统化处理，给股票打分/排名。通过优化过程或简单规则，在行业暴露最小的前提下构建市场中性的多空组合。

信号类型

• 基本面数据
• ：收益、收入、利润率、现金流等。
• 技术数据
• ：MA、RSI、交易量、价格动量等。
• 情绪数据
• ：新闻文章、社交媒体帖子、分析师报告等。
• 另类数据
• ：如卫星图像、信用卡数据、天气模式等。

通过机器学习算法来筛选和组合这些信号，最终构建多头和空头头寸的市场中性组合。

在不同市场中的表现

与统计套利类似，QEMN在市场极端波动、相关性飙升的环境中可能面临挑战。

当股票价格更多由基本面驱动、存在合理的价格差异和振荡时，QEMN往往表现更好。

示例交易

1. 数据收集与处理
2. ：收集财务报表、收益报告以及新闻文章、社交媒体情绪等“另类”数据。
3. 信号生成
4. ：计算价值（如市盈率）、成长（如收益增长率）、动量（价格趋势）和质量（ROE、债务水平等）信号。
5. 组合构建与风险管理
6. ：选取约100只多头与100只空头股票，确保行业与市值中性，采用止损、限制头寸大小等方式管理风险。

风险/回报特征

• 低贝塔、市场中性。
• 一些QEMN会有特定风格因子暴露（例如价值、动量），也可能纳入因子定时的信号。
• 杠杆水平通常在3-8倍范围，并通过对冲维持中性。

管理期货/CTA

描述

商品交易顾问（CTA）通常以系统化方式对指数级别或“宏观工具”（如期货、外汇）进行主要方向性头寸。其中最常见的策略是趋势跟踪，依赖技术价格信号买入上涨市场、卖出下跌市场，并在市场趋势反转时调仓。

CTA行业的核心在于系统化：从信号生成到执行都高度依赖计算机模型。随着趋势跟踪概念的普及，目前一些更“通用”的CTA策略在费用方面较低。

信号类型

• 多数CTA以价格+成交量数据为核心，识别趋势。
• 也可包含收益率曲线、季节性、均值回归或模式识别等概念，一些CTA甚至纳入基本面或另类数据。
• 可能存在短期高频模式研究。

在不同市场中的表现

• 对历史上与股票和债券呈低相关，在高波动或危机时期常表现优异，但在震荡或低波动、区间波动市场易受损。
• 长期趋势市场中往往显著盈利，但在突然逆转或宏观状况骤变时可能出现较长时间的回撤。

示例交易

• 方向性头寸
• ：如股票指数期货的多空。
• 相对价值
• ：例如在布伦特与WTI原油合约之间进行价差交易，或在期货曲线不同期限合约之间进行“曲线交易”。

风险/回报特征

• 多元化：横跨股票指数、政府债券、商品期货与货币期货。
• 低相关性：对股票和债券通常低相关。
• 高波动与回撤：预期夏普比率在0.5-1.0左右，不适合纯粹追求高夏普的投资者。
• 现金高效：保证金只需总权益的10-25%。
• 机械式风险控制：动态调整组合规模以适应市场变化。

量化宏观和全球资产配置（“GAA”）

描述

量化宏观通过对庞大的经济、市场和其他基本指标进行分析，并基于统计模型进行交易决策。

该策略与CTA有部分重叠，因其也交易期货等宏观工具，但量化宏观更倾向于使用长期基本面（如GDP、通胀、汇率等）来驱动交易。

量化宏观/GAA基金通常：

• 注重相对价值交易，也可采取方向性头寸。
• 信号范围广，基于经济数据、国家差异、另类数据、技术指标等。
• 平均持有期可在数周到数月，也可能更短。

信号类型

• 宏观经济因素
• ：GDP、通胀、利率、汇率、进出口等。
• 价值、收益率、动量（趋势）
• 等经典信号。
• 更多复杂要素
• ：如天气、运输数据、地缘政治信息、政策变化。

在不同市场中的表现

• 对经济不确定时表现良好，如衰退或地缘政治危机等。
• 若市场稳定且变化缓慢，或基本面与市场价格脱节，量化宏观可能表现不佳。
• 高度依赖数据质量和模型适应市场变化的能力。

示例交易

• 宏观工具的相对价值模型
• ：各国利率差异、通胀预测对其汇率影响的交易。
• 跨资产类别
• ：利用商品/外汇/债券等的动态关系进行多空头寸。

风险/回报特征

• 与CTA类似，低相关、高流动性。
• 对未定义风险因子的出现有一定脆弱性，需要做好风险识别与模型调整。
• 不应表现出固定的多头或空头偏向。
• 波动率高于多数对冲基金，但能在组合中提供多元化收益。

另类风险溢价

描述

另类风险溢价（Alternative Risk Premia, ARP）策略试图系统化收获特定的风险因子收益。例如价值、动量、低波动、高收益、收敛价差或并购风险溢价等。

通过动态且可复制的流程，捕捉这些因子溢价，且费用通常较低。

理论是通过对多因子/多市场暴露实现多元化，有助于提升组合的风险调整后收益。

信号类型

• 常见因子：价值、动量、收益率差、波动率、质量、流动性等。
• 每个因子对应特定的买卖规则（如买入低估值、卖出高估值；买入正动量、卖出负动量）。
• 也包括风险套利，如并购事件投资或可转债套利等。

在不同市场中的表现

• 在市场波动时可能会表现分化；与传统资产有低相关性是其吸引点。
• 当资产之间相关性趋同，极端风险事件发生时，ARP 也会遭遇回撤。
• 不同ARP基金差异较大，取决于所采用的因子组合以及对冲方式。

示例交易

• 价差交易
• ：在黄金与白银之间，同时买入被低估/卖出被高估，以捕捉价差回归。
• 套息交易
• ：利用利率差异或收益率差，将仓位配置到高收益资产，对冲低收益资产。

风险/回报特征

• 设计上偏市场中性或低贝塔，但暴露于特定因子，在极端情况下会经历较大回撤。
• 一般高度流动，通过期货、掉期、ETF 等交易。
• 费率明显低于传统对冲基金；可能使用适度杠杆（1.5~2.0倍）来提升回报。