Local EPUB Text
宽客完全相同
这个言论也被广泛认可，尤其是在2007年8月许多宽客极具灾难性的表现之后。然而，我确认这是一个明显错误的言论。我们将聚焦于这个说法的理论性和实践证明，从理论证明开始。
这本书已经列出了宽客在建立量化策略过程中必须做出的许多决策。这些决策包括交易的金融工具和资产类型、数据来源以及如何清理数据、研究和发展交易策略的方法、互相结合的预测方法、预测需要提前的时间、赌注如何结构化、风险定义和管理的方式、交易成本如何模型化、投资组合如何构建、交易如何执行。换句话说，宽客建立量化交易策略的自由度是很大的。虽然策略种类并不多，表面上都是寻找异常现象进而获利，但是宽客可以利用其他因素将自己的策略同其他策略区分开来。依据策略的时间因素和持仓量水平，每年交易的次数可以达到数百万。据我所知，许多交易者每个交易日执行10000到100000个交易。正如你想象到的，当一年有数以百万计的交易时，一个交易的微小差异将会被放大。
包括持仓数据和回报率信息在内的实证证据也是充足的。在我的公司，对量化股票账户和主观型股票账户分别管理。一般情况下，量化投资账户同一时间持有30%的相反（opposite directions）头寸。这一事实与宽客完全相同的观点不符，尤其考虑到他们持有头寸中仅有75%是投在同一个国家。换句话说，许多量化交易者在同一个国家持有的头寸中，大约持有40%的相反方向的头寸。因为交易者数量增加，这个比率自然也会增加，这被许多研究所证实。2008年，先是马修·罗思曼（Matthew Rothman），然后是雷曼兄弟对25个最大的量化股票市场中性交易者一年的投资组合数据进行分析，发现它们持有的头寸中大约30%与组内其他头寸方向相反。一些较小的公司，差异更为明显。它们持有1/3至1/2比例的反方向头寸，因此，很难接受宽客完全相同的观点。如果事实就是如此，一个宽客的多头头寸不可能成为另一个宽客的空头头寸。
回报率数据证实了我们在持仓数据所看到的信息。由几十个量化经理的日收益数据作为样本（回溯到1997年），这些基金经理彼此间的平均相关关系是0.03。总共252组数据中仅有9组数据的相关系数超过0.20。在2008年9~11月危机最为严重的时间段，相关关系仅为0.05。与之相比，基于日收益率数据的8个HFRX对冲基金指数（包括从可转债证券到风险套利基金和宏观策略基金各种风格）的平均相关系数为0.21。28对里面有11对的相关系数高于0.20，28对里面有5对相关系数高于0.40，其中股票对冲基金与事件驱动型对冲基金之间的相关系数最高，达到0.81。
对月收益率数据进行分析可以得到同样的结果。基于至少25个月的历史收益率数据，测量53个量化股票市场中性交易者的相关系数，可以发现它们平均相关系数是0.13。值得注意的是，这并没有包括量化期货交易数据，量化期货交易数据会进一步降低相关系数。与之相比，22个HFRI对冲基金指数（除去广义的HFRI对冲基金指数和基金中的基金指数以及卖空基金）平均相关系数是0.48，其中包括宏观性对冲基金和投资与不良贷款的基金。这些数据均推翻了“所有宽客都一样”的观点，证实了我们的观点，并有助于进一步理解量化交易策略如何发展。