Local EPUB Text
第17章 量化交易的展望
所有思想和行为的演变必须首先显示为异端和不当行为。
——萧伯纳
所谓的黑箱交易已经存在了30多年的时间。对于读者而言，更清楚的是，这些策略与其说是黑箱，不如说是交易者和投资者已经做过的事情的系统化实施。不幸的是，自动化过程经常伴随着危难。有时候，这是易于理解的，即人的工作岗位被自动化所取代。其他时候，无知成为恐惧的充分原因。不论哪种情况，我相信强烈反对宽客的核心牵涉甚广。我们只是过去市场的一个转折点。市场中的自动化和程序化已经在很好地进行。但是，近期仍然有充足的现象显示，那些没有做好准备参与现代市场的机构和个人是痛苦的。但由于这些投资者适应、迁移到别的行业或者撤退，非常乐于参与这些市场的更新的参与者是足够多的。
展望未来，我看见许多值得观察的有趣的趋势。毫无疑问，今天的市场要比过去更加公平和平等。然而，今天市场的透明度水平以及任凭甚至不太熟练的市场参与者和观察者使用的技术水平，对确保市场简单公平，而不只是减少不公平性形成连续的压力。我认为至少一些引起问题的因素（例如，对封闭市场的禁令）将会得到解决。
同时，这场低延迟技术竞争的尽头是一片光明。我们快速地向最小延迟的渐近极限靠拢。许多投资者喜欢市场的这个状态，因为它能将市场参与者聚焦到谁更聪明智慧的更有趣的挑战上来，而不是简单地看谁跑得更快。看上去也可能，一旦我们达到这一点，每个公司重新建设同样标准的、最高性能的技术设施的原因就会减少。平台的标准化也将减少许多对高频交易的（毫无根据的）批评，因为大家都使用同样的基础设备。
从我写这本书的第1版的时候开始，我所强调的研究领域的进步很小。相对简单的、频繁无效的策略仍和阿尔法模型混合在一起、仍用来管理持仓以及风险。这些都是需要研究的领域，但少见有用的文章，这些研究领域仍需改革创新。而且有关量化交易行业的研究领域几乎完全被忽略。预测一些策略未来可能盈利或者可能亏损的模型也不多见，虽然这些越来越多地被许多系统化交易公司所探索。
量化交易系统所使用的方式也需要发展。已经有一些混合量化的策略，在使用量化系统筛选机会的同时，允许对所管理的剩余流程有自由判定权。许多操作能够查明某一投资过程是否能够将人性的主观性与机器的客观性和稳定性相结合。例如，很容易想象分析师将自己的想法输入计算机系统，并允许系统确定投资者组合。换句话说，并不是使用计算机支持人类决策，而是人类输入信息支持系统决策。至少一个非常突出的有自由决定权的资本交易公司在这个领域已经做出努力，初期结果显示非常有前景。
另一方面，主要归因于计算机处理器不断增长的处理能力，复杂的机器学习方向越来越具有可行性。处理极其嘈杂的、肮脏数据具有挑战性。但是对于那些能够应对这一挑战的人而言，为了盈利，可以开发可能存在着有趣的暂时的低效性，尤其对于短期交易策略而言。
大数据（big data）是来自技术行业的一个术语，是超出标准数据库工具处理能力的大数据集。在量化交易中，它指的是通常来自网络的大数据集以及洞察到情绪的数据集。例如，大量对微博、博客以及其他网络内容进行分析，用以尽力判定网络内容是否能够预言近期股价走势的策略突然出现。
高频量化交易策略和更传统的量化交易策略的交叉点看上去是一个有趣的机会集。这些“中等频率”的策略的持仓时间要比传统的量化策略的持仓时间要短，更多聚焦于阿尔法策略。但是它们追寻多种机会，例如，利用限价订单簿预测一个小时之内或者更长时间段的价格行为，要求有在高频交易中表现较好的技术设备。正因如此，这些中等频率策略介于两种同样难于掌控的风格之间，而且机会集合也许是尤其有趣的，因为进入壁垒比较高。因为伴随着交易量减少以及竞争激烈，高频交易在许多市场越来越具有挑战性，这可能是一个值得观察的有趣领域。迄今为止，我们已经看见一些高频交易公司冒险进入资产管理业务，这些冒险业务的成功并不是振奋人心的（虽然得出这个结论还为时尚早）。也就是说，短期量化策略的需求是比较高的，当产生利润比较难的时候，资本已经被强有力地聚集在这个领域。
先前感觉太不透明的系统化交易策略被投资者越来越多地接受，是一件有趣的事情。2012年，我知道数十亿美元集中在量化基金，尤其是养老金和庞大的传统的基金中的基金（FOF），那些人曾说，“我们不会投资量化基金”。然而，太多的资金进入大型资产集合装备，相比产生阿尔法而言，他们更关心聚集资产。
确实，至少部分因为资金主要分配给最大的管理者的趋势，最近5年已经看见公司层面的巨大变化。许多倍受尊重的量化交易机构已经倒闭，而大量的机构进入市场。2007年的量化清算，2008年雷曼兄弟坍塌以及对冲基金行业的制度化，对此有很大的影响。《多德-弗兰克法案》对银行进行自营交易的限制也导致许多有才华的人离开这个行业。许多宽客，像世界上其他人一样，失业而且看不到前景。我期望建立量化策略的更厌烦的和昂贵的方面能够得到集中和共享。一个业务结构的主要内容包括数据获取和数据管理、操作和制度管理以及执行。然而，筹集交易资金对于较小的公司和没有知名宽客领导的创新公司仍然具有很大的挑战性。
为了生存，除了一般的要求需要改进外，每天量化交易者还要面对巨大的挑战。随着大众媒体对量化交易和对冲基金妖魔化，监管者也充满了敌意。被大型投资银行加剧的经济问题、失败的IPO例子和许多其他问题已经渗透到宽客和高频交易者中。具有讽刺性的是，因果实际上是相反的方向。宽客们并没有引起问题，自2008年后期以来，宽客们因为无数的政府干预和令市场慌乱的地理政治事件倍受煎熬。在多年经历重复事件后，许多有选择的投资专业者厌恶地离开了量化交易领域。对于宽客，这可能是一个自然选择的时间段，较弱的与不幸运的公司被强制退出这个领域，较强和较幸运的公司只有更加努力才能生存下来。