量化投资流程概览
国内：私募基金 国外：对冲基金
私募策略分类
组合策略：
FOF
MOM
TOT
其他组合策略
多策略：
股票、基金等策略融合
宏观策略：
原油、债券
套利策略：
可转债套利
固定收益率套利
ETF套利
分级基金套利
期权套利
其他套利策略
股票策略：
股票多头
指数增强，300或500的指数增强
股票市场中性，风险对冲，股指期货，常规期权
高频T0，股票日内回转，
事件驱动：
定向爆发
并购重组
大宗交易
其他时间驱动
债券策略：
债券策略
管理期货：
期货趋势
期货高频
期货套利
期货复合
数据与研究
- 数据清洗
程序员（系统开发）、基金/投资经理、Quant/研究员、风控经理
Python API、Excel、Matlab、Http RQData本地API：面向最终用户，易用灵活
数据开发、数据产品经理
RQData服务器层，定时计算常用衍生指标、风险因子；选择匹配的数据库，每日自动更新；数据分析、清洗和归整。
- 阿尔法如何获取？
根本逻辑是行为偏差，是“艺术”，不适合系统开发，无法固化。alpha无法自己创造，alpha被发现后就会有无数人建仓，随后alpha消失。 - 行为金融中发现alpha
- 编程角度发现alpha：数据分析-因子检验、时间序列分析、机器学习等；通过RQData API调用进行各种各样的编程分析，data science
- 交易发现alpha：交易员、投资经理的经验/直觉反馈
- Richard H.Thaler教授-2017年诺贝尔经济学奖，研究行为金融，他的基金长期成功打败罗素2000
- 很多时候你以为你赚的是alpha，其实是beta
模型是投资思路的固化，稳定且不被干扰，相信量化
需要三类模型
Alpha模型 - 每家基金、买方都不同
Beta 风险模型 - 多因子风险模型成为主流
交易成本测算模型 - 解决规模增大后的烦恼
如何构造模型？
降维 - 从因子维度思考，我们思考的元素是因子而不是个股，你的模型会有一些因子，这些因子最终帮你做出区分股票的判断。
数据挖掘
alpha模型、风险模型、收益风险比最高的模型、测算交易成本模型
风险模型
Barra多因子风险模型 CNE5
中国A股风险因子数目：风格因子10个、行业因子28个、市场联动因子1个
风险因子解释力：覆盖近乎80%-90%的股票市场收益
风险模型核心应用：“优化器”构建“优化”的投资组合
对投资组合做两个优化：约束和达成优化目标
境外厂商：Barra、Axioma、S&P等
国内：Ricequant
模型验证：优化后的组合进行回测和模拟交易
RQAlpha 开源Python回测引擎，适合A股市场
专业版还支持tick回测，期货、期权、可转债、ETFLOF等
资金下场钱，验证投资策略较为真实的实战投资表现
OMS：算法交易策略概览
算法交易模块是OMS系统中的核心重点
机器学习在因子投资中的应用
CAPM：有一个风险溢价因子-市场组合
因子投资Factor Investing：除了市场因子之外的risk premia因子，对应rewarded risk factor，因子投资最近10年才开始火起来。
Factor Zoo，目前已经有300+因子，哪个因子有效呢？
基于资产类别的战略资产配置的问题：
- 估计risk premia比较困难
- 资产类别之间的相关性是时变的而且不稳定
- Alpha is not scalable, but risk factors are scalable
这些人是传统做宏观对冲的人，追求Alpha收益
因子投资
- 资产风险暴露可以分解成独立的风险因子；
- 从长期看，风险因子是有正收益的
基于因子的战略资产配置，可以把规模做的很大，更加容易鲁棒性更好
多因子alpha模型，可以做alpha套利
两种应用
- 因子筛选&基金优选
回归、LASSO、降维、组合预测、深度学习
multiple testing：控制FWER;控制FDR
基于回归的筛选：删除运气成分；解决变量遗漏
基于ML的筛选：
线性模型：
- 惩罚回归
- 降维
- 广义线性
- 组合预测
- 非线性模型
- 因子配置&高维基金配置
风险因子、风险平价、风险预算、最优权重、ADMM-CCD
国外ETF基金的发行影响了alpha
