摘要: 金融量化投資由於其數據價值,且符合大數據的重大思維變革,是大數據最早應用的領域。大數據是指不用隨機分析,而採用所有數據的方法。量化投資與圖表派技術分析不同,用全數據進行分析,了解指標或信號在整個數據集...
金融量化投資由於其數據價值,且符合大數據的重大思維變革,是大數據最早應用的領域。
大數據時代的思維變革
1) 不是隨機樣本,而是全數據。大數據是指不用隨機分析,而採用所有數據的方法。主要原因有二,一是當前的技術能力讓人類可以處理海量的數據,二是隨機樣本無法獲取某些有用的信息,比如跨境匯款中的異常交易。
量化投資與圖表派技術分析不同,用全數據進行分析,了解指標或信號在整個數據集上的統計優勢。
2) 不是精確性,而是混雜性
大數據時代精確不可能實現,反之用概率說話,混雜性變成了一種標準途徑。對一個交易策略,只要透過全數據分析,在概率上他是能夠長期穩定盈利的,即可被投資者考慮採納。而到底哪筆交易賺錢,哪筆交易賠錢,雖然投資者很好奇,但交易策略無法給出精確的答案,從某種程度上講也是無意義的。
3) 不是因果,而是相關性
在大數據時代,是什麼比為什麼更重要。雖然這違背了人類好奇和探索的天性,但知道是什麼對決策的幫助確實有限。比如,策略預測某個模式出現後該股票有很大概率上漲,如果執迷於探究股價上漲背後的基本面緣由,則成本過高,也確實無法得出準確的原因。
大數據時代對交易策略的研發提出了幾大要求。
1) 量化非結構的數據(unstructured data)。比如國外的對沖基金曾嘗試量化財經新聞,用情感度的變化幫助決策;投資機構蒐集並分析上市企業聲明,從中尋找破產的蛛絲馬蹟等。
2) 數據的再利用。 Amazon利用用戶的購書記錄推薦新書,我們是否可以利用用戶的觀點和交易記錄做協助學習(collaborative filtering),幫助策略作出更好的選擇?
3) 數據的重組。把多個數據集的總和重組在一起往往能提高單個數據的價值。這就好像除了利用股價信息,加上從財務報表提取的因子能提升預測水平一樣。
案例:
你開心他就買你焦慮他就拋
華爾街“德溫特資本市潮公司首席執行官保羅·霍廷每天的工作之一,就是利用電腦程序分析全球3.4億微博賬戶的留言,進而判斷民眾情緒,再以“1”到“50”進行打分。根據打分結果,霍廷再決定如何處理手中數以百萬美元計的股票。
霍廷的判斷原則很簡單:如果所有人似乎都高興,那就買入;如果大家的焦慮情緒上升,那就拋售。
這一招收效顯著——今年第一季度,霍廷的公司獲得了7%的收益率。
大數據時代與金融投資的未來
1) 投資者的扁平化。隨著互聯網和移動互聯網帶來的信息化革命, 個人投資者將能夠輕鬆使用有大數據實證支持,低風險交易策略,投資能力將大幅提升。
2) 金融市場更加高效。大數據時代令有盈利能力的交易策略能夠被更快的發現,驗證和應用,金融市場也會變得變得更加有效,起到更好的分配財富作用。
3) 平庸的基金公司將消亡。大數據讓科技公司第一次有機會能夠挑戰傳統的金融分析師和交易員,利用對各種全體數據的量化,重組和整合,低成本的建立針對各個市場,面向不同用戶的交易策略,讓投資者能夠科學穩定的在全球市場投資。實際上,管理1200億資產,全球最大的對沖基金Bridge Water已經很接近這一點,他們蒐集了近百年的金融數據建立交易模型,覆蓋全球外匯,債券,衍生品和股票市場,其99%的交易都由電腦決策作出。不遠的將來,普通的共同基金將被根據大數據分析提供交易策略的公司所取代,留下的基金公司將是那些能夠提供獨特優勢(alpha)的對沖基金和自營基金(如高頻基金和統計套利型基金)。
資料來源:煉數成金
留下你的回應
以訪客張貼回應