0
| 本文作者： 陳伊莉 | 2017-04-01 15:37 |
雷鋒網(wǎng)AI金融評論消息，由開源社、TopGeek、匯智Tek聯(lián)合主辦的中國區(qū)塊鏈和金融創(chuàng)新科技峰會（FTCon2017）日前在上海舉行，現(xiàn)任上海均直資產(chǎn)管理有限公司投資經(jīng)理的陳曉優(yōu)進(jìn)行了“擁抱開源，量化投資行業(yè)新趨勢”主題演講，指出在當(dāng)前的金融市場中，商業(yè)軟件和機(jī)構(gòu)自研已經(jīng)較難滿足量化投資機(jī)構(gòu)需求，而作為新趨勢的開源量化軟件能夠解決機(jī)構(gòu)痛點(diǎn)，但也表示開源技術(shù)并不是盡善盡美，還有發(fā)展空間。
據(jù)雷鋒網(wǎng)AI金融評論了解，陳曉優(yōu)是倫敦卡斯商學(xué)院金融工程學(xué)碩士，開發(fā)并維護(hù)了針對國內(nèi)市場的量化交易系統(tǒng)框架vn.py，目前是國內(nèi)用戶最多的金融投資開源項(xiàng)目之一（Github Star 2486），據(jù)不完全統(tǒng)計(jì)，已有數(shù)十家金融機(jī)構(gòu)在實(shí)盤投資中使用。
以下是經(jīng)過陳曉優(yōu)確認(rèn)的演講實(shí)錄，雷鋒網(wǎng)AI金融評論做了不改變原意的編輯。
今天我的主題是量化投資與新趨勢開源。量化投資在我國、世界的歷史都不是很長，美國八十年代出現(xiàn)使用計(jì)算機(jī)來炒股和炒期貨。接近2010年，國內(nèi)才出現(xiàn)了比較正規(guī)的量化交易機(jī)構(gòu)，而國內(nèi)民間用計(jì)算機(jī)程序來量化分析行情走勢可能更早一些。當(dāng)時(shí)的形式主要是面向個(gè)人和小型機(jī)構(gòu)的商業(yè)軟件，早年投資者憑借這些軟件可以就可以在市場上取得相當(dāng)豐厚的收益，但到今天已經(jīng)變得難以為繼，當(dāng)前國內(nèi)的量化投資領(lǐng)域正是開源項(xiàng)目大放光彩的時(shí)候。
先說說量化投資的幾個(gè)特點(diǎn)：
與傳統(tǒng)拍腦袋投資不同，量化投資使用數(shù)量分析方法尋找能夠?qū)崿F(xiàn)穩(wěn)定盈利的規(guī)律，通過采集歷史數(shù)據(jù)的時(shí)間序列并建模，尋找預(yù)測未來價(jià)格變動(dòng)的方法。
量化投資一般由計(jì)算機(jī)驅(qū)動(dòng)。尤其在今天市場上，股票數(shù)量眾多，行情以“秒”級變化，這種情況下不可能依靠人力繪制K線，分析開盤價(jià)、收盤價(jià)等信息，必須依靠計(jì)算機(jī)。理想狀態(tài)是在建好策略、模型后，計(jì)算機(jī)可以在輸入數(shù)據(jù)的基礎(chǔ)上自動(dòng)處理后作出該買還是賣的決策，這有利于避免人帶來的不確定性。
量化交易通過高性能算法實(shí)現(xiàn)超高速的交易決策。美國最高可以達(dá)到納秒級別的響應(yīng)速度。
關(guān)于量化投資行業(yè)現(xiàn)狀，我們從公募基金來看（因?yàn)樗侥蓟鸩惶敢夤紨?shù)字，也無法統(tǒng)計(jì)），截止2016年11月，股票量化產(chǎn)品規(guī)模超過858億。截止2017年1月，公募主動(dòng)量化產(chǎn)品三年平均回報(bào)超過了105%。
而經(jīng)過2015年的股災(zāi)之后，到今天能回本的投資者都算是高手。大部分人的基金回報(bào)只有50%，而用計(jì)算機(jī)管理的收益率至少是它的一倍。值得注意的是，這種產(chǎn)品還只是公募，比較高端的私募量化產(chǎn)品的收益可能會更高。
此外，量化FOF產(chǎn)品、智能投顧正在逐漸成為資產(chǎn)配置的新寵兒。目前大型金融機(jī)構(gòu)如銀行、信托等機(jī)構(gòu)等使用較多。更多理性的投資機(jī)構(gòu)開始擁抱計(jì)算機(jī)，計(jì)算機(jī)能夠摒棄人的感情，以完全理性的決策態(tài)度幫助投資者獲益。
國內(nèi)量化投資是從商業(yè)軟件起步，初期可以滿足大家的需求，而在今天的市場中，完全使用商業(yè)軟件會有各種各樣的痛點(diǎn)。
首先是安全性方面的顧慮，一方面是模型的不安全，量化交易的核心模型或者說是交易策略必然存儲在某個(gè)平臺上，不論是某個(gè)商業(yè)平臺還是某個(gè)開源平臺、或者matlab里的一些文件。這些文件可能只有幾K，但是帶來的價(jià)值可能是上千萬甚至上億。另一方面是數(shù)據(jù)的不安全性，有一些重要的商業(yè)機(jī)密例如持倉、渠道、客戶、資金來源如果放在商業(yè)平臺上，完全達(dá)不到足夠的安全性。
第二，不兼容。這是國內(nèi)一些金融軟件服務(wù)商的缺點(diǎn)，想做大而全，吃下全部的業(yè)務(wù)，囊括數(shù)據(jù)、策略、交易等，但是每個(gè)公司精力有限，總有些并不擅長的業(yè)務(wù)。對于終端用戶來說，想要各個(gè)業(yè)務(wù)都獲得最好的解決方案，但是很多軟件要用就得用一套，用戶沒得選。
第三，迭代慢。這是一些大公司的弊病，對于新業(yè)務(wù)的支持反應(yīng)速度比較慢，等大家都做了它才做。
商業(yè)軟件有諸多不適用的地方，那么有一些量化機(jī)構(gòu)就選擇完全自主研發(fā)，但這種模式也有不少痛點(diǎn)。
一，周期長，需要經(jīng)過數(shù)據(jù)、回測、實(shí)盤階段。首先需要搞定數(shù)據(jù)，對于金融機(jī)構(gòu)而言數(shù)據(jù)收集、維護(hù)成本很高；再者研發(fā)過程中需要不斷的測試，例如購買一些外面的解決方案。還有一個(gè)大問題是試錯(cuò)，尤其在國內(nèi)，軟件業(yè)務(wù)更新速度很快，誰能在開發(fā)過程中領(lǐng)先就能在競爭中占據(jù)優(yōu)勢地位。
二，成本高，包括人力、物力、試錯(cuò)費(fèi)用。首先你需要很厲害的CTO，但是能不能找到也是一個(gè)問題。再者是金錢，不論是人力成本，還是研發(fā)過程中的測試、或者半成品解決方案，都需要不少費(fèi)用。此外還有最大的成本機(jī)會成本。國內(nèi)量化行業(yè)發(fā)展非?？欤绻汩_發(fā)一個(gè)產(chǎn)品成功了那么可以躺著賺錢。但是如果東西做不出來，不僅沉沒成本沒了，還只能推倒重來，再投入一遍成本。不過中國的市場競爭很激烈，賺錢機(jī)會越來越少，市場越來越有效，試錯(cuò)成本也不斷攀上新高峰。
三，不穩(wěn)定，一方面因?yàn)橛脩羯伲硪环矫?，檢驗(yàn)量化模型有沒有問題主要看實(shí)盤賺不賺錢，不上實(shí)盤無法檢驗(yàn)?zāi)承〣UG。而實(shí)盤檢驗(yàn)出錯(cuò)可能又踩入試錯(cuò)的坑，需要推到再來。
所以這兩三年，量化投資領(lǐng)域涌現(xiàn)出很多開源軟件，開源有五點(diǎn)好處：
第一是開放的源代碼。大家可以看到程序?qū)τ跀?shù)據(jù)的處理流程，不用擔(dān)心別人偷偷把我的投資策略上傳到他的服務(wù)器上，從而削減我的獲益能力。開源后你做出來的東西就屬于你，除非內(nèi)部人員管理出現(xiàn)問題，員工偷走了你的模型，否則能夠杜絕核心機(jī)密泄漏的風(fēng)險(xiǎn)。
第二，開源有著良好的架構(gòu)，絕大部分開源項(xiàng)目在發(fā)起時(shí)都不是為了賺錢，主要追求之一是為了獲得更多的用戶，通常來說擴(kuò)展性設(shè)計(jì)就會比較好，開源在擴(kuò)展性與應(yīng)用性的平衡會做得比很多商業(yè)軟件更好。很多商業(yè)軟件要么就追求速度，要么就追求應(yīng)用，這兩個(gè)都會導(dǎo)致拓展性變差。而開放的架構(gòu)有利于新業(yè)務(wù)的快速開發(fā)。
第三，開源意味著開放的設(shè)計(jì)。作為一個(gè)開源項(xiàng)目，我們總是假設(shè)用戶已經(jīng)買過各種解決方案了，而開源項(xiàng)目也不會做全所有業(yè)務(wù)，那么會預(yù)留需要跟其它系統(tǒng)對接的接口，開源項(xiàng)目可以有機(jī)整合此前的系統(tǒng)，提供易用、擴(kuò)展性的產(chǎn)品，能促成效益最大化。
第四，許多開源量化軟件使用通用性較強(qiáng)的語言，比如Python、R等，這種開源項(xiàng)目有一個(gè)大的好處，就是一個(gè)平滑的學(xué)習(xí)曲線，而很多商業(yè)軟件要么使用C++、Java等語言要么自己設(shè)計(jì)一套語言，總之一旦用了該平臺，轉(zhuǎn)換成本就會很高。從它們角度來說，這是商業(yè)利益最大化，但是從用戶角度來說，長期成本太高了。目前商業(yè)軟件方案越來越被量化巨頭機(jī)構(gòu)所拋棄。
第五，開源容易形成成熟的社區(qū)。開源提供交流、測試的場景，越多人參與其中測試、改進(jìn)，系統(tǒng)也會越穩(wěn)定。群策群力也能最快找到正確的發(fā)展方向。
上圖是開源軟件構(gòu)建的一條量化交易工具鏈，分為幾個(gè)步驟：
首先是數(shù)據(jù)收集，國內(nèi)比較有名的是tushare、windpy，后者是大型商業(yè)軟件公司萬得做出來的一個(gè)開源接口。
接著到了數(shù)據(jù)分析階段，NumPy用來存儲和處理大型矩陣；pandas解決時(shí)間序列；用Matplotlib來實(shí)現(xiàn)數(shù)據(jù)可視化。
第三階段是策略研究，IPython是一個(gè)交互式計(jì)算系統(tǒng)；Jupyter是最方便的策略研究工具之一；Zipline是一個(gè)策略回測框架，可以基于歷史數(shù)據(jù)對策略進(jìn)行回測檢驗(yàn)；RQalpha是國內(nèi)公司開發(fā)的策略回測框架 。
實(shí)盤交易是整個(gè)生態(tài)鏈最后一環(huán)，vn.py 是基于python的開源交易平臺開發(fā)框架，easytrader適合個(gè)人投資者，是一個(gè)開源的股票量化交易組件，只要你有一個(gè)炒股軟件，就能用它直接做量化交易，at.py則是一位在開源領(lǐng)域耕耘多年的大神的作品。
這是一個(gè)Github前十名的量化開源統(tǒng)計(jì)，統(tǒng)計(jì)時(shí)間是2017.3.22。從這個(gè)榜單中可以發(fā)現(xiàn)，python語言占了8位，此外，我們看到有很多策略回測框架，數(shù)據(jù)下載工具，還有比特幣策略模型。如果大家了解量化交易后想試試，可以看這些項(xiàng)目的源代碼，質(zhì)量更高，用戶也更多。
開源項(xiàng)目也存在短板，他們是被攻擊最多的地方，可以用一句話來概括——免費(fèi)的才是最貴的，這意味著缺乏專業(yè)服務(wù)。不過解決方案也很簡單：
積極參與開源社區(qū)，培養(yǎng)技術(shù)團(tuán)隊(duì)。從vn.py社區(qū)的一些經(jīng)驗(yàn)來說，絕大部分用戶是私募、券商等專業(yè)金融機(jī)構(gòu)，這些機(jī)構(gòu)希望自己的投資團(tuán)隊(duì)并不只是擁有寫策略、做交易的能力，也希望在一定程度上擁有擴(kuò)展平臺、開發(fā)新功能能力，那么他們通常會加入到開源社區(qū)，先把自己的業(yè)務(wù)需求在框架上跑起來，后續(xù)再改進(jìn)并使原來沒有跑起來的業(yè)務(wù)也能順利運(yùn)行。此外，還會多多與社區(qū)眾人交流，看看這是否是最優(yōu)解決方案。長期來看，對整個(gè)團(tuán)隊(duì)?wèi)?zhàn)斗力會有非常大的提升。
獲取開源技術(shù)咨詢和培訓(xùn)服務(wù)，可參考知名的開源解決方案供應(yīng)商Redhat和Wordpress，這可能會成為國內(nèi)一個(gè)趨勢。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
