醉染图书打开量化的黑箱(原书第2版)9787111537298

序
译者序
前言
致谢
部量化交易的世界
章关注量化交易的原因2
深度思考的益处7
风险的正确度量和错误度量9
遵守纪律10
小结11
第2章量化交易简介12
何为宽客14
量化交易系统的典型结构16
小结19
第二部分打开黑箱
第3章阿尔法模型：宽客如何盈利22
两类阿尔法模型：理论驱动型和数据驱动型24
理论驱动型阿尔法模型25
数据驱动型阿尔法模型45
实施策略49
混合型阿尔法模型61
小结67
第4章风险模型71
控制风险规模73
风险种类77
小结82
第5章交易成本模型85
定义交易成本86
交易成本模型的种类91
小结96
第6章组合构建模型98
基于规则的组合构建模型99
组合很优化104
组合构建模型的输出120
宽客如何选择组合构建模型121
小结122
第7章执行模型124
订单执行算法126
交易基础设施138
小结140
第8章数据142
数据的重要143
数据类型145
数据来源147
数据清洗149
数据存储155
小结156
第9章研究158
研究蓝图：科学的方法159
思想的产生160
检验163
小结184
第三部分量化策略实战指南
0章量化策略的风险内生18
模型风险189
结构关系变化风险194
外生冲击风险198
蔓延风险和同质者风险200
宽客如何监控风险208
小结210
1章对量化交易的批评212
交易是一门艺术，不是科学213
由于低估风险，宽客引起更多的市场波动214
宽客不能应对市场行情中的不寻常事件或快速的变化220
宽客接近相同222
长远来看，只有少数几个大型量化公司能够蓬勃发展2
宽客在数据挖掘中存在错误227
小结0
2章评估宽客和量化交易策略2
收集信息
评估量化交易策略
评估量化交易者
优势242
评估宽客的诚信246
宽客如何适应组合248
小结251
第四部分高速及高频交易
3章高速及高频交易概要254
4章高速交易260
速度的重要261
延迟根源270
小结281
5章高频交易284
契约型做市284
非契约型做市289
套利291
快速的阿尔法策略293
高频交易风险管理和组合构建295
小结297
6章关于高频交易的争论299
高频交易创造不公平的竞争了吗300
高频交易导致老鼠仓交易或市场操纵吗304
高频交易导致更大的波动或者结构不稳吗311
高频交易缺乏社会价值吗319
监管注意事项320
小结3
7章量化交易的展望326

里什·纳兰，很好数量金融专家，资深对冲经理。目前是特勒西斯资本有限责任公司（Telesis Capital LLC）的主要合伙人，这家公司主要采用量化交易策略进行。此前，他是圣巴巴阿尔法策略（Santa Barbara Alpha Strategies）的总经理和组合经理。里什还曾与别人合作创建Tradeworx公司并担任总裁，这家公司在1999~2002年管理着量化对冲。自1996年开始，他就开始从事对冲事业，专注于量化交易策略。里什于加利福尼亚大学伯克利分校，获得了经济学士学。

前    言历史是无情的主宰，根本没有所谓现在，只有不断成为未来的过去。保守的下场就是被扫出历史的舞台。 —约翰·肯尼迪在相对默默无闻的管理领域，广泛被误解的有利可图的市场正快展。这个有利可图的市场被一直工作在这个领域的聪明的人所主宰。他们在现代金融领域正努力解决一些趣且拥有挑战的问题。这个有利可图的市场有很多名字：量化交易、系统化交易或者黑箱交易。几乎在每个领域，技术都是改革的重要方式，极少数情况下，也是正在发生的事情。 上面提到这是一个技术，在量化交易领域，这可能让你感到很奇怪。但事实上，量化交易者和主观判断型交易者准确的不同点便在于技术。不要搞错：总是离不开数学，无论是对公司税收、成本、产生的利益和损失的基础分析，还是在计算市盈率指标等方面。格雷厄姆和多德所著书籍《券分析》（Security Analysis）中有一个章节专门讲解财务报表分析。关于这一点，这本者的“”比本书的阐述更详尽。 正如在领域，以遵守纪律的、可重复的、保持一致的方式做事情是很有用的（无论是制造汽车还是飞机），同样可以系统化，而且应该系统化。量化交易者在系统化的道路上已经走了一段距离了，汽车制造仍是汽车制造，手工安装的齿轮还是机器安装的齿轮并没什么区别。驾驶飞机亦是如此，飞行员驾驶和机工作没有什么不同。换句话说，只是以不同的方式做着同样的工作。核心是技术的不同。 如果我说“我喜欢拥有便宜的”，理论上，我会计算每个公司的市盈率，手工搜寻大力度优惠的，然后进入市场购买。或者我可以写一个计算机程序，扫描包含所有有关市盈率的数据库，找到符合预先定义的，然后利用交易算法在市场中购买。两者在如何操作方面是接近不同的，但是所购买的和购买原因是接近相同的。 所以，如果这里讨论的是如何对一种具体工作的接近理的演进，而且对新技术没有不合理的恐惧，那么，新闻报道者、政治家、普通公众甚至许多行业专家为什么又不喜欢量化交易呢？这有两个原因。个原因是在许多情况下，人们不喜欢自己的工作被技术取代。例如，高频交易的许多活跃对手进行战斗，并不是因为对资本市场的关心，而是因为他们的生计被更优选的技术威胁，这一点是很明显的。这是可以理解并有道理的，但是如果他们取胜的话，对市场是不利的。因为，他们拥护的是停滞不前。 第二个原因在我的经历中常见，是人们不能理解量化交易，对于不能理解的事情，我们倾向于恐惧和不喜欢。这本书旨在改善人们对管理行业量化交易的许多类型的参与者的理解。宽客经常内疚于因为缺乏必要的谨慎描述而使这个问题雪上加霜。而这只会在某些方面产生不信任，事实上丝毫没有必要内疚。 这本书将带着你开启“黑箱”。本书阐明了宽客所做的工作，帮人们揭开量化交易的神秘面纱，让对量化交易感兴趣的人能够更地估宽客和他们的策略。 首先要弄清楚一点，是人，而不是机器，应该对量化交易有趣的方面负责。量化交易可以被定义为人们通过严谨的研究，系统化地执行交易策略。关于这点，系统化(systematic)被定义为遵守纪律的、有条不紊的、自动化的方法。尽管依赖于自动化和系统化，但是人们开发策略并决定策略是什么，是人选择系统交易的券种类，是人选择获取什么数据以及如何清洗这些数据，还有许多事情也是由人完成。给予量化交易策略的人通常被称为宽客（quants）或者量化交易者（quant traders）。 宽客在研究中采用科学方法。虽然这个研究使用技术（包括数学方法和各种公式），但是研究过程接近取决于人的决策。实际上，人类决策几乎存在于设计、执行和量化交易策略监管的各个方面。正如我已经表明的，量化策略和传统的主观型策略所做的事情是相似的，都依赖于决策者日复一日地管理组合。 量化策略和主观判断型策略的区别在于策略如何被制定以及如何被执行。通过仔细研究这些策略，宽客能够用科学家验理论知识的方法评估这些想法。而且，通过使用计算机，系统化地实施策略，宽客能够消除很多存在于主观判断型交易中的随意。本质上，由情绪、无纪律、激情、贪婪和恐惧驱使的决策，能够在量化过程被消除，而这些心理因素被许多人认为是市场中出现重大失误的原因。这些心理因素被理分析和系统化的方法所取代，这些方法都是从许多领域获得的：对于需要重复完成并要求遵守纪律的事情，计算机比人做得出色。计算机比人更适合重复劳动，这并无不妥。竟，计算机也不适合创造的劳动；如果人类不告诉计算机如何操作，计算机将一无所知。相对许多主观判断型策略而言，由于在设计和执行策略上的不同，运行良好的量化策略能够持续获得有利的风险/收益回报。 为了更好地阐明本书的观点，我在书中主要集中探讨阿尔法方向的策略，没有涉及量化指数型交易者或者贝塔型策略。阿尔法策略通过择时和调整持仓头寸进而获利；贝塔策略是复制或者稍微改进指数的表现，例如标普500指数。虽然量化指数管理是一个大的行业，不过对它的解释不必过多。我没有必要在金融工程上花费太多的时间，金融工程主要在创造和管理新的金融产品（例如，债务抵押债券）方面起着重要的作用。我也不陈述量化分析，因为这也支持主观判断型决策。这是两个有趣的话题，可惜它们不是量化交易专有的特点，这些讨论还是留给相关专家吧。 这本书的主体结构分为四个部分。部（章和第2章）介绍量化交易的背景知识。第二部分（第3～9章）详细讲述了黑箱的内容。第三部分（0～12章）对量化交易进行分析，并指出评估宽客和策略的技巧。第四部分（3～16章）对高频交易、支持高速交易的基础设施、量化交易的传言和进行介绍。，7章分析量化交易的当前形势并展望未来。 用直观的方式解释量化交易是我的愿望。本书基于经济学原理和技术理论基础，描述了宽客做了什么以及如何操作。本书避免使用大量公式，行业术语也仅有限使用或者被解释以后使用。本书旨在表明很多人认为的“黑箱”实际上是透明的、直观的和易于理解的。我也探索了在量化交易中得到的经验教训，以及如何评估量化交易策略和宽客。总之，这本书对于许多资本市场的参与者和评论者都是有用的。对于组合经理、分析师以及任何类型的交易者，这本书将帮其系统化地理解“宽客做什么，如何做，为什么这样做”。对于者、财经媒体、监管者或者对金融市场有一些基本知识的人来说，这本书对于帮他们进一步理解量化交易有很大的帮。 里什·纳兰（Rishi K. Narang）致谢感激我的兄弟Manoj Narang对于本书第四部分给予的帮，感恩Mani Mahjouri提供的许多建议和帮。感谢迈克·贝勒和Dmitry Sarkiso对息微爆发提出的具有启发的观点。我在T2AM的同事Myong Han、Yimin Guo、Huang Pan和Julie Wilson通读了本书的不同部分，给出了许多有价值的建议。如果没有编辑Arzhang Kamarei不知疲倦的工作，这本书的可读将会大打折扣。本书的版也是由Arzhang Kamarei帮编辑校对的。 我必须感谢我在T2AM的同伴Eric Cressman、John Cutsinger和Elizabeth Castro的帮。 我在量化交易领域学到了许多知识，应该感谢许多朋友和机构的帮，它们是新际集团（Newedge）的Chris Kennedy和Ryan Duncan，艾特集团的Sang Lee以及巴克莱集团。除非另有说明，书中的基础数据来自YAHOO金融和彭博。 自2009年信息技术及广播局（ITBB）出现后，我对于很多人和很多机构的帮表示感激，它们是新际集团（尤其是Keith Johnson、Leslie Richman、Brian Walls、Galen Burghardt和Isabelle Lixi）、美林券（尤其是Michael Lynch、Lisa Conde、Tim Cox和Omer Corluhan）、摩根士丹利（尤其是Michael Meade）、芝加哥商业交易所（尤其是Kelly Brown）。 对于第2版，我感谢Philip Palmedo、Brent Boyer、Aaron Brown和Werner Krebs提出的建设的批评意见，使得这本书进一步得以改善，也很感谢Pankaj Patel、Dave DeMers、John Burnell、John Fidler和Camille Hayek对各种新内容的帮。