所谓的投资组合,一般是利用阿尔法模型、风险模型和交易成本模型的构建模型,作为输入变量,主要在追求利润的同时,依然能在风险,成本中进行平衡,从而确定最佳的投资策略。 可能许多量化策略,并不包含交易成本、投资组合构建模型或者执行模型,而其中又有一些交易策略,包含的模型,又有不同组成部分。我们可以把任何关于风险的要求和认为有必要的限制,加入到交易模型中,以确保策略的完整度。另一个变化是在不同组成部分之间建立更么的递归连接,有些交易者捕捉自身实际执行策略的数据、并利用这些数据去优化他们的交易成本摸型。但是,它反映了一个量化交易系统内的各个组成部分,无论它们是否严格按照这种框架进行组织自己的策略。 图中只是反映了量化交易者的一部分工作内容,仅考虑了交易系统的生产部分,容易忽略两个重要的组成部分:数据和研究。 如果缺少了核心精准的数据输人,策略将毫无用处。因为量化交易者主要是通过数据,对信息进行加工,做出交易的决策,进而建立精准的输人与输出模型。例如,采用趋势跟踪策略的交易者,通常根据价格数据判定趋势;如果没有精准数据,将会一事无成。 正因如此,数据是策略的命脉,决定着量化交易的各个方面。对于给定的数据,易网行量化策略师可以对其进行研究,通常包含对数据的测试和仿真。通过研究,我们可以判断量化策略的运行情况。还值得注意的是,框架中的各个模块,也需要基于大量的研究方可正确建立。 |
|