|
经常看到有Quant讨论，量化交易的核心是什么？有人认为是策略，有人认为是策略，像螃蟹这样的小白认为，量化交易的核心在于构建一个能够相对稳定盈利的策略，这个策略可以捕捉到市场的一些规律和特征，从而预测标的品种未来的价格走势，并制定相应的交易策略。
一、常见的可转债策略 可转债因为其本身具备的低手续费、高波动率、T0交易等特点，相较于股票和ETF，在做量化交易的时候具备一定的优势。今天螃蟹就分享下最近整理的一些常用的可转债量化交易策略： 1、双低策略：选择价格低、溢价率也低的可转债进行投资。这种策略的核心思想是寻找被低估的可转债，通过持有并等待价值回归获得收益。 2、摊大饼策略：通过分散投资，持有多种可转债来降低单一可转债的风险。这种策略的核心思想是通过分散投资来平衡风险和收益。 3、下修博弈策略：选择有可能下修转股价的可转债进行投资。这种策略的核心思想是预测并利用公司的下修转股价行为，通过买入并等待转股价值提升获得收益。 4、妖债策略：选择规模小、溢价率高的可转债进行投资，博弈其正股的超预期表现。这种策略的风险较高，但也可能带来较高的收益。 5、条款博弈策略：利用可转债的条款设计，如回售条款、赎回条款等，进行投资。这种策略需要深入理解可转债的条款和公司的行为动机，通过买入并等待公司执行有利条款获得收益。 6、趋势跟踪策略：通过分析可转债市场的趋势，选择与市场趋势一致的可转债进行投资。这种策略需要利用量化模型和技术分析手段来识别市场趋势，并制定相应的投资策略。 7、配对交易策略：通过同时持有正股和相应的可转债，利用两者之间的价格差异进行套利。这种策略需要深入理解正股和可转债之间的价格关系，以及市场中的套利机会。 8、溢价率套利策略：通过对比可转债与其对应正股的溢价率，寻找溢价率过高的可转债进行套利。具体来说，当可转债溢价率过高时，可以卖空可转债并买入相应的正股，等待溢价率回归正常水平时平仓获利。 9、正股替代策略：当某些正股因为流动性、涨跌幅限制等原因难以直接购买时，可以选择对应的可转债作为替代。这种策略需要关注正股与可转债之间的价格关系，以及正股的基本面和市场走势。 10、事件驱动策略：关注并分析可能对可转债价格产生影响的事件，如公司并购、重组、定增等，利用事件驱动效应进行投资。这种策略需要对公司和市场有深入的了解，以及对事件的敏感度和分析能力。 11、量化选股策略：利用量化模型对可转债对应的正股进行选股，选择具有较高成长性、盈利能力、估值优势等特征的正股进行投资。这种策略需要结合基本面数据和量化模型进行分析和决策。 12、网格交易策略：在可转债价格区间内设定多个买卖点，当价格触及买卖点时进行交易。这种策略可以在价格波动较大的市场中实现自动交易，降低人为干预的风险。 二、主要的量化软件 除了策略，做量化还有一个很重要的部分就是量化交易软件。目前市面上主流的量化交易软件一般就两款：迅投QMT和恒生Ptrade。对于处于量化入门阶段的投资者来说，可能会比较纠结到底应该选择哪一款，因为目前绝对部分券商都不支持同时提供这两款软件，一般只能二选一。为了让大家能够一目了然地了解两个软件的功能对比，今天做了一张图，希望能够用一张简单的图表给大家整理一下这两款软件的特点和优劣势，便于大家结合自身的需求来选择适用的量化交易软件。
三、开通条件是什么？ 目前大部分券商都可以申请开通量化交易软件实盘权限，只不过各个券商的开通门槛各不相同，螃蟹长期和各个券商的量化团队沟通对接，所以也整理了一下目前我所了解到的可以提供QMT及Ptrade的券商名单及开通需要的资金门槛，虽然券商采购的底层软件都是QMT和Ptrade，但是由于各个券商的业务定位不一样，所以开通门槛还是有比较大的差异。一般资金门槛在30W~300W不等，个别券商对于资产没有门槛。下图来自于螃蟹的手动整理，因为全国的券商数量及营业部数量盈千累万，所以不一定是市场上最最最低的门槛，但是相差不大，如果有更低门槛的券商及经理，欢迎联系。
如何开通量化交易权限呢？ 开通步骤大致如下： 1、首先找到客户经理，了解清楚券商开户的条件、量化权限开通门槛、佣金费率等。还需要了解清楚量化方面是否涉及单独的费用，比如流量费、年费、挂单撤单产生的手续费倒挂是否需要补足等细节问题； 2、满足条件后提交申请量化软件的资料进行申请：申请量化软件账号、模拟及实盘权限、绑定量化权限； 3、因为从2023年下半年开始，做量化交易需要向交易所报备，所以尽量联系比较专业的客户经理，在客户经理的协助下进行报备； 4、最重要的一点就是后续量化软件的使用。就我目前接触的上表中的券商来说，其中只有极个别券商有专业的技术人员及团队、有对应的量化软件沟通群，一定程度上可以实时响应解答客户软件使用过程中的遇到的问题。 五、费率问题 做量化交易，最后一定还要聚焦一个问题，那就是交易手续费。以可转债这种支持T0回转的品种来说，万0.5和万3对于量化策略绩效贡献的差异可能隔着一个银河系。详见下图吧。
|
|
|
