读书投资打开量化交易的黑箱006

数据基本上可以分为两大类：价格数据（price data）和基本面数据（fundamental data）。价格数据并不仅仅是和金融产品价格相关的数据，也包括从交易行为中得到或提取的其他信息。股票的交易量、每笔交易的时间及规模等都属于价格信息。

基本面数据包含的范围很宽泛，因而难以进行有效分类。从某种意义上讲，基本面数据是指除了价格数据之外的所有数据。但是，所有类型数据的共同特征是，这些数据有助于决定金融产品未来的价格或者至少描述金融产品目前的状况。最常见的基本面数据种类有财务健康状况（financial health）、财务表现（financial performance）、财务价值（financial worth）和情绪（sentiment）等。

在我们对数据的讨论中出现了一种有意思的模式。大部分价格数据倾向于关注短期效应，讨论的都是每日数据甚至日间连续数据。而在基本面数据中，我们看到的数据通常是周度、月度或季度数据。从这一不同的时间周期马上能够看出，一般来说使用价格数据（基本面数据）的相关交易策略通常是短期（长期）策略。这是因为，一般来说价格数据比基本面数据更新的频率更高。但这也不是绝对的，因为有些基本面策略，尤其是关注基本面或情绪变化的策略，可能是很短期的。不过在绝大多数情形下这一规律是成立的，这也是构建量化交易策略的常用准则。

宽客提出他们的想法的主要方式是通过观察市场。这种方法最直接地体现了科学方法的精神。量化交易策略的一个优秀而古老的例子是：期货合约中的趋势跟随策略。理查德·唐奇安是趋势跟随策略之父。他最先在股票市场进行交易，但是在1948年，他创建了期货公司，第一次公开地持有商品基金。1960年12月，他在时事通讯上发表了他的交易思想：《商品趋势择时》（Commodity Trend Timing）[插图]。他观察到，许多市场，即人们倾向于称作的牛市或熊市，存在着彻底的运动方向。他假定能构建一个系统，这个系统能够探测到趋势已经开始并持续进行。他将其想法表述为跟随策略：如果既定市场的价格高于过去两周的最高收盘价，则做多；如果价格低于过去两周的最低收盘价，则做空。在此期间，持有市场中所拥有的头寸。使用这个不可思议的简单系统，1950~1970年，他创造了成功的业绩记录，并催生了现在管理数千亿美元资产的行业。

量化公司注意到这一点，目前几个公司已经有相关策略，通过寻找学术文献中描述的各种行为来构建交易机会。许多量化公司花费大量的时间收集学术期刊、工作底稿以及会议资料中的能够用科学方法检验的思想。宽客可以寻找财务报表管理相关的文献，并检验这些文献中的思想。也许，量化交易领域中掀起巨浪的学术论文的最经典的例子是哈里·马科维茨的《投资组合选择》（Portfolio Selection）。正如第6章所陈述的，在《投资组合选择》中，马科维茨博士提出了一种计算“最优”投资组合的算法，这种算法被称为均值方差优化（mean variance optimization）。自马科维茨论文发表后的几十年里，在有关投资组合构建的研究中，他的技巧以及变异型仍是量化交易工具箱中最主要的工具。除金融文献之外，宽客也频繁利用其他科学领域的文献，例如天文学、物理学或者心理学，其中的想法可能适用于量化金融问题。

检验是研究的中心。初看上去，这个过程的最常见版本看上去相当简单。首先，构建模型，并基于可行数据的某个子集（样本内数据，in-sample period）训练此模型。然后在数据集的另一个子集检验其是否盈利（样本外数据，out-sample period）。然而，研究是充满着风险的活动。研究员总是因为痴心妄想而丢弃严谨性。