浅析金融衍生品和量化投资
来源:用户上传
作者:
摘要：投资者被金融衍生品的高收益驱动，却又对其高风险和高杠杆踌躇不前。量化投资为投资者提供一种更为理性的投资方式。金融衍生品交易和量化投资的结合将有助于投资者实现稳定和持续的回报。基于这一观点，现首先简要回顾了一些金融衍生品的定价模型和现状，然后分析了金融衍生品和量化投资的相关性，进一步浅析量化投资策略中的风险，最后对应提出了创新量化投资技术、加强系统建设、加强流程监控三个风控措施。
关键词：金融衍生品;量化投资;风控措施
中图分类号：F830.9 文献标识码：A
文章编号：1005-913X（2019）07-0102-02
一、引言
在國内量化投资才开始起步，随着中国金融衍生品市场的建立，量化投资的机构将在中国逐步发展壮大起来。量化投资目前还没有严格的定义，它是一种利用计算机技术并且运用一定的数学模型去实践投资理念，实现投资策略的过程。量化投资的成功在于投资策略的质量，而投资策略的表现形式是数学模型。量化投资的过程一般分为几个步骤，一是计算机通过模型的判断发现市场上的交易机会，交易机会一般体现为金融投资品的不合理定价。二是迅速对机会进行分析是否达到买卖条件， 若达到条件则计算买卖的数量。三是执行程序化的买卖指令。然而，在市场交易过程中，金融投资产品的不合理价格出现时间非常短暂，策略模型能时刻正确判断某些金融投资品的价格是否合理，并迅速进行交易决定了量化投资的成败，进一步地说，判断金融投资品价格是否合理涉及到其定价模型。
随着国内股指期货和期权市场的建立，中国金融衍生品市场进入快速发展阶段。金融衍生品是从一种或多种基础性金融工具派生而来。包括远期、期货、期权、互换四种基本金融衍生品，和具有它们混合特征的组合品种。高杠杆使得金融衍生品为投资者带来丰厚的投资收益，但交易不当亦具有巨大风险。
二、量化投资现状综述
量化投资是近几十年在华尔街新兴的一种投资方式，投资效果明显，市场规模持续扩大。在国内，量化投资并未普及，有着巨大的潜力。近几年随着中国金融衍生品市场的建立和发展，量化投资在国内逐步发展和壮大，与之相关的投资理论和投资策略将会是未来研究的热点之一。量化投资策略是在金融市场利用数量化方法进行判断、分析、交易的策略和算法的总称。量化策略一般用到数学、金融、计算机等学科的知识，通过事先编好的程序运用计算机去捕捉市场上出现的机会，最后通过计算机下达指令对投资标的进行交易。与衍生品相关的策略主要是关于股指期货和期权的套利策略，而它们的核心都是衍生品的定价模型。
量化投资包括两个重要方面。一方面，从理论上来说，量化投资理论研究中最重要的问题是金融产品定价的问题。另一方面，从实际操作上来说，怎样构造能产生盈利的投资策略是量化投资的关键。在这两方面，国内外研究人员做了大量工作。
在金融衍生品——期权定价方面，F.Black&M.Scholes于1973年提出了BS期权定价模型。BS模型促进了金融衍生品交易的发展，但是模型中假设股票波动率σ为常数，与市场实际情况不符。Heston模型、AHBS模型解决了这一问题，但是在实践中又都存在复杂参数估计的问题。1969 年欧式看涨期权的平价模型——PCP被提出。1973年被质疑PCP不适合美式期权。1995年，Kamara&Miller表明，PCP适合标准普尔500欧式股指期权，并且存在一定的套利机会。
在另一金融衍生品——期货定价方面，1983年，Cornell & French 在完美市场、无风险利率r是常数等苛刻的假设下提出了股指期货定价的持有成本模型——COST OF CARRY模型，它表示了期货价格F（t）和现货价格F（s）之间的关系，但是无风险利率r是常数这个假定并不符合实际情况。1985年， Ramaswamy&Sundaresan得到随机利率模型，该模型解决了r是常数的问题，但是大量实证研究表明持有成本模型、随机利率模型计算的期货理论价格F（t）和真实价格F（t）′偏差较大。1991年一般均衡定价模型提出解决了这个问题，但是大量实证研究表明随机利率模型和一般均衡定价模型存在复杂参数估计的问题。1991年， Klemkosky&Lee从无套利的角度提出了股指期货无套利区间定价模型，该模型指出，若股指期货的实际价格落在该价格区间内则是合理的，若实际价格落在无套利区间之外则可以通过策略进行套利。
在国内金融衍生品定价研究方面，由于国内期货、期权上市的时间较晚（期货为2010年开始交易，期权为2015年3月开始交易），相关研究还处于初级阶段。股指期货定价的研究主要包括，2007年郭洪钧研究国内股指期货价格均衡的条件、价格背离的原因，相应地提出消除价格背离的策略。2008 年张锦等以国外相关的模型为基础，增加了股指期货保证金和交易费用等变量综合考虑，与沪深300仿真日结算价格相比得到结论， 股指期货有很多正向套利机会。而期权的研究基本以国内的券商为主，研究结果大多体现在其投资报告上。
三、金融衍生品与量化投资的相关性
由于金融衍生品高杠杆、专业化的特殊属性，且目前中国投资者尚未完全普及金融衍生品专业知识，使得金融衍生品市场发展相对缓慢。借助计算机程序化，运用量化投资的原理和实践方法，将成为未来投资交易的重要发展方向。
金融衍生品的功能之一是风险规避。通常是利用高杠杆性，以较少投资持有头寸，对冲现货价格变动来规避风险。目前国内的量化对冲实践大部分通过期货市场实现。交易品种的限制使得国内量化投资产品策略单一。随着股指期货、个股期权等金融产品的出现，投资者拥有更多的风险规避渠道，也开辟了量化投资的新局面。量化投资策略选择变得更多元化和赋有创造性。 金融衍生品的另一主要功能是价格发现。价格发现是指市场大量参与者基于个人获取信息和价格预期，通过公开叫价拍卖等其它方式不断更新价格体系，并持续反映市场的真实供需关系。这些价格快速传播，成为整个市场价格变动的风向标，帮助市场参与者做出正确决策。可以预期，量化投资基于其“速度和规则”优势的广泛运用，使市场报价和成交更加频繁，市场流动性将大大增加。同时，由于某些策略的相似性，未来市场价格变动或呈现规律性和高波动性。
金融衍生品与量化投资合作有望实现共赢，通过量化投资，投资者可以避免主观损失，理性决策，更好地利用金融衍生品来履行风险规避功能。同时，金融衍生品的发展在优化金融市场交易环境的同时，提高投资者的投资水平与眼界，为量化投资提供了更优良的应用平台。
四、量化投资策略中的风险隐患
（一）数据陷阱的风险隐患
传统的投资方法中，投资者情绪影响投资过程。量化投资，通过从数据中抽取和剥离投资价值，构建模型以及根据分析结果做出决策，排除了个体情绪。然而，数据也可能存在风险隐患。在大数据时代，投资者被数据所包围，无法甄别有效数据。对有缺陷的数据进行建模和分析可能会得出与实际情况相悖的结论。
（二）系统故障的风险隐患
第一，网络问题或硬件故障影响模型分析效果。第二，在设计模型过程中没有充分考虑资金配置和仓位的情况，导致两者不匹配，出现爆仓。第三，目前的交易系统缺少统一的标准认证，通常由各家机构自己设计。第四，交易所的处理系统存在延迟风险。
（三）市场操纵的风险隐患
目前，在中国资本市场中，量化投资策略使用者大多是机构投资者，他们有雄厚的资本和高技术人才，一定程度上或导致市场波动。而中国资本市场大多数是散户，即中小投资者，他们通常没有强大的资本和专业的技术分析，也很少会在交易中运用量化投资策略。由此可得，量化投资策略隐藏着市场操纵的风险。
五、量化投资的风控措施
（一）创新量化投资技术
目前，量化投资已经完成了两个阶段。程序化的启蒙阶段是指整合交易经验嵌入算法，完成初级交易。因子库决策阶段是指为决策过程建立一个因子库，通过下单逻辑确定自动买涨或买跌策略。除了这两方面，创新量化投资技术还需要实现对非结构化数据的分析。通过分配权重把相关性不太强的因子也包括在量化投资模型中，丰富其模型维度，提高其准确性。同时，加速人工智能与量化投资策略的融合，基于量化，同时考虑用户体验，通过建立数据库，加上模型算法，生成决策，规模化量化投资策略，并生成反馈策略的机制。
（二）加强系统建设
第一，可以对证券、期货公司的数据接口进行规范，并将该接口的具体内容报备给证监会。同时，交易所可以限制交易前发送的订单，设置当天的最大头寸，实现同步监控，当策略交易异常时触发应急响应机制，即时处理。第二，完善证券、期货公司的风险监督流程，及时控制错误指令的订单以及投资者信用评级以外的交易订单。且当程序化交易账户的金额超过一定限额时，应对其策略和程序向交易所做保密性报备，为以后发生大事件问责时提供参考。
（三）加强流程监控
首先，设置订单的最低持续时间，提防由大单拆分和频繁撤单引起的虚假活跃市场。其次，加强量化投资策略交易风险控制流程的培训，建立大额交易监管机制，跟踪大订单，防止投机者通过操纵市场价格进行非法套利行为。
“量化投资为主，定性投资为辅”应为金融衍生市场投资的最佳方式。量化投资是一种高效率的基于大数据的分析方法。但是大数据偶尔的欺骗性使得量化投资具体实现策略必须结合定性投资，投资者要依照个人经验随机应变。国内金融市场不断完善，衍生品品种不断推出，量化交易模型也将会不断创新，“金融衍生品+量化投资”市场将会不断被发掘。
参考文献：
[1] 陈 健，宋文达.量化投资的特点、策略和发展研究[J].时代金融，2016（29）.
[2] 郭洪钧.股指期货的定价问题[J].上海财经大学学报，2007（3）.
[3] 丁 鹏.量化投资策略与技术[M].北京：电子工业出版社，2012.
[4] 董如楠.浅谈金融衍生品产品最新发展趋势[J].时代金融，2013（24）.
[5] 方浩文.量化投资发展趋势及其对中国的启示[J].管理现代化，2012（5）.
[6] 郭 朋.国外高频交易的发展现状及启示[J].证券市场导报，2012（7）.
[7] 里什·纳兰.打开量化投资的黑箱 [M].郭剑光，译.北京：机械工业出版社，2012.
[8] 彭 志.量化投资和高频交易：风险、挑战及监管[J].南方金融，2016（10）.
[9] 徐国祥，刘新姬.沪深300 股指期货定价模型的改进及实证研究 [J].统计与信息论坛，2012（2）.
[10] 岳 跃，居雄伟.量化投资的四大误区[J]. 中国证券期货，2017（1）.
[11] B. Cornell and K. R. French， Taxes and the Pricing of Stock Index Futures [J]. Journal of Finance， 1983（3）.
[12] F. Black and M. Scholes， The Pricing of Options and Corporate Liabilities[J]. Journal of Political Economy， 1973（3）.
[13] O'hara，High-Frequency Trading and Its Impact onMarkets[J]，Financial Analysts Journal， 2014（13）.
[14] R. C. Klemkosky and J. H. Lee， The intraday ex post and ex ante profitabilityof index arbitrage [J]. Journal of Futures Markets， 1991（3）.
[15] R. C. Merton， The relationship between put and call option prices：Comment[J]. Journal of Finance， 1973（1）.
[責任编辑：王功巧]
转载注明来源:https://www.xzbu.com/2/view-15014027.htm
