基金量化投资策略_量化投资策略的清仓信号

每个策略都有其特定的建仓信号，但是策略的清仓信号并无太大区别，主要有以下几种：

·固定的持有期

·目标价格或盈利上限

·最新的建仓信号

·止损价格

无论是惯性模型、回顾模型，还是基于惯性或回归的季节性交易策略，固定持有期都是其默认的清仓策略(后面将详述)。前面说过，信息的缓慢扩散是惯性产生的一个原因，这种情况下，这个过程的期限有限。通过回测可以获得这个期限的平均时间，这一时间决定了最优持有期的长度。

量化投资策略的清仓信号

在确定惯性模型的最优持有期时需要往意：最优持有期会随信息扩散速度的加快以及使用同一策略的交易员人数的增加而缩短。因此，一个回测期间的最优持有期为一周的惯性模型，实际中可能只有一天持有期。更糟糕的是，一年后这一策略就可能无法盈利了。同时，由于历史数据的数量有限，回测时难免会存在数据迁就偏差。不幸的是，对于新闻或事件驱动的惯性策略，没有其他的清仓选择。对于均值回归策略，我们有更加具有统计可靠性的方法来决定交易的最优持有期。

时间序列的均值回归模型可以运用Ornstein-Uhlenbeck公式(Uhlenbeck, 1930)来建模。用符号z(t)来表示股票配对的均值回归差价(多头的市场价值减去空头的市场价值)。有：

dz(t)=θ(z(t)-μ)dt+dW

其中，μ为价格的平均价值，dW为某种高斯随机噪声。给定日差价的时间序列，将差价对侮日变化dz进行线性回归，很容易得到θ(和μ）。数学上可知，z(t)的均值服从均值为产的指数衰减过程，其半衰期(差价回归到最初偏离均值的一半所需要的期望时间)为ln(2)/θ。半衰期可以用来确定均值回归头寸的最优持有期。由于所有的历史时间序列数据(而不仅仅是交易促发的那些天)都可以被用来估计θ，通过这种方法估计的半衰期比直接从交易模型中获得的半衰期更加可靠。

如果你认为所持有的证券是均值回归的，就得计算一下你的目标价格—该证券历史价格的均值，也就是Ornstein- Uhlenbeck公式的产。这一目标价格可以与半衰期一同作为清仓信号使用(即只要满足一个条件就清仓)。

如果我们拥有公司的基本面估值模型，按目标价格清仓的方法也能用于惯性模型。但是，基本面估值并非很科学，所以，目标价格在惯性模型中的使用并不像在均值回归模型中那样靠谱。如果使用基于基本面估值的目标价格可以轻松获利，所有投资者必须做的是，通过每日研读股票研究报告做出投资决策。

假定你正运行一个交易模型，并根据信号建仓。一段时间后，你再次运行模型。如果模型给出了相反的交易信号(比如：当你拥有一个空头头寸时，系统发出了“买入”的信号)。此时你有两个选择：要么清仓，要么清仓后反向建仓。无论哪种方法，实际上都是使用交易模型最新的建仓信号来作为原仓位的清仓信号。当一个交易模型只能在最优持有期中的一个更短区间内运行良好时，这种方法是获得清仓信号的常见方式。

注意，这种清仓策略同时也提供了一个止损策略建议。在惯性模型中，如果模型最近发出的建仓信号与现有头寸方向相反，惯性的方向很可能就已经改变，你的头寸已经发生了亏损(或者更准确地说是挫跌)。此时，清仓就相当于进行止损。然而，对于惯性模型来说，将最新的反向建仓信号作为止损信号，显然比按照可人为调整的参数而确定的任意止损价格来得更合理，因为引入参数的过程难免会存在数据迁就偏差。

当我们使用回归模型时，有必要考虑一个类似的状态。如果现有头寸处于亏损状态，回归模型给出的交易方向必然还是一样的。所以，回归模型的建仓信号永远不会建议止损。(相反地,它可以给出一个目标价格或者盈利上限，此时，回归力度会很大以至于发出了相反方向的建仓信号。)其实，在一个均值回归模型中，基于持有期或盈利上限的清仓方式比通过止损清仓更加合理，因为止损就意味着你在更加极端的情况下清仓，这与模型的假设相违背。(除非你相信，由于新消息的影响，市场已经由均值回归状态转变为惯性状态了。)