量化投资交易的系统架构及策略

硬件、软件与策略共同构成了量化投资的基础

A 交易系统的架构及开发工具

交易系统架构的模式

在量化投资领域，软件技术被广泛应用于模型技术、组合管理、风险评估、交易执行等各个领域。而量化投资中最关键的技术就是交易系统。常见的交易系统架构主要有两种模式，适用于中低频和高频交易。

一是中低频交易系统。传统投资领域对延迟的要求较低，由于交易量较大而更偏重带宽。交易系统采用常规的顺序执行方式，从前台客户端发起指令，经过后台的风控、合规检查后发起执行。主动投资、统计套利、因子模型、股票阿尔法等策略适用该模式。

二是高频交易系统。当策略需要捕捉微观结构中转瞬即逝的机会，对延迟的要求很高时，传统模式不再适合，需要以事件驱动模式构建层次少的高频交易系统。系统在收到行情后，触发策略计算，并在最快时间向交易所发送订单请求。高频趋势跟踪、跨期套利、做市商等策略适用该模式。

开发工具及常规编程软件

随着高性能计算机的发展，多核和显卡已成为主流，使量化交易员能高速处理海量行情和新闻数据。为了更快处理更多数据，多种开发工具可用于高效编程。MATLAB和R、SAS等语言已经成为主流研究工具，其也提供了相应的并行计算功能，以更好利用当代多核多线程芯片。MATLAB的并行计算工具箱，能够对没有顺序相关性的模型展开循环同时计算，极大加速计算过程。对显卡计算的支持更使其如虎添翼。MATLAB适用于频率不高于一秒的各种策略，在国内期货市场也有应用。

近年来Python等脚本语言得到了广泛应用，既能与统计语言集成，又能与C++、Java等无缝连接。开源软件贡献了丰富的数据统计分析功能，部分量化交易员已经用其构建整套研究平台，并对接至底层交易平台。

C++、Java等语言的通用性很强，而且有最高的性能，与其他工具的集成性也很好，既可用于编写模型，又可用于开发交易系统，是华尔街构建系统最常用的编程利器，提供了高效的开发工具。

数据库

国内的证券柜台系统，多使用传统的中低频交易系统架构，以数据库为中心，但当交易频率提高时，对数据读写访问的延迟和同步性要求显著提高，数据库已经不堪重负。国内的期货柜台系统已经先行一步，与数据库访问方式相似的内存数据库开始普及，有效地保证了高频行情下持仓和成交等核心数据的同步，延迟从秒级降低至毫秒级。而随着期权的开展，内存交易系统逐步在股票市场普及，低延迟的内存数据库将在我国量化投资领域得到推广。

传统的数据库以行模式存储数据，其数据存储不够灵活，而且对时间序列操作的支持性不够好。一些厂家提供了列数据库，如Sybase IQ和KX等。其数据容量优于行式数据库，数据即索引的特性能够极大提高访问效率，使得查询效率有较大提升，已被应用于高频行情等海量数据的存储和研究分析。

策略类型

在量化投资领域，交易策略主要有单边投机、套利交易和做市商等，这些基本类型衍生出各种实际应用，广泛适用于中低频和高频交易。

单边投机。单边交易是金融市场中最基本的交易类型，根据其出发点可以分为趋势和反转两种。在趋势策略中，交易员试图识别已经形成的趋势，以继续跟进获利；而反转策略试图识别过度上涨或下跌的行为，在回归常态的过程中获利。单边交易被广泛应用于股票和期货市场。

套利交易。套利交易试图捕捉两种或多种金融工具间的价格错误，以从中获利。套利交易是量化投资出现后最重要的交易方式，已被广泛应用于各个市场。

做市商。做市商提供双边报价，在承担存货价格风险的同时从买卖差价中获利，是最古老的交易方式之一。做市商依赖于从交易所获取的返佣，主要存在于ETF和期货市场。

B 现货市场策略

随着经济全球化，各个金融市场已经高度一体化。随着科技革命的进展，各现货市场的电子化程度已经越来越深入，量化投资已经有了很多的用武之地。

股票

股票市场与实体经济有着紧密的联系。量化投资最早就是在股票市场以统计套利的配对交易模式出现。根据套保比例的大小，股票策略有完全多头Long-Only、130/30和市场中性等，最富有盛名的文艺复兴公司的股票基金RIEF即采用170/70的模式。

根据交易类型的不同，股票策略有配对交易、无风险期现套利、阿尔法套利、统计套利等。配对交易，寻找相关性最高的两只股票，当其价差过大时同时交易，以期从价差回归的过程获利，是量化投资的最早形式。无风险期现套利使用与股指权重相同的成分股篮子，旨在获取基差。阿尔法套利对股票进行抽样，以因子模型来附加选股，并加入择时等判断，以期同时获取基差和阿尔法收益。统计套利利用市场短期的价格与价值偏差，在一个组合中同时做多和做空来获利。

在我国，除配对交易外的其他策略均已广泛开展，以股指期货对组合进行套保。随着中证500和上证50股指期货投入市场，对冲手段的多元化，对阿尔法统计套利策略是一个很大的“福音”。而随着期权的推广，这种模式将成为主流。

ETF

ETF在交易所内进行交易，追踪相应的指数基准。ETF同时具备开放式基金能够申购和赎回的特性及封闭式基金的交易特性，被认为是过去十几年中最伟大的金融创新之一。近十年来，全球ETF市场发展较快，已有数千只ETF投入交易，管理资金数万亿美元。

作为独立的品种，ETF既有独特的申赎机制，又有与股票类似的内在机制。最常见的ETF交易模式有申赎套利、期现套利、做市商等。申赎套利已经在我国开展了多年，量化交易员充分利用了高频交易的模式，最高年换手率达到2000倍。由于ETF常用于替代指数，可以更快地参与期现套利。此外，由于ETF的成交量不够活跃，做市商能够提供流动性，主要从交易所返佣获利，在我国也有一定的开展。由于其对策略和系统的技术要求极高，相信会推动量化投资实践的发展。而ETF期权的出现，使得相关策略更加丰富。

债券

债券市场的流动性很好，主要为机构投资者参与。其交易模式类似于股票，早已开展了量化投资的实践活动。名噪一时的长期资本管理公司LTCM即开展以债券配对交易为主的统计套利，但因杠杆过大而在黑天鹅事件事件中损失殆尽。现代国际债券市场已经基本上实现了电子化，除大宗交易仍然以询价模式在场外进行，大量交易均在各大自动化交易平台撮合，做市商策略也得到了长足的发展。

我国的债券市场以银行间模式为主，交易所仅占有10%的交易量，很多债券的流动性较差。随着国债ETF、国债期货的推出，定价策略被大量应用。有从业者开始研究实时汇总全市场数据，以预测现货指数、ETF和国债期货的走向，以期现套利和做市商为代表的各种策略将得以开展。

C　衍生品市场策略

衍生品市场在全球金融市场的占比越来越大，以FICC为代表的业务是其中的重点，也是量化投资的主战场之一。

商品期货

商品期货主要挂钩商品市场的现货，是最早的期货品种。其成交量活跃，是过去技术分析的主要应用地。商品交易顾问CTA即主要交易各品种的期货，上世纪80年代的海龟交易员即是一个典型。已经开展的量化投资模式有长期趋势交易、日内波段交易、日内高频交易、跨期套利、跨品种套利和做市商策略等。

在我国，各种模式的量化投资均已普及。而在最新的趋势中，将各品种一视同仁、同时交易各品种的统计套利模式开始进入实战，由于其相对风险小、资金容量大，将有更大发展。

股指期货

股指期货追踪股票指数，是最早的金融衍生品之一。除期货的属性外，还拥有和股指挂钩的专有属性。除支持商品期货的各类策略外，已被广泛用于与股票相关的期现套利、阿尔法套利、统计套利等。自从2010年沪深300股指期货进入我国市场后，已经为量化投资的开展发挥了很大的作用。随着中证500和上证50股指期货投入市场，量化策略的种类将进一步丰富。

国债期货

国债期货挂钩特定的国债现货指数，是一种高级的金融衍生品。其交易模式与股指期货类似。在2013年5年期国债期货进入我国市场后，已经有了一定的成交量，交投已较活跃。除了对债券组合进行套保以外，长期趋势跟踪和高频做市商也较为适合。

外汇

外汇市场是全球流动性最好的市场，但没有统一的交易平台，主要由各投行和自营交易商等卖方机构分别提供电子化的服务。做市商是最主要的交易模式，事件投机和汇率套利也有较多的应用。其与相关的汇率期权、互换等衍生品也有很多关联，对场外合约的定价策略也是一个重点。

由于我国尚未开放外汇市场，该业务尚未普及，但随着金融市场的不断开放和规划中的利率期货出现，外汇也将成为量化投资的重点。

期权和其他衍生品

以期权为代表的各种衍生品已经成为市场的热点，其中的期权将权利和义务分开定价，提供了多种交易模式。由于期权对定价的要求很高，单边投机、期现套利和做市商等是最主要的交易行为。美国和韩国市场的期权交易量处于领先地位，股指期货与个股/ETF期权被广泛应用。随着我国进入期权时代，相信将在全球市场内占据更大份额。

自从上世纪80年代摩根斯坦利和所罗门兄弟发明了统计套利以来，量化投资在全球市场得到了很大的应用。自从我国引入股指期货、国债期货等多种金融衍生品后，金融市场逐渐与国际接轨，开放程度日益提高。随着期权等各种衍生品的纷纷涌现，量化投资将迎来第二轮高峰。

期权定价和统计套利等模式的普及，对计算机的要求会更上一个台阶，显卡GPU和现场可编程门阵列FPGA等技术会逐渐流行。相信整个量化投资行业将开辟更广阔的生存空间，使市场结构和定价机制更加高效。

（文章来源：期货日报 作者：中信证券 何昱，中信期货 廖亚希）