当前速读：多维度解密“量化交易” 发挥数据的驱动价值 恒生电子“数据驱动量化交易”线上沙龙成功举行

随着国内量化私募管理规模破万亿，量化交易市场热度与日俱增，机构也在不断加强交易、投研、风控等量化能力的建设。其中，数据是量化交易的灵魂，探索如何更好发挥数据在投资交易中的驱动价值，是金融机构在未来数智化竞争中赢得优势的重要手段。近日，由恒生电子和旗下金融数据服务子公司恒生聚源联合举办的“数据驱动量化交易”主题沙龙在线上成功举行。本次沙龙邀请了来自券商、私募、数据和技术服务商的量化领域专家，围绕技术平台、投研决策、策略算法、数据服务等话题进行了研讨。

国内量化交易前景可期

(资料图)

中泰证券金融科技委员会主任、科技研发部总经理何波就量化交易技术发展和未来趋势进行了分享展望。在他看来，站在软件科技行业角度，当大资管时代量化交易不再纯粹聚焦高频极速时，除了目前熟知的低延时、AI等技术，开源和“云原生”是值得行业深入探索的方向，这也是量化交易走向规模化的必由之路。而如何让量化交易走上“云原生”之路，则需要从统一的行业标准制定、完善的开源生态构建、合适的开发语言使用等各方面进行深入发展。

恒泰证券信息技术中心联席总经理欧阳辉表示，中国量化交易起步较晚，不过发展空间潜力巨大。从市场规模来看，目前国内的量化交易金额每年约20万亿，而目前国内A股市场双边交易平均日交易量是1.8万亿，其中量化交易仅占比约10%。即便在现有交易量不发生改变的情况下，要是能够达到当前欧美市场量化交易70%占比的情况下，未来10年内国内量化交易规模也可以达到每年140万亿的体量；从国内量化私募机构的数量来看，从2020年四季度只有10家，到2021年三季度的20家，而今年一季度的数据已经有30家了。并且从管理规模上看也是增长很快，2021年二季度同比2020年二季度增长了21%。

站在证券公司的角度，谈到量化平台的建设，他认为虽然国内量化交易发展时间不算长，但现阶段已经不是单纯靠提供交易通道就可以满足客户的时代了。“当下客户对技术的需求是多方面、多维度的，从数据到终端都有不同层次的需求，因此这些年公司在包括数据中心、极速通道、算法平台、投研平台、量化PC及量化工具等方面进行了布局。就整体框架来看，从最底层的原始数据构建数据中心提供实时行情服务，再到上层的极速交易通道、算法平台、量化工具及投研平台，到最上层实施自研的量化PC，主要是提供算法的使用、策略的编写和对接，实现了全平台的覆盖。”

他表示基于上述布局，公司针对能力不同的量化客户，可以提供不同层级的技术服务，以满足从机构到个人、从小白到私人多层级的客户量化需求。“对于小白来说，主要需要提供条件单、划线交易和量化课程服务，向上进阶还会用到量化PC等服务。如果客户有一定的编程能力，我们可以提供数据以及编写平台，可以满足他们更高级的诉求。最后是量化机构，其实他们大部分有自己的电子交易系统，个性化需求也比较强烈，大多数情况下需要进行一对一服务。”

数据驱动量化市场发展

作为新晋的百亿量化私募，思勰投资交易运营总监孙修远从量化私募的角度，就数据如何驱动量化私募发展进行了观点分享。首先，他认为数据驱动了量化投资的诞生。量化投资本身就是一种以数据为驱动的投资方式，从海量金融数据中寻找能够带来超额收益的“大概率”规律，按照这些规律构建数量化模型指导投资，因此也正是金融数据的丰富造就了量化投资的诞生。

据其介绍，20世纪90年代中期得益于国内金融市场的诞生和早期发展，金融数据开始通过报刊、电视、上市公司的公告、证券公司的营业网点等形式进行传播，传播的内容主要是上市公司的相关公告，还有日内以及日间的行情，以及期货标准合约要素等。在这个时期，国内逐渐诞生了第一批金融数据服务商，同时诞生了通过金融数据指导金融交易的市场交易流派。对比来看，在同时期的美国，由于其金融市场历史更加悠久、信息更加丰富、电子化交易更加成熟，使得20世纪90年代中期成为海外量化蓬勃发展的时期，比如像大奖章，D.E. Shaw, Citadel都是在90年前后成立，并且在90年代中期得到高速发展的。

其次是数据发展驱动量化发展。他表示，金融数据与金融科技的发展带来了更多的量化投资方法与机会，也促进了量化私募行业的蓬勃发展。到了2000年代中期，随着互联网的发展与电子化交易的兴起，交易所开始提供高频行情的数据，国内的量化交易自此开始萌生。2004年至2005年开始有ETF套利策略，这实际上是国内市场最早发现高频行情能产生交易机会的典型案例，也是金融数据逐渐丰富及准确带来的量化投资机会。

到2010年之后，互联网尤其是移动互联网的高速发展，大量的另类数据可以通过网络传播和获取，金融数据信息越来越公开化、透明化，也推动了国内量化私募在这个时期得到了高速发展。“我们在这个时期可以获得券商研报的一致性预期、市场舆情数据、产业链数据、电商数据，还有比如卫星数据、气象数据等多样另类数据，这都可以给大家带来投资机会，发掘新的量化分析方向。这些数据能够直接或间接在不同的频率和不同程度上与金融市场的相关产品表现有所关联并产生影响。大家如何去更好地处理、使用和发掘这些数据的内在价值，也是未来量化私募差异性与竞争力的部分体现。”孙修远说。

最后关于数据驱动的量化资管体系，他认为通过量化数据中台的建设可以实现业务数据化、数据资产化和投研智能化，进而打造数据驱动的量化资管体系，是量化私募数据能力助力投资决策的重要方向。具体看向量化数据的中台架构，首先在对底部不用类型的数据源进行采集、抽取、同步等方式放入数据存储后，还会进行对应的数据处理，比如流处理、批处理、事件处理以及机器学习的过程。而上述这些都需要有统一的数据调度管理平台，包括数据处理时候的任务调度管理，数据处理过程中数据监控管理，数据处理之后数据权限管理，以相及对应的数据运维管理。

“在这上面我们会建立一个数据访问层，数据访问层会提供API、DB接口及文件接口，从而可以提供全量的访问支持，并最终实现业务的数据化。在数据沉淀下来之后提供给量化的数据中台，通过数据中台的数据处理，达到数据资产化的要求，最后通过数据资产化支撑智能投研。”他介绍说。

多重产品服务量化投资

“量化交易的发展需要低延时软硬件基础平台、策略模型、投研数据等多维度支撑，我们一直致力于从极速交易、智能算法服务、投研数据服务、智能风控等各方面为金融客户提供全面的量化技术服务。”来自恒生电子和旗下子公司的量化领域专家分别从不同角度分享了在交易系统、 算法策略、数据服务等方面的思考与成果。

恒生聚源副总经理夏青认为，任何一种投资都需要建立在数据定量分析的基础上。“我们需要把手里的数据用好，这样才能借助数据驱动的方法挖掘背后的关联性以及比较大概率的事件发生，通常我们会把这些思路进行抽象、提炼成为数据模型，形成相对稳定并且有超额回报的策略。”

对于数据如何应用于量化投资决策分析，他表示在量化投资场景中，量化选股类策略的资金容量最高，主要运用了多因子选股策略，涵盖了个股基本面，情绪面、流动性等因素，会运用到行情类、财务类、估值类相关数据和指标。“我们打造的量化多因子库，可以提供包括规模因子、动量因子、质量因子、波动因子等十大类因子库，为量化投资机构提供投研数据服务、绩效归因分析和指数服务。同时我们的多因子库覆盖沪深主板、创业板、科创板等多市场，覆盖时长从2000年持续至今。”

此外，他表示量化工具在其他方面有很多应用，包括基金组合的绩效归因，这对FOF投资有很大的帮助，尤其是选基金管理人的时候。“我们看到Brinson模型归因对股票类基金有非常好的分析，它会把超额收益分解成行业主动配置收益、选股收益以及交互作用，这样会知道基金赚的是什么钱，赚的是Beta的钱还是Alpha的钱。同样债券也有Campisi模型，更多是把债券类持仓分解成为利差收益、择券收益和票息收益，也可以帮助我们判断基金管理人的优势在哪里。”

南京恒生交叉信息科技有限公司 CTO金逸飞则将重点放在了“智能算法交易和T0策略服务”上。在他看来，当前面临的市场环境是交易规模越来越大，目前资管行业的规模已经达到了几十亿管理水平，日均交易金额高峰期可以达到万亿的水平，在这个背景下，市场数据积累已经经过了结构化的数据积累阶段，迈入了非结构化的数据应用阶段。在他看来，非结构化数据应用阶段有一个典型的特征，就是数据量是呈指数型的暴涨阶段，这就要求研究和分析非结构化数据需要一些比较前沿的工具和技术手段，其中AI和大数据技术是比较匹配的技术手段。

他认为智能算法交易执行正在成为投资交易的必要手段和未来趋势，不同交易目标需要适配不同的交易算法。比如，日内T0交易以高胜率、高盈亏比、低回撤等特点，受到量化机构的广泛关注。“我们的T0交易系统，搭载T0算法策略，同时结合LDP极速交易平台、FPGA极速行情平台等低延时交易产品，可以为机构投资者提供一种便捷且相对低门槛的T0交易方式，实现股票持仓灵活回转。”

此外，恒生电子数据运营中心运营专家黄琪分享了在量化投研数据服务上的实践。他表示，2019年至2021年，市场经历过T+0高频、明星抱团、指数增强、能源及商品CTA等许多热潮，这其中通过一段时间的收益、设计创新或优化来迎合市场的产品，退潮时大多会以超额收益大幅回撤为结局。可以看到在2021年3月至2022年8月期间，在1.6万只正常运行的公募产品中，仅有约5%的产品实现超额收益增加，绝大多数产品的超额收益降低，约42%的产品的超额收益由正转负。

他表示在绝大多数量化产品出现超额收益大幅下降的情况下，PureAlpha正在得到越来越多的管理人青睐，而追求PureAlpha需要在数据、模型策略和交易执行上有更多的投入，并不断推高对量化投研数据的要求。而面对量化投研数据服务“数据体量大、多源异构、数据质量低、自由度低”等问题，可以通过建设高质量的历史行情数据底座，为机构量化投资者打造集行情、资讯、因子数据等于一体的机构金融数据服务，同时提供二次加工和统一便捷的对外服务，进一步满足机构展业服务需求。

标签： 数据服务 量化投资 超额收益