简介： 刘磊，清华大学计算机本科与硕士，哥伦比亚大学计算机科学原理硕士，CFA。10年美国顶级对冲基金Two Sigma公司管理经验，历任自动交易系统部、高频交易策略部、执行研究组副总裁。在创建交易模型预测市场影响、开发自动交易系统和研究分析高频交易策略等有丰富的经验和研究。 之前在华尔街的对冲基金公司做了八年，回国后开始涉足期货行业，至今期货已做了两年。

 

和讯期货大赛程序化高频交易高手，综合积分长期稳居前十，棉花、玻璃、聚乙烯、棕榈油、PTA盈利金额第一。所管理的青骓衍生品高频一期，2014年期货基金冠军盈利162%，最大回撤仅1.4%，从2013年8月9日运作至今，累计净值为4.97，累计收益率为397.83%，最大回撤仅为1.42%。

 

刘磊主做程序化高频交易，而目前国内参与程序化交易的人数还不多，但在欧美金融市场，期货程序化交易业务已发展得非常成熟。有关数据显示，美国程序化交易占期货总交易量的80%以上，而国内仅占不到10%。

 

刘磊的演讲内容：

 

对国内市场的空间，从宏观角度，交易所证监会希望成交量大，市场活跃。而就市场本身而言，现在的国内期货市场相比国外还相对比较原始，手段和技术都还处于发展初期，对于投资者而言相对机会也会非常多，故非常看好。

 

期货市场一直是个高风险高淘汰率的行业，据统计，期货投资者的平均交易寿命只有9个月，淘汰率超过90%而程序化交易因其反应速度快，延迟低，消除心理因素干扰，严守交易纪律等固有特点被寄予了很高的期望。程序化交易的最大优势，是能实现历史回撤，即当投资者获得一个策略想知道它能否盈利，如果是人工交易的话就可以在实盘操作，时间长代价大，如果有程序化平台，则只要花半天时间一试，就能知道它是否能赚钱，非常快捷。

 

在利用程序化实现交易的高收益低风险方面，分为两个方向:

 

一个方向是预测准确。通过搭建模型实现百分之九十的预测准确率是非常难的，但通过长期基本面分析也许能做到，比如做大豆，了解种植面积、天气变化、供求关系等。还有一个方法即做模型叠加，搭建众多模型，模型间没有相关性，每个模型的预测准确率是百分之五十五，如果有一百个，叠加就可能达到百分之八九十的准确率。

另一个方向，多做交易，增加交易标的，原本做一个品种现在做十个，由原本的交易周期长变为交易更快，这样每次的交易胜率可能相差无几，但叠加后每天出现亏钱的可能性却会降低。

 

在高频交易里，大家谈论的不是赚了百分之几，回报率多少，而是赚了多少钱，多少人民币多少美元。回报率大家不太关心，因为都能做到回报率很高，风险很小，主要的困难是量做不大。

 

而对于程序化交易的核心--量化模型的搭建，自己做所有的品种都只用同一个模型，并表示，搭建量化模型需要包含两个要素，一个是要有现实意义，其二能满足数据统计的要求，有分析有数据就能做出量化模型。其中他以主动成交的量化模型举例，首先假设主动成交的方向是买，下一分钟会涨，然后验证：步骤一，统计主动成交方向，用现成的程序算法，如国外比较成功的Lee Ready的论文，得到一个还算准确的主动买卖方向；步骤二，看每一分钟它是涨还是跌然后统计。结果是可行的。(818期货学习网 http://www.818qihuo.com收集整理)

 

而对于判定一个量化模型的优劣，要注意两点，一，看统计量，盈利的期望值较高，每天盈利的变化即统计学上的方差比较小，最好期望值除以方差比较大，如果能达到四或者五就是很好的模型。

 

二，如果模型有预测能力，但同时其他人也在做类似的模型，那得到的模型结果可能就不盈利。他举例到，07年8月，国外做统计套利的机构发现8月各大机构都在亏钱，而且是一星期的亏损额达到百分之五到百分之十，经过调查发现，大家的模型均有很大的相似性。当时高盛的一个基金据说是所有仓位清盘，以致当时有类似仓位的都受到影响。

 

对期货高手能否模型化的问题，取决于两点，一、期货高手能否把交易思路完整的描述出来，其他人照着做能得到差不多的结果。2，需要有几个周期，实盘交易和模拟同时进行，及时调整集中的差距，周期循环几次就可以完成。当然，第一点是最难的。