首页 热点 资讯 行业 财经 国内 商业 生活 快讯

全球最资讯丨发挥数据驱动价值 促进量化交易发展

滚动 来源:期货日报网      时间:2022-09-01 07:47:20

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,一场主题为“数据驱动量化交易”的沙龙在线上举行,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。


(资料图片仅供参考)

国内量化交易前景可期

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。

首先是数据驱动了量化投资的诞生。他认为,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。

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。2000年以后,随着互联网的加速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,随着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,首先在对底部不同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,包括数据处理时的任务调度管理,数据处理过程中的数据监控管理,数据处理之后的数据权限管理,以相及对应的数据运维管理。

标签: 数据驱动 数据处理 量化投资

上一篇:

下一篇:

新闻速递

精彩放送