首页/ DeFi/ 金融科技的趋势
投诉
取消
提交

金融科技的趋势

近几年,一个叫做“Fintech”的新名词在全球范围都被炒得火热,中文译为“金融科技”。近30年来最大最深远的科技进展来自计算机和互联网技术的发展,信息技术与各传统行业的深入结合是经济发展的大势所趋,与财富结合最紧密的金融行业首当其冲,让金融科技成为当前最火热的话题之一。金融科技正在渗透到金融领域的方方面面,从支付清算、投资管理、借贷保险,众筹融资,甚至零售银行和房屋中介。

尽管涉及甚广,但总结起来金融科技发展趋势可以归纳为两点:

1. 智能化:如金融市场的交易员逐渐被自动交易取代,投行和基金的投资研究员也面临智能的量化投资算法的挑战,而结合了人工智能发展迅猛的智能投顾产业也已经让传统只为富人服务的投资顾问走进千家万户。

2. 去中心化:正像计算机系统发展的那样,从集中式系统走向分布式系统,以区块链技术为代表的“分布式信任记账系统”也在颠覆着传统金融行业,去年比特币和各种ICO代币的疯狂或许仅仅是开始中的开始。

下面我们就简单讨论资产管理行业发展的趋势,着重讨论量化投资/交易,金融科技的其他话题,我们会在后续文章中继续讨论。

资产管理或者投资管理,说到底就是买入和

卖出资产,以达到资产保值、增值的目的。资产从大类上讲,可以分为房地产,股票,货币,债券,大宗商品等,每个大类又有很多细分子类众多资产品种,这些标的物都是可以投资的金融工具。任何投资本质上就两个操作,买入某些资产,卖出某些资产,我们希望通过低买高卖,获得资产升值。投资的关键问题是:

1. 投资对象:买入/卖出什么资产;

2. 时间:何时买入/卖出?

这和我们打扑克或麻将有些类似,我们一直换牌,卖掉劣质资产,买来优质资产,让手中的资产长期最大化。

什么是量化投资/交易:

“量化”这个词在金融领域近来非常火热,比如量化投资、量化交易、量化资产配置等等在西方社会已经长足发展,在我国近年来也开始走上飞速发展的进程。但社会上不少人对量化的概念理解不太准确,简单地把量化方法等价于计算机自动化、智能化或者算法化。那么什么是量化方法呢?量化方法就是把目标或任务具体明确,可以清晰地用数量进行度量。而量化投资,或者量化交易就是指使用数学的方法,建立明确的模型来指导投资或者金融市场的交易。量化的好处在于理性的投资决策,而非感性的冲动的决策,由于人性的贪婪以及恐惧等情绪,非理性的决策往往导致失败的投资结局,即使一手好牌也会打坏。量化未必是高大上的自动算法交易。只要是符合量化原则,按照既定的数量化模型进行交易,不使用计算机也可以做量化投资。比如一个非常简单但也实用的量化投资模型,二八轮动法则:

衡量沪深300指数与创业板指数,对比收盘价与20日之前的涨跌,买入涨幅大的那个,如果两个都下跌,就卖出股票买入货币基金。如下回测图显示了这个模型非常简单但很强大,目前有些股票基金就是基于这个简单模型的变种进行投资交易的。

金融科技的趋势配图(1)

量化投资模型:

回到前面提到的投资本质,一个量化投资模型要回答何时买什么的问题。一个量化模型需要输入,比如一个多因子选股模型,可以根据市场基本面、国家政策、公司财报,甚至网上热门话题舆论等对各支股票进行打分,选出合适的股票组合。而大类资产投资与整个市场经济周期有很大关系,下面就简单介绍一个经典的投资模型。

着名的美林投资时钟模型(Investment clock)将经济周期划分为衰退、复苏、过热和滞胀四个阶段,资产大类分为债券、股票、大宗商品和现金四类资产。它构造了一幅经济运行周期下的大类资产轮动经典模型,这一理论很好地诠释了欧美历史上大类资产轮动的规律。运用1973-2004年美国市场数据测试可以发现,美林投资时钟理论完整的展示了在一轮完整的经济周期中,经济从衰退逐步向复苏、过热方向循环时,债市、股市、大宗商品轮流领跑大类资产。

  • 在衰退期:经济下行,产出缺口减少、通胀下行。货币政策趋松,债券的表现最突出。债券>现金>股票>大宗商品
  • 在复苏期:经济上行,产出缺口增加,通胀下行。经济转好,企业盈利改善,股票获得超额收益。股票>债券>现金>大宗商品
  • 在过热期:经济上行,产出缺口增加,通胀上行。通胀上行增加了现金的持有成本,加息的可能性降低了债券的吸引力,商品受益于通胀的上行,明显走牛。大宗商品>股票>现金/债券。
  • 在滞胀期:经济下行,产出缺口减少,通胀上行。经济下行对企业盈利形成拖累,对股票构成负面影响,债券的吸引力提升。现金>债券>大宗商品/股票。
金融科技的趋势配图(2)
美林投资时钟

这是一个非常实用的指导投资周期的工具,通过历史数据检验可以发现,美林投资时钟不仅在欧美市场,在中国市场也是基本有效的,对于基金投资有指导意义。但模型需要具体量化,如何界定经济过热还是复苏,是经济下滑还是滞胀,回溯历史容易,但实际市场投资什么时间节点入市,何时出市的把握还需要更好的指标量化。

投资的核心----风险控制:

对于任何投资,投资安全总是重中之重。毕竟一万次投资成功只要一次投资失败就能葬送,任何的量化投资模型和策略,达摩克利斯之剑都要一直高悬。大家都知道“高风险高收益”这句话,可是怎么理解呢?高收益的投资是要面临高风险的,这句话是对的;但反过来说高风险一定带来高收益是错的,没有必要的风险是可以尽力避免的。量化资产配置的核心思想就是分散投资,分散配置有弱相关的多类资产上,这主要还是看投资者对风险和收益的期望。

当然绝对的安全是不存在的,不投资看着钱放在银行一天天贬值也是巨大的风险。中国量化投资的先行者林健武总结量化投资经验,他说“量化投资目前重点在于风险控制,只有生存下来才能迎接下一个春天。”

FoF母基金:既然分散投资可以控制风险,那么每个基金公司因为策略不同,不把钱投资一个基金,而是分散投资给多个基金不就可以进一步控制风险了吗?于是就有了基金的基金,Fund of Fund,即最近开始愈发流的母基金。母基金是一种专门投资于其他证券投资基金的基金,FoF将多只基金捆在一起,投资FoF等于同时投资多只基金,但比分别投资的成本大大降低;它的特点是风险较小,而收益也稍低。

对冲基金(Hedge Fund):通常投资的目标是追求长期稳定风险小的收益,但如果投资者对风险的承受能力比较强,想要追求绝对的收益最大化怎么办?对冲基金正是为这类客户提供潜在高收益的平台,其典型代表西蒙斯、索罗斯等传奇都成了对冲基金的代名词。对冲基金实际上已经名不副实,与对冲关系不大,倒是成为了一种新的投资模式,主要特点是:

  • 追求资产收益绝对最大化,对客户门槛要求高;
  • 既可以牛市时“做多”赚钱,也可以熊市“做空”赚钱;
  • 一般都使用更高的杠杆;
  • 可以投资期货、期权等金融衍生品。

当然对冲基金竞争也相当的激烈。由于主要金融市场的“零和博弈”本质,即有人赚钱必然有人亏钱,在以绝对收益为目标的玩家中,只有极少数表现最好的几家可以赚大钱。而且一般认为对冲基金的交易量不能超过市场总量的5% 。因此这注定不是大众投资的舞台,只能成为极少数顶尖玩家的游戏。

大数据、人工智能与量化投资:

量化投资模型需要输入数据,比如传统的量化投资一般从财务指标、行情数据、行业数据中挖掘有价值的投资信息,而随着量化投资领域的发展,这些传统数据中隐含的大部分投资信息已经被挖掘,专业投资者希望寻找新的数据来挖掘有用信息。互联网大数据量化投资提供了新的数据来源,搜索量、股吧情绪、新闻热度、个股关注度等新型的数据相比传统数据更加能够及时甚至提前反映整个市场的情绪,因而能够为投资决策起到指导的作用。

而随着人工智能的革命性发展,人工智能不仅带来更精准的数据清洗和数据整理,还提供了学习新数据并一定程度上预测未来的能力。

很多人都在梦想人工智能根据市场发展出投资交易模型,通过回测来发现新的交易策略,带来超额的收益。这究竟是一个机会还是陷阱? 从机器学习的角度看,目前神经网络和深度学习等已经在图像和语音识别、机器翻译、精准营销和无人驾驶等领域取得成功。但金融市场由于有人参与的不确定性,以及时间序列的复杂性,目前人工智能预测还非常困难。而由于金融市场,如股票等历史数据还非常有限,而且早期数据的参考价值也不大,可能并不适合目前靠大训练集堆出来的深度学习,很容易出现过度拟合。何况基于历史数据的学习经验对未来市场行为是否有用还很难说,比如某个监管新规实施后,之前的策略可能完全失效。当然另一方面,投资交易并不是下围棋,不用每盘都赢,只要控制好风险,在长期取得可观的收益即可,因此人工智能还是有相当机会的。

总结:

1. 资产管理本质就是买入卖出不同的投资工具,关键是投资对象和时机;

2. 投资的大趋势就是量化投资,用数学模型指导买卖交易;

3. 风险控制是重中之重,分散投资是基本法则;

4. 大数据和人工智能于量化投资是机会也有陷阱。

本文来源:陀螺财经 文章作者:从别
收藏
举报
从别 个人认证
累计发布内容3篇 累计总热度10万+

免责声明:
1、本文版权归原作者所有,仅代表作者本人观点,不代表陀螺财经观点或立场。
2、如发现文章、图片等侵权行为,侵权责任将由作者本人承担。

相关文章

从别
个人认证

3篇

文章总数

10万+

总热度

金融科技的趋势 区块链怎么赚钱 区块链是什么
热门文章

下载APP

微信公众号

rss订阅