预测者策略

我们的套利者寻找一个证券相对于其他一些证券错误定价的情形(例如，违反了一价定律) ，而预测者(也称为量化交易者或统计套利者)则在时间的尺度上去发现价格的不合理。大体上来说，预测者分析市场数据，去寻找一些场景他可以比较有把握地认为一只以价格Y 交易的证券会随着时间的推移涨到Z，他会以Y 的价格买入并且等到价格达到Z 时卖出。或者是证券会从Y 跌到X ， 他会以Y 卖出，并以X 买入平仓。这中间的持仓时间可长可短，范围很大。因为主要是对高频交易感兴趣，我们会关注那些交易最多几秒几分钟价格变动的策略，而不是几星期几个月的策略。

配对交易( 第二部分)

毫无疑问，我们早先提到过的配对交易是时域上错误定价的最为基础的例子，并且其时间跨度非常之短。在这个例子中，有两只股票的价格走势通常前后呼应，如果一只价格已经变动了，另外一只没有跟上，那么这只股票就被认为是滞后的。预测者认为这只股票最终会跟上前面那只股票。但在它还没跟上之前，预测者就认为它被错误定价了。在统计套利的术语里，这段时间被认为是有alpha 的。alpha 是用来衡量超额收益的，预测者常常用它来表示错误定价的大小。一句笼统的"那只股票价格被低估了"，即使这句话说得再对，在这里也用途不大。 我们需要精确地知道这只股票到底低估了几分钱，或者是零点几分钱，因为我们已经把这些实际工作交给电脑了，而电脑需要非常明确的指令。alpha 就是起到这个作用。

一旦发现了所谓的alpha ，并且算出了具体数值，通常就可以用一个名词叫做微观份格( microprice )来表示它。这是一个预测者认定的公平价格，在这个价格之上，无论买卖都无利可图。例如，在某个时刻， 微软公司股票的微观价格可能是30.4971 美元。过一会儿我们发现它的价格相对滞后了( 比如，相对于谷歌公司的股票上它的alpha 可能会增长，其微观价格也就上升到比如说是30.5112 美元。微观价格怎么用呢? 记住，所有的高频交易机会都来自于有且仅有一个地方，即委托单簿。 预测者的眼睛一一我们称之为他的电子眼一一时刻紧盯着申买和申卖的每次变化。他根据自己的alpha 策略，寻找过高的申买价和过低的申卖价。当然， 他需要一个价格基准来与这些申买和申卖价进行比较，以决定吃掉哪张买单或者打掉哪张卖单。这个基准价格就是微观价格，它把预测者在委托单簿中的工作简化成两个基本规则：如果申买价高于微观价格，吃掉它；如果申卖价低于微观价格，也吃掉它。

这里面还有其他一些小细节，比如买价和卖价需要超过微观价格多少才交易，并且预测者也不是只有在买价和卖价变化时才进行比较，微观价格变化时也在进行比较，但是，和金融领域的其他很多东西比起来，这些都还算是小菜一碟。 然而，这也正是微观价格方法的美妙之处，它让电子眼的工作——也就是它的算法——非常的简单。对算法而言，简单就是好， 这是因为它让程序员可以写出十分高效和快速执行的代码。 再把算法想象成一张菜谱，下面哪一个你得花更长的时间准备呢：一份煎蛋三明治，还是查理特罗特餐厅的冷冻金樽鱼加上带有柑橘腌三文鱼和酢浆草的加州小龙虾?

期货延迟

这个策略与期货对股票篮子套利策略有类似之处。然而，在套利策略中，我们交易相对于指数期货合约的一篮子股票。在这里，预测者将指数的成分股分开考虑，计算各只股票由于滞后指数期货而产生的alpha ， 并且分别进行交易。这个策略与简单配对交易策略也有类似之处，只不过这里的股票并不是与另外一只股票配对，而是与其所在指数的期货合约配对。

让我们回头考虑一下芝加哥商品交易所交易的标普500 指数迷你期货合约( ES )。这个合约的流动性非常好，它每天的成交金额大约有1500 亿美元。注意，是每一天! 这基本上是整个股票市场成交金额的2 倍。因此， ES 被许多人认为是美国股市名副其实的风向标。ES 期货市场和其他期货市场一样，具有为其标的基础产品进行价格发现的功能，这里的基础产品就是美国最大的500 只股票。换句话说，当投资界认为现在是买入美国股票的好时机的时候一一不是哪一只股票，而是整个美国股票市场一一他们往往会从交易股指期货开始。例如，当对市场有重大影响的消息突然出现时，那么最先对之做什么反应的往往是CME 的ES 合约。

不过这看起来似乎有些倒因为果了，因为标普500 指数应该是反映500 只股票平均价格的， 而不是这些股票要反过来适应指数。但由于某些原因(这些原因不在本书的讨论范围) ， 预测者知道， 整个市场的价格变化一般首先体现在ES 合约上， 然后才是各个成分股。另外，由于有大量的历史数据，预测者可以相当准确地算出当ES 的价格变化时，这500 只股票每只的价格会变动多少。不同股票对整体市场变动的敏感程度通常是不一样的。

例如，他可能知道，在某种情况下ES 的中间价上涨1% ( 例如，上涨发生在1 秒钟之内)微软公司的股票( MSFT ) 会上涨0.8% 或者是80 个基点。如果下降1% ， MSFT 会下降80 个基点。依此类推，他可以算出500 只股票每一只的情况。现在、我们要做的就是观察ES 的价格变化，计算出500 只股票每一只的微观价格， 并用这些微观价格和这只股票每个市场的委托单簿进行比较，以发现交易机会。如果发现有申买价比微观价格高，则吃掉该买单。如果发现有申卖价比微观价格低，则打掉该卖单。等股票价格调整到位，就可以平掉仓位并获得相应的利润。

那么在ES 的价格变动之后，成分股价格变动之前，预测者有多长时间来计算这500 只股票的微观价格呢?如果他不能在毫秒——甚至微秒——量级之内完成这件事的话， 那他就没有什么必要费神尝试了。这个策略广为人知，很多公司已经进行了大量投资来抢占先机。

这个策略不仅可以用在滞后的股票上，还可以用在其他指数期货上。例如， 经过对市场数据的仔细分析，预测者可能会发现ES 和纳斯达克100 迷你期货合约(NQ) 之间的领先-滞后关系，或者是和道琼斯迷你期货合约之间的关系，他就可以和500 只成分股一样，训练他的电子眼来发现这些市场上的alpha 。

事件驱动

这里的基本想法就是，对那些很有可能会对股票价格有影响的事件，要第一个发现并对之做出响应。比如，有一家公司已经很多年的季度分红都是20 美分，突然宣布将本季度的分红削减为15 美分。或者是突然宣布它们未能实现季度预期收入、或者是超过了预期收入。这些消息会让每个人都大吃一惊。在这里，未预期的因素是十分关键的。如果每个人都预期到了这家公司要削减分红，或者是不能达到预期收入目标，那么在事件实际公布之前，这些预期就已经反映在股票价格里面了。

如果不考虑内幕交易的话，一则新的重大的突发消息是能够影响到价格运动的。例如， 分红降低的消息会降低你持有股票的预期收益，因此会降低股票价值。如果你能在消息公布时，抢在所有人之前卖空股票，你可以预期接下来股价会下跌。等到股票真的跌下来，你可以买回股票平仓获利。如果股利有一个未预期的上升，你可以买入股票等到价格上涨之后再卖出。

期权做市商也得对股利发放的消息特别留神，这不仅是因为他们要利用这些消息，还得防范反被其他人利用。计算期权价格时自然而然必须考虑股票的当前价格。例如，一份执行价格为10 美元的看涨期权， 在股票价格为12美元时， 其价格起码是股票价格为11美元时的2 倍。这一点是很明显的。现在，我们可以把股利看成是股票"漏"出来的钱 。因此，如果一只股票在其期权到期之前支付股利， 其期权的价值要比这只股票不支付股利时低，其价值差异取决于股利水平。如果股利有变化，期权的价值也会有变化。 因此，如果你能对股利变化第一个做出反应，你就可以像在股票市场上一样，抢在期权价格变化之前进行交易。并且，如果你在为期权报价的话，你会想尽可能快地修改你的报价，以免被那些事件驱动的交易者给捡便宜了。

当然，只有在很少数的情况下，所公告的股利或者收益是大家都没有预期到的。即使没有内幕消息，还是有些紧密跟踪公司基本面的分析师能够通过公司管理状况等找到一些信号，对公司的公告做出合理预测。但即使是分析师，也时不时会大吃一惊，当他们都感到惊讶的时候，事件驱动交易者就会抢在所有人前面，对未预期的价格变动进行交易。

趋势跟踪

如果你能精确地预测未来的( 比如下周) 股票价格，那么只要你愿意，你就能想赚多少钱就赚多少钱。股票价格不是要涨了吗?那就买入然后等着卖出。要下跌了?那就卖出然后在低位买回来。当然，没有人能做到这一点，我们的预测者也无此奢望。然而，他还是相信，在极短极短的时间段里面，是有可能发现价格趋势的。并且他也知道并不需要每次都对。如果获胜的概率能比一半高一点点，并且在预测错的时候能够有办法活下来，那么赚钱也就是迟早的事了。

那预测者究竟是怎样发现趋势的呢?能够预测多远呢?不好意思，这个领域的成功者都没啥兴趣写一本书来谈一谈，或者是当一个作者问他的时候把秘诀分享一下(这一点你得相信我)。但是据说在股指期货市场上，至少有一种曾经有效的方法。其想法就是观察不同时间周期的移动平均线，比较短周期移动平均线的值和长周期移动平均线的值。 例如，每当股票价格有变化的时候，你都重新计算一下两个平均值。一个是过去5 分钟所有价格的平均值，另一个是过去5 个小时所有价格的平均值。 如果5 分钟的价格平均值低于5小时价格平均值，就说市场有一个向下的趋势。如果情况相反，就认为市场趋势是向上的。这个方法完美吗?当然不是。但还是那个说法，你只需要对的次数比错的次数多就可以了。

另外还有一种趋势跟踪的策略称为动量策略——这可能是一个从流体力学或者是物理学其他分支中借用过来的概念。这种方法用一个模型来拟合价格变动，以便在趋势发生之前，以一定的可信度来预测趋势。就像大自然的很多现象(天气变化、水龙头的水流等)一样，也不难通过查看一张价格图表(比如，标普500 的价格图)来得出一些基本并且合理的(如果不是绝对正确的话)结论。例如，股票一般不会瞬间从一个价格跳到很远的另外一个价格。股票当然可能从5 美元涨到30 美元，但这不会是一笔发生的。这中间一般都有一个路径，即使可能很短，但也是一个路径，就像天气不会一瞬间就从瓢泼大雨变成艳阳高照一样。

有时你可能会发现一波价格上升之后倾向于有另一波价格上升，一波价格下降之后倾向于有另一波下降。当然， 现实并不会总是这样，但是可能你的分析告诉你这种情况发生还是相当多的，或许就是在次数上占据少许的优势。多年以来，科学家一直在将自然现象拟合到合理的预测模型之中，并且不停地修正和改进这些模型，虽然这些模型永远也不可能达到完美。预测者在这里也可以使用相同的思想。当然，这并不是一件容易的事情，相反，即使只是找到一个比纯粹赌博好一点的策略都难得要死， 尤其是现在有那么多公司都寻找相同的东西，这就难上加难了。但这也不能阻止一些公司去尝试，并且偶尔也会有人成功。

均值回归

我们已经看到由于供需不平衡所造成的价格动力现象是如何影响投资者和做市商的，实际上， 这些现象对于预测者来说也十分有用。申买委托单的增多会推动价格上涨，上涨幅度与委托单的相对增量有关。申卖委托单的增加具有相同效果，只不过方向相反，其作用是推动价格下降，下降幅度也与委托单的增量有某种关系。当然，这种不平衡状态不会永远持续下去， 它会逐渐消失。然而，它好像总是要先走过头，然后再反弹回到应在的位置。也就是说，市场常常对买卖不平衡现象反应过度，然后再进行自我修正。即价格会回归到平均值，或者，大致来说，回归到市场买卖中间价。当然，价格不一定会完全回归，尤其是市场的某一边有持续压力的时候更是如此。但是这种均篇回归现象在统计上是足够显著的，因此，我们的预测者对此非常感兴趣。

再假设在500|1.00 x 1.10|500 的市场上，在申买这边出现了一只5000 股买入的大象。有可能在大象完全成交之前，市场价格会快速上涨到1.15x1.20 ，但是预测者知道，这个价格只是暂时的。在市场达到最高峰的时候，它是有alpha 的。比如说，预测者算出的微观价格是1.10 美元，那么他就会疯狂地吃掉1.15 美元上的申买单，在这个价位倾其所有进行卖出。当市场回归到均值的时候，比如，回归到初始的1.00 x 1.10 ，他就会高高兴兴地打掉1.10 美元上的申卖，买入平仓，并且干净漂亮地赚到5分钱。因为大象可能还会继续买入，所以他会迫不及待地等到大象回来之前完成空头平仓操作。需要提醒一下，这是一个完全虚构出来的极端的例子，但是它说明了均值回归的基本思想。