股票市场也是不完全信息的游戏并且和桥牌非常相似,因为各自都有欺骗的手段。
–爱德华O索普《战胜一切市场的人》
这是关于市场中性风险对冲投资策略讨论的第四篇,也是最后一篇。我们将在这个最后章节中回顾和小结此前三篇的相关内容,归纳这些进行市场中性风险对冲投资策略背后的理论基础。希望能提炼出一些可以指导未来投资活动的基本原则或者实践教条。
简要回顾我们所讨论的内容,此前三篇我们分别从投资思维的转变说起,引入了普林斯顿概率学读本中的关于美国超级碗比赛的案例,投资决策出发点要从“最大化预期收益”转为比较保守的“最低收益最大化”。只有保证了一定的“最低收益”,才算是真正意义上的市场中性,才是具有风险对冲思维。
紧接着的第二三篇中我们分析了各种投资操作实例,中國上海青山金屬鎳期货套期保值的操作,清华大学水木社区BB中的多位股票操盘手从时间维度上进行风险对冲的操作案例,量化投资大师爱德华O索普利用股票现价和期权定价从空间维度上进行风险对冲的案例。
在这些案例分析中,我们似乎也看到一些共性的特性,尤其是再进一步地结合我们所开始的这个温习经济学著作的Blog,前后对比,左右印证,可以看到大致的如下一些关键点——概率以及基于人工智能AI的数学模型为市场中性风险对冲的投资策略提供了技术支撑。
A1. 金融风险的背后是概率论
经典科班都普遍认为,金融就是经营风险的行当。对风险的评估就是概率,一件事发生与不发生的大概数值比例,或者一笔投资/融资的成功的概率。
这与我们日常行为中对投掷硬币的行为概率描述差不多,文字面朝上的概率是多少?这也与我们平常的赌博中的算牌一样的,手中的牌和场下的牌是明牌,而对手的牌和未派发的牌则是暗牌,根据明牌计算暗牌的概率,就是决胜赌博的关键。
在21点赌博中,爱德华O索普就是这样一位算牌高手,从而能够在每次赌博时都能稳赚不赔。
说来原理似乎都是很基础和简单的,只要在概率上略有优势,那么在多轮赌博之后,就能够依靠平均概率的微弱优势获胜。
这就是我们之前讨论的在时间维度上进行风险对冲的操作,在t0时间上的盈余去覆盖t1时间上的亏损,只要在统计数据上能够有赢的概率上的优势即可。
在真实的投资世界中也是如此,尽管有效市场假设已经流行很多年,但正确的解读是正是因为有无数善于钻营懂得算计的人参与其中,才使得这个实际上“无效”的市场看起来非常有效。
昨天的股票价格以及昨天交易对手的各种买卖交易量,这些是是明牌,下一秒下一小时的价格和对手的买卖信息是暗牌,如何根据明牌计算暗牌的价格概率?
如果历史数据显示的赢的概率大,那么多轮交易后则可以获得正收益。
B2. 预测的前提是周期论
太阳底下没有新鲜事,以史为鉴可以知兴衰起伏,这些论调我们在之前的《经济周期论兼议称傲股票牛市熊市的秘密》( https://ufqi.com/blog/economic-cycles-and-profits-in-stock/ )一篇讨论中进行过解读与分析。
经济学、金融学或者更加具体地说,股票市场存在周期性的波浪式的起伏,是源于我们赖以生存的客观环境中存在着不以人类的意志为转移的周期性的客观规律。这些起着支配性作用的周期律可能是股市涨跌起伏最根本的原因。
这些周期包括日出日落、月亮的阴晴圆缺、大海的潮起潮落、春夏秋冬的四季变化等等。基于这些大自然周期,产生了人类的经济周期,这些经济周期包括农业生产周期1~12个月(蛛网周期)、工商业存货周期2~4年(基钦周期)、设备投资周期6~11年(朱格拉周期)、科技创新周期50~70年(康德拉耶夫周期,康波)等等。甚至中国学者曾经小结到人生发财靠康波,认为“人生就是一次康波,三次房地产周期,九次固定资产投资周期和十八次库存周期,人的一生就是这样的过程”。
基于这些周期做预测,认为过往已经发生的事情还会再次发生,正是数据图表技术派投资人士的信仰基础。如果每一次的投资都是一次独立事件,其输赢的概率不受过往历史的影响,那么就没有统计分析与统计套利的说法了。同样地,如果每一天在历史上都是崭新的一天,那么太远底下就都是新鲜事了,以史为鉴也是一句空话了。
显然实际与事实上并非如此,大周期中套着小周期,随着历史数据的累积,人类总能在无数的黑天鹅事件中,依靠贝叶斯概率推理找到下一步的大概率地赢的方向。
如果依然使用投掷硬币这样看似公平的概率例子来说,如果过去的100次、1000次的投掷统计中,出现字面的概率是60%,而不是预期的50%,那么在下一次的输赢预计中,大概押注出现字面的概率会大一些。尽管在60%字面概率下,依然可能连续出现5次图面朝上。
History doesn’t repeat itself, but it often rhymes.
— Mark Twain
C3. 人工智能AI可以拟合出任意曲线
人工智能(Artificial Intelligence, AI)在最近十年来取得了突飞猛进的发展。
其中影响较大的是使用人工智能来模拟之前在计算领域需要人类来完成的各种任务,如语言翻译、图像识别、数据分类等等。基于梯度下降、反向传播等计算技术,辅以目标优化激励函数,模拟神经网络的人工智能AI可以拟合出任意曲线的最优解参数。
也就是说,基于海量的训练数据,神经网络计算系统可以完全模拟出任意可以符合所有历史数据的曲线,基于这个最优解构建一个模型,以此来预测或者决策未来的行为或者动作。
这种暴力穷举法,在没有出现黑天鹅的情况下,就是局部最优解。同时,我们在无法获得全局最优解的情况下,这个当下的局部最优解就是“全局”最优解。
在线体验神经网络的计算可以在下面的页面查询到:
http://playground.tensorflow.org/ 。
D4. 回测数据找出最低收益最大化的上下限
根据大量的历史数据,使用经过AI训练出的数学模型,可以找出符合“最低收益最大化”的最优解策略,从而指导当下的投资策略.
与我们在 C3 中使用基于人工智能的各种计算技术找出的局部最优解数学模型是孪生一对,投资策略回测使得我们不但能够找到局部最优解,还可以融入人类新的理解与认知智慧。
我们知道存在周期律,同时我们还知道历史不会简单的重复。基于此,我们使用先进计算技术找出的局部最优解,是针对已经发生的历史数据最优解,但却不一定能够成功的适用于未来。
这时候,就需要我们与时俱进的加入时代的特征和人类的最新关于认识自然改造自然的知识和智慧。
经过人工修正的投资策略、数学模型会怎样?
答案是需要用历史数据进行回测,让时光倒流,假如在若干时间之前,我们采用当下的买卖策略会有怎样的表现?
如果经过人工修正加入时代特征的投资策略数学模型也能够在历史数据中有不错的表现,那应该是可以信赖的结果,有希望在未来也获得更好的预期收益,或者至少不会太差;
相反地,如果加入了新的认知智慧修正的策略或者模型在历史数据上的回测结果强差人意,那说明该策略或者模型还不是十分靠谱,有可能在未来出现不可预测的结果,需要做进一步的修正。
或是或非,好能好到啥样,差能差到啥样,在决战之前已经能够做到胸有成竹,知此知彼,然后百战不殆。
小结全文,我们认识到经济学中金融的本质是对风险的认识和把握,是对风险的应用和管理。
对投资风险的量化管理最终会定量分析到概率上,也即一项投资决策,赢的概率是多少,对应的收益是多少。
在概率计算上,我们认识到要依靠历史数据进行统计分析,大部分的概率都是基于已经发生历史数据的挖掘,依靠实证的数理分析可能要比纯粹的演绎推理在实践中具有参考或指导意义。
借助先进的计算技术,我们能够使用神经网络、深度学习等技术拟合出任意曲线,找出满足特定激励函数的局部最优解,从而形成具有预测未来的数学模型。
在局部最优解的数学模型中加入与时俱进的时代特征和认知智慧,新的投资策略可以在使用历史数据进行策略回测,让时光倒流,从而检测结合最新计算技术和人类最新智慧的投资策略的输赢的上下限,从而迈向或者不断逼近让最低收益最大化的终极目标。
这是温习经济学著作的第三十五篇习作,之前的各篇附列如下。最近的附列在前。
- 金融证券交易的市场中性风险对冲的投资策略3/4, https://ufqi.com/blog/risk-hedge-and-market-neutral-with-edward-throp/
- 金融证券交易的市场中性风险对冲的投资策略2/4, https://ufqi.com/blog/risk-hedge-and-market-neutral-with-smth-bbs/
- 金融证券交易的市场中性风险对冲的投资策略1/4, https://ufqi.com/blog/risk-hedge-and-market-neutral-in-investing/
- 金融證券投資中的内幕消息 Inside Information , https://ufqi.com/blog/security-martket-inside-information/
- 風險對冲基金兩頭下注對賭投資的穩贏策略–最大化最低收益 , https://ufqi.com/blog/hedge-fund-win-max-minimal-income/
- 兩種成功商業策略之一:從低成本低價格中開創品牌, https://ufqi.com/blog/strategic-routines-to-succ-with-low-cost/
- 政治政體對經濟財富的影響, https://ufqi.com/blog/political-structure-pair-fortunate/
- 爲何被動指數基金跑贏大多數主動管理基金? https://ufqi.com/blog/index-fund-win-manipulate-fund/
- 重新認識銀行加息–存款利率升高意味著什麽? https://ufqi.com/blog/step-up-savings-rate-consequences/
- 金融证券市场中關於股票的供給與消費, https://ufqi.com/blog/security-market-in-china-by-fraud/
- 11~34暂收起略过,请从上一节进入查询查看。
—-
有福金融 是一个旨在促进财富稳步增长的工具平台。
UfqiFina is a platform of tools designed to promote wealth growth steadily.