新闻媒体

第四届(2013秋季)中国量化投资国际峰会

2013年11月18日   中国量化投资网 



时间:2013年11月17日上午
地点:清华大学深圳研究生院报告厅



主持人:个尊敬的各位领导、各位来宾、女士们、先生们,大家好,下面即将进行的是专题论坛A2,让我们以热烈的掌声有请本场的专场主席廖静池先生上台。廖静池先生现供职于深圳证券交易所综合研究所,研究领域为金融市场微观结构、IPO发行制度改革,量化策略与投资者行为,程序化交易与监管应对,分红与投资者行为,证券公司产品与业务创新等。

主持人(明可炜):尊敬的各位领导、各位来宾、女士们、先生们,大家上午好!现在进行专题论坛A1环节,我们的主题是“量化投资模型、策略”。首先请允许我简单介绍本场的演讲嘉宾:丁鹏先生,中国量化投资协会理事长,丁鹏先生同时还是量化投资与对冲基金丛书主编;冯正平先生,职业经理人、职业投资人、“悍马定理”创始人,宽客俱乐部总经理。冯正平先生1997年涉足投资市场,长期从事市场定量研究工作,总结了系列“悍马定理”,2012年创办量化投资交易平台宽客俱乐部。悍马定理我仔细研读过,非常佩服。何翔先生,206年起在渤海证券研究所历任策略与金融工程部经理,金融创新部经理、金融工程部经理、首席金融工程师,现为渤海证券基金业务筹备组投研负责人。张向阳先生,上海铸铭投资管理中心总裁,1992年进入金融投资市场,先后从事外汇、期指、期权等金融衍生品和国内商品期货和股票交易,在长期投资过程中形成了其独特的理论体系,对价格形成、价格变动、投资决策等关键问题有其独特的见解,实践经验丰富,理论体系完整。现在请大家以热烈的掌声有请各位嘉宾为大家带来精彩演讲。先请各位嘉宾台上就坐。

国内量化投资常用以及最新的策略有哪些?应用效果如何?国外前沿量化投资策略的模型在中国运用的制约因素有哪些?如何实现本土化?量化投资策略模型研究与应用有什么创新思路?量化投资策略模型研发流程是怎样的?在座的嘉宾有非常强的实践经验,肯定可以为我们分享精彩的见解,我们专题论坛的形式是,首先请各位嘉宾就自己的观点做一个10分钟左右的简短发言,然后再围绕主题进行讨论,我们也会给嘉宾与台下的观众预留一些互动、讨论的时间。下面请第一位演讲嘉宾,中国量化投资学会理事长丁鹏先生演讲。 




丁鹏:我本来要讲的内容比较多,但是由于时间关系,我直接讲最后一部分。


国内的量化投资经过这么几年的发展,最终大家会发现一个问题,任何单策略或者单团队都是有问题的,上周我刚跟一个银行的相关负责人聊,他们是到全球最大的CTA基金发产品的,但是最近它的净值一直都是跌的。大家意识到,依靠单团队、单策略,整个的收益都不稳定,因为你没有一种方法保证你的策略永远有效,所以最终的方法就是叫策略的组合,我用100个策略,或者1000个策略,或者说我把很多投资团队看成是一个策略,那么我们怎么在这些策略中组合呢?现在有一个很火的概念叫MOM,我昨天参加北京的一个会,工商银行他们资管总部拿了将近100亿来做MOM,就海选最好的投顾,我每个投顾给一两个亿,最终来看谁做得最好。可能最终有些团队的策略会失误,但是我整体的会赚钱,这依然面临一个最核心的问题,就是我怎么筛选投顾或者怎么筛选策略的问题。当开发出策略之后,我怎么筛选策略是不是赚钱的,赚得最多的是不是就是最好的?我们过去十年有很多大赛的冠军,前一年是是冠军,第二年就输了,因为他们的收益率来自于承担了很大的风险,我们要看他风险调整之后的收益,还有他的资金容量,这是对单个策略的评价。更重要的是策略之间不要出现同质化的情况。央视有一个比赛,他们有一个这样的案例,有一段时间所有的策略都赚钱,有一段时间大部分策略都亏钱,因为他们同质化太严重。所以要解决这个问题,首先要定义一个策略之间的相关系数,我希望策略之间尽可能不相关,这是做整个策略组合的最核心。

我们找到这点之后,我们就要做筛选,我们有1000个策略,我到底筛选哪一个?我有两个基本原则:第一是将与整体策略池负相关的策略剔除,这意味着该策略对整体的贡献是负。第二,两个负相关的策略,保留那个与整体策略池最独立的策略。我们现在对策略的评估体系几乎都是根据收益率来算的,收益率与两个因素绝对相关,第一个与他所承担的风险,这也就是我们看到很多比赛冠军第二年很惨的原因,因为他的高收益只是因为承担了高的风险。与收益相关的第二个原因是你的资金容量,小资金是很容易做大的,100万在期货市场翻倍,这是很容易的,但是100亿你试试看。如果只考虑收益率的评价体系,这是不完备的,这也是过去10年期货市场诞生了那么多神话,但是没有几个人能真正走到最后的原因,因为你背后的风险是不一样的。所以在我的新的评价体系中,不再考虑它的收益率,而是考虑它的相关系数,这样使得我的策略不会出现一块死、一块生的情况。

我们做完这些组合之后,我们就可以算出整个组合的情况,我们假定经过前面的筛选之后,有M3策略,因为做空操作是包含在策略中的,所以权重不会为负,所以和马克维茨的证券组合理论中的情况有些不一致,需要注意这点。我挑了100个策略之后,我基本上就能明白我的组合策略是多少,组合方式是什么样的。

在过去30年,全球投资叫做证券组合,我们做各种各样的股票组合。我们知道传统证券组合的方式主要是市场风险,因为股市熊市来的时候,股票都会跌。所以为了防止市场风险,我们做了很多做空机制。但是在未来的量化投资时代,我们会有各种各样的策略,策略组合最大的风险是侧风险,就是策略会出现同质化严重、同涨同跌。做策略的筛选、组合、投资分配的目的是在于降低策略风险,使投资的收益更加的稳定。

今天由于时间的关系,我就把最关键的这一段给大家做一些讲述。这些东西在年初的《量化投资与对冲基金》这本杂志上发表出来了,大家感兴趣的话,可以找来看一看,感谢大家聆听。


主持人(明可炜):多谢丁鹏先生给我们的分享。下面有请冯正平先生。

冯正平:因为时间比较紧张,我就把核心的内容讲一下。首先一个观点,行情变得复杂是全球性的趋势,有几条结论,在市场刚开始的时候,简单的、机械的策略都是有效的,随着市场里面参与的资金结构的变化,大家的能力提高,简单的策略逐渐都失效了。随着市场成熟度的提高,成熟市场短期定价能力会提高得很快。什么是短期定价能力呢?就是说我们在盘中的时候会看到,价格行情有突然上下的情况。在一个新兴的市场,它的波动很可能会缓慢一些。下面有一个图,比较好地说明了这个问题,上面这个是上证指数的,下面这个是恒生指数的,很明显的,这两个指数的走向是一样的,但是恒生指数的跳孔和上下浮动的情况就比较明显一些。从长远来看它们的走势是一样的,短期来看成熟市场的机会更难把握一些。这一两年以来,我提出这么一个观点,就是我们中国的金融市场在向一个更加复杂、更加难以用线性数据概括,而且是一般投资人难以掌握的方向发展。


这里我提出一个度量行情复杂性的方法,叫做分形维数,还有一个和它相关的叫HURST指数,通过计算HURST指数,可以计算分形维数的复杂度。反映在我们的行情里面,我可以看一下,这个是上证指数的一个日收益的分布图,把它画成了直方图,然后再合成这条红色的曲线,然后再画出和它相同标准差的这一调整态分布曲线,可以明显地看到,红色的这一条曲线在中间部分要比正态分布的曲线高。但是因为我们这个市场只有10%的涨跌幅的限制,所以在尾端看不出来。而在道琼斯指数,这是道琼斯指数100多年的图,中间这部分也高了出来,两边的胖尾很明显,我们做趋势吃的就是胖尾的行情。

下面我再讲一下国外CTA主流交易模型的演变。强度说了,刚开始的时候市场都是非常简单,用简单的策略就可以盈利的,最简单的就是均线系统,而且那时候是可以中长线交易的,就是你买进来之后,可以中长期的持有。随着行情变得复杂,到了第二代CTA的时候,典型的策略就是突破系统,交易周期开始变短了,到中短期了,仓位控制就出现了空仓。目前来说,国内主流的策略都还是处于这个阶段。到了第三代全球CTA的时候,典型策略就是非线性预测系统,交易周期是超短期到长期平衡,短线和长线会均衡的控制,仓位控制是连续控制、连续交易,资金是连续变化的。这里几个图反映了三代主流CTA的发展过程,当行情很简单的时候,用均线系统就可以盈利,当它变得复杂之后,就用突破系统,再复杂之后要用非线性的预测系统。

这是我和行业里一些专家研讨之后得出的结论,我们认为在这方面可以做出一些第三代策略的工具。

刚才讲到系统性策略,它管理了全球大约70%CTA资产。全球CTA资产大约有300亿,系统性策略管理的大概是2000多亿,它基本的特征是多元化,多市场,多策略、多周期,它是以大数据分析的,程序化交易,以趋势策略为主。

前面讲的都是策略,我把策略和资金管理结合起来,我把策略分成两大类,一类叫反等价鞅类策略,我把盈利加仓策略、趋势跟踪策略、突破策略结合在一起,它的特点是胜率低、盈亏比高。它的收益是不确定的,它不符合人性的。与之相对的是等价鞅类策略,我把亏损加仓策略、振荡策略、套利、市场中性、均线回归集合在一起,它的特点是胜率高、盈亏比低,它的收益比较确定,它是符合人性的,因为他赚了多少钱都落袋为安了,亏了他就扛着。这个策略虽然是符合人性的,但是它的亏损是发散的,收益是收敛的。

下面讲讲相关性的问题,要怎么样来降低相关性?我们自己也写策略,想了很多办法来降低相关性,我们做日内交易,当天就要平仓出来,两个策略都必须要盈利,就很难做到它是低相关的,因为时间太短了,你在同一个品种上做的话,你怎么能做到它的策略是低相关的又同时盈利呢?这基本上做不到。实际上相关性这个问题在不同的行情阶段,相关性是不一样的,也就是说相关性是一个变化值,这一点大家在做策略研究的时候,这个观念非常的重要,也就是说相关性自身也是变化的。你就根据这段行情分析出来的这两个策略的相关性和那段行情分析出来的两个策略的相关性是不一样的,所以在配置资金的时候,这个问题也是要考虑到的。当然我们在实际中还会遇到问题,就是日内交易没有腾挪的空间,因为当天就要出来了。如果说我们做中长线的话,那好办,我两个策略即使它相关性是很低,或是负相关的,但是我可以持有足够长的时间,我在这个策略赚钱之后,我先出来,等到另外一个策略,因为它负相关,这个策略赚钱的时候,意味着那个策略是亏的,这个赢的我先出来,等到另外一个策略也赚钱了,或者赚得少了,我另外一个策略再出来,这是可以做到的,但是日内是做不到的。我们在考虑了这么多问题之后,我就提出了这么一个解决的方法,这个解决方法是建立在这样两个假设的基础上,假设一是所有策略及策略组合都可以用一个等价鞅策略和反等价鞅策略表达出来,假设二是可以通过调整仓位配比来实现胜率和盈亏比的转换,假设二是存在的,我做过研究,这都是成立的。在我这样两个假设的基础上,一个等价鞅策略加一个反等价鞅策略,再加一个仓位配比函数,就可以组成任意策略和策略组合。仓位的配比函数就这些内容,和前面的第三代的CTA策略所用的数据方法是一样的。

今天因为时间关系,后面的内容我就不讲了,以后找时间我们再交流。

主持人(明可炜):感谢冯正平先生给我们提出了非常有创造性的考虑投资模型的方式。下面请何翔先生为我们带来精彩演讲。

    
何翔:大家好,很荣幸有这样一个机会和大家交流分享,我在量化策略研发方面的一些心得、体会,同时也是我向业界同仁、向各位老师、专家学习的好机会。由于时间关系,我也加快一点,我先简单介绍一下我在量化策略研究方面的一些心得。首先我们做量化策略,做量化投资,我们需要认识金融市场的特征,我对金融市场有自己的一些总结。首先,市场是非理性的,这样导致传统金融领域的假设都存在缺陷。非理性的市场也给我们带来很多研发上的启发与困难。再者市场是混沌的,但混沌中存在规律,它虽然是无序的,但它总有规律,我们在寻找着一些无序中的秩序。再者,市场是非线性的。所谓的因与果之间是相互作用,相互影响。还有,市场是一个复杂的系统,但我认为这个复杂的市场其实有简单的一面,就是人,因为市场都是由人的群体行为决定的。然后我认为市场还有自组织性,就是市场是一个不断进化的生命体,它会不断变异,从而导致我们的开发策略有可能会失效。最重要的一点,市场是不确定的,但是概率会在其中起到作用,尤其我认为大数定律是无规律中的规律,这些特征决定了我们基于客观分析的量化策略有用武之地。

我们做量化策略,我们发现根本没有完美的量化,量化策略有时间的局限,也有空间的局限,越粗糙的策略,它的生命周期越长,越精细的策略,它的生命周期越短。一个策略在不同的市场里头,它的适应性是不一样的。最重要一点,量化始终是依赖于使用量化的人,人提供思想,量化帮助分析、验证思想,并辅助于思想的实施。所以我认为量化重点在于使用量化的人能否具有好的思想,这在于我们对市场的任何,这来源于我们的经验和直觉,而这些经验和直觉建立在我们对理论和市场的归纳之上的。所以我认为,投资思想和量化就是道与术的关系,投资思想是道,量化是术,投资思想到量化的过程中,我们需要思考很多东西,哪些可以量化,哪些不能量化。

量化策略的驱动,我认为无非就是从理论和经验去驱动,量化本身是一个非常客观的工具,但是量化里头是不是需要人的主观经验起作用。刚才我说了投资思想是道,量化是术,投资思想一定涉及到人的主观分析这一块,量化投资需要经验性的判断。那么经验判断是否会给量化投资带来额外的风险,如果带来额外的风险,该如何通过量化的方法来进行控制,这是我们需要注意的。量化策略的分类就是趋势策略和均值回复,我认为就是这两种分类。

量化策略的流程,我们首先要形成投资思路,然后把这个投资思路数量化,再获取测试数据,然后再测试策略的有效性,然后再参数优化,最后进行策略风控,这里面每个环节都很不容易。

在量化策略的构建的注意事项,我总结了几点,一是我们对量化投资思路的验证需要足够的充分,再一个是要注意样本内的训练、样本外的测试,还有参数优化的过程中,并不是最优的参数是最好的,而是我们要寻找相对稳定的参数,保证它使用的时候的稳定性,这是参数优化比较艺术的东西。再是策略风控的,这是非常重要的,我可以用宽进严出的方式去控制,我对任何一个策略都要打上一个怀疑,不管我做得多么漂亮,最后用的过程中,我一定要控制它的风险。

然后简单交流一下我和我的团队这些年的一些量化策略成果。我们在整个量化策略开发过程中,我们一定是以风控为前提,然后把握一些趋势性的机会,顺势而为,分析市场的行为,我们要做策略开发的分散,最终严格执行策略,实现一个比较好的收益。我和我的团队这些年在量化策略研究方面有一些成果积累,首先介绍一个我在2010年开发的MT-SVM量化预测模型,我结合了技术指标、宏观指标,对每个月市场涨跌的情况进行预测,刚才我说了,市场本身是混沌的,也是非线性的,所以有时候用线性的方法相对比较难,所以我用了人工智能的方法去做,这里面有一些系列的墨客,最终预测每个月上证指数的涨跌,然后得到一个从2001年到现在的涨跌方向的预测结果,大家可以看到,对20062007年的那波大趋势预测得还是比较好,所以这是一个趋势新的预测模型,到了2007年以后,市场振荡比较大,所以模型的预测效果要打一个折扣,整个预测的准确率在60%以上。对准确率这个东西我是不太在意的,尤其是在趋势预测中,30%40%的准确率就够了。这是一个比较粗糙的预测方向,给我一个市场方向的大参考。最近的预测是从10月份开始预测市场上涨。这是用这个模型做一个简单的模拟操作,就用上证指数做一个标的,这样测出来一个净值,预测的效果很好。

接下来介绍我的另外一个成果,就是量化定增套利策略。这是我和我的团队在去年年初开发出来的,说到定增套利,市场上有很多基于定向增发做的策略,我更关注定向增发前的部分,从董事会预案公告、股东大会公告通过,然后到证监会审核通过,再到定增公告,这样不同的阶段,我们去分析、统计,哪些阶段会有超额收益。基于这样的思路,我们建立出了量化定增套利策略模型,整体策略的效果还可以,年化可以到10%几到20%,当然它的波动也是比较大的。

再有一个是阿尔法波动对冲交易策略。我们很多说做阿尔法套利,但是过了一段时间之后,这个策略会失效,我就把这个交易策略用在阿尔法上,它会呈现一个均值回复的特征,有段时间会有超额正阿尔法,有段时间变成负阿尔法,我会找到阿尔法弱势转强势的时候进去,在强势转弱势的时候出来。
  

有一个策略成果是基于量化均线突破策略,这其实是一个短线交易策略,我们用在所有的股票上,它是分析均线和K线形态的,我们对这个形态进行识别,在历史上满足这个形态的样本,就可以满足我们的策略,我们这个则略一般持有13天。这个净值是从沪深300的样本力做选择的,今年的策略收益相对比较低。整体来看,这个策略效果还是不错的,但是它可容纳的资金比较有限。当然如果扩大样本量,还是可以有比较好的结果的。我们所有的策略出来的效果都是很好的。
  

上是我们过去做的一些成果的展示和我的一些心得,跟大家做一个交流,谢谢大家。


主持人(明可炜):感谢何翔先生精彩的演讲,我们看到了很多成功的策略,显然这是与何先生和他的团队对市场非理性、混沌这样的深刻理解是分不开的,下面有请张向阳先生演讲,
    
张向阳:大家好,我跟大家谈几个问题。第一,很多人质疑,程序化交易合理吗?它有没有道理。这个问题给大家这样解释,程序化交易原理上的合理性,根源于人性的稳定性。我们在金融市场上使用的工具,你所捕捉的规律是什么规律,你所赚的钱是哪儿来的。我们知道,金融市场上赚的钱是一种博弈的结果,好比你们几个人在打牌,有人赢,有人输是一样的,那钱不会从天上掉下来的。现在人们为了克服这个东西怎么办呢?就使用电脑作为工具,来替代人执行,来减少人性的弱点对交易的不良影响。能不能做到完全非人为干涉?这是很少的,一般都做不到。做量化的人在逆境期,连续亏损的时候,哪怕你是一个策略,或者是一个策略集群,你都有可能出现资金往下走,你的心理一定是有极限,当你的资本亏到30%的时候,你会不会还不去动手干涉它?这是第一个问题,程序化交易是不是合理,它是合理的,你一个人的行为是没有规律的,但是你一个人群的规律就有统计学上的意义。而程序化交易就是用统计学手段研究人类群体行为在统计学上的规律,它捕捉的就是人群,它是有道理的。第二,一个做程序化交易的人,如果他亏了,大家想一想,每一个人做程序化交易,他都不会傻到什么程度呢,我的测试数据都是的我还去做,会不会这样?一定不会,他的测试数据一定是赢的,但是他实际交易会是亏的。因为程序化交易里面面临一个数据,第一个是历史回溯数据,第二个数据是模拟交易结果,第三个数据才是实盘交易数据。历史回溯数据、模拟交易数据和实盘交易数据这三个数据是一个比一个差,因为您模拟是现价成交,而你实盘的时候,你会有一些成本等等。如果历史回溯是赢的,收益率不错,模拟交易也是不错的,但是实盘交易是亏的,你们如果是做量化做了几年的都有这个体验的,为什么会发生这种现象呢?一个人做程序化交易,他实盘交易的时候如果亏了,他一定是两种情况中的一种,第一种情况就是这个程序化交易所赢得的这个点差,不能覆盖他的交易成本。大家想,为什么不能覆盖交易成本?程序化交易的交易成本总共有四大类,第一类是佣金和手续费,这叫交易成本,第二大类成本叫冲击成本,冲击成本是由于成交效率所带来的。有一个华尔街回来的博士,在国内做了一个阿尔法套利,他测定下来的年化收益率是50%,平均每一周他交易4次,每一次交易大概可以盈利千分之三,扣除交易成本之后可以盈利千分之三。一次赢千分之三,一个礼拜他平均做四次,那是不是一个礼拜1.2%,一个月4个周,那是不是4.8%,一年50%,账算得不错,做出来之后,他在数据回溯和模拟上都是很吻合的,但是做进去之后,第一个月亏了,第二个月又亏了,第三个月亏到一半的时候,他们的总经理给我打了电话,他说他有一个华尔街回来的博士带来一个好的数据,做模拟都很好的,但是实际做了两三个月还是亏的,他说你过来给我看一下是属于正常的逆境期,还是有问题。过去之后我就跟这位博士交流,我说你有没有考虑到你所有的交易成本?冲击成本算了吗?留了一个点。那我问他,成交成本你有没有计算?他说成交成本是什么意思?我说你在进行历史数据回溯的时候,你是不是会拿一口价格来算账,而那口价格是在买价上成交的还是卖价的时候成交的,你是不知道的,你进去的时候,你只能在卖价上买。我们能够研究的是今天之前的状态,而今天之后的状态我们是不能研究的,我们做量化,你的所有研究工作都是在当下这个时点之前,因为你能获得的数据一致是在这之前。所以今后你是不能研究的。

金融投资的策略体系一定要符合保险学原理,在交易的过程中,我们采用保险学原理,怎么体现?比如说我只交易5个标的,我只有5个策略,如果有一个标的出了问题,它对我整个面的影响是20%,如果我交易200个标的,我200个策略,如果单一一个点出了问题,影响的是0.5%,如果我的分散做得足够好的话,我就允许多只黑天鹅出来,我不仅可以允许你飞出一只黑天鹅,我可以允许你飞出5只黑天鹅,5只黑天鹅出来,总数200个,影响的就是2.5%。我同时交易200只股票,如果你给我一年的操作时间,我操作任何5只股票,我就可以允许一只股票摘牌,我都不会亏钱。那也就是说,200只股票里面,一年时间你给我摘掉40只大蓝筹,中国股市还要不要?你少摘掉一只就是我的净利润。

主持人(明可炜):张先生的演讲非常精彩,显然有很多投资经验,希望大家能够听懂,我想我应该听懂了60%


下面一个环节是我们要探讨一些已经被几位嘉宾的精彩演讲谈到的问题,在台上的嘉宾和主持人互动,之后会有嘉宾和听众互动的环节。

我刚才总结了一下,我觉得每个嘉宾分别准备的自己的演讲,但是有很多相通的地方,比如说分散风险,至少3位嘉宾的演讲提到了这个问题,还有就是关于已经存在的各种已知模型生命周期的问题,也有几位嘉宾谈过这个问题。关于分散风险,张先生说应该用保险的原则,而丁先生提出了一个特殊的方式。就这个一般性的问题  ,我们怎么考虑分散风险,这是不是跟投资人的人性弱点有关系?请张先生先来说一下。
    

张向阳:程序化交易是在研发基础上才能得以实现的,它不是说你想做就能做到的。

    
主持人(明可炜):请丁先生评论一下。
    
丁鹏:其实风险跟追踪收益之间的关系,绝大多数的人都是认为收益很重要,但我做了这么多年之后,我的观点可能跟他不太一样,我想问大家一个问题,金融的四大部类中,银行、保险、券商和期货,其中期货的收益是最高的,但是做期货的人是最穷的,而银行的收益是最低的,银行理财只有5个点、6个点不到,但银行是最富的,为什么?我想很多人都没考虑过这个问题,那是因为银行的风控能力是最强的,所以真正的富人敢把钱存在银行,但没人把大钱拿给期货公司玩。我今年以来在很多地方演讲都是讲这个问题,我通过各种方式把风险控制住之后,我真正赚钱是靠规模、靠放大杠杆去赚钱的,银行的杠杆是最大的,它有5倍的杠杆,期货公司连一倍都没有。控制风险才是真正投资者最核心的东西。
    
主持人(明可炜):冯先生有什么样的见解?
    
冯正平:关于风险这一块,因为在期货这里面,一直想通过的方法就是以多策略的方法,我们不是以品种来衡量的,而是以未来可能出现的可能性衡量的,就是把未来可能出现的各种概率覆盖的,从这个角度去研发策略、组合策略。
    
主持人(明可炜):所以基本策略就是说不能有单一策略,至少是不能有单一时间段的策略模型。
    
冯正平:对,刚开始我们也是追求多策略组合,现在我们更往前推进了一步,不是简单的进行策略组合,而是有目标的,根据未来行情变化的可能性,按照行情的变化可能去组合,而不是说我随意组合的。
    

上一篇:商业量化投资平台兴起 两类模式盈利前景待解

下一篇:财通基金携手工行启动“中国顶级期货投资经理实盘选拔赛”

  • 广东凯纳投资管理有限公司

    地址:广州市天河区华夏路16号富力盈凯广场1412室

  • 上海凯纳璞淳资产管理有限公司

    地址:上海市浦东新区南洋泾路555号陆家嘴创业街区7号2楼

  • 北京长利凯纳投资管理有限公司

    地址:北京市朝阳区高碑店通惠河畔1066号