Quant Trading - A History - YouTube

欢迎回到金融业的Patrick Boyle。

正如我的大多数普通观众所知道的那样，我已经从事交易员已有20多年了，从

职业生涯伊始，我就采取了定量的方法来研究和执行

交易策略。

量化交易者只是建立统计模型以测试交易策略的交易者，

而不是依靠直觉和经验。

Quants尝试采取科学的方法，找出导致市场价格变化的因素。

在我作为交易员的初期，这种方法确实吸引了我，因为我没有

经验可以依靠，而且我能够查看其他人的所作所为，并测试所有

不同的方法以查看哪些规则有效，哪些规则有效。没有。

如今，这种方法仍然吸引着我，不仅因为我已经精通测试系统，

还因为我觉得从交易中消除情绪往往会提高回报。

当您查看不同的量化交易者的回报时，您经常会注意到

没有太多的重叠，这是因为不同的交易者正在寻找

吸引他们的 不同 类型的交易。

不同的交易者将具有不同的风险管理规则，交易不同的金融

产品，或者对于什么是良好交易 信号 的截止日期有不同的看法

，因此，只要他们不交易“千篇一律”的策略，您就不会真正

期望它们是高度相关的。

作为交易者和投资者，我们可以根据 人们过去 如何 解决类似问题

来学习很多有关如何 解决问题的知识，因此，让我们看一下

定量交易 的历史 。

您可能希望我在1960年代开始这个故事，但是我们要回溯

到更远的时间，因为量化交易涉及收集和分析

价格数据，而第一个历史例子就是成千上万的交易。

考古学家在土耳其中部发现的 泥土板 可追溯到公元前2000年左右。古代

巴比伦商人在黏土板上记录了农作物，银和黄金的价格，

以便对其进行分析并预测未来的价格走势。

他们将这些粘土片存放在私人档案馆中。

一场大火摧毁了储存它们的建筑物，烘烤并保存

了黏土片，留下了详细的古代价格历史记录，

直到意大利文艺复兴时期的商人开始记录 其交易 之前，这些记录才有

详细的 记录 活动。

因此，我们可以追溯到很久以前的历史，我们看到交易者试图从 价格数据中

学习一些东西 。

我们还了解了备份数据的重要性。

接下来是古希腊数学家，天文学家和前苏格拉底 哲学家

泰勒斯（Thales）， 他们通过预测天气从橄榄收成中获利。

根据亚里士多德的说法，泰勒斯在冬季 将米勒图斯的 所有

橄榄压榨机都 押金 ，这将使他 在收获 后可以独家使用这些压榨机

。

由于收割是在将来，而且没人能确定收割是否会

很丰盛，因此他能够以很低的价格获得合同。

从橄榄压榨机所有者的角度来看， 无论结果如何

，他们都 至少可以预先赚钱，以 保护自己免受 收成不好的影响。

泰雷兹的赌注很快得到回报。

橄榄压榨机收获巨大，需求旺盛。

泰雷兹（Thales）拥有垄断地位，并能够以巨额利润将其出租。

要么他是专家预报员，要么他已经计算出收成不好 对他

来说不会 损失太多钱，而收成好的好处可能是巨大的。

亚里士多德说：“因此，他向世界展示了，如果哲学家喜欢的话，他们可以很容易地变得富有，但是

他们的野心却是另一种。”

当然，今天我们有了乔治·索罗斯（George Soros）的反例，他想成为一名哲学家，

但是却变得富有。

有时候事情对你不起作用。

我们的下一个历史示例是16世纪的安特卫普商人克里斯托弗·库尔兹（Christopher Kurz），

他声称能够使用 基于回测的占星术信号的技术交易系统

，提前20天预测商品价格 。 当今

时代， 定量分析与占星术之间的联系有些可笑

，但在当时，占星术是一种生活方式，适用于 人类努力

的广泛领域， 包括战争和医学。

泰雷兹还根据恒星和行星的运动做出了气象预测。

如果库尔兹只是以占星学为基础，他就不会真正地列出该名单，但

他还试图回溯推论他的信号，从而推断出某些可靠的原则，

例如认为农产品价格经常长期持续波动的想法。

趋势。

迄今为止，大多数商品交易顾问被归类为趋势追随者。

我相信其中一些人可能也是占星家。

我们的下一个示例来自日本的堂岛大米交易所。

堂岛交易所最初是人们买卖大米的市场，

但是在1710年，使用优惠券的系统可以保证在将来的某个

时间 交货大米 。

由此，票券交易的二级市场应运而生（堂岛稻米交易所已成为

第一家期货交易所）。

当时最大的投机商是穆纳·希萨·霍玛（Muna–Hisa Homma）。

当时，其他商人称他为市场之神。

他开发了“日本烛台”制图方法，绘制 了给定时间内的

开盘价，最高 价 ，最低价和 收盘价，并制定了自己的技术

分析 版本 ，该 版本 至今仍很流行。

在我作为交易员的早期，我测试了数百个烛台形态，但没有发现

很多可预测的 形态 ，但是收集并组织这些数据以搜索形态

是正确方向上的明确一步。

我们被告知，Homma的“最终原则”是“当商品变得极其昂贵时，

它们就必须再次变得廉价”。

因此，他似乎是一位卑鄙的回归交易员，而不是趋势追随者。

当时的故事声称，Homma设法建立了一个员工网络，

沿着酒田和大阪之间的道路每四英里（相距不到400英里）

来传达市场价格。

可以将其视为高频 交易者如今使用

的快速数据线的早期版本

。 对于下一个示例，我们搬到1800年代的伦敦，那里有 详细的价格图表

交易 量激增，经济学家准备并出售给金融投机者进行分析。 后来在美国，设计了道琼斯工业平均指数并

帮助推出《华尔街日报》的 查尔斯·道尔普及

了现代技术分析。 尽管如今，技术交易员经常成为嘲笑的对象，但

众所周知 ，一些顶级交易员（例如Stanley

Druckenmiller和Paul Tudor Jones）依靠技术分析来确认其

投资思路。

麻省理工学院的安德鲁·罗教授认为，技术分析师是定量 分析

的先驱 ，但是他们的方法从来没有经过独立而彻底的测试，

并且它们的大多数规则是人类模式识别和 合理的经验法则

的神秘结合所产生的 ，有关其功效的问题。

大约一年前，我制作了一个视频，用于测试“五月出售，然后走开”的交易格言

，该视频的结尾将链接至该视频。因此，现代定量交易确实

在1960年代中期 出现 在美国，当时，数学家和能够使用

计算机和市场数据的 统计学家 开始分析市场。

爱德华·索普（Edward Thorp）可能是最早的现代数学家，

从1964年开始 使用定量策略 来投资大量资金。 索普是一位与信息

理论 之父克劳德·香农（Claude Shannon）合作的学者

。

在阅读了有关技术分析的书籍以及Graham和 Dodd Thorp撰写的

Security Analysis的 自传后，他对 如此多的人所知

甚少感到惊讶和鼓舞 。

大约在同一时间，另一位伯克利大学的教授叫Victor Niederhoffer开始撰写

许多有关股市行为异常的论文。

他在1966年发表的《在证券交易所做市和逆转》一 文 被认为是

关于统计套利和市场微观结构 的第一 篇论文。

Niederhoffer使用创新的方法来搜索股票市场中的机会，例如

他的论文“世界事件和股票价格分析”，该论文使用 新闻纸

的字体大小 来确定新闻事件的相对重要性并衡量新闻事件如何影响

股票市场。

他于1972年离开学术界，创立了量化对冲基金。

这些量化交易先驱在统计以及访问计算机 和价格数据方面

拥有深厚的背景

。 他们在有效市场假说 流行 的同时开始了自己的工作

，但他们没有接受福音，而是做了自己的分析。

我强烈建议阅读他们的两个自传，这不仅展示了

他们的思维方式，而且确实很有趣。

到了1970年代，这些量化交易的先驱者是回报最高的交易者之一，但

华尔街并未引起人们的广泛关注。

在数量很少的交易者的时候，他们获得了巨大的回报。

在整个1980年代，数学家和物理学家被招募到华尔街

和伦敦金融城工作，但他们主要负责建立衍生品

定价模型。

他们被交易员们昵称为火箭科学家，当时他们认为火箭学是

科学的最先进分支。

伊曼纽尔·德曼（Emanuel Derman）撰写了出色的自传《我的定量生活》，描述

了1985年 到达 高盛，并立即注意到与数字计算相关的耻辱–情况如何

发生了变化……

1980年代初，伦敦的一家糖业经纪人指控他的儿子，迈克尔·亚当（Michael Adam）通过

更新公司的商品图表–迈克尔使用计算机实现了流程自动化，

然后开始寻找交易指标。

他聘请了牛津大学的一名同学（兼计算机程序员）马丁·勒克（Martin Leuck）协助工作。

然后，他们招募了剑桥大学的毕业生大卫·哈丁（David Harding）加入团队。

迈克尔斯的父亲不久后解雇了球队（他解雇了其中的两个，并保留了他的儿子），

并将他们的工作视为浪费时间。

他们自己出去，创立了一个名为AHL的基金， 作为他们姓氏中

的第一个字母 。

他们建立了量化模型来交易商品趋势，后来成为

当时最赚钱的交易者之一。

在被MAN集团买断之后，三人分拆的Harding继续 创立 Winton

Capital，Leuck创立了Aspect Capital –迈克尔·亚当（Michael Adam）更名为迈克· 马林 （Mike

Marlin），成为一名音乐家。

如今，AHL，Winton和Aspect是全球最大的量化基金之一，您

可以在Spotify上找到Mike Marlins音乐。

在1980年代中期，投资银行将自己的脚趾投向了量化交易领域。

摩根士丹利的自动交易公司集团是由 计算机科学家 Gerry Bamberger于1985年创立的，

他注意到执行大笔股票的交易员正在暂时

推动市场。

他建立了一个数据库来跟踪各种成对股票的价格-像Home Depot

和Lowes或可口可乐和百事可乐 这样的成对股票 ，它们可能会在一定程度上保持一致

。

如果大宗交易移动了其中一只股票而不是另一只股票，那么他可以赚钱，押注

这些价差 在大宗 交易 完成 后恢复到历史价格水平

。

摩根士丹利（Morgan Stanley）的APT小组开始了人们的职业生涯，例如DE Shaw的David Shaw

和Robert Frey，他们后来在Renaissance 技术上

开发了货币对交易方法 。

摩根士丹利（Morgan Stanley）在短短几年后于1980年代末关闭了该集团，

对交易员的薪水高 不满意 ，并对风险感到担忧。

通过这样做， 他们浪费了金融史上一些最有利可图的交易策略

。

1988年，代码破译者和数学家詹姆斯·西蒙斯（James Simons）推出了Medallion Fund，该基金后来

成为历史上收益最高的对冲基金，我在 下面 的描述中将其链接

到我的詹姆斯·西蒙斯（James Simons）视频和格里高里·祖克曼（Gregory Zuckerman）的出色传记中，

我基于它。

同年，David Shaw创立了DE Shaw。

在过去二十年左右的时间里，世界发生了巨大变化，量化不再

是金融界的稀有 事物 ，许多以前手动或通过 电话 完成的任务

现在都以电子方式完成。

今天的手机比 1960年代量化交易 的

先驱所使用 的计算机具有更多的处理能力 。

此外，今天的数据要容易得多。

据《福布斯》杂志估计，当今世界上90％的数据是在 过去两年中

生成的 。

今天进行定量研究要容易得多，但是同样存在更多的竞争。

许多人将量子视为人类计算机，但希望其中一些示例向

您 展示 想法产生和创造力的重要性。

如果您想发现良好的交易信号，那么在当今 时代 限制您的唯一因素

就是您自己的创造力。

今天，就像整个历史一样，量化交易者需要提出聪明而有趣的

想法，以便他们可以使用数据进行测试。

他们需要被好奇心驱使学习新事物，并且需要坚持不懈，并

不断寻找可行的新行业，因为随着时间的推移，每一个新想法都会变得陈旧，过时

并且经常停止工作。

如果您觉得这很有趣，那么您可能会喜欢我在James Simons上制作的视频，并且

还应该在下面的说明中查看一些书中的建议。

如果您观看了整个视频，但不喜欢它，请确保单击“不喜欢”按钮

和“取消订阅”按钮-我还将如何学习...。

再见，再见。