市场上有哪些玩家，量化交易如何赚钱？ 很多人对金融市场的理解只有： 散户、主力、庄家、交易所 但真实市场更像一个大型生态系 每一类机构都有不同的资金来源、交易限制与目标 而大部分能长期存在的量化策略，本质上都是在利用这些玩家之间的差异 1／市场可以先分成三层 第一层是交易基础设施： 股票交易所、期货交易所、Crypto CEX、DEX、清算机构、托管商与资料商。 它们主要提供撮合、清算、托管与市场资料，靠手续费、上币费、资料费或其他服务收入获利。 它们提供市场，但通常不是我们所说的主动投资者。 2／Sell Side：帮别人完成交易的人 主要包括： Broker：替客户寻找交易场所、拆单与执行 Dealer：自己站在交易的另一边，承担部位风险 Market Maker：持续提供买价与卖价 Prime Broker：提供融资、借券、清算与托管 他们主要赚的是： 手续费、借贷利差、Bid-Ask Spread，以及提供流动性的报酬 股票市场的券商与做市商，和 Crypto 的交易所做市商、OTC Desk，本质上扮演相似角色 3／Buy Side：拿资本承担风险的人 Buy Side 并不是同一种玩家。 它包含： 被动指数基金 传统主动型基金 保险、退休基金与主权基金 资产配置机构 企业与避险者 Hedge Fund Proprietary Trading Firm 散户 他们的目标完全不同 有人想追踪市场，有人想降低风险，有人追求绝对报酬，也有人只是因为情绪、需求或制度规定而交易 这些差异，正是 Alpha 可能产生的地方 4／被动投资：不是预测，而是持有市场 指数基金和 ETF 的工作，是尽量复制某个 Benchmark。 它们主要取得的是： Market Beta，也就是承担整体市场风险的报酬 它们不一定想判断哪支股票更好 当指数调整成分股时，它们甚至必须在特定日期买进或卖出，不论当下价格是否划算 这种制度性交易，会形成其他玩家可以预测的资金流 5／主动管理与多因子量化 主动基金试图挑出未来表现较好的资产 主观基金可能研究公司、产业与管理层；系统化基金则把资讯转换成可计算的 Signal 股票常见讯号包括： 价值、动能、质量、低波动、盈利能力与流动性 Crypto 则可能使用： 动能、Funding、Basis、流动性、链上活动、持仓变化与市场资金流 多因子量化的工作，就是将许多弱但互补的讯号组合起来，同时控制市场、产业、Beta、波动与交易成本 所以多因子并不是「找到一个神奇公式」 它是一套： 预测报酬 → 组合讯号 → 控制风险 → 建立投资组合 → 执行交易的完整生产流程 6／做市策略：卖的是流动性 做市商同时挂出买价与卖价，让其他人能够立刻成交。 理想状况下，它低价买进、高价卖出，赚取 Spread 但这不是无风险套利 做市商必须承担： Inventory Risk Adverse Selection 价格跳动 对手比自己更有资讯 对冲与交易成本 所以做市策略真正赚到的，是市场支付给流动性供应者的补偿 7／套利与相对价值策略 套利者寻找理论上相关、实际价格却暂时不一致的资产 例如： 不同交易所之间的价差 现货与期货 Basis 永续合约与现货偏离 同类股票或同类代币的相对错价 ETF、期货与成分资产的价格关系 选择权相对价值 套利看起来风险很低，但实务上仍有： 资金成本、交易延迟、对手风险、强制平仓、模型错误与市场冲击 价格差异之所以存在，通常正是因为有人无法或不愿承担这些风险 8／市场上的 Alpha，大致从五个地方来 《The Elements of Quantitative Investing》把超额报酬来源整理成五类： 一、Risk 承担别人不愿意承担的风险，例如市场风险、崩盘风险、波动率风险。 二、Liquidity 在别人急着交易时提供流动性，收取 Spread 或流动性溢价。 三、Funding Constraints 其他人受到杠杆、保证金、借券或资金限制，被迫以不理想价格交易 四、Predictable Flows 预测指数调整、基金再平衡、清算、Token Unlock 或其他制度性资金流 五、Informational Advantage 比其他人更快、更准确地预测未来报酬，也就是统计套利与 Alpha Research 的核心 9／真正重要的不是策略名称 同样叫 Momentum、Market Making 或 Statistical Arbitrage，不同机构做出来可以完全不同 真正应该问的是： 这笔报酬是谁支付的？ 他为什么愿意支付？ 这个限制为什么不会立刻消失？ 策略可以承载多少资金？ 扣除成本后还剩多少？ 一个策略如果只能描述回测结果，却无法回答这些问题，它很可能只是资料探勘 真正能长期生存的量化策略，背后通常都有一个持续存在的： 风险、限制、需求、资讯差或市场摩擦
· 5.1K Views
