火花BBC | 悠然午餐会第2期:“金融科技”的那些事儿
Date: 01 Jul 2022

本期主题

金融科技

第二期受邀嘉宾为社会枢纽金融科技学域助理教授张光老师,参与者有来自各枢纽和教学中心的多位老师、教职员工以及学生。

谢丹阳老师强调到,推出“火花BBC·悠然午餐会”活动,是对跨学科研究实践的多元尝试,意在促进不同领域、不同学科的学者们进行丰富的交流与分享

本期主题:金融科技的那些事儿

重点话题:

▶ 配对交易

▶ 高频交易

▶ 学术研究与产业的连接

▶ 金融科技的研究与贡献

配对交易

活动伊始,谢丹阳老师首先邀请张光老师介绍其此前有关“配对交易”的研究内容。

X:

还记得你刚加入科大(广州)的时候在做配对交易相关的研究。可以给大家分享一下它的逻辑吗?以及如何利用它?

答:

配对交易,是指在投资时至少要有同时操作两个(或两组)投资标的,两个配成一对,这两个投资标有高度相关性。

比如说,百事可乐和可口可乐是一对经典的例子,因为它们的产品高度相似,所以它们的股票比较接近。当我们发现其中百事可乐股票突然涨了,而另一只股票可口可乐还没动时,我们会有2种判断。其一,可口可乐也应该要涨上去,只是滞后了;其二,当下对于百事可乐的判断过于乐观了,过段时间它的股价会掉下来。基于此,我们可以通过做空百事可乐,做多可口可乐来赚钱。当然,我们不否认第三种可能,即有特别利好百事可乐的因素存在,也许会导致投资失败,所以投资也有风险。

本质上来说,配对交易是通过两只股票之间的均值差来赚钱。我的研究主要是刻画配对交易的股价差,即用动态模型刻画股价回归到均值过程中的波动,从而为何时进入市场为最佳时间点提供决策依据,促进收益最大化

图注:配对交易示意图
(图片来源:矩阵交易实验室,侵删)

X:

研究过程中常被问到的问题是什么?

答:

每次我在阐述自己的研究时,大家普遍第一个问题都是实操过吗?赚不赚钱?要客观地说,由于留学生的身份原因,我无法做空股票,因此我只能说研究结果显示是赚钱的。

第二个问题就是怎么找到对?在研究文献角度来说,这个问题鲜有提及,大家选择回避,更多是在既有对上做分析和研究。我现阶段就正在研究这方面的问题。

X:

这篇论文的独特性与特殊之处在哪里?

答:

简单来讲,我认为两个股票间的价格差的方差是随着股票价格变化而产生变动的,即波动幅度会跟着股价产生变化。举例而言,就某个股票,在历史数据上,大家可能认为价差50的时候介入最合适,但我的方差变动显示,在某个位置上,可能价差75才是最好的入场时间。

高频交易

大家聊到有关期权、高频交易等,张光老师就高频交易进行了详细的介绍。

C:

可以介绍一下高频交易吗?它算是无风险交易吗?

答:

高频交易是一种交易策略及技术,它饱受争议。比如一些公司会通过布条光缆到纽交所或将服务器搭建到尽可能靠近交易所的方式,以更快的速度获取交易所信息,利用时间差,实现交易带来的收益。

举例来说,高频交易最经典也是最受诟病的做法,A公司若想在市场上卖掉大量股票,正常情况下会导致卖出价格下降。A公司现利用高频交易,先挂一个买盘,当大家看到买盘信号时误以为有利好消息,股价会涨,于是买入,而A公司同时利用技术迅速收回买盘,转而卖出大量股票,于是在这个时间差中,别人就以并不低的价格把A公司想卖的股票吸收掉了。从这个角度来说,它确实无风险的。算是法律的灰色地带

学术研究与产业的连接

金融科技作为一个新兴学科,大家很关心它和产业连接、作用以及创业的相关话题。

X:

金融科技研究与产业的实操连接如何?

答:

客观地讲,我认为业界用的很多金融工具和学术界是脱节的。比如Black-Scholes模型,它是70年代诞生的、沿用至今的经典模型。在美国调研企业时我发现,大量公司仍在用这种模型。但在学术界,我们后面有大量的研究做出新的模型,却并没有被业界广泛采用。

Y:

那么是否有另一些公司使用新的模型?

答:

有的,Black-Scholes是最初级的投资工具模型,肯定有一些基金公司用更好的模型,通过更好的模型做决策。专业公司不仅割股民的韭菜,还会和其他专业公司互割韭菜。

至于还在使用Black-Scholes模型的公司,也很好理解,相比而言Black-Scholes模型最简单、易操作。这类企业也许并不追从于用先进的模型算出非常精准的价格,而要为此投入巨大的成本和时间去学习新的模型。他们用现有的模型赚到令自己满意的钱即可。

X:

还有哪些学术界和产业界连接的例子?

答:

再举个例子,我们知道投资主要分为两种,一种是巴菲特常用的Foundamental(基本面分析),即认为选股重要,并不那么在乎什么时候入场。另一种是Quantitative(量化交易),即注重入场策略,但在选股时很难确定。过去很长时间以来,按照资产管理规模而言,基于基本面分析的投资方式并不是主流,但疫情之后,Quantitative输得惨烈,于是有了一种新流行的Quantimental,即把两者联合起来,先用Foundamental筛选出一些好股票,再由Quantitative决定入场时间,从而解决了根本问题。

而这,就是业界先行,学术界滞后。当然,我们可以通过看华尔街报告等,来做对比和研究,跟上业界发展。

图注:传统投资和量化投资的区别
(图片来源 侵删:https://zhuanlan.zhihu.com/p/70874252)

V:

对金融科技的创新创业企业有什么意见和看法?

答:

我认为在金融科技领域创业是非常好的事情,中国的市场非常大,充满机遇创业门槛并不是特别高

相比而言在美国,这类企业想要做大是颇具挑战的。在美国业界,短时间内资金规模达到十亿美元才意味着一个公司做大做好了。

金融科技研究与贡献

金融科技在发展战略意义上备受瞩目,我们试图浅谈金融科技学科的研究与贡献。

X:

金融科技主要涉及哪些方向与内容?普遍研究难点在什么?

答:

金融科技和传统的金融工程息息相关,也与人工智能/大数据、区块链/加密货币/DCEP数字货币等紧密关联,同时也融合了行为金融学等等。

目前我认为最难的是私人数据的采集,因为和金融、钱相关,很多人是不愿意提供数据的。我们目前做的分析,大部分基于公开数据,但对于背后的详细信息,比如投资组合是不知道的。

X:

我们也可考虑通过多种方式收集数据,比如未来我们即将在学校Visitor Center设置Fintech Robo Advisor,我们可以通过前期了解受访人投资风险偏好、展示可选股票、和机器人对比绩效等,合法采集大量数据,从而进行数据分析。

C:

金融科技研究的主要贡献是什么?

答:

理论贡献而言,对于一些传统模型计算不了的,我们可以借助科技的新方法计算出来。

实践而言,比如以前的方法没有发现某种关联,现在因为加入了新方法,所以我们发现了新的关联

但我们尤其要提防数据窥视(data snooping),它是指在数据中发现统计上显著但实际并不存在的关系。通过数据窥视,我们可以让数据分析结果更显著,来支持自己的立场,但这种行为并不具有实际意义。

举例来说,我们以前常看电视,每天下午收市后,股评人就会在财经频道复盘当天选股之道,这是不具信服力的,真正做预测和研究,要避免这些问题。

此外,大家还围绕中美股票市场差别、加密货币、LTCM企业是如何在配对交易中被平仓等进行了深入的讨论。

更多有关张光老师介绍(点击链接)及其配对交易文章:

师资专栏丨张光博士  金融科技学域

张光老师相关发表

可扫码直达

未来,火花BBC·悠然午餐会将陆续邀请社会枢纽、港科大(广州)其他各枢纽及学域,以及校外嘉宾通过线上或线下的形式,来到我们的午餐会活动中。

在这里

学科和职级的身份界限被打破

每个人的角色将被自由定义

我们希望,在得天独厚的

交叉学科沃土里,

每个个体都可以沉浸在 

轻松悠闲的午餐氛围中

带着

对知识的渴望

对教育的深情

对社会的关注

共同聚焦当期主题

碰撞思想的火花

点亮智慧的光芒