社乔纳森·莱文（Jonathan Levin）撰写，2024 年 10 月 16 日
机器学习在金融市场无处不在，我们倾向于将其与对冲基金投资的性感部分联系起来：买什么，卖什么，如何选择底部或顶部。但如果你运行一个价值数十亿美元的高周转率量化投资策略，那么关键问题往往是，“我如何避免因交易执行不佳而自食其果？”从这个意义上讲，预测交易量与预测价格同样重要。如果你在交易量低的交易日下达买入订单，导致股价飙升，那么你的投资理论有多聪明可能就无关紧要了。
这就是本月作为国家经济研究局工作论文发表的论文“交易量阿尔法”的主题。以下是该论文的摘录（重点是我加的）：
…我们发现交易量 alpha 值非常可观。交易量 alpha 值对投资组合的边际改善与寻找回报 alpha 值一样大。例如，对于一只规模 10 亿美元的基金，仅通过交易量预测而不是使用滞后交易量指标，投资组合绩效的后成本改善就可能达到预期回报或交易成本后的夏普比率的两倍。
交易成本很重要，你可以使用数据和数学来改善交易成本，这并不是什么秘密。但许多原本成熟的公司在考虑交易量和进入市场的最佳时机方面仍然相当老派，合著者之一托拜厄斯·莫斯科维茨周一告诉我。“很多人使用机器学习来预测回报和价格等，但实际上还有很多其他经济变量，”耶鲁大学管理学院教授兼 AQR 资本管理公司负责人莫斯科维茨说。
在他们的论文中，研究人员 Ruslan Goyenko、Bryan T. Kelly、Moskowitz、Yinan Su 和 Chao Zhang 汇编了 2018 年至 2022 年 1,258 天中数千只股票的每日交易量数据。一方面，研究人员发现简单移动平均线可以很好地预测未来的交易量。但市场中仍会出现许多变数，在交易量低的日子里犯错可能会付出高昂代价。他们的机器学习练习引入了变量，包括公司基本面的基本指标、假期、期货和期权合约到期率高的“三巫日”以及收益发布时间表等。作者得出结论，“交易量是高度可预测的”（与回报不同），并且“增加更多预测因子可以提高准确性。”
大型高周转率对冲基金从部署交易量预测工具中获益最多。我推测这些工具已经在大型量化公司中使用，例如 AQR（本文的一些作者就职于该公司）或文艺复兴科技公司（该公司历史上通过执行大量交易并且一半以上的时间都正确而获得了丰厚的利润）。但 Moskowitz 认为，本文的核心见解可以得到更广泛的接受，因为如果公司战略性地重复这一过程数百或数千次，那么单笔交易中几个基点的利润可以转化为一大笔钱。
投资就是为了获得优势而不断奋斗，这就是为什么阿尔法很少能永远持续下去的原因。一旦每个人都使用相同的大量变量列表来确定最佳交易量环境，这些模型可能就不再有用了。（注：本文实际上并没有包含 AQR 使用的成交量阿尔法的确切配方——没有人会免费提供他们的秘诀。）尽管如此，它表明大数据的应用远不止预测回报，也许一些最大的回报实际上存在于业务中更日常的部分。
韭菜热线原创版权所有，发布者：风生水起，转载请注明出处：https://www.9crx.com/86746.html
