无向量化对冲交易模型商业计划书（简版）


这是一个革命性的算法模型，
它几乎超过所有人的既有认知，所以招致无数嘲笑。
但它已在实战中获得实实在在的成功：
在特定渠道小规模资金实战，每月回报率已超过100%，
折算到期货交易市场，年回报率可达20-60%！

请您暂时抛弃过往的知识、经验， 妖叁舞舞林林乙舞林录林。
以空杯形态往下看吧！





一、算法概况（无向量化对冲交易）
我们历时数年，成功开发了一套革命性的、完全建立在纯数理逻辑及概率学基础上的无向量化对冲交易算法模型，可运用于期货等双向交易之中。整个算法完全摈弃了对市场价格走势的预测以及基本面多的分析，因而它是一个类似于“永动机”一样的交易算法模型。在这套算法里，无所谓“多空”，无所谓“行情”，只在乎“波动”。它几乎在所有位置上都存在多空对冲的情况，所以我们称它为“无向量化对冲交易模型”。
几年前，我们偶然读到著名企业家冯仑先生在2016年3月写的一篇文章《全世界的赌场都是他的ATM》，文中他提到一个神秘的同班同学，采用一种很神秘的数学方法在海外生活，最后成功转型为企业家的神奇故事，让冯仑先生大为震惊。我们反复读过此文后会心一笑，说明这个世界上确实暗藏着一些掌握奇术的人，可以把一些另常人匪夷所思的事情做到匪夷所思的成功。从我们现在的算法模型的实战情况看，现在我们深信，我们也将会成为他文中那样的人。
妖叁舞舞林林乙舞林录林。
二、项目介绍
（一）交易市场是一个混沌的随机市场，微观层次更为明显。有人曾用Python代码，统计了沪深股票市场所有3000多只股票共计出现的KDJ指标的137万次金叉和死叉，结果如下：
金叉次数 685195 死叉次数 686543
1天后上涨比例 50.6% 1天后下跌比例 46.5%
3天后上涨比例 52.8% 3天后下跌比例 50.2%
5天后上涨比例 51.1% 5天后下跌比例 48.5%
10天后上涨比例 50.8% 10天后下跌比例 47.9%
结果出乎大多数人的意料，它完全证实了市场是随机而混沌的。想通过预测来盈利，非常困难。市场上勉强能盈利的策略，除了幸存者偏差外，很多是通过较为科学的资金配比、严格止损止盈来获得的。早就人做过实验，在预测市场走势上，人与猴子相比，没有明显的优势。
世界上究竟有没有能永久盈利的交易模型？这是上百年来无数交易人都在叩问的“圣杯”，无数的残酷事实，浇灭了数代交易人心中的一丝丝的希望之火。直到华尔街“量化交易之父”西蒙斯教授的出现，又让很多人重燃寻求“圣杯”的希望。直到今天，市场都不确定西蒙斯的隐秘算法的真正秘密，只是他壁虎式的操作带来了闪亮的业绩。
（二）我们的交易算法基本思路：采用与市场常规量化策略完全相反的思路：基于演绎法，将未来必定发生的一切情况都纳入演绎阵列中，从无遗漏。我们按照一定条件，把每一笔交易独立成为每一次“抛硬币”，然后巧妙地利用了概率学上某些奇妙的偏差现象而不断获取、累积微薄收益，举例：从某个单笔交易看，概率毫无疑问是50%，但在某些特定的条件下，某些概率值不再是50%了，而最多会产生5.4%的理论偏差值（已被概率学科学研究证明，并有相关科学文献），数据量越大，越能显示奇效。另外，我们已经找到“实际盈亏值”比“理论盈亏值”更占优的全新办法，这个思路应用到交易领域来说，是革命性的。历时近三年，我们终于摸索出一套基于演绎法及利用概率学偏差特殊现象而盈利的的纯数理逻辑策略：通过多条“多空跑道”的精密组合，同时配以科学的、精确的仓位管理，从而达到周期稳定盈利。它没有止损止盈的概念，概率学偏差无法逃脱，所以我们必然会在“某些位置”赚钱。
（三）本算法的运行基本模式：以轮次为交易单位，而不是以品种为单位。每个品种可以开无数个轮次。具体如下：
轮次 品种 开始条件 结束条件 仓位 方向
1 螺纹1908 随机 逻辑点位 逻辑倍数 时多时空，对冲，裸仓很小
2 螺纹1908 随机 逻辑点位 逻辑倍数 时多时空，对冲，裸仓很小
3 镍1908 随机 逻辑点位 逻辑倍数 时多时空，对冲，裸仓很小
4 锌1910 随机 逻辑点位 逻辑倍数 时多时空，对冲，裸仓很小
5 ……
6 ……
说明：
1、把每轮交易视为一跳“跑道”，每条“跑道”又由数条按自身逻辑运行的“小跑道”复合而成。
2、为了使收益曲线更为平滑，回撤更小，一般每轮交易都以较低逻辑倍数开仓，多开轮次，等资金较大，可适当翻倍运行。
3、本算法是在单个品种内“多空对冲”，单轮交易的裸仓很小，所以，总仓位可开到8成左右（交易间隔期必须锁仓），都非常安全。与传统交易有重大区别。
4、本策略从交易频次看，偏向于短线。因此在较大资金情况下，交易异常活跃。
（四）本算法在收益上的最大特点是“别人大赚时我们小赚，别人不赚时我们小赚，别人大亏时我们依然小赚”。它的收益率较高、回撤率小，收益曲线平滑。传统的“历史行情、价格走势、基本面供求”等观念对我们而言毫无意义。我们只潜心去研究“波动”本身，从而在永恒的“波动”中赚钱。市场必然波动，我们就能利用它实现稳定性的“永久盈利”。
我们的算法模型超过目前绝大多数人的既有知识、经验的认识范围，因而受到无数人嘲笑的项目。但是现在我们可以比较谨慎地说：“我们找到了一种类似于永动机的交易模型，它能在永不停息的波动中，不断地累积微薄的利润，最终实现较为可观的利润。”尽管听起来像200年前人们听说飞机一样惹人发笑。爱因斯坦也不相信量子力学上的“双缝干涉“实验。但无数的事实证明，任何创造新的东西，经过历史的大浪淘沙，终究都会散发出耀眼的光芒！
（五）本算法弱点（即融资原因）
1、它的核心交易逻辑是采用多品种、多轮次平行推进，各自按照自身数理逻辑一步步无限演绎下去，从而在某些特定“逻辑点位”上获利。它无法像常规交易策略一样，在某一品种上一次性较大仓位去交易。所以，小资金由于所开轮次较少，很难见到它的效果，更适合较大资金运作。
2、该策略如用手工交易，只能对付少数2、3轮，效率极为低下，且手工计算容易出错。因此，需要一个很强的编程团队才能形成自动交易软件，让软件每天自动精确地执行成千上万笔交易，同时也需要一个交易团队、风控才能做好大资金的顺利运作。个人的力量根本就无法完成，需要借助资本的力量。

三、竞争对手分析
（一）市场上常规量化交易，可简单分为下列几类。
1、Alpha策略：Alpha策略包含不同类别。按照研究内容来分，可分为基本面Alpha（或者叫财务Alpha）和量价Alpha。业内普遍不会将这两种Alpha完全隔离开。但是不同团队在做因子上有所偏向。有的团队喜欢用数据挖掘的方式做量价因子，而有的团队喜欢从基本面财务逻辑的角度出发，精细地筛选财务因子。
2、CTA策略：CTA策略的特点是收益风险比相对Alpha来说会较低。但是在行情较好的年份收益可能会很高，尤其是在早期。而且，无论是编程还是策略，CTA入门的难度相对来说都是最低的。
3、高频交易策略：高频交易在国内的主要应用有以下几类，趋势、套利、做市、股票T+0以及全做市交易。做高频交易的基本上都是私募，但高频交易的产品基本上不会对外募集或者极少对外募集。高频交易有收益高回撤小的优点，但是做高频的软硬件投入也都昂贵(比如一台服务器的花费在8-10万左右) 。所以去募资的话可能是得不偿失的，一般都是自营资金在做。就像国外的文艺复兴公司的大奖章基金就是如此，后期逐渐归还了外部投资者的资金，并将其全部替代为公司自有资金以及员工资金了。西蒙斯的量化策略，是目前世界上已知最优秀的策略。从目前了解到的零星信息分析，他采用“壁虎式”的交易策略，仍然是基于海量数据的精确分析。
4、趋势跟随（Trend Following）：也称为动能效应（Momentum），指做多（做空）过去一段时间表现最强（弱）的品种。趋势可以用羊群效应解释，当价格呈现明显的上升趋势，激励更多投资者进场做多，反过来推动价格进一步上涨。行为金融学用“反应不足”来解释动能效应，投资者对新信息的反应不足导致价格某一个方向持续运动，即便基本面已经发生变化，投资者仍然没有做出改变。通常情况下，动能效应可以分为两种，一种是时间序列动能，另外一种是横截面动能。
5、均值回归（Mean Reversion）：主要思想是价格会向长期均值回归。当价格过度上涨，策略要求做空，当价格过度下跌，策略要求做多。这个策略既可以用于短期，也可以用于长期。行为金融学家指出，投资者在短期和长期存在“反应过度”，当他们意识到基本面发生根本性转变，头寸的扭转导致价格趋势的逆转。经典的策略包括RSI2，这是一个押注价格回归均值的短期交易系统。
6、价值投资（Valuation）：价值策略通过研究基本面因素，鉴别价格偏离内在价值的程度，决定做多或做空某只股票。在某种程度上，价值投资与均值回归相似，不同之处在于分析方法。均值回归研究价格变化，价值投资聚焦基本面分析，分析师通过研究财务报表，如现金流和营业利润的变化，来判断股票的内在价值。PE（市盈率）是常用的估值指标，一个简单的策略可以是对标普500的所有成分股按照PE大小进行排序，然后做多PE最低的10只股票，做空PE最高的10只股票。价值投资并不适用于外汇市场，因为我们很难准确评估货币对的内在价值。
7、统计套利（Statistical Arbitrage）：利用证券的错误定价来获利，分析师经常使用复杂的数学模型来挖掘套利机会。一个简单的例子是“成对交易（pair trading）”，考虑黄金和白银这两种高度正相关的资产，如果黄金价格相对于白银过度上涨，就做空黄金并做多白银，押注价差的均值回归。统计套利既可以用于股票市场，也可以用于外汇市场和衍生品市场。
（二）市场上的基金收益率情况
据“互金跟投”统计，截止到2018年，成立十年以上的基金合计300多只，但年化收益达到15%以上的基金只有12只。情况分别为：

另外，成立10年以上的一批老基金，收益率一直是负。

即使是排名前列的基金，每年的收益排名波动都很大，几乎找不到连续3年收益都超过15%的长寿基金，大多业绩都是“忽上忽下、时好时坏”。
（三）总结，市场上目前已知的量化策略都有一个共同点：都是基于历史数据的归纳法的产物，但都有一个致命的漏洞：历史发生的未来不一定发生，所以一旦黑天鹅事件发生时，我们都会看到一些曾经辉煌无比的基金公司业绩大幅下滑甚至破产。另一方面，传统交易里面的“仓位管理”，基本都是经验判断，顶多有一些简单的数据结构，而完全没有真正合理、具有正赢率的“数学依据”。所以，市场上各基金公司“时好时坏”的残酷业绩排名已经证明：流星常见，恒星难求。
（四）竞争分析
1、据我们所知，市场上目前找不到类似的策略，所以，严格地说，如果今后采用私募基金形式，从长期来看，是没有竞争对手的。从整个全球基金行业来看，期货基金年如果收益率能稳定达到20%的，就毫无疑问位居优秀基金之列。我们的模型年收益应该在20-60%之间，随着市场波动情况的不同，会有一定差别。尤其特别一点是，由于数理逻辑本身的有效限制，我们的极限回撤率低于10%，市场上基金的平均回撤率一般在20%左右，回撤超过50%的基金比比皆是（如下图），所以极难找到我们这样资金收益曲线如此平滑的基金。因此，即使面对整个市场，我们的收益率、回撤率都处于绝对的前列。
2、如果采用公司自营模式，我们就更不在乎是否有竞争对手了。。

五、目前业务发展状况
本模型历时接近3年，期间经历了无数次地修正，目前已经定型大约2个月，我们已经在一个特殊的高频交易市场里面，完成了大约2万笔小金额的实战验证交易（折算成100万实盘资金，大约要费时约6个月）。该模型从数理逻辑、实战上，都已达到稳定盈利的阶段：在特定的高频测试渠道里，每月获得的回报率均超过惊人的100%。我们在期货市场上的验证数据远远不足，原因即在上述第二章第（四）条）。
（特别提示：由于期货市场单品种每天平均只能完成大约5笔的交易，而我们验证的高频交易每天可以超过500笔，所以期货市场达不到我们要求的验证性质的高频交易，经测算（见第八部分），它在期货市场上的年收益应该在20-60%左右，这个收益率在基金界已属于上乘水平。）
成交明细附后：（单独提供）

六、融资需求及合作价值
（一）融资需求（三阶段）：
1、（独立团队）准备阶段（A）：融资150万元，大约需要6个月时间。
2、（独立团队）自营阶段（B）：融资3000万-1亿，用于期货自营交易。
3、（独立公司）公司阶段（C）：专业交易公司或私募基金公司阶段：5000万-5亿，用于期货自营交易。

七、未来发展战略（分三步）
（一）（独立团队）A阶段：大约需半年时间。招聘核心逻辑编程人员，自编核心算法模型，及CTP交易接口，形成自动量化交易系统，大约费时4-5个月。经1-2个月验证无误后，进入B阶段，本阶段结束。
人员及构架：管理及技术团队2人，编程人员2人，外部数学及IT顾问1人。
（二）（独立团队）B阶段：用公司资金自营获利，同时招募交易员及风控团队人员，实现大规模量化自动交易，达到各环节完全自营。本阶段已能稳定获利，期间可能会经历算法优化、软件优化，本阶段可试行1-2年。
人员及构架：管理及技术团队2人、编程人员2-4人、交易员3-5人、风控1人、网络管理维护1人、人事行政1人（兼职）、外部数学及IT顾问1人（兼职）。
（三）（独立公司）C阶段：成立独立的一家投资管理公司。方式有两种：
1、利用自有资金，成立独立的量化对冲投资管理公司，管理集团部分现金资产，使之逐步稳定增值。接受集团内部监控即可。此为最佳方案。
人员及构架：管理及技术团队2人、编程人员2-4人、交易员3-5人、网络管理维护1人、风控2人、人事行政1人、财务1人，外部数学及IT顾问1人。
2、借壳成立私募基金公司：条件成熟时，可收购一家全牌照的私募基金壳公司，成立正式的私募基金公司。公司作为GP参与基金公司的运作。虽然从本策略的稳定性、收益率及回撤率来看，都大概率优于市场上的私募基金，但由于私募有复杂的监管、募资等一系列问题，因此暂不建议采用此方案。
人员及构架：管理及技术团队2人、编程人员2-4人、交易员3-5人、网络管理维护1人、风控2人、融资人员3-4人，人事行政1人、财务1人，外部数学及IT顾问1人。

八、财务分析
（一）各交易品种按单步切割后，每步基本价值暂按300元计算（按算法逻辑，每步码值有高有低，平均每步价值暂按450元计算），每天平均每轮波动5步（过去经验值），在单倍条件下每品种平均占用资金7000元（含预留保证金），交易本金暂按3000万计算，最高仓位按8成计算（可用资金为2400万元），单轮最大占用资金7000*3=21000元，2400万可同时交易1140轮，打折按1000轮计算，毛收益率保守按照滚动流水的2.5%计算（实际验证值超过3%，均扣除交易费用）。另须准备流动资金300万元，用于日常开支。
（二）每年毛收益测算过程：
400*5*1000*2.5%*22*12=1320万。 年化毛收益率为：1320/3000=48.4%。
注：本模型加减仓方法与传统方法有巨大差异：它不会根据传统的“行情”或走势，而是根据“时间”、“波动点位”来加减仓，所以，第一个年度无法一下做到高仓位运行，只能逐步加仓，加仓到高位大约需要2-3个月，但次年度就能完全高仓位运行。上述测试按次年全年高仓位运行情况测试。
（三）支出（以B阶段为例）：
1、普通员工成本：员工约11人，工资奖金支出约150万/年（管理团队除外）。具体为：
（1）核心算法工程师20万；另给予少许股份（收益权）。
（2）CTP接口工程师20万元；另给予少许股份（收益权）。
（3）交易员6万*5=30万元；
（4）风控8*2=16万元；
（5）网络维护人员15万元；
（6）人事行政10万元；
（7）年度奖金20万（重点在核心算法工程师，其次是CTP接口工程师）；
（8）社保、公积金等其他支出。合计150万元。
2、管理团队、数学及IT顾问工资：46万。
（1）管理团队20万*2=40万；
（2）数学及IT顾问：6万元。
3、办公设施、租金及管理费：约50万元。具体为：
（1）办公室：约150平米，含物管均价按100元/平米计算，年租金为150*100*12=18万元；
（2）办公家具：13套办公桌椅，约1300元/套，合计约2万；
（3）电脑：13套，约5000元/台，6.5万元；
（4）云服务器：约1万元/年；
（5）网络及其他办公易耗品：5万元/年；
（6）管理费：5万元。
4、管理团队、数学及IT顾问提成：（1320-150-46-50）*30%=322万（比例可协商）。内部分配由管理团队自定。
（四）毛利及毛利率（未含税）
毛利：1320-150-46-50-322=752万元。
毛利率：752/（3000+300）=22.79%。

九、合作方式
（一）策略提供方只以成熟的交易模型的使用权参与整个项目，不对投资方的交易本金占有股份，只对收益占有股份。（具体方式可协商）
（二）收益分配
1、日常工资及管理费用：由投资方全额承担。
2、收益分成模式：
（1）在税后净收益里提取一定比例（30%，可协商），作为策略放方的收益分成。
（2）为了稳定核心软件人员，可额外考虑将一定比例的税后收益，奖励核心软件人员。

十、项目退出
本合作项目为轻资产运作，退出较为简便。一般分为两种情况：
（一）如合作期间盈利较为理想，资金方如想全权控制该公司，双方可协商收购该交易算法，协商一致后，该公司全部属于资金方，原管理团队退出。
（二）如交易本金（不含人工成本及管理费用等）亏损达到20%，合作项目自动终止。

十一、项目风险及知识产权
一、风险
1、量化交易运用于期货市场，完全合法。本量化交易模型经过高频交易验证，无风险。唯一的风险是量化软件的稳定性。
2、本算法模型收益稳定，但有个影响因素：滑点。对结果而言，滑点分好坏两种，正常情况下，坏滑点的影响值约为3%。
3、应对措施：用自动化交易及云服务器，可以将交易间隔延迟时间缩短到30-50毫秒，能将3%坏滑点中99%以上的滑点处理好，剩余的滑点通过即时锁仓来规避，基本能将影响值缩小到最低可能。
二、知识产权
按照行业惯例，交易策略的所有权、知识产权完全属于开发方，但可将专属使用权授权给项目管理人，专门用于该合作项目，其他任何人不得接触、复制、拥有。投资方享有该交易策略带来的相应的收益权。
十二、管理团队
肖*，男，本科，本交易策略的开发人员。精于股票、期货等项目。具有国家证券从业资格、基金从业资格。先后就职于民营上市公司、大型国有私募基金公司。有十多年的股票、期货交易经验。富于创新，为人正直，职业道德佳。拟出任项目负责人。
张*，男，本科，本交易策略的开发人员。精于财务、股票、期货项目。具备国家期货从业资格。先后就职于国企、外资、慈善、金融等机构，历任财务经理、财务总监等职。有十多年的股票、期货交易经验。富于创新，逻辑严密，为人正直，职业道德佳。拟出任项目技术总监。
张*，哈尔滨工业大学计算机博士、硕士生导师。国家某重要项目牵头人，拟出任项目数学及IT顾问（兼职）。
项目打算股权融资，找投资公司投资合作，或者找合伙人带资金合作，欢迎对我们项目感兴趣的投资人详细面谈。

已筹建公司，有了核心团队和项目方向，但还没有进入市场或已进入但没有明确的市场数据