本帖最后由 editor06 于 2014-9-2 22:22 编辑 03年诺奖得主Robert Engle最近接受了CFA协会的采访，从风险度量角度就高频交易和组合管理发表了自己的观点，现摘录如下，以飨读者。
CFA 协会：接下来让我们换个话题，谈谈交易员和组合经理实际中最常用的风险建模方式，从高频交易谈起如何？
Robert Engle:我们没有理由认为不能计算毫秒级别的VAR，但是需要一个更好的波动率模型，一个针对特定时间级别的波动率模型。人们实践中常用采用一种粗鲁的建模方式，每天收集成千上万的数据，然后拼在一起用GARCH模型拟合，但结果往往表现不好，因为他们太多的精力花在日内形态时点预测上。波动率的衰减速率在小时级别，而模型会向前预测两天，波动率不受我们当前所知信息影响。这是不对的，我们需要一个更复杂的模型。
CFA协会：那该如何做呢？
Robert Engle: 我喜欢的一个方法是把波动率分为daily part、time effect和 date effect 三部分，每部分都做预测，这是高频波动率模型应该的建模方式。它从普通的日间模型开始，我们可以用足够量的历史数据去预测下一天的波动率，下一步是去寻找每天的日内波动率特定形状。如果日内波动率按分钟划分，会发现开盘时波动率很高，而在中间时段时相对较低。如果你用每分钟收益率除以预测的方差，该数值可以分为两部分：日波动和日内形态，把这两个联合在一起就可以用GARCH模型对百万级别的数据进行建模。它不需要预测日内形态出现的时点，不需要预测长期波动率，只需预测短期波动。只需要数据和常用的GARCH模型就可以构造一个高频波动率模型。我的MBA学生在做这个，并发表在了Journal of Economics 上，许多业内人士私下告诉这个方法对他们很实用。
CFA协会：让我们谈点其它的投资应用。谈谈组合管理如何？风险建模在其中应该扮演什么角色？
Robert Engle: 在组合管理中，波动率和相关系数是关键输入变量。一旦你发现了一个alpha策略，下一步即是如何去构建这个组合。我认为GARCH模型在其中扮演了重要角色，但直到最近不少人认为这种方法效果不佳。事实上，我们现在有新的方法来估算协方差矩阵，使用时变的大规模协方差矩阵。我认为这些很有潜力运用于风险管理和组合构建。资产配置、风险预算等模型都和波动率有关。
CFA协会：有趣的是人们花了太多时间和精力来研究预期收益率，但是对预期波动率，却和乐意接受使用历史波动率。那波动率预测是否能真的带来附加值呢？
Robert Engle: 我想你说的这个问题有必要专门分析。几乎所有的金融机构中，这两项工作都是由不同的人来做。投资经理决定预期收益率，他们负责获得alpha但是对风险却较少关心。而风控经理就像警察一样，告诉什么可以做什么不可以做。我们从理论上知道风险和收益是一体的，是一个问题，不应该分开。导致两者执行相互独立的原因可能是由于人们使用的是低频数据，预期收益比较难识别，而风控经理对风险的计算速度要快很多，因而很自然他们会来自不同的部门，但从组合的观点讲，他们应该放在一起，有很多工作可以做。
CFA协会：我同意，我能看到这两者结合的巨大价值。我们下一个话题，基本面投资和量化投资。你认为什么量化方法对基本面基金经理最受益？
Robert Engle: 我感觉基本面基金经理基本不做风险管理的工作，他们发现了alpha却没有赚到这些alpha的绝大部分，如果他们控制好执行成本的话或许能做的更好。正如我们说的那样，quant比基本面投研人员的工作速度要快很多。如果你使用一个量化模型的话，你就不会太在意财务报表的数据，它们的数据频率太低，你只需要关注数据里的东西即可。也许你也关注咨询数据源，现在有些quant会把实时的新闻数据转换成交交易信号，这听起来不错，因为我不认为投资有所谓“正确道路”，市场会适应不同的观点，虽然赚钱越来越难，但总还是有钱赚。人们拥有同样的技能组合，被社会打上了不同的标签。
CFA协会：非常感谢您精彩的演讲！
Robert Engle:我的荣幸！
（来源：海通量化）
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
