私募基金がどのように量子取引プラットフォームを段階的に構築するか

私募基金が量化取引プラットフォームを構築することは、もはや新しいことではありません。この記事は、私募基金がどのように段階的に量化取引プラットフォームを構築するかについての筆者の浅い見解です。記事には不足があるかもしれませんので、皆様の批判的なご意見をお待ちしております。

1. ビジネスプランニング#

私募量化ファンドの開発は、単一資産から複数資産、単一戦略から複数戦略、低頻度から中高頻度へのアプローチを遵守することをお勧めします。
まず、単一資産から複数資産へ。私募量化ファンドの取引対象は、ビジネスが簡単でリスクが比較的低い債券や株式から始めることができます。債券や株式のビジネスは比較的簡単に始めることができますし、レバレッジを使用しないためリスクも比較的低いため、量化投資戦略の実験的な対象として利用することができます。一般的に、量化投資製品は約 5,000 万〜10 億円の規模で設定することができます。量化投資戦略について比較的詳しくなり、背後にある市場の法則を理解した後、資産の種類を拡大することを検討することができます。この時点で、商品先物やオプション、株価指数先物やオプションを導入することが考えられます。これらの金融派生商品の導入により、資産の種類が大幅に豊富になり、健全なローテーションやヘッジメカニズムが形成されます。このようなリスク回避のローテーションやヘッジメカニズムが備わっている場合、資金調達の規模も拡大し続けることができます。たとえば、量化投資製品は少なくとも数億円の規模に拡大し、異なるリスク嗜好の顧客に対して異なる製品を設定することができます。これにより、製品ラインナップを豊富にすることができます。
次に、単一戦略から複数戦略へ。プラットフォームの構築初期では、単一または少数の戦略を検討することができます。先に述べたように、プラットフォームの構築初期では、単純な取引対象に焦点を当てるだけで十分です。債券や株式に関しては、量化取引戦略は比較的に成熟しています。株式のマルチファクター戦略を例にとると、戦略の原理と実装手順は多年にわたる蓄積があり、非常に標準化されています。私募量化ファンドマネージャーにとっては、彼らのエネルギーを主に因子の発掘と比較に集中させることができます。債券や株式の量化戦略に比べて、商品先物や株価指数先物、オプションの開発は国内で比較的遅れていますので、利用可能な取引対象が比較的少ないです。国内で金融派生商品が発展するにつれて、それに対応する量化戦略も次々と登場しています。最近数年間、商品先物に焦点を当てた CTA 戦略や株式および株価指数に焦点を当てた統計的アービトラージ戦略などが急速に発展し、改善されています。プラットフォームが拡大するにつれて、製品の拡大に合わせて戦略の種類も拡大することができます。
最後に、低頻度から中高頻度へ。量化取引プラットフォームは、常に改善が必要なプラットフォームです。取引が高頻度になるほど、システムやプラットフォームへの要件も高くなります。高頻度取引の重要性と人気は低頻度取引よりも高いです。最近人気のある T+0 取引や CTA 戦略などは、高頻度取引の範疇に属しています。高頻度取引プラットフォームの鍵は、単一のハードウェアとネットワークシステムのパフォーマンスを最大限に活用することです（たとえば、サーバーを上海証通のデータセンターや深センビンハイデータセンターに移動するなど）。これは、インターネットのように高負荷とスケーラビリティを強調するのではなく、単一のマシンのソフトウェアとハードウェアに加えてネットワークシステムのパフォーマンスを最大限に活用することです。電子商取引プラットフォームで一般的な数百台または数千台のサーバークラスターは、私募の量化投資プラットフォームの要件には適していません。取引頻度の向上とともに、ハードウェアのパフォーマンスを向上させる必要がありますし、アルゴリズムの知能化とシステムの安定性も継続的に最適化する必要があります。私募量化取引プラットフォームが最初から高頻度取引戦略に位置づけられている場合、知識と経験の蓄積が不十分であり、高頻度取引に必要な環境の理解が不十分であるため、取引が失敗したり実行できないことがあります。また、高頻度取引は人為的な介入の余地が少ないため、リスクが高くなります。したがって、私募量化取引プラットフォームは、低頻度から中高頻度への成長プロセスに従うべきです。

2. プラットフォームの機能設計#

完全な量化取引プラットフォームには、以下のいくつかのシステムが含まれるべきです：1. データセンター。2. 戦略センター。3. 取引センター。
まず、データセンターは量化取引プラットフォームの基盤です。すべての量化取引戦略は、バックテストまたは実際の取引のいずれにおいてもデータのサポートが必要です。データセンターの構築は比較的簡単ですが、手間のかかる作業です。主にデータベースの構築、データの保存とクリーニングが主な作業です。このプロセスでは、ビジネスに関連する作業は少なく、主なエネルギーはデータのクリーニングに集中する必要があります。効果的なデータを提供し、データ処理と判断の負担を軽減することが、このシステムの主な目的です。
基本的な市場データの属性には、除去式の公式など、異なるデータプロバイダの計算方法の違いがあります。この点については、統一されたデータソースを使用する必要があります。ただし、使用するデータプロバイダの制約と分析の必要性から、証券情報の完全性を確保するために複数のデータソースから異なるデータを収集する必要があります。ほとんどのタイプのデータについては、収集プロセスを初回収集と増分収集の 2 つの段階に分けることができます。収集時には、変更に対応しやすいシンプルで信頼性の高い戦略を使用する必要があります。データの更新プロセスは信頼性が高く、堅牢性があります。現在、データのソースは、Wind、Choice、Tushare などの比較的権威のあるデータサービスプロバイダから提供されることができますが、証券会社には独自の市場データシステムもありますが、専門的なデータサービスプロバイダほど専門性はありません。最近では、行動ファイナンスの注目度が高まっており、クローラを使用して株価以外のデータ（例：ブログの人気指数、ニュースのキーワードなど）を取得する方法もあります。量化投資と機械学習の公式アカウントは、「Twitter の感情を利用して株式市場を予測する」などの記事を公開していますので、興味のある方は学んでみてください。
次に、戦略センターは量化取引プラットフォームの中核です。戦略センターには戦略の作成、バックテスト、評価が含まれます。特にバックテストの品質は私募基金にとって非常に重要です。バックテストの主な目的は、戦略のパフォーマンスを検証するために、できるだけ実際の取引条件に近づけることです。バックテストのプロセスでは、将来のデータを使用しないように注意する必要があります。つまり、T 日の取引に T 日以降に生成されたシグナルが影響を与えないようにする必要があります。一般的で必要なバックテストの評価には、リターンと最大ドローダウンの評価、取引の詳細の表示、取引コストとポジションの変化が含まれます。戦略が選択した時間範囲でバックテストを完了した場合、ユーザーはこの戦略の収益率曲線などの関連グラフを含むさまざまな収益率とリスク指標を表示することができます。ユーザーは戦略のバックテストレポートと具体的な取引ログをエクスポートすることができ、バックテストレポートには各種指標とバックテスト結果の分析グラフが含まれます。より高度なバックテスト評価には、アトリビューション分析、リターン分析などの機能が追加されることがあります。ファンドのパフォーマンスに対するアトリビューション分析の目的は、資産の配分方法、株式選択プロセスでの業界の傾向など、私募ファンドの収益に影響を与える主要な要素を把握することです。現在のターゲットファンドと選択した市場ベンチマークのパフォーマンスを分析し、異なる側面から両者の収益の差を「切り取る」ことで、異なる「切り口」が異なる関心事を反映します。たとえば、前述のような資産の配分方法、株式選択プロセスでの傾向などです。
最後に、取引センターは量化取引プラットフォームの最終目標です。取引センターにはシミュレーション取引と実際の取引が含まれます。戦略センターでバックテストが検証された戦略は、まずシミュレーション取引で検証することができます。シミュレーション取引センターでは、リアルタイムデータの検証を経て、量化取引戦略モデルの汎化能力を確認することができます。シミュレーションセンターは、第三者サービスプロバイダのインターフェースを介して、第三者のシミュレーションカウンターに接続することで実現されます。量化取引戦略モデルの汎化能力が高い場合、実際の取引に移行することができます。実際の取引は、証券会社の PB 取引システムとのインターフェースを介して実現されます。私募の発展初期では、低頻度戦略については、シミュレーショントレードと実際のトレードを手動で行うことも考慮に入れることができます。

3. 非機能設計#

非機能設計には、2 つの側面があります：レスポンス速度と使いやすさ。
レスポンス速度は、特にバックテストプロセス中、特にバックテスト時間範囲が長い場合に、一定のバックテストレスポンス速度を確保することを指します。取引モデルの複雑化とバックテスト時間範囲の延長に伴い、ユーザーは研究、判断、および意思決定のためにできるだけ早くバックテスト結果を得ることができる必要があります。最近、機械学習の導入はモデルの構築プロセスを大幅に簡素化しましたが、システムのレスポンス速度に対する要件も高くなりました。
使いやすさは、ユーザーが迅速に操作できるかどうかを指します。現在の国内のインターネット量化プラットフォーム（例：聚宽、優矿など）は、初心者向けの教育セクションを提供しており、量化投資に関する金融知識だけでなく、数学、統計、プログラミングなどの必要なスキルも提供しています。これにより、初心者ができるだけ早く量化取引プラットフォームを使用できるようにサポートしています。私募向けの量化取引プラットフォームでは、インターネット量化プラットフォームと同様にさまざまなユーザーを考慮する必要はありませんが、少なくともページのフロー、プラットフォーム用語などは私募のビジネス習慣に合わせる必要があります。それ以外にも、私募の量化投資プラットフォームは独自の関数ライブラリを構築する必要があります。

4. フロントエンド技術#

ユーザーインタラクションには、使いやすいインターフェースが必要です。B/S モデルは現在の主流のユーザーインタラクション方法であり、量化投資プラットフォームは B/S アーキテクチャを使用してユーザーにインタラクティブな機能を提供します。WEB サーバーは TOMCAT を使用してデプロイされ、SSH フレームワークを使用して実装されます。フロントエンドとバックエンドのデータのやり取りは、REST および WebSocket 技術を使用します。REST アーキテクチャは、Roy Thomas Fielding によって提案されたソフトウェアアーキテクチャスタイルです。REST アーキテクチャはリソースを中心に構築され、リソースは URI で一意に識別される唯一のエンティティです。クライアントは、PUT、POST リクエストにリソースを含めることでリソースの状態を変更し、サーバーは GET リクエストに応答する際に含まれる表現を使用してアプリケーションの状態を進めます。リアルタイムでないデータリクエスト（例：過去の価格のクエリ、財務データのクエリなど）は、REST アーキテクチャを使用して実装できます。
サーバーサイドのミドルウェアエンジンとのやり取り方法には、WebSocket 技術を使用できます。リアルタイム性が要求される従来の Web アプリケーションでは、ポーリングメカニズムを使用して実装されることが一般的です。クライアントは一定の頻度でサーバーにリクエストを送信し、クライアントとサーバーのデータを同期させます。ポーリングは実装が簡単な利点がありますが、同時に問題もあります。つまり、クライアントが頻繁にリクエストを送信する場合、サーバー側のデータがまだ更新されていない可能性があり、その場合はすべてのリクエストが無駄になり、サーバーにアクセスする負荷が増えます。WebSocket は、この問題を解決するために提案されたブラウザとサーバー間の双方向リアルタイム通信のためのネットワーク技術です。WebSocket を使用すると、クライアントとサーバーの間で長時間の接続と双方向のリアルタイム通信が実現できます。リアルタイムデータリクエスト（例：リアルタイム株価）は、WebSocket アーキテクチャを使用して実装できます。

5. バックエンド技術#

量化投資プラットフォームの実装では、データ処理モジュール（ETL モジュール、ロジック演算モジュール、バックテストモジュールなど）が最も重要です。これらのモジュールは比較的独立しており、主にデータ処理と演算に関連しています。これらのモジュールは、Java または C++ のいずれかの言語を使用して独立して開発することができます。最近では、Python の普及とともに、Python 技術を使用することも考慮できます。
最も重要なバックテストモジュールについては、一般的にZiplineを使用して戦略センターを構築することがよくあります。また、国内の開発者によって開発されたvn.pyやrqalphaも Github で高い評価を受けています。
バックテストプラットフォームの構築は、カスタマイズされた独自のプラットフォームを検討することもできますし、第三者のプラットフォームを使用することもできます。現在、国内でよく知られている量化プラットフォームには、聚宽、優矿、米筐などがあります。まだ始まったばかりの私募基金にとっては、まず第三者のプラットフォームを検討することをお勧めします。比較的小規模な企業や個人投資家にとっても、外部のプラットフォームを活用することは非常に重要です。一部のバックテストプラットフォームは証券会社と提携しており、将来的にはシグナル生成と証券会社のカウンターとの自動取引を結びつけることができれば、それも良いことです（深南、2019）。

6. 可視化技術#

B/S アーキテクチャの下での可視化には、Echarts や Highcharts などのグラフライブラリを選択することができます。Highcharts を例にとると、Highcharts は純粋な JavaScript で書かれたグラフライブラリであり、Web サイトや Web アプリケーションに対して対話的なグラフを迅速に追加することができ、個人のウェブサイト、学習、非商業目的で無料で使用することができます。HighCharts がサポートするグラフの種類には、エリアチャート、折れ線グラフ、円グラフ、棒グラフ、複合グラフ、散布図などがあります。Highcharts はインターフェースが美しく、JavaScript で書かれているため、プラグインのようにプラグインが必要な Flash や Java のようなものは必要ありません。また、実行速度も速いです。さらに、Highcharts は非常に互換性があり、現在のほとんどのブラウザを完全にサポートしています。

参考文献：
[1] 孔令潇。量化选股回测平台的设计与实现 [D]
[2] 曹义。多因子量化投资管理系统设计与实现 [D]
[3] 刘宁。基于 Web 的量化交易平台的设计与实现 [D]
[4] 沈士忠。量化策略研究平台的设计与实现 [D]
[5] 温从华，王佳林，林岳龙，等。基于大数据技术的量化交易策略及金融监管 [J]
[6] 深南。一文读懂量化系统接入及相关平台 [J]