人类如何frontrun机器交易策略

作者｜Amont Capital，FutureMoney

编辑｜FutureMoney研究院

联系我们｜[email protected]

导读

本期的研究有关于人类和机器交易中的博弈，机器作为人类开发的工具，其能力在某些方面早已远远超过我们本身，这种优势在交易中尤为凸显。我们非常高兴可以和Amont Capital一起与大家共同探讨这一市场现象，分享我们的交易哲学，探索如何在量化机构博弈的市场中套利，利用机器不擅长的判断构造反脆弱的交易系统，寻找非对称竞争的交易机会。

关于Amont Capital：Amont Capital是一家总部位于纽约的全球股权投资基金，?专注于捕获尚未被数据反映的基本面变化拐点，从而front run机器交易，获取超额收益(alpha). ?FutureMoney与Amont Capital深入合作研发交易引擎研发即将发布首个聚焦市场非对称性的套利产品。

人类如何front run机器交易策略

机器取代人类主导股票交易，是全球股市过去十多年的最大趋势。自2003年到现在，机器/量化交易 (quant trading) 在全球第一大市场美国股市的市场份额从15% 连续翻了六倍达到迄今接近90%?。

Source: JPMorgan

机器在交易速度上front run人类的绝对优势，让传统聚焦基本面的基金经理在短期投资中被机情辗压。同时由于机器对动量追逐 (momentum chasing) 的偏好，市场的波动被放大成百上千倍，让传统基金经理更加难以适从。乍一看，似乎可以得出一个悲观结论：人类主导的基本面投资已江河日下，随着高频另类数据（alternative data）在大规模应用，未来必将是机器投资一统天下。

然而事实上，正如黑格尔所讲, “任何增长的事物必然包含其自我毁灭的因素” , 机器交易也不例外。在我们看来，全球股票市场上目前最重要的一个投资机会，恰恰是机器交易的爆发性增长创造出来的。

二月下旬意大利疫情爆发，导致全球发达市场恐慌暴跌。我们可以明显看到在一个机器主导的市场里面发生的无差别抛售（indiscrimante selling) 从下图可以看到，美国SPX指数每次破关键支撑(50日均线，100日均线，200日均线和3000点支撑），机器就开始无差别抛售附图1。

S&P 500

与此同时，疫情的一些潜在收益股例如Costo超市(由于消费者恐慌囤货需求，最近它的生意特别好），也被机器无差别抛售附图2，注意他的跌幅（~12%）基本跟美国大盘指数符合，说明Costo的抛售完全来自大盘的影响。这是一个明显的由机器创造出来的错误定价（mispricing)和买入机会。

Costo 对比S&P 500

我们知道，机器决定买（或者卖）任何一只股票，都依托于大量的硬数据(hard data)。没有足够多样本，足够少噪音，足够高频率的高质量数据来喂机器，再强劲的算法也是无米之炊。对数据的高度依赖?– 这就是机器交易的阿喀琉斯之踵：因为从本质上讲，机器无法捕获尚未被硬数据（财务数据也好，运营KPI也好）反映的基本面变化拐点。基本面投资者所要做的，正应该是抓这样机器吃不到的机会 – 那些尚未被硬数据反映的定性基本面变化拐点?–?所谓集中火力攻击机器交易策略的反面（anti-quant trading）, 去front-run机器而非被机器front-run。

那么，究竟什么样的机会符合“fornt-run机器”的条件呢？巴菲特合伙人Charlie Munger 有一句名言 “always invert (永远反转思考)” ?那么我们不妨来从反面入手，先思考一下什么样的机会是我们需要坚决放弃的：任何有足够多样本，足够少噪音，足够高频率数据（也就是机器对于我有绝对优势）的短期机会。以Under Armour为例，在今天，机器策略可以通过购买高频信用卡数据跟踪Under Ammour 每季，每月，甚至每周的销售额，人类去跟机器赌Under Armour的短期季度业绩没有任何优势，这样的仗，我们坚决不打。那什么时候Under Armour会变成人类能够front-run机器的情形呢？机会发生在了2016年下半年，此时Athleisure浪潮已经逐渐席卷全球，而公司管理层始终认为Athleisure是个昙花一现的小浪花 , 拒绝投入资源开发Atheleisure产品线。虽然此前五六年，Under Armour一直维持着25%CAGR的高增速, ?短期的销售数据（机器可以看到）也很不错，但是市场喝彩中，我们看到一个尚未在数据中体现的定性基本面变化拐点 – 公司的发展方向发生重大错误：这个决定的影响, ?不会立刻体现在销售的下滑中，但是这个“决策—>数据反映决策失误”的窗口期，就成为了做空的最佳窗口。两个季度之后，自4Q16开始，机器终于发现由于缺乏Athleisure 产品，Under Armour销售数据开始变差，增速急跌到个位数，开始冲进来做空，让我们得以成功front run机器，捕获巨大的alpha。

Under Armour股价表现

Under Armour销售增速变化

用Under Armour的例子讨论了哪些机会是我们不碰的（但有潜在可能变成优势机会），我们现在来具体分析一下哪些类型的机会是我们专注捕获的（也就是“机器吃不到的” ）。

第一类：没有数据可以喂给机器（信息套利）

典型场景：

公司转型（Adobe 从卖软件到走到云端卖SAAS Subscription, ?Shopify从asset light 到asset heavy）

管理层或者激励机制的变革导致策略变化（ GE换帅后出售non-core 业务， BHC换帅从扩张政策换到收缩政策）

颠覆性的长期趋势对业务的冲击（捷安特没有预计到共享单车对业务的冲击，前文中的UAA）

在这些场景里，公司业务层面发生了重大变化，但变化拐点需要几个季度才能充分体现在数据中。在中间这个窗口期，由于没有充分的数据用来投喂机器，机器无法抓住这个机会，而我们则可以从容先埋伏其中，等待数据开始反应变化拐点后，让机器来抬轿子。我们以一个重仓股Hello Fresh(HFG)作为案例来分析：HFG是个meal-kit公司，简单的说就是让用户订购净菜到家自己做饭吃。HFG在美国的主要的竞争对手是个独角兽公司叫Blue Apron, ?做同样的业务, ?比HFG规模大，历史早，名声响，也早于HFG上市。然而Blue Apron一直烧钱，始终没有找到盈利空间，濒临破产，市值也自上市后跌去90%。

Blue Apron股价表现

因为Blue Apron的糟糕数据，绝大部分投资人都觉得meal kit这个市场是个伪命题，不管谁来做都是死路一条，加上HFG开始起步追赶Blue Apron的时候尚未盈利，机器也看不到任何亮丽的数据，所以没有人相信他能成功。我们在2019年5月会见了HFG创始人，做完功课之后，决定投资。敢投一个没人（包括机器）看好的公司，是因为我们看到了滞后财务数据没有体现出的公司盈利能力。笔者本人做过SaaS startup, 非常了解任何一个消费subscription-based商业模式，最重要的指标不是财务报告里面的数据，?而是用户分组留存曲线 (cohort retention curve)。

用户分组留存曲线示意图

一个能够有规模效应（economy of scale）的SaaS盈利模型一定要做到两个事情， 2-3季度之后的留存能稳定维持在25-30%以上，同时每个新的Cohort的用户留存表现都比前一个Cohort要好。如果做不到这两点，业务做得得越大烧的钱越多没有任何边际效应（多说一句这也是包括Blue Apron来内很多独角兽永远无法盈利的关键 ）。而HFG的不同在于，公司注重自然增长, ?宁可慢一点，但是每个cohort都要比上一个cohort至少持平，同时保证6月留存在25%以上，从而踏踏实实做到来“有质量的增长”?。在盈利数据出现之前，机器无法理解这个留存曲线的重要性，也不了解Blue Apron和HFG两个公司虽然业务一样但本质却又完全不同。当HFG最终在2019年年末实现盈利后，机器终于认识到公司的实力，开始追逐股票，推动大涨。

HelloFresh股价表现

第二类：机器无法判断短期数据的长期影响（时间套利）

典型场景：

机器高估短期数据的长期影响（机器高估贸易战对海康，大华的业务影响；高估苹果-高通诉讼对高通5G业务的影响）

机器低估短期数据的长期影响（机器低估亚马逊云业务，Paypal收购Venmo消费者业务的增长潜力）

在这些场景里，短期数据无法给予机器足够的背景信息，导致机器过分依赖短期数据造成误判，要么高估公司短期的挫折，要么低估公司长期的增长潜力。我们以一个重仓股Kornit (KRNT) 作为案例来分析:? Kornit是个生产3D制衣打印设备的制造商。在2018年以前主要给消费级的T-shirt初创企业做下游的成衣图案打印，后来逐渐开始着力进入工业制衣领域上游，做布料图案处理。机器能看到Kornit的利润短期增速在2019年后有个重大提升，但是却完全忽视了公司增长提速的潜力。

Kornit?EBITDA增速表现

因为机器只能看到公司增长短期内开始攀升，却不理解Kornit增长的背景在于全球纺织业的企业近两年全数都开始努力学习Zara, 强调缩短上架周期（shorten cycle lead-time）, ?而Kornit的3D布料打印技术恰好解决了行业最关键的痛点。在市占率仅为个位数的情况下，Kornit拥有有足够高的天花板维持业务多年的的高速增长。

Kornit股价表现

第三类：机器缺乏connect the dots的想象力（跨区套利）

典型场景：

机器无法迅速捕捉跨区域，跨市场的套利机会（全球营养品市场，全球化妆品市场）

在这些场景里，机器缺乏 connect the dots的想象力，不理解不同地区，不同市场的公司，可能拥有一个共同的驱动因素（underlying driver）。这导致机器无法迅速做出反应，捕捉跨区域跨市场的套利机会。

我们以2019年年初的全球传销行业的四个重量级公司作为案例来分析。以大中华市场作为最重要业务的全球保健/化妆品传销公司有四个，分别是美国的Usana, Nu Skin, 欧洲的Oriflame, 和澳洲的Blackmore。在2019年二月的三周内，这四家公司接连开始财报，发布2019年业务展望。Usana在2/5/19首先发布财报，由于“中国市场疲软” 调低全年预期，股价大跌。令人震惊的是，此时其他三个公司的股价并没有任何反应。一周后，Nu Skin (2/13/19), Oriflame (2/14/19) 发布财报，同样因为中国市场放缓调低预期，股价大跌，然而澳洲的Blackmore仍然没有任何反应。直到再过五天后的2/18/19季报, Blackmore才承认基于同样的原因调低预期，股价应声而落。在这三周中，我们可以清晰地看到机器缺乏connect the dots的能力，导致错过明显的跨区套利机会。

Usana/Nu Skin/Oriflame/Blackmore 4Q19财报期间股价表现

总结

在机器交易占市场交易份额九成的今天，基本面投资者不应该是跟机器硬拼有高频数据存在的短期刺刀，而应该采取“非对称战争“的策略，以己之长，攻彼之短，集中火力去抓机器吃不到的机会 – 那些尚未被硬数据反映的定性基本面变化拐点。机器交易占据的未来市场份额越大，这样的超额收益（alpha）机会反而就会越多。如果对Amont 的策略感兴趣，欢迎联系创始人微信zli-79。

关于FutureMoney

FutureMoney是全球领先的数字货币资产管理公司，专注于基金管理、量化分析及区块链技术研究。旗下设有行业研究院、区块链股权基金和多个数字货币信托。投研方向覆盖基础公链、应用协议和去中心化金融服务等，为投资人和被投项目提供专业化的投资咨询服务。

FutureMoney致力于搭建合规的金融资管平台，积极推动全球范围内的数字资产监管及合规业务，计划为数字货币投资提供一条快速安全的通道。

—-

编译者/作者：FutureMoney

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。