近期拜讀Igor Tulchinsky在2019年的著作《Finding Alphas: A Quantitative Approach to Building Trading Strategies》，學習更深入的投資，在這系列文章中，將逐章節摘要書籍重點。在這篇筆記中，涵蓋本書的Part I。
本書結合WorldQuant全球專家的知識，涵蓋alpha、相關性分析、偏差控制、ETF、事件驅動投資、指數alpha、日內數據研究、機器學習等主題。提供最新交易策略資訊，內容實用、易懂，並新增學術參考與高質量範例，適合關注量化交易的讀者。本書作者Igor Tulchinsky是 WorldQuant的創始人兼 CEO。
Introduction to Alpha Design
- 在金融領域中，最早可追溯到 1968 年， Michael Jensen 用「Jensen’s alpha」來衡量投資組合在風險調整後，相對於市場預期表現的超額報酬。隨著時間演進，泛指超越市場或基準指數報酬的那部分，成為衡量投資績效的重要指標。
- 在 World Quant 的語境中，則將「alpha」定義為：「能在投資組合中增加價值的獨立交易信號（trading signal）」
- 常見操作
- A-B, A/B, 1/A, delay, rank
- 如何判斷 Alpha 的品質
- Information Ratio
- 概念簡單、數學表達優雅、高in-sample Sharpe、對資料或參數細微變化不敏感、適用不同的證券範圍及地區
- Alpha 的構建流程
- 分析資料變數
- 先檢視自己所擁有的資料（如價格、成交量、公司財報、衍生指標、新聞、社群情緒等），思考哪些變數或其變化可能與未來價格變動有關。
- 了解價格反應
- 觀察資料變化與價格之間的關係。如果一項事件或資料變化確實能帶來價格波動，那麼就有機會萃取出 Alpha。
- 提出數學或程式化表達
- 回測與評估
- 觀察是否能持續產生超額報酬，並評估風險、最大回撤（drawdown）、穩定度等關鍵指標。
- 若回測結果理想，提交並進入實際交易
- 一旦經過充分測試（含多市場、多區域、多時間區間），如果結果仍具備顯著的超額報酬，便可投入實盤或結合其他 Alpha 一起交易。
Perspectives on Alpha Research
- Alpha 的一般定義: 投資策略/組合相較於某個benchmark所產生的額外收益，也代表「預測未來相對價格或相對報酬」的模型或函數
- 統計套利: 是基於「統計或數學模型」對資產的未來相對價格或價差進行預測，但該預測並非 100% 準確，仍存有不確定性及風險（例如估計誤差、參數不穩定、過度擬合，以及市場結構的改變等）。
- 簡單討論CAPM、多因子模型
Cutting Losses
再完美的交易策略，也終會碰到失效或不再適用的時刻。沒有任何規則永遠有效
Reference: 《Finding Alphas: A Quantitative Approach to Building Trading Strategies》
