影响价格的最根本因素是什么？

影响价格的最直接因素是什么？

答案很简单。

都是供给和需求。

关于能源和金属的价格和供需情况，很多人都已经很熟悉了。今天以钾肥为例。

一、供给高度垄断

世界钾盐资源的分布极不平衡，加拿大钾盐储量占世界总量的53%，而我国目前发现总储量仅仅为10亿吨。不到世界总储量的1%。

世界钾肥市场是一个高度垄断的市场。1986年，北美三大钾肥公司组建了卡特尔集团Canpotex，由Canpotex公司统一对外进行价格谈判和签订出口合同。 2005年，白俄钾肥BPC公司开始独家经营该国的钾肥。很快，前苏联地区这几家钾肥公司组建BPC联盟，统一销售。这两大联盟分别占世界钾肥产量的42%和33%。它们之间又进一步联手加强对国际钾肥市场的垄断。与此相对比，欧佩克12个成员国仅控制了全球原油市场的37%。

而全球钾肥的剩余产能更加集中。加拿大Potash公司控制了全球钾肥剩余产能的75%。

二、刚性需求

钾肥是农业不可缺少的三大肥料之一。而且必须来源于钾盐矿，不能人工合成。长期不施钾肥，田地就会减产。

但如果一年不施钾肥，土地减产有限。这个特性可能会增加钾肥的库存效应。在价格过高或者价格预期下跌的时候，各方面库存下降，农民施加钾肥的积极性也下降。比如2008年和2009年。但如果连续几年钾肥施加过少，减产的影响就会不断变大。最后，一旦钾肥价格形成向上预期，各方面库存上升，农民可能也被迫补施钾肥。钾肥需求强烈释放，从而造成钾肥价格的变动可能会比一般商品更加剧烈。

三、定量数据

1、2008年危机以来，所有金属、能源、农产品价格都已经上升，除了钾肥。

2、2008年钾肥价格上升过快、过高，2009年钾肥价格一路下跌，导致这两年全球钾肥需求萎缩。这也许预示了2010年钾肥需求的大幅回升。

3、2008/2009年，美国农民一样大幅减少了钾肥的施用。

结论是什么呢？

1、经过连续一年多的下跌后，钾肥价格下跌空间有限；

2、钾肥相关的投资机会值得关注。

新家落成。这个博客暂停更新。

有兴趣的朋友请移步32相。

Vliet在"Building Automated Trading Systems: With an Introduction to Visual C++.NET 2005"一书中，从机构的角度，提出了自动交易系统的开发流程管理模型：K-V模型。Vliet将整个流程划分成循序渐进的四个阶段，以方便内部沟通、资源追加。

前几天我们已经介绍了K-V模型的四个阶段。今天，再深入探讨其中一些环节。

1、研究定量方法 Research Quantitative Methods

这不是简单地研究制定出符合自己思路的定量方法。老外尊重原创的风格在定量体系建设上也充分体现。 Vliet指出，“我们很少会闭门造车出一整套全新的交易思路。更多情况下，我们在前人的思路上有所修改。”因此，对现存定量模型的回顾、总结就必不可少。一方面，应该广泛收集各种相关定量模型，来源包括杂志、书籍、互联网、白皮书等等。另一方面，这个研究还应该包括对现存优秀模型的思考。这个过程，就相当于规范的科学论文前面必不可少的“文献回顾”。这个过程非常有助于整理思路、加速进程，开发出最优秀的模型。

顺便提一下，对于定量型对冲基金来说，维护一个自有的定量模型库非常重要，是核心竞争力所在。

2、构建原型   Prototype in Modeling Software

Excel、R、Matlab、Mathematica等很多软件都可以帮助我们快速构建原型，以初步检测这个思路是不是值得进一步投入精力和资源。相对于机构来说，大多数个人投资者会忽视这个环节。这一方面可能受限于个人能力，另一方面可能觉得没有必要。实际上，通过这些数学软件来构建原型，可以加深自己对这个思路的认识。个人投资者讨论较多的对所谓“过度优化”的担心，很大程度上也是因为缺少了这个建模的环节。通过数学软件、统计软件建立的成功原型，往往是对模型信心的真正来源。

3、数据转换管理系统（DTMS）  Data Transformation Management System

我们生存的世界并不完美。几乎所有数据都含有错误。错误的数据不但会影响backtest的结果，在实际交易中更容易产生重大影响。对于对冲基金来说，有两种应对方案。一是建立中央数据转换管理系统（DTMS），将数据清理干净后再存储或者转发到自己的数据系统中，供回顾测试或者实时交易。二是在所有的实时交易模型中都建立容错过程。很明显，第一种方案是根本的解决之道。第二种方案是有力的辅助手段。

对于个人投资者来说，基于系统效率问题，恐怕只能以第二种方案为主，以第一种方案为辅。如果建立第一种方案，那么，mySQL、MS SQL等SQL类数据库最多用于回顾测试，要用于实时交易，恐怕要另寻工具。比如说，kdb数据库。

老马叫Markov。全名 Andrei Andreyevich Markov。

Markov process

Semi-Markov process

Markov chains

Hidden Markov model

Variable-order Markov model

Markov chain Monte Carlo

Markov decision process

Markov Switching Model

... ...

老马是一百年前的俄罗斯人。比老巴大十几岁。

这个老巴，不是巴菲特，是Bachelier。

“经济学家以及政治哲学家之思想，其力量之大，往往出乎常人意料。事实上统治世界者，就只是这些思想而已。许多实行家自以为不受任何学理之影响，却往往当了某个已故经济学家之奴隶。狂人执政，自以为得天启示，实则其狂想之来，乃得自若干年之前的某个学人。我很确信，既得利益之势力，未免被人过分夸大，实在远不如思想之逐渐侵蚀力之大。”      凯恩斯，1936。

自动程序交易（Automated Trading System），又称算法交易（Algorithm Trading，Algo Trading）、系统交易（System Trading）、黑盒子交易（Black-box Trading）或者机器交易（Robo Trading）等等。欧美股票市场的交易，估计程序交易已超过一半。

未来世界是程序交易的天下。而对冲基金在程序交易方面走在了前列。

一直很好奇国外对冲基金的内部运作细节。 去年我也曾揣测数量型对冲基金的情况，提出了“个人定量投资体系的ISTA框架”。

Benjamin Van Vliet的"Building Automated Trading Systems: With an Introduction to Visual C++.NET 2005"，则从另一个角度为我们揭开了数量型对冲基金内部运作的一角。

很巧合，Vliet将自动交易系统的开发过程也划分为循序渐进的四个阶段，称为K-V模型。虽然一切顺理成章，但对于国内来说，仍有一定参考意义。至少可以修订后编制成内部流程。

阶段一、研究和初步计算 Research and Document Calculations

1、描述交易思路 Describe Trading Idea；

2、研究定量方法 Research Quantitative Methods；

3、构建原型 Prototype in Modeling Software；

4、检查效果 Check Performance。

阶段二、回顾测试 Backtest

1、收集历史数据 Gather Historical Data；

2、建立明确的算法 Develop Cleaning Algorithms；

3、进行回顾测试 Perform in Sample/out of Sample Tests；

4、模拟交易和业绩分析 Shadow Trade and Check Performance；

阶段三、完善 Implement

1、编制软件需求书 Build Software Requirement Specifications Document；

2、系统架构的设计、成文 Design and Document System Architecture；

3、系统的编程和文档 Program and Document the System；

4、系统试用和业绩分析 Probationary Trade and Check Performance。

阶段四、组合管理和风险控制 Manage Portfolio and Risk

1、监控组合表现 Monitor Portfolio Statistics；

2、风险分析和计算 Perform Risk Calculations；

3、书面的盈亏归因分析 Document Profit and Loss Attribution；

4、寻找业绩波动的原因 Determine Causes of Variation in Performance。

最后，反复重复以上四个阶段，持续改进系统 Repeat the entire waterfall process for continuous improvements.

Vliet建议，必须事先通过小组会讨论决定，才能进入下一个阶段。

不存在一劳永逸的系统/算法。能够不断汲取科学界新的理论知识、产生新的操作思路、快速开发相应系统并投入使用，才是定量投资的真正竞争力所在。K-V模型实际上是建立了一个完整的质量管理体系，来规范自动交易系统的建设工作，提高团队运作效率、节约成本。使得自动交易系统的生命周期可以管理。

如果说ISTA框架将系统交易放到了理性的平台上，那么，K-V模型将系统交易当作了一项生意来管理。对于个人投资者来说，当然也可以借此规范思路和流程、提高效率。