閱讀筆記-區塊鏈革命

摘要筆記:
2008年，中本聰藉由一篇未在學術期刊上發表的論文，將比特幣帶到這世界上。經由2013年12月1日，比特幣每盎司價格首度超越黃金價格，比特幣為世人證明了不須中介，也能達成價格傳遞的可能性。即便比特幣價格的高波動性仍不能作為貨幣的作用，也達成了一定的貢獻，就是區塊鏈。

解釋區塊鏈的涵義，如同本書作者與Melanie Swan的定義:
比特幣與區塊鏈包含三個層次，區塊鏈底層技術、協議與加密數位貨幣。
區塊鏈技術是點對點通訊技術與加密技術的結合，本質上是一個去中心化的分散式帳本數據庫。可以在這個數據庫上發展多種應用，然而，應用都需要透過協議來達成共識機制來實現功能。最後，才能實現完全去中間化的點對點互動。

可應用的範圍如下
1.金融商品創新
各類金融商品皆是參與雙方的協議，如貨幣、債權、股權等。可以透過協議建立共識機制，來產生完全創新之金融商品，即是智慧合約。
優勢:

• 自動執行協議功能
• 執行成本降低
• 執行效率提升
• 高透明性
• 高安全性

智慧合約的出現，將會威脅部分原本金融中介的組織。
2.金融基礎設施的變革
區塊鏈本身即數據庫，每個節點皆可驗證帳本真實性與完整性，降低系統的信任風險。
優勢:

• 開放性
• 可追朔性

將可運用在徵信、審計、資產確認等議題，提高金融效率。

3.智慧物聯網
可應用於物聯網之數據處理與系統維護，管理上百億個物聯網設備的身分、支付與維護。
優勢:

• 延長產品生命週期
• 降低物聯網成本

4.共享經濟的技術基礎
可繼續優化電子支付成本，極低金額的消費型態也能應用於電子支付中。
優勢:

• 降低支付成本

 另一個角度思考區塊鏈

1.資料庫
公共資料庫，紀錄網路之間的交易資訊，隨時更新，讓每個用戶經由合法手段更改資料、寫入資料，卻有一套特殊機制，防範過往資料造到竄改。
2.分散式系統
不存儲在特定伺服器，而是儲存在網路上的完整節點，每一節點皆有備份。
3.網路底層協定
在協定上開發多重應用，每一時刻皆保存最長的工作量證明鏈，作為共同認可的交易紀錄，無須權威中介，直接進行點對點的交換資訊。

其他數位貨幣

比特幣為區塊鏈最早應用形式-數位貨幣，除比特幣之外，仍有數百種貨幣。以下為除比特幣之外的前三貨幣。
1.以太坊(Ethereum) 一種平台與程式語言
可由使用者透過"合約"的機制來實現自己設計的特性。
2.瑞波幣Ripple
引入閘道系統，可用法定貨幣來兌換Ripple，並將Ripple抽離網路，並擔任借貸雙方橋梁
3.萊特幣 Litecoin
更快的交易確認、發行量是比特幣的四倍、更適用GPU挖擴

金融業的商業應用

1.證券方面
為金融交易帶來高透明度、高安全性、降低欺詐風險、提升效率、減少成本。
2015/12/30 NASDAQ完成基於區塊鏈的證券交易平台
2.登記結算機構
完全可被取代
3.商業銀行應用
3.1點對點交易
基於P2P的跨境支付、貿易結算、金融商品的買賣
3.2登記
作為可靠資料庫，防治反洗錢的客戶身分資料與交易紀錄
3.3確權
資產所有權的真實性驗證與轉移
3.4智慧管理
利用智慧合約自動檢測是否具備生效的各種環境，例如:自動配息、分紅
4..會計審計應用
公司內部交易皆可集中紀錄在內部區塊鏈，因有不可逆與時間郵搓，外部審計人員可即時追蹤公司帳本

R3 CEV組成區塊鏈聯盟的目標:
建立一個全球的去中心化即時結算清算系統。
大幅降低跨境支付成本、因為即時清算，也降低對手風險

R3運作
技術供應商:以太坊、IBM、intel、Eris industries、Chain
每個技術供應商可以跟參與測試銀行進行小規模合作，每次測試後，所有R3聯盟之銀行皆能共用測試成果，即便沒參與測試之銀行。

R3目前成果
針對商業票據、大型企業所使用短期債券證券等，參與銀行可模型化金融資產、商業票據和短期債務工作，可以進行創建、購買、出售與贖回。

Hyperledger
由Linux基金會於2015年創立，為一個促進區塊鏈技術與交易驗證的開源專案。目標為發展一個跨行業的開放式標準以及原始程式碼開發庫，允許企業創建自訂的分散式帳本解決方案，促進區塊鏈技術的商業應用。

目前商業銀行的探索區塊鏈方式

• 成立內部實驗室
• 投資金融科技公司
• 與新創公司合作

金融科技帶來的最大影響
滿足過去金融機構所無法實現的需求，服務了未曾被服務的客戶，降低金融門檻，使得普惠金融成了可能。

區塊鏈發展的最大威脅

• 如何讓清算所、交易所和經紀公司同意新系統?
• 如何對目前營利造成衝擊?
• 監管問題如何解決?
• 許多金融中介商如何生存?

資產配置研究-Generalized Momentum and Flexible Asset Allocation (FAA)

本文為筆者紀錄研究資產配置系列論文所做之筆記，提供各位讀者作為參考，也能互相交流關於多元資產配置上的量化策略。

Generalized Momentum and Flexible Asset Allocation (FAA)

Wouter J. Keller and Hugo S.van Putten (FlexCapital) 

December 24, 2012, draft v0.98

• 摘要
  FAA模型是作者Keller一系列關於資產配置交易策略的第一篇研究，作為日後作者開發多者配置模型的基礎，FAA模型的基本核心理論就是以市場中常見的動能現象與趨勢交易。在原有相對動能策略下，增加其餘三個因子，絕對動能因子、波動性因子與相關性因子進入模型，以簡單線性關係式，計算出每月每種資產的綜合參數後，決定當月進場交易的資產與權重。
  本篇研究作者以七種資產來進行回測，回測期間自1998-2012年，並分成兩種樣本期間，以避免產生資料窺探偏誤。
• 理論基礎
  1. 動能現象:
  即過去一段期間股價相對強勢或弱勢的資產，在未來期間會有續漲、續跌的現象發生，通常觀察期的期間是6個月或12個月。
  在強勢資產上，我們考慮買進，反之，弱勢資產則放空，此處可參考Faber (2007 and 2010)、Antonacci (2012)的研究。
  
  2.移動平均異常(moving averages anomaly):
  此處是指目前價格在過去一段觀察期的移動平均成本價格之上的資產，是相對可買進的。反之，目前價格在過去一段觀察期的移動平均成本價格之下的資產，是不建議買進的。此處觀察期通常是10個月或200個交易日。
  
  上述兩個現象即是Faber的TAA模型基礎，其優勢在於簡易性，直接使用月報酬價格既可計算，持有期僅一個月，每月更換投組。
  
  Keller 的FAA模型，則是以第一項動能現象為基礎，在線性模型中加入其餘三個因子來計算各項參數得分，每次則選擇得分前三低者均權持有。
  
  1.相對報酬R:
  以各項資產過去觀察期的累計報酬率，高到低排序
  2.絕對報酬A:
  若資產報酬小於0或小於無風險利率，則不納入投組之中
  3.波動性V:
  以各項資產過去觀察期的波動率，低到高排序
  4.相關性C:
  以各項資產過去觀察期的月報酬率，低到高排序
  
  接著，利用一個簡單線性模型，給予三項因子(R,A,C)加權分數
  
  加權分數 = 1*R+0.5*A+0.5*C
  
  此處直接給定1和0.5的權重，是為了避免參數過多而導致量化策略常發生的最佳化偏誤，所謂最佳化偏誤，就是在交易策略中若含有過多的參數，我們常常會為了找出回測歷史上最佳績效的參數組合，而過度調整參數權重，而往往在未來並不會有更好報酬，因為過去歷史最佳參數，不代表未來最佳參數。
• 數據樣本
  1.資產種類:
  七個樣本資產來自於美股ETF，有三種股票型ETF (VTSMX, FDIVX, VEIEX)、兩種美債ETF(VFISX, VBMFX)和商品型與不動產型ETF(QRAAX, VGSIX)，此處QRAAX已清算，歷史數據在yahoo finance上已無法下載。故也可以下七種ETF來回測近期績效(eg. VTI, VEA, VWO, SHY, BND, GSG, and VNQ)
  2.期間
  1997-2012 (分兩期間1997-2005、2005-2012)
  3.採用日收盤價與美元計價
• 實際回測(以2005-2012期間比較)
  1.作者結果
  年化報酬率:14.7%
  年化波動率:9.2%
  報酬/風險比:1.6
  最大回檔率: 7.4%
  
  
  2.筆者驗證
  年化報酬率:10.1%
  年化波動率:9.7%
  報酬/風險比:1.03
  最大回檔率: 10.37%
  
  3.筆者驗證(1998/6-2016/6)
  年化報酬率:7.9%
  年化波動率:8.9%
  報酬/風險比:0.88
  最大回檔率: 16.68%
  
• 結論
  筆者以R進行回測，在2005-2012期間走勢類似，但在近期效果漸差，回撤率擴大，風險比也不如以往，推測原因可能是來自於本技術做為Keller技術之基礎，在2012年公開，已廣為資產配置型投資人所知，策略效果漸失效。
  
  正所謂「沒有永遠有效的策略，只有不斷改進、修正的策略。」
  Keller後續推出的系列論文，便是在FAA的基礎上不斷改進，後續筆者陸續回測後，將持續將筆記紀錄於此。
• 參考來源
  1.FAA
  Systematic investor's Blog
  QuantStrat TradeR
  2.TAA
  Meb Faber Reserach

R學習筆記 - package安裝出現錯誤，無法正常載入

• 問題描述:
  有時候我們使用R package的時候，常用的package會突然出現問題，譬如說會發現常用的package突然找不到，重新安裝之後。即便已出現安裝成功的訊息，卻無法再Rstudio的右方列找到，此時require package 可能會發現出現以下錯誤訊息
  

  > install.packages("zoo")
   Installing package(s) into ‘C:/Users/U122337.BOSTONADVISORS/Documents/R/win-library/2.15’
   (as ‘lib’ is unspecified)
   --- Please select a CRAN mirror for use in this session ---
   trying URL 'http://cran.cnr.Berkeley.edu/bin/windows/contrib/2.15/zoo_1.7-10.zip'
   Content type 'application/zip' length 874474 bytes (853 Kb)
   opened URL
   downloaded 853 Kb
  
   package ‘zoo’ successfully unpacked and MD5 sums checked
   Warning: cannot remove prior installation of package ‘zoo’
  
  The downloaded binary packages are in
      C:\Users\U122337.BOSTONADVISORS\AppData\Local\Temp\Rtmp404t8Y\downloaded_packages

• 解決方案:
  1.先使用 .libPaths() 找出你安裝R package的路徑，會出現兩個路徑，確認第一個路徑中是否有你無法使用的package，將之刪除。
  2.刪除時，記得將所有R關閉。
  3.此時再重啟R，重新安裝便可解決上述問題，正常載入R package
• 參考連結:
  

  R not finding package even after package installation