量化投资
2020-01-17 20:24:49 0 举报AI智能生成
量化投资
作者其他创作
大纲/内容
投资策略
量化与对冲
量化是一种方法论，通常与基本面、技术分析相结合
对冲是一种交易手段，对冲系统风险，获得无风险套利或超越市场的绝对收益
量化对冲
降低投资组合的风险，与市场的相关性较低
在低利率、高波动与低证券收益的情况下，获得更有吸引力的回报
量化对冲系统
系统组成
模型
阿尔法模型
投资者获得与市场波动无关的回报
数据：价格相关数据、基本面数据
因子分类
趋势型
回复型
价值型
成长型
品质型
风险控制模型
管理仓位，平衡不可能三角形：收益、风险、频率
基本指标
交易次数、胜利、利润
盈亏比
总盈利/总亏损
风险回报比
总盈亏/最大回撤
夏普率
盈利君子/方差
回撤时间
最大历史回撤周期
交易成本模型
数据+软件+硬件+人才+通道+融资+执行
成本
滑点
故障
模型执行
策略监控：策略运行与市场特征匹配
策略进化：升级和淘汰
风险测算：头寸规模控制
行情检测：事故车特征苹果
策略调度、资金配比变化
投资组合构建模型
投资品种分散化
时间分散化
策略分散化：多样性策略
参数分散化
交易策略
资金管理
入市策略
时间框架
风险控制
交易品种
概要
分类
主动型
传统主动型
量化投资策略
概念
依靠数据和模型来寻找投资标的和投资策略
量化选股
多因子选股
打分法
构建因子库
因子筛选
因子打分
构建组合
回归法
风格轮动
风格分类
晨星风格箱3*3矩阵
规模：大盘、中盘、小盘
风格：价值型、平衡型、成长型
夏普收益率法
标普500成分股，按净市比排序
价值股
成长股
非标普500成分股，按市值高低
中市值
小市值
风格预测
相对价值法
均值回归，寻找被低估的股票
场景预测法
对影响股票收益的各个因素建立因素模型
设想未来可能出现的不同场景，对未来风险状况进行预测
定量测量
Makov Swith模型
风格收益率回归模型
Logistic模型
行业轮动
原理
资产价格收价值影响，价值随宏观经济变化影响波动
周期性于非周期行业
CAPM模型
动量反转
动量效应
买入强势股
买入弱势股
一致预期
分析师预期、市场态度、人气指标等
量化择时
趋势跟踪
市场行为涵盖一起信息
价格沿趋势运动
历史会重演
市场情绪策略
指标选取
封闭基金折价率、转股溢价率、IPO首日涨幅、上涨家数百分比等
指标构建
情绪指数
情绪变化指数
指导投资择时
T-sharp择时策略
单位风险的超额收益，与夏普比例类似
收益率、方差通过回归取得
牛熊市择时策略
牛熊线
SVM择时策略
套利
股指期货套利
期现套利
跨期套利
跨市场套利
跨品种套利
商品期货套利
期货和现货的基差应该等于商品的持有成本
同一市场同时买入、卖出同种商品不同叫个月份的期货合约
郑州白糖期货跨期套利
不同交易所之间相同商品相同时间不同方向的合约
沪铜-伦铜跨市场套利
跨商品套利
相互关联的商品之间的期货合约价格差进行套利
大连交易所大豆-豆粕夸品种套利
ETF套利
一级市场
一篮子股票与ETF进行申购、赎回
二级市场
直接买卖ETF或者股票
净值与市场价格存在差异，进行跨市场套利
应用
正溢价
价格高于净值
一级市场买入成分股，申购ETF，二级市场卖出ETF
负溢价
净值>价格
二级市场买入ETF，到一级市场赎回，然后卖出成分股
被动型
无法获取超额收益
对冲
hedge：特意减低另一项投资的风险投资
对冲交易：同时进行两笔行情相关、方向相反、数量相当、盈亏相抵的交易
应用领域：股票、期货、外汇、期权、黄金
主要模式
套利对冲
期权对冲
股指期货对冲
商品期货对冲
alpha策略：强弱对冲策略
主要策略
套利策略
股指期现套利
分级基金
事件驱动套利
Alpha策略
变相对收益为绝对收益
寻找市场超额收益，通过做多有超额收益的股票，做空股指期货或者融券卖空相对弱势股票
统计套利
通过寻找资产之间的统计关系，利用对稳定统计关系的暂时背离获取收益
出发点和套利相似，但关注的是统计
并非完全无风险，需要应对当统计关系发生变化的情况
实际应用：配对交易
市场中性策略
从消除Beta的维度出发
追求绝对收益，而不承受市场风险
多因子模型
通过寻找可以预测股票收益的因子进行选股、配置，利用市场的无效信获取收益，应用资产组合管理理论油壶风险收益特性
系统的理论框架、成熟的方法，出现同质化问题
实际应用：MSCI Barra、贝莱德（Blackrock，原BGI）
中性
市场中性
不留市场风险敞口
无单向风险暴露
风格中性
可完全在沪深300成分股中选股
通过风控避免大小盘切换风险
行业中性
选股行业中性
加权行业中性
单个股票权重上限
控制个股风险
因子分风险收益特征的稳定性要显著强于个股
因子收益的持续性强于个股
因子波动特征的稳定性高于个股
因子之间相互关系的稳定性高于个股
过程
底层数据库的构建
数据输入
样本筛选
数据清洗
单因子测试
IC测试
显著性
稳定性
综合打分
选择个股
构建股票组合
给予沪深300指数
行业中性增强策略
单个因子不能长期有效
因子存在轮动效应
低相关的正alpha因子组合可能得到稳定的总和因子
本期因子得分和下去收益之间的相关性
分组测试
衡量因子的区分度
对冲工具
衍生品、结构性产品
专注与对复杂产品的定价、收益分析、风险对冲，以获得合适的收益型态
需要借助复杂的数学模型，特征复杂、不透明
实际应用
期权、奇异期权
信用衍生品（CDS等）
利率掉期（IRS）、货币互换（Swap）
结构性产品（ABS、CDO）
融券交易
盈利模式
Alpha收益
现货多头组合：Alpha + Beta
股指期货空头组合：-Beta
不判断担保趋势，不承担市场方向性风险，以获得超额收益为目标
长期收益稳定，风险调整后的收益高于一般股票指数
0 条评论
回复 删除
下一页
