您好,欢迎访问三七文档
当前位置:首页 > 商业/管理/HR > 资本运营 > 量化策略设计及实战应用
量化策略设计及实战应用目录1量化投资简介2量化投资的主要内容3多因子模型体系4多因子模型开发实例量化投资是什么?量化投资就是将人的投资思想规则化、变量化、模型化,形成一整套完整、科量化的操作思路,这套操作思路可以用历史数据加以分析验证,并在交易的执行阶段可以选择使用计算机自动执行量化投资的起步量化投资的繁荣量化投资的发展量化投资目前的规模截至2016年底,全球对冲基金管理资产规模达到3.01万亿美元,几乎等于国内A股深市总市值;2017年5月,美股对冲基金已达成27%的美股交易量,首次超过了传统资管公司、银行等其他类型的机构投资者。量化投资在国内量化投资在国内量化投资在国内刚起步,国内的量化私募以股票量化、股票多空、股票市场中性、套利等策略为主。截至2016年底,纳入统计的量化私募基金产品规模约在2816亿元左右,占总规模的10.18%。量化投资交易平台量化投资&传统投资量化投资与传统投资相同点本质相同,都是基于市场非有效或是弱有效的理论基础。传统投资依赖公司调研和个人经验及主观判断;量化投资依靠数理模型及模型的不断优化实现投资理念。不同点123.1量化投资VS传统投资12量化投资与传统投资的区别投资性质良好的盘感和经验积累能够带来超额收益;投资是一门艺术人工盯盘;受到时间精力影响;传统投资策略只能通过未来的实际操作进行有效性验证;无法通过历史数据检验策略有效性;认为市场上涨;市场下跌时,将出现套牢或是亏损的情况;科学投资;用数学公式统计历史规律,建立数学模型;充分统计数据,坚决避免主观判断,相信科学计算机实际监控海量数据;可同时监控多个品种(股票、期货、期权等),不易受外界因素干扰;通过对历史数据进行检验,确定策略在各个行情因素下有效运行;对未来策略的有效性提供有力的参考依据;市场中性策略;不受大盘涨跌影响,牛熊市皆可能赚钱;操作模式策略验证投资方向量化投资的优点量化投资的挑战硬件故障•电脑的硬件故障会导致自动化系统出现无法完成预期的投资活动的情况,这也属于量化投资不可控风险。策略调整灵活度•基于历史测试的数量化投资策略,在情势变迁时,有时无法像人那样做出灵活的调整。资金容量上限•任何一种投资策略在一个单独的投资管理人手中使用时的有效性是有其上限的,要充分考虑市场冲击和互动。接近和超过上限时,在设计和运用数量化投资时要明确该种方法的边界在哪里。目录1量化投资简介2量化投资的主要内容3多因子模型体系4多因子模型开发实例16量化投资的主要内容量化选股量化择时统计套利数量化方法选择股票组合,包括基本面选股、市场行为量化选股。常用的方法:公司估值法、趋势法、资金法。对宏观、微观指标的量化分析判断大势走势。利用数据模型判断大盘的高点低点,从而进行波段交易。是量化投资中难度最大的一个策略。利用证券价格的历史统计规律构建资产组合量化投资的主要内容股指期货套利商品期货套利期现套利跨市场套利跨品种套利跨期套利利用商品期货市场(股指期货市场)存在的不合理价格,实现期现、跨期、跨市场、跨品种套利等。量化投资常见策略配对交易策略基本原理:寻找两只价格走势相关的股票进行配对,两只股票的价差长期看在固定的水平内波动。如果价差暂时地超过或低于长期水平,则可买入偏低者、卖出偏高者,待价差恢复,赚取利润。量化投资常见策略配对交易策略基本原理:寻找两只价格走势相关的股票进行配对,两只股票的价差长期看在固定的水平内波动。如果价差暂时地超过或低于长期水平,则可买入偏低者、卖出偏高者,待价差恢复,赚取利润。量化投资常见策略Alpha策略基本原理:Alpha策略就是买入一组未来看好的股票,然后做空相对应价值的期货合约,构建多空策略,对冲市场风险。量化投资常见策略Alpha策略量化投资常见策略指数增强策略基本原理:结合了被动与主动投资,在被动地追踪指数表现的同时,通过一系列的方法,力图取得超越指数的表现。量化投资常见策略指数增强策略目录1量化投资简介2量化投资的主要内容3多因子模型体系4多因子模型开发实例多因子模型基本理论资本资产定价模型(CAPM)套利定价模型(APT)Fama-French三因素模型什么是因子?因子就是指标或者特征,如PE、PB、5日均线等。因子选股模型就是通过分析各个因子与股票表现(收益率)之间的关系而建立的一套量化选股的体系。更直观的理解多因子选股体系:以赛马运动为例因子选股的原理怎么判断单个因子是否有效呢现在有6匹马,它们的“爆发力”排名及对应的比赛成绩如下,那该因子(爆发力)是否有效?现在有6只股票,它们的“PE”排名及对应的下一个月收益率如下,那该因子(PE)是否有效?所以,因子值与收益率之间的相关性(称为信息系数IC)是衡量因子有效性的重要指标,通常大于0.03,就认为该因子有效。有效的因子=有效的区分度怎么判断多个因子是否有效呢?因子打分的过程多因子模型构建步骤国信iQuant平台使用国信iQuant平台进行单因子分析使用国信iQuant平台进行单因子分析使用国信iQuant平台进行单因子分析使用国信iQuant平台进行单因子分析使用国信iQuant平台进行单因子分析目录1量化投资简介2量化投资的主要内容3多因子模型体系4多因子模型开发实例资本资产定价模型(CAPM)问世以后,很多学者就在有效市场假说条件下对其进行了实证检验,许多影响股票收益的其他因素陆续被发现。Fama和French(1992)提出了三因子模型,分别从市场风险、市值风险以及账面市值比三个方面对股票收益率进行分析。FF三因素模型的建立Fama-French三因子模型具体形式:其中,𝑅i、RM分别表示股票i和市场相对于无风险收益率Rf的超额收益。E(SMB)表示小市值公司相对大市值公司股票的期望超额收益率E(HML)则是高B/M公司股票比起低B/M的公司股票的期望超额收益Ri=ai+biRM+siE(SMB)+hiE(HML)+eiFF三因素模型的主要内容Fama-French因子模型(1)市场风险市场风险是指大盘走势变化所引起的不确定性。简单来说,就是大盘波动导致个股也跟着波动的风险。比如表现比较好的公司,其股票价格却伴随着大盘下降了,或者表现不怎么好的公司,股价却跟着牛市上涨了𝑅𝑀=𝑟𝑚-𝑟𝑓三个因子的具体介绍Fama-French因子模型代码功能:获取HS300在2018.6.4-2018.7.1这一个月相对于无风险收益率的超额收益三个因子的具体介绍Fama-French因子模型(2)市值风险Fama把市场里面的所有股票按市值排序,然后等分成三份:第一份是大市值股票,第二份是中市值股票,第三份是小市值股票。记大市值股票的平均期望收益率为E(rS),小市值股票的期望收益率为E(rB)。𝐸𝑆𝑀𝐵=𝐸𝑟𝑠−𝐸(𝑟𝐵)三个因子的具体介绍Fama-French因子模型代码功能:获取HS300在2018.6.4-2018.7.1这一个月的市值风险三个因子的具体介绍Fama-French因子模型(3)账面市值比风险账面市值比就是账面的所有者权益除以市值(下简称B/M)。账面市值比风险描述了公司的额外财务困境风险,说明市场上对公司的估值比公司自己的估值要低。计算方法和市值风险计算方法类似。𝐸𝐻𝑀𝐿=𝐸𝑟𝐻−𝐸(𝑟𝐿)三个因子的具体介绍Fama-French因子模型代码功能:获取HS300在2018.6.4-2018.7.1这一个月的账面市值比风险2.3三个因子的具体介绍Fama-French因子模型(1)策略思想FF三因素模型的应用Fama-French因子模型取沪深300成分股过去S天的三因子数据,在调仓日对因子数据通过FF三因子模型进行回归分析,计算出每个股票在过去S天里的α根据FF三因子模型,将三个因子数据作为自变量,HS300成分股相对无风险收益的超额收益作为因变量,进行多元线性回归,得到残差α(1)策略思想FF三因素模型的应用Fama-French因子模型买入α最小的N(N=10)支股票根据CAPM理论,α的长期均值应该是0如果对于某个时期的股票,回归得到α0,说明这段时间里面收益率偏低(因此股价也偏低),而根据有效市场假设,偏离在未来要涨回来的。(2)策略代码FF三因素模型的应用Fama-French因子模型买入α最小的N(N=10)支股票即可对因子数据通过模型进行回归分析,计算出每个股票在过去S天里的α取沪深300成分股的三因子数据设定一个调仓频率T和样本长度S(2)策略代码FF三因素模型的应用Fama-French因子模型取沪深300成分股三因子数据买入α最小的N(N=10)支股票即可对因子数据通过模型进行回归分析,计算出每个股票在过去S天里的α取沪深300成分股的三因子数据设定一个调仓频率T和样本长度S(2)策略代码2.4FF三因素模型的应用Fama-French因子模型买入α最小的N(N=10)支股票即可对因子数据通过模型进行回归分析,计算出每个股票在过去S天里的α取沪深300成分股的三因子数据设定一个调仓频率T和样本长度S(2)策略代码FF三因素模型的应用Fama-French因子模型买入α最小的N(N=10)支股票即可对因子数据通过模型进行回归分析,计算出每个股票在过去S天里的α取沪深300成分股的三因子数据设定一个调仓频率T和样本长度S回测基于国信聚宽平台,2015年01月01日至2015年6月1日进行回测,策略表现如下图所示。期间策略收益率73.05%,策略收益远远优于基准收益回测结果Fama-French因子模型常见因子广义上而言,任何可以量化的信息,均可以构成因子常见的三种因子形式:1.宏观经济因子模型:比如通货膨胀率、利率等指标2.基本面因子模型:比如分红比例、估值水平、成长性、换手率等指标3.技术面因子模型:比如MACD、KDJ等常见因子1.BETA因子包括:beta250(利用个股收益率序列和沪深300指数收益率序列进行一元线性回归,益率序列长度取250交易日)2.动量类因子包括:最近一个月收益率、最近两个月收益率等3.规模类因子包括:总市值,流通市值等4.盈利类因子包括:净资产收益率ROE、总资产报酬率ROA、销售毛利率、销售净利率5.波动因子包括:前一个月的波动率,前一个月的振幅6.成长类因子包括:营业收入同比增长率、营业利润同比增长率等7.估值类因子包括:市盈率(TTM),市净率,市销率,市现率,企业价值倍数等8.杠杆类因子包括:现金比率、流动比率等9.流动性因子包括:近一个月换手率、近两个月换手率等
本文标题:量化策略设计及实战应用
链接地址:https://www.777doc.com/doc-4471250 .html