量化投资思路探究培训课件

《量化投资思路探究培训课件》由会员分享，可在线阅读，更多相关《量化投资思路探究培训课件（84页珍藏版）》请在金锄头文库上搜索。

1、,量化投资思路探究 2015年国泰君安金融工程4季度策略会,姓名：刘富兵 邮箱： 电话：021-38676673 证书编号：S0880511010017,量化研究流程与体系,1,请参阅附注风险提示,学术文献,市场观察,量化投资学术应用篇,LPPL模型-捕捉投资者的贪婪与恐惧,相似匹配-历史上相似的那些年,权重优化-提高业绩稳定性的一大利器,违约风险因子-信用风险引入股票投资,2,请参阅附注风险提示,知情交易概率因子-微观数据中寻找alpha,LPPL模型-捕捉投资者的贪婪与恐惧,金融市场泡沫的形成与破裂与地震、材料断裂等物理现象有非常多的相似之处，都是复杂系统的自组织临界性行为。 地球物理和临

2、界现象研究中所常用的LPPL(Log-Periodic Power Law)模型（对数周期性幂律模型）可以用来研究金融领域的泡沫，该模型认为泡沫的形成是由于交易者之间相互模仿，通过正反馈形成集体效应，最终的崩盘是由市场动力学机制所致 LPPL模型的含义 基于交易者之间的相互模仿，这些局部相互作用可形成正反馈，从而导致泡沫和反泡沫的产生 -金融市场反泡沫价格演化呈现出对数周期性振荡且振荡周期不断延长。金融泡沫恰好与之相反，表现为振荡周期不断缩短 地震模型特点 -一是对数周期性振荡, 在线性尺度下, 越接近临界时间, 振荡频率越快, 但在对数尺度下, 振荡频率为常数; -二是幂律增长,或称超指数增

3、长，即价格的增长率不是常数，而是单调递增。,3,请参阅附注风险提示,LPPL模型刻画的四种状态,LPPL模型-捕捉投资者的贪婪与恐惧,资料来源：国泰君安证券研究,请参阅附注风险提示,4,5,检验步骤 1、模型的适用性检验-幂律性与对数周期性 2、变换样本起始点与终点，给出泡沫破裂点20/80的置信区间 3、给出10条最有可能发生的路径 参数估计 1、线性参数表示成非线性参数 2、非线性最优化求解非线性参数 3、利用第一步求出线性参数,LPPL模型-捕捉投资者的贪婪与恐惧,假设历史是可以重复的，利用机器自我学习机制，寻找所谓“相似集”，分析其后一期的历史走势，并通过最优化方法得出当前组合配置的最

4、优权重 1.在历史数据中，定义相似集，找到与当期某一历史窗口相似的历史走势。 2.分析所有历史相似集后一期走势，根据优化算法得到下一期各行业的配置权重。 3.根据不同历史窗口，得到所有窗口情况下的最优权重，根据策略净值来分配组合所有的最优权重，以此得到最终的下期行业配置权重。 相似的定义-相关系数,相似匹配-历史上相似的那些年,资料来源：国泰君安证券研究,请参阅附注风险提示,6,相似匹配-历史上相似的那些年,资料来源：国泰君安证券研究，wind,请参阅附注风险提示,7,8,请参阅附注风险提示,基于量钟和批量方向判别的方法，ELO于2010年更新了PIN： 其中，V为固定的区间成交量，n为估计P

5、IN需要的区间数量。 数量V的不同，反映不同层面的信息情况，导致PIN值变化范围的不同。,知情交易概率因子-微观数据中寻找Alpha,9,请参阅附注风险提示,选取沪深300指数历史成分股作为备选股票池，测算数据时间区间为2009年至2013年，组合实际运行区间为2010年至2013年。 根据Alpha因子由低至高进行排序，构建现金中性的多空组合，排在前面n%的股票做多，排在后面n%的股票做空。,知情交易概率因子-微观数据中寻找Alpha,违约概率因子-将信用风险引入股票投资,10,请参阅附注风险提示,Merton信用风险模型： 公司资产价值服从GBM： 当公司债务到期时，如果公司资产少于公司债

6、务，公司权益价值为0；如果公司资产大于公司债务，公司权益价值等于资产减去负债。,11,请参阅附注风险提示,根据Merton信用风险模型，公司发生违约的概率：,违约概率因子-将信用风险引入股票投资,12,请参阅附注风险提示,数据来源：Wind，国泰君安证券研究,违约概率因子-将信用风险引入股票投资,权重优化-提高业绩稳定性的一大利器,13,任意股票在同一时刻都暴露于多种不同的风险因素下，它们之间的共同作用形成了股票价格的波动。 风险模型的意义在于找到股票价格波动的成因，并将股票收益来源进行分解剥离，并实现对未来股票价格波动的预测。 结构化风险模型利用风险因子和特质因子来分解股票收益率，并利用因子

7、收益率的波动来解释股票价格的波动。 结构化风险模型大大降低了组合风险的计算复杂度。,14,9大类风格因子：Beta、Momentum、Size、Earning Yield、Volatility、Growth、Value、Leverage、Liquidity. 组合收益率： 组合波动率：,权重优化-提高业绩稳定性的一大利器,15,因子有效性检验,权重优化-提高业绩稳定性的一大利器,16,风险模型预测组合波动率,在风险模型的体系中，投资经理可以定量的对风险进行评估，进而帮助其精确的控制组合的风险特征，在获取确定性较高的阿尔法因子收益的同时，剔除不确定性较强的风险因子的干扰。,公共因子协方差矩阵预测

8、：,特质因子风险矩阵预测：,权重优化-提高业绩稳定性的一大利器,17,纯因子股票组合 纯因子股票组合仅使得单一因子存在风险敞口暴露，其余因子均与对冲基准保持中性化。纯因子股票组合用以检验因子是否存在足够的阿尔法性。,权重优化-提高业绩稳定性的一大利器,18,组合权重优化 通过最优化方式构建股票组合，使得组合仅暴露于阿尔法性较强的因子下，其余因子均与对冲基准相匹配，完全剔除市场风格造成的策略波动。,组合目标为经风险调整后的收益率最优,风格中性：风险因子与对冲基准相匹配，剔除风格收益波动。,行业中性：组合行业权重与对冲基准相匹配，剔除行业收益波动。,现金中性：多空市值保持一致，不留方向性敞口。,权

9、重优化-提高业绩稳定性的一大利器,实证检验参数设定 回测时间从2010年1月至2015年3月，其中2010年1月至2011年1月为样本内时间段，以提取因子组合相关参数； 股票池选取全A非ST股票，交易频率每月末调仓； 交易成本为单边千分之1，印花税千分之1； 组合个股的权重上限设为1%（银行、证券、保险行业占比较大，为实现行 业中性配置，权重上限分别设为3%、2%、2%）。 优化目标函数我们采用 形式，其中 ； ； 行业中性约束中，因子敞口设定为 ； 风格中性约束中，9类风格因子敞口设定为： 当该期权重优化方程在设定的因子敞口约束下无解时，逐次降低Momentum和Earning Yield因

10、子敞口0.1，直至优化方程找到最优解。,19,权重优化-提高业绩稳定性的一大利器,20,3种不同的组合配置方式比较,权重优化-提高业绩稳定性的一大利器,21,策略整体绩效,策略逐年绩效,权重优化-提高业绩稳定性的一大利器,22,因子收益归因,风险因子敞口比较,因子收益归因比较,权重优化-提高业绩稳定性的一大利器,23,因子风险归因,因子风险归因比较,归因分析结果表明，不考虑风格中性的组合配置方式，其风险因子敞口、组合收益收益来源、因子风险贡献均较为集中于Size因子，组合带有较强的小盘股风格特征。在考虑风格中性的组合配置方式下，组合整体不带有明显的风格特征，因子收益来源和因子风险贡献较为平均。

11、 归因分析结果表明，风格中性的约束方式对组合整体风险特征有决定性影响。,权重优化-提高业绩稳定性的一大利器,24,中证500对冲净值,权重优化-提高业绩稳定性的一大利器,25,控制跟踪误差最优投资组合构建描述： 在暴露阿尔法因子敞口，并满足市值中性、行业中性、风格中性约束，同时控制组合年化跟踪误差的约束条件下，最大化经风险调整后组合预期超额收益。,权重优化-提高业绩稳定性的一大利器,26,不同跟踪误差上限设定条件下组合净值,权重优化-提高业绩稳定性的一大利器,27,不同跟踪误差上限设定条件下组合适用产品类型,不同跟踪误差上限设定条件下波动率预测偏差检验,权重优化-提高业绩稳定性的一大利器,量化

12、投资市场观察篇,价格分段-剖析市场的内在结构,关联规则-找寻历史中的行业轮动,28,请参阅附注风险提示,事件选股-预期理论的完美体现,文本挖掘-从数字到符号,阻力模型-刻画多空的力量对比,股价异动-深挖交易公开信息,Alpha因子-逻辑与统计的有效结合,基于MACD的价格分段择时,29,请参阅附注风险提示,资料来源：国泰君安证券研究,分段规则： （1）波段低点对应MACD的DEA指标 0； （2）每个波段中价格的最大值和最小值只出现在波段的起点或终点。,价格分段-剖析市场的内在结构,价格分段-剖析市场的内在结构,日线上一段上涨或下跌对应30分钟段数，记为X。 上涨：X= 7； 下跌：X = 5

13、；,资料来源：国泰君安证券研究，wind,请参阅附注风险提示,基于MACD的价格分段择时 不同周期的对应关系关系图,30,价格分段-剖析市场的内在结构,资料来源：国泰君安证券研究，wind,请参阅附注风险提示,基于MACD的价格分段择时 日线级别上涨对应30分钟级别上涨概率分布 日线级别下跌对应30分钟级别下跌概率分布,31,阻力模型-刻画多空的力量对比,资料来源：国泰君安证券研究，wind,请参阅附注风险提示,32,市场的阻力应具有如下性质： 阻力应该与过去一段时间的交易量是紧密相关的，以当前的价格为基准，高于当前价格成交量越大，向上的阻力就越大，反之亦然。 阻力的大小应该与价格的距离成反向

14、关系，历史交易价格距当前价格越远，形成的阻力便越小，反之则越大。 阻力的大小应该与交易时间成反向关系，即交易形成的时间越早,对现在所形成的阻力便越小，反之则越大。,阻力模型-刻画多空的力量对比,资料来源：国泰君安证券研究，wind,请参阅附注风险提示,33,阻力的定义： 绝对阻力 = 相对阻力 = 其中 表示历史第i天的成交额， 表示成交额的距离加权， 表示成交额 的时间加权，并且：,阻力模型-刻画多空的力量对比,资料来源：国泰君安证券研究，wind,请参阅附注风险提示,34,以过去120个交易日的价格与成交量来计算市场的相对阻力。,阻力基本上以0.5为中轴上下波动，当市场处于牛市时，阻力基本

15、在0值附近运动；当市场处于熊市时，阻力基本在1值附近运动。,阻力模型-刻画多空的力量对比,资料来源：国泰君安证券研究，wind,请参阅附注风险提示,35,阻力模型分别于6月19日、6月25日上穿了牛熊分界值,请参阅附注风险提示,事件选股-预期理论的完美体现,思考：为什么利好消息发出后，股价会上涨？或者说，超预期一定导致股价上涨吗？ 股价反映的是人们对未来收益的预期。 DDM模型 今天的超预期不直接构成股价上涨的动力。 当今天的超预期引发人们上调其对未来的预期时，股价才会动。 什么样的股票，今天的超预期容易引发人们上调对未来的预期？,数据来源：Wind，国泰君安证券研究,预期的第二维属性：风险,

16、请参阅附注风险提示,预期风险：投资者对自己内心预期的不确定性 所谓的预期风险，不是卖方分析师的分歧程度，而是每个投资者心中对自己预期的自信程度。预期风险存在于每个人心中，很难用具体数字去描述。 当公司实际增速出来后，投资者会在各自预期风险的影响下调整对未来的预期。预期风险越大，则调整未来预期的可能性越大、幅度越大、需要的时间越长。 业绩超预期只是催化剂，预期风险的存在才是股价在业绩发布后产生变化的更深层原因。,数据来源：Wind，国泰君安证券研究,事件选股-预期理论的完美体现,请参阅附注风险提示,事件选股-预期理论的完美体现,传统事件投资策略，普遍具有以下几个问题 突发性强。造成策略资金如何分配问题。 price in速度极快。往往不是事件提示投资机会，而是股价上涨提示事件发生。造成策略收益比较有限，资金容纳比较有限问题。,数据来源：Wind，国泰君安证券研究,问题关键在于如何从寻找“催化剂”型事件，转移到寻找“信