量化投研平台(招商证券绩效分析系统)课件.ppt

,深圳国泰安数据技术有限公司,Quantitative Investment and Research Platform,量化投研平台,CHAPTER ONE概述,概述,本产品的主要价值，是为用户在投组分析过程中，提供基础的、初步的、共性的工具。http:/:3449/#产品的流程和每个流程对应的功能如下：,因子数据提取,构建投组,股票和因子筛选,投组风险和绩效分析,量化因子库说明及数据查看；风控因子库说明及数据查看；,多因子选股和回测；因子区间回测；股票Z-score得分；,基于马科维茨模型构建投组；,单因子风险分析；Barra多因子绩效归因分析；Brison绩效分析模型；投组绩效指标。,产品流程及功能,CHAPTER TWO各流程、功能介绍,量化因子库说明及查看,量化因子库主要分10类，共计254个因子。目前支持excel导数据，后续支持其他多种语言提取数据。量化因子库的主要目的是投资决策。,基本面因子（77个）,技术因子（68个）,复合因子（13个）,行为因子（3个）,高频因子（3个）,事件因子（29个）,行业因子（2个）,宏观因子（35个）,市场因子（22个）,衍生物因子（2个）,量化因子库说明及查看,风控因子库说明及查看,风控因子,风险因子回报协方差矩阵,股票残差波动率,行业因子（24）,风险控制因子数据库建立在基本面多因素风险模型基础上，它假设股票的收益可以由一系列公共因子和一个股票自身的残差收益来解释，主要功能是提供度量股票波动率及股票间协方差矩阵的有效方式。风险因子包含两个类型：行业因子和风格因子。,风格因子（10）,风控因子库说明及查看,下面的案例，是34个风控因子在2012年10月的风险因子回报。同时你还可以提取股票残差波动率和风险因子回报协方差矩阵。,概述,本产品的主要价值，是为用户在投组分析过程中，提供基础的、初步的、一致性的工具。http:/:3449/#产品的流程和每个流程对应的功能如下：,因子数据提取,构建投组,股票和因子筛选,投组风险和绩效分析,量化因子库说明及数据查看；风控因子库说明及数据查看；,多因子选股和回测；因子区间回测；股票Z-score得分；,基于马科维茨模型构建投组；,单因子风险分析；Barra多因子绩效归因分析；Brison绩效分析模型；投组绩效指标。,产品流程及功能,因子选股页面，可以实现排名选股的策略案例。即通过设定因子和各因子权重，构造单因子或者多因子组合，得到加权后的因子值，再根据所得值排序后，根据选定的多空头的方向和分位点进行多空选股，每日进行调仓，展示出投资组合主要的绩效指标，和累积收益率变化情况。,多因子选股和回测,多因子选股：根据所选指标，构建一个股票组合，计算回验区间内股票的绩效指标。,多因子选股和回测,案例使用公司总资产和流动资产合计2个因子，在2013071020131015期间做多因子选股回测。通过因子回测，我们能筛选出，在指定时间内哪些因子对固定股票组合是有效的。,与多因子选股类似，区间回测也是使用因子加权后的值。不同的是，多因子选股般选择高排名组合与低排名因子组合构造多空组合进行套利，而区间回测则是根据因子得分将候选池分成多个区间，并计算每个区间的收益情况，在更微观层面考察因子排名在各得分区间的收益变动趋势。,因子区间回测,因子区间回测,案例采用公司总资产、总资产增长率、流动资产合计3个因子，按照因子排名将股票分为5组进行区间回测。因子区间回测，可以判断所选因子进行股票筛选的有效性。,Z-Score模型源于纽约大学斯特恩商学院教授、金融经济学家爱德华阿特曼对美国破产和非破产生产企业的观察创立，用以衡量一个公司的财务健康状况，并对公司在2年内破产的可能性进行诊断与预测。,股票Z-score得分,股票Z-score得分,案例计算平安银行、民生控股和陕国投A 3支股票的Z-score得分。,在投组构建界面，用户可以选择选择单只或者多只股票，设定Alpha值（初始为页面初始日期之前一个月(22个交易日)股票的平均回报），再设定投资者风险厌恶等级，进而根据马科维茨的有效前沿理论，得出最优投资组合的各个股票的权重。,基于马科维茨模型构建投组,基于马科维茨模型构建投组,概述,本产品的主要价值，是为用户在投组分析过程中，提供基础的、初步的、一致性的工具。http:/:3449/#产品的流程和每个流程对应的功能如下：,因子数据提取,构建投组,股票和因子筛选,投组风险和绩效分析,量化因子库说明及数据查看；风控因子库说明及数据查看；,多因子选股和回测；因子区间回测；股票Z-score得分；,基于马科维茨模型构建投组；,单因子风险分析；Barra多因子绩效归因分析；Brison绩效分析模型；投组绩效指标。,产品流程及功能,风险控制模型分为两种。一种是从基本面多因子模型出发，假定股票的回报可以由两部分构成，一部分可以由因子暴露和因子回报计算得到，一部分是残差回报，且股票间的残差回报应该是独立的。另一种是基于CAPM模型，将投组的风险分为两个部分，一是市场组合可以解释的部分，一是残差部分。,多因子模型风险分析和基于CAPM模型的单因子风险分析,多因子模型风险分析和基于CAPM模型的单因子风险分析,案例构建由武钢股份和东风汽车组成的投组。对2013/9/11当日进行风险分析，得到以上不同部分的风险值。,Barra模型常被一些国外学者和投资机构用来对投组的风险和收益进行研究，它能将市场许多的信息进行综合，得出对投组产生影响的公共因子，然后运用这些公共因子进行风险预测和归因分析。本功能采用的因子包括基本面因子和行业因子，其中10个基本面因子为：交易回报因子、成长因子、相关性因子、价值因子、杠杆因子、市值因子、价波动因子、流动性因子、量波动因子、动量因子。,Barra多因子绩效归因分析,Barra多因子绩效归因分析,案例是构建由东风汽车、中国国贸、首创股份和上海机场组成的投组，并分析其14个因子的累计回报和收益。分析周期为2017071120140101。,Brison绩效分析模型,Brison绩效分析模型，是基于Brinson等人在1980年代发表的论文，将投资组合的收益分为超额资产配置收益、超额个股选择收益、交互收益和基准收益4个部分。按照绩效分析时长，Brison模型分为单期模型和多期模型。运用多期归因分析模型，我们将提供以下4个分析框架：,行业资产收益分析,风格资产配置分析,个股收益分析,大类资产绩效分析,Brison绩效分析模型大类资产绩效分析,将投资标的分为股票、权证、可转债、逆回购和债券几个大类。分析不同资产类型在投组中的贡献比例。但是在权证、可转债、逆回购和债券层面上不再继续细分。分析如示意图所示：,Brison绩效分析模型风格资产配置分析,投组绩效很大程度上会受到投资风格影响。本模型将分析投组收益中有多少比例来自市场大盘、中盘、小盘和投资风格（成长或价值）。单期风格资产配置和风格资产配置历史推移如示意图所示：,Brison绩效分析模型行业资产收益分析,分析投组收益主要来自哪些行业，并计算投组在每个行业内的超额收益率。行业资产收益分析如示意图所示：,Brison绩效分析模型个股收益分析,分析投组收益中个股的贡献比例。通过个股分析，还可以提炼出一些投组运作的规律。个股收益分析示意图如图一：基于个股收益分析，还能得到某只个股、行业和投组的贡献度比较。以招行个股贡献度为例，如图二：,图一,图二,投组绩效指标,基本指标,常用绩效指标,初始权益期末权益累计盈亏累计收益率年化收益率年化超额收益率手续费,夏普比例盈利因子索提诺比率Omega比率上侧风险信息比率,全部交易指标,交易总数平均盈利平均盈利率连续盈利的交易次数连续亏损的交易次数最大回撤最大回撤时间最大回撤结束时间,盈利交易指标,盈利交易次数胜率总盈利平均盈利平均盈利率,亏损交易指标,亏损交易次数亏损率总亏损平均亏损平均亏损率,投组绩效指标,计算结果示意图如下所示：,投组绩效指标,以权益曲线为例，将交易绩效指标绘制图表示意图如下,功能模块18已在V1.0全部开发和测试工作将于5月下旬完成；V2.0版本已规划以下新增和改进功能：改进因子数据提取，增加其他格式的因子数据导出；（目前仅支持excel导出）改进Barra多因子绩效归因分析，主要包括增加风险因子的选择，增加因子筛选和因子测试等；支持导入外部交易数据进行多期投组绩效和风险分析；支持生成分析报告并导出；支持投组绩效指标计算。支持债券的绩效和风险分析。V2.0版本已进入预研阶段，计划8月底开发并测试完成。,后续规划,深圳国泰安数据技术有限公司,Thank you!,谢 谢,