量化策略设计及实战应用课件.ppt

量化策略设计及实战应用,目录,1,量化投资简介,量化投资的主要内容,多因子模型体系,多因子模型开发实例,2,3,4,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,不同点,?,传统投资依赖,?,本质相同，都,是基于市场非有,效或是弱有效的,理论基础。,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。,3.1,量化投资,VS,传统投资,量化投资与传统投资的区别,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；,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,操作模式,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；,策略验证,投资方向,市场中性策略；不受大盘涨跌影响，,牛熊市皆可能赚钱；,12,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,量化投资的主要内容,多因子模型体系,多因子模型开发实例,2,3,4,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,16,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,跨期套利,跨品种套利,?,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,量化投资的主要内容,多因子模型体系,多因子模型开发实例,2,3,4,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,https:/,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,量化投资的主要内容,多因子模型体系,多因子模型开发实例,2,3,4,Fama-French,三因子模型,FF,三因素模型的建立,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。,Fama-French,因子模型,FF,三因素模型的主要内容,具体形式：,R,i,=,a,i,+,b,i,R,M,+,s,i,E,(,SMB,),+,h,i,E,(,HML,),+,e,i,其中，,?,i,、,R,M,分别表示股票,i,和市场相对于无风,险收益率,R,f,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,Fama-French,因子模型,三个因子的具体介绍,（,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,Fama-French,因子模型,三个因子的具体介绍,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,Fama-French,因子模型,三个因子的具体介绍,（,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(r,S,),，小市值股票的期望收益率为,E(r,B,),。,Fama-French,因子模型,三个因子的具体介绍,代码功能：,获取,HS300,在,2018.6.4-2018.7.1,这一个月的市值风险,Fama-French,因子模型,三个因子的具体介绍,（,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。,Fama-French,因子模型,2.3,三个因子的具体介绍,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,Fama-French,因子模型,FF,三因素模型的应用,（,1,）策略思想,?,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,?,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,Fama-French,因子模型,FF,三因素模型的应用,（,1,）策略思想,?,买入最小的,N,（,N=10,）支股票,?,根据,CAPM,理论，的长期均值应该是,0,?,如果对于某个时期的股票，回归得到,0,，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。,Fama-French,因子模型,FF,三因素模型的应用,（,2,）,策略代码,设定一个调仓频率,T,和样本长度,S,取沪深,300,成分股的三因子数据,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,买入最小的,N,（,N=10,）支股票,即可,Fama-French,因子模型,FF,三因素模型的应用,（,2,）,策略代码,设定一个调仓频率,T,和样本长度,S,取沪深,300,成分股的三因子数据,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,取沪深,300,成分股三因,子数据,买入最小的,N,（,N=10,）支股票,即可,Fama-French,因子模型,2.4,FF,三因素模型的应用,（,2,）,策略代码,设定一个调仓频率,T,和样本长度,S,取沪深,300,成分股的三因子数据,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,买入最小的,N,（,N=10,）支股票,即可,Fama-French,因子模型,FF,三因素模型的应用,（,2,）,策略代码,设定一个调仓频率,T,和样本长度,S,取沪深,300,成分股的三因子数据,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,买入最小的,N,（,N=10,）支股票,即可,Fama-French,因子模型,回测结果,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,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,4.,盈利类因子,率,5.,波动因子,6.,成长类因子,7.,估值类因子,8.,杠杆类因子,9.,流动性因子,包括,:,总市值,，,流通市值,等,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,包括,:,前一个月的波动率,，,前一个月的振幅,包括,:,营业收入同比增长率,、,营业利润同比增长率等,包括,:,市盈率,（,TTM,），,市净率,，,市销率,，,市现率,，,企业价值倍数等,包括：现金比率、流动比率等,包括：近一个月换手率、近两个月换手率等,