1 认识量化投资.ppt

《1 认识量化投资.ppt》由会员分享，可在线阅读，更多相关《1 认识量化投资.ppt（45页珍藏版）》请在三一办公上搜索。

1、认识量化投资,上海源实资产管理有限公司谢雯2015年1月,量化投资在中国,量化投资是什么？,量化投资怎样赚钱？,量化策略如何评价？,量化投资发展历史路径,2004,2003,2004,2005,2009,2010,股指期货、融资融券推出，A股对冲元年,数只基本面量化基金问世,权证推出，券商试水期权类业务,ETF基金问世，部分机构试水ETF套利与做市,首只指数基金发行,首只保本基金发行,公募量化火爆，私募遭遇滑铁卢,机构投资者使用情况,公募基金,被动型：指数、指数增强、ETF主动量化：量化基金、保本基金专户：套利、量化Alpha、Alpha与Beta分离,私募基金,基本面量化：量化Alpha技术

2、面量化：高频交易、统计套利、股指期货/ETF套利,量化投资在中国,量化投资是什么？,量化投资怎样赚钱？,量化策略如何评价？,量化投资分类,量化型,判断型,技术面,基本面,技术量化：高频交易等,基本量化：风格指数、主动量化基金,技术判断：K线分析,基本面判断：价值投资（巴菲特）等,量化方法作为投资技术的本质,收益来源：投资者行为的持续性,利用投资者“同一时刻接收过多信息，对其中的大部分反应不足”这一效应捕捉套利机会,常见的现象有：行为的重复性；过度反应与反应不足；恐惧与贪婪；偷懒（从众和惯性）等等行为特征。,实例：聚焦“被忽视”的超预期,财报较少的时间段上投资者对盈利超预期的反应较为敏感 在公布

3、的高峰期，盈利超预期的效应只能在后续交易日逐步反应 参考公告日当天的消息数量后，选择会产生注意力分散的时刻参与超预期事件,解读量化投资,量化投资的局限,量化投资为什么能赚钱,量化投资的前景,量化投资与数据挖掘,非有效性，历史在未来的重演认知偏差，新工具上市初始的套利机会非理性，市场的过激反映未知性，市场微观结构,海外市场经验表明，量化投资方式经受住了考验新的市场、新的工具出现、新的交易机制与新的数据源会提供新的量化机会,量化投资通常需要对历史数据进行分析，很多统计与人工智能工具帮助数据挖掘跟判断型的投资方式相比，量化投资似乎可信度更高，因为更理性但是，投资理念的产生、归纳与判断依然是人脑,“病

4、因不同”，历史未必会重演流动性陷阱策略的复制和散播导致机会的丧失不是电脑和人脑的较量，而是电脑在人脑的帮助下与人脑在电脑的帮助下较量,解读,投资的绩效只在未来才可知，是随机的，因而要用概率刻画,但一个策略成功的概率就如一个物体的质量一样虽客观存在，但不可直接观察到,如通过测量物体的重量才可获得其质量一样，策略的成功概率 也要通过多次投资试验才可能实现,投资基础概率之本质,而每个策略的生存都有期限，在这个有限的期限内，能实现的 投资次数有限。这就带来了策略成功概率能否实现的问题。,一个简单的实例,概率实现问题,假设市场上有两名投资者A和B投资者A经验丰富，对市场和个股都有深入的研究投资者B经验欠

5、缺，对市场和个股的判断缺乏逻辑显然投资者A的投资成功概率一定高于投资者B，问：但若只进行一次投资，A的投资收益一定能高于B吗？,投资的难点概率实现问题,少数几次投资，即使结果不如想象的那样好，也并不能说明起初的判断是错误的能否在策略有效时间内实现策略成功的概率，是在实践中最大的问题,缓解概率实现问题程度的办法,基本面研究：通过深入调研，综合分析，提高投资成功的概率,量化投资方法：通过增加投资次数，使成功频率接近理论概率高频交易,缓解概率实现问题程度之典型案例,量化投资在中国,量化投资是什么？,量化投资怎样赚钱？,量化策略如何评价？,传统量化方法的应用范围,尾盘异动是指股指期货收盘前(15:00

6、-15:15)持续走高或走低，导致收盘价大幅偏离结算价的情形结算价不仅是当天保证金清算的标准，也是第二天期货涨跌停板的参考基准；从这个角度来看，结算价的作用类似于股票的前收盘价。因此，如果期货收盘价大幅偏离结算价，在某种意义上可以认为是一种“定价偏差”,传统量化方法的应用范围交易策略,尾盘大幅折价0.4%以上，买入股指期货，第二天开盘卖出；平均每次收益0.31%，胜率81.58%T日收盘前买入，T+1日集合竞价平仓,传统量化方法的应用范围交易策略,传统量化方法的应用范围套利策略,1,多空套利策略（融资融券的配对交易策略）股票标的同期货标的的套利策略短期趋势套利策略,2,ETF的一、二级市场套利

7、分级基金的一、二级市场价差套利股指期货的期现套利和跨期套利,3,事件驱动引发的套利机会增发、配股股权激励成分股调整股东增持等等,统计套利,无风险套利,事件套利,配对交易统计价差,P1为美的电器股价，P2为青岛海尔股价,配对交易流程,传统量化方法的应用范围产品设计,分级产品,根据投资者风险偏好，设计不同的结构化产品，可分为低风险产品和高杠杆产品,绝对收益产品,通过不同的套利策略构建低风险的产品，消除系统性风险，获取阿尔法收益,复杂金融工具,如股票期权的不同组合，构建满足不同市场预期下的期望投资收益,私募基金业绩复制,产品思路,风险因子,线性复制,收益源于基础资产（股票、债券等）的对冲基金业绩可以

8、分解到不同的风险因子上，表现为风险因子的组合。事件驱动、高频交易策略除外,股票因子 债券因子 信用因子 外汇因子 商品因子,用风险因子按某种权重进行线性组合，反映对冲基金的收益，设计一种被动的低费率投资工具。复制效果出色，达到跟踪对冲基金表现效果,复制效果,3年累计跟踪偏离度1.69%；期间偏离区间-1.97%，2.89%；年化跟踪误差7.67%,私募基金业绩复制,复制目,复制模型,复制工具,TEXT,沪深300等指数ETF,分层主成分回归,私募基金综合指数,复制目标,复制模型,复制工具,实盘,回测与跟踪,建模与计算,变量与数据,逻辑与规律,量化策略开发流程犹如开发一种高技术仪器,诊断与评价,

9、传统量化策略的来源紧盯股价的变化,基本面研究,公司成长性高低的判断 分析师覆盖数量的变化 等等,技术面规律,投资者行为,动量/反转、均线系统 其它常见技术指标 等等,大数据：文本挖掘，投资者操作数据 日历效应 贪婪与恐惧，等等,传统量化策略来源的实现多因子选股,分析师覆盖,反转因子,应用数据需要警惕,量化分析离不开数据，但应用数据千万要小心,可能面临的问题,重点讨论,被污染的数据,数据的清洗与调整,异常值清洗,证券市场上易出现异常值。比如公司重组成功后盈利增速的大幅变化，极端PE值的出现。都会导致模型的偏差,在对公司的盈利能力或成长性判断时，往往需要剔除一些非经常性损益，否则对模型的结果将有很

10、大影响,变量的调整,缺失值在证券市场中屡见不鲜，简单地忽略或删除可能严重影响最终结果，如何补缺也是一个大课题,缺失值处理,统计方法应用于投资分析的障碍,样本不是通过试验获得的,在证券市场上可选择的样本，并不随我们的意志而变化样本有多少随时间的变化而变化，不到时间多一个也没有既然是平均，那当样本出现聚集现象时，统计量的值会倾向于聚集点附近样本所代表的性质但在实际投资中，聚集点附近部分的样本常常不是人们感兴趣的或是能够得到收益的,聚集性举例,收益率具有尖峰的特征,基本面指标也不例外,当某个指标的观测数据往往在中间状态过于集中时，对这些指标进行统计分析，其结果是照顾这个中间状态,特点：,收益率就是典

11、型的例子，在0的附近大量聚集,现象：,中间的聚集状态往往是我们不感兴趣的,悖论：,Beta值度量系统性风险是否可靠？,质疑：,Beta值是否可靠,相同Beta，不同尾部风险,两个Beta系数几乎相同的组合A和B 尾部的行为却差别很大，A组合在市场出现大幅下跌时，收益大概率优于B组合,尾部相关系数选股,尾部相关系数：市场遭遇重大损失时个股也出现相同现象的概率度量,道琼斯工业平均指数：以1986年10月30日至2008年12月31日的所有样本股为标的，着重讨论次贷危机时期（2008年），选股因子的作用,样本外检验：尾部相关系数不仅在滚动的样本外测试中保持稳定，而且那些具有较低系数值的组合明显优于市

12、场指数和较高值的组合,选股因子,标的范围,样本外检验,本例来自于他山之石第十三期：Portfolio Selection:An Extreme Value Approach,量化投资在中国,量化投资是什么？,量化投资怎样赚钱？,量化策略如何评价？,如何评价策略？,我们忽视了什么？,传统评价方法的局限,结合市场背景分析策略的微观特征,Diagram,直观性收益特征,便捷度市场背景,每次试验接近独立同分布,收益风险特征一目了然依靠大概率获胜？多赢少输依靠牛股识别？大赢小输尾部风险暴露程度,剔除市场背景环境影响，剔除策略背景环境（识别环境）影响剔除股票收益分散度的影响,可以从理论上证明，随机抽取股票

13、得到的分位点服从0,1上的均匀分布,分位点诊断的优势,分位点LOGIT变换LOG(p/1-p),分位点诊断的实例,拟合优度检验统计量：=182.86,定期持有周期不定期持有周期,择时、交易策略目标,抓住有利交易机会,规避不利交易机会,弃真错误 市场上存在有利的交易机会，但策略没有抓住，造成潜在的损失 1)弃真概率 2)弃真损失,择时、交易策略的评价标准,Diagram,弃真概率：应该买入或持仓的交易日，策略没有买入或持仓的概率。弃真损失：出现弃真错误时指数的涨幅之和与上行趋势涨幅之和的比例。可看成是对“牛市形态”择时效果的评价。,“背景”定义：对于只做多的择时策略，可对指数波段进行划分，将波幅

14、小于指定幅度的波动平滑掉，留下主要的上行和下行趋势。可根据资金量来选择波幅大小。,受伪概率：应该卖出或空仓的交易日，策略没有卖出或空仓的概率。受伪损失：出现受伪错误时指数的跌幅之和与下行趋势跌幅之和的比例。可看成是对“熊市形态”择时效果的评价。,不固定投资周期下，如何定义“背景”,红线取值为-1代表策略实际空仓,黑线取值为1代表理论应持仓,弃真概率和弃真损失计算理论应持仓交易日中，策略空仓交易日占比（即黑线为1时红线取值为-1的比例）作为弃真概率，由此计算弃真损失,弃真概率和损失的计算,Diagram,受伪概率和受伪损失计算理论应空仓交易日中策略持仓交易日占比（即黑线为-1时红线取值为1的比例）作为受伪概率，由此计算受伪损失。,黑线取值为-1代表理论应空仓,红线取值为1代表策略实际持仓,受伪概率和损失的计算,Diagram,传统的评价指标无法对不同的择时策略进行很好的综合评价,根据弃真、受伪分析，能够清晰看到改进措施对策略的哪些特征实现改进，而非简单收益上的提升。,不同投资周期择时策略效果评价举例,谢谢！欢迎交流！,上海源实资产管理有限公司谢雯 基金经理电 话：13530316410Email：,