第七章 量化分析
一、量化投资分析的特点
量化分析法是利用统计、数值模拟和其他定量模型进行证券市场相关研究的一种方法,具体来说,有如下五大方面的特点:
(1)纪律性。
量化投资需要严格执行模型给出的投资建议,从而可以克服人性的弱点以及认知偏差,也可以起到跟踪和修正的目的。
部分资料预览
(2)系统性。
系统性主要表现在多层次的量化模型、多角度的观察及海量数据的观察等。
(3)及时性。
量化投资模型能够及时快速地跟踪市场变化,不断发现能够提供超额收益的新的投资机会。
(4)准确性。
量化投资分析能够准确客观评价投资机会,克服主观情绪偏差,妥善运用套利的思想。
(5)分散化。
量化投资分析能够在控制风险的基础上,准确实现分散化投资。
例题:量化分析法的特点不包括( )。
A.纪律性
B.系统性
C.及时性
D.集中化
【答案】D
二、量化投资分析的理论基础
量化投资是一种主动型投资策略,主动型投资的理论基础是市场非有效或弱有效。因此,基金经理可以通过对个股、行业及市场的分析研究建立投资组合,获取超额收益。
指数化投资等被动投资的理论基础是市场有效,任何企图战胜市场的努力都是徒劳的,投资者只能取得市场收益,不如被动复制指数。
三、量化投资分析的主要内容和方法
1、量化投资分析的主要内容
量化投资分析的主要内容是将投资理念及策略通过具体指标、参数的设计,体现到具体的模型中,让模型对市场进行不带任何情绪的跟踪。
2、量化投资分析的方法
(1)人工智能
人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,使计算机能实现更高层次的应用。
人工智能的很多技术可以用于量化投资分析中,包括专家系统、机器学习、神经网络、遗传算法等。
(2)数据挖掘
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的,但又是潜在有用的信息和知识的过程。
在量化投资中,数据挖掘的主要技术包括关联分析、分类、预测、聚类分析等。
(3)小波分析
小波就是小的波形。小波分析在量化投资中的主要作用是进行波形处理。任何投资品种的走势都可以看作是一种波形,其中包含了很多噪音信号。
利用小波分析,可以进行波形的去噪、重构、诊断、识别等,从而实现对未来走势的判断。
(4)支持向量机(support vector machine)
支持向量机(SVM)方法是通过一个非线性映射(核函数),把样本空间映射到一个高维乃至无穷维的特征空间中,使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题。
简单地说,支持向量机就是升维和线性化。正因为有这个特点,使得SVM特别适合于进行有关分类和预测问题的处理。
(5)分形理论
分形(Fractal),原意是不规则、支离破碎的意思,分形几何学是一门以非规则几何形态为研究对象的几何学。
一切复杂对象虽然看似杂乱无章,但他们具有相似性,简单地说,就是把复杂对象的某个局部进行放大,其形态和复杂程度与整体相似。
由于这种特征,使得分形理论在量化投资中得到了广泛的应用,主要可以用于金融时序数列的分解与重构,并在此基础上进行数列的预测。
1904年,瑞典数学家柯赫构造了“Koch曲线”几何图形。Koch曲线大于一维,具有无限的长度,但是又小于二维。
有学者这样说过:“为什么世界这么美丽,因为我眼睛看到的都是分形”,大到海岸线、山川形状、天空的云朵,小到一片树叶、一片雪花、皮蛋里的花纹,分形无处不在,无处不有。
(6)随机过程
随机过程是一连串随机事件动态关系的定量描述。
研究随机过程的方法多种多样,主要可以分为两大类:
一类是概率方法,其中用到轨道性质、随机微分方程等;
另一类是分析的方法,其中用到测度论、微分方程、函数堆和希尔伯特空间等,实际研究中常常两种方法并用。
另外,组合方法和代数方法在某些特殊随机过程的研究中也有一定作用。研究的主要内容有:多指标随机过程、无穷质点与马尔科夫过程、概率与位势及各种特殊过程的专题讨论等。其中,马尔科夫过程很适于金融时间数列的预测,是在量化投资中的典型应用。
马尔可夫过程(Markovprocess)是一类随机过程。它的原始模型马尔可夫链,由俄国数学家A.A.马尔可夫于1907年提出。
该过程具有如下特性:在已知目前状态(现在)的条件下,它未来的演变(将来)不依赖于它以往的演变(过去)。
在现实世界中,有很多过程都是马尔可夫过程,如液体中微粒所作的布朗运动、传染病受感染的人数、车站的候车人数等,都可视为马尔可夫过程。
四、量化投资技术
1、量化选股
(1)量化选股的含义
量化选股是指利用数量化的方法选择股票组合,期望该股票组合能够获得超越基准收益率的投资行为。
(2)量化选股的方法
1)公司估值法
公司估值方法是上市公司基本面分析的重要应用,在“基本面决定价值,价值决定价格”的基本逻辑下,通过公司估值方法得出公司理论股票价格,与市场价格比较,从而判断股票的市场价格是否被高估或者低估,寻找出价值被低估或被高估的股票,指导投资者的具体投资行为。
2)趋势法
趋势法是指根据市场表现做出对应的投资行为的方法。市场有强势、弱势、盘整等不同的形态,投资行为可以追随趋势,也可以逆趋势反转操作。
3)资金法
资金法的本质是追随市场主力资金的方向,资金流人伴随着价格上涨;资金流出伴随着价格下跌。也可以通过持仓筹码的分布来判断未来股价的上涨和下跌情况。
2、量化择时
量化择时是指利用数量化的方法,通过分析各种宏观微观指标,试图找到影响大盘走势的关键信息,从而预测未来走势。
量化择时的方法包括趋势择时、市场情绪择时、有效资金模型、牛熊线等。
3、股指期货套利
股指期货套利是指利用股指期货市场存在的不合理价格,同时参与股指期货与股票现货市场交易,或者同时进行不同期限,不同(但相近)类别股票指数合约交易,以赚取差价的行为。
股指期货套利主要分为期现套利和跨期套利两种。
股指期货套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。
4、商品期货套利
相关商品在不同时间、地点对应着一个合理的价差。由于价格的波动性,价差经常出现不合理的情况,但不合理的价差最终都会回到合理的范围之内,不合理回到合理的这部分价格区间就是盈利区间。基于以上逻辑,商品期货套利才得以存在。
历史数据的统计分析对于成功实施商品期货套利来说非常重要。
商品期货套利过程成功实施的重要前提是对相关合约之间的价差数据变化规律进行科学的统计分析。
5、统计套利
(1)统计套利的含义
统计套利是用统计方法挖掘套利机会的投资策略,在不依赖于经济环境的情况下,运用数量手段构建资产组合,从而对市场风险进行免疫,获取一个稳定、无风险的alpha(超额收益率)。
(2)统计套利的方法
1)成对交易
成对交易,即价差交易,是统计套利最常用的策略,指在构建某一资产多头的同时,构建另一种资产的空头,并在将来某一时刻同时了结两种资产的头寸。
这是一种市场中性策略,可以免疫市场风险,通过捕捉两个或者多个资产之间的相对错误定价机会来获得低风险收益。
2)多因素模型
多因素模型通过分析与股票收益率相关的多种因素,建立回归模型,通过分析资产实际价格和模型预测价格之间的差异来获利。
当实际资产价格高于模型预测价格时,资产被高估,卖出该资产,待到实际资产价格与模型预测价格相等时,再买入该资产以对冲之前的空头头寸。反之则进行相反操作。
3)均值回归策略
均值回归策略建立在股票价格是均值回归的这一假设条件之上。
如果股票价格超过它的平均价格,它被预计在未来将朝反方向运行。依照该策略,应该卖出超越市场表现的股票(预期下跌),买入低于市场表现的股票(预期上涨)。
4)协整策略
协整策略是利用股票价格序列的协整关系建模。该策略基于累计收益率对均衡关系的偏离。
6、算法交易
算法交易又被称为自动交易,是指利用电子平台,通过使用计算机程序来发出交易指令,执行预先设定好的交易策略。
在交易中,程序可以决定的范围包括交易时间的选择、交易的价格,甚至可以包括最后需要成交的证券数量。
根据各个算法交易中算法的主动程度不同,算法交易可以分为:
(1)被动型算法交易;
(2)主动型算法交易;
(3)综合型算法交易。
7、资产配置
资产配置是指根据投资需求将投资资金在不同资产类别之间进行分配,通常是将资产在低风险、低收益证券与高风险、高收益证券之间进行分配。
8、风险控制
风险控制是指风险管理者采取各种措施和方法,消灭或减少风险事件发生的各种可能性,或者减少风险事件发生时造成的损失。
五、量化投资技术的应用前提和适用范围
量化分析法较多采用复杂的数理模型和计算机数值模拟,能够提供较为精细化的分析结论。但它对使用者的定量分析技术有较高要求,不易为普通公众所接受。
量化分析法所采用的各种数理模型本身存在模型风险,一旦外部环境发生较大变化,原有模型的稳定性就会受影响。
量化分析法往往需要和程序化交易技术相结合,对交易系统的速度和市场数据的精确度有较高要求,这也在一定程度上限制了其应用范围。
六、量化分析的主要应用
1、估值与选股
(1)估值
对上市公司的估值包括两种方法:
①相对估值法
主要采用乘数方法,如市盈率P/E估值法、市净率P/B估值法、企业价值倍数法等;
②绝对估值法
主要采用折现的方法,如股利折现模型、折现现金流模型(公司自由现金流模型和股权自由现金流模型)等。
(2)选股
数量化选股策略是在基本面研究的基础上结合量化分析的手段构建出来的,主要的选股方法如下:
①基本面选股
通过对上市公司财务指标的分析,找出影响股价的重要因子,通过建立股价与因子之间的关系模型得出对股票收益的预测。
股价与因子的关系模型分为结构模型和统计模型。
结构模型是给出股票的收益和因子之间的直观表达,包括三种选股方法:价值型、成长型、价值成长型。
统计模型是用统计方法提取出近似线性无关的因子建立模型,包括:主成分法、极大似然法等。
②多因素选股
通过寻找引起股价共同变动的因素,建立收益与联动因素间线性相关关系的多因素模型。
影响股价的共同因素包括宏观因子、市场因子和统计因子。
通过逐步回归和分层回归的方法对三类因素进行选取,然后通过主成分分析选出解释度较高的某几个指标来反映原有的大部分信息。
③动量、反向选股
动量选股策略是指事先对股票收益和交易量设定条件,然后分析股票在过去短期时间内的表现,当条件满足时买进或卖出股票的投资策略。
反向选股策略基于投资者过度自信的心理特征,认为投资者会对上市公司的业绩状况做出持续过度反应,形成对业绩差的公司业绩过分低估和业绩好的公司业绩过分高估的现象,从而反向投资存在套利机会。
实行反向选股策略的投资者买进过去表现差的股票而卖出过去表现好的股票。
2、资产配置
资产配置是指资产类别选择、投资组合中各类资产的配置比例以及对这些混合资产进行实时管理。
资产配置一般包括战略资产配置、战术资产配置和资产混合配置。
资产配置包括三大层次,分别是全球资产配置、大类资产配置和行业风格配置。
3、基金绩效评估
基金是一种集合投资产品,它具有风险分散、专业化管理、变现l生强等特点,要对基金有一个全面的评价,绩效评估能够提供较好的视角与方法。
对基金的绩效进行评估的指标和方法包括:风险调整收益、择时/股能力、业绩归因分析、业绩持续性等。
4、基于行为金融学的投资策略
股票市场的一系列与理性人假设不符合的异常现象,如:日历效应、股权溢价之谜、期权微笑、封闭式基金折溢价之谜、小盘股效应等,使得诸多研究学者放松关于投资者是完全理性的严格假设,形成了具有重要影响力的学术流派——行为金融学。
目前国际金融市场中比较常见且相对成熟的行为金融投资策略包括动量投资策略、反向投资策略、小盘股策略和时间分散化策略等。
5、程序化交易
程序化交易通过某种策略生成交易指令,以便实现某个特定的投资目标。
程序化交易主要是大机构的工具,它们同时买进或卖出整个股票组合,而买进和卖出程序可以用来实现不同的目标。
目前程序化交易策略主要包括:
(1)数量化程序交易策略;
(2)动态对冲策略;
(3)指数套利策略;
(4)配对交易策略;
(5)久期平均策略。
2022年中级经济师3天特训营免费领!!
课程套餐 | 课程内容 | 价格 | 白条免息分期 | 购买 |
---|---|---|---|---|
2021年证券从业考试-签约旗舰托管班 | 录播+直播+考前预测卷+模考卷+讲义+协议 | ¥2580 | 首付258元 | 视听+购买 |
2021年证券从业考试-签约旗舰直达班 | 录播+直播+考前预测卷+模考卷+讲义+重读 | ¥1980 | 首付198元 | 视听+购买 |
2021年证券从业考试-进阶直达班 | 录播+直播+模考卷+重读 | ¥1680 | 首付168元 | 视听+购买 |