量化投资概况总结.pptVIP

* 量化投资概况 2012.6 主要内容 一、量化投资概况 二、量化投资基本方法 三、量化投资策略介绍 一、量化投资概况 量化投资：是量化与对冲的结合。量化，摆脱主观性（选股和操作）。借历史数据、数学模型等数量化交易手段。对冲，风险对冲，目的是锁定利润或风险。 约翰·麦奎恩：利用美国富国银行的信托投资平台建立了第一个定量投资系统，并于1971年发行了世界上第一支被动管理的指数基金。 进入2012年，量化投资已成为中国资本市场的热门话题之一。 条件：国债期货、转融通、跨市场ETF等对冲工具出现或正在形成。 二、量化投资基本方法 量化投资：将投资理念及策略通过具体指标、参数的设计，体现于一模型，让模型对市场进行不带任何情绪的跟踪。 量化投资技术：覆盖投资的全过程，包括估值与选股、资产配置与组合优化、订单生成与交易执行、绩效评估和风险管理 1、估值与选股 估值：包括相对估值法和绝对估值法 相对估值：PE、PB、PS、PEG、PSG、EV/EBITDA等； 绝对估值：折现，如公司自由现金流模型、股权自由现金流模型和股利折现模型等。 量化选股策略：马克维茨 MV 模型、均值-LPM 模型 、VaR 约束模型、 Black-Litterman 模型、 战术资产配置 ( 动态资产配置 ) 、行业轮动策略、 风格轮动策略、 Alpha 策略、 投资组合保险策略 。 基本面选股策略：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两类。 （1）结构模型。包括： 价值型(本杰明·格雷厄姆—防御价值型、查尔斯·布兰迪—价值型等)、成长型(德伍·切斯—大型成长动能、葛廉·毕克斯达夫—中大型成长股等)、价值成长型(沃伦·巴菲特—优质企业选择法、彼得·林奇—GARP价值成长法等) ； （2）统计模型：包括主成分法、极大似然法等。 多因素选股策略：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(通过统计方法得到)三大类，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。 动量选股策略：指分析股票在过去相对短期的表现，事先对股票收益和交易量设定条件，当条件满足时买进或卖出股票的投资策略，该投资策略基于投资者对股票中期的反应不足和保守心理，在投资行为上表现为购买过去几个月表现好的股票而卖出过去几个月表现差的股票。 反向选股策略：基于投资者的锚定和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的好公司业绩过分高估的现象，这为投资者利用反向投资策略提供了套利机会，在投资行为上表现为买进过去表现差的股票而卖出过去表现好的股票。反向选股策略是行为金融学理论发展至今最为成熟，也是最受关注的策略之一。 2、资产配置 资产配置：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。 二大类别： 战略资产配置：较长的时间周期内控制投资风险，使得长期风险调整后收益最大化。 战术资产配置：相对较短的时间周期内，针对某种具体的市场状态制定最优配置策略，利用市场短期波动机会获取超额收益。 3、股价预测 股价的可预测性与有效市场假说密切相关。如果有效市场假说成立，股价就反映了所有相关的信息，价格变化服从随机游走，股价的预测就毫无意义。 股价预测模型包括：灰色预测模型、神经网络预测模型和支持向量机预测模型(SVM)。 灰色预测模型：对股价的短期变化有很强的预测能力，近年发展起来的灰色预测模型包括GM(1, 1)模型、灰色新陈代谢模型和灰色马尔可夫模型。 人工神经网络模型具有巨量并行性、存储分布性、结构可变性、高度非线性和自组织性等特点，且可以逼近任何连续函数，目前在金融分析和预测方面已有广泛的应用，效果较好。 支持向量机模型在解决小样本、非线性及高维模式识别问题中有许多优势，且结构简单，具有全局优化性和较好的泛化能力，比神经网络有更好的拟合度。 4、绩效评估 基金评价：考量基金业绩变动背后的形成原因、基金回报的来源等因素，绩效评估能够在这方面提供较好的视角与方法，风险调整收益、择时/股能力、业绩归因分析、业绩持续性及Fama的业绩分解等指标和方法可从不同的角度对基金的绩效进行评估。 5、基于行为金融学的投资策略 上世纪50～70年代，随着马科维茨组合理论、CAPM模型、MM定理及有效市场假说的提出，现代金融经济学建立了一套成熟的理论体系，但理论基石是理性人假设，在理性人假设下，市场是有效率的。 进入80年代以后，关于股票市场的一系列研究和实证发现了与理性人假设不符合的异常现象，如：日历效应、股权溢价