7量化投资程序.ppt

* * * * * * 第八章 量化投资 * 讨论：有效市场、行为金融、金融系统复杂性 * 一、量化投资的基本内涵和实践 金融工程：金融创新、风险管理、（衍生）资产定价、套利 金融：投资与融资 量化分析：基于数据、模型定量化 量化投资（量化交易）：借助现代统计学和数学的方法，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”“模式”以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可持续的、稳定的回报。 “通过信息和个人判断（using information and judgment）来管理资产为基金面投资或者传统投资，如果遵循固定规则，由计算机模型产生投资决策则可被视为数量化投资。” ——Fabozzi《Challenges In Quantitative Equity Management》 * 量化投资要件 数据 数据是量化交易的血液，决定着策略实施的各个方面。没有精确的数据输入，量化交易策略就无法运行。 定量研究 数据一旦给定，“人”就可以开始研究了，一般包括各种形式的测试、检验和模拟仿真。经过研究，我们就能够确认某个策略是否有效。 人和电脑的分工 需要强调的是，前面所说的构架中的各个模型，同样也在研究的基础上才能正确构建。因此，“人”始终是量化投资中最核心的动力，人负责创造性的活动，建造模型；电脑和机器负责重复性的活动，精确无误的不带任何情绪波动的严格执行事先固化的模型。 * 量化投资的特点 定量分析。综合各种定量化投资技术。 科学验证。与传统定性投资相比，定量投资更加强调投资思想的科学验证。科学验证的基础是丰富的海量数据。 纪律性。虽然量化模型是由人设计的，具体的交易单却由模型产生。这种由模型确定交易的过程能帮助我们克服 交易中的人性弱点（如贪婪、恐惧、侥幸心理），可以克服认知偏差，也可可跟踪问责。 系统性。数量化投资技术覆盖投资的全部流程，从量化选股、资产配置、组合优化、交易执行，到风险控制、绩效评估等环节都可以看到量化投资技术的身影。 * 择时 宏观：M1、M2、GDP、CPI、市场PE/PB、新增开户数 中观：行业先行、周期先行 微观：高频数据的程序化交易 配置 行业量化选择 风格转换、风格轮动 选股 指数增强 基本面选股 数量化选股、统计分析 算法交易 对大额订单分拆、寻找最佳路径、最优价格、降低成本 量化投资的基本模块 * 定性投资者的代表人物： 沃伦.巴菲特 1989-2008平均年回报约20%； 2008年回报率约-15% 定量投资者的成功典范： 詹姆斯.西蒙斯 1989-2008平均年回报约35%； 2008年回报率约80% 影响我们对市场的看法的人 詹姆斯·西蒙斯(James Simons), 量化投资大师，数学家和对冲基金——文艺复兴科技公司(Renaissance Technologies Corp.)掌门人。从1988年到2008年，他管理下的大奖章(Medallion)基金的年均净回报率是35.6%，比索罗斯等投资大师同期的年均回报率要高出10个百分点，比同期标准普尔500指数的年均回报率则高出20多个百分点。 * 量化投资的风险 量化投资的失败案例 长期资本管理公司1994-1997年获得了平均30%的回报率，但1998年金融市场动荡，赔了80%，直接导致该公司倒闭。 高盛旗下的最大量化基金——全球阿尔法基金2006年损失了6%，2007年损失了40%。 量化投资的绩效与市场有效性 金融市场近乎有效的 * 1950年代出现，2000年后蓬勃兴旺，占全美投资的30% 绝对数额：量化资管规模小于传统模式 发展速度：2003年后年增速15%，而传统增速小于5% 全球数量化基金发展状态 * 广大保德信量化核心 上投摩根阿尔法 嘉实量化阿尔法 中海量化策略 长盛量化红利策略 富国沪深300增强 华商动态阿尔法 南方策略优化 华泰柏瑞量化先行 长信量化先锋 目前国内市场上的一些量化基金 二、量化投资系统的典型模型构造 【主要参考文献】里什?纳兰，打开量化投资黑箱，机械工业出版社，2012年 * 1、阿尔法模型 阿尔法：扣除市场基准回报以后的投资收益。 追求阿尔法回报的策略就是投资组合的资产配置决策及设置其头寸规模的择时决策。 阿尔法一般旨在通过预测未来而赚钱。 阿尔法模型类型：理论驱动和数据驱动 理论驱动：价值/收益型、成长型、品质型（flight-to-quality）（基于基本面数据）；趋势型、回复型（基于价格相关数据） 数据驱动：数据挖掘 策略实施：预测目标、投资期限、投注结构、投资范围、模型设置、运行频率。 * p52T3-7 理论驱动型阿尔法模型结构图 * 2、风险控制模型