量化投资思路探究课件.pptx

量化投资思路探究 ——2015年国泰君安金融工程4季度策略会 姓名：刘富兵 邮箱：liufubing008481@ 电话：021 证书编号：S0880511010017 量化研究流程与体系 1 请参阅附注风险提示 量化投资学术应用篇 LPPL模型-捕捉投资者的贪婪与恐惧 相似匹配-历史上相似的那些年 权重优化-提高业绩稳定性的一大利器 违约风险因子-信用风险引入股票投资 2 请参阅附注风险提示 知情交易概率因子-微观数据中寻找alpha LPPL模型-捕捉投资者的贪婪与恐惧 金融市场泡沫的形成与破裂与地震、材料断裂等物理现象有非常多的相似之处，都是复杂系统的自组织临界性行为。 地球物理和临界现象研究中所常用的LPPL(Log-Periodic Power Law)模型（对数周期性幂律模型）可以用来研究金融领域的泡沫，该模型认为泡沫的形成是由于交易者之间相互模仿，通过正反馈形成集体效应，最终的崩盘是由市场动力学机制所致 LPPL模型的含义 基于交易者之间的相互模仿，这些局部相互作用可形成正反馈，从而导致泡沫和反泡沫的产生 -金融市场反泡沫价格演化呈现出对数周期性振荡且振荡周期不断延长。金融泡沫恰好与之相反，表现为振荡周期不断缩短 地震模型特点 -一是对数周期性振荡, 在线性尺度下, 越接近临界时间, 振荡频率越快, 但在对数尺度下, 振荡频率为常数; -二是幂律增长,或称超指数增长，即价格的增长率不是常数，而是单调递增。 3 请参阅附注风险提示 LPPL模型刻画的四种状态 LPPL模型-捕捉投资者的贪婪与恐惧 资料来源：国泰君安证券研究 请参阅附注风险提示 4 5 检验步骤 1、模型的适用性检验-幂律性与对数周期性 2、变换样本起始点与终点，给出泡沫破裂点20/80的置信区间 3、给出10条最有可能发生的路径 参数估计 1、线性参数表示成非线性参数 2、非线性最优化求解非线性参数 3、利用第一步求出线性参数 LPPL模型-捕捉投资者的贪婪与恐惧 假设历史是可以重复的，利用机器自我学习机制，寻找所谓“相似集”，分析其后一期的历史走势，并通过最优化方法得出当前组合配置的最优权重 1.在历史数据中，定义相似集，找到与当期某一历史窗口相似的历史走势。 2.分析所有历史相似集后一期走势，根据优化算法得到下一期各行业的配置权重。 3.根据不同历史窗口，得到所有窗口情况下的最优权重，根据策略净值来分配组合所有的最优权重，以此得到最终的下期行业配置权重。 相似的定义-相关系数 相似匹配-历史上相似的那些年 资料来源：国泰君安证券研究 请参阅附注风险提示 6 相似匹配-历史上相似的那些年 资料来源：国泰君安证券研究，wind 请参阅附注风险提示 7 8 请参阅附注风险提示 基于量钟和批量方向判别的方法，ELO于2010年更新了PIN： 其中，V为固定的区间成交量，n为估计PIN需要的区间数量。 数量V的不同，反映不同层面的信息情况，导致PIN值变化范围的不同。 知情交易概率因子-微观数据中寻找Alpha 9 请参阅附注风险提示 选取沪深300指数历史成分股作为备选股票池，测算数据时间区间为2009年至2013年，组合实际运行区间为2010年至2013年。 根据Alpha因子由低至高进行排序，构建现金中性的多空组合，排在前面n%的股票做多，排在后面n%的股票做空。 知情交易概率因子-微观数据中寻找Alpha 违约概率因子-将信用风险引入股票投资 10 请参阅附注风险提示 Merton信用风险模型： 公司资产价值服从GBM： 当公司债务到期时，如果公司资产少于公司债务，公司权益价值为0；如果公司资产大于公司债务，公司权益价值等于资产减去负债。 11 请参阅附注风险提示 根据Merton信用风险模型，公司发生违约的概率： 违约概率因子-将信用风险引入股票投资 12 请参阅附注风险提示 数据来源：Wind，国泰君安证券研究 违约概率因子-将信用风险引入股票投资 权重优化-提高业绩稳定性的一大利器 13 任意股票在同一时刻都暴露于多种不同的风险因素下，它们之间的共同作用形成了股票价格的波动。 风险模型的意义在于找到股票价格波动的成因，并将股票收益来源进行分解剥离，并实现对未来股票价格波动的预测。 结构化风险模型利用风险因子和特质因子来分解股票收益率，并利用因子收益率的波动来解释股票价格的波动。 结构化风险模型大大降低了组合风险的计算复杂度。 14 9大类风格因子：Beta、Momentum、Size、Earning Yield、Volatility、Growth、Value、Leverage、Liquidity. 组合收益率： 组合波动率： 权重优化-提高业绩稳定性的一大利器 15 因子有效性检验 Factor Name Ave