阿尔法战略介绍.docVIP

Alpha策略 　　Alpha策略是通过因子模型来获取超额收益的策略，这里的超额收益往往是指没有经过风险调整的，单纯衡量资产组合收益率超过基准指数收益率的部分。获取这种超额收益的目的主要是通过卖空股指期货构造对冲策略。可转移alpha策略不同于alpha策略，需要投资组合能够获取经风险调整后的超额收益，即CAPM模型中的alpha。 　　所谓因子模型，就是通过因子来解释股票收益率，每只股票都有相同的无数个因子，在不同时期不同个股能有效解释收益率的因子是不一样的。衡量因子有效性的指标是信息比。每个因子的更新时期不同，有些因子要隔一段时间才能得到最新的数据，因此随着时间的推移，直到数据更新之前，因子的有效性也会逐渐下降。除了时效性，还有一种因子的有效性下降情况，就是因子的轮动，有效性高的因子种类可能会发生改变，原来用于资产选择的因子有效性会降低，如果需要根据最新的有效因子进行资产重新配置，将会因为提高资产组合的换手率造成大量的交易成本，因此还需要权衡因子有效性和交易成本，一些研究报告也做了诸如此类的研究，提出了因子的半衰期。半衰期是指因子IC_IR下降到一半的时间。因子还有可能如果是多因子模型，还需要考虑因子的加权方式，根据加权结果得出最终评分，再将个股进行分档，构建投资组合。行业配置也可以用alpha策略进行配置，同样也是根据因子模型对行业进行筛选和加权构建投资组合。 Alpha策略因子选择 　　Alpha策略因子有多种，可分为统计因子、宏观经济因子、基本面因子。统计因子包括动量和反转等；宏观经济因子有通货膨胀率和无风险利率等；基本面因子有PE、PB、ROE等。 　　运用最多的是alpha因子，即通过CAPM模型计算的经风险调整后的超额收益，运用已实现的alpha因子可以构建alpha动量组合和alpha反转组合。 　　Alpha动量组合、alpha反转组合及基准指数往往可以构建大盘方向性指标，有研究报告做出过相关分析，运用Alpha动量与反转策略与基准指数的相互比较，可以研判市场目前所处的状态和未来的走势，即识别市场是处于牛市、熊市还是盘整市。 　　在这里，将alpha＞0的股票组合称之为动量组合，alpha＜0的股票组合称之为反转组合。 （1）如果Alpha 动量与反转策略都能够超越指数，且反转策略超越动量策略，则市场处于牛市中； （2）如果Alpha 动量和反转间无明显优势，两种策略与基准指数间也无明显优势时，市场为熊市（ 或牛市转入熊市的过度期）。 （3）如果Alpha 反转策略超过基准指数，且基准指数超过动量策略，则市场处于由熊市转为牛市的过度阶段。 （4）Alpha 动量超越反转策略，且反转策略不能战胜基准指数，市场处于盘整期（或结构性牛市）。 该研判方法在A股市场中取得了不错的成绩。 　　Alpha因子的数据，即计算已实现alpha，需要考虑alpha运用多长的时期去计算alpha值。不同时期计算的alpha不一样，因子数据不一样会影响投资组合的收益率，需要根据样本历史数据计算出收益率最高最稳定的区间。 　　除了alpha因子还有许多构建alpha策略的因子，包括基本面因子、事件驱动等，有许多报告作出相关研究，每一时期的有效因子都不一样。 　　另外一种生存alpha的方法是算法交易。通过合理的选择买卖时机，减少买入成本、增加卖出收益，获取超越竞争对手的Alpha。算法交易设计时，主要的考虑的是冲击成本与时间风险的平衡。 　　算法交易可以分为三大类：被动型算法交易、主动型算法交易及综合型算法交易。各种类型的算法交易有各自应用的范围。如果一个投资者希望在尽量短的时间内进行交易，需要使用偏主动型的算法交易；如果希望交易必须全部完成，需要使用偏被动型的算法交易。如果交易对象的流动性较差、波动性较大，则需要使用主动型算法交易，反之则适合使用被动型算法交易。 　　有些Alpha因子不是线性因子，即根据股票收益率排序的因子值不是单调的，这种不满足单调性的因子往往要排除在外，但还有另外一种方法，可以将这种非线性因子转化为线性的。 非线性因子与股票收益之间存在非线性关系常见的有以下几种：（1）非线性因子中间较好，两端较差；（2）第二种非线性因子整体呈线性，但及好的一端出现掉头；（3）第三种非线性因子同样整体呈线性，但及差的一端出现掉头。 　　将非线性因子转化为线性因子，一种方法是在因子模型中引入该因子的多项式，通过多项式特征来拟合收益率和因子值。这种方法可以有效改善非线性因子，但引入多项式经济解释意义不强。 　　第二种方法是引入附加因子，即哑变量。因子非线性的原因可能是股票另外一种特征不同导致因子对股票收益的作用方式不同。比如， 换手率跟股票收益率有显著的负相关，但是具有一定的非线性特征，如果考虑把全部样本分为两部分：高市