基金管理行业课件.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 过去几年主动量化基金的发行引起了不少关注，主动量化基金在国内基金业为数仍然较少，规模不大； 截至2014年11月10日，根据Wind数据，主动量化基金有31只，总规模约287亿元，市场份额不到1%。 国内数量化投资的发展状况 * 收集历史数据：行情数据（价格、交易量等）、公司财务报表、研究员的盈利预测、宏观经济数据等； 思考哪些因素可能是股票或其他证券的重要驱动因素； 编写计算机程序，历史回头测试这些因素，看看他们是否有效，风险有多大以及这些因素之间的相关性，最后构建一个优化的量化模型； 实际投资操作，多半会先仿真交易（纸交易），有信心之后再用真钱投入； 不断改进模型和实际运作。 数量化投资的基本步骤 * 案例一：因子选股模型 诺贝尔奖获得者William Sharpe的资产定价理论（CAPM）其实也是一个数量化投资模型，属于单因子模型的一种 Ri-Rf = α+β(Rm-Rf)+ε Ri、Rm、Rf分别是股票、市场和无风险资产的回报， α（阿尔法）为超额收益； 在Sharpe的资产定价理论中，预期的阿尔法为0，所以可以根据历史的阿尔法设计一个反转策略，即超配过去表现弱于市场的股票，低配过去表现强于市场的股票。 * 方法：在所有A股股票中选择过去一个月表现最差的10%的股票，给予他们等权重，回头测试过去几年的投资表现 案例一：因子选股模型（续） * 方法：在所有A股股票中选择市盈率或市净率最低的10%的股票，给予他们等权重，回头测试过去几年的投资表现。 案例一：因子选股模型（续） * 案例一：因子选股模型(续） 量化选股模型 朝阳永续 国泰安 情绪 Sentiment 估值 Valuation 通过学术理论、因子 IC 、优化确定 选股因子权重： 个股的预期收益评分（ Appraisal Score ） 估算个股之间的相关性： Barra Risk Model 、 PCA 万德 盈利 Quality 成长 Growth 技术 Technical 确定个股权重 ：线性规划 (LP) 、非线性规划 (QP) 根据交易量估算个股 交易 冲击成本 (Market Impact) 数据提供商 选股因子 个股的收益评分 估算风险、成本 优化组合 * 案例一：因子选股模型(续） 量化选股模型 因子风格 因子编号 因子信息 因子权重 风格权重 模型权重 1 成长 43 盈利成长因子 1.0000 0.27158 0.27158 2 动量 23 价格动量因子 1.0000 0.12026 0.12026 3 情绪 75 市场情绪因子 1.0000 0.06546 0.06546 4 大小 1 市值因子 1.0000 0.31103 0.31103 5 技术 15 技术因子A 0.3009 0.23167 0.06971 6 技术 24 技术因子B 0.6991 0.23167 0.16196 优化组合年化收益统计表 年化回报 年化波动率 信息比 最大跌幅 胜率 15.47% 5.51% 2.81 -3.31% 79.57% * 80年代由摩根斯坦利的Gerald Bamberger发明的著名统计套利策略； 方法：选择两只相关性极高的股票，利用他们之间的偏离，看多表现较差的股票，看空表现较好的股票。 案例二：配对交易策略（统计套利） * 著名的Black-Scholes期权定价理论其实也是一个数量化投资模型，许多期权套利策略都是基于这个理论开发起来的，例如波动性套利、目标价套利、跨期套利、反转套利、盒子套利（Box Arbitrage)等。 案例三：期权定价理论 * 比较科学和客观：采用科学研究的方法，以历史实际检验为基础，操作起来遵守模型，主观因素较少； 可以快速有效地筛选大量的股票，具有很好的可放大性，需要的人力和设备投入不多，且多半为一次性投入； 更重视投资的性价比，特别是风险调整后的收益，例如信息比、夏普比等； 风险控制是强项，有严格、系统的控制组合风险的理论和方法； 对交易费用的控制也是强项，有系统的交易费用控制理论和方法。 数量化投资的优点 * 对个股研究不够深入，为了降低个股风险，多半采取投资一篮子股票的办法； 因为需要从历史数据发现规律并且做回头测试，对历史数据的依赖性较强； 不是所有的投资信息都能数量化的，例如公司管理层的能力、行业竞争力、品牌、行业发展方向等。 数量化投资的缺点 * 数量化投资和传统的基本面投资之间的差异