量化投资研究方法.ppt

2.2 基金仓位估计误差控制在正负1% 中信基金仓位监测所跟踪基金数量与分类 数据来源：中信证券数量化投资分析系统 保本型 偏债型 中信证券基金仓位精度分析 总体来看，基金仓位估计存在正负1%的误差；由于采用了更加适用的模型，07年2季度以后跟踪误差出现显著下降 * 2.3 仓位峰谷值与仓位趋势判断 全部样本基金与股票型样本基金历史仓位测算走势 数据来源：中信证券数量化投资分析系统 仓位的谷值与峰 值可以帮助我们 判断趋势的反转。 * 2.4 情绪影响投资决策，导致投资行为偏差 投资者并非完全理性，受制于情绪波动 心理因素在投资决策和市场演绎中起着重要作用 情绪的大幅度波动导致认知偏差和情绪偏差，从而放大乐观或者悲观的情绪 投资者情绪也是产生一些金融“异象”的原因之一 投资者行为存在各种各样的偏差 过度自信 过度反应与反应不足 损失厌恶与处置效应 从众心理与羊群心理 暴富心理与新股炒作 安全心理与低价股效应 《洛杉机时报》市场情绪周期 * 2.5 建立投资者情绪监控指标体系，拟合成情绪指数 项目 代理变量名称 变量描述 市场整体类指标 P/E 市场整体市盈率 P/B 市场整体市净率 TURNOVER 市场整体换手率 市场结构类指标 ADV/DEC 市场上涨家数比下跌家数 ARMS 上涨家数比上涨家数成交量比下跌家数比下跌家数成交量 High/Low 市场创新高家数比创新低家数 SML 小盘股相对大盘股的超额收益率 IPO系列指标 NIPO 股票首发上市家数 RIPO 股票上市首日涨幅 封闭式基金折价率 CEFD 市场封闭式基金折价率 资金流动指标 NAA A股帐户净增加数 数据来源及频率 数据来源：Wind，中信数量化投资分析系统，中登等；周频率 A股净开户数历史较短，以前四类指标为主 * 2.6 采用主成份法拟合情绪指数，形成可持续更新 标准化处理 选择主成份变量 滚动计算，头尾相连成指数 采用主成份法，提取第一和第二主成份 第一主成份，称之为“投资者情绪水平指数” 第二主成份，称之为“投资者情绪变动指数” 主成份拟合步骤 周频率数据；标准化 数据来源及频率 数据来源：Wind，中信数量化投资分析系统，中登等；周频率 A股净开户数历史较短，以前四类指标为主 * 2.7 情绪指数的多种应用 投资者情绪水平指数在±2之间波动 可以提前1－2月预测股市的大顶和大底 投资者情绪变动指数衡量投资者情绪的变动幅度 历史经验表明，当情绪变动指数的值突破5时（其值一般在[－1.46，＋5.69]之间波动），后续铁定出现一个跌幅超过6％的调整。当情绪指数从负值上升到3附近时，后续可能出现调整，调整幅度在历史经验上不一，或不超过1％，或达到5％。 投资者情绪水平指数Vs.中标A股综合指数 投资者情绪水平指数Vs.未来一周涨跌幅 数据来源：中信证券数量化投资分析系统 数据来源：中信证券数量化投资分析系统 * 目录 * 量化投资研究的定位 量化投资：仓位与情绪监控 量化投资：行业配置与行业轮动 量化投资：大小盘风格轮动监测 量化投资：驱动因子及量化选股 量化投资：事件驱动交易 3.1 行业比较的自上而下VS自下而上 Bottom-Up Top-Down Portfolio Asset Allocation Securities Selection Risk Management A股市场行业结构 股改前后发生很大变化 产业转型与整合 大量市场外存量资产上市 3.2 从多个角度入手分析A股市场行业轮动规律 A股市场具有独特的投资时钟和行业轮动特征 行业间的高度联动 行业轮动快速切换 行业配置结果 长期 短期 中期 动量反转 业绩驱动 估值回复 中信行业 证监会 GICS 周期 非周期 上/中/下游 行业分类 * 3.3 行业选择：业绩驱动+估值回复+动量反转 结果回溯： 66.7%的月份配对66%以上行业。 长期看能配好57.8%的行业。 超配情况： 08年11月耐用消费/能源/原材料 09年4月金融地产/能源 09年7月消费（零售、医药、半导体、传媒） 09年8月食品医药、健康设备、软件服务、公用事业 定量组合的历史配置情况 数据来源：中信证券数量化投资分析系统 3.4 主要基于业绩驱动和估值回复进行中期行业配置 数据来源：中信证券数量化投资分析系统 2009年4月30日行业配置策略不同行业超配/低配情况（按GICS行业划分） 根据财务数据披露节奏季度调整——历史成功概率58.9% * 3.5 积极利用动量反转把握短期行业轮动 数据来源：中信证券数量化投资分析系统 持有期和观测期均为一个月的动量反转效应 A股市场行业动量反转效应分析 短期动量效应显著：持有期和观察期均为一个月的动量效应最显著 中期反转效应存在：