查看: 896|回复: 0

量化投资

[复制链接]

46

主题

47

帖子

168

积分

注册会员

Rank: 2

积分
168
发表于 2014-4-26 10:50:34 | 显示全部楼层 |阅读模式
量化投资在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。事实上,互联网的发展,使得新概念在世界范围的传播速度非常快,作为一个概念,量化投资并不算新,国内投资者早有耳闻。但是,真正的量化基金在国内还比较罕见。

本段一.简介
  量化投资区别于定性投资的鲜明特征就是模型,对于量化投资中模型与人的关系,大家也非常关心比较关心。我打个比方来说明这种关系,我们先看一看医生治病,中医与西医的诊疗方法不同,中医是望、闻、问、切,最后判断出的结果,很大程度上基于中医的经验,定性程度上大一些;西医就不同了,先要病人去拍片子、化验等,这些都要依托于医学仪器,最后得出结论,对症下药。医生治疗病人的疾病,投资者治疗市场的疾病,市场的疾病是什么?就是错误定价和估值,没病或病得比较轻,市场是有效或弱有效的;病得越严重,市场越无效。投资者用资金投资于低估的证券,直到把它的价格抬升到合理的价格水平上。但是,定性投资和定量投资的具体做法有些差异,这些差异如同中医和西医的差异,定性投资更像中医,更多地依靠经验和感觉判断病在哪里;定量投资更像是西医,依靠模型判断,模型对于定量投资基金经理的作用就像CT机对于医生的作用。在每一天的投资运作之前,我会先用模型对整个市场进行一次全面的检查和扫描,然后根据检查和扫描结果做出投资决策。
本段二.量化投资四大特点
  其实,定量投资和传统的定性投资本质上是相同的,二者都是基于市场非有效或是弱有效的理论基础,而投资经理可以通过对个股估值,成长等基本面的分析研究,建立战胜市场,产生超额收益的组合。不同的是,定性投资管理较依赖对上市公司的调研,以及基金经理个人的经验及主观的判断,而定量投资管理则是“定性思想的量化应用”,更加强调数据。
1·纪律性
  所有的决策都是依据模型做出的。我们有三个模型:一是大类资产配置模型、二是行业模型、三是股票模型。根据大类资产配置决定股票和债券投资比例;按照行业配置模型确定超配或低配的行业;依靠股票模型挑选股票。纪律性首先表现在依靠模型和相信模型,每一天决策之前,首先要运行模型,根据模型的运行结果进行决策,而不是凭感觉。有人问,模型出错怎么办?不可否认,模型可能出错,就像CT机可能误诊病人一样。但是,在大概率下,CT机是不会出错的,所以,医生没有抛弃CT机,我的模型在大概率下是不出错的,所以,我还是相信我的模型。
  纪律性的好处很多,可以克服人性的弱点,如贪婪、恐惧、侥幸心理,也可以克服认知偏差,行为金融理论在这方面有许多论述。纪律化的另外一个好处是可跟踪。定量投资作为一种定性思想的理性应用,客观地在组合中去体现这样的组合思想。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的,特别是有数据支持的。如果有人质问我,某年某月某一天,你为什么购买某支股票的,我会打开系统,系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、动量上、技术指标上的得分情况,这个评价是非常全面的,只有汇总得分比其他得分要高才有说服力。
2·系统性
  具体表现为“三多”。首先表现在多层次,包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型;其次是多角度,定量投资的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度;再者就是多数据,就是海量数据的处理。人脑处理信息的能力是有限的,当一个资本市场只有100只股票,这对定性投资基金经理是有优势的,他可以深刻分析这100家公司。但在一个很大的资本市场,比如有成千上万只股票的时候,强大的定量投资的信息处理能力能反映它的优势,能捕捉更多的投资机会,拓展更大的投资机会。
3·套利思想
  定量投资正是在找估值洼地,通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。定性投资经理大部分时间在琢磨哪一个企业是伟大的企业,那个股票是可以翻倍的股票;与定性投资经理不同,定量基金经理大部分精力花在分析哪里是估值洼地,哪一个品种被低估了,买入低估的,卖出高估的。
4·概率取胜
  这表现为两个方面,一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是依靠一组股票取胜,而不是一个或几个股票取胜。
三.在国内市场的发展潜力
  首先,相较于海外成熟市场,A股市场的发展历史较短,投资者队伍参差不齐,投资理念还不够成熟,留给主动投资发掘市场非有效性,产生阿尔法的潜力和空间也更大。投资理念多元化,也创造出多元分散的alpha机会。
  其次,量化投资的技术和方法在国内几乎没有竞争者。中医治疗中医擅长的疾病、西医治疗西医擅长的疾病;如果把证券市场看作一个病人的话,每个投资者就是医生,定性投资者挖掘定性投资的机会,治疗定性投资的疾病,定量投资者挖掘定量投资的机会,治疗定量投资的疾病。现在证券市场上定性投资者太多了,机会太少,竞争太激烈;量化投资者太少了,机会很多,竞争很少。这给量化投资创造了良好的发展机遇——当其他人都摆西瓜摊的时候,我们摆了一个苹果摊。
  总的看来,量化投资和定性投资的差别真的有如中医和西医的差别,互有长短、各有千秋。
  由此可见,随着2010年4月股指期货的出台,量化投资国内市场发展潜力逐渐显现,目前已有国泰安金融学院,北京大学汇丰商学院,上海交通大学安泰管理学院投入数百万开设了专业的量化投资金融实验室,并开办了量化投资高级研修班,为国内量化投资的市场发展提供了良好学术和实战环境。
四.量化投资基金
  国内12只相关基金:
  光大量化基金(光大量化核心基金)
  中海量化基金
  上投摩根阿尔法
  华商动态
  富国沪深300增强
  嘉实量化阿尔法基金
  南方策略优化
  长盛量化基金
  友邦柏瑞量化
  华富量子生命力基金
  大摩华鑫多因子精选策略基金
  申万菱信量化小盘基金
五.主要量化投资策略
  量化投资技术几乎覆盖了投资的全过程,包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易,资产配置,风险控制等。
1·量化选股
  量化选股就是采用数量的方法判断某个公司是否值得买入的行为。根据某个方法,如果该公司满足了该方法的条件,则放入股票池,如果不满足,则从股票池中剔除。量化选股的方法有很多种,总的来说,可以分为公司估值法、趋势法和资金法三大类
2·量化择时
  股市的可预测性问题与有效市场假说密切相关。如果有效市场理论或有效市场假说成立,股票价格充分反映了所有相关的信息,价格变化服从随机游走,股票价格的预测则毫无意义。众多的研究发现我国股市的指数收益中,存在经典线性相关之外的非线性相关,从而拒绝了随机游走的假设,指出股价的波动不是完全随机的,它貌似随机、杂乱,但在其复杂表面的背后,却隐藏着确定性的机制,因此存在可预测成分。
3·股指期货套利
  股指期货套利是指利用股指期货市场存在的不合理价格,同时参与股指期货与股票现货市场交易,或者同时进行不同期限,不同(但相近)类别股票指数合约交易,以赚取差价的行为,股指期货套利主要分为期现套利和跨期套利两种。股指期货套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。
4·商品期货套利
  商品期货套利盈利的逻辑原理是基于以下几个方面 :(1)相关商品在不同地点、不同时间对应都有一个合理的价格差价。(2)由于价格的波动性,价格差价经常出现不合理。(3)不合理必然要回到合理。(4)不合理回到合理的这部分价格区间就是盈利区间。
5·统计套利
  有别于无风险套利,统计套利是利用证券价格的历史统计规律进行套利,是一种风险套利,其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计套利在方法上可以分为两类,一类是利用股票的收益率序列建模,目标是在组合的β值等于零的前提下实现alpha 收益,我们称之为β中性策略;另一类是利用股票的价格序列的协整关系建模,我们称之为协整策略。
6·期权套利
  期权套利交易是指同时买进卖出同一相关期货但不同敲定价格或不同到期月份的看涨或看跌期权合约,希望在日后对冲交易部位或履约时获利的交易。期权套利的交易策略和方式多种多样,是多种相关期权交易的组合,具体包括:水平套利、垂直套利、转换套利、反向转换套利、跨式套利、蝶式套利、飞鹰式套利等。
7·算法交易
  算法交易又被称为自动交易、黑盒交易或者机器交易,它指的是通过使用计算机程序来发出交易指令。在交易中,程序可以决定的范围包括交易时间的选择、交易的价格、甚至可以包括最后需要成交的证券数量。根据各个算法交易中算法的主动程度不同,可以把不同算法交易分为被动型算法交易、主动型算法交易、综合型算法交易三大类。
8·资产配置
  资产配置是指资产类别选择,投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。量化投资管理将传统投资组合理论与量化分析技术的结合,极大地丰富了资产配置的内涵,形成了现代资产配置理论的基本框架。它突破了传统积极型投资和指数型投资的局限,将投资方法建立在对各种资产类股票公开数据的统计分析上,通过比较不同资产类的统计特征,建立数学模型,进而确定组合资产的配置目标和分配比例。
六. 量化投资的风险
  市场上,针对不同的投资市场,投资平台和投资标的,量化策略师按照自己的设计思想,设计了不同的量化投资模型。这些量化投资模型,一般会经过海量数据仿真测试,模拟操作等手段进行经验,并依据一定的风险管理算法进行仓位和资金配置,实现风险最小化和收益最大化。但是潜在的风险,可能来自以下几个方面:
  第一 历史数据的完整性,行情数据的完整性都可能导致模型对行情数据的不匹配。行情数据自身风格转换,也可能导致模型失效,如交易流动性,价格波动幅度,价格波动频率等。这一点是目前量化界最难克服的。
  第二:模型设计中没有考仓位和资金配置,没有安全的风险评估和预防措施,可能导致资金、仓位和模型的不匹配,而发生爆仓现象。
  第三:网络中断,硬件故障也可能对量化投资产生影响。
  第四:同质模型产生竞争交易现象导致的风险。
  第五:单一投资品种导致的不可预测风险。
  规避或减小风险的策略包括以下几点:
  保证历史数据的完整性。在线调整模型参数,在线选择模型类型。风险在线监测和规避。严格利用最大资金回撤设计仓位和杠杆。备份操作。不同类型量化模型组合。不同类型标的投资组合。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表