搜索
谨请参阅尾页重要申明及联合证券股票和行业评级标准。1/15分析师宋曦(0755)82492009songxi@lhzq.com数量化投资金融工程从行业数量化配置系列研究来看，通过基本面信息挖掘得到对未来行业收益的看法，然后再利用优化算法得到最优投资组合，是一种进行行业配置较为理想的手段。本文基于多因素模型和Black-Litterman模型构建了一套数量化行业配置投资体系，可以用于进行构建和管理数量化基金，并辅助投资决策。我们检验了2005年至2007年在中国A股市场上的投资绩效，同时试图发掘出增强组合alpha的行业，即alpha生成器。多因素模型系统性表达对资产预期收益的看法，具有相对稳健以及全方位考查的优势，对投资者应用而言是注重实际、易处理、也易于理解的，因此可以用作对行业未来收益进行预测。在无约束的条件下，行业量化投资组合是一种多头/空头（Long/Short）策略，能够战胜沪深300指数以及行业综合指数。同时，该系统能够方便的添加各种约束条件，能够更贴近实际投资，控制了对某些风险的过度配置。理论和实证结果表明，加入过多约束并不利于构建最优的行业配置组合。通过实证检验，最具有alpha生成器特征的行业是：黑色金属、食品饮料、公用事业、交通运输和金融服务。2008/03/24相关研究《行业配置数量化研究之一》发表日期（2007/12/17）《行业配置数量化研究之二》发表日期（2008/02/15）行业配置数量化研究之三——寻找增强组合收益的alpha生成器行业配置数量化研究之三Mar-2008谨请参阅尾页重要申明及联合证券股票和行业评级标准。2/15目录一、Alpha生成器.......................................................................................3二、多因素模型——系统性表达对资产收益的看法.....................................3三、行业多因素模型....................................................................................4四、行业配置实证结果................................................................................51.无约束条件的量化行业配置.............................................................52.约束条件下量化行业配置.................................................................62.1卖空约束.................................................................................72.2绝对投资比例..........................................................................82.3相对投资比例........................................................................113.小结...............................................................................................12五.从行业配置角度发掘alpha生成器......................................................13六、进一步的研究与思考...........................................................................13行业配置数量化研究之三Mar-2008谨请参阅尾页重要申明及联合证券股票和行业评级标准。3/15在对于行业配置数量化研究的报告中，我们分别介绍了两种可以用于行业配置的方法：动量模型和Black-Litterman模型，这两种方法都可以为我们进行行业配置提供一些依据。特别在第二篇报告中，我们利用BL模型将投资者主观看法和市场的客观均衡相结合，进行行业数量化配置取得了不俗的效果。其中，我们用分析师的一致预期ROE来表示对行业预期收益的主观看法，这种方法虽然在实际中的投资绩效，但毕竟仍然是一个单因素模型，如何利用系统性方法来表达对行业预期超额收益的看法仍然是较难解决的课题，将在本篇报告中具体探讨这一问题。一、Alpha生成器所谓alpha生成器（alphagenerator）是指一种资产加入到现有资产组合中，能够在不增加风险的情况下产生超额收益或者使得收益高于某预设的基准，那么这种资产就可以被称为alpha生成器。alpha生成器能够是任何一种证券，包括：政府债券，外国股票，衍生品（如股票期货和期权）。一般alpha的衡量是基于风险调整的基础，通过对组合收益按照CAPM模型进行调整得到的超额收益。一个alpha生成器加入到组合，会起到增加收益却未增加额外的风险（以波动率或者下方波动来衡量）。这种思路遵循了现代投资组合理论：风险控制在一定水平上使投资者效用最大化。我们认为通过资产配置来实行经风险调整的收益增加，才能够产生Alpha，而不是单纯追求绝对收益，只有在风险可控下的绝对收益才是有意义的，而单纯比较收益是最优的一种方法。我们在测试行业数量化配置方法在实际投资中的绩效，同时试图发掘出最有可能成为alpha生成器的行业，以及最不可能成为alpha生产器的行业。二、多因素模型——系统性表达对资产收益的看法多因素模型为投资组合中股票收益与风险关系的正式描述。因此，也时也称多因素模型为“多因素风险模型”。其最主要的假设为：相似的股票应该有相似的收益。“相似性”被定义成来自市场信息的价格、交易量等或衍生于公司财务报表的基本面数据的一些财务比率、描述性变量（descriptors）与资产归因（attributes）等。由此可见，多因素模型对投资人应用而言是注重实际、易处理、也是易理解的。基本的因素模型可以分为三类，如图一所示。其中，宏观经济因素利用可观察的经济数据如通膨率、利率等，以时间序列分析（time-seriesanalysis）作为对股票收益瞬间震荡（shocks）的衡量。基本面因素以常见的投资组合收益进行归因－如现金股利率、账面市价比、行业成员等，利用横截面分析（cross-sectionalanalysis）来解释风险与收益的关系。而统计因素则衍生于因素分析（factoranalysis）或类似算法对证券收益的协方差矩阵进行分析。以上三种模型都有其行业配置数量化研究之三Mar-2008谨请参阅尾页重要申明及联合证券股票和行业评级标准。4/15优缺点。一般而言，基本面因素模型较适合解释股票报酬间的横截面差异，而时间序列宏观经济因素模型在捕捉风险上较为适当。然而，Connor(1995)研究结论指出，在模型的解释能力方面，横截面-基本面因素模型表现优于其他模型。本研究采用横截面研究的方法，并综合采用基本面因素和统计因素来对行业收益进行预测，这种方法就是系统性表达对行业收益的看法。图1多因素模型的类别资料来源：Connor(1995)，FinancialAnalystsJournal三、行业多因素模型股票收益可以运用多因素模型来进行解释和预测，而行业或者板块无非是多个上市公司股票的组合，按照整体法观点，多因素模型可以用于行业收益的预测，表达对行业未来收益率的看法。我们试图采用的因素包括三个部分：第一部分为估值指标，账面价值/股价（B/P）和每股收益/股价比（E/P）；第二部分为财务指标，即各种财务指标，包括ROE，主营业务增长率，总资产周转率等；第三部分是统计规律，包括三个月动量和Beta指标。数据描述：采用2004年至2007年三年的历史数据，而行业分类使用则是申万一级行业标准，共分为23个行业。一致预期ROE取自朝阳永续，除此之外的其他数据来自于Wind资讯。建模方法：在量化行业配置模型中，按照每个季度最新的信息进行一次行业收益率的预测，并用预测收益结果代表投资者对未来行业收益的主观看法，带入到Black-Litterman模型，最后得到每个行业具体配置比例。业绩基准：由于申万行业指数中并没有采用沪深300指数的成份股，因此，我们按照行业指数以及其成份股的流通市值加权做了一个行业综合指数（每个季度按照流通市值变化进行一次权重调整）。多因素模型类别统计因素（StatisticsFactor）宏观经济因素（Macroeconomic）基本面因素（FundamentalFactor）统计规律：动量指标，反转指标通货膨胀率无风险利率P/EP/B行业配置数量化研究之三Mar-2008谨请参阅尾页重要申明及联合证券股票和行业评级标准。5/15四、行业配置实证结果我们分别按照无约束的行业配置和有约束的行业配置来分别检验上面提到行业配置方法来检验在国内股票市场中的实际绩效。1.无约束条件的量化行业配置我们在无约束条件下求得了模型得到的2004年12月至2007年12月行业配置比例，共分13期：图2数量化行业配置变动0%20%40%60%80%100%120%140%160%180%200%12345678910111213农林牧渔采掘化工黑色金属有色金属建筑建材机械设备电子元器件交运设备信息设备家用电器食品饮料纺织服装轻工制造医药生物公用事业交通运输房地产金融服务商业贸易餐饮旅游信息服务综合资料来源：联合证券研究所通过我们的模型结果来看，大部分行业在这三年间经过多因素模型和Black-Litterman模型优化后的配置结果并没有发生剧烈的变动①。除去综合类行业，变动最大的行业为金融服务业，这主要是由于银行和证券公司的较大规模IPO导致在整个流通市值中的占比大幅度提高造成的。虽然同金融服务业一样，但房地产公司股价也在牛市中颇受追捧，但是其在行业配置中没有发生显著变化。其余配置比例变动较大的行业分别是：医药生物、公用事业和黑色金属，交通运输和信息服务。我们发现一个有趣的现象：在上面对行业配置模型中，综合行业均处于被卖空的行业，这说明综合行业只有卖空才对组合具有意义，否则在组合中持有该行业是不能起到改善组合绩效的结果，反而会拖累整个组合的业绩。该策略自2005年1月1日～2008年3月12日累计收益情况如下图所示：①这里指的行业配置变动仅仅指某个行业在这三年中配置比例变化的标准差进行比较。行业配置数量化研究之三Mar-2008谨请参阅尾页重要申明及联合证券股票和行业评级标准。6/15图3累计收益表现（2005.1.1～2008.3.12）0%100%200%300%400%500%600%700%800%2004-12-292005-03-112005-05-172005-07-142005-09-122005-11-162006-01-172006-03-272006-05-312006-07-282006-09-262006-11-302007-02-012007-04-092007-06-132007-08-102007-10-162007-12-13量化行业配置行业综合指数沪深300指数资料来源：联合证券研究所由于包含了综合类行业的较大空头头寸，我们的组合是一个多头/空头（Long/Short）组合，按照150/50和160/60这样的多空头寸比例来配置。实际结果是：在2005年1月～2007年12月，该组合绝对收益为580%，战胜沪深300指数达146%，年化回报（几何平均）达到了89%，而沪深300的年化收益为75%。按照Sharp比率来计算，量化行业配置组合由