数量化投资

数量化投资继年初嘉实量化基金成立后，中海量化策略基金也于6月19日顺利结束募集，首次募集16.46亿元，两只基金均采用国际流行的数量化投资方法。算上2004年发行的光大保德信量化核心基金和2005年发行的上投摩根阿尔法基金，至此我国共有4只公募量化基金。从本质上看，数量化投资理念将金融理论、数量化统计分析技术与投资者的定性分析和判断有机地结合在一起作为研究工具,将投资思想通过具体指标、参数的设计体现在模型中,并据此对市场进行不带任何主观情绪的跟踪分析,借助于计算机强大的数据处理能力来进行资产配置、股票选择、时机选择以及仓位控制等,以保证在控制风险的前提下实现收益最大化。数量化投资与传统的定性投资方法相比，相同点是，二者都致力于建立战胜市场、产生超额收益的投资组合；不同点是，定性投资方法侧重对上市公司的调研、基金经理个人的经验及其对市场的主观判断，而量化投资管理则更加强调数据的分析和应用，以先进的数学统计技术和模型替代人为主观判断。所以，与传统的定性分析方法相比，数量化投资方法能更为理性、客观地分析和筛选股票，避免投资的盲目性和偶然性，以及主观认识的局限性，它能更有效地控制非系统性风险及一些人为因素导致的风险。作为数量化投资理念的领航者，BGI(巴克莱全球投资)于1978年创立了全球第一只数量化投资策略基金。经过逾30年的发展，数量化投资如今已经在全球范围内得到投资人的广泛认可。特别是2005年以来，随着计算机技术的飞速发展，数量化投资基金已逐渐变成一个主流的方向。据统计，目前在美国零售市场发行的主动型股票基金中，数量化投资基金已占据了16%的市场份额，而在竞争激烈的机构投资市场，量化投资则获得了更多的关注，以BGI、SSGA（道富环球）和GSAM（高盛国际）为首的一大批以数量化投资为核心竞争力的机构已成为资产管理公司中的领头羊，BGI更以14000亿美元的规模，高居全球资产管理规模之首。同时，数量化投资理念也造就了一大批卓有成效的基金经理.其中，詹姆斯·西蒙斯最具有代表性，他创造了由数学家成为“最赚钱基金经理”的神话。西蒙斯将他的数学理论背景巧妙运用于股票投资实战中，借助数学统计理论和计算模型，其所管理的大奖章基金，从1989年到2006年的17年间，平均年收益率达到了38.5%，而股神巴菲特过去20年的平均年回报率为20%。更为神奇的是，在1998年俄罗斯债券危机、2001年高科技股泡沫危机以及2007年的次贷危机中，许多曾经闻名遐迩的对冲基金经理都走向衰落，但西蒙斯管理的大奖章基金却在几次金融危机中都表现得异常坚挺！从1988年成立到1999年12月大奖章基金总共获得2478.6%的净回报率，业绩可谓“鹤立鸡群”，超过第二名索罗斯的量子基金一倍，而同期的标准普尔指数仅有9.6%。即使在次贷危机全面爆发的2007年，该基金的回报率仍高达85%。西蒙斯也因此被誉为“最赚钱基金经理”、“最聪明亿万富翁”。其实西蒙斯的成功依赖于他的数学背景，他就是靠数学模型和电脑管理着自己旗下的基金，即用数学模型捕捉市场机会，由电脑做出交易决策。他称自己为“模型先生”，依靠量化的模型工具，而非较多的主观判断，西蒙斯也为投资人创造了惊人的回报。实际上，数量化投资方式正逐步被国内机构投资者认可，越来越多的基金经理开始使用数量化模型进行选股和资产配置，甚至据此进行择时交易和仓位控制。随着我国A股市场有效性的不断提高，融资融券、股指期货等新型投资机制和工具的推出，交易制度和衍生品市场的逐步建立和完善，数量化投资理念将会大有用武之地。数量化投资技术在基金中的应用作者：好买基金研究中心来源：好买理财2009年10月30日今年以来，一股“量化基金”的热潮悄然掀起，嘉实基金、中海基金、长盛基金和华商基金先后推出了自己的量化产品。关于量化基金，国际资本市场，尤其是美国市场已经有了长足的发展并形成了相当的规模，在投资的各个环节形成了较成熟的数量化方法及量化模型。目前，对于量化基金的定义有四种：Bloomberg认为量化基金因使用数量化投资方法而得名，量化基金通过数理统计分析，选择那些未来回报可能会超越基准的证券进行投资，以期获取超越指数基金的收益；Lipper所定义的量化基金是指投资者在投资决策上较多的依赖于数量化的方法而不仅仅是定性的方法，也就是说量化基金较少考虑公司的具体商业操作，而更多的考虑公司股票在市场上的表现；Forbes旗下的Investopedia则认为基于量化方法选股的基金即为量化基金；Profitfund认为量化基金通常会对市场行为建立计算机化的统计模型，基于数理统计分析对组合进行管理。从上述定义可以看出，Bloomberg和Lipper的定义相对比较广义，只是强调在投资的过程中使用数量化方法；而Investopedia和Profitfund的定义相对狭义，除了强调投资过程中使用数量化方法外，还强调投资决策是定量化的。好买认为在投资过程中使用数量化方法的基金即为量化基金。数量化投资是将投资理念及策略通过具体指标、参数的设计，体现到具体的模型中，让模型对市场进行不带任何情绪的跟踪；相对于传统投资方式来说，具有快速高效、客观理性、收益与风险平衡和个股与组合平衡等四大特点。量化投资技术几乎覆盖了投资的全过程，包括估值与选股、资产配置与组合优化、订单生成与交易执行、绩效评估和风险管理等，在各个环节都有不同的方法及量化模型：一、估值与选股估值：对上市公司进行估值是公司基本面分析的重要方法，在“价值投资”的基本逻辑下，可以通过对公司的估值判断二级市场股票价格的扭曲程度，继而找出价值被低估或高估的股票，作为投资决策的参考。对上市公司的估值包括相对估值法和绝对估值法，相对估值法主要采用乘数方法，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等；绝对估值法主要采用折现的方法，如公司自由现金流模型、股权自由现金流模型和股利折现模型等。相对估值法因简单易懂，便于计算而被广泛使用；绝对估值法因基础数据缺乏及不符合模型要求的全流通假设而一直处于非主流地位。随着全流通时代的到来和国内证券市场的快速发展，绝对估值法正逐渐受到重视。选股：在当前品种繁多的资本市场中，从浩瀚复杂的数据背后选出适合自己投资风格的股票变得越加困难。在基本面研究的基础上结合量化分析的手段就可以构建数量化选股策略，主流的选股方法如下：基本面选股：通过对上市公司财务指标的分析，找出影响股价的重要因子，如：与收益指标相关的盈利能力、与现金流指标相关的获现能力、与负债率指标相关的偿债能力、与净资产指标相关的成长能力、与周转率指标相关的资产管理能力等。然后通过建立股价与因子之间的关系模型得出对股票收益的预测。股价与因子的关系模型分为结构模型和统计模型两类：结构模型给出股票的收益和因子之间的直观表达，实用性较强，包括价值型（本杰明•格雷厄姆—防御价值型、查尔斯•布兰迪—价值型等）、成长型（德伍•切斯—大型成长动能、葛廉•毕克斯达夫—中大型成长股等）、价值成长型（沃伦•巴菲特—优质企业选择法、彼得•林奇—GARP价值成长法等）三种选股方法；统计模型是用统计方法提取出近似线性无关的因子建立模型，这种建模方法因不需先验知识且可以检验模型的有效性，被众多经济学家推崇，包括主成分法、极大似然法等。多因素选股：通过寻找引起股价共同变动的因素，建立收益与联动因素间线性相关关系的多因素模型。影响股价的共同因素包括宏观因子、市场因子和统计因子（通过统计方法得到）三大类，通过逐步回归和分层回归的方法对三类因素进行选取，然后通过主成分分析选出解释度较高的某几个指标来反映原有的大部分信息。多因素模型对因子的选择有很高的要求，因子的选择可依赖统计方法、投资经验或二者的结合，所选的因子要有统计意义上或市场意义上的显著性，一般可从动量、波动性、成长性、规模、价值、活跃性及收益性等方面选择指标来解释股票的收益率。动量、反向选股：动量选股策略是指分析股票在过去相对短期的表现，事先对股票收益和交易量设定条件，当条件满足时买进或卖出股票的投资策略，该投资策略基于投资者对股票中期的反应不足和保守心理，在投资行为上表现为购买过去几个月表现好的股票而卖出过去几个月表现差的股票。反向选股策略则基于投资者的锚定和过度自信的心理特征，认为投资者会对上市公司的业绩状况做出持续过度反应，形成对业绩差的公司业绩过分低估和业绩的好公司业绩过分高估的现象，这为投资者利用反向投资策略提供了套利机会，在投资行为上表现为买进过去表现差的股票而卖出过去表现好的股票。反向选股策略是行为金融学理论发展至今最为成熟，也是最受关注的策略之一。二、资产配置资产配置指资产类别选择、投资组合中各类资产的配置比例以及对这些混合资产进行实时管理。资产配置一般包括两大类别、三大层次，两大类别为战略资产配置和战术/动态资产配置，三大层次为全球资产配置、大类资产配置和行业风格配置。资产配置的主要方法及模型如下：资产配置方法与模型资产配置类别资产配置层次资产配置方法资产配置模型战略资产配置全球资产配置大类资产配置收益测度风险测度马克维茨MV模型均值-LPM模型行业风格配置估计方法VaR约束模型Black-Litterman模型战术资产配置(动态资产配置)周期判断风格判断时机判断行业轮动策略风格轮动策略Alpha策略投资组合保险策略来源：好买基金研究中心战略资产配置针对当前市场条件，在较长的时间周期内控制投资风险，使得长期风险调整后收益最大化。战术资产配置通常在相对较短的时间周期内，针对某种具体的市场状态制定最优配置策略，利用市场短期波动机会获取超额收益。因此，战术资产配置是在长期战略配置的过程中针对市场变化制定的短期配置策略，二者相互补充。战略资产配置为未来较长时间内的投资活动建立业务基准，战术资产配置通过主动把握投资机会适当偏离战略资产配置基准，获取超额收益。三、股价预测股价的可预测性与有效市场假说密切相关。如果有效市场假说成立，股价就反映了所有相关的信息，价格变化服从随机游走，股价的预测就毫无意义，而我国的股市远未达到有效市场阶段，因此股价时间序列不是序列无关，而是序列相关的，即历史数据对股价的形成起作用，因此可以通过对历史信息的分析来预测股价。主流的股价预测模型有灰色预测模型、神经网络预测模型和支持向量机预测模型（SVM）。灰色预测模型对股价的短期变化有很强的预测能力，近年发展起来的灰色预测模型包括GM（1,1）模型、灰色新陈代谢模型和灰色马尔可夫模型。人工神经网络模型具有巨量并行性、存储分布性、结构可变性、高度非线性和自组织性等特点，且可以逼近任何连续函数，目前在金融分析和预测方面已有广泛的应用，效果较好。支持向量机模型在解决小样本、非线性及高维模式识别问题中有许多优势，且结构简单，具有全局优化性和较好的泛化能力，比神经网络有更好的拟合度。四、绩效评估作为集合投资、风险分散、专业化管理、变现性强等特点的投资产品，基金的业绩虽然受到投资者的关注，但要对基金有一个全面的评价，则需要考量基金业绩变动背后的形成原因、基金回报的来源等因素，绩效评估能够在这方面提供较好的视角与方法，风险调整收益、择时/股能力、业绩归因分析、业绩持续性及Fama的业绩分解等指标和方法可从不同的角度对基金的绩效进行评估。绩效评估模型/指标绩效评估准则择时/股能力业绩归因分析风险调整收益业绩持续性Fama业绩分解模型/指标T-M模型H-M模型GII模型资产配置收益证券选择收益行业选择收益RAROCSharp,StutzerTreynor,Jensen双向表分析时间序列相关性总风险收益系统风险收益分散化投资收益C-L模型行业内个股选择收益IR、M^2、R^2来源：好买基金研究中心五、基于行为金融学的投资策略上世纪50～70年代，随着马科维茨组合理论、CAPM模型、MM定理及有效市场假说的提出，现代金融经济学建立了一套成熟的理论体系，并且在学术界占据了主导地位，也被国际投资机构广泛应用和推广，但以上传统经济学的理论基石是理性人假设，在理性人假设下，市场是有效率的，但进入80年代