量化投资思路探究

量化投资思路探究——2015年国泰君安金融工程4季度策略会姓名：刘富兵邮箱：[e-mail]电话：[phone]证书编号：S0880511010017量化研究流程与体系1请参阅附注风险提示量化投资思想金融建模历史回测市场检验学术文献市场观察量化投资学术应用篇LPPL模型-捕捉投资者的贪婪与恐惧相似匹配-历史上相似的那些年权重优化-提高业绩稳定性的一大利器违约风险因子-信用风险引入股票投资2请参阅附注风险提示知情交易概率因子-微观数据中寻找alphaLPPL模型-捕捉投资者的贪婪与恐惧•金融市场泡沫的形成与破裂与地震、材料断裂等物理现象有非常多的相似之处，都是复杂系统的自组织临界性行为。•地球物理和临界现象研究中所常用的LPPL(Log-PeriodicPowerLaw)模型（对数周期性幂律模型）可以用来研究金融领域的泡沫，该模型认为泡沫的形成是由于交易者之间相互模仿，通过正反馈形成集体效应，最终的崩盘是由市场动力学机制所致•LPPL模型的含义•基于交易者之间的相互模仿，这些局部相互作用可形成正反馈，从而导致泡沫和反泡沫的产生•-金融市场反泡沫价格演化呈现出对数周期性振荡且振荡周期不断延长。金融泡沫恰好与之相反，表现为振荡周期不断缩短•地震模型特点•-一是对数周期性振荡,在线性尺度下,越接近临界时间,振荡频率越快,但在对数尺度下,振荡频率为常数;•-二是幂律增长,或称超指数增长，即价格的增长率不是常数，而是单调递增。3ln()()()cos[ln()]mmcccptABttCtttt请参阅附注风险提示•LPPL模型刻画的四种状态LPPL模型-捕捉投资者的贪婪与恐惧资料来源：国泰君安证券研究请参阅附注风险提示45•检验步骤•1、模型的适用性检验-幂律性与对数周期性•2、变换样本起始点与终点，给出泡沫破裂点20/80的置信区间•3、给出10条最有可能发生的路径•参数估计•1、线性参数表示成非线性参数•2、非线性最优化求解非线性参数•3、利用第一步求出线性参数ln()()()ptABftCgt22lnlnlniiiiiiiiiiiiiiiNfgApfffgBpfgfggCpgLPPL模型-捕捉投资者的贪婪与恐惧假设历史是可以重复的，利用机器自我学习机制，寻找所谓“相似集”，分析其后一期的历史走势，并通过最优化方法得出当前组合配置的最优权重1.在历史数据中，定义相似集，找到与当期某一历史窗口相似的历史走势。2.分析所有历史相似集后一期走势，根据优化算法得到下一期各行业的配置权重。3.根据不同历史窗口，得到所有窗口情况下的最优权重，根据策略净值来分配组合所有的最优权重，以此得到最终的下期行业配置权重。相似的定义-相关系数相似匹配-历史上相似的那些年i11i11cov(,)()()tiwtwtiwtwXXXX资料来源：国泰君安证券研究请参阅附注风险提示6相似匹配-历史上相似的那些年资料来源：国泰君安证券研究，wind请参阅附注风险提示7argmax,wwiiCbbX020406080100120140012340204060801001201400.511.528请参阅附注风险提示基于量钟和批量方向判别的方法，ELO于2010年更新了PIN：其中，V为固定的区间成交量，n为估计PIN需要的区间数量。数量V的不同，反映不同层面的信息情况，导致PIN值变化范围的不同。𝑃𝐼𝑁≈𝐸𝑉𝑆−𝑉𝐵𝐸𝑉𝑆+𝑉𝐵=𝑉𝑖𝑆−𝑉𝑖𝐵𝑛𝑖=1𝑛𝑉知情交易概率因子-微观数据中寻找Alpha9请参阅附注风险提示选取沪深300指数历史成分股作为备选股票池，测算数据时间区间为2009年至2013年，组合实际运行区间为2010年至2013年。根据Alpha因子由低至高进行排序，构建现金中性的多空组合，排在前面n%的股票做多，排在后面n%的股票做空。知情交易概率因子-微观数据中寻找Alpha-8%-6%-4%-2%0%2%4%6%8%10%00.511.522.53多空单月收益多空组合净值多头对冲净值空头对冲净值违约概率因子-将信用风险引入股票投资10请参阅附注风险提示Merton信用风险模型：1.公司资产价值服从GBM：2.当公司债务到期时，如果公司资产少于公司债务，公司权益价值为0；如果公司资产大于公司债务，公司权益价值等于资产减去负债。0E,TA,TVmaxVX,11请参阅附注风险提示根据Merton信用风险模型，公司发生违约的概率：违约概率因子-将信用风险引入股票投资12请参阅附注风险提示数据来源：Wind，国泰君安证券研究00.20.40.60.811.21.41.61.82Jan-10Mar-10May-10Jul-10Sep-10Nov-10Jan-11Mar-11May-11Jul-11Sep-11Nov-11Jan-12Mar-12May-12Jul-12Sep-12Nov-12Jan-13Mar-13May-13Jul-13Sep-13Nov-13Jan-14Mar-14May-14Jul-14Sep-14Nov-14Group1中证500指数违约概率因子-将信用风险引入股票投资00.20.40.60.811.21.41.61.82Jan-10Mar-10May-10Jul-10Sep-10Nov-10Jan-11Mar-11May-11Jul-11Sep-11Nov-11Jan-12Mar-12May-12Jul-12Sep-12Nov-12Jan-13Mar-13May-13Jul-13Sep-13Nov-13Jan-14Mar-14May-14Jul-14Sep-14Nov-14Group5Group4Group3Group2Group1权重优化-提高业绩稳定性的一大利器13任意股票在同一时刻都暴露于多种不同的风险因素下，它们之间的共同作用形成了股票价格的波动。风险模型的意义在于找到股票价格波动的成因，并将股票收益来源进行分解剥离，并实现对未来股票价格波动的预测。结构化风险模型利用风险因子和特质因子来分解股票收益率，并利用因子收益率的波动来解释股票价格的波动。结构化风险模型大大降低了组合风险的计算复杂度。149大类风格因子：Beta、Momentum、Size、EarningYield、Volatility、Growth、Value、Leverage、Liquidity.•组合收益率：•组合波动率：权重优化-提高业绩稳定性的一大利器15因子有效性检验FactorNameAverageAbosolutet-statPercentOvserv|t|2AnnualFactorReturnAnnualFactorVolatilityFactorReturnSharpratioCorrelWithHS300FactorStabilityCoeffVarianceInflationFactorBeta2.76852.63%10.74%3.49%3.07-0.1060.1191.39Momentum2.05247.37%4.41%2.41%1.830.3560.1631.62Size4.72775.44%-25.79%5.32%-4.850.3210.2411.18EarningYield2.51247.37%6.81%1.58%4.310.0630.1721.20Volatility2.64850.88%-3.74%4.27%-0.880.0690.1702.48Growth1.51929.82%2.18%1.11%1.960.135-0.1391.04Value1.88942.11%-0.97%1.97%-0.49-0.1180.1321.46Leverage2.31550.88%-3.55%1.75%-2.03-0.0540.1751.18Liquidity4.09364.91%-10.79%3.33%-3.24-0.0500.0531.68均值2.72451.26%/////1.47权重优化-提高业绩稳定性的一大利器16风险模型预测组合波动率在风险模型的体系中，投资经理可以定量的对风险进行评估，进而帮助其精确的控制组合的风险特征，在获取确定性较高的阿尔法因子收益的同时，剔除不确定性较强的风险因子的干扰。公共因子协方差矩阵预测：特质因子风险矩阵预测：权重优化-提高业绩稳定性的一大利器17纯因子股票组合纯因子股票组合仅使得单一因子存在风险敞口暴露，其余因子均与对冲基准保持中性化。纯因子股票组合用以检验因子是否存在足够的阿尔法性。纯因子组合年化收益率年化波动率信息比率最大回撤Beta3.89%3.45%1.133.70%Momentum5.89%2.75%2.142.89%Size18.31%6.40%2.8612.15%EarningYield6.29%2.54%2.472.18%Volatility5.36%2.45%2.192.48%Growth3.39%2.43%1.404.14%Value2.16%2.85%0.767.67%Leverage3.20%2.44%1.313.05%Liquidity5.29%2.76%1.923.71%权重优化-提高业绩稳定性的一大利器18组合权重优化通过最优化方式构建股票组合，使得组合仅暴露于阿尔法性较强的因子下，其余因子均与对冲基准相匹配，完全剔除市场风格造成的策略波动。21()..()001PPTTbenchkTTNiiMaxRTCwstkwwXwHhww组合目标为经风险调整后的收益率最优风格中性：风险因子与对冲基准相匹配，剔除风格收益波动。行业中性：组合行业权重与对冲基准相匹配，剔除行业收益波动。现金中性：多空市值保持一致，不留方向性敞口。权重优化-提高业绩稳定性的一大利器实证检验参数设定•回测时间从2010年1月至2015年3月，其中2010年1月至2011年1月为样本内时间段，以提取因子组合相关参数；•股票池选取全A非ST股票，交易频率每月末调仓；•交易成本为单边千分之1，印花税千分之1；•组合个股的权重上限设为1%（银行、证券、保险行业占比较大，为实现行业中性配置，权重上限分别设为3%、2%、2%）。•优化目标函数我们采用形式，其中；；•行业中性约束中，因子敞口设定为；•风格中性约束中，9类风格因子敞口设定为：当该期权重优化方程在设定的因子敞口约束下无解时，逐次降低Momentum和EarningYield因子敞口0.1，直至优化方程找到最优解。19权重优化-提高业绩稳定性的一大利器203种不同的组合配置方式比较组合方式年化收益率年化波动率最大回撤信息比率现金中性32.77%15.67%36.98%2.09现金、行业中性24.75%9.37%21.83%2.64现金、行业、风格中性12.73%3.03%2.09%4.210%100%200%300%400%500%600%700%现金中性策略净值行业中性策略净值风格中性策略净值权重优化-提高业绩稳定性的一大利器21策略净值1.885最大回撤2.09%交易胜率61.25%最大回撤开始时间2014/11/26年化收益率12.73%最大回撤结束时间2014/12/05年化波动率3.03%日收益率分布偏度-0.08信息比率4.21日收益率分布峰度3.90盈亏比率1.2695%VaR-0.324%组合年均换手率350%平均股票个数100只年收益率最大回撤信息比率2010年（样本内）16.0%2.04%4.652011年8.4%1.86%3.012012年11.6%0.90%4.902013年18.3%1.17%5.832014年10.7%2.07%3.50策略整体绩效策略逐年绩效权重优化-提高业绩稳定性的一大利器22因子收益归因-3-2-101Be