4金融工程-量化投资-fin-2.ppt

下载

下载

32积分

40积分

下载

40积分

VIP价：32积分

量化投资研究方法 金融工程首席分析师 胡浩 目录 2 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 量化投资的思想就在你身边 大类资产配置 行业轮动 风格轮动 量化选股策略 … 交易策略 资产配置 交易执行 风险管理 事件驱动 相对价值 中性策略 多空策略 高频交易 … 一级资产 行业配置 组合模拟 组合构建 组合优化 … 程序化交易 … 市场风险 组合风险 风险预警 … 量化投资的思想无处不在 量化策略  量化投资强调纪律性、系统性和大概率事件  打个比方，漏斗Vs.筷子 3 定位：一张复杂的图表 卖方 买方 横向数据整合平台 数量金融软件 数量化投 资 金融衍生品 数量选股策略 交易策略 投资组合产品 数量金融软件产品 金融工程产品 数量选股策略 数量金融软件产品 金融 工程 股票池/组合建议 投资决策委员会 投资组合产品 客户（投资者） 买方 机构 宏观 数据 行业 数据 公司 数据 市场 数据 数据提供商 研究报告/投资建议 策略研究 宏观 研究 行业公司 研究 卖方 研究 4 目录 5 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 中信证券基金仓位监测方法介绍  可以分为净值收益估计和净值波动率估计两种方法  实际：股票S、债券B、现金C；假设：忽略现金部分，股票仓位a，则债券仓位1-a 基金净值 收益估计法 股票仓位a，则 债券仓位1-a 基金净值 波动估计法 震荡市线形趋势不明显时效果不好， 此时波动率估计效果更好  确定估计方法之后最为重要的就是确定不同资产的收益，尤其是股票头寸  指数替代法、基金重仓股替代法、风格重仓指数替代法等  净变动更值得关注  股票S、债券B价格变动幅度不同导致仓位自然变化；基金主动调整组合导致仓位变动， 我们称为净变动。（增仓行为：增加股票头寸/减少债券或者现金头寸应对赎回；减仓行 为：卖出股票/申购资金没有转化成相应股票头寸） 6 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 7 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。 8 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 9 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 10 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 11 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[－，＋]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 12 目录 13 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 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 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 15 行业选择：业绩驱动+估值回复+动量反转  结果回溯：  %的月份配对 66%以上行业。  长期看能配好 %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 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% 17 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：持有期和观察期均为六个月的反转效应更明显 定量行业模型建议短期超配行业 数据来源：中信证券数量化投资分析系统 18 目录 19 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 确定大小盘轮动指标体系，计算月度风格指针 大小盘风格轮动判断指标体系 指标名称 指标解释 指标应用 技术指标 12月的RSI（以大小盘指数的 比值为对象） 当RSI高于80，超买，利于大盘股；低于20，超卖，利于小盘股 波动性 上证指数的波动率（滚动100 日计算并年化） 波动率增大时，风险担忧扩大，不利于小盘股 盈利状况 工业增加值 当工业增加值显著回升时，大盘股方被关注 通货膨胀 CPI 上升的通涨带来货币紧缩，此时，大盘股表现相对更好一些。 货币环境 M1增速 银根收紧更不利于小盘股 流动比率（M1/M2） 下降的M1/M2更不利于小盘股 短期利率（3个月） 贷款成本下降时，对于小盘股更有利  风格指针的值通过加权计算各项指标而得到 计算公式： 大于5时，意味着投资风格倾向于大盘股；小于－5时，意味着投资风格倾向于小盘股 20 通过风格指针的值判断风格轮动趋势 小盘股/大盘股Vs.月度规模风格轮动指标（1996年至今）  风格指针在大趋势走向上判断准确  Hit Ratio达到近60% 据此调整投资组合，超越全市场约80% 21 目录 22 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 投资收益可以分解为市场因子、情绪因子、规模因子等  多因素模型：除市场因子外，规模、价值、动能等因子对业绩均有贡献  典型的因素模型  Fama三因素模型 包含动量的四因素模型  Two Factor ：The Little Book that Beats The Market  Earning Yield(Modified)/Return on Capital(Modified)  Barra模型 59-Factor  Vanguard’s 70-Factor Model 市场因子 情绪因子 基本因子 宏观因子 23 通过量化因子监控体系洞悉A股演绎路径  经过三次修改和完善形成目前的监控体系  已跟踪六大类共24个因子从99年以来市场表现，正在覆盖更多因子 因子分类 成长因子 价值因子 盈利因子 动量因子 风险因子 规模因子 …… 成长型 价值型 绩优型 大中小盘 GARP/VAM …… 风 格 划 分 PE PB PS EV/EBIDTA EPS增长 净利润增长 营业利润增长 利润总额增长 销售净利率 ROE ROA ROIC 1 M Price 3 M Price 6 M Price 12 M Price 3M Beta 6M Beta 3M Vol 6M Vol 财务杠杆 利息覆盖倍数 …… 资金动量 盈余动量 成交动量 …… 预测EPS增长 …… 毛利率 期间费用率 …… PCF …… 总股本 持股集中度 流通股本 …… 24 最新体系——综合考虑因子收益率和模型稳定性 L/S Accumulative Performance Difference of L/H PostAlpha Prob. Accumulative Excess Return Ranked Information Coefficients(IC) Avg. Return Volatility Sharp Ratio Hit Ratio Duration IRs ICs Avg. Prob. T-Testing 25 长期表现：估值/成长/风险因子贡献显著 股市场长期驱动因素表现对比 数据来源：中信证券数量化投资分析系统 长期： 估值/成长/风险 轮动：规模 阶段：盈利 其他：动量 进一步分大盘和 小盘进行细化研 究 26 不同因子表现存在周期性 27 量化个股精选模型之一：GARP选股策略研究  GARP策略意味着所有的股票都值得投资？  GARP策略可以取代价值策略和成长策略？  价值和成长会发生轮动，不同市场环境具有不同表现  GARP策略兼顾成长与价值，可以平滑不同市场阶段表现更具持续性  价值/成长策略更加注重基本面分析，分析其内在价值，成长性  GARP策略更加适合量化投资 价值 GARP 成长 价格 低 贵 成长 高 低 Unattractive GARP Value Growth 28 GARP选股策略研究：量化流程 29 寻找适合国内市场的一种模型设定：指标设定  价值成长矩阵  数据来源：  财务指标和价格数据来自中信 证券数量化分析系统  预测数据来自一致预期 成长 指标 预测 EPS增长率 上年销售 净利率 净利润增长率 （上一期） ROE （上一期） ROE标准差 （过去8期） 价值 指标 预测 P/E 预测 P/E/G 历史市净率 P/B 历史市销率 P/S 历史 EV/EBITDA 财务指标 哪种组合月度收益高 PB 低PB PS 低PS PEG 低PEG ROE 高ROE EPS增长 高EPS增长 依单一财务指标高低构造组合表现 数据来源：中信证券研究部整理 30 寻找适合国内市场的一种模型设定：打分方法  打分方法  排序按秩打分：排名越靠前得分越高，排名越靠后得分越低（打分不考虑行业差异）  五个价值指标和ROE波动按倒序排序打分  除ROE波动外四成长指标按顺序排序打分  总分：每个指标秩值得分加总分别得出价值度和成长性（金融业价值指标不考虑EV/EBITDA，因 此四个价值得分加总之后*5/4进行恒等变换） 证券简称 EPS 增长率 销售 净利率 净利润同 比增长率 加权 ROE ROE 波动率 成长得分 预测 PE 预测 PEG 市净率 PB 市销率 PS 企业倍数 EV/EBITDA 价值得分 深发展A - 万科A - 南玻A 深康佳A 一致药业 价值成长矩阵打分示意 数据来源：中信证券数量化投资分析系统 31 我们的选股策略展现出持续的增强效果 数据来源：中信证券数量化投资分析系统 中信证券量化策略组合走势（2006年8月之前为后验的模拟，之后则是“真枪实弹”的show） 32 价值动量模型的逻辑 价值因子 入选股票同时具备高E/P和高B/P 的特征 动量因子 长期动量信号捕捉强势行业和个 股的“惯性” 反转因子作为短期信号修正 33 从盈利角 度看估值安 全 上涨环境 中容易受青 睐 高 E/P股 票 从净资本 角度看估值 安全 下跌市场 中有较强的 抗跌性 高 B/P股 票 行业惯性 行业整体经营环境 有利：复苏或加速发 展 影响该行业大多数 股票 个股惯性 公司经营能力提升 或步入快速发展期 独立于行业的强势 走势 量化个股精选模型之二：价值动量策略  基础股票池：沪深300；交易成本：%  月平均收益率为%，超额收益的标准差为  每期换手率平均是%，入选的股票数量支 34 市值加权 等权重 2003 % % 2004 % % 2005 % % 2006 % % 2007 % % 2008 % % 2009 % % 平均 % % 2003~2009价值动量模型历史表现 模型历年超额收益 目录 35 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 事件驱动交易、时机创造价值 分红送配、股权激励、成分股调整、股东增持等事件带来交易机会 事件冲击能带来超额收益，但是把握时机和节奏很关键 分离债发行 分红送配 指数成分股调整 股改 资产注入 权证行权 股东增持 股权激励 36 事件驱动交易研究方法 事件驱动研究方法的定量部分  基准指数：沪深300指数  估计期：以事件公告日为第0天，以-T为公告日前第T个交易日，T为公告日后第T个交 易日。  事件分析期：以事件发生日前后各N个交易日为分析期，分析事件发生前后是否出现超 额收益以及出现超额收益的具体时间区段  定义好参数以后，通过事件研究方法计算出考察样本的超额收益和累计超额收益情况 事件驱动研究方法的定性部分  剔除异常因素带来的干扰值，寻找定量分析结果的背后机理  建立事件驱动的常态跟踪机制，发现事件驱动机会并捕捉交易时机 37 案例分析：可分离债发行、高送配  在可分离债的发行过程中，存在事件驱动交易机会  发审委过会、募集说明书发布、股权登记和债券权证上市四个事件对股价有显著的影响  高送配对于股价具有短期影响  分配预案信息提前走漏的可能性较大，预案公布前进入可以获得一定的超额收益 可分离债发行前后存在的超额收益机会 送配预案公告事件前后累计超额收益走势 38 事件驱动交易，时机创造价值  事件驱动交易，时机创造价值  事件导致股价短期变化  分析事件，定位交易时机  抓住时机，捕获交易价值  融资融券推出之后  获取事件对股价的负面影响收益  引入股指期货，锁定价值  对冲系统风险，锁定超额收益 系统风险 （β） 股指期 货空头 （-β） 仅留下超额收益（alpha） 超额收益 （α） 39 中信证券金融工程团队：不积跬步，无以至千里 胡浩（010-84588430，huhao@）  02年加入中信证券，中国人民大学统计学硕士、金融工程专业博士。早 年征战于金融产品开发小组，后转入研究部，国内横跨指数开发、基金 评级、基金产品设计、股指期货、量化策略等多领域的专业人士之一， 现为金融工程团队负责人。 严高剑（010-84588430，yangj@）  06年加入中信证券，中国人民大学应用数学学士、数量经济学硕士。具 有深厚的金融数学、计量经济学功底，在因子驱动及量化选股、行业配 置、事件驱动策略等方面推出了很多有影响力的报告。 马坚（010-84588685，maj@） 40  00年毕业于清华大学计算机科学与技术系，同年加入中信证券，见证了 中信证券数量化分析系统的创立与演进。曾从事中信标普系列指数的编 制与开发、数量化投资系统的设计开发，具备扎实的计算机编程功底和 多年的数据库管理经验，现主要从事指数及衍生品的研究，负责金融工 程研究成果的软件化。 中信证券金融工程团队：不积跬步，无以至千里 李栋（010-84588397，lidong@）  09年加入中信证券，清华大学自动化系学士及硕士。加入中信证券前曾 服役于对冲基金千年资本管理公司两年有余，主要工作是开发适用于美 股、欧股和日股的量化交易模型，对统计套利具有较深的理解。现主要 从事A股的多空量化交易研究。 林小驰（010-84588425，yangj@）  07年加入中信证券，北京大学会计学博士。具有深厚的会计学功底，在 财务分析、财务造假识别、财务因子特性等方面进行长期的研究。现主 要负责财务培训及财务因子在A股的应用研究。 岳子义（010-84588054，yuezy@） 41  07年毕业于清华大学软件工程系，10年加入中信证券，加入中信证券前 曾服役于IBM软件开发中心，具备扎实的计算机编程功底和多年的数据库 管理经验，现主要从事金融工程的数据库建设及研究成果的软件化。 联系人：胡 浩 huhao@ 010-84588430 致谢！ 42