模块2:对冲阿尔法策略.pptx
- 文档编号:2492477
- 上传时间:2022-10-30
- 格式:PPTX
- 页数:159
- 大小:3.69MB
模块2:对冲阿尔法策略.pptx
《模块2:对冲阿尔法策略.pptx》由会员分享,可在线阅读,更多相关《模块2:对冲阿尔法策略.pptx(159页珍藏版)》请在冰豆网上搜索。
阿尔法策略产品量化选股模型丁鹏2丁鹏博士中国量化投资学会理事长量化投资策略与技术作者量化投资丛书主编量化投资与对冲基金副主编东航金控财富管理中心总经理部门介绍大纲部门介绍大纲简介简介内容提要量化选股概述多因子模型风格轮动模型行业轮动模型资金流模型动量翻转模型一致预期模型趋势追踪模型筹码选股模型CAPM模型资本资产定价模型(CAPM)CAPM揭示了一个基本原理:
超额的收益来自于超额的风险:
资产的预期收益率:
无风险利率:
该资产的风险系数(贝塔):
资产的风险溢价(阿尔法)无风险利率举个例子:
长江上有一条船,船上有一个人在行走,那么这个人的速度多少?
V=v1+v2+v3,其中:
V1:
江水的速度(无风险利率)V2:
船的速度(贝塔收益)V3:
人的速度(阿尔法收益)无风险利率产品银行存款国债货币基金逆回购长江水一直向东流。
贝塔产品贝塔就是大盘自然涨跌带来的收益长期看,贝塔为正,但是有不确定性各种指数类产品,包括大盘指数和行业指数船不一定一直开,有时候可能停下来,甚至倒回去。
阿尔法产品取决于人在船上能走多快这才是基金经理的核心能力所在。
主动管理型共同基金,通过基本面研究获取阿尔法对冲基金,通过量化研究获取阿尔法。
阿尔法的大小证明了基金经理的核心价值各种产品的费率举个例子:
肉包子,由面粉做成包子,再加上肉馅。
面粉最便宜(无风险利率产品:
0.3%管理费)包子其次(贝塔产品,1%管理费)肉最贵(对冲基金产品,2%管理费+20%绩效)阿尔法策略阿尔法策略有正向阿尔法和反向阿尔法两种
(1)正向阿尔法就是构建一批超越市场的股票组合,同时做空股指期货
(2)反向阿尔法就是融券做空一批弱于市场股票组合,同时做多股指期货阿尔法的核心在于:
量化选股模型量化选股概述量化选股策略总的来说可以分为两类:
第一类是基本面选股,第二类是市场行为选股。
基本面选股主要有:
多因子模型、风格轮动模型和行业轮动模型。
市场行为选股主要有:
资金流模型、动量反转模型、一致预期模型、趋势追踪模型和筹码选股模型。
多因子模型经济学解释经济学解释多因子模型是应用最广泛的一种选股模型,基本原理是采用一系列的因子作为选股标准,满足这些因子的股票则被买入,不满足的则卖出。
例如,当很多投资者认为低PE的价值型的股票是好的投资标时,他们纷纷买入低PE的股票,会使得该股票出现上涨,或者超越大市。
这样就使得低PE这个因子的有效性得到体现多因子模型一般而言,多因子选股模型有两种判断方法,一是打分法,二是回归法。
(1)打分法就是根据各个因子的大小对股票进行打分,然后按照一定的权重加权得到一个总分,根据总分再对股票进行筛选
(2)打分法是最简单,也是最稳定的筛选因子的方法。
其中因子的权重对最终的结果有着至关重要的影响。
多因子模型(3)回归法就是用过去的股票的收益率对多因子进行回归,得到一个回归方程,然后把最新的因子值代入回归方程得到一个对未来股票收益的预判,最后以此为依据进行选股(4)回归法的问题在于很难找到一个精确拟合的回归方程,存在很大的模型误差,所以实战中用处不广。
多因子模型多因子选股模型的建立过程1候选因子的选取候选因子的选取候选因子可能是一些基本面指标,如PB、PE、EPS增长率等,也可能是一些技术面指标,如动量、换手率、波动等。
2选股因子有效性的检验选股因子有效性的检验一般检验方法主要采用排序的方法检验候选因子的选股有效性。
多因子模型
(1)对于任意一个候选因子在模型形成期的第1个周期初开始计算各股票该因子的大小,按从小到大的顺序对样本股票进行排序,并平均分为n个组合,一直持有到周期末。
(2)在下个周期再按同样的方法重新构建n个组合并持有到周期末,每个周期如此,一直重复到模型形成期末。
(3)组合构建完毕后,计算这n个组合的年化复合收益、相对于业绩基准的超出收益、在不同市场状况下的高收益组合跑赢基准和低收益组合跑输基准的概率等多因子模型3有效但冗余因子的剔除有效但冗余因子的剔除不同的选股因子可能由于内在的驱动因素大致相同等原因,因此其中的一些因子需要作为冗余因子剔除。
具体的方法有很多,比较典型的是计算相关系数的方式假设需要选出k个有效因子,样本期共m月,那么具体的冗余因子剔除步骤如下:
多因子模型
(1)具体方法:
令组合1和n相对基准的超额收益分别为AR1和ARn,如果AR1ARn,组合i的分值为n-i+1,即所有组合的分值取1到n间的连续整数。
组合得分确定后,再将其赋给每月该组合内的所有个股。
(2)按月计算个股的不同因子得分间的相关性矩阵,令第t月的个股因子得分相关性矩阵为:
(Score_Corrt,u,v),u,v=1,2,.,k,u和v为因子序号。
多因子模型(3)在计算完每月因子得分相关性矩阵后,计算整个样本期内相关性矩阵的平均值,计算公式为:
(4)设定一个得分相关性阈值MinScoreCorr,对得分相关性平均值矩阵中大于该阈值的元素所对应的因子只保留与其他因子相关性较小、有效性更强的因子,而其他因子则作为冗余因子剔除。
多因子模型4综合评分模型的建立和选股综合评分模型的建立和选股在模型运行期的每个周期初对市场中正常交易的个股计算每个因子的最新得分,并按照一定的权重求得所有因子的平均分。
然后根据模型所得出的综合平均分对股票进行排序,然后根据需要选择排名靠前的股票。
例如,选取得分最高的前20%股票等。
5模型的评价及持续改进模型的评价及持续改进由于量选股的方法是建立在市场无效或弱有效的前提之下,随着使用多因子选股模型的投资者数量的不断增加,有的因子会逐渐失效,而另一些新的因素可能被验证有效而加入到模型中,因此需要不断的修订。
多因子模型1.有效因子的选取有效因子的选取本案例选取19972010年共14年作为样本期,其中19972004年作为因子检验筛选期(共8年),20052010年作为选股模型的样本外检验期(共6年)。
所选股票样本为所有正常交易且上市时间超过一个季度的A股股票,业绩基准为上证指数。
多因子模型案例从估值、成长性、资本结构、技术面等角度,选取了30个较为常见的指标作为模型的候选因子,具体的因子选取如表所示。
估值因子成长因子资本结构因子技术面因子账面市值比盈利收益率PEG股息率现金收益率ROEROAROE变动ROA变动EPS增长主营收入增长率EBITDA增长率主营毛利率主营毛利率变动收入净利率收入净利率变动再投资率资产负债率固定资产比例流通市值6个月动量12个月动量1个月反转换手率换手率变动波动波动变化震荡指标多因子模型2.选股因子有效性的检验选股因子有效性的检验因子年化复合平均收益超额收益收益与分值相关性跑赢概率(所有)跑赢概率(牛市)跑赢概率(熊市)账面市值比5.801.680.9654.1766.6741.67盈利收益率8.294.170.8960.4258.3362.50PEG7.113.000.9756.2547.9264.58股息率0.764.880.6158.3356.2560.42现金收益率2.272.870.9859.7462.1657.50P/SALES6.532.410.9056.2564.5847.92EV/EBITDA3.890.230.8145.8352.0839.58ROE0.183.940.8247.9237.5058.33ROA0.744.850.9047.9239.5856.25ROE变动5.731.610.9450.0045.8354.17ROA变动6.872.760.9154.1745.8362.50EPS增长2.466.580.9946.8839.5854.17主营收入增长0.624.740.8741.6741.6741.67EBITDA增长1.515.630.9651.0454.1747.92主营毛利率1.312.810.7452.0847.9256.25主营毛利率变动2.626.740.9051.0458.3343.75收入净利率5.711.600.8645.8341.6750.00多因子模型综合考虑了复合收益、超额收益及相关性后,获得如表所示的经过检验过的有效因子。
估值因子成长因子资本结构因子技术面因子账面市值比ROE变动换手率变动盈利收益率ROA变动波动PEG现金收益率EBITDA增长率主营业务利润率变动P/SALES收入净利率多因子模型3.剔除相关性过大的因子
(1)假定得分相关性阈值取0.5
(2)表中的盈利收益率和PEG相关性为0.89,ROA变动和ROE变动相关性为0.70,盈利收益率和收入净利率相关性为0.59,(3)相关性均超过阈值,因此取其中超额收益相对较高的因子,最终剔除的因子为PEG、ROE变动和收入净利率,总共剩下9个选股因子估值因子成长因子资本结构因子技术面因子账面市值比ROA变动换手率变动盈利收益率EBITDA增长率波动现金收益率主营业务利润率变动P/SALES多因子模型4.模型检验
(1)采用2005年1月到2010年12月共6年的数据验证该模型的有效性。
(2)每月初将样本股票按最新的综合评分从大到小排序,分为Q1到Q5共5个股票数量相同的流通市值加权组合,持有到月末,再在下月初用同样的方法重新构建组合,一直到检验期末。
多因子模型Q1Q2Q3Q4Q5累计收益(%)518.45386.32256.27130.91113.89年化复合收益(%)35.4830.1623.5814.9713.51年化超额收益(%)21.2915.979.390.780.68信息比率1.141.170.610.150.11月最大超额收益(%)21.1819.5813.4116.3815.07月最小超额收益(%)-18.31-8.49-14.61-11.31-16.04跑赢基准月份占比(%)68.0668.0658.3344.4454.17上升市场跑赢基准月份占比(%)76.0971.7460.8747.8360.87下跌市场跑赢基准月份占比(%)53.8561.5453.8538.4642.31正收益月份占比(%)66.6769.4463.8958.3355.56表多因子模型组合分段收益率多因子模型图多因子模型净值表现多因子模型
(1)总体而言,多因子选股模型简单易行,有较好的稳健性,样本外的表现也很好
(2)实际模型构建中,可以根据因子在前期的表现、个股所在行业、市场状况等,动态调整因子评分的比重,使得选股模型能更加贴近市场的现实状况。
(3)组合持有期长短的动态调整、交易成本的优化、模型运行过程中的风险控制等都可以考虑到选股模型中,使得模型具有更大的灵活度和更有操作性风格轮动
(1)市场上的投资者是有偏好的
(2)有时候会偏好价值股,有时候偏好成长股(3)有时候偏好大盘股,有时候偏好小盘股。
由于投资者的这种不同的交易行为,形成了市场风格,因此在投资中,利用市场格的变化,进行轮动投资会比一直持有的效果好很多。
风格轮动风格鉴别方法风格鉴别方法国外投资风格鉴别技术一般可为两种:
(1)一种是持股特征基础的投资风格鉴别法(HBS),包括晨星公司的风格箱法和新风格箱法、罗素公司的风格分类系统、富兰克罗素和所罗门兄弟公司开发的风格分类系统等;
(2)另一种是收益率基础的投资风格鉴别法,如夏普的鉴别方法等。
风格轮动表晨星市场风格判别法价值混合型成长型大盘价值大盘混合大盘成长中盘价值中盘混合中盘成长小盘价值小盘混合小盘成长表夏普收益率基础投资风格鉴别股票风格标普500成分股成长股非标普500成分股小市值股风格轮动2经济解释经济解释
(1)经济周期。
宏观经济表现强劲时,小市值公司有一个较好的发展环境,小盘股表现突出的概率高于大盘股。
而当经济走弱时,投资者可能会倾向于选择大盘股,起到防御作用。
(2)反应过度/不足。
FamaandFrench(1995)认为风格的周期性轮换是由于投资者的趋势追逐特性造成的。
当某类风格的股票在某段时间内具有较好走势时,趋势投资者就会增加对该风格资产的投资,风格走势得以延续。
但过度反应会使得该种风格的股票积累过多风险,泡沫最终破灭,形成了不同风格的周期性表现
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 模块 对冲 阿尔法 策略