“发布证券研究报告业务教材by北京燕山出版社(第七章 量化分析)”

第一节 理论基础

一, 量化投资分析的特点

量化分析法是利用统计, 数值模拟和其他定量模型进行证券市场相关研究的一种方法,具体来说, 有如下五大方面的特点:

(1)纪律性。量化投资需要严格执行模型给出的投资建议, 从而可以克服人性的弱点以及认知偏差, 也可以起到跟踪和修正的目的。

(2) 系统性。系统性主要表现在多层次的量化模型, 多角度的观察及海量数据的观察等。

(3) 及时性。量化投资模型能够及时快速地跟踪市场变化, 不断发现能够提供超额收益的新的投资机会。

(4) 准确性。 量化投资分析能够准确客观评价投资机会, 克服主观情绪偏差, 妥善运用套利的思想。

(5) 分散化。 量化投资分析能够在控制风险的基础上,准确实现分散化投资。

二。 量化投资分析的理论基础

(1)历史总是惊人的相似 (历史会重演) 这是量化投资最根本的理论基础 , 没有它量化投资则无从谈起。

(2)投资实际上就是一场关于概率的游戏。 投次大师彼得林奇说过:“投资只不过是一种能够想方设法提高胜算的赌博而已。” 利用量化手段, 让概率站在自己这边, 这是投资成功的关键。

(3)数据包含一切。数据中最重要的价格已经将所有相关因素包含在里面了 , 无论是基本面的、技术面的还是心理因素方面的, 量化模型实际上已经将这些因素揉合在里面了, 所
以在历史数据的基础上归纳、分析、总结, 计算出的量化投资策略成功率是比较高的, 在量化投资界 "一切用数据说话"。

三。 量化投资分析的主要内容和方法

  1. 量化投资分析的主要内容

量化投资分析的主要内容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,量化投资分析具有快速高效、客观理性, 收益与风险平衡和个股与组合平衡等四大特点。

2. 量化投资分析的方法

量化投资涉及很多数学和计算机方面的方法,比如人工智能, 数据挖掘 , 小波分析, 支持向量机、分形理论、随机过程等。

第二节 量化投资技术

一, 量化选股

  1. 量化选股的含义

量化选股是指利用数量化的方法选择股票组合, 期望该股票组合能够获得超越基准收益率的投资行为。

  1. 量化选股的方法

(1)公司估值法

公司估值方法是上市公司基本面分析的重要应用, 在 "基本面决定价值,价值决定价格"
的基本逻辑下 , 通过公司估值方法得出公司理论股票价格, 与市场价格比较, 从而判断股票
的市场价格是否被高估或者低估, 寻找出价值被低估或被高估的股票, 指导投资者的具体投
资行为。

(2)趋势法

趋势法是指根据市场表现做出对应的投资行为的方法。市场有强势。 弱势。 盘整等不同
的形态, 投资行为可以追随趋势, 也可以逆趋势反转操作。

(3)资金法

资金法的本质是追随市场主力资金的方向 , 资金流入伴随着价格上涨; 资金流出伴随着
价格下跌。也可以通过持仓筹码的分布来判断未来股价的上涨和下跌情况。

二, 量化择时

量化择时是指利用数量化的方法 , 通过分析各种宏观微观指标, 试图找到影响大盘走势
的关键信息, 从而预测未来走势。

量化择时的方法包播趋势择时、市场情绪择时, 有效资金模型。 牛能线等。

三、股指期货套利

股指期货套利是利用股指期货市场存在的不合理价格, 同时参与股指期货与股票现货市场交易 , 或者同时进行不同期限, 不同 (但相近) 类别股票指数合约交易, 以赚取差价的
行为。股指期货套利主要分为期现套利和跨期套利两种。股指期货套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。

四, 商品期货套利

相关商品在不同时间、地点对应着一个合理的价差。由于价格的波动性, 价差经常出现
不合理的情况, 但不合理的价差最终都会回到合理的范围之内 , 不合理回到合理的这部分价
格区间就是盈利区间。基于以上逻辑 , 商品期货套利才得以存在。

历史数据的统计分析对于成功实施商品期货套利来说非常重要。商品期货套利过程成功实施的重要前提是对相关合约之间的价差数据变化规律进行科学的统计分析。

五, 统计套利

  1. 统计套利的含义

统计套利是用统计方法挖掘套利机会的投资策略,在不依赖于经济环境的情况下, 运用
数量手段构建资产组合, 从而对市场风险进行免疫, 获取一个稳定、无风险 alpha(超额收益率).

2. 统计套利的方法

(1)成对交易

成对交易即价差交易, 是统计套利最常用的策略, 指在构建某一资产多头的同时构建另一种资产的空头 , 并在将来某一时刻同时了结两种资产的头寸。 这是一 种市场中性策略,
可以免疫市场风险,通过捕捉两个或者多个资产之间的相对错误定价机会来获得低风险收益。

(2)多因素模型

多因素模型通过分析与股票收益率相关的多种因素, 建立回归模型 , 通过分析资产实际
价格和模型预测价格之间的差异来获利。当实际资产价格高于模型预测价格时, 资产被高
估, 卖出该资产 , 待到实际资产价格与模型预测价格相等时, 再买人该资产以对冲之前的空
头头寸。反之则进行相反操作。

(3)均值回归策略

均值回归策略建立在股票价格是均值回归的这一假设条件之上。如果股票价格超过它
的平均价格 , 它被预计在未来将朝反方向运行, 依照该策略, 应该卖出超越市场表现的股票
(预期下跌) , 买人低于市场表现的股票(预期上涨)。

(4)协整策略

协整策略是利用股票价格序列的协整关系建模。该策略基于累计收益率对均衡关系的偏离。

六、算法交易

算法交易又被称为自动交易、黑盒交易, 是指利用电子平台, 通过使用计算机程序来发
出交易指令 , 执行预先设定好的交易策略。在交易中 , 程序可以决定的范围包括交易时间的
选择、交易的价格, 甚至可以包括最后需要成交的证券数量。

** 根据各个算法交易中算法的主动程度不同, 算法交易可以分为:(1)被动型算法交易 (2) 主动型算法交易。(3)综合型算法交易。

七, 资产配置及风险控制

资产配置是指根据投资需求将投资资金在不同资产类别之间进行分配, 通常是将资产在低风险、低收益证券与高风险、高收益证券之间进行分配。

风险控制是指风险管理者采取各种措施和方法 , 消灭或减少风险事件发生的各种可能
性, 或者减少风险事件发生时造成的损失。

加入了量化投资管理的现代资产配置理论突破了传统积极型投资和指数型投资的局限, 将投资方法建立在对各种资产类股票公开数据的统计分析上 , 通过比较不同资产类的统
计特征, 建立数学模型 , 进而确定组合资产的配置目标和分配比例。

第三节 量化分析的应用

一量化投资技术的应用前提和适用范围

量化分析法较多采用复杂的数理模型和计算机数值模拟, 能够提供较为精细化的分析
结论。但它对使用者的定量分析技术有较高要求 , 不易为普通公众所接受。此外,量化分析法所采用的各种数理模型本身存在模型风险, 一旦外部环境发生较大变化, 原有模型的稳定性就会受影响。 最后, 量化分析法往往需要和程序化交易技术相结合, 对交易系统的速度和
市场数据的精确度有较高要求, 这也在一定程度上限制了其应用范围。

二, 量化分析的主要应用

(一)估值与选股

  1. 估值

对上市公司的估值包括两种方法:

(1)相对估值法 , 主要采用乘数方法, 如市盈率估值法 , 市净率 P/S 估值法、企业价值倍数法等;

(2)绝对估值法 , 主要采用折现的方法, 如股利折现模型、折现现金流模型 (公司自由现金流模型和股权自由现金流模型) 等。

  1. 选股

数量化选股策略是在基本面研究的基础上结合量化分析的手段构建出来的, 主要的选股方法如下 :

(1)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 , 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, 其中, 结构模型是给出股票的收益和因子之间的直观表达, 包括三种选股方法:价值型, 成长型, 价值成长型。 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, 包括 : 主成分法、极大似然法等。

(2)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。 通过逐步回归和分层回归的方活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。

(3)动量, 反向选股

动量选股策略是指事先对股票收益和交易量设定条件 , 然后分析股票在过去短期时间内的表现, 当条件满足时买进或卖出股票的投资策略。

反向选股策略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好的公司业绩过分
高估的现象, 从而反向投资存在套利机会。实行反向选股策略的投资者买进过去表现差的
股票而卖出过去表现好的股票。

(三)资产配置

资产配置是指资产类别选择, 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。

资产配置一般包括战略资产配置。 战术资产配置和资产混合配置。

资产配置包括三大层次, 分别是全球资产配置, 大类资产配置和行业风格配置。

(三)基金绩效评估

基金是一种集合投资产品, 它具有风险分散、专业化管理, 变现性强等特点, 要对基金有
一个全面的评价 , 绩效评估能够提供较好的视角与方法。

对基金的绩效进行评估的指标和方法包括: 风险调整收益、择时 / 股能力, 业绩归因分析、业绩持续性和 Fama 的业绩分解等

(四)基于行为金融学的投资策略

股票市场的一系列与理性人假设不符合的异常现象, 如: 日历效应, 股权溢价之谜, 期权微笑, 封闭式基金折溢价之谜, 小盘股效应等, 使得诸多研究学者放松关于投资者是完全理
性的严格假设, 形成了具有重要影响力的学术流派 --- 行为金融学。

目前国际金融市场中比较常见且相对成熟的行为金融投资策略包括动量投资策略、反向投资策略、小盘股策略和时间分散化策略等。

(五)程序化交易

程序化交易是指任何含有 15 只股票以上或单值一百万美元以让的交易。 目前程序
化交易策略主要包括①数量化程序交夏策略②动态对冲策略③指数套利策略④配对交易策略⑤ 久期平均策略等。

(六)算法交易

算法交易, 也称自动交易、黑盒交易或无人值守交易, 是使用计算机来确定订单最佳的
执行路径、执行时间、执行价格及执行数量的交易方法, 主要针对经纪商。算法交易广泛应
用于对冲基金、企业年金, 共同基金以及其他一些大型的机构投资者, 他们使用算法交易对
大额订单进行分拆, 寻找最佳路由和最有利的执行价格, 以降低市场的冲击成本、提高执行
效率和订单执行的隐项性。算法交易主要的算法包括交易量加权平均价格算法、保证成交
量加权平均价格算法, 时间加权平均价格算法、游击战算法、狙击手算法, 模式识别算法等。

单选

"所有的决策都是依据模型做出的" 体现了量化投资分析的(a)。

a 纪律性 B. 系统性

C. 套利思想 D. 概率取胜

统计套利的主要内容有配对交易、股指对冲、融券对冲和(c)。

A. 风险对冲 B. 期权对冲 C. 外汇对冲 D. 期货对冲

统计套利的主要内容有配对交易、股指对冲、融券对冲和外汇对冲。

在量化投资中, 数据挖掘的主要技术不包括(d)。

A. 分类 B. 关联分析

C. 预测 D. 机器学习

在量化投资中, 数据挖掘的主要技术包括:① 关联分析② 分类 ③ 预测 ④ 聚类分析。

严格执行量化投资模型所给出的投资建议, 而不是随着投资者情绪的变化而随意更改, 这体现出量化投资策略的(a)

a 对纪律性 B. 系统性

C. 及时性 D. 准确性

下列关于量化投资分析的说法中, 错误的是(b)。

A. 严格执行量化投资模型所给出的投资建议

B 具有非系统性

C. 及时快速地跟踪市场变化, 不断发现能够提供超额收益的新的统计模型, 寻找新的交易机会

D. 量化投资是靠概率取胜

组合型选择

商品期货套利盈利的逻辑原理包含(1234)。

  1. 相关商品在不同地点。 不同时间对应都有一个合理的价格差价

2 由于价格的波动性, 价格差价经常出现不合理

3. 不合理必然要回到合理

4. 不合理回到合理的这部分价格区间就是盈利区间

根据各个算法交易中算法的主动程度不同, 可以把不同算法交易分为(123)。

1 被动型算法交易 2 主动型算法交易

3 综合型算法交易 4 自由型算法交易

量化选股的模型有很多种 , 总的来说主要有(134)。

1 多因子模型 - 2 资产定价模型

3 风格轮动模型 4 行业轮动模型

在量化投资分析中, 可以借鉴人工智能的技术包括(1234)。

1 专家系统 2 机器学习

3 神经网络 4 遗传学算法

下列上市公司的估值方法中, 属于相对个值法的有(13)。

1 PE 估值法 2 股利折现模型

3 P/B 估值法 4 股权自由现金流模型

评论(没有评论)