金融工程 量化投资.pptx

《金融工程 量化投资.pptx》由会员分享，可在线阅读，更多相关《金融工程 量化投资.pptx（42页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、目录目录1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：事件驱动交易第1页/共42页1.1 量化投资的思想就在你身量化投资的思想就在你身边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量化投资强调纪律性、系统性和大概率事件打个比方，漏斗打个比方，漏斗Vs.筷子筷子2第2页/共42页1.2 定位：

2、一张复杂的图定位：一张复杂的图表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3第3页/共42页目录目录4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：事件驱动交易第4页/共42页2.1 中信证券基金仓位监测方法介中信证券基金仓位监测方法介绍

3、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净变动更值得关注股票股票S、债券、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，价格变动幅

4、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，我们称为我们称为净变动。净变动。（增仓行为：增加股票头寸（增仓行为：增加股票头寸/减少债券或者现金头寸应对赎回；减仓减少债券或者现金头寸应对赎回；减仓行为：卖出股票行为：卖出股票/申购资金没有转化成相应股票头寸）申购资金没有转化成相应股票头寸）5第5页/共42页2.2 基金仓位估计误差控制在正负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6第6页

5、/共42页2.3 仓位峰谷值与仓位趋势判仓位峰谷值与仓位趋势判断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。7第7页/共42页2.4 情绪影响投资决策，导致投资行为情绪影响投资决策，导致投资行为偏差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

6、杉机时报洛杉机时报市场情绪周期市场情绪周期8第8页/共42页2.5 建立投资者情绪监控指标体系，拟合成情绪建立投资者情绪监控指标体系，拟合成情绪指数指数项目项目代理变量名称代理变量名称变量描述变量描述市场整体类指标市场整体类指标 P/E市场整体市盈率市场整体市盈率P/B市场整体市净率市场整体市净率TURNOVER市场整体换手率市场整体换手率市场结构类指标市场结构类指标 ADV/DEC市场上涨家数比下跌家数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市场创新高家数比创新

7、低家数SML小盘股相对大盘股的超额收益率小盘股相对大盘股的超额收益率IPO系列指标系列指标 NIPO股票首发上市家数股票首发上市家数RIPO股票上市首日涨幅股票上市首日涨幅封闭式基金折价率封闭式基金折价率CEFD市场封闭式基金折价率市场封闭式基金折价率资金流动指标资金流动指标NAAA股帐户净增加数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9第9页/共42页2.6 采用主成份法拟合情绪指数，形成可持续采用主成份法拟合情绪指数，形成可持续更新更新标准化处理标准化处理选择主成份选择主成份变量变量滚动计算，滚动计算，头尾

8、相连成头尾相连成指数指数采用主成份法，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10第10页/共42页2.7 情绪指数的多种应情绪指数的多种应用用投资者情绪水平指数在2之间波动可以提前12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1.46，5.69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，

9、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投资者情绪水平指数Vs.中标中标A股综合指数股综合指数投资者情绪水平指数投资者情绪水平指数Vs.未来一周涨跌幅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11第11页/共42页目录目录12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：事件驱动交易第12页/共42页3.1 行业比较的自上而下行业比较的自上而下VS自下自下而上而上Bottom-UpTop-DownPortfolioAs

10、set AllocationSecurities SelectionRiskManagementA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第13页/共42页3.2 从多个角度入手分析从多个角度入手分析A股市场行业轮动股市场行业轮动规律规律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行业配置结果长期长期短期短期中期中期动量反转动量反转业绩驱动业绩驱动估值回复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14第14页/共42页3.3 行业选择：业绩驱动行业选择：业绩驱动+估值回复估值回复+动量动量反转反转结果回溯：

11、66.7%的月份配对66%以上行业。长期看能配好57.8%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第15页/共42页3.4 主要基于业绩驱动和估值回复进行中期行业主要基于业绩驱动和估值回复进行中期行业配置配置数据来源：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58.9%16第16页/共42页3.5 积极利用动量反转

12、把握短期行业积极利用动量反转把握短期行业轮动轮动数据来源：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17第17页/共42页目录目录18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：事件驱动交易第18页/共42页4.1 确定大小盘轮动指标体系，计算月度风格确定大小盘轮动指标体系，计

13、算月度风格指针指针大小盘风格轮动判断指标体系指标名称指标名称指标解释指标解释指标应用指标应用技术指标技术指标1212月的月的RSIRSI（以大小盘指数的（以大小盘指数的比值为对象）比值为对象）当当RSIRSI高于高于8080，超买，利于大盘股；低于，超买，利于大盘股；低于2020，超卖，利于小盘股，超卖，利于小盘股波动性波动性上证指数的波动率（滚动上证指数的波动率（滚动100100日计算并年化）日计算并年化）波动率增大时，风险担忧扩大，不利于小盘股波动率增大时，风险担忧扩大，不利于小盘股盈利状况盈利状况工业增加值工业增加值当工业增加值显著回升时，大盘股方被关注当工业增加值显著回升时，大盘股方被

14、关注通货膨胀通货膨胀CPICPI上升的通涨带来货币紧缩，此时，大盘股表现相对更好一些。上升的通涨带来货币紧缩，此时，大盘股表现相对更好一些。货币环境货币环境M1M1增速增速银根收紧更不利于小盘股银根收紧更不利于小盘股流动比率（流动比率（M1/M2M1/M2）下降的下降的M1/M2M1/M2更不利于小盘股更不利于小盘股短期利率（短期利率（3 3个月）个月）贷款成本下降时，对于小盘股更有利贷款成本下降时，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19第19页/共42页4.2 通过风格指针的值判断风格轮动

15、趋通过风格指针的值判断风格轮动趋势势小盘股/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%20第20页/共42页目录目录21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：事件驱动交易第21页/共42页5.1 投资收益可以分解为市场因子、情绪因子、规模因投资收益可以分解为市场因子、情绪因子、规模因子等子等多因素模型：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

16、四因素模型Two Factor：The Little Book that Beats The MarketEarning Yield(Modified)/Return on Capital(Modified)Barra模型 59-FactorVanguards 70-Factor Model市场因子情绪因子基本因子宏观因子22第22页/共42页5.2 通过量化因子监控体系洞悉通过量化因子监控体系洞悉A股演绎股演绎路径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

17、小盘GARP/VAM风格划分PEPBPSEV/EBIDTAEPSEPS增长增长净利润增长净利润增长营业利润增长营业利润增长利润总额增长利润总额增长销售净利率销售净利率ROEROAROIC1 M Price3 M Price6 M Price12 M Price3M Beta6M Beta3M Vol6M Vol财务杠杆财务杠杆利息覆盖倍数利息覆盖倍数资金动量资金动量盈余动量盈余动量成交动量成交动量预测预测EPSEPS增长增长毛利率毛利率期间费用率期间费用率PCF总总股本股本持股集中度持股集中度流通股本流通股本23第23页/共42页5.3 最新体系最新体系综合考虑因子收益率和模型稳综合考虑因子收

18、益率和模型稳定性定性L/S Accumulative PerformanceDifference of L/H PostAlpha Prob.Accumulative Excess ReturnRanked Information Coefficients(IC)Avg.ReturnVolatilitySharp RatioHit RatioDurationIRsICsAvg.Prob.T-Testing24第24页/共42页5.4 长期表现：估值长期表现：估值/成长成长/风险因子贡献风险因子贡献显著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：

19、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25第25页/共42页5.5 不同因子表现存在周期不同因子表现存在周期性性26第26页/共42页5.6 量化个股精选模型之一：量化个股精选模型之一：GARP选股策略选股策略研究研究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 UnattractiveGARPValueGrowth27第

20、27页/共42页5.7 GARP选股策略研究：量化流选股策略研究：量化流程程28第28页/共42页5.8 寻找适合国内市场的一种模型设定：指标寻找适合国内市场的一种模型设定：指标设定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财务指标财务指标哪种组合月度收益高哪种组合月度收益高PB低低PBPS低低PSPEG低低PEGROE高高ROEEPS增长增长高高EPS增长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29第29页/共42页5.9 寻找适合国内市场的一种模型设定：打分寻找适合国内市场的一种模型设定：打分方法方法打分方法排序按秩打分

21、：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ROEROE波动按倒序排序打分除ROEROE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）证券简称证券简称EPSEPS增长率增长率销售销售净利率净利率净利润同净利润同比增长率比增长率加权加权ROEROEROEROE波动率波动率成长得分成长得分预测预测PEPE预测预测PEGPEG市净率市净率PBPB市销率市销率PSPS企业倍数企业倍数EV/EBITDAEV/EBITDA价值得分价值得分深发展深发展A5.

22、9779.1637.8139.283.79936.0329.3257.3995.4374.735-33.62万科万科A7.2377.1744.8075.7254.82529.7688.8398.0924.8523.934-32.146南玻南玻A7.4268.8579.3078.2366.34640.1723.7456.2383.0883.2325.55421.857深康佳深康佳A4.6722.2697.6243.7549.20827.5276.9315.0149.7039.7665.7737.184一致药业一致药业4.6272.7376.6889.3253.48426.8614.1773.63

23、71.5769.3794.75323.522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30第30页/共42页5.10 我们的选股策略展现出持续的增强我们的选股策略展现出持续的增强效果效果数据来源：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）31第31页/共42页5.11 价值动量模型的逻辑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32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

24、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第32页/共42页5.12 量化个股精选模型之二：价值动量量化个股精选模型之二：价值动量策略策略基础股票池：沪深300；交易成本：0.3%月平均收益率为0.95%，超额收益的标准差为0.0262每期换手率平均是52.07%，入选的股票数量31.46支33市值加权市值加权等权重等权重200312.92%7.44%2004-0.08%-2.19%20055.46%-0.06%200610.28%9.03%200710.62%20.86%200833

25、.97%32.72%20090.06%11.50%平均平均10.46%11.33%20032009价值动量模型历史表现模型历年超额收益第33页/共42页目录目录34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：事件驱动交易第34页/共42页6.1 事件驱动交易、时机创造价事件驱动交易、时机创造价值值分红送配、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35第35页/共42页6.2 事件驱

26、动交易研究方事件驱动交易研究方法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36第36页/共42页6.3 6.3 案例分析：可分离债发行、高送案例分析：可分离债发行、高送配配在可分离债

27、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37第37页/共42页6.4 事件驱动交易，时机创造价事件驱动交易，时机创造价值值事件驱动交易，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（）股指期货空头（-）仅留下超额收益（alpha）超

28、额收益（）38第38页/共42页中信证券金融工程团队：不积跬步，无以至千中信证券金融工程团队：不积跬步，无以至千里里胡浩（，）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（，）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（，）3900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

29、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。第39页/共42页中信证券金融工程团队：不积跬步，无以至千中信证券金融工程团队：不积跬步，无以至千里里李栋（，）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（，）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（，）4007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。第40页/共42页联系人：胡 浩 010-84588430 致谢！致谢！41第41页/共42页42感谢您的观看。第42页/共42页