年度量化投资研究回顾创新与耕耘,见证量化基金的未.pdf

《年度量化投资研究回顾创新与耕耘,见证量化基金的未.pdf》由会员分享，可在线阅读，更多相关《年度量化投资研究回顾创新与耕耘,见证量化基金的未.pdf（27页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、创新与耕耘，见证量化基金的未来创新与耕耘，见证量化基金的未来20102010年度量化投资研究回顾年度量化投资研究回顾长城证券研究所长城证券研究所宋绍峰010-88366060-执业证书编号 S1070210030003目录目录1 1、前言、前言1.1 数量化投资的研究方向2 2、量化选股策略、量化选股策略2.1 量化选股策略的思想2.2 动态预期选股策略2.3 添加动量反转的动态预期选股策略2.4 阿尔法选股策略2.5 选股策略小结3 3、量化择时策略、量化择时策略3.1 量化择时的特点3.2 大小盘风格轮动择时3.3 SVM择时模型3.4 天气择时1 1、前言、前言1.1 1.1 数量化投资

2、的研究方向数量化投资的研究方向 阿尔法策略主要利用回归、因子分析等手段找到阿尔法收益 套利与对冲股指期货套利、衍生品跨品种套利、事件套利、统计套利、macro hedge 创新型基金各种标的ETF、保本基金、portable alpha、分级基金2011年OTC市场的CDS、汇率与商品期权、保本与套利基金2010年之前权证、可转债、股指期货、long-only的阿尔法基金2012年之后QDII量化基金、丰富多彩的ETF甚至杠杆ETF、多范式的对冲基金2 2、量化选股策略、量化选股策略2.1 2.1 量化选股策略的思想量化选股策略的思想 超越基准历史经验表明，主动型long only选股策略可以

3、长期超越指数但超额收益不大，针对不同的基金品种设计相应的策略 稳定可靠微调几个参数不至于对策略结果产生太大的波动 理论支持基于各种学术或业界的理论，不仅仅是“技术分析”或是“经验”低成本成本是扼杀利润的最大杀手，我们希望能做到最低换手2.1 2.1 量化选股策略的思想量化选股策略的思想（续）（续）对于一个趋势性的市场，往往风格只集中于市值、价值、板块、动量以及其他特征因子，并且多数情况下是一种二元选择选股与构建组合并不是难事，关键在于预测下一阶段市场的特征 数量化选股的基本思想就是利用这些特征因子进行选股，或者单因子或者多因子市场特征大盘/小盘动量/反转周期/消费价值/成长基本的动态预期选股策

4、略基本的动态预期选股策略添加动量反转的动态预期选股策略添加动量反转的动态预期选股策略阿尔法型市场中的选股策略阿尔法型市场中的选股策略2.2 2.2 动态预期选股策略动态预期选股策略选股流程选股流程3030支股票池支股票池模块与指标筛选模块与指标筛选A A股市场所有股票股市场所有股票考察日期：06年1月1日 至今选股范围：全部A股股票，剔除重大资产重组复牌、ST退市等异常情况其他限制：剔除 PE1000等异常情况调仓成本假设为1%，满仓操作，long only2.2 2.2 动态预期选股策略动态预期选股策略对比静态选股突显优势对比静态选股突显优势静态选股 采用已公布的季度财务数据 调仓周期长（季

5、度）长时间段实证无法获得超额收益动态预期选股 采用市场分析师预期 调仓周期短（月度）超额收益取决于分析师的智力表表：静态选股策略的收益率分析（：静态选股策略的收益率分析（2006-2009）累计收益率年化超额收益年化标准差PE353.97%4.84%40.77%PB329.69%3.41%41.14%收入增长率610.87%17.28%38.71%净利润增长率395.94%7.19%41.03%沪深300275.74%-36.53%数据来源：长城证券，量化投资系列之一基于估值与成长的静态选股模型2.2 2.2 动态预期选股策略动态预期选股策略结果结果 选用净利润、PE、PEG等指标都能获得较好

6、的超额收益表：表：四种动态选股指标分阶段表现四种动态选股指标分阶段表现2006年2007年2008年2009年2010年1-10月全阶段表现动态PE96.30%323.15%-67.19%167.04%-4.27%596.78%PEG132.65%238.53%-63.51%147.52%-2.05%596.86%净利润113.49%261.42%-62.86%121.48%13.26%618.89%收入117.01%189.18%-68.48%161.18%0.48%419.03%HS300122.64%166.69%-67.63%97.68%-7.43%251.65%01002003004

7、005006007008002006年1月2006年4月2006年7月2006年10月2007年1月2007年4月2007年7月2007年10月2008年1月2008年4月2008年7月2008年10月2009年1月2009年4月2009年7月2009年10月2010年1月2010年4月2010年7月2010年10月%动态PE动态PEG净利润收入HS300数据来源：长城证券，量化投资系列之二动态预期选股初探2.3 2.3 添加动量反转的动态预期选股策略添加动量反转的动态预期选股策略动量反转有效性检验动量反转有效性检验0 100 200 300 400 500 600 700 800 06年1月

8、06年4月06年7月06年10月07年1月07年4月07年7月07年10月08年1月08年4月08年7月08年10月09年1月09年4月09年7月09年10月10年1月%5日动量10日动量30日动量HS3000 100 200 300 400 500 600 06年1月06年4月06年7月06年10月07年1月07年4月07年7月07年10月08年1月08年4月08年7月08年10月09年1月09年4月09年7月09年10月10年1月%91日反转182日反转365日反转HS300 采用2006年以来沪深300样本股进行动量反转策略的30支股票组合实证 沪深300内的实证表明：动量策略基本失效，

9、而反转策略明显有效。尤其是长周期反转，如365日反转策略在4年时间里跑赢指数260%。数据来源：长城证券，量化投资系列之三动态预期+股价动量反转之选股策略2.3 2.3 添加动量反转的动态预期选股策略添加动量反转的动态预期选股策略模型构建模型构建 根据层层过滤法，先根据动态预期指标选择出股票子池，然后再在子池当中根据样本内的动量反转指标构建最终的组合 动量选择短动量（7日），反转选择长周期反转（365日）根据动态预期选择根据动态预期选择150150支股票子池支股票子池从股票子池中根据动量从股票子池中根据动量反转指标选择反转指标选择3030支股票支股票构建投资组合构建投资组合2.3 2.3 添加

10、动量反转的动态预期选股策略添加动量反转的动态预期选股策略结果结果结论结论 长期来看，添加动量反转的选股组合单因子的动态预期选股 对于价值超跌阶段（例如2009年），利用反转策略能够取得优秀收益 基于单月胜率以及总收益来看，选择动态PEG以及净利润增长指标最优四四种种动态预期动态预期+动量反转选动量反转选股指标分阶段表现股指标分阶段表现2006年2007年2008年2009年2010年1-10月 全阶段表现 单月战胜指数比例动态PE96.30%323.15%-67.19%167.04%-4.27%596.78%61.0%动态PE+动量116.94%270.05%-68.60%114.48%-6.

11、59%404.97%66.1%动态PE+反转70.01%299.82%-68.16%175.12%-11.20%428.73%50.8%动态PEG132.65%238.53%-63.51%147.52%-2.05%596.86%64.4%动态PEG+动量106.39%250.16%-70.81%99.96%17.18%394.29%66.1%动态PEG+反转63.51%234.40%-67.00%196.33%-2.18%423.05%61.0%净利润113.49%261.42%-62.86%121.48%13.26%618.89%66.1%净利润+动量146.78%226.93%-69.05

12、%86.10%2.17%229.58%59.3%净利润+反转70.21%307.00%-64.52%181.47%8.92%468.33%66.1%收入117.01%189.18%-68.48%161.18%0.48%419.03%64.4%收入+动量119.72%203.23%-68.72%96.31%26.70%418.39%64.4%收入+反转78.43%163.33%-65.01%143.24%8.07%332.21%57.6%HS300113.49%261.42%-62.86%121.48%0.89%540.38%60.8%数据来源：长城证券，量化投资系列之三动态预期+股价动量反转之

13、选股策略2.4 2.4 阿尔法选股策略阿尔法选股策略思路与背景思路与背景 回想09年7月到10年8月,期间沪深300指数下跌了25%，但两市有超过5成股票有正收益，2成个股区间总收益超50%阿尔法型与贝塔型阿尔法型与贝塔型市场特征市场特征贝塔型阿尔法型流动性大幅反转或非常充裕偏紧或缓慢下降市场指数大幅上涨震荡或缓慢下降市场偏好强周期板块占优弱周期板块占优分析师情绪偏激平稳估值中枢上调趋势稳定或缓慢下降选股策略低PE、PEG策略大幅超越市场持续增长以及反转策略01000200030004000500060007000阿尔法震荡贝塔上涨阿尔法震荡贝塔下跌贝塔上涨阿尔法震荡 把时间轴拉长，以沪深30

14、0指数为基准，整个市场趋势基本可由阿尔法震荡、贝塔上涨、贝塔下跌三个模式组成，前两种模式都可以进行选股持仓2.42.4 阿尔法选股策略阿尔法选股策略模型的构建模型的构建Step1:剔除强周期性行业剔除强周期性行业Step2:筛选筛选三年持续的高三年持续的高盈利增速的个股盈利增速的个股Step3:根据根据打分机制进一步筛选股票池打分机制进一步筛选股票池股票池股票池流通市值流通市值估值估值换换手手动量动量2.42.4 阿尔法选股策略阿尔法选股策略结果结果 策略累计收益20%（月换仓成本1%），同期沪深300指数收益-25%13个月里11个月战胜沪深300指数 同期偏股型基金收益中位数-10%-40

15、-30-20-10 0 10 20 30%阿尔法策略(单月)HS300（单月）阿尔法策略(累计)HS300（累计）数据来源：长城证券，量化投资系列之五阿尔法型市场中的选股策略2.5 2.5 选股策略小结选股策略小结实证已经表明，量化选股可以在长时间段跑赢指数，这和传统金融学观点“低PE战胜高PE”,“高成长股有估值溢价”等理论不谋而合即使我们设计的几种选股策略有良好表现，但没有一种适合任何市场任何阶段的量化选股（不敢保证每个月都能战胜指数），提前判断市场特征仍然是关键（例如是贝塔性机会还是阿尔法型机会），尤其对于08年这样的超级系统性风险，最好策略不是战胜指数而是减仓选股策略需要进一步历史回溯

16、检验以及样本外检验，当前最为可靠的是阿尔法型策略，我们每月初公布组合3 3、量化择时策略、量化择时策略3.1 3.1 量化择时的特点量化择时的特点经济与社会测不准特性决定，量化择时难度远大于选股择时的方法很多，大体可分为技术面择时+基本面择时，两大类方法难分伯仲，各有优缺判别择时模型的好坏有很多出发点，例如判别胜率、利用指标择时后的sharp等等，但最主要的是模型的样本外检验是否可靠，是否可以提前预测系统性风险3.2 3.2 大小盘风格轮动择时大小盘风格轮动择时012345672000-03-312000-08-112000-12-222001-05-112001-09-142002-01-2

17、52002-06-142002-10-252003-03-072003-07-182003-11-212004-04-022004-08-132004-12-172005-04-292005-09-092006-01-202006-06-092006-10-202007-03-022007-07-062007-11-162008-03-212008-07-252008-12-052009-04-172009-08-212009-12-252010-5-72010-9-10MRS-2上证综指02468101214162000-03-312000-08-112000-12-222001-05-11

18、2001-09-142002-01-252002-06-142002-10-252003-03-072003-07-182003-11-212004-04-022004-08-132004-12-172005-04-292005-09-092006-01-202006-06-092006-10-202007-03-022007-07-062007-11-162008-03-212008-07-252008-12-052009-04-172009-08-212009-12-252010-5-72010-9-10IRS-2上证综指我们设计了两种指标，资金相对强弱（MRS）和指数相对强弱(IRS)，

19、利用long/short大小盘指数的方法（换仓成本1%）回溯长期来看，IRS优于MRS，原因在于MRS对短线较为敏感，耗费交易成本MRS收益率曲线的大驻点可以提前半年预测股市变盘点，今年10月变盘已经被我们预测到，而下一个变盘点很可能在明年4月数据来源：长城证券，量化投资系列之四大小盘风格轮动的标识3.3 SVM3.3 SVM择时模型择时模型模型的构建模型的构建SVM模型是统计学一种模式自识别模型，将参数输入之后，模型能够给出1和-1的自识别结果模型使用24月作为训练样本，进行滞后1期的样本外预测。实际预测时，CPI/PPI、M1/M2等经济数据均已考虑时滞3.3 SVM3.3 SVM择时模型

20、择时模型实证结果实证结果-1.5-1-0.500.511.5-1000100200300400500%模型收益率上证指数收益率预测涨跌序列(右轴)对上证指数采用全仓/空仓的策略来表征择时策略准确性，10年期间的总收益为325%，单月胜率为62%，改进后的模型总共交易次数只有9次，基本能够踏准大周期数据来源：长城证券，量化投资系列之六基于SVM的量化择时方法3.4 3.4 天气择时天气择时“Sell in May and Buy in October”同样适用于中国股市，意味着秋天开始持股、夏天就卖出的战术其实非常奏效我们还发现了上海地区天气对股市的影响，如果上海地区发生特大暴雨，那么股市非常有

21、可能暴跌。你可以认为这是一种伪回归，但这恰是事实0.42 0.44 0.46 0.48 0.50 0.52 0.54 0.56 寒冷温和炎热00.10.20.30.40.50.6小雨中雨大雨暴雨晴天晴雨合计上海地区不同天气下大盘的上涨概率上海地区不同天气下大盘的上涨概率上海地区不同降雨量下大盘的上涨概率上海地区不同降雨量下大盘的上涨概率数据来源：长城证券，观风测雨算大盘通过气象看股市专题研究长城研究长城研究与您共成长与您共成长长城证券研究所宋绍峰 FRM CIIA2010年11月长城证券研究所投资评级标准：长城证券研究所投资评级标准：长城证券销售交易部长城证券销售交易部深圳联系人：深圳联系人：

22、刘璇：0755-83516231，13760273833，马珂：0755-83516433，13823795859，伏财勇：0755-83510199，13927451701，北京联系人北京联系人包丽莉：010-88366060-8881，13683044622，韩骁：010-88366060-8836，13910076517，杨洁：010-88366060-8865，13911393598，上海联系人上海联系人王维昌：021-61680347，13321976702，谢彦蔚：021-61680314，18602109861，黄怡：021-61680357，13816523173，免责声明免责

23、声明本报告由长城证券有限责任公司（以下简称长城证券）向其机构或个人客户（以下简称客户）提供，除非另有说明，所有本报告的版权属于长城证券。未经长城证券事先书面授权许可，任何机构和个人不得以任何形式翻版、复制和发布，亦不得作为诉讼、仲裁、传媒及任何单位或个人引用的证明或依据，不得用于未经允许的其它任何用途。如引用、刊发，需注明出处为长城证券研究所，且不得对本报告进行有悖原意的引用、删节和修改。本报告是基于本公司认为可靠的已公开信息，但本公司不保证信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向他人作出邀请。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。长城证券在法律允许的情况下可参与、投资或持有本报告涉及的证券或进行证券交易，或向本报告涉及的公司提供或争取提供包括投资银行业务在内的服务或业务支持。长城证券可能与本报告涉及的公司之间存在业务关系，并无需事先或在获得业务关系后通知客户。长城证券版权所有并保留一切权利。