【罗军】量化投资之旅择时、选股与衍生品0805打印版

量化投资之旅：择时、选股与衍生品

罗军广发证券金融工程2014年8月广发金融工程研究领域多因子alpha策略

事件驱动选股策略互联网文本挖掘选股策略量化行业配置策略Alphahunter中长期的量化择时日内/短期的交易性策略BetagrazerOption&Structure为机构投资者在量化投资领域提供全方位的研究服务！

场内欧式期权的套利、套保、资产配置策略场外复杂期权的定价与对冲策略结构化产品的设计、定价与对冲策略一、Alpha相关策略二、Beta相关策略三、产品创新：Option&Structure四、实用小工具目录基于多因子的alpha策略框架去极值标准化行业标准化因子暴露个股收益ICIRLS胜率LS收益单调性其他指标有效Alpha因子数据预处理多因子组合因子配权+个股配权基于宏观周期基于风格回复基于事件驱动风格轮动Wind底层数据库Matlab,Vba抓取情景分析风险优化平滑因子行业中性因子挑选股指期货300ETF融资融券对冲方案多因子ALPHA策略——框架组合优化样本范围对比-行业中性全市场中证800沪深300因子加权平均加权平均加权平均加权组合类型行业中性行业中性行业中性样本区间20131231-2014063020131231-2014063020131231-20140630胜率100.00%83.33%83.33%年化收益率35.13%17.42%14.58%年化波动率3.99%5.13%5.89%信息比8.813.402.47最大回撤0.00%0.76%0.59%平均换手率（月）38.20%45.21%35.00%组合个股数量11016060（一）股票样本池比较：大样本完胜！我们分别在全市场股票、中证800成份股以及沪深300成份股中建立了多因子Alpha对冲策略，下表为上述三类策略近半年的样本外表现对比，显然受到大小盘等风格的影响，大样本组合的对冲效果远远好于小样本组合！多因子ALPHA策略——回顾1因子加权方式比较因子加权平均加权IC_IR动量加权IC_IR反转加权组合类型平均加权平均加权平均加权样本区间20131231-2014063020131231-2014063020131231-20140630胜率83.33%100.00%83.33%年化收益率37.23%50.16%28.46%年化波动率6.66%8.45%6.48%信息比5.595.944.39最大回撤0.17%0.00%0.86%平均换手率（月）49.71%24.04%64.16%组合个股数量110110110（二）因子加权方式比较：风格动量更合适！基于全市场股票样本，分别建立了因子等权、因子动量加权及因子反转加权三类多因子Alpha对冲策略，下表为上述三类策略近半年的样本外表现对比，可以看到，近半年来主流风格因子的动力效应更加强，动量多因子策略的累积超额收益及信息比都是最高的！多因子ALPHA策略——回顾2（三）个股加权方式比较：行业中性依然是稳健的选择！基于全市场股票样本，构建了多因子等权选股策略，在组合个股权重分配上分别采用了等权和行业中性两种策略，下表为两类策略近半年的样本外表现对比，行业中性对冲组合虽然在绝对收益上没有明显的优势，但其跟踪误差及累积最大回撤都显著低于个股等权组合，而信息比也更高！多因子ALPHA策略——回顾3组合加权方式比较组合类型行业中性平均加权因子加权平均加权平均加权样本区间20131231-2014063020131231-20140630胜率100.00%83.33%年化收益率35.13%37.23%年化波动率3.99%6.66%信息比8.815.59最大回撤0.00%0.17%平均换手率（月）38.20%49.71%组合个股数量110110多因子系列专题报告列表：《多因子Alpha系列报告之（一）——风格因子驱动下的行业内量化选股研究》《多因子Alpha系列报告之（二）——风格因子驱动下的行业选择：超配金融地产》《多因子Alpha系列报告之（三）——估值与动量结合的选股模型》《多因子Alpha系列报告之（四）——沪深300成份股的应用分析（上）》《多因子Alpha系列报告之（五）——沪深300成份股的应用分析（下）》《多因子Alpha系列报告之（六）——从宏观角度观察Alpha因子趋势》《多因子Alpha系列报告之（七）——大浪淘金，Alpha因子何处寻？》《多因子Alpha系列报告之（八）——观宏观经济周期,察风格因子轮动》《多因子Alpha系列报告之（九）——追踪行业特点，捕获行业ALPHA驱动力》《多因子Alpha系列报告之（十）——转融通：双刃剑之“惑”：多因子选股对冲方案分析》《多因子Alpha系列报告之（十一）——考虑换手率限制的多因子Alpha模型》《多因子Alpha系列报告之（十二）——从ICIR角度探讨风格因子的均值回复性》《多因子Alpha系列报告之（十三）——考虑非线性特征的多因子Alpha策略》《多因子Alpha系列报告之（十四）——基于情景分析的多因子Alpha策略》《多因子Alpha系列报告之（十五）——宏观事件驱动下的风格轮动》《多因子Alpha系列报告之（十六）——基于情景切换的技术选股策略》《多因子Alpha系列报告之（十七）——行业事件驱动下的风格轮动》《多因子Alpha系列报告之（十八）——基于风格特征归因的动态因子策略》《多因子ALPHA系列报告之（十九）——笑看北雁南飞南雁北归》多因子系列专题报告下载链接：/s/1dDxMoLz报告列表行业轮动策略框架行业轮动策略——框架相似性匹配策略羊群效应策略在线优化策略新闻热度策略行业轮动寻找历史出现相似的行业涨跌顺序的时刻寻找具备最涨杀跌现象，且当前存在强势领头羊的行业在行业动量与反转策略之间动态切换根据互联网的新闻资讯挖掘行业受关注程度[1,3,12,…,5,7][2,3,12,…,4,7][3,2,10,…,5,8]观察行业最近启动先后顺序，与历史样本相匹配在历史上找到一些与当前状态最为相似的行业启动先后顺序,挑选下一期表现最好的行业作为当前计划的超配行业（1）行业启动定义及识别；（2）行业启动序列相似性匹配；（3）行业选择。核心问题：相似性行业轮动策略——原理相似性匹配行业轮动策略分年度表现时间超额收益胜率最大回撤全样本88.87%58.23%16.40%20086.80%50.00%5.70%200915.00%58.30%2.80%201023.10%66.70%1.50%2011-4.40%33.30%9.30%2012-6.50%41.70%7.80%201319.20%83.30%2.30%2014(截止05.30)17.34%83.33%0.90%相似性行业轮动策略——实证现象量化手段?模型基本想法：既然市场存在这种现象，那么可以通过检验行业在某个时点是否存在羊群效应，并在有适当龙头股领涨的情形下配置该行业。羊群效应行业配置模型就是要当股市中的牧羊人羊群效应行业轮动策略——原理羊群效应行业行业策略分年度表现

超额收益率胜率最大回撤全样本411.8%57.8%10.8%200613.4%56.3%4.5%20073.9%51.1%10.8%200870.8%65.0%7.6%200917.7%52.8%6.3%201017.3%61.3%4.1%20110.4%51.9%6.0%201223.8%65.5%1.9%201332.2%57.1%5.5%2014(截止07.04)12.2%62.5%3.8%羊群效应行业轮动策略——实证事件驱动策略——框架事件驱动策略传统事件驱动策略高管增持业绩预增业绩快报股权激励定向增发破发行价长期不出公告文本挖掘类事件驱动策略个股新闻热度挖掘上市公司公告挖掘个股股吧论坛挖掘传统事件驱动策略研究框架事件驱动策略——传统事件驱动策略原理高管增持策略业绩预增策略业绩快报策略股权激励策略长期不出公告策略定向增发首破发策略传统事件驱动寻找高管增持类个股寻找业绩预增类个股的超额收益寻找披露业绩快报且利润大幅增长类个股寻找上市公司股权激励类个股的超额收益寻找长期不出公告类个股的超额收益寻找上市公司定向增发在一定时间内首次跌破发行价个股的超额收益网络信息挖掘框架流程:内容采集垃圾页面过滤页面内容爬取内容挖掘页面内容分析页面信息处理页面信息提取行为分析信息归类分词、情感分析构建策略互联网大数据挖掘体系介绍数据抓取平台组件框架通用可扩展集群抓取线程池连接池可视化配置智能化配置网页规则识别获取网页抓取规则获取反监控规则、异常规则、设置代理IP监控系统抓取任务调度分发器常规抓取临时抓取反监控管理反监控规则异常规则恢复策略监控异常、调整反监控规则带优先级抓取消息分配调度服务器批量存储互联网大数据挖掘体系介绍文本挖掘运用举例-twitter用户情感状态变化对道琼斯指数指数涨跌有提前预测作用海外经典案例事件驱动策略——互联网文本挖掘策略互联网文本挖掘事件驱动策略框架互联网文本挖掘个股新闻热度策略上市公司公告策略股吧论坛情绪策略寻找个股新闻热度变化带来的超额收益寻找不同类别公告的超额收益根据个股论坛帖子构建情绪指标，寻找情绪指标变化所带来的超额收益表7.新闻热度择时策略年化收益率胜率赔率累计最大回撤看多占比看空占比21.84%52.47%1.4114.62%32.23%35.06%事件驱动策略——互联网文本挖掘策略案例一、Alpha相关策略二、Beta相关策略三、产品创新：Option&Structure四、实用小工具目录量化择时框架7长线中线短线TD模型LLT趋势线H浪抛物线逼近希尔伯特变换相位指标加权FFTTD模型广发金工创业板择时2014（1）2014.1.2看多至14.2.27，自1333点最高涨至1571点，涨幅17.8%。（2）2014.2.27看空至2014.5.23，自1450点最低下跌至1200，跌幅17.2%（3）自2014.5.23看多至2014.7.4，抓中年中一波超跌反弹。（5）自2014.7.4看空至今，指数由1412跌至1341点（数据截至到2014.7.15）CTA交易策略框架趋势反转择时预测EMDT策略MESA策略日内突破策略分型通道策略日内波动极值策略收敛突变策略LPTT策略NTT策略MFHT策略GFTD策略深度学习策略WPRM策略SLM策略遗传规划策略SMT策略CTA交易策略EMDT策略

EMDT策略经验模态分解信号与噪声信噪比计算R较小，信噪比较大，追逐趋势R较大，信噪比较小，不做交易历史累积收益率总交易次数576盈利次数268累积收益率174.25%亏损次数309成功率46.45%平均盈利率1.02%最大回撤-5.75%平均亏损率-0.56%广发证券金融工程CTA交易策略系列另类交易策略系列之一：基于混沌理论的股指期货噪声趋势交易策略另类交易策略系列之二：一类波动收敛突变模式的趋势跟随策略另类交易策略系列之三：多项式拟合的股指期货趋势交易(LPTT)策略另类交易策略系列之四：基于日内波动极值的股指期货趋势跟随系统另类交易策略系列之五：基于缠中说禅之分型通道趋势交易系统另类交易策略系列之六：基于GFTD的期指日内程序化交易策略另类交易策略系列之七：在标度不变性破缺下洞察资金流向——MFT交易策略另类交易策略系列之八：基于时域分形的相似性匹配日内低频交易策略（SMT）另类交易策略系列之九：基于遗传规划的智能交易策略方法另类交易策略系列之十：基于遗传算法的期指日内交易系统另类交易策略系列之十一：日内突破模式及其资金管理的多重比较研究另类交易策略系列之十二：基于遗传规划多维变量的股指期货交易策略另类交易策略系列之十三：基于统计语言模型（SLM）的择时交易研究另类交易策略系列之十四：经验模态分解下的日内趋势交易策略(2)另类交易策略系列之十五：识别趋势震荡之神器MESA另类交易策略系列之十六：深度学习之股指期货日内交易策略报告列表一、Alpha相关策略二、Beta相关策略三、产品创新：Option&Structure四、实用小工具目录期权投资策略套期保值：转移现货市场风险。适用机构：1、公募基金2、保险资金资产配置：利用期权的杠杆，锁定买卖价格。适用机构：1、公募基金2、保险投机：进行杠杆性看多或看空的方向性交易，适用机构：1、对冲基金套利：通过期权组合策略交易，获取套利、做市等绝对收益。适用机构：1、券商2、对冲基金期权的应用策略常用策略包括：1、买入看涨期权：锁定股票未来的增持价格，通过杠杆参与股票未来上涨收益2、卖出看跌期权：股票上涨时获取权利金收入，股票下跌时底部增持套保资产配置套利应用基金公司中的应用：套保、资产配置与套利应用策略：资产配置案例：巴菲特卖出可口可乐看跌期权1993年4月份，巴菲特以1.5美元的期权金做空500万份当年12月17日为到期日、执行价为35美元的看跌期权，当时可口可乐的市价是40美元左右，期权价格1.5美元1、对巴菲特而言，若1993年12月17日可口可乐的价格在35美元以上，显然没人会愿意用35美元的价格出售，那么这份期权就是废纸一张，巴菲特可以白拿之前收到的750万美元(1.5美元×500万份)期权金；但若届时股价低于35美元，巴菲特就必须按照35美元买入500万股可口可乐，当然因为之前收取了1.5美元期权金的原因，所以只有当可口可乐跌破33.5美元时巴菲特才真正亏损。2、对巴菲特而言，本来就有不断增持可口可乐的意愿。若可口可乐不跌，那么白赚点期权金也是好的；但是若大跌，那么期权金等于市场补贴你1.5美元去买入可口可乐，同样也是好的。对于一个长期投资者而言，这就成为上涨下跌两相宜的投资方法了。应用策略：资产配置案例：巴菲特卖出下跌敲出看跌期权（DownandoutPut）2012年底到2013年初，日元贬值幅度接近10%，多数投资者选择抛日元买美元，或者做空日元期货。索罗斯团队动用3000万美元，买入大量行权价不同比虚值期权更便宜的下跌敲出期权，即日元大幅下跌时才能赚钱，但是，跌破一定水平，期权作废。该笔收益，其净赚10亿美金，资金收益率在30倍。应用策略：资产配置常用策略包括：1、股票组合+看跌期权多头2、股票组合+看涨期权空头套保资产配置套利应用应用策略：套期保值期权与期货套保策略的差异：-预期短期市场下跌较大且确定性高，股票组合长期看好，可以做空股指期货-预期市场下跌幅度比较大，确定性较高，希望判断错误的时候损失有限，建议买入看跌期权-预期市场下跌幅度不大，或者即使上涨也只是轻微上涨，建议做空看涨期权期权与期货套保策略的差异股票与期权套保组合盈亏计算表到期日股价范围做空期指的盈亏买看跌期权盈亏卖看涨期权ST<K0K-S0-PST-S0+CST>=K0ST-S0-PK-S0+C无风险套利波动率套利、做市套保资产配置套利应用应用策略3：套利期权平价理论认为，对于同一标的、同一到期日、相同交割价的认购以及认沽期权，在特定时间里认购期权与认沽期权的差价应该等于当时标的价格与交割价现值的差额，不然就会存在套利机会。期权平价套利买入现货套利策略现金流情况头寸在t时间的资金流在T时间的资金流ST>KST<=K卖出CC-(ST-K)0借入K的现值K*e(-r(T-t))-K-K买入P-P0K-ST买入S0-S0STST资金流净值C+K*e(-r(T-t))-P-S0>000如果等式左边大于右边，可以买入现货与认沽期权，同时借入资金卖出认购期权，完成买入现货套利策略。反之亦然。放空价差关系利用的是欧式认购期权（认沽期权）组合的合理价格关系：放空差价套利如果上面两个不等式在任意时刻不成立，即可进行套利操作。以认购期权为例，如果左边小于右边，可以卖出认购期权C1、买入C2同时借出现金构建套利组合。认沽依然。放空认购差价套利策略现金流情况头寸在t时间的资金流在T时间的资金流ST<=K1K1<ST<K2ST>=K2卖出认购期权C1C10-(ST-K1)-(ST-K1)买入认购期权C2-C200ST-K2借出K2-K1的折现值-(K2-K1)*e(-r(T-t))K2-K1K2-K1K2-K1资金流净值C1-C2-(K2-K1)*e(-r(T-t))>0K2-K1>0K2-ST>00期权凸性差价关系利用的是欧式认购期权（认沽期权）之间合理价格关系，其中k3>k2>k1：

期权凸性套利如果上面两个不等式不成立，即可进行套利操作。以认购期权为例，如果左边小于右边，可以卖出认购期权C2、买入lamda份期权C1与1-lamda份期权C3，构建套利组合，认沽亦然。认购期权凸性套利策略现金流情况头寸在t时间在T时间的资金流ST<=K1K1<ST<K2K2<ST<K3ST>=K3买入认购期权λC1-λC10λ(ST-K1)λ(ST-K1)λ(ST-K1)卖出认购期权C2C200-(ST-K2)-(ST-K2)买入认购期权（1-λ）C3-（1-λ）C3000(1-λ)(ST-K3)资金流净值C2-λC1-（1-λ）C3>00λ(ST-K1)>0(1-λ)(K3-ST)>00期权箱体关系是建立在牛市与熊市差价期权之间的无套利原则，以下述等式来表达：期权箱体套利如果上面等式在任意时刻不成立，即可进行套利操作。如果等式左边小于右边，可以买入认购期权C1、P2，同时卖出认购期权C2、认沽期权P1，并借入现金构建套利组合。反之亦然。买入箱型差价套利策略现金流情况头寸在t时间在T时间的资金流ST<=K1K1<ST<K2ST>K2买入认购期权C1-C10(ST-K1)(ST-K1)卖出认购期权C2C200-(ST-K2)卖出认沽期权P1P1-(K1-ST)00买入认沽期权P2-P2K2-ST(K2-ST)0借入K2-K1的现值(K2-K1)*e(-r(T-t))-(K2-K1)-(K2-K1)-(K2-K1)资金流净值(K2-K1)*e(-r(T-t))-C1+C2+P1-P2>0000波动率交易历史波动率交易历史可转债交易广发金工《可转债的波动率套利策略研究》期权组合VIX指数衍生品对冲基金主流交易方式十九世纪金融危机背景2004年开始S&P100指数平价期权隐含波动率一系列指数期权加权平均隐含波动率S&P500股指期权平均隐含波动率CBOE（芝加哥期权交易所）推出波动率交易原理传统金融市场交易：针对价格的变化波动率交易也称为波动率套利：与传统进行资产对冲的概念不同做多做空隐含波动率被高估：做空隐含波动率被低估：做多可以进行波动率方向投机，也可以对冲不同波动率的资产隐含波动率与实际波动率发生差异时，可以通过动态对冲来套利！通过对期权价格关于各变量的偏导，得到：

动态对冲原理通过上式可以看出，Delta风险管理不是动态对冲的全部，Gamma、Vega、Theta等风险同样重要：I）Gamma反应了股价变化时Delta的变化幅度，过高的Gamma导致Delta变化加大，在对冲交易中面临冲击成本以及交易成本较高等难点。尤其是在股票价格波动较大的市场中持有较高的ShortGamma头寸，发行人将在高买低卖的Delta对冲中直接实现亏损。

II）Vega反应了期权价格对隐含波动率的敏感性。BS定价的重要假设是波动率是不变的，然而，期权市场中的隐含波动率始终在变化，其与股票价格构成影响期权价格最重要的两个因素。优秀的期权交易员，可以通过对冲Delta风险捕捉波动率的趋势变化获取风险中性收益。

捕捉实际波动率：GammaV.STheta-期权隐含波动率本质上由剩余期限内标的资产未来实际波动率决定。当判断某个期权的隐含波动率存在明显的高估（低估）时，可以通过标的资产与该期权利用Delta动态对冲的方法捕捉该差异收益。-以持有欧式认购期权的多头为例，说明该收益率差是如何产生的。对于持有欧式认购期权的多头，可以卖空Delta份股票进行动态对冲。当标的资产价格瞬间内变化一定幅度，隐含波动率、无风险利率保持不变的假设下，由于Gamma以及Theta的存在，投资组合的净收益为：

波动率交易策略当Gamma与1/S^2成比例时，假设比例系数为m，到期日T时的累计对冲收益为：Delta对冲的局限期权Gamma的存在以及非连续对冲的操作，相同波动率不同路径会影响复制成本。以前述产品为例，复制成本最大路径始终围绕行权价左右波动。什么叫股票挂钩类产品？

定义：

股票挂钩类产品又称结构性产品，通过金融工程技术，针对投资者对股票走势的不同预期，通过利用股票衍生品（股票期权）与债券进行搭配设计，组合成不同收益形态的商品股票挂钩类结构化产品介绍产品结构：债券期权获取标的上涨收益本金安全股票挂钩产品XX银行挂钩沪深300指数保本浮动收益人民币理财产品：理财期限：0.5年挂钩标的：HS300指数障碍价格：理财启动日挂钩资产价格的116%理财收益率的确定：（1）产品观察期内，若HS300指数某日的收盘价格曾超过障碍价格，理财收益率（年化）=4.5%；（2）产品观察期内，若股票指数价格从未超过障碍价格，理财收益率（年化）=保底收益率+浮动收益率保底收益率=4.5%浮动收益率=max（0，hs300指数涨幅-4.5%）*50%股票挂钩类产品案例投资者收益：

最好情况：投资者收益（年化）=4.5%+（16%-4.5%）*50%=10.25%

最差情况：投资者收益（年化）=4.5%

产品结构：

债券+挂钩hs300指数的上涨敲出欧式障碍期权

特点：股票挂钩类产品特点-投资者本质上是买了债券+期权组合，利用债券的一部分或者全部利息作为权利金购买期权

-适用于中低风险投资者，本金受保护

-通过期权的杠杆作用有机会获取比一般保本理财产品更高的收益

-挂钩的资产多样化，可以权益类或者大宗商品，也可以是指数、股票、适合市场风格的特定股票组合

-方向可以看多，也可以看空

-购买的期权类型多样化，可以是一般欧式看涨期权，也可以说复杂期权，根据债券的利息水平以及对市场未来的走势判断进行灵活设计

-产品通道也可以多样化，银行理财产品、基金专户/公募、券商资管等，以及未来可能推出的收益权凭证

描述目前最可行的方案是专户分级；子公司层面尝试场外互换交易模式无法律障碍;在公募中发行挂钩类的保本基金，海外保本基金最常用的模式；资管可以参考基金公司；自营可以采用收益权凭证；证券公司基金公司商业银行国内机构的应用模式海外以及内地股份制银行普遍采用场外互换交易模式；内地部分国有银行采用分级产品设计要点：设计目标及条款产品设计要点目标：1、对资金池的基础资产给定期限的收益率进行测算。2、上述收益率构成购买期权的最大成本，需要对客户的风险偏好进行调研。3、针对客户的风险偏好，给定的期权成本，设计匹配的结构。4、通常期权购买成本是有限的，为了吸引客户，降低期权成本，结构设计上，可以通过调整保本率、参与率、期权类型进行包装设计。条款：

债券信用评级 挂钩标的 期限 保本率 参与率 结构设计 自动提前到期条款 提前赎回限制产品设计流程产品定位迎合投资者需求及投资目标产品结构确定三大基本要素、设计收益