量化投研(招商证券绩效分析系统)

深圳国泰安数据技术QuantitativeInvestmentandResearchPlatform量化投研平台CHAPTERONE概述概述本产品的主要价值，是为用户在投组分析过程中，提供根底的、初步的、共性的工具。qfrf.gtadata:3449/#产品的流程和每个流程对应的功能如下：因子数据提取构建投组股票和因子挑选投组风险和绩效分析量化因子库阐明及数据查看；风控因子库阐明及数据查看；多因子选股和回测；因子区间回测；股票Z-score得分；基于马科维茨模型构建投组；单因子风险分析；Barra多因子绩效归因分析；Brison绩效分析模型；投组绩效目的。产品流程及功能CHAPTERTWO各流程、功能引见量化因子库阐明及查看量化因子库主要分10类，合计254个因子。目前支持excel导数据，后续支持其他多种言语提取数据。量化因子库的主要目的是投资决策。根本面因子〔77个〕技术因子〔68个〕复合因子〔13个〕行为因子〔3个〕高频因子〔3个〕事件因子〔29个〕行业因子〔2个〕宏观因子〔35个〕市场因子〔22个〕衍生物因子〔2个〕量化因子库阐明及查看风控因子库阐明及查看风控因子风险因子报答协方差矩阵股票残差动摇率行业因子〔24〕风险控制因子数据库建立在根本面多要素风险模型根底上，它假设股票的收益可以由一系列公共因子和一个股票本身的残差收益来解释，主要功能是提供度量股票动摇率及股票间协方差矩阵的有效方式。风险因子包含两个类型：行业因子和风格因子。风格因子〔10〕风控因子库阐明及查看下面的案例，是34个风控因子在2021年10月的风险因子报答。同时他还可以提取股票残差动摇率和风险因子报答协方差矩阵。概述本产品的主要价值，是为用户在投组分析过程中，提供根底的、初步的、一致性的工具。qfrf.gtadata:3449/#产品的流程和每个流程对应的功能如下：因子数据提取构建投组股票和因子挑选投组风险和绩效分析量化因子库阐明及数据查看；风控因子库阐明及数据查看；多因子选股和回测；因子区间回测；股票Z-score得分；基于马科维茨模型构建投组；单因子风险分析；Barra多因子绩效归因分析；Brison绩效分析模型；投组绩效目的。产品流程及功能因子选股页面，可以实现排名选股的战略案例。即经过设定因子和各因子权重，构造单因子或者多因子组合，得到加权后的因子值，再根据所得值排序后，根据选定的多空头的方向和分位点进展多空选股，每日进展调仓，展现出投资组合主要的绩效目的，和累积收益率变化情况。多因子选股和回测多因子选股：根据所选目的，构建一个股票组合，计算回验区间内股票的绩效目的。多因子选股和回测案例运用公司总资产和流动资产合计2个因子，在20210710~20211015期间做多因子选股回测。经过因子回测，我们能挑选出，在指定时间内哪些因子对固定股票组合是有效的。与多因子选股类似，区间回测也是运用因子加权后的值。不同的是，多因子选股—般选择高排名组合与低排名因子组合构造多空组合进展套利，而区间回测那么是根据因子得分将候选池分成多个区间，并计算每个区间的收益情况，在更微观层面调查因子排名在各得分区间的收益变动趋势。因子区间回测因子区间回测案例采用公司总资产、总资产增长率、流动资产合计3个因子，按照因子排名将股票分为5组进展区间回测。因子区间回测，可以判别所选因子进展股票挑选的有效性。Z-Score模型源于纽约大学斯特恩商学院教授、金融经济学家爱德华•阿特曼对美国破产和非破产消费企业的察看创建，用以衡量一个公司的财务安康情况，并对公司在2年内破产的能够性进展诊断与预测。股票Z-score得分股票Z-score得分案例计算平安银行、民生控股和陕国投A3支股票的Z-score得分。在投组构建界面，用户可以选择选择单只或者多只股票，设定Alpha值〔初始为页面初始日期之前一个月(22个买卖日)股票的平均报答〕，再设定投资者风险厌恶等级，进而根据马科维茨的有效前沿实际，得出最优投资组合的各个股票的权重。基于马科维茨模型构建投组基于马科维茨模型构建投组概述本产品的主要价值，是为用户在投组分析过程中，提供根底的、初步的、一致性的工具。qfrf.gtadata:3449/#产品的流程和每个流程对应的功能如下：因子数据提取构建投组股票和因子挑选投组风险和绩效分析量化因子库阐明及数据查看；风控因子库阐明及数据查看；多因子选股和回测；因子区间回测；股票Z-score得分；基于马科维茨模型构建投组；单因子风险分析；Barra多因子绩效归因分析；Brison绩效分析模型；投组绩效目的。产品流程及功能风险控制模型分为两种。一种是从根本面多因子模型出发，假定股票的报答可以由两部分构成，一部分可以由因子暴露和因子报答计算得到，一部分是残差报答，且股票间的残差报答应该是独立的。另一种是基于CAPM模型，将投组的风险分为两个部分，一是市场组合可以解释的部分，一是残差部分。多因子模型风险分析和基于CAPM模型的单因子风险分析多因子模型风险分析和基于CAPM模型的单因子风险分析案例构建由武钢股份和东风汽车组成的投组。对2021/9/11当日进展风险分析，得到以上不同部分的风险值。Barra模型常被一些国外学者和投资机构用来对投组的风险和收益进展研讨，它能将市场许多的信息进展综合，得出对投组产生影响的公共因子，然后运用这些公共因子进展风险预测和归因分析。本功能采用的因子包括根本面因子和行业因子，其中10个根本面因子为：买卖报答因子、生长因子、相关性因子、价值因子、杠杆因子、市值因子、价动摇因子、流动性因子、量动摇因子、动量因子。Barra多因子绩效归因分析Barra多因子绩效归因分析案例是构建由东风汽车、中国国贸、首创股份和上海机场组成的投组，并分析其14个因子的累计报答和收益。分析周期为20210711~20210101。Brison绩效分析模型Brison绩效分析模型，是基于Brinson等人在1980年代发表的论文，将投资组合的收益分为超额资产配置收益、超额个股选择收益、交互收益和基准收益4个部分。按照绩效分析时长，Brison模型分为单期模型和多期模型。运用多期归因分析模型，我们将提供以下4个分析框架：行业资产收益分析风格资产配置分析个股收益分析大类资产绩效分析Brison绩效分析模型大类资产绩效分析将投资标的分为股票、权证、可转债、逆回购和债券几个大类。分析不同资产类型在投组中的奉献比例。但是在权证、可转债、逆回购和债券层面上不再继续细分。分析如表示图所示：Brison绩效分析模型风格资产配置分析投组绩效很大程度上会遭到投资风格影响。本模型将分析投组收益中有多少比例来自市场大盘、中盘、小盘和投资风格〔生长或价值〕。单期风格资产配置和风格资产配置历史推移如表示图所示：Brison绩效分析模型行业资产收益分析分析投组收益主要来自哪些行业，并计算投组在每个行业内的超额收益率。行业资产收益分析如表示图所示：Brison绩效分析模型个股收益分析分析投组收益中个股的奉献比例。经过个股分析，还可以提炼出一些投组运作的规律。个股收益分析表示图如图一：基于个股收益分析，还能得到某只个股、行业和投组的奉献度比较。以招行个股奉献度为例，如图二：图一图二投组绩效目的根本目的常用绩效目的初始权益期末权益累计盈亏累计收益率年化收益率年化超额收益率手续费夏普比例盈利因子索提诺比率Omega比率上侧风险信息比率全部买卖目的买卖总数平均盈利平均盈利率延续盈利的买卖次数延续亏损的买卖次数最大回撤最大回撤时间最大回撤终了时间盈利买卖目的盈利买卖次数胜率总盈利平均盈利平均盈利率亏损买卖目的亏损买卖次数亏损率总亏损平均亏损平均亏损率投组绩效目的计算结果表示图如下所示：投组绩效目的以权益曲线为例，将买卖绩效目的绘制图表表示图如下功能模块1~8已在V1.0全部开发和测试任务将于5月下旬完成；V2.0版本已规划以下新增和改良功能：改良因子数据提取，添加其他格式的因子数据