证券投资学 课件 第十四章 量化投资

第14章量化投资学习目标掌握量化投资的概念与特征。了解量化投资与传统投资分析之间的差异。掌握量化投资的主要策略与方法，特别是选股策略与择时策略。掌握多因子模型、动量反转策略、趋势追踪策略的原理、构建思路，Python实现与回测。掌握股指期货套利、商品期货套利、期权套利、统计套利的套利思路。量化投资量化投资概述12课程内容量化选股与量化择时策略量化投资3其他量化投资策略量化投资概述量化选股与择时策略其他量化投资策略量化投资的概念量化投资概述量化投资概述量化投资是一种利用计量和数学模型来进行投资决策的方法。它的基本理念是利用计算机技术并结合一定的数学模型去践行投资者的投资逻辑、实现投资决策的过程。成功量化三要素：投资逻辑、数学模型以及计算机算法优势：大大减少投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下做出非理性的投资决策量化选股与择时策略其他量化投资策略量化投资的特点量化投资概述量化投资概述纪律性纪律性是指投资者通过量化模型对数据进行处理、分析，投资决策受交易规则和模型的严格控制优势克服认知偏差，也可以克服冲动、贪婪等情绪弱点追溯和修正，适应不断变化的市场环境和投资条件量化选股与择时策略其他量化投资策略量化投资的特点量化投资概述量化投资概述系统性系统性特点表现为投资者在应对复杂的市场环境时通过多维度研判交易策略，控制投资风险，提高策略交易效率和准确度：量化投资依赖于包括资产配置模型、行业选择模型、精选个股模型等在内的多层次、精细化的模型。量化投资不仅依赖于单一的数据或指标，而是从多个角度对市场进行观察和分析，包括宏观周期、市场结构、估值、成长等。量化投资利用现代科技手段，能够高效处理和分析海量的市场数据。量化投资采用系统性的方法进行投资决策。量化选股与择时策略其他量化投资策略量化投资的特点量化投资概述量化投资概述及时性及时性特点主要体现为其能够快速追踪市场变化、获取更全面的市场信息以及不断发掘新的能够提供差额收益的统计模型，寻找新的交易机会。准确性量化投资以历史数据为基础，通过综合考量各种市场信息，运用严谨的数学模型和算法，对潜在的交易机会进行准确、客观的评价。分散性为了达到风险控制目的，量化投资会分散配置交易标的，用概率取胜。这种分散配置主要体现在投资策略的构建和风险管理过程中，旨在通过多样化的投资组合来降低单一资产或策略的风险敞口，提高整体投资组合的稳健性和收益性。量化选股与择时策略其他量化投资策略量化投资的理解误区量化投资概述量化投资概述量化投资不是基本面分析的对立者量化投资以正确的投资理念为根本，通过对上市公司基本面、成长性等因素的分析研究，以全市场的广度，多维度的深度视角识别投资机会，构建战胜市场、产生超额收益的投资组合。在量化投资策略的投资逻辑、数学模型以及计算机算法当中，基本面分析都是不可或缺的重要内容。基本面分析中用到的许多要素都可以进行量化。很多量化投资模型是基于基本面因素，同时考虑市场因素、技术因素等构建的量化选股与择时策略其他量化投资策略量化投资的理解误区量化投资概述量化投资概述量化投资不是被动投资量化投资是一种主动投资。量化投资者认为市场并非完全有效的，因此投资者可以利用模型进行积极的证券选择和时机选择，构建可以战胜市场的投资组合。量化投资不等于交易化投资程序化交易，是指通过既定程序或特定软件，自动生成或执行交易指令的交易行为。量化投资的重点在于将投资逻辑和投资理念数量化，并不一定需要自动化买卖下单。被动投资者通常按照市场指数构建投资组合量化投资均需要程序化交易，但是程序化交易不只适用于量化投资量化选股与择时策略其他量化投资策略量化投资的理解误区量化投资概述量化投资概述量化投资模型不是一成不变的政治、经济、技术和市场环境等因素是不断变化的，都可能会影响量化模型的有效性和表现。因此，量化投资者需要与时俱进，不断地学习和探索新的技术和方法，并应用于模型的构建和优化当中，以适应不断变化的市场环境和技术进步，从而提高投资策略的有效性和稳健性。量化投资不总是风险低、利润高的量化投资也可能出现模型错误、市场异常以及数据质量问题等情况。投资者在进行量化投资时要理性看待风险与收益，制定合适的投资策略，并严格执行风险管理措施，以提高投资收益率。量化选股与择时策略其他量化投资策略量化投资的理解误区量化投资概述量化投资概述量化投资捕捉的是大概率事件量化投资者通过数学模型和统计分析，寻找并利用那些在历史数据中出现频率较高、概率较大的市场行为或走势。通过量化分析，投资者可以预测在特定条件下，市场大概率会产生某些特定的反应或趋势，从而制定交易策略，以期在长期中获得可持续的正收益。量化投资模型只能基于历史数据预测未来趋势，而不是预测市场每一次波动或走势。成功的量化投资者需要在模型预测的基础上，结合稳健的风险管理策略，以应对市场的不确定性和波动。量化选股与择时策略其他量化投资策略量化投资与传统投资策略比较量化投资概述量化投资概述量化投资与传统投资的不同主要体现在以下几个方面：（1）在投资决策方面，传统投资主要依赖于投资者的经验、市场直觉和基本面分析。而量化投资决策主要基于量化模型和算法，通过分析大量的历史数据，运用统计学、机器学习等工具来进行分析。（2）在投资收益方面，传统投资的收益取决于投资者的经验和市场的分析能力。量化投资能够在各种市场环境下保持相对稳定的收益。（3）在风险控制方面，传统投资依靠投资组合分散投资风险，但存在较高的风险。量化投资往往能够精确地量化和管理风险量化选股与择时策略其他量化投资策略量化投资与传统投资策略比较量化投资概述量化投资概述量化投资与传统投资的不同主要体现在以下几个方面：（4）在执行效率方面，传统投资的执行效率往往会受到人为因素的影响。量化投资通过和自动化的交易系统相结合，能够提高了交易效率，减少人为错误和情绪干扰。量化投资也有缺点交易决策过分依赖统计模型和历史数据策略开发困难容易被模仿影响因素难以量化缺乏人性判断与直觉量化选股与择时策略其他量化投资策略量化投资发展史量化投资概述量化投资概述国外量化投资发展史萌芽阶段（20世纪50—60年代）1952年，哈里·马科维茨发表现代投资组合理论（ModernPortfolioTheory）。这一理论首次将风险和收益进行数量化分析，创新性地将数学优化方法引入金融决策当中。随后，威廉·夏普（1964）、约翰·林特纳（1965）、简·莫森（1966）深入研究了资产价格的均衡结构，并成功推导出了资本资产定价模型（CAPM）。这些理论和模型为量化投资的发展奠定了坚实的理论基础。20世纪60年代，保罗·萨缪尔森（1965）和尤金·法玛（1965）提出了有效市场假说（EMH），对投资实务研究产生了重要影响。在这一时期，计算机的应用尚处于初级阶段，投资决策主要依靠手工计算和简单的统计方法。量化选股与择时策略其他量化投资策略量化投资发展史量化投资概述量化投资概述早期发展阶段（20世纪70—80年代）20世纪70年代，随着金融创新的不断进行，衍生产品的定价成为理论研究的重点。1973年，费希尔·布莱克和迈伦·斯科尔斯提出的期权定价模型，实现了金融理论的又一大突破。此后，斯蒂芬·罗斯（1976）建立了套利定价理论（APT），这一理论在投资实务中得到了广泛应用，其中多因素定价（选股）模型可以看作APT理论最典型的代表。1971年，巴克利国际投资管理公司发行了世界第一只被动量化基金，开启了量化投资的新篇章。1977年，巴克利发行了第一只主动量化基金，标志着美国量化投资时代正式开启。量化选股与择时策略其他量化投资策略量化投资发展史量化投资概述量化投资概述快速发展阶段（20世纪90年代至今）20世纪80年代和90年代，随着电脑技术和网络技术的不断革新，量化交易开始迅速普及。Alpha投资策略、价值和动量策略、杠杆交易等量化策略逐渐被引入和应用，助推了量化投资的进一步发展。人工智能技术的崛起进一步推动了量化交易的发展。越来越多的投资机构采用机器学习和深度学习等技术来分析市场数据，优化交易策略，提高交易性能。量化选股与量化择时策略量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述量化选股就是采用数量的方法判断某家公司的股票是否值得买入的行为。量化选股的方法：公司估值法：比较股票价格与市场价格的差异趋势法：分析市场表现资金法：追随市场主力资金的方向量化选股策略：基本面选股：基于公司财务和经营状况的选股方法，具体包括多因子模型、风格轮动模型、行业轮动模型等市场行为选股：基于股票价格和交易量等市场数据的量化选股方法，包括资金流模型、动量反转策略、一致预期模型和筹码选股模型。量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述多因子模型基本概念：多因子模型的基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。一般而言，多因子选股模型有打分法和回归法两种判断方法。策略构建：因子选取：发掘各类与股票收益率相关的因子因子有效性检验：主要采用排序的方法检验候选因子的选股有效性因子筛选：剔除冗余因子，只保留同类因子中收益最好、区分度最高的综合评分模型建立：打分法和回归法模型评价及持续改进：对选用的因子、模型本身进行持续的再评价和不断的改进量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述Python实现以及回测策略构建：多因子模型的Python实现：以投资回报率、市净率、市盈率三因子为例，构建简单的多因子模型。回报率因子越大越好，该因子越大，说明上市公司的基本面良好，经营稳定。市盈率因子越小越好，表示公司股价相对其账面价值较低。市盈率因子越大越好，表明公司在盈利能力方面较强。根据三个因子的综合得分进行排序，等权重买入符合三个因子的股票，并设置最大持股数量10只，投资组合每月进行调整，调仓时间是每个月的第二个交易日。量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述Python实现以及回测策略构建：多因子模型回测量化回测是投资策略评估和优化的重要工具。通过量化回测，投资者可以评估策略的盈利能力和风险水平，优化参数和规则，制定交易策略和风控措施。然而，回测结果仅是过去的模拟交易，实盘交易中可能会有更多的挑战和不确定性，需要进行实盘验证来检验策略的可行性。因此，在进行量化回测时，需要注意数据质量、未来函数、过度拟合、风险控制等问题，以确保回测结果的准确性和可靠性。量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述动量反转策略基本概念：动量反转策略是量化投资中的一种重要策略，它基于市场价格动量或趋势的原理来构建投资组合。具体可以分为动量策略和反转策略。分类：动量策略：动量策略是预先对股票收益和交易量设定过滤准则，当股票收益或股票收益和交易量同时满足过滤准则就买入或卖出股票的投资策略反转策略：反转策略是与动量策略相对立的，它认为过去一段时间内表现不佳的股票在未来可能会有出色的表现。该策略基于市场对信息的过度反应。量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述动量反转策略构建：对动量效应进行测试时，需要设定一个回溯期P（也称形成期），用于计算资产的历史表现，如过去的3个月、12个月、24个月等。同时设定一个持有期Q，该期间实际持有动量组合，如未来的3个月、12个月、24个月等。将回溯期为P，持有期为Q的动量组合，记为（P,Q）动量组合。对所有动量组合（P,Q）按照如下步骤进行测试：确定待选股票池。构建初始股票组合。将待选股票池中的股票分别按照测试时点前P个月的累计收益率排序，选取收益率最好的一部分股票构建动量组合，同时以待选股票池中所有股票构建基准组合。评估持有期表现。求（P,Q）动量组合的超额收益率。量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述Python实现和回测：动量策略的Python实现例：以一个月内个股涨幅为动量效应的衡量指标，涨幅越大，则动量效应越明显，根据涨幅筛选前50只股票，构建股票池。本动量策略每月重新评估股票池，并进行调仓。在风险控制措施方面，设置为当个股亏损超过10%时，立刻止损离场；止盈采用时间止盈，持股周期为一个月，到期后不论盈亏均卖出。图14-3为动量策略在2018年12月28日的部分持仓状况。量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述动量策略的回测动量策略的回测结果如图14-4所示。策略收益率以及年化收益率都为负，显著低于基准组的收益率以及年化收益率，这表明动量策略在回测期间表现不佳，未能战胜市场。此外，夏普指数、信息比率以及α值都为负，表明在调整市场风险后，策略并未能产生超额收益，反而表现为负收益。量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述反转策略的Python实现选取过去一个月内跌幅最大的个股作为“表现最差”的股票。然而，对于因基本面骤变而崩盘的股票，不应纳入计算，因为这些股票的表现较差是有合理原因的，与反转效应仅研究价格的目标相冲突。先从沪深300指数成分股中选择出跌幅最大的50只个股，并将这50只股票按照成交额排序，选择成交额最小的25只股票。至于换仓周期以及止损条件与前面动量策略一致。反转策略在2018年12月28日的部分持仓状况如图14-5所示。量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述反转策略回测反转策略的回测结果如图14-6所示。策略的累计收益率以及年化收益率低于基准组合，表明反转策略在回测期间表现不如市场平均水平。此外，夏普指数、信息比率以及α值都为负，表明在调整市场风险后，策略并未能产生超额收益，反而表现为负收益。从这些指标可以看出，反转策略在回测期间的表现不佳该反转策略并不适合实际应用，需要对策略进行优化调整，或考虑其他更有效的投资策略。量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述其他量化选股策略风格轮动策略：投资风格是针对股票市场而言的，是指投资于某类具有共同受益特征或价格行为的股票，即某类投资风格很受欢迎，并且在某一个时间段内具有持续性。例如，价值投资和成长型投资、大盘股和小盘股。例：晨星公司的风格箱判别法量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述行业轮动模型：行业轮动与风格轮动类似，由于经济周期的原因，总有一些行业先启动，有的行业跟随。在经济周期过程中，依次对这些轮动的行业进行配置，则比买入持有策略有更好的效果。行业轮动策略是根据行业轮动现象所形成的策略，利用行业趋势进行获利的方法。其本质是通过一段时期的市场表现，力求抓住表现较好的行业以及投资品种，选择不同时期的强势行业进行获利。例：经济增长速度加快时，与国家经济联系紧密的行业如钢铁、煤炭、电力等基建利润也会随之增长。当经济增速放缓时，非周期性的行业如医药、基础消费品、基础建设等行业呈现较强的防御性。量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述资金流选股：在市场中，经常存在交易性机会，是指股价在短期内可能受到某些消息的影响或者某些市场内在因素的改变从而产生剧烈波动带来的价差投资机会。资金流模型使用资金流流向来判断股价在未来一段时间的涨跌情况。如果是资金流入的股票，则股价在未来一段时间可能会上涨；如果是资金流出的股票，则股价在未来一段时间可能会下跌。根据资金流向可以构建相应的投资策略。一致预期：一致预期，是指市场上的投资者可能会对某些信息产生一致的看法。比如大多数分析师看好某只股票，可能这只股票的价格在未来一段时间会上涨；如果大多数分析师看空某只股票，可能这只股票的价格在未来一段时间会下跌。量化选股与择时策略其他量化投资策略量化选股量化选股与量化择时策略量化投资概述筹码选股：筹码选股是另外一种市场行为策略，其基本思想是：如果主力资金要拉升一只股票，则会慢慢收集筹码；如果主力资金要卖出一只股票，则会慢慢分派筹码。所以根据筹码的分布和变动情况，就可以预测股票价格未来是上涨还是下跌。量化选股与择时策略其他量化投资策略量化择时量化选股与量化择时策略量化投资概述量化择时是利用数学模型和统计方法来判断大势的走势情况确定最佳的买入和卖出时机的投资策略。量化择时策略：趋势追踪（1）基本概念：趋势追踪的基本思想来源于技术分析，认为趋势存在延续性，即当前的趋势在未来一段时间内可能会持续。如果我们能准确识别出当前的市场趋势，那么按照这一趋势方向进行相应的交易操作，理论上就能够获得收益。（2）单指标择时策略移动平均线指标移动平均是对每天的股价进行平均化处理，以消除偶然因素和季节性影响。移动平均线就是采用这种方法将一段时间内的股票价格平均值连接成线，显示股价的历史波动情况，进而反映股价的未来发展趋势。量化选股与择时策略其他量化投资策略量化择时量化选股与量化择时策略量化投资概述移动平均收敛（发散）指标移动平均收敛（发散）指标，也就是平滑异同平均线，通过分析收盘价的短期（常用为12日）指数移动平均线与长期（常用为26日）指数移动平均线之间的聚合与分离状况，对买进、卖出时机作出研判。MACD指标由三部分构成：快速线DIF，慢速线DEA，以及MACD柱状线。动态移动平均指标动态移动平均指标，是一种用于分析价格趋势的技术指标。它通过计算两条不同周期的移动平均线的差值来研判市场的买卖能量和未来价格走势。三重指数平滑移动平均指标三重指数平滑移动平均指标，是一种研究股价趋势的长期技术分析工具。它通过三次平滑处理来反映股价的长期波动趋势，过滤掉不必要的短期波动。量化选股与择时策略其他量化投资策略量化择时量化选股与量化择时策略量化投资概述（3）组合指标择时策略单个指标的择时效果一定程度上来说具有很大的偶然性，而且每个择时指标的效果与参数的选择有很大的关系。为了增强择时的稳健性、降低偶然性原因，可以将前面讲的4个指标结合起来，构建一个综合指标。趋势追踪策略的python实现2018年1月11日持仓及累计盈亏状况如图14-7所示。量化选股与择时策略其他量化投资策略量化择时量化选股与量化择时策略量化投资概述趋势追踪策略回测趋势追踪策略回测结果如图14-8所示。从图14-8中可以看出，策略收益线大部分时间都高于基准收益线，策略的累计收益为32.62%，显著高于基准组，表明该策略在回测期间表现整体优于基准。量化选股与择时策略其他量化投资策略量化择时量化选股与量化择时策略量化投资概述其他量化择时策略（1）市场情绪人天生是趋利避害、厌恶风险的。很多投资大师认为心理情绪造就90%的行情，用公式表述为T（趋势）=G（资金）+P（心理）。市场情绪择时就是利用投资者的热情程度来判断市场的大势方向。具体来说，当投资者情绪热烈、积极入市时，大盘可能会持续上涨；当投资者情绪低迷、不断出市的时候，大盘可能持续下跌。常见的市场情绪指标有投资者信心指数、折溢价率、新股数据、投资者行为等。量化选股与择时策略其他量化投资策略量化择时量化选股与量化择时策略量化投资概述其他量化择时策略（1）支持向量机SVM择时就是利用支持向量机（SupportVectorMachine,SVM）技术进行大盘趋势的模式识别。通过这种方法，投资者可以将大盘区分为几个明显的模式，据此识别出关键特征，然后利用这些特征和历史数据训练出一个模型以预测未来的趋势。采用SVM技术对大盘趋势进行预测涉及多个环节，包括训练数据准备、训练参数输入、学习样本输入、模型训练学习、评估训练结果、训练参数优化等一系列循环的过程。其他量化投资策略量化选股与择时策略其他量化投资策略股指期货套利其他量化投资策略量化投资概述股指期货套利，是指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。具体包含期现套利、跨期套利、跨市套利和跨品种套利四种类型。期现套利期现套利，即股指期货与股票现货之间的套利，是利用股指期货合约与其对应的现货指数之间的定价偏差进行的套利交易，属于无风险套利。期现套利是在买入（卖出）某个月份的股指期货合约的同时卖出（买入）相同价值的标的指数的现货股票组合，并在未来某个时间对两笔头寸同时进行平仓，从而锁定套利利润。量化选股与择时策略其他量化投资策略股指期货套利其他量化投资策略量化投资概述跨期套利跨期套利的核心在于计算和理解均衡价差。均衡价差的计算通常基于无套利原则，即两个不同到期日的期货合约之间的价差应该反映资金成本、存储成本和便利收益等因素。投资者可以利用同一期货品种的不同合约月份之间的价差进行套利，即同时买入低价合约和卖出高价合约，从中赚取价差利润。跨市场套利跨市场套利，是指在不同市场之间进行的套利交易行为。由于两个市场的供求影响因素、市场环境及交易规则等方面不完全一致，价格的传导存在滞后甚至失真的情况，因此固有价差水平会出现偏离。跨市场套利正是利用市场失衡时机，在某个市场买入（卖出）某一交割月份股指期货合约的同时，在另一个市场卖出（买入）同一交割月份的同种股指期货合约，以对冲或交割方式结束交易的一种操作方式。量化选股与择时策略其他量化投资策略股指期货套利其他量化投资策略量化投资概述商品期货套利与股指期货套利类似，商品期货同样存在套利策略，在买入或卖出某种期货合约的同时，卖出或买入相关的另一种合约，并在某个时间同时将两种合约平仓。商品期货套利盈利的逻辑原理基于以下几个方面：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；由于价格的波动性，价格差价经常出现不合理，而这种不合理状态最终会回到合理状态；不合理状态回到合理状态的这部分价格调整过程为套利者提供了盈利空间。商品期货套利主要有期现套利、跨期套利、跨市场套利和跨品种套利四种。量化选股与择时策略其他量化投资策略股指期货套利其他量化投资策略量化投资概述期现套利利用同一种商品在期货市场与现货市场之间的不合理价差进行的套利行为。当期货价格与现货价格之间出现不合理的基差时，套利者通过构建现货与期货的套利资产组合，以期望基差在未来回归合理的价值区间并获取套利利润。跨期套利通过观察期货各合约价差的波动，以赚取差价为目的，在同期货品种的不同合约月份建立数量相等、方向相反的交易部位，并以对冲或交割方式结束交易的一种操作方式。量化选股与择时策略其他量化投资策略股指期货套利其他量化投资策略量化投资概述跨市场套利指在不同市场之间进行的套利交易行为。当同一商品在两个交易所中的价格差额超出了将商品从一个交易所的交割仓库运送到另一交易所的交割仓库的交易成本和其他相关费用时，就可以进行跨市场套利。跨品种套利利用不同但相关联的商品期货品种之间的价差进行套利。这种套利方式利用了不同品种之间的价格相关性或比价关系来赚取利润。根据套利商品之间的关系，跨品种套利可分为相关商品套利和产业链跨品种套利两种类型。量化选股与择时策略其他量化投资策略股指期货套利其他量化投资策略量化投资概述统计套利统计套利定义为一种基于模型的投资过程，在不依赖于经济含义的情况下运用数量手段构建资产组合，通过对比股票价格与模型所预测的理论价值，构建证券投资组合的多头和空头，获取一个稳定的α收益。统计套利的核心思路是先识别出相关性最强的若干对投资品种（如股票、期货等），然后确实每一对投资品种的长期均衡关系（协整关系）。当某一对品种的价差（协整方程的残差）偏离其均衡水平到一定程度时，投资者开始建仓，买进被相对低估的品种，