• 首頁| 捐贈| 聯系我們| 浙江大學| 人才招聘 | 最多跑一次

    當前位置:首頁  新聞中心  分類新聞  新聞

    浙江大學資本市場研究中心“紫金港資本”系列講座NO. 33

    發布時間:2021-07-30 來源:王雨薇 瀏覽次數:112

    2021718日下午,浙江大學資本市場研究中心紫金港資本系列講座NO.33以線上講座的形式進行。原銀河基金數量與指數投資工作室負責人/基金經理樓華鋒文先生為觀眾們分享了主題為從數據到凈值-Alpha策略構建與實施的精彩講座。此次講座由浙江大學資本市場研究中心副主任肖煒麟副教授主持。會計、金融、工商管理、工程管理等專業的國內外高校師生,以及銀行、證券、投資、電子商務等行業人士,合計140余名參與了本次講座。


    講座內容:

    一、量化投資概述

    1、量化投資就是借助現代統計學、數學的方法,從海量歷史數據中尋找能夠帶來超額收益的多種“大概率”策略,并紀律嚴明地按照這些策略所構建的數量化模型來指導投資,力求取得穩定的、可持續的、高于平均的超額回報。

    2、主要量化策略分類:CTA策略、套利策略、阿爾法策略。

    1CTA策略:委托給專業的期貨投資機構,并通過商品交易顧問進行期貨投資交易。

    2)套利策略:尋找市場錯誤定價的機會,建立相反方向的頭寸來獲取收益。

    3)阿爾法策略:通過對市場中系統性風險進行度量并將其分離,從而獲取超額絕對收益的策略組合。


    二、ALPHA研究概述

    1、理論基礎:資本資產定價模型是ALPHA策略的堅實理論基礎,目前金融學研究大部分研究成果都跟它有一定關系。

    2、策略特點:ALPHA策略具有資金容量大、產品風險收益跨度大、投資產品豐富、理論基礎扎實等特點。

    3、產品分類:

    1)量化選股多頭:純多頭股票;

    2)量化對沖:多頭股票+股指期貨空頭對沖;

    3)指數增強:在控制一定跟蹤誤差下,增強指數;

    4130/30策略:多頭股票+小部分空頭股票。

    4、投資策略研究框架:

    阿爾法投資策略分為數據預處理(準確描述)、模型構建(對股票進行打分和排序,產生ALPHA)、組合優化(不同產品要求,對股票賦權重,生成投資組合)、交易執行、績效歸因五個步驟。

    第一步:數據預處理

    1)數據來源:財務數據、機構內部研究數據、交易數據、公告事件數據、高頻數據、分析師一致、互聯網大數據等。

    2)異常值處理方法:固定比例拉回、均值標準差拉回、中位數偏差調整、行業中位數替代、市值風格中位數替代、全市場中位數替代等。

    3)數據歸一化方法:排序值轉化成正態分布,為了更準確地描述數據所代表的股票屬性,讓不同行業、風格的股票更具有可比性。

    第二步: 模型構建

    1)多因子模型研究

    多因子模型的基本思想是找到某些和收益率最相關的指標,并根據該指標,構建一個股票組合,期望該組合在未來一段時間跑贏或者跑贏指數。

    在納入多因子模型之前,首先要確保所納入單因子能夠有效。單因子有效性評價維度包括超額收益、波動、信息比率、最大回撤、自相關性、覆蓋率、時間衰減、規模衰減、行業衰減、情境有效性分析、因子值分布等。

    多因子模型構建主要指在多個因子進行打分時,給不同因子以不同權重來使得模型ALPHA預測能力達到最高。多因子模型構建方法包括靜態多因子、IC加權動態多因子、逐步回歸、機器學習等。

    2)事件驅動策略研究

    事件驅動型策略就是投資于發生特殊情形或者是重大重組的公司,例如發生分拆、收購、合并、破產重組、財產重組、資產重組或是股票回購等行為的公司。其原理是根據事件的發生作為選股的判斷,力求獲得超額收益。

    研究流程包括事件基本定義、事件屬性的挖掘、事件有效因子分析、事件驅動組合構建。

    第三步:組合優化

    1)風險模型

    風險模型旨在捕捉不同股票個體波動性差異大小和股票之間波動相關性的大小,對股票未來價格的波動進行預測,包括樣本協方差矩陣、基本面因子模型、宏觀因子模型、統計因子模型等。

    在基本面因子模型中,股票收益的系統性風險部分能夠被一組公共的因子解釋,這些因子通常由行業因子和風格因子所組成。

    2)組合優化

      組合優化的目的在于將組合的風險特征完全定量化,使得投資經理可以清楚地了解組合的收益來源和風險暴露,包括最小化組合預期風險、最大化經風險調整后預期、最大化組合信息比率等。

      組合優化的過程包含2個因素:第一,權重優化的目標函數;第二,約束條件,一般指組合的行業中性和風格因子中性等。

    ALPHA一定下,組合收益和風險正相關,收益風險比IR穩定在一定值,但是當風險極端大和風險極端小的兩端,往往IR會大幅下降,我們在組合優化時要注意這個問題。一般來說組合收益和換手率成正比,但是當邊際提高有限時,交易成本就會起到更大作用。組合優化理論能夠控制組合風險,但不能預測最大回撤,最大回撤是由模型的ALPHA值和組合風險共同決定,但是在ALPHA一定的情況下,組合風險往往和最大回撤正相關。

    第四步:交易執行

      ALPHA策略執行,細節決定成敗。不同規模換手率不同,一般來說換手率越高,超額收益越高,成本越高,要尋找臨界點,將換手率和成本控制在理想位置。

    第五步:績效歸因

    績效歸因指的是對基因的表現進行收益及風險的歸因總結。從策略整體風險控制的角度而言,因子歸因分析可以讓投資經理在事后定量地研究策略收益和風險來源于哪類因子。

    績效歸因=風險暴露歸因+收益歸因+風險歸因+成本歸因

    成本=交易費用+管理費、托管費+沖擊成本

    暴露是收益的前提,暴露也是風險的前提,超額收益很有可能是暴露帶來的。

     

    最后,在嘉賓與觀眾互動的環節中,觀眾踴躍發言,提出了關于ALPHA策略和BETA策略的區別、另類數據對因子構建的影響、因子的評價和篩選側重的因素、風險補償等方面的問題。樓華鋒先生針對這些問題進行了詳細解答。本期講座使觀眾們對如何進行ALPHA策略的構建與實施有了全面的了解。講座在觀眾們的掌聲中圓滿結束。

     

    版權聲明:本文版權歸浙江大學資本市場研究中心所有,未經允許任何單位或個人不得轉載。


    地址:杭州市余杭塘路866號浙江大學紫金港校區 郵編:310058|聯系我們

    全民乐