量化投资介绍

Posted bawu

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了量化投资介绍相关的知识,希望对你有一定的参考价值。

拨开迷雾,明汯解读量化投资之道(一)  http://mp.weixin.qq.com/s/DHdiaYrUUcxhPGiXRv5-Mw

一、什么是量化投资?

量化投资就是通对对所有能公开获得的数据进行数量化分析而获得对投资标的的未来价格走势进行预测的一种投资方法。

二、量化投资的目标是什么?

就是获得一个绝对收益或者超越市场平均水平的一个相对收益。跑赢的这部分我们称之为超额收益。

三、超额收益的来源:择时和选股? 是否有其他?

选股:就是在市场的所有股票中选出能在某个周期获得高出市场平均收益的股票。量化投资的特点是以大数据为基础,总结有效的统计规律,而且基本不做主观判断,总体来说面强于点,也就是对单个投资标的的研究往往不如主动研究员深入,而优势在于覆盖面上更胜一筹,而这个优势往往在股票市场上特别突出。

择时:包括Beta择时和风格择时。Beta 择时就是判断市场的整体方向,希望能抓住股票市场上涨的部分而规避市场下跌的部分。风格择时就是希望抓住市场近期的风格取向,通过提高在未来一段时间收益更高的风格上的配置来获得超额收益笔者在海外从事量化投资研究10多年,曾经对国际股票市场做过Beta和风格择时的研究,基本结论是择时的准确率非常依赖市场波动率和市场的有效性在欧洲美国日本等低波动强有效市场,Beta和风格择时基本无效,而在巴西,土耳其以及其他发展中国家,由于市场的低效和高波动率,择时还是有非常好的效果。

四、量化投资常见误区:

1、量化和对冲的区别:

这是两个概念,一个概念是用量化的方法来选出好的股票,另一个是对冲市场本身的风险,而市场的风险严格的说既包括大盘的风险,也包括行业和风格的风险。所以量化和对冲是两个完全独立的概念。

2、投资分类:

如果不做对冲,量化多头产品和主动多头产品追求的目标就完全一致,可以相互比较。

从产品类型角度分:权益产品(股票多头和股票多空)和对冲产品或者更严格的说市场中性产品。

权益投资包括主动调研型投资和量化投资,量化投资又可以按照资金的风险需求分为量化股票多头、量化股票多空、量化市场中性策略。

3、量化方法是不是在中国市场有效

这个观点是非常错误的,主要原因有两点:一是对冲成本高昂,二是2017年的股票市场大小盘分化特别明显。

 五、量化选股研究

要能预测未来的个股收益,首先要对个股的收益有深刻的理解。随着研究的进步,量化研究人员挖掘了更多能解释个股风险的一些因子。

一般来说,个股的风险可以分为四个来源,一是市场本身的风险,二是各种大小盘、价值、动量等风格的风险,第三是各种行业的风险,最后是个股自身的特殊风险。收益也可以同样分解为四个来源。如果能预测市场本身的收益,这就是所谓的Beta择时。如果能预测各种风格和行业的收益,就是风格和行业择时。实践中证明这几类择时是非常困难的,在华尔街有句俗语:“如果能做好择时,全世界都是你的”。而且实际上也确实没有投资经理能靠择时保持长期的超额收益。

 一般量化选股的研究人员会从几个维度来研究个股行为:第一个方面是基本面的研究,这主要是通过对公司的经营数据进行分析,结合市场价格做出这个股票在整体股票市场上相对价值的一个评估,也就说这个股票在整个市场是相对便宜还是高估的。

量化选股的第二个维度是价量因子的研究,就是纯粹用市场的交易数据,包括日级别和更细级别数据的研究来预测个股的涨跌,这个预测周期可短可长。如果预测几天股票的相对收益,一般来说称之为统计套利模型。如果预测日内或者更短时间股票的相对收益或者绝对收益,一般称之为日内模型。为什么能用交易数据来预测股票行为呢?本质上交易数据反映了短期的股票供需,而通过对供需的分析,有两种典型的行为发生,一种是趋势型的交易,发现更准确的市场平衡价格,另一种是反转型交易,倾向于给市场流动性需求者提供流动性,而获得一个合理的回报。平均来说价量的选股模型不管从交易量上还是盈利的总量上更偏向于后者。也即是从总体来说,价量的选股模型更多的是提供流动性。股票以及其他交易品种流动性提供者可以分为两个维度,一个维度是在非常短的周期上给市场交易者提供短期的流动性,这个功能一般由做市商的交易者来提供,大家也比较熟悉和认可。但往往在单边市场上,做市商者很快会耗尽他们的风险额度,额外的流动性那就通常由价量交易者来提供。价量交易者会提供一个比较中长期的流动性来满足流动性需要者。举个直观的例子,一个公募基金或者其他的长期投资机构需要调仓,可能需要调仓的总量比较大,所以做市商者是不能满足机构的需求的。这个时候价量交易者会提供更多的流动性,让长期投资机构顺利的在可控成本下完成调仓。价量交易者承担了短期的风险,提供了一个服务,长期来讲这个服务能获取一个合理的回报,这也是价量的选股模型能长期有效的一个主要原因。

 量化选股的第三个维度是通过对市场交易者的行为分析,这方面又比较接近主观的行为金融交易者。这类交易主要通过对市场其他参与者的分析来获得一个超额收益。

 

 

以上是关于量化投资介绍的主要内容,如果未能解决你的问题,请参考以下文章

Python量化交易:投资组合

金融与量化投资

《量化投资以Python为工具》+《Python与量化投资从基础到实战》资料学习

Python量化交易学习课程

量化基于文本挖掘的量化投资应用

基于文本挖掘的量化投资应用