基于量化投资策略下超额收益ALPHA模型的建立与实践
来源:用户上传
作者:
摘 要：量化投资指通过编写程序，将投资理念和方法通过特定的数学模型表现出来的投资方式。目前，有效的量化投资策略包括动量策略和基本面策略。对量化投资策略进行模拟，根据GARCH模型拟合得到最优套保比率，不断地计算数据并自动调整头寸进行风险控制。通过历史数据的检验，量化策略证明动量策略和基本面策略二者融合的有效性。
关键词：量化投资;Alpha超额收益;历史回测
中图分类号：F224 文献标志码：A 文章编号：1673-291X（2019）28-0092-02
一、引言
量化投资在国外已经经历了四十多年的发展，较为成熟，我国量化投资的发展起步较慢，但随着互联网的发展，量化投资的市场发展潜力逐渐显现。以2015年中国股市为例，当年的大幅波动中却有部分量化投资基金表现稳定。
量化投资主要是将现代数学理论与金融数据分析结合起来的分析方法，它的自身优势再加上如今信息技术的加持，使得它将投资决策发挥到极致。因此，它被广泛地应用于国外的金融领域，特别是在国际投资界得到迅速发展，被称为三大主流投资法之一，三大主流投资法还包括基本面分析和技术面分析。
随着中国金融市场的开放和完善，量化投资的发展在国内是一个机遇，技术的发展必将使得量化投资成为国内投资者的重要工具。尽管投资行为会受到市场有效理论的影响，市场的有效性也会压缩超额利润，但其理性的特点定能吸引大量投资者。而在未来金融工程的研究重点方向将会朝着量化投资的相关方面进行，同时市场有效性理论也必将促进其投资策略不断优化来适应瞬息万变的市场。
以沪深指数成分股及股指期货为研究标的，尝试挖掘各变量间的潜在关系，对我国证券市场程序化交易绩效进行实证研究。在模拟过程中，对夏普比率、索提诺比率以及信息比率等指标进行优化，并对比在不同量化策略下的结果，进而形成较为成熟的量化投资策略。该策略回避了“择时”的问题，投资人只要专注其投资组合能超越大盘即可获利。同时，本文帮助国内投资者更好了解国内外市场环境，使普通投资者也能掌握简单的量化投资方法，以模型为核心，降低投资者主观情绪对其投资行为的影响，最大限度地保证了投资理念在整个过程中的统一，帮助市场参与者更好地控制交易风险。
二、策略机理分析
1.基本面套利策略机理分析。从宏观经济的发展角度或是行业的发展角度，甚至于从历史的比较角度来看，我国的沪深股市市盈率相对偏高是不争的事实，国际股市平均市盈率与我国股市平均市盈率的可比性较弱，使得国际上常用的相对估值法存在整体抬高比较对象的缺点。而PEG指标即市盈率相对盈利增长比率（EPS增长率）则克服了这一缺点，它是由公司的市盈率除以盈利增长速度得到的指标。PEG指标最先由英国投资家史莱特提出，后来由美国投资家彼得·林奇发扬光大。PEG指标最先实战在英国证券市场，但由于英国证券市场在国际证券市场所占份额较小，所以该指标提出后一段时间，并未引起较大的反响。1992年，史莱特通过自己的名著《祖鲁原则》，PEG指标推广到了美国。此后这一投资理念深入人心。彼得·林奇认为，理想投资对象的PEG值应该低于0.5且在0.5—1之间是较为安全的范围。PEG大于1时，就要考虑该股有被高估的可能，需要投资者抛售手中的股票或观望持有。本文的基本面套利策略严格选取PEG指标小于1的沪深300股票进入股票池，结果较为理想。
2.动量策略机理分析。因为如果一支股票估值有偏差，那么投资者会在发现后大量涌入，所以股票的α不会长时间一直为0。价格的趋同性会让α超额收益快速归零。股票通常不会被高估或低估，α值表现为正或者为负都是正常，这也是往往在金融市场很难用常规方法发现股票具有明显持续的原因。而本文的动量策略5天即循环调仓1次，利于捕捉短暂的套利机会，对投资者而言十分灵活方便。该动量策略对前60个交易日内所有沪深300成分股收益率进行OLS回归，得到alpha收益。对alpha收益排序，对排名前20的股票配置成等权做多组合。根据GARCH模型拟合得到的投资组合最优套保比率以确定空头头寸，做空股指期货主力连续合约。
三、策略评价
1.策略回验方式。本策略的决策频率为5天调仓1次。数据频率为日频数据且按照每日可用1/5总资金的权重买入股票，这是为了节约交易成本，并且保证每天有足够的空余资金操作符合条件的股票。持仓期限为最大持仓5天，同时把资金分为5份，每天使用1份资金买入符合条件的股票，直到第五天清仓。这样可以保证在有持仓的情况下，每天仍有空余资金操作符合选股条件的股票。另外，设止损线为95%，达到止损线强行止损。
2.主要度量指标。策略初始本金20 000 000元，最终获利6 053 587.71元，信息比率0.35，说明策略前瞻性良好，夏普比率为1.31，说明在衡量期内基金的平均收益率高于无风险收益率，所以投资可以获得收益，投资承受的单位风险所获得的风险收益较高;交易次数59次手续费58 088.77149元，代表其交易频繁;胜算率70%，说明投资交易策略较好，胜算率在 50%以上，即赢多亏少;年化收益率23.59%，年化超额收益率为6.67%即高于沪深300市场同期收益率，达成投资目的;最大资金回撤1 507 163.038元最大回撤比率11.95%;最大连续盈利次数8次最大连续亏损次数3次均较为理想。研究表明，在沪深300指数成分市场，本策略可以获得超额收益，是较为理想的工具。
本策略使用基本面分析。传统的投资操作依赖于投资者的分析方法，通过投资者的经验来判断标的股票、资产配置以及决策时机，下单交易也需要专业人员来完成，新型的量化投资的整个投资过程通过计算机技术进行。传统的投资判断是通过人工分析，而量化投资判断则根据已有的量化投资策略来分析。在交易实施方面，传统的投资交易一般由专业人员进行，而量化投资通过程序系统化的完成交易过程;传统投资方式中投资者易受到主观因素影响，使得投资结果偏离原本理性的分析结果，量化投资利用所建立的程序对现有数据进行分析，并根据程序的完成情况来实现开平仓，避免了策略在情感方面的影响。因此，量化投资相对于传统的投资，可以掣肘人性。在标的对象范围方面，传统投资方式由于投资者的精力和时决策分析的技术指标有限，使得实际投资的范围很窄;而量化投资使用计算机程序执行程序，且计算机运算速度不断提升，投资范围不受限制，分析的指标也基本不受限制。在收益和控制风险方面，传统投资方法侧重于收益而非风险控制，而量化投资则追求风险与收益的平衡，风险控制也是量化投资的重要一部分。量化投资可以通过计算机程序来评估风险指标，因此，量化投资可以有效避免投資者过分追求利润而忽视潜在风险造成不可估计的损失。 本策略使用量化平台进行量化投资策略模拟及分析，在模拟过程中夏普比率、信息比率、索提诺比率等指标进行优化检验，并对比在不同量化策略下的结果，进而形成较为成熟的量化投资策略。
四、结论与展望
1.结论。本文采用量化投资的方法以采集到的历史数据为基础构建模型，选取的交易延迟为1秒，交易成本为万分之五，回测开始时间为2016年9月1日至2017年12月20日，初始金额股票、期货各占10 000 000元，获得年化收益率为23.59%，年化超额收益率至少为6.67%。通过模拟检验可以证实，使用本文交易策略，投资者可以在金融证券市场获得良好的收益率。本文设计的量化投资策略具有一定的适用性，可以为股票投资提供参考，投资组合也获得稳定的超额收益，这对中国资本市场的有效性研究提出了挑战，也能证实技术分析流派的理论价值，证明量化投资未来可期。
2.前景展望。首先，成本控制。换仓频率越高，手续费则越高。然而套利策略会基于实时信息不断调仓换股，往往一天甚至更短的时间就会重新配置投资组合，这也将导致高额的手续费用，所以这就要求我们要对系统自身进行更深入的研究，根据系统自身性质来减少交易数量。其次，市值风险。由于个股之间的权重差异较大，套期保值策略往往会被引入市值风险。后续可以根据市值加权指数和沪深等权指数的差额收益率构建衡量市值风险的指标。最后，衍生工具仍需完善。目前，我国股市做空机制有融资融券和股指期货两种，这两种业务都各有利弊。目前，开通融资融券的股票数量、融券数量都受到限制。在这种情况下，融资融券只适用于个股的配对交易与做空。股指期货做空有它的便利性，但比重固定，不能自由调配是它的缺点。市场规范化程度的提高，基础环境的改善都有利于策略的发展。
参考文献：
[1] 李博雅.基于A股市场动量Alpha投资策略的实证研究[D].上海：华东师范大学，2016.
[2] 孙娇.多因子量化投资策略及实证检验[D].南京：南京大学，2016.
[3] 任開宇.沪深股市风格投资：适用性、周期性和转换策略[D].长春：吉林大学，2004.
[4] 张永琦.我国PE机构控股型投资动因、绩效及风险研究[D].南宁：广西大学，2018.
[5] 王晨.基于价值投资的多因子量化选股模型研究[D].西安：西北大学，2018.
[6] 彭益.基于数据挖掘的股票指数涨跌概率推断[J].统计与决策，2012，（16）.
[7] 王继宁.上市公司财务指标与股票价格的典型相关分析[J].商业时代，2008，（28）.
[8] 王平平，肖智兰.沪深300样本股动量效应实证研究[J].统计与决策，2008，（18）.
[9] 胡怀谨，刘斌.基于时序数据挖掘的期货分析与预测[J].华南热带农业大学学报，2007，（3）.
[10] 张强，杨淑娥，戴耀华.中国股市动量策略和反转策略的实证分析[J].华东经济管理，2007，（5）.
[责任编辑 陈丽敏]
转载注明来源:https://www.xzbu.com/2/view-15036095.htm
