时间：2023-06-14 09:36:01
绪论：在寻找写作灵感吗？爱发表网为您精选了8篇股票投资组合策略，愿这些内容能够启迪您的思维，激发您的创作热情，欢迎您的阅读与分享！
【关键词】遗传算法 模拟退火算法
一、算法概述
（一）遗传算法
本文模拟遗传算法，将股票看成是最初的种群基因，通过持续不断的组合优化，最终达到设定标准的组合。此组合即为我们所要计算出的最优资产组合。
（二）模拟退火算法
二、实验
（一）数据选取
本文从沪深300指数所包括的股票中选取了各个行业中具有代表性的50支股票。这50支股票所跨行业非常广泛，囊括了金融业、房地产业、建筑业、新能源行业等等。基于国内的股票市场成分较多，一一选择出来不太现实且不具有较强的说服力等原因，我们选择了热门且具有代表性的行业，然后计算其收益率和方差计算，观察总体的波动情况。
（二）实验步骤
遗传算法是一种比较灵活的算法，在目标函数设定之后各个股票的初始比例不用人为的进行设定，在一定程度上避免了人为因素对结果的影响，其所得出的结果具有客观性。本次实验中遗传算法得出的最优持有比例的特点就是具有卖空的性质。图3中的第一幅图表示适应函数值随着遗传代数的变化达到最优的过程；第二幅图表示优化参数的大小，波动幅度不大，第一个参数相对其他参数较大，主要原因是第一支股票与沪深300指数的波动方向及幅度非常相近，导致其在结果中占有很大的比例。
模拟退火算法是一种新的随机搜索方法，它是近年来提出的一种适用于解决大规模组合优化问题的通用而有效的近似算法。与以往的近似算法相比，模拟退火算法具有描述简单、使用灵活、运用广泛、运行效率高和较少受到初始条件约束等优点。图4中第一幅图是最终的参数值，表示在最后时刻参数的大小，可以看出五十个参数的波动幅度较大，且有正有负。第二幅图是在计算结果时刻的函数值，表示计算过程中函数值的变化，可以看出变化的幅度相对较小，说明计算过程平稳，计算结果可靠性大。
通过对两种算法的分析对比，最后得出遗传算法的收益率为0.9979，模拟退火收益率0.9731；市场收益率0.9343。两种算法的收益率都要高于市场的收益率，说明我们计算的结果是有效的。
参考文献：
[1]刘则毅，安向龙，荣喜民，唐万生.基于遗传算法的一种Portfolio新模型[J].系统工程与电子技术，2002，（04）．
[2]陈国华，廖小莲.投资组合模型的分式规划解法[J].数学理论与应用， 2008，（01）.
[关键词]量化投资；Alpha策略；意义；方法
[DOI]10.13939/ki.zgsc.2015.25.083
Alpha策略最初的理论基础是套期保值，是由美国经济学家H.working提出的，随后股指期货的面市，量化研究便激发了人们浓厚的兴趣。传统的资产管理者理念的哲学基础大部分为追求收益风险平衡，然而平均市场收益与超额收益又很难达到绝对的均衡，因此将超额收益也即Alpha分离出来，建立起基于Alpha策略的量化投资，有助于指导投资实践。
1 Alpha策略在量化投资中的应用意义
量化投资指的是以现代计算机技术为依托，通过建立科学的数学模型，在充分掌握投资环境的基础上践行投资策略，达到预期的投资效果。采用量化投资方式的优点包括其具有相当严格的纪律性、系统性，并且对投资分析更加准确与及时，同时还具有分散化的特点，这使得策略的实施过程更加的机动灵活。量化投资过程使用的具体策略通常有量化选股、量化择时、统计套利、高频交易等，每一种策略在应用过程各有千秋，而Alpha策略属于量化选股的范畴。传统的定性投资也是投资人基于一种投资理念或者投资策略来完成整个投资活动的，最终的目的是要获得市场的占有率，并从中取得丰厚的利润。从这个角度来衡量，量化投资与传统投资的本质并无多大差别。唯一不同的是量化投资对信息处理方式上和传统定性投资有着很大的差异性，它是基于现代信息技术、统计学和现代金融工程理论的基础上完成对各类数据信息的高效处理，在对信息处理的速度、广度上是传统定性投资无法比拟的。在对投资风险的控制方面也具有很大的优势，是国际投资界兴起的新型投资理念和应用方法，也在日益成为机构投资者和个人投资者共同选用的有效投资方案。现阶段量化投资的技术支撑和理论建设的基础包括人工智能技术、数据挖掘、支持向量机、分形理论等，这些现代信息处理与数据统计方式为量化投资的可操作性提供了坚实的基础。
Alpha策略在量化投资中的使用优点主要是对投资指数所具有的价值分析与评定。它不是依赖于对大盘的走向变化或者不同股票组合策略趋势的分析，对投资价值的科学分析与合理评估更能吸引投资者的目光。Alpha策略重视对冲系统风险所获得的绝对收益，在股票投资市场上是一种中性的投资方式，具体的程序有选择资产、对资产的优化组合、建立具体组合方式、定期进行调整。为了促进该策略在投资市场中获得良好的收益，就必须先要重视优秀的选股策略，其次是重视期货对冲平均市场收益的时候所产生的风险控制问题。对冲系统风险时，若是能够及时地对投资组合与相关的股指期货的平均市场收益指进行精准地判定和预测，那么将会对整个投资行为产生积极的影响。
2 基于Alpha策略的量化投资具体策略和实践方法
通常情况下，Alpha策略所获得的实际收益并不是一成不变的，这与该策略本身的特定有关，具体表现在周期性与时变性上。
Alpha策略的时变性主要是指当时间产生变化时，超额收益也会随之而改变。需要清除的是Alpha反映的就是上市公司超越市场的预期收益，因此属于公司资产未来估值预期的范畴，所以上市公司自身所处的发展阶段和发展环境不同，那么就会给Alpha带来影响。由于时变性的特点，这就给策略的具体估计模型的设立带来了更多不可确定的因素，为此，参照对Alpha满足不同动态假设的理论基础，建立起一个可以获得不同种类估算的模型，同时假定在同一个时间范围内，超额收益和市场平均收益都保持恒定不变，这就极大地简化了计算的过程与步骤。也就是说在该段时间内，市场上股票投资组合基本面不会有太大的变化与波动，这就与实际的投资状况基本达成一致。对于投资策略的调整则要根据上市公司重大事项发生情况而定，那么估算的时间单位周期可以采用每日或者每周估算，对每一个季度的历史数据进行调整也可以作为一种调整方式，反映公司季度行情。对于具体证券而言，采用季度或者每周的调整频率则不是最为理想的，还要针对公司情况与市场行情综合调整。
Alpha的周期性特点在交替出现的正负号上最为突出，导致这一情况产生的原因主要是行业的周期性特征与套利效应共同造成的。具体而言，首先不同类型的证券分别属于不同的行业所有，当行业处于景气周期循环状态下会影响Alpha的符号与大小，同时景气程度的深与浅也会对此产生影响。其次一个股票组合产生非常大的超额收益情况下，市场中的其他机构投资者或者个人投资者就会不断地参与到该组合的投资中来，最后会导致Alpha逐渐接近于零。因此在建立不同策略的组合方面，要针对每一个季度的具体情况和波动率，进行综合性地评价与分析，并及时地做出必要的调整，以便最大限度地获得市场收益。
量化投资中的Alpha策略并不是一种单一类型的策略，不同的策略都在寻求获得超额收益的市场机会和可能性。现阶段市场上采用的Alpha策略主要有多因子选股策略、动量策略或者反转策略、波动性策略、行业轮动策略、行为偏差策略等，每一种策略在具体实施过程中都有其特征性，并且可以相互结合使用，发挥出综合预测和评价的作用。
多因子选股策略是必要和常用的选股方式，最大的优势是可以将不同种类和模块的信息进行高效化综合分析与评价后，确定一个选股最佳方案，从而对投资行为进行指导。该种选股策略的模型在建立方面比较容易，是量化投资中的常用方式。同时多因子模型对反映市场动向方面而言具有一定的稳定和可靠性，这是因为所选取的衡量因子中，总有一些可以把握住市场发展行情的特征，从而体现其本来就有的参考价值。所以在量化投资过程中，很多投资者都使用多因子模型对其投资行为进行评估，无论是机构投资者或者是个人投资者，都能够从中受益。多因子选股策略模型的建立重点在于对因子的剔除和选择上，并要合理判断如何发挥每一个因子的作用，做出综合性的评定。
动量策略的投资方式主要是根据价格动量、收益动量的预期与评定，对股票的投资进行相应的调整，尤其是针对本身具有价格动量的股票，或者分析师对股票的收益已经给予一定评级的股票，动量策略的应用效果会比较理想。在股票的持有期限内，某一只股票在或者股票投资的组合在上一段时间内的表现均佳，那么则可以判断在下一段时间内也会具有同样的理想表现，这就是动量效应的评价依据，从而对投资者的行为起到一定的影响作用。反转策略和动量策略恰好相反，是指某一只股票或者股票投资组合在上一段时间内表现很不理想，然而在下一个时期反而会有突出的表现，这也给投资者带来了一线希望，并对影响到下一步的投资策略的制定。
波动性策略也是Alpha策略的一种方式，主要是利用对市场中的各股运动和发展状态的细致观察与理智分析后，列出一些具有相当大的波动性的股票，同时这些股票的收益相关性也比较低，对此加以动态化的调整和规划，从而逐渐获得超额收益的过程。在一些多因子选股策略中也有机构投资者或者个人投资者将股票具有的波动性作为考察与评价因子之一，波动性策略经常和其他策略相结合来评价，这说明股票投资市场本身就具有一定的波动性，因此在投资过程中要慎重对待。
行业轮动策略和行为偏差策略的应用频率不似前面几种高，但也会和另外几种策略相互结合使用。行业轮动策略主要是为了充分掌握市场行业轮动机制与特征，从而可以获得高额的收益，对行业之间的投资也可以非常高效和准确地进行，对把握正确的时机有很大的优势。行为偏差策略目的是窥探到股票市场中存在的过度反应或者反应不足等现象，这些都属于股票投资市场的偏差，从而可以通过投资者对不同股票抱有的差异化评价来实现超额收益。
关键词：自由现金流 投资收益 投资策略 组合管理
一、引言
Hackel等人在基于自由现金流投资组合研究时曾提出：基于自由现金流的投资组合，其业绩会优于基于市盈率或经营现金流的投资组合。作者在研究时主要的选股策略是：市值>1亿美元(排除金融类公司)；财务杠杆(负债权益比率)低于40％；将自由现金流为负的公司赋予极大的正乘数，并认为自由现金流乘数(公司市值除以四年平均自由现金流量)等于投资于股票所要求的回报率(贴现率)的倒数，最后将自由现金流乘数最小的20％的公司选人组合；使用组合构造日的权益市场价值和组合构造日所在年之前四年的平均自由现金流量数据以降低信息偏斜，并假设组合持有至年末。通过组合后的数据分析，得出自由现金流策略在发掘价值低估股票方面具有很大的优越性。我国市场环境与美国不同，这一投资组合方式是否适应于我国市场环境还有待进一步研究。我国所使用的会计准则与美国不同，上市公司的数量较少，因此，很难在我国上市公司之间确定一贯的自由现金流产生源。基于此，本文结合我国市场环境，在借鉴自由现金流投资策略研究成果的基础上，通过使用我国股市的年度财务报表数据，选择有正自由现金流、低自由现金流乘数和低财务杠杆的公司，对其进行基于自由现金流的投资组合后，与市场组合指数的表现进行对比并得出相应结论，以验证Hackel等人的自由现金流投资策略是否适合于我国市场环境。此外，本文还通过运用小市值股票交易数据以检查所得出的实证结果是否具有一般性。
二、研究设计
(一)样本选择本文主要基于6-7个组合标准对所选择的公司进行组合。考虑到所选择数据的局限性，认为应对选择标准进行简化和修改以适用于实际情况。尤其为了确保自由现金流组合中的公司数目绝对的大，本文采用了与Hackel等人不同的组合选择标准，具体为：自由现金流＞0；10＜市值／自由现金流＜40(自由现金流乘数)；总债务／自由现金流＜10(债务倍数)；市值＞30亿元。
按照传统的定义，自由现金流是指经营活动产生的净现金流减去资本支出后的所得额。这一定义与Hackel等人的研究有差异，本文没有采用四年平均自由现金流为正这一标准。此外，也没有假定任何自由现金流的增长趋势，但要求企业最近年份的自由现金流为正。对自由现金流乘数的估计，是通过上年股票市值与自由现金流的比率而得出的。此外，Hackel等人的研究得出自由现金流乘数应当介于5~20之间。而我国由于自由现金流的均值通常较低，市值均值较大，因此抽样期间的拥有正自由现金流公司的自由现金流乘数的均值大约在50-80之间，如果直接采用Hackel等人所使用的上、下限值，那么所选择公司数量将会严重不足。笔者认为选取10为下限值和40为上限值是比较合理的，因为它可以确保公司的股票价格相对其所产生的自由现金流是在一个合理的水平上。债务倍数是通过总负债与自由现金流的比率得到的，该比率越高，公司的财务风险越大；比例越低，公司的财务风险越小。本文选用低债务倍数的标准是为了避免在自由现金流组合中选中拥有大量债务的高债务公司。据统计，我国2006年市值超过30亿的上市公司有231家，2005年为244家，2004年为362家。我们选择了市值规模至少为30亿元的公司，以便既可以确保自由现金流组合能包含相当数量的公司，又可以保证人选的公司足够的大。
需要说明的是，由于我国上市公司在1998年才开始要求公布现金流量表，所以投资组合的分析数据只能追溯到1998年。在运用组合选择标准时，我们假设在投资组合中以及在一年内买卖证券的投资策略中，每支股票的投资机会是均等的。组合选择后，从样本总体来看，1998年选人组合的公司有73家，而当时的上市公司总数为701家，1999年这一比重达到120／806，2000年为292／902，2001年为276／1054。可以看出，投资组合中所包含的公司数量相对于我国总的上市公司数量来讲是比较大的，平均占总数的12％。而在Hackel等人的研究中，其选择的企业组合规模为63家，其比例不到美国所有上市公司的1％。不可否认的是，美国大量存在的上市公司使Hackel人的研究可以采用更严格的标准进行组合，这样使选择的一贯的自由现金流产生来源比较可靠。
从(表1)中可以看出：一是自由现金流组合中的公司市值均值数总是大于市场均值数。自由现金流组合中的公司市值均值大约是市场组合下市值均值的三倍。因此，自由现金流组合中选取的样本公司绝对是大资本公司。二是自由现金流组合中公司的自由现金流乘数均值比市场乘数均值要高，而且在研究期间相对稳定，与之形成鲜明对比的是市场组合中的自由现金流乘数均值是动荡的。同时，自由现金流组合中公司的债务倍数均值明显地超过了市场组合下债务倍数的均值。三是自由现金流组合中公司的每股自由现金流均值比市场组合均值要高，且在样本期间市场组合下的每股自由现金流多为负数。自由现金流组合下的P／E(市盈率)均值与市场均值没有很大区别。最后，使用交易日前100周的市场模型数据来估计β系数。样本期间除1998年、1999年、2000年和2004年以外，p系数均介于0.90至1.0之间，这说明相对于市场指数来讲，自由现金流组合下的公司可能面临较小的系统性风险。
三、实证分析及结果
自由现金流组合下的投资回报是按照组合中所有股票的加权平均投资回报率来计算的。而自由现金流投资策略的表现与市场组合回报的比较分析可以用三种不同的回报数据来衡量，其分别为ARI，AR2和AR3。第一项衡量标准ARI是常规市场调整回报，可定义为：ARI=RFCF－RRM，其中RFCF是指自由现金流组合的投资回报，RRM是指市场组合回报。第二项衡量标准AR2表示市场模型调整回报，其计算公式为：AR2=RRFCF－βRmO。这一衡量方法考虑了自由现金流组合下公司的系统性风险。第三项衡量标准为AR3，表示Fama-French三因素模型调整后的回报，其计算公式为：ARR3=RRFCF－RRF－φSMB－ηHML，其中RF表示无风险比率，SMB表示小市值股票组合和大市值股票组合回报之间的差别，HML表示高市值股票投资组合和低市值组合的回报差别。
通过使用前36个月的月市场回报率，可以估计市场模型参数和Fama-French三因素模型参数。为了检验所计算的回报是否显
著，本文运用传统的t检验以及再取样的10000样本进行自助法检验来完成。具体数据见(表2)。从(表2)中可看出，自由现金流组合的平均回报是24.7％(19.4％)，而平均市场组合的回报却很低，约为12.2％(15.6％)，最低、最高回报指标显示出自由现金流组合优于市场指数。值得注意的是在9个投资组合区间，有3个区间市场组合的投资回报是略优于自由现金流组合的，但在剩下的6个区间内自由现金流组合指数都明显优于市场组合，而在这3个区间中有2个就在2000年股市调整以前。
通过常规市场调整回报，我们进一步证实了自由现金流组合的优越性。规模调整后的市场回报平均为每年12.5％，优于市场组合，自助法检验表明这种回报在统计上是非常显著的。在考虑系统性风险后，本文还计算了市场模型调整回报。市场模型调整的平均回报约为14.0％，无论是参数还是非参数P值都表明了自由现金流组合显著优于市场指数。此外，在考虑了Fama-French规模和净值市价因素后，自由现金流组合仍显得比市场组合优越，平均为8.3％，但这种平均Fama-French调整回报在统计上的显著性水平仅为0.10。
四、鲁棒检查
(一)个人选择标准对投资组合的影响分析为了证明前段研究结果的稳健性，我们还分析了自由现金流策略下个人选择标准的不同对组合的增量影响，另外，为了检验在不同的市场状况下组合策略的表现情况。进行了额外的鲁棒检查，见(表3)。本文通过三种不同的组合构建分析了个人选择标准的增量影响力。第一组合包含所有正自由现金流的上市公司；第二种组合包含拥有正自由现金流和自由现金流乘数在10.-40的公司；第三种组合下的公司必须拥有正自由现金流、低自由现金流乘数和债务倍数小于10。
(表3)的A部分反映了组合一的月平均收益率。结果表明拥有正自由现金流的公司组合优于市场组合指数。组合一的平均每月收益约为216％(1.9％)，而相应的市场组合每月回报为1.8％(0.9％)。参数P值表明组合一的优越性在统计上是显著的，但非参数P值显示出市场模型和Fana-French调整的回报在统计上是不显著的。
(表3)的B部分和c部分表示的是组合二和三的相应的月平均收益。这两个组合的平均市场调整回报都是正的，因此可以看出他们是优于市场组合指数的。P值参数和非P值参数都表明组合二和组合三的调整回报是呈显著性水平的。
从组合一到组合三的数据可以看出，自由现金流投资策略的优越性可能在很大程度上归功于第三选择标准的应用，作为拥有正自由现金流的公司组合后的投资回报较市场组合似乎每月要超出约O.8％。但是满足所有组合选择标准的自由现金流组合的相对数据比较高，约为1.7％，这说明额外的选择标准提高了月回报的标准偏差。所以通过新增选择标准后，自由现金流组合策略的表现会更好。因此，包含所有的四项评选标准来评定自由现金流组合的优越性可认为是更合理的。
(二)市场情况对投资组合的影响 值得注意的是，(表2)中的数据似乎表明，在2000年前，当股票市场处于特殊的牛市时，市场组合策略是稍优于自由现金流组合策略的。但是从2000年春季股市调整后，自由现金流组合投资策略超过了市场组合策略的回报。为了证明这一结论，在牛市和熊市检测自由现金流投资策略是非常必要的。
(表4)描述了在不同的时期组合指数在牛市和熊市下的月收益表现。(表4)的D部分表明在牛市下自由现金流组合指数略微优于市场组合，因为自由现金流组合指数的平均每月收益为4.6％(3.4％)，而市场组合的平均月收益为3.5％(2.8％)。但无论参数还是非参数P值都显示整个市场指数的优越性在统计上并不显著，这说明基于自由现金流的投资策略优势不能完全归功于良好的市场行情。(表4)的E部分清楚地表明自由现金流组合策略比市场组合指数策略能提供更优越的回报。自由现金流组合的正平均收益与收益中位数与市场指数的负回报形成鲜明对比。E部分所显示的调整后的平均市场收益表明在熊市上自由现金流组合的月收益优于市场指数约3.3％。t检验和自助法检验表明E部分中中市场模型调整回报和Fama-French调整回报在统计上是显著的。
购物车(0)
