时间:2023-10-08 09:43:06
绪论:在寻找写作灵感吗?爱发表网为您精选了8篇量化投资策略分析,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!
量化投资策略就是利用量化的方法,进行金融市场的分析、判断和交易的策略、算法的总称。
量化投资策略类型包括:
1、趋势判断型量化投资策略,判断趋势型是一种高风险的投资方式,通过对大盘或者个股的趋势判断,进行相应的投资操作。如果判断是趋势向上则做多,如果判断趋势向下则做空,如果判断趋势盘整,则进行高抛低吸。这种方式的优点是收益率高,缺点是风险大。一旦判断错误则可能遭受重大损失。所以趋势型投资方法适合于风险承受度比较高的投资者,在承担大风险的情况下,也会有机会获得高额收益。
2、波动率判断型量化投资策略,判断波动率型投资方法,本质上是试图消除系统性风险,赚取稳健的收益。这种方法的主要投资方式是套利,即对一个或者N个品种,进行买入同时并卖出另外一个或N个品种的操作,这也叫做对冲交易。这种方法无论在大盘哪个方向波动,向上也好,向下也好,都可以获得一个比较稳定的收益。
(来源:文章屋网 )
中国证券市场早期盛行纯技术分析,前几年风行价值投资,现在数量化投资正在成为新方向,一场新的投资变革也许就在酝酿中。今年8月初沪指从3478点一路暴跌,在市场人士看来如果没有基金的杀跌,股市应该不会有这么惨。而基金引进量化投资,将改善传统基金追涨杀跌的市场常态,实现真正意义上的创新。
量化基金发行提速
今年上半年,嘉实量化阿尔法、中海量化策略两只量化基金的推出,打破了国内量化基金多年的沉寂。而近期,更是有3只量化基金同时登台亮相,且各具特色。截至目前,国内基金市场上已经发行7只量化基金,包括光大保德信量化核心、上投摩根阿尔法、嘉实量化阿尔法、中海量化策略、长盛量化红利策略股票型基金、富国沪深300增强基金及华商动态阿尔法基金。前两只分别成立于2004年8月和2005年10月,而后5只均是今年才成立。量化基金时隔四年后的再次大量推出,引起了市场的密切关注。种种迹象表明,以定性投资为主的国内基金业正在掀起一场量化投资浪潮。
光大保德信量化核心,一方面通过光大保德信的多因素数量模型对股票的预期收益率进行估算,个股预期收益率的高低决定投资组合是否持有股票;另一方面,投资团队从风险控制角度,重点关注数据以来的信息,通过行业分析和个股分析形成对量化的补充;最后由投资组合优化器根据预先设计的风险构建组合。
上投摩根阿尔法基金,同步以“成长”与“价值”双重量化指标进行股票选择,然后研究团队对个股进行基本面审核,结合跟踪误差的紧密监控,以求不论指数高低,市场多空,皆创造主动管理回报。投研团队最终决定进入组合的股票,量化分析是辅助和基础。
嘉实量化基金,以“定量投资”为主,辅以“定性投资”。通过行业选择模型,捕捉具有投资吸引力的行业,然后再在所选行业中运用阿尔法多因素模型筛选个股。定性的辅助作用表现在利用基本面研究成果,对模型自动选股的结果进行复核,剔除掉满足某些特殊条件的股票。
中海量化策略,以量化模型作为资产配置与构建投资组合的基础。根据量化指标实行从一级股票库初选,从二级股票库精选,再根据相关模型计算行业配置权重。结合行业配置权重,组合每只股票的配置比例。
长盛量化红利策略股票型基金,是作为国内首只运用“量化投资”策略投资于红利股票的基金,该产品将给投资者带来不同于传统基金的新体验。该只基金的另一个显著特点是“瞄准红利”。所谓红利,强调的是具有较高安全边际、较低下行风险的价值型投资,在目前市场总体估值处于历史平均水平时,价值型风格更能获得投资者的青睐。
富国沪深300增强基金,以沪深300指数为追踪标的,并对指数基金进行增强,并且是国内第一只采用量化方法进行主动增强的沪深300指数基金。量化增强的方法主要包括:利用多因子阿尔法模型选择股票;通过风险估测模型有效控制风险预算,并通过交易成本模型控制成本、保护业绩。相比定性的方法,定量投资手段在对成份股较多的指数进行增强方面以及控制跟踪误差方面具有很强的优越性。
当前适逢宏观经济、证券市场复苏向上之际,汇集A股市场300只规模大、流动性好、最具代表性股票的沪深300指数,有望迎来较好表现。而以沪深300为跟踪标的,并利用定量投资模型进行主动增强的富国沪深300增强基金,亦面临良好的投资环境与投资时点。
华商动态阿尔法基金,将以高阿尔法值的股票为主要投资目标,采用量化投资的方法,努力在有效控制风险的同时提高基金组合收益。华商动态阿尔法基金的投资将主要采用阿尔法策略和量化策略。阿尔法策略是依靠精选行业和个股,来获取超过大盘表现的超额收益。量化策略是指采用数量化分析方法来对股票进行分析和筛选,基于数量模型来配置行业权重。它具有投资范围更广、纪律性更强、投资思想可验证等优势,更能够限制投资过程中主观随意性可能带来的损失,帮助基金经理进行客观决策。
定量投资适合A股市场
正因为A股市场不是特别有效的市场,数量化投资策略正好可以发挥其纪律性、系统性、及时性、准确性、分散化的各种优点,从而捕获国内市场的各种投资机会。相比定性投资,现阶段A股市场的特点更适合采用客观、公正而理性的定量投资风格。
股票市场复杂度和有效性的增加已对传统定性投资基金经理的单兵作战能力提出了挑战。相对于海外成熟市场,A股市场的发展历史较短,有效性偏弱,市场上被错误定价的股票相对较多,那么,留给定量投资策略去发掘市场的无效性、寻找超额收益的潜力和空间也就更大。事实上,尽管量化基金在国内的发展历程较短,但是从国内已有的两只采用了定量投资方法并且已经运作了一段时间的基金来看,量化基金被证明是适应中国市场的。
量化基金产品包括但不限于数量化共同基金产品、指数基金产品、指数增强型基金产品、行业指数基金产品、风格类指数基金产品、策略指数基金产品、ETF产品、收益分级型产品等等。从数量化投资提供的工具和方法来看,能够给投资者提供的基金产品可以说是百花齐放,还应该做到有的放矢,满足投资者不同风险收益偏好的投资需求。
量化投资需过三道坎
我国A股市场的量化基金仍然才开始起步,各方面都有待进一步的完善。不仅机构需要有完善数量化投资策略各方面的耐心,也需要投资者给数量化基金以耐心。采用数量化策略的共同基金要在中国市场获得成功,仍有很长的路要走,需要不断的修正数量模型以适应中国市场的特征。
对于量化基金的产品设计,虽然量化基金一般都是采用多因素模型对股票进行分析和筛选,但不同的量化基金产品的侧重点是不一样的,也就是说,包括投资思路、观察角度、分析方法等在内都是不同的。在个股筛选和分析的角度、行业分析的角度、大类资产配置的角度等方面,均有不同的思路,因此,不同的量化基金产品可以体现出各自不同的投资理念和各自的投资特色。
具体来说,基金要想真正推行量化投资,主要应该跨越如下“三道门槛”。
首先,目前国内对做空的限制以及投资产品的稀缺,导致很多成熟的数量化投资手段不能在国内得以应用。一些对冲策略可能需要期货类的投资产品,而有些统计套利策略可能需要市场上要有做空的手段,目前这些条件在A股市场上尚不具备,因此,在一定程度上制约了量化投资的施展空间。
其二,中国目前对于基金的考核体系比较短期化,部分量化基金经理有可能迫于短期排名的压力,也去追涨杀跌,不去执行相当于投资纪律的量化策略,这就恰恰偏离了量化基金设计的初衷。量化投资策略成功与否需要从长期来看,不能因为短期内跑不过市场就认为量化基金管理得不好,对于量化基金的评价时间不能太短。
此外,量化投资对人的要求很高。量化投资需要考虑的一个重要因素是预测相对于市场的超额收益,即阿尔法收益,找到阿尔法预测模型。在阿尔法预测上,要保证不断有新的阿尔法策略产生。一个新的阿尔法策略出来后,过一段时间就被市场充分理解,可能阿尔法收益就会逐渐消失,这就需要不断产生新的阿尔法收益模型。
量化基金本土化前景
A股市场的发展历史较短,有效性偏弱,市场上被错误定价的股票相对较多,那么,留给定量投资策略去发掘市场的无效性、寻找超额收益的潜力和空间也就更大。相比定性投资,现阶段A股市场的特点更适合定量投资客观、公正而理性的投资风格。股票市场复杂度和有效性的增加已对传统定性投资基金经理的单兵作战能力提出了挑战。正因为市场的弱有效性,数量化投资才更有发挥的价值。这也是量化基金可以在中国本土化获得成功的有利条件。
数量化投资可以为投资者带来更多、更丰富、更有特色的基金产品,丰富机构的产品线。只有建立完善的产品线,才能满足不同投资者的需求,才能在不同的市场状况下获得发展,才能有强大的基金公司。机构可以从数量化投资所带来的无限量基金产品线上获得丰厚的利益。
数量化投资不仅可以增加基金的产品线,而且数量化投资策略本身也是对传统基金投资的一个强有力的补充和增强。数量化投资的好处是可以将各种适合不同经济环境、不同市场环境的投资理念明确地刻画出来,并可以加以建议。那些成功的投资理念通过数量化方式就可以方便地加入投资决策中去。数量化投资策略对提升基金等机构投资者的投资决策能力无可限量。
关键词:投资策略 概念体系 分析框架 分形市场
一、引言
证券市场存在分形现象已得到了国内外学者的广泛认可。实务中已开始利用分形现象定性的指导实际投资,并获得了可观的收益。基于分形理论对投资策略进行量化研究更是具有非同寻常的理论意义。一方面,统计套利、算法交易、资产配置等传统量化模型由于忽略了投资者行为、证券价格的长记忆性、证券收益率的“尖峰肥尾”等分形特征而存在刻画不精确、忽视风险等局限。利用分形理论量化研究投资策略可对证券市场中分形现象量身度造,可充分克服传统量化投资模型的不足,从而更好地指导实际投资;另一方面,基于分形现象进行量化投资的理论研究至今仍是空白。因此,在证券市场呈分形现象的背景下,运用分形理论来构建量化投资策略可弥补此理论空白,具有较大的理论与现实意义。然而,利用证券市场的分形现象来量化研究投资策略的前提和基础是理解分形市场中投资策略的相关概念及其分析框架。目前,国内外尚无文献对其系统探讨。鉴于分形市场中投资策略的相关概念及其分析框架的重要性以及研究现状,本文将对其进行系统探讨,以期为构建分形市场中投资策略的量化模型奠定基础。
二、分形市场中投资策略概念体系
( 一 )分形市场的界定 1970年,Fama创造性的将有效市场假设(Efficient Market Hypothesis ,EMH)归纳为公理。EMH为传统资本市场理论(CMT)奠定了基石、提供了分析框架。在EMH下,证劵的价格代表了证劵的真实价值,证劵价格的变动必将遵循随机漫步(Random Walk);从而,寻求价格偏离内在价值的证劵,以及寻找证劵价格的起伏周期和预测模式必将徒劳无功。然而实证表明,证劵市场的运行方式与EMH所描述的情况相差甚远,而是呈现分形特征。Peters(1994)集众人之智、采众家之长,在EMH和协同市场假设(Coherent Market Hypothesis,CMH)的基础上,提出了著名的分形市场假说(Fractal Market Hypothesis,FMH)。 FMH的基本内容:市场由众多投资者组成,不同投资者的投资期限不同;市场信息对不同投资期限的投资者产生不同影响。短期投资者主要注重历史信息,基本遵循技术分析;较长期投资者更加偏重基础信息;市场稳定性主要取决于市场流动性;价格反映了短期技术分析与长期基本分析的结合;如果某项资产与经济周期循环无关,那么将不具有长期趋势。FMH是EMH的有力扩展,FMH强调信息接受程度和投资期限对投资者行为的影响。在FMH下,投资者仅是有限理性的。信息积累和信息滞后对投资者的影响将造成证劵价格的有偏随机游走,表现出长记忆、混沌序等分形特征。投资者的投资期限上的差异将保证市场的流动性和稳定性。在FMH下证劵市场不仅仅是经济和商业形势的映射,更是投资者情绪的晴雨表。樊智、张世英(2002)基于对EMH与FMH两者联系与区别的详尽讨论下,给出了分形市场的一般性描述;分形市场是指具有正反馈机制和非线性结构特性的资本市场,其价格序列波动的表现形式为具有一定维数(Hurst指数 )的分数布朗运动(Fractional Brownian Motion, FBM)。该描述切中了分形市场的反馈机制及结构特性,但稍显片面,同时过于复杂。因此,本文对分形市场作如下简单明了的定义。所谓分形市场是指以FMH作为市场运行机制的市场。
( 二 )分形市场中投资概念的理解 研讨投资策略的前提和基础是理解投资。不同学者关于投资的定义说法各异。投资是指投入资金赚取更多资金;是指投入当前资金或者其他资源以期获取未来收益的行为。尽管说法各异,但对其本质特征的描述却是殊途同归。投资的本质特征就是放弃或牺牲某种现在有价值的东西,期望从未来收益中获得补偿;即期望资产增值,即追寻 是投资活动的核心。基于前文对分形市场的界定,本文对投资进行结构性分解时,主要是针对分形市场中有价证劵的投资。投资是一项经济活动,因此,对投资活动的主体——投资者进行分析是至关重要的。在分形市场中,基于短期与较长期投资者对信息敏感度的差异,不同类别投资者对投资策略的偏好将存在差异。较长期投资者相对于短期投资者对基础信息具有更加敏感,因此,对价值投资更具有倾向性;而短期投资者相对于较长期投资者更注重历史信息,因此,对基于技术分析的投资策略更具有倾向性。同时,由于同一投资者也难保持其投资期限时间一致,因此,同一投资者也难保持其投资策略偏好的恒常性。在分形市场中,千差万别的投资者驱动着证券市场的流动,支撑着证券市场的稳定;形形的投资者形成行影无踪、变化无常的市场动力,驱使着证券市场呈现分形特征。金融工具作为投资活动的客体,是投资者在证券市场中的选择集。金融工具作为资金融通的载体,风险收益组合多样。投资者对金融工具的选择的实质就是对风险收益组合的选择,这依赖于投资者的投资目的、风险偏好等因素。因此,金融工具制约着投资者执行投资策略的可行性。因此,金融工具特征的确定是理解投资的又一关键因素。投资过程,作为投资活动的核心,连接着投资者与金融工具。投资过程主要由两部分工作组成。一部分工作是证券与市场分析;第二部分工作是对最优的资产投资组合进行构建。在投资过程中,投资者对证劵与市场分析的根本目的是寻找出内在价值偏离价格的证劵;基于证劵价格起伏周期预测模式的市场时机选择是构建最优资产组合、优化资产配置的核心。投资过程的本质是通过选择或协调各种金融工具,从而选择与投资者的投资目的相适应的风险收益组合;是投资活动顺利开展的关键保障。因此,投资过程的优劣直接关系到投资活动的成败。
( 三 )分形市场中投资策略的厘定 基于对分形市场的界定以及分形市场中投资概念的厘定,便可对分形市场中投资策略展开详细探讨。所谓投资策略就是指投资者根据自身需求和风险承担能力对投资资产进行安排、配置。确定投资者收益需求和风险厌恶特征是构建其投资策略的前提。随后,投资者设计可实现其目标的投资策略。投资者将根据自身对资产的内在价值、预期收益、风险等因素的推断结果进行投资资产选择、配置。因此,投资者对资产内在价值、预期收益、风险等因素的推断结果是构建投资策略的基础,投资者根据推断结果设计使自身效用最大化的投资策略。在EMH下,由于市场具有竞争性以及投资者具有同质预期,风险收益完全匹配。追求高收益,必然要承担高风险;不接受高风险,便只能接受低收益。在分形市场中,形形的投资者对资产内在价值、预期收益、风险等因素的推断方法千差万别;因此,基于推断结果所设计的投资策略便具有差异。投资策略的差异表现为投资者历史投资行为的差异,最终造成证券收益与风险的分形特征。证券市场存在分形特征,因此,证券收益、风险的时变特征具有复杂性、非线性。从而,分形市场中风险收益不完全匹配;在实际投资中,存在套利机会。因此,优异的投资策略可充分利用风险与收益非完全匹配的特征;从而,可以在减少一定程度的风险的同时并增加一定程度的收益。基于此,分形市场中投资策略的一个直观描述就是指投资者根据自身需求和风险承担能力设计协调和选择风险收益组合以实现自身效用最大化的方案。
三、分形市场中投资策略分析框架
( 一 )分形市场中的推断方法 由前文讨论可知,确定投资者收益需求和风险厌恶特征是构建其投资策略的前提,而投资者对资产内在价值、预期收益、风险等因素的推断结果是构建投资策略的基础。因此,准确的推断结果是投资策略有效的先决条件;而推断结果的准确性依赖于投资者所采用的推断方法。在分形市场中,推断方法的设计是设计投资策略的必要步骤。传统资产组合理论、资本资产定价方法等量化投资模型,其推断方法常常基于线性范式,难以追踪分形市场中的分形信号。现有基于人工智能、小波分析、支持向量机等理论的量化投资模型,其推断方法对分形市场中的分形特征也不是量身度造。为克服证券价格、收益、波动中的分形特征对推断方法的干扰,在分形市场中,所设计的推断方法不仅要可充分克服分形噪音的干扰,而且还要能更好的追踪分形信号。因此,在分形市场中,设计投资策略的先决条件便是设计资产内在价值、预期收益、风险等因素的推断方法。
( 二 )分形市场中投资策略的分解 理论上,在分形市场中寻求价格偏离内在价值的证劵、寻找证劵价格的起伏周期和预测模式并非无稽之谈。与此相反,由于分形通常具有精细结构,而证劵价格又往往表现出分形走势;因此,波动的证劵价格蕴藏着许多低买高卖的机会;从而,优质的市场时机选择策略可以让投资者获得盈千累万的资本利得。证劵的内在价值是指证券未来收益的风险调整贴现值。由此可见,证劵的内在价值受证劵未来收益水平和风险调整贴现率的影响。而未来收益水平和风险调整贴现率具有不确定性;因此,证券内在价值也具有波动性。同时,由于激发证券价格和证劵内在价值波动的因素不完全相同;从而,证券价格和证券内在价值的波动往往具有不一致性。因此,根据证券价格和证券内在价值的变动特征,选择内在价值被低估的证劵并非是天方夜谭。基于上述分析,在分形市场中,选择价格偏离价值的证劵和选择基于证券价格预测模式的市场时机均具有可行性;且无论是证劵选择还是市场时机选择都影响着风险收益组合。因此,证劵选择策略和市场时机选择策略是影响投资策略的两个因素。另一方面,基于早期研究可知,投资的业绩可以通过证劵选择能力和市场择时能力这两个角度解释。而投资业绩的好坏是投资策略优劣的外在表现,因此,在分形市场中,可将投资策略分解为证劵选择策略和市场择时策略。其中,证劵选择策略,就是指识别价格偏离内在价值的证劵的策略;市场择时策略就是指掌控证劵价格起伏周期的策略。
( 三 )分形市场中投资策略的分析框架 基于前文对分形市场中投资策略的厘定及分解可知,投资策略的设计可通过证劵选择策略设计和市场择时策略设计实现,构建有效投资策略的关键是分析证劵选择策略和市场择时策略。(1)分形市场中证劵选择策略分析。根据前文的厘定,证劵选择策略,是指识别价格偏离内在价值的证劵的策略。识别价格偏离价值的证券的前提和基础是确定证券的内在价值。证劵的内在价值是指证券未来收益的风险调整贴现值。其中,未来收益是指包括资本利得、红利在内的全部现金回报,风险调整贴现率等于无风险收益率与风险溢金(Risk Premium)之和;风险溢金是指针对投资某项资产时的额外风险所需的额外回报率。在理论上和实务中,未来收益常常基于历史数据、经济形势等因素给出判断;风险溢金的确定取决于投资者对超额风险和额外回报二者间关系的看待,依赖于投资者的风险厌恶程度。投资者常常希望承担低风险并享受高收益,从而常常利用风险资产组合构建或协调风险收益组合。有效前沿或称最小方差边界、有效投资组合、有效边界、最优资产组合等,其上的风险收益组合是约定风险范围内预期收益最高的投资组合,是投资者首选的风险收益组合。因此,优异的证劵选择策略必将在有效前沿上选择风险资产。从而,设计证劵选择策略关键在于设计有效前沿的构建策略。传统有效前沿构建基于Markowitz的资产组合理论和市场完美性假设,在期望收益、方差、风险资产间协方差已知的情况下,便可根据均值——方差准则构建有效前沿。在EMH的假设下,市场具有完美性;然而,实际的市场并不完美,交易成本、资本利得税等因素影响着风险资产组合的构建,从而影响着有效前沿的构建。Jarrow et al.(2007)研究表明,即使很小比例的交易成本也可能严重扭曲无交易成本下的最优资产组合。与此同时,在FMH的理论下和金融市场的现实背景下,较长期投资者和短期投资者对期望收益、方差、风险资产间协方差预期非同质。因此,分形市场中的有效前沿是代表最佳风险收益组合的变动曲线。综上所述,基于投资者投资期限构建动态有效前沿的策略是设计证劵选择策略的关键。(2)分形市场中市场择时策略分析。根据前文的界定,市场择时策略是指掌控证劵价格起伏周期的策略。证劵价格起伏周期的掌控基于对证劵价格趋势的把握。因此,对证劵价格趋势的分析是设计择时策略的重中之重。所谓证劵价格趋势,是指证劵价格朝某方向运行的过程。实操中,常常以某种移动平均线(Moving Average,MV)朝某方向运行的过程作为价格趋势,但确认价格趋势并非易事;同时,以移动平均线作为证券价格趋势会具有一定的滞后性。投资者掌控证券价格趋势的根本目的是希望低买高卖,并顺势而为。因此,设计低买、高卖策略便可掌控证券价格趋势,实现优质市场时机选择。而低买、高卖策略的设计,关键在于捕捉证券价格的低位、高位。所谓证券价格低位或高位,是指在既定的投资时间区间内,相对最低或最高的证券价格。其中,投资时间区间由投资者的投资起点和投资期限确定。在分形市场与真实证券市场中,由于投资者投资起点和投资期限的差异,因此,不同投资者的投资时间区间不尽相同。从而,证券价格的低位与高位只是相对的,紧紧依赖于投资者的投资时间区间。同时,由于信息对不同投资者影响不同,致使不同投资者投资行为不同。短期投资者因受信息扩散缓慢以及对信息反应迟钝的影响,表现出惯,造成证券价格的惯性效应;较长期投资者受此影响不大。投资者对信息反应行为的差异,致使较长的投资时间区间内证券价格分形波动。从而,较短投资时间区间内的证券价格低位、高位混杂在较长投资时间区间内的低位与高位之间;这是是短期投资者惯的结果,也是短期投资者市场择机根本的根本依据。设计低买、高卖策略便可实现优质市场时机选择,因此,设计低买、高卖策略就是设计市场择时策略。对于短期投资者,市场择机的根本依据就是把握惯引致的惯性效应。低买策略和高卖策略并非两种不同的策略,本质上高卖策略和低买策略并无区别,会在证券价格高位卖出证券便会在证券价格低位买入证券。这是因为,当投资者卖出证券时,相当于用股票在买现金。如果投资者能在证券价格高位卖出证券,那么,以证券作为现金价格必然是在价格低位买入了现金。因此,要想在证券价格低位买入证券,只需要在现金价格高位卖出现金。综上,设计市场择时策略关键在于设计高卖策略,在投资者的投资时间区间内捕捉证券价格的高位,掌控短期投资者的惯。(3)有效前沿与惯。证券选择和市场择时二者相互影响,因此,作为两者核心依据的有效前沿与惯也将相互影响。短期投资者严重的惯,将导致证券价格过度的惯性效应,营造出市场情绪潮流。此时,非完全理性的较长期投资者也难以完全摆脱市场情绪的影响。在情绪潮流中,部分较长期投资者将重新衡量预期收益、风险等因素;并根据其重新衡量的结果,做出推理,改变其投资行为。如:舍弃既定投资期限、改变投资风格等。最终,与短期投资者一起致使市场偏离既定的有效前沿。另一方面,基于投资者投资期限构建的有效前沿可反映短期投资者的惯。在分形市场中,市场偏离既定有效前沿伊始,由于较长期投资者更加偏重基础信息,短期投资者更加关注历史信息;因此,此时的市场动力主要源于短期投资者的投资行为。此时,短期投资者的投资行为是对历史信息的反应,表现为惯。综上所述,严重的惯将导致市场偏离既定的有效前沿,基于投资者投资期限构建的既定有效前沿可反映惯。有效前沿与惯分别作为证券选择和市场择时的核心依据,两者相互联系、相互影响。
( 四 )分形市场中投资策略设计的展望 由前文可知,投资策略的设计可通过证劵选择策略设计和市场择时策略设计实现。基于市场择时的资产配置对投资业绩具有绝大部分的贡献,且证券选择本身也依赖于时间因素,因此,本文仅对市场择时策略设计给出一些展望。设计市场择时策略关键在于基于证券价格的惯性效应设计高卖策略。高卖策略即在投资者的投资时间区间内捕捉证券价格的高位。由于证券价格具有分形特征,而分形通常具有自相似性,通常可由一些迭代过程得到。从而,证券价格走势是自相似吸引子或几个自相似吸引子的迭加。基于吸引子定理和拼贴定理,证券价格的这种分形走势可用少量几个压缩映射和生成元产生一个新的分形走势来无限逼近。由于这个新的分形走势由其生成元和迭代函数系唯一确定,因此,其未来走势确定。在证券价格未来走势不会较大偏离此前分形走势的假设下,便可利用这个构建的分形走势寻找证券价格未来走势中的相对高位,进而根据投资者的投资期限做出投资决策。可见,寻找证券价格走势的逼近分形走势是设计高卖策略的方法之一。另一方面,证券价格的分形走势具有标度不变性特征。标度不变性是指在不同时间或空间尺度下证券价格的分布函数间具有幂律关系。由于较短时间间隔观察到的证劵价格相对于较长时间间隔上观察到的证券价格具有更多的数据,因此,也包含着更多的有效信息和信息噪音。利用高频数据和低频数据间的标度不变性特征,可获得较之低频数据更多的有效信息,可免受较之高频数据更少的噪音干扰。从而,更有利于投资者进行投资决策。分形分布(Fractal Distribution)可真实描述证券市场收益序列的“尖峰肥尾”现象,是对真实证券市场收益序列的统计描述,可充分反应证券市场中的标度不变性特征。基于分形分布的市场择时策略可克服基于正态分布的市场择时策略低估风险、过早卖出等不足。从而,利用分形分布可以更加精准的计算出证券价格未来走势的概率,进而可根据概率的大小进行市场择时。然而,分形分布的参数估计具有较大困难,因此,设计分形分布的参数估计方法是设计高卖策略的又一方法。总之,利用证券价格的分形走势设计投资策略关键在于充分利用分形的种种特征,充分利用分形时间序列中的有效信息和尽可能去除分形时间序列中的信息噪音。
四、结论
本文通过对分形市场中投资概念的理解,在投资者协调和选择风险收益组合可行性分析的基础上,将投资策略厘定为投资者根据自身需求和风险承担能力设计协调和选择风险收益组合以实现自身效用最大化的方案。在此基础上,对设计分形市场中投资策略的先决条件——资产预期收益、风险等因素的推断方法进行了分析。在把投资策略分解为证券选择策略和市场择时策略的基础上,提出了分形市场中投资策略的分析框架。在分形市场中,设计基于投资者投资期限的有效前沿和基于投资者投资时间区间的高卖低买策略是构建投资策略的关键路径。而设计高卖低买策略关键在于投资者在投资期限内有效捕捉证券价格的高低位,掌控短期投资者的惯。本文对分形市场中投资策略分析框架的建立,将为进一步构建贴近证券市场分形现象的量化投资策略提供理论基础。
*本文系教育部高等学校博士点专项科研基金项目“分形市场环境下开放式基金业绩持续性之关键因素挖掘研究”(项目编号:20120172120050);教育部人文社会科学研究青年基金项目“明星效应下基金家族价值偏爱及家族造星策略有效性研究”(项目编号:13YJC790150);中央高校基本科研业务费专项资金“分形条件下基金投资风格漂移与股票市场波动效应量化研究”(项目编号: 2013ZB0016)及国家社会科学青年基金“开放式基金投资风格漂移及风格资产轮换策略有效性研究”(项目编号:12CJY006)的阶段性成果
参考文献:
[1]丁鹏:《量化投资——策略与技术(修订版),电子工业出版社2012年版。
[2]许林:《基于分形市场理论的基金投资风格漂移及其风险测度研究》,《华南理工大学博士学位论文集》(2011年)。
[3]苑莹、庄新田、金秀:《多重分形理论在资本市场中应用研究综述》,《管理学报》2010年第9期。
[4]黄怡蓉:《中国股市的分形结构:理论与实证》,中山大学出版社2006年版。
[5]樊智、张世英:《金融市场的效率与分形市场理论》,《系统工程理论与实践》2002年第3期。
[6]马慧明:《英汉证劵投资词典》,商务印书馆2007年版。
[7]B B Mandelbrot,Richard L Hudson著,张新等译:《市场的(错误)行为:风险、破产与收益的分形观点》,中国人民大学出版社2009年版。
[8]Kenneth Falconer著,曾文曲译:《分形几何的数学基础及其应用(第二版)》,人民邮电大学出版社2007年版。
[9][美]加里·加斯蒂尼,马克·克里茨曼著,谌季强等译:《金融风险管理词典》,华夏出版社2007年版。
[10][美]加里·加斯蒂尼,马克·克里茨曼著,谌季强等译:《金融风险管理词典》,华夏出版社2007年版。
[11][美]R A贾罗,V马斯科西莫维,W T津巴编,吴文峰、仲黎明、冯芸译:《金融经济学手册》,上海人民出版社2007年版。
[12][美]维克多·斯波朗迪著,俞济群、真如译:《专业投机原理》,机械工业出版社2008年版。
[13]蒋晓全、丁秀英:《我国证券投资基金资产配置效率研究》,《金融研究》2007年第2期。
[14]王征:《资产配置对基金收益率的贡献度分析——来自中国市场的经验数据》,《经济科学》2005年第4期。
[15]苑莹、庄新田:《基于多重分形的金融市场复杂特性分析及应用:以中国股票市场为研究对象》,中国经济出版社2012年版。
[16]Kyoung Eun Lee , Jae Woo Lee. Scaling and Multiscaling Properties in the Korean Stock Market.Journal of the Korean Physical Society,2007.
[17]Yudong Wang,Li Liu,Rongbao Gu.Analysis of efficiency for Shenzhen stock market based on multifractal detrended fluctuation analysis.International Review of Financial Analysis,2009.
[18]A Ganchuk, V Derbentsev, V Soloviev. Multifractal Properties of the Ukraine Stock Market.Workingpaper, 2006.
[19]Justine Gregory Williams, Bill M Williams.Trading Chaos-Maximize Profits with Proven Technical Techniques (2nd Edition).New Jersey:John Wiley&Sons, Inc.2004.
[20]Daniel O Cajueiro,Benjamin M Tabak.Multifractality and herding behavior in the Japanese stock market.Chaos,Solitons&Fractals,2009.
[21]Jozef Barunik,Tomaso Aste,T.Di Matteo,Ruipeng Liu.Understanding the source of multifractality in financial markets. Physica A,2012.
[22]Edgar E Peters.Fractal Market Analysis:Applying Chaos Theory to Investment and Economics.New York:John Wiley&Sons, Inc. 1994.
[23]Zvi Bodie, Alex Kane, Alan J Marcus. Investments(8th Edition).New York: McGraw-Hill,2009.
[24]Andrew Pole. Statistical Arbitrage: Algorithmic Trading Insights and Techniques.New York: John Wiley&Sons,Inc.2007.
[25]Luciano Zunino, Alejandra Figliola,Benjamin M. Tabak et al. Multifractal structure in Latin-American market indices.Chaos, Solitons and Fractals,2009.
[26]Man-Ying Bai, Hai-Bo Zhu.Power law and multiscaling properties of the Chinese stock market. Physica A,2010.
[27]Roger G Ibbotson, Paul D Kaplan. Does Asset Allocation Policy Explain 40, 90 or 100 Percent of Performance.Financial Analyst Journal,2000.
[28]Gary P Brinson, Brian D Singer, Gilbert L Beebower. Determinants of Portfolio Performance II: An update. Financial Analyst Journal,1991.
[29]William Forbes. Behavioural Finance. New York: John Wiley&Sons,Inc.2009.
[30]Jerome Chave,Simon Levin.Scale and Scaling in Ecological and Economic Systems.Environmentaland Resourmics,2003.
[31]Robert A Meyers. Complex systems in Finance and Econometrics. New York: Springer,2009.
保险资产管理的历史演变
保险业的转型发展蕴含了保险从非金融到金融的属性转变。保险业转型与金融市场的发展、监管环境的变革带来了保险资产管理的大发展。
国内保险业务从1980年开始恢复,当时保险资金运用的主要渠道是由人民银行批给贷款额度。90年代初期,保险办“三产”成为当时特定时代背景下保险资金运用的显着特点。1995年《保险法》颁布,保险资金运用有了明确的法律规定,严格限定在银行存款、购买国债、金融债和国务院批准的其他形式的投资。2003年,经国务院同意,保监会做出重大战略部署,在保险业组建了首批保险资产管理公司,通过资产管理公司集中化、专业化管理,逐步形成了承保业务与资产管理业务双轮驱动的格局,将行业从单纯的保险业务发展领入了资产负债协调发展的新历史阶段。此后保险资金投资范围不断扩大,保险资金运用相关的工具、渠道、机构、队伍、制度、风险防范及投资收益都获得了重大突破。
保险资产管理的不断发展,为保险资产管理服务实体经济、优化资产组合、提升投资收益、适应保险业转型发展的需要起到了十分积极的作用。随着监管政策的放开,保险资产管理还将出现重大的转型,从单纯的账户管理转向账户管理与产品管理并举,从单纯的管理内部资金转向管理内部资金与第三方资金并举,从被[:请记住我站域名/]动的负债驱动转向资产负债管理,从行业内竞争转向金融业跨界竞争,多元化、国际化将成为保险资产配置的新趋势。
保险资产管理的理论依据
现代资产组合理论是包括保险公司在内的各类机构投资者投资配置的重要理论依据。保险资产管理采用的专业技术及可以作为资产配置的大类资产类别与其他资产管理并无本质差别,这是保险资产管理的普遍性。保险资产管理的特殊性源于保险负债的特殊性。保险资金负债的性质、成本既不同于银行,也不同于信托、基金或证券。负债的特殊性决定了保险监管政策的差异性和资产配置的独特性。为更加有效地、全面地管理风险、覆盖成本,保险公司开发了资产负债管理模型(ALM),协调投资策略和产品设计、定价之间的关系,这是保险公司投资的另一重要理论依据。
与其它机构投资者相比,保险投资关注资金的安全性和流动性,投资风格更加稳健。一方面,保险业绝大部分资金都来自于保费计提的准备金,是带有给付与赔偿义务的有成本资金。对于大部分保险产品而言,投资风险基本由保险公司承担。另一方面,保险公司还面临着监管政策的硬约束,包括资产配置的比例限制、公允价值计价的会计准则、以风险为基础的偿付能力监管体系等,这与其它机构投资者面临的情况有很大不同。这些约束条件的设定,体现了保险公司强化投资风险管控背后的监管意图。
保险资金配置的国际比较
以美国为例,美国是全球最大的保险市场,寿险产品占据全部保险业可投资资产的约70%,并按账户划分为独立账户和一般账户。一般寿险产品(约为寿险资产总规模的70%)除保险保障要求外,部分产品(比如有最低投资回报承诺的产品)还需要满足最低收益目标,对投资标的安全性要求较高。这部分资金划归到一般账户,资产配置比例由保险公司决定,同时接受监管机构的投资比例限制。
美国保险公司对一般账户大都采取比较保守投资策略,80%以上的资产配置固定收益产品,其中超过70%的资金配置债券,10%左右配置抵押贷款。2008年金融危机后,权益资产配置比例控制在3%以内(2011年为2.3%),即便在股票市场牛市的2007年,股票配置的峰值也仅有4.7%。
全球第二大保险市场的日本的情况与美国类似。日本寿险业将绝大部分资产配置在固定收益产品,其中65%以上的资产配置债券,贷款投资占比15%左右,权益投资的比重已经下降到6%。
会计准则及偿付能力对保险资产管理的影响
如前所述,保险资产管理必须充分考虑会计准则及偿付能力监管规则的影响,这是其区别于一般资产管理的重要特征。
首先是会计准则的影响。一般资产管理(例如基金投资、企业年金投资)主要关注于资产组合的市值增长,市值增减变动直接反映为当期业绩,因此会计核算相对简单。而保险资产管理需要从保险公司整体目标出发,基于资产负债匹配的要求,统筹考虑资产的价值和收益,这就与金融工具会计准则产生了密切联系。
具体而言,在会计准则的框架下,保险资产管理必须考虑三大问题。一是分类。现行准则对金融工具采用“四分类”方法,一旦选定不能轻易更改。因此,必须充分考虑不同分类下资产价值、收益的计量方式、与负债的匹配度,以及对后续交易的限制,合理确定投资目的和会计分类。二是估值。公允价值计量是现行准则的一个重要计量属性,但其内在的顺周期效应也受到各方质疑。
此外,在非有效市场中资产如何估值,也是非常复杂的技术问题。三是减值。近年来金融资产减值对保险公司业绩的影响很大。尽管各公司减值标准不同,结果缺乏可比性,但都应该加强对减值的监测和主动管理,努力降低对公司业绩的影响。
其次是偿付能力监管的影响。通常情况下,资产管理主要关注于资产本身的收益,不会受到资产委托方的其他限制或约束。而保险资产管理则会受到来自保险公司的诸多约束,偿付能力监管就是其中非常重要的一项。
在我国现行偿付能力编报体系中,投资资产会从两个方面对偿付能力产生影响:一是高风险、低流动性资产(特别是另类投资)的认可率较低,会降低偿付能力;二是金融资产按公允价值计量,会造成偿付能力的剧烈波动。因此,在开展保险资产管理时,必须将偿付能力作为投资决策的重要依据。对于偿付能力偏紧的公司,要审慎考虑另类投资,并主动加强价格风险、利率风险敞口管理,控制偿付能力波动。在最新的欧盟偿付能力Ⅱ体系中,投资资产形成的市场风险、信用风险已经超过保险风险,成为寿险公司监管资本的主要驱动因素。一旦欧盟偿付能力Ⅱ实施,保险投资理念、风险收益观将会发生重大变化,资产组合
可能面临重大调整。同时,有效的风险管理将会为保险公司创造更大的价值。 保险资产的风险管理
资产管理工作本质上是一项风险管理工作。第一,识别风险。第二,对风险进行合理定价。第三,在合理的定价基础上赚取风险回报。做好资产管理工作,需要看清几个基本问题。有哪些风险?定价有没有反映风险?实现收益背后蕴含了多少风险?哪些风险是我们意料之外的(尾部风险)?
具体工作中,识别风险点,进而对风险大小进行评估,对所识别的风险点开展风险监测,出现风险后及时、正确的风险应对措施和风险报告是保险资产管理的主要流程。保险资产管理主要面临着投资性风险(市场风险、信用风险、流动性风险等)和非投资性风险(操作风险、合规风险等)。
此外,保险资产管理要定期对投资组合的收益情况进行评价,即绩效评估。绩效评估工作需要注意两个方面,一是组合收益率的计算方法,二是比较基准的选择。除了要知道投资业绩的好坏,还需要进行利源分析。这就需要开展绩效归因分析。风险调整后收益的引入有助于进一步掌握投资经理获得的收益是承担了过多的风险还是在相对较低的风险下。资产管理承担了保险行业的大部分利润贡献,行业所面临的风险也由负债端转向了资产端,对投资收益背后所承担风险的考量就非常重要。此外,一定要考虑对权益类的敞口控制问题,权益类的表现好坏会直接影响到保险资产管理的收益。
从价值投资到数量化投资的发展
纵观西方证券投资思想的发展史,在不同的时代背景和市场环境下形成了价值投资理念、技术型投资理念、被动投资理念以及现代数量化投资理念等多种投资理念。其中价值投资理念和现代数量化投资理念都属于主动投资理念,理论较为系统,目前机构投资者大多使用这两种投资理念管理资产。
本杰明·格雷厄姆最早提出了价值投资的思想。之后,菲利普·费雪、约翰·威廉姆斯以及沃伦·巴菲特等价值投资的追随者又从价值评估的范围和方法等方面对格雷厄姆的思想做了进一步的补充和完善。当前,伴随着金融创新的不断发展,价值投资者还活跃在高收益债券、衍生品等多个新兴投资领域中。从实际操作中看,价值投资过程可能面临一些问题:如价格无法恢复的风险、价值回归速度缓慢时投资者容易受到短期业绩压力、信息爆炸使发现投资机会的难度增加以及在大牛市中资金利用率较低等。
通常意义上说,数量化投资可以理解为利用数学模型和计算机技术来设计并实现投资策略的过程。近年来,数量化投资进入了一个蓬勃发展的时期。据路透社报道,2012年对冲基金每获得10美元新投资,就有超过9美元投向了数量化对冲基金。而国内的量化公募基金也已经从2008年的6只增加到了2013年6月的46只。在数量化投资的过程中,投资策略是核心所在,目前的量化投资策略主要可以分为三类:一是择时类策略,如情绪指数择时等;二是择股类策略,如多因子择股等;三是对冲套利类策略,如股票多空对冲、统计套利策略等。从历史来看,
数量化投资能够取得较高的收益,但同时也存在着模型风险。
作为两种在不同时代背景下形成的投资理念,价值投资和数量化投资并没有明显的优劣之分。但是数量化投资在数据处理能力、投资策略多样化以及投资决策理性化、流程化等方面更具优势,并且能取得相对稳定的投资业绩。目前,国内保险资金绝大部分通过价值投资方法进行管理。为更好适应未来投资环境的转变,保险资产管理未来需要实现几个转变。随着未来股指期货、融资融券以及期权等衍生工具的放开,保险资金数量化投资的运用前景会越来越广泛,真正实现投资策略的多元化发展。
中国资本市场有效性与行为金融理论的影响
理性人假设是传统金融学理论的基础。理性个体假定解决了传统金融学理论中个体的认知问题,而期望效用理论则解决了传统金融学中的个体决策问题。在上述基础上,产生了现代资产组合理论和资本资产定价模型。随着认知心理学等相关领域研究的不断发展,认知偏差的存在对于理性人假设提出了挑战。Tversky和Kahneman(1979)提出的着名的前景理论对传统的期望效用理论进行了完善,为现实中许多投资者行为提供了更加合理的解释。在此基础上,行为金融学家纷纷开始发展基于行为金融的资产定价模型和资产组合理论。
关键词:电网投资 综合评价 指标体系
电力工业是国民经济的基础产业,电网投资策略的科学性、合理性是电力企业管理策略研究的核心内容之一。伴随着我国国民经济的稳步发展,人民生活水平的逐年提高,全社会对电力的需求日益增长,电网的投资规模也不断加大,投资管理逐步得到了完善,同时也逐步暴露出电网管理者在评价投资策略时依然存在科学依据不够,其更多的是站在单位财务的角度对电网企业投资策略进行评估。在可预见的未来,随着新能源发电技术水平的改进与消费能源结构调整需求的提高,如何在多不确定性与高风险下客观科学地评估电网投资方案,是一道不可避免的难题[1]。
事实上,电网投资策略评价是一个典型的多维度、多指标综合评价问题。综合评价是指通过一定的数学函数(综合评价函数)将多个评价指标值合成为一个整体性的综合评价值。本文将电网投资策略综合评价指标体系分为经济指标、技术指标、社会指标以及环境指标四个方面进行研究,综合考虑投资策略的各方面的优劣情况。
1.电网投资策略综合评价指标的构建
本文设计的电网投资策略综合评价指标体系重点考虑了电网运行过程中的不确定性、风险、及环保效益对投资方案制定与决策的正反面影响,旨在最大程度挖掘规划方案应对不确定性因素的综合能力,将电网投资策略综合评价指标分为4个一级指标,13个二级指标,如图1所示。
图1 电网投资策略综合评价指标
1.1经济指标
电网投资规划项目作为电力系统投资建设的一个重要组成部分,其经济性分析是必不可少的一环。围绕待建项目从成本、收益、风险等各个侧面开展经济性分析,能够充分发掘规划方案的经济可行性,从而有效实现对规划项目的风险控制。经济性指标包括全寿命周期成本(CLCC)、EVA分析以及综合投资效益分析三个方面。
1.1.1全寿命周期成本。全寿命周期成本主要包括:系统一次投资成本CIC、系统运行成本COC、故障引起的缺供电损失成本CFC、设备报废成本CDC。系统全寿命周期成本计算公式如公式1所示。
公式1
系统一次投资成本CIC指的是在输电规划项目建设、改造和调试期间内、正式投运前付出的一次性成本,包括系统运行期间更换设备的投入成本。系统运行成本COC主要包括能耗费、人工费、环境费用、维护保养费等。故障引起的缺供电损失成本CFC指系统中设备、元件发生随机停运造成电力中断供应所引起的赔偿成本。设备报废成本CDC指设备的寿命周期结束后,为处理该设备所支付的费用。
1.1.2 EVA分析。EVA(Economic Value Added) 是经济增加值模型的简称,其基本理念是:资本获得的收益至少要能补偿投资者承担的风险;也就是说,股东必须赚取至少等于资本市场上类似风险投资回报的收益率,即:
经济附加值(EVA)=息前税后利润-资金总成本 公式2
上述各公式所用指标或名词的含义与我国现行财务管理制度和会计制度的规定相一致,这有利于EVA的正确计算及推广应用。
1.1.3 综合投资效益
图2 电网投资规划项目综合经济效益WBS-分析点
电网投资规划的综合经济效益分析可分为经济效益分析和财务分析。电网投资规划的经济效益主要表现为输变电能力增加带来增供电量的产出效益,可从增供负荷与电量分析、效益分摊分析两方面入手进行系统地分析。对于电网投资规划的财务分析,主要依据财务报表,对电网投资规划项目的投资财务内部收益率、投资财务净现值、投资回收期、投资利润率、投资利税率等指标进行分析,用以判断电网投资规划项目的盈利能力。本文拟运用WBS原理,对电网投资规划的综合经济效益分析点进行识别。WBS-分析点中的WBS(Work Breakdown Structure)指的是作业分解树,作业树中的独立单位就是作业包(Work Package)。分析点指的是结合项目工作分界点识别分析点,进而确定分析指标。电网投资规划项目控制层次多、控制点数量大,是一个典型的复杂多层次大系统,采用WBS-分析点法可以建立合理完整的指标分析层次。电网投资规划综合投资效益WBS-分析点如图2所示。
1.2技术指标
电网的可靠性是指系统稳定运行时,在输变电元件容量、母线电压和系统频率等的允许范围内,考虑电网中元件的计划停运以及合理的非计划停运条件下,向用户提供全部所需的电力和电量的能力。另外,电源出力的波动性与不确定性在电压、频率方面的影响尤甚。在考虑可靠性指标设置时,应当兼顾供电可靠性与供电质量,从时间、频率、质量多方面考核电网供电可靠性。为此,定义了持续供电指标、电能质量指标、输电充裕度指标、适应性4个二级指标,以及10个相应的三级指标。可靠性指标设置的各项指标含义及计算方法可参见权威的定义,这里不再赘述。
1.3社会指标
由于各种不确定性因素使得电网投资规划的方案所需考虑的风险大大增多。其发电控制技术尚未成熟,其发电成本又相对较高而导致市场竞争不占优势,这些因素迫使规划人员考虑项目可能面临的各种风险。最典型的就是停电风险、市场风险及政策风险。多种不确定性汇集使得电网的可靠性水平难以维持,为此与以往相比,停电风险大大提升。另外,由于市场变化及政策变动导致的电源发电规模萎缩,从而造成的项目利用率过低,规划项目的经济性大幅下降。本文将运营风险ROR定义为停电风险指数RF、市场风险指数RM及政策风险指数RP的综合,即:
公式3
公式3中:为自定义算式。
停电风险指数描述的是由于输电系统的运行故障问题引起的停电事故的可能性。可以通过对输电系统的可靠性指标进行统计、分析、综合评估而得到。
市场风险指数描述的是电网投资规划方案对未来市场上电能供需变化引起效用降低的可能性。输电系统作为电能传输的媒介,发电紧缺及电力需求萎缩都将使得输电系统利用率下降,拉低输电系统运营效益。由于市场风险指数难以量化计算,故采用1~9标度法进行评估,具体如表1所示。
表1 市场风险指数等级划分
政策风险指数描述的是电网投资规划方案对未来政策变动引起效用减低的可能性,对政策风险指数的评估同样采取标度法,详见表2。
表2 政策风险指数等级划分
1.4环保指标
根据项目环境情况将环保性属性指标分为噪声、电磁环境以及无线电干扰指标,其权重分别占到40%、30%和30%。具体评价方法如下:
噪声:满足《城市区域环境噪声标准》(GB3096-1993)中1类标准,得5分;否则0分;
电磁环境:满足《辐射环境保护管理导则电磁辐射环境影响评价方法与标准》(HJ/T10.3-96)得5分;否则0分;
无线电干扰:满足《辐射环境保护管理导则电磁辐射环境影响评价方法与标准》(HJ/T10.3-96)得5分;否则0分。
应用综合评价理论方法,可以建立电网投资策略的影响因素指标体系,同时对典型投资方案进行综合评价,通过评价结果反馈修正相应的投资策略。
2.电网投资策略综合评价体系应用步骤
构成综合评价问题有五个要素,分别为被评价对象、评价指标、权重系数、综合评价模型和评价者。综合评价的一般步骤如下:明确评价目的;确定被评价对象;建立评价指标体系(包括评价指标的原始值、评价指标的若干预处理等);确定与各项评价指标相对应的权重系数;选择或构造综合评价模型;计算各系统的综合评价值,并给出综合评价结果。
2.1被评价对象
被评价对象就是综合评价问题中所研究的对象,或称为系统。
2.2评价指标
评价指标是反映被评价对象的运行状况的基本要素。通常的问题都是有多项指标构成,每一项指标都是从不同的侧面刻画系统所具有某种特征大小的一个度量。
2.3权重系数
每一综合评价的问题都有相应的评价目的,针对某种评价目的,各评价指标之间的相对重要性是不同的,评价指标之间的这种相对重要性的大小可以用权重系数来刻画。如果用 来表示评价指标 的权重系数,则应有 ,且 。 公式4
2.4综合评价模型
对于多指标(或多因素)的综合评价问题,就是要通过建立合适的综合评价数学模型将多个评价指标综合成为一个整体的综合评价指标,作为综合评价的依据,从而得到相应的评价结果。
2.5评价者
评价者是直接参与评价的人,可以是某一个人,也可以是一个团体。对于评价目的选择、评价指标体系确定、评价模型的建立和权重系数的确定都与评价者有关。
2.6评价目的
对某一事物开展综合评价,首先要明确为什么要综合评价,评价事物的哪一方面,评价的精确度要求如何,等等。
2.7评价结果
输出评价结果并解释其含义,依据评价结果进行决策。应该注意的是,应正确认识综合评价方法,公正看待评价结果。综合评价结果只具有相对意义,即只能用于性质相同的对象之间的比较和排序[2]。
按上述步骤,电网投资策略综合评价主要分为以下几步:首先按照经济指标、技术指标、社会指标以及环境指标分为四个方面进行研究,对已满足基本技术经济要求的规划备选方案集进行各个指标的评估计算;然后根据决策偏好对这些指标进行加权综合后得到备选方案的优劣排序,从而得到最优方案。
权重是综合评价中的一个重要的指标体系,合理地分配权重是量化评估的关键。因此,权重的构成是否合理,直接影响到评估的科学性。目前国内外关于评价指标权系数的确定方法有数十种之多,根据计算权系数时原始数据来源以及计算过程的不同,这些方法大致可分为三大类:一类为主观赋权法,一类为客观赋权法,一类为主客观综合集成赋权法。
主观赋权评估法采取定性的方法,由专家根据经验进行主观判断而得到权数,然后再对指标进行综合评估。如层次分析法、专家调查法(Delphi法)、模糊分析法、二项系数法、环比评分法、最小平方法、 序关系分析法(G1法)等方法。其中层次分析法(AHP法)是实际应用中使用得最多的方法,它将复杂问题层次化,将定性问题定量化。
客观赋权评估法则根据历史数据研究指标之间的相关关系或指标与评估结果的关系来进行综合评估。主要有最大熵技术法、主成分分析法、多目标规划法、拉开档次法、均方差法、变异系数法等方法。其中最大熵技术法用得较多,这种赋权法所使用的数据是决策矩阵,所确定的属性权重反映了属性值的离散程度。
理想的指标权重确定方法是综合主客观影响因素的综合集成赋权法,总体来说,经过对已有的综合集成赋权法进行对比分析发现,综合主客观影响因素的综合集成赋权法已有多种形式,但根据不同的原理,主要有以下三种:第一,使各评价对象综合评价值最大化为目标函数。第二,在各可选权重之间寻找一致或妥协,即极小化可能的权重跟各个基本权重之间的各自偏差。第三,使各评价对象综合评价值尽可能拉开档次,也即使各决策方案的综合评价值尽可能分散作为指导思想。
目前对于多指标的综合决策理论繁多,这些方法在进行多指标的权重计算时各有优缺点,在进行电网投资策略综合评价时,决策者可根据实际需求进行选择,对经济指标、技术指标、社会指标、环保指标进行合理科学的综合评价。
3.结语
电网投资策略综合评价体系的建立,使得在不确定性水平大幅增高的情况下对电网投资的全面综合评估成为一种可能,使得在电网投资策略的制定与管理方面获得必备的理论及数据支持。本文研究的电网投资策略综合评价体系,立足于区域电力系统的多不确定性、高风险等特点,能够充分量化表征备选投资方案在经济性、技术性、社会性、环保性等多方面性能的优劣程度,从而有效指导电网投资规划方案的综合评估与决策。
电网投资策略综合评价体系是为了适应管理现代化、科学化、精细化的要求,完善电网企业投资项目的管理程序,提高电网项目的管理水平而产生的,该体系可以减轻相关业务人员面对数量庞大、过程复杂的电网投资项目的技术经济分析评价工作,为电网投资项目的决策者、管理者、建设者和运营人员应用合理的方法和策略,提供科学依据与参考。通过电网投资策略综合评价体系的研究,使工程项目的决策者、管理者、建设者和运营者提高决策、管理、建设和运营水平;进一步完善电网企业的项目决策程序,提高投资项目的决策管理水平[3]。
参考文献:
[1] 曾斌峰,谢传胜,杨晓东.电网建设项目投资效果考核[J].中国电力教育,管理论丛与教育研究专刊,2007: 260-261.
【关键词】量化投资 特点 策略 发展
一、引言
量化投资在国外的实践已经有了40多年的发展,我国的量化投资起步较晚,从2004年开始出现量化投资的产品,由于缺乏有效的对冲手段,直到2010年4月沪深300股指期货上市之后才能算是真正意义上开始涉足量化投资。[1]
2015年的中国股市跌宕起伏,杠杆配资引发了大幅上涨和断崖式下跌,股市出现罕见的千股涨停、千股跌停、千股停牌的奇观,众多机构投资者和散户蒙受了巨大的损失。但其中少数量化投资基金在大幅波动的市场中却表现相对稳定。量化投资基金和量化对冲策略的稳健,很快引起了全市场的关注,也成为近期银行、券商、信托等机构追捧的新的产品模式。
在此背景下,作者在本文中对于量化投资的概念、特点、策略、理论基础和发展做一个总结,希望为量化投资研究和实践做一些参考。
二、量化投资解读
(一)量化投资的定义
量化投资在学术界并没有严格统一的定义,现有的定义对于量化投资的定义的侧重点各有不同。本文对于量化投资的定义为:
量化投资是指将投资者的投资思想或理念转化为数学模型,或者利用模型对于真实世界的情况进行模拟进而判断市场行为或趋势,并交由计算机进行具体的投资决策和实施的过程。
(二)量化投资的特点
1.投资决策中能够客观理性,克服人类心理对投资决策的影响。传统投资的分析决策,大多数方面都由人工完成,而人并非能做到完全理性,在进行投资决策时,很难不受市场情绪的影响。[2]量化投资运用模型对历史和当时市场上的数据进行分析检测,模型一经检验合格投入正式运行后,投资决策将交由计算机处理,一般情况下拒绝人为的干预,这样在进行投资决策时受人的情绪化的影响将很小,投资过程可以做到理性客观。
2.能够通过海量信息的大数据处理,提高投资决策效率。我国股票市场上有近3000只股票,与上市公司相关的各种信息纷繁复杂,包括政策、国内外经济指标、公司公告、研究报告等,投资者靠自己手工的筛选根本就是力不从心。量化投资的出现为这个问题的解决带来了希望。量化投资运用计算机技术快速处理大量数据,对其进行辨别、分析、找出数据之间的关联并做出投资决策,大大减少了人工的工作量,提高了投资决策效率。
3.能够实现精准投资。传统的投资方法中认为投资是一门艺术,投资决策需要的是投资者的经验和技术,投资者的主观评价起到决定作用。而量化投资有所不同,尤其是在套利策略中,它能做到精准投资。例如在股指期货套利的过程中,现货与股指期货如果存在较大的差异时就能进行套利,量化投资策略和交易技术会抓住精确的捕捉机会,进行套利交易来获利。另外,在控制头寸规模方面,传统的投资方法只能凭感觉,并没有具体的测算和界定,而量化投资必须要设定严格精确的标准。[3]
4.能够快速反应和决策,把握市场稍纵即逝的机会。量化投资往往利用高速计算机进行程序化交易,与人脑相比它能够迅速发现市场存在的信息并进行相应的处理,具有反应快速、把握市场稍纵即逝的机会的特点。量化投资在速度上最出色的运用就是高频交易,与低频交易相对,高频交易是通过高速计算机,在极短的时间内对市场的变化做出迅速的反应并完成交易。[4]
5.能够有效地控制风险,获取较为稳定的收益。与传统投资方式不同的是,量化投资在获得较高超额收益的同时能够更好地控制风险,业绩也更为稳定。相关研究显示,1996年至2005年期间,量化投资基金与以所有传统主动型投资基金和偏重于风险控制的传统主动型投资基金的信息比率对比情况中,量化投资基金的信息比率都是最高,说明量化投资相对于传统投资,能够在获得更高的超额收益的同时,有效地控制风险。
三、量化投资的策略
一般的量化投资的策略指的是用来实现投资理念或模拟市场行为判断趋势从而获取收益的模型。量化投资需要权衡收益、风险、交易成本、具体的执行等各个方面,一般情况下这些方面会形成相对独立的模块。有时候量化投资策略模型也会将风险、成本等方面融合在模型中。
(一)国外量化投资策略的分类
国外习惯上将量化投资的策略分成两大类,一类是阿尔法导向的策略,另一类是贝塔导向的策略。阿尔法策略(alpha strategy)是通过量化择时和调整投资组合中不同资产的头寸大小来获取收益的策略;贝塔策略(beta strategy)是通过量化的手段复制指数或者稍微的超出指数收益的策略。[6]相比而言,量化指数的贝塔策略相对更容易,所以一般情况下所说的量化投资的策略指的是阿尔法策略(alpha strategy)。
阿尔法策略主要有两种类型,分别为理论驱动模型和数据驱动模型。
理论驱动模型是比较常见的类型,这些策略是运用已经存在的经济、金融学的理论,构建策略模型,进行投资决策。理论驱动模型根据输入的数据的不同可以进一步分类,主要有基于价格相关数据的策略和基于基本面数据的策略。
数据驱动模型广泛的被运用于股票、期货和外汇市场,因为采用的数学工具更为复杂,相对而言难于理解,目前使用的还不是很多。与理论驱动模型不同,数据驱动模型认为进行投资决策其实是不需要理论的支持,运用数据挖掘技术,可以从数据(例如交易所的价格数据)中识别出某种行为模式或市场趋势,进而进行预测或者解释未来的模式,从中获取收益。
(二)我国量化投资策略的分类
国内比较常见的量化投资策略主要有两种分类方式,一种是按投资标的所在市场分类区分的量化投资策略,分为现货市场和衍生品市场量化投资策略。现货市场包括股票市场、ETF市场和债券市场,衍生品市场包括商品期货市场、股指期货市场、国债期货市场、外汇市场和期权与其他衍生品市场,国内运用较多的是投资于商品期货和股指期货等期货市场。
另一种分类方式是分为两大类:判断趋势的单边投机策略和判断波动率的套利交易策略。[7]单边投机策略主要包括量化选股和量化择时,套利交易策略主要包括股指期货套利、商品期货套利、统计套利、期权套利、另类套利策略等,目前国内普遍采用的是这种分类方式。
四、量化投资理论的发展
(一)投资理论的发展
量化投资的理论基础最早可以追溯到上个世纪50年代,Markowitz(1952)[8]第一次把数理工具引入到金融研究领域,提出了均值――方差模型和风险报酬与有效前沿的相关概念,这是量化投资接受的最早的严肃的学术成果。Sharpe(1964)[9]、Litner(1965)[10]、Mossin(1966)[11]在马克维茨研究的基础上得出了资本资产定价模型(CAPM),这是如今度量证券风险的基本的量化模型。
20世纪60年代,Samuelson(1965)与Fama(1965)[12]提出了有效市场假说(Efficient Markets Hypothesis,EMH),这为后来在新闻量化交易等方面提供了思路和理论支持。20世纪70年代,金融衍生品不断涌现,对于衍生品的定价成为当时研究的重点。Black和Scholes(1973)[13]将数学方法引入金融定价,他们建立了期权定价模型(B-S模型),为量化投资中对衍生品的定价奠定了理论基础。在该理论之后,Ross(1976)[14]根据无套利原则提出了套利定价理论(APT),该理论是资本资产定价模型(CAPM)的完善和发展,为量化投资中的多因素定价(选股)模型提供了基础,这也是Alpha套利的思想基础。
20世纪80年代,期权定价理论倒向微分方程求解;“金融工程”概念得以产生,金融工程着力于研究量化投资和量化交易。同期,学者们从有效市场理论的最基本假设着手,放宽了假设条件,形成了金融学的另一个重要的分支――行为金融学。
20世纪90年代,金融学家更加注重对于金融风险的管理,产生了诸多的数量化模型,其中最为著名的风险管理数量模型是VaR(Value at Risk)模型,这是量化投资对于风险控制的重要理论基础。[15]
20世纪末,数理金融对于数学工具的引入更加的迅速,其中最为重大的突破无疑是非线性科学在数理金融上的运用,非线性科学的出现为金融科学量化手段和方法论的研究提供了强有力的研究工具[16],尤其在混合多种阿尔法模型而建立混合模型时是非常有效的一种技术。
(二)量化投资的数学和计算基础
量化投资策略模型的建立需要运用大量的数学和计算机方面的技术,主要有随机过程、人工智能、分形理论、小波分析、支持向量机等。[17]随机过程可以用于金融时序数列的预测,在现实中经常用于预测股市大盘,在投资组合模型构建的过程中,可以优化投资组合;人工智能的很多技术,例如专家系统、机器学习、神经网络、遗传算法等,可以运用于量化投资;分形理论用于时间序列进行预测分析;小波分析主要用于波型的处理,从而预测未来的走势;数据挖掘技术可以运用于数据驱动模型,还可以运用于设置模型的细节;支持向量机可以分析数据,识别模式,用于分类和回归分析。
五、国内外量化投资实践的发展
(一)国外量化投资实践的发展
本文认为量化投资在国外的发展已经经历了四个发展阶段:
1.第一阶段从1949年至1968年:对冲阶段。该阶段是量化投资的萌芽阶段,该阶段具体的量化投资实践很少,主要是为量化投资提供的理论基础和技术准备,量化投资脱胎于传统投资,对抗市场波动,通过对冲稳定Alpha收益,但收益率低了。
2.第二阶段从1969年至1974年:杠杆阶段。在该阶段,量化投资从理论走入了实践。在投资思路上,因为原本的Alpha策略收益有限,通过放杠杆扩大第一阶段的稳定收益。实践方面,1969年,前美国麻省理工学院数学系教授爱德华・索普(Ed Thorp)开办了第一个量化对冲基金,进行可转债套利,他是最早的量化投资的者使用者。1971年,巴莱克国际投资公司(BGI)发行了世界上第一只被动量化基金,标志着量化投资的真正开始。
3.第三阶段从1975年至2000年:多策略阶段。在这一阶段,虽有一定的挫折,但总体上量化投资得到了平稳的发展。在投资思路上,由于上一阶段通过杠杆放大收益的副作用产生,放大以后的波动率又增大,从而转向继续追求策略的稳定收益,具体的手段是采用多策略稳定收益。实践方面,1977年,美国的富国银行指数化跟踪了纽约交易所的1500只股票,成立了一只指数化基金,开启了数量化投资的新纪元。[18]1998年,据统计共有21只量化投资基金管理着80亿美元规模的资产。[19]
4.第四阶段从2000年至今:量化投资阶段。这一阶段,量化投资得到了迅猛的发展,并且发展的速度越来越快。投资思路上,运用量化工具,策略模型化,注重风险管理。在实践方面,在2008年全球金融危机以前,全球对冲基金的规模由2000年的3350亿美元在短短的7年时间内上升至危机发生前的1.95万亿美元,受美国次贷危机的影响全球对冲基金规模有较大的回落,直到2008年之后,在全球经济复苏的大背景下对冲基金规模才开始反弹。
(二)我国量化投资的发展
本文认为,到目前为止,我国量化投资的发展的主要经历了三个阶段:
1.第一阶段从2004年至2010年:起步阶段。在这一阶段,由于我国没有足够的金融工具,量化投资在我国发展缓慢。2004年8月,光大保德信发行“光大保德信量化股票”,该基金借鉴了外方股东量化投资管理理念,这是我国最早的涉足量化投资的产品。2010年4月16日,准备多年的沪深300股指期货的在中金所的上市,为许多对冲基金的产品提供了对冲工具,从此改变了以前我证券市场只能单边进行做多的情况。
2.第二阶段从2011年至2013年:成长阶段。2011年,被认为是我国量化对冲基金元年,[21]而随着股指期货、融资融券、ETF和分级基金的丰富和发展,券商资管、信托、基金专户和有限合伙制的量化对冲产品的发行不断出现,这个阶段的量化投资真正意义上开始发展,促使该阶段发展的直接原因就是股指期货的出现。[20]
3.第三阶段从2014年至今:迅猛发展阶段。2014年被认为是“值得载入我国私募基金史册的一年”,基金业协会推行私募基金管理人和产品的登记备案制,推动了私募基金的全面阳光化,加速了私募基金产品的发行,其中包括量化对冲型私募产品。2014年称得上我国量化对冲产品增长最迅速的一年,以私募基金为代表的各类机构在量化对冲产品上的规模均有很大的发展,部分金融机构全年销售的量化对冲基金规模超过了百亿。
2015年,上证50ETF期权于2月9日正式推出,这对于对我国的量化投资有着极大的促进作用。4月16日,上证50与中证500两只股指期货新品种的上市给量化投资带来更多的策略的运用,金融衍生品的不断丰富和发展,为量化投资提供更多的丰富对冲手段,也提供了更多的套利机会。
六、总结
量化投资的技术、策略、硬件设施条件都在飞速的发展,与传统的投资方式相比,量化投资有着自身的特点和优势。尤其是量化对冲产品,以其长期稳健的收益特征,成为目前“资产荒”下对信托、理财产品和固定收益产品良好的替代产品。未来随着我国股指期货、融资融券、国债期货、期权等金融产品的不断创新,以及股指期货市场未来逐步恢复正常,量化投资发展前景不可限量。
参考文献
[1]徐莉莉.量化投资在中国的发展现状[R].渤海证券研究所:金融工程专题研究报告,2012.
[2]廖佳.揭开量化基金的神秘面纱[J].金融博览(财富),2014,(11):66-68.
[3]王力弘.浅议量化投资发展趋势及其对中国的启示[J].中国投资,2013,(02):202.
[4]Durbin,M. All About High-Frequency Trading: The Easy Way To Get Started[M]. McGraw-Hill Press,2010.
[5]蒋瑛现,杨结,吴天宇,等.海外机构数量化投资的发展[R].国泰君安证券研究所:数量化系列研究报告,2008.
[6]Rishi K. Narang. Inside the Black Box: The Simple Truth about Quantitative Trading[M]. Wiley Press,2012.
[7]丁鹏.量化投资――策略与技术[M].北京:电子工业出版社,2014.
[8]Markowitz,H.M.. Portfolio Selection[J].Journal of Finance,1952,2:77-91.
[9]Sharpe,W.F. Capital asset prices: A theory of market equilibrium under conditions of risk[J]. Journal of Finance,1964,19(3):425-442.
[10]Lintner. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets[J].Review of Economics and Statistics,1965,47(1):13-37.
[11]Mossin.Equilibrium in a Capital Asset Market[J]. Econometrica,1966,Vol.34(4):768-783.
[12]Fama,Jensen,and Roll. Investor sentiment and Stock Returns[J]. Journal of Political Economy,1969,(12)34-36.
[13]Black Fischer,and Myron Scholes,1973.The Pricing of Options and Corporate Liabilities[J].Journal of Political Economy,1973,81(3):637-654.
[14]Ross.The arbitrage theory of capital asset pricing[J].Journal of Economic Theory,1976,13(3):341-360.
[15]Jorion,Philippe.Value at Risk:The New Benchmark for Managing Financial Risk (3rd ed.)[M]. McGraw-Hill Press,2006.
[16]戴军,葛新元.数量化投资技术综述[R].国信数量化投资技术系列报告,2008.
[17]丁鹏.量化投资与对冲基金入门[M].北京:电子工业出版社,2014.
[18]郭喜才.量化投资的发展及其监管[J].江西社会科学,2014,(03):58-62.
[19]Ludwig B.,Chincarini. The Crisis of Crowding: Quant Copycats,Ugly Models,and the New Crash Normal[M]. Wiley Press,2013.
[20]曾业.2014年中国量化对冲私募基金年度报告[R].华宝证券:对冲基金专题报告,2015.
[21]严高剑.对冲基金与对冲策略起源、原理与A股市场实证分析[J].商业时代,2013,(12):81-83.
近年来,投资领域的众多精英纷纷投身量化投资领域,利用计算机科技并采用一定的数学模型去实现自己的投资理念、投资策略。他们以自己的智慧加数学的方法组成投资策略,设计出自己的赢利模型,来克服交易中人性的弱点,实现稳定的赢利。
不少机构和个人都赢利颇丰,然而从今年8月开始,不少量化投资者都在遇到同一个问题,以前稳定赢利的模型现在开始不灵了,屡屡大幅回撤亏损。
“好奇怪,每一次回撤都打到止损点后,再重新起来,这模型到底怎么了?”渤海证券某分析师告诉记者。
国内如此,国外量化同行也遇到同样的困惑,经常出现很大的回撤。尤其是最近,全球CTA策略都不太景气,很多传统CTA做得比较大的公司,今年都面临倒闭窘境。
倒在反向策略?
2013年11月17日上午,清华大学深圳研究生院报告厅。第四届(2013秋季)中国量化投资国际峰会上,100多位金融界菁英汇聚一堂,交流着量化投资出现的问题。
不少同行都遇到了和渤海证券分析师类似的问题,模型失灵,行情每次回撤都打在止损位后,再重新起来,一次次止损都在亏钱,是模型出了问题吗?
“你的反向策略是如何制定的呢?”在上午的论坛上,台下的提问给嘉宾制造了些许紧张,在量化这个圈子里,大家对模型都是讳莫如深,避而不谈,更何况是反向策略的制定,这位被问嘉宾顾左后而言他,并没有正面回答。
反向策略揭开了近几个月大多数模型亏损的冰山一角。投资界有这样一种说法,投资者都是在赚犯错方钱。显然当量化投资者在逐渐增多时,在市场中这部分人群都在用类似方法,也就有了相同的属性,这时聪明者就针对这部分人群制定出了相应的反向策略,专剪这个人群的羊毛,多数模型失灵也就不足为奇了。
上述提问者没有轻易放弃,又把问题转向了本次论坛的主持人原美国骑士资本董事总经理、高频交易总监明可炜。
“反投资策略的方式我听得很少。现在的问题是很多的量化投资同时进入市场,使得市场的价格实现机制出现了偏差,反策略发现了很多的量化投资策略在做同一件事情的时候,把价格推到了不合理的位置。”如果说主持人上面的回答相对中肯,下面则有意淡化反投资策略。
“犯错误的投资人可以使别的投资人的回报变得更多,但并不是说你要有收益必须是别人犯错误的结果。就像巴菲特说,他买一只股票绝对不是因为这只股票今年便宜点,而是他认为这只股票在未来30年、50年会给他带来很高的利益。我认为量化投资者也不是在寻求别人犯错务的时机,如果是基本面,或者说发现了一个趋势,就可以获得很好的收益,这个时候谁都没有犯错误。”
策略失效另有隐情
反向策略并不是策略模型失效的唯一原因,会场嘉宾各抒己见。
中国量化投资学会理事长丁鹏认为,如果说它是有经济学原理做支撑的策略,它未来一定再次有效。比如说套利策略,平常讲的股指期货套利,它是有经济学原理做支撑的;还有大的趋势性策略,只能抓大牛市或者大熊市的,可能很多年都不会再次有效,像这种策略一旦失效的话,一定要考虑背后的真正驱动因素是什么。
“对于一些趋势策略来讲,它可能是暂时的失效,因为进入趋势振荡阶段,它必然会这样。有一些事件操作的策略,它可能因为事件的消失而长期的失效。”渤海证券金融工程部总经理何翔认为,“对于短期失效的趋势策略,从个人来讲,你要有一个风险容忍度,要清楚能不能坚持这样的策略。”
风控不容忽视
不少的量化交易者,都有过不错的收益,但亏损更甚,原因之一是没有把握住风险控制。会场几位重量级嘉宾畅谈了风控的方法。
“控制风险比收益更重要,控制风险才是投资者最核心的东西。”丁鹏认为,在银行、保险、券商和期货这几大金融行业中,期货的收益应该是最高的,但做期货往往是最穷的;而银行的收益是最低的,银行理财只有5、6个点,但银行是最富的。为什么?因为银行的风控能力是最强的,所以真正的富人敢把钱存在银行,但没人把大钱拿给期货公司玩。通常是把风险控制住之后,靠规模、放大杠杆去赚钱的。
通过多策略的方法降低风险。职业投资人、宽客俱乐部总经理冯正平认为,金融投资的策略体系一定要符合保险学原理。比如你交易200个标的,用了200个策略,其一个标的出了问题,仅影响0.5%。要从这个角度去研发策略、组合策略。
“我们公司对策略风控、模型回撤要求非常严格。” 何翔表示,“我们在策略开发的过程中,特别注重三个方面,一是时间纬度上,要在不同的时间架构上对策略进行分散,有长期、中期、短期,甚至日内的;二是在空间上进行分散;三是在策略的类别上分散,有趋势型策略,也有振荡型策略,多策略使风险最小化。”
算错成本没赢利
张华(化名)是近年从华尔街回来的博士,在国内做了一个阿尔法套利,平均每周交易4次,每次交易扣除交易成本之后可以盈利千分之三,一个月做16次,一年收益率应该是50%。做出来之后,在数据回溯和模拟上都很吻合,但是做进去之后,第一个月亏了,第二个月又亏了,第三个月还是亏损。
“这种情况是没有算清楚冲击成本和交易成本。”上海铸铭投资管理中心总裁张向阳认为,在进行历史数据回溯的时候,他应该是拿一口价格来算账,而那口价格是在买价上成交的还是在卖价上成交的,他是不知道的,只能在卖价上买。这样就形成了误差,导致设计模型时就不能赢利。
好模型如利剑
量化赢利如同一辆好车在路上跑,风险控制如同刹车,计算成本如同估计路况,遇到路况不好时踩刹车放缓速度避免翻车,而好的策略模型则如同油门,路况好时要想跑的快,必须踩油门。
和多数宽客人对自己的模型三缄其口不同,渤海证券金融工程部总经理何翔分享了团队几年来几种模型的赢利情况。“在整个量化策略开发过程中,我们以风控为前提,然后把握一些趋势性的机会,顺势而为,分析市场的行为,做好策略开发的分散,最终严格执行策略,实现了好的收益。”
何翔团队在2010年开发了MT-SVM量化预测模型,结合技术指标、宏观指标,对每个月市场涨跌的情况进行预测。市场本身混沌、非线性的,团队用人工智能的方法,预测每个月上证指数的涨跌,然后得到一个从2001年到现在涨跌方向的预测结果。这是一个比较粗糙的预测方向,给出一个市场方向的大参考。最近的预测是从10月份开始预测市场上涨。用上证指数做一个标的,用这个模型做一个简单的模拟操作,测出来一个净值,预测的效果很好。
另一个是量化定增套利策略。这是何翔和团队在去年年初开发的,他们更关注定向增发前的部分,从董事会预案公告,股东大会公告通过,然后到证监会审核通过,再到定增公告,不同的阶段去分析、统计哪些阶段会有超额收益。基于这样的思路,他们建立了量化定增套利策略模型,年化可以到10%-20%,但是波动也比较大。
最后分享的策略是基于量化均线突破策略——短线交易策略。这个策略用在所有的股票上,分析、识别均线和K线形态,在历史上满足这个形态的样本,就可以满足这个的策略,一般持有1到3天。这个策略效果还不错,只是可容纳的资金有限,如果扩大样本量,还会有比较好的结果的。
何翔对自己团队的策略如数家珍,看得出来,对策略出来的效果巨满意。
明天还能赚钱吗?
随着对量化的熟络,越来越多的投资者进入了这个圈子,“悍马定理”创始人冯正平给这些新的宽客提出了宝贵建议:
原来做主观交易的投资者有盘感、经验、好心态、能够操作大资金,建议他们组建一个团队,和一些做量化投资者结合起来,一起做市场,会少走弯路。
现货投资者,因为原来现货做的好,规模大,拥有丰富的社会资源,基于现货市场的定价机制形成了自己的一些的方式,如果做量化,建议他们先实现程序化,做一些套保或者对冲,无需高深的数学知识也会收入颇丰。
如果是纯量化投资者,因将来的发展趋势会更加智能化,所以要向更复杂的非线性的数据工具倾斜。
对于量化投资的未来发展趋势,丁鹏认为会形成两大流派,一个是策略流派,一个是工具流派。策略流派是开发出各种各样的好策略,发现更多的机会;工具流派是用传统的策略,但工具做得更好、数据更全、效率更高、数据更快。
最近一段时间,债市、股市接连走弱。截至2016年12月16日,上证指数累计跌幅为3.91%,创业板指累计跌幅为8.47%,如下图所示。在股市下挫的背景下,大部分采取主动管理的权益类基金净值纷纷走低,同期股票型基金平均净值损失幅度为4.17%,混合型基金平均净值损失幅度为2.82%,混合基金中股票投资仓位为0~95%,且主要进行股票投资的“高度灵配――相对业绩比较基准”类别的净值损失幅度为3.78%。由此可见,股市整体小幅震荡的格局下,各大类基金净值皆有所下滑,未有大类能够逆势上涨。
目前,市场基金存量较多,按照法定分类已不能充分体现基金投资方向的特性。因此,济安金信基金评价中心将公募基金按照投资范围、投资策略等维度进行特色分类。根据济安金信基金评价中心的特色分类统计,量化基金表现突出,该类基金2016年以来的平均净值增长率为1.64%,整体盈利能力较强,且最大回撤较小。
量化基金稳定盈利,各区间业绩优异
根据济安金信基金评价中心的统计,截至2016年12月16日,量化基金在过去1个月、3个月、6个月的平均净值增长率分别为-2.00%、2.38%、10.73%。可以看出,该类基金净值上涨的过程较为稳定平滑,这主要基于其投资策略。多数量化基金的股票选择行为都是基于投资模型而定,坚持数量化的投资策略,专注投资价值低估的股票。这种完全基于模型的数量化投资方法既能更加客观和理性地分析和筛选股票,还能保证不受外部分析师的影响,极大地减少了投资者情绪对基金投资运作的影响,从而保持投资策略的一致性与有效性,使其具有较强的盈利能力。
据笔者统计,现市场上多数量化基金的持仓特点是“持股数量多,重仓股集中度低”。根据基金半年报及年报的股票投资明细,大部分量化基金持仓股票数量在80只以上,且持有市值占基金资产比重较小,投资分散有助于增加抗风险能力,同时平滑了基金的收益,有益于基金净值的稳定,如选股模型较为符合市场形势,则实现较为稳定盈利的可能性较大。
具体来看,目前市场上共有54只采用量化投资策略的公募基金,其中2016年以来具有完整运作周期的共有34只,在2016年以来净值实现上涨的共有24只,占比70.59%。其中,净值增长率排名第1的为长信量化先锋混合,其2016年以来的净值增长率为15.05%。该基金管理公司旗下还有长信量化中小盘股票及长信量化多策略股票两只量化基金,这3只量化基金2016年的表现均较为突出,实现了逆势上涨,且都在量化基金排行的前10名中,3只产品均由基金经理左金宝管理,如表1所示。从其净值表现来看,长信基金管理公司的量化投资模型较为成功,赢得了市场的认可,投资者可对该管理公司旗下的量化产品多加关注。
资金面偏紧,债市承压,需谨慎看待债券基金
进入2016年12月中旬,银行间市场资金价格不断走高、信贷数据不及预期等因素使得银行间债市及5年期、10年期国债期货再度遭遇大跌。此外,银行间拆借利率、隔夜回购利率不断走高,这意味着短期内资金面承压较大,债券市场的走弱使得债券基金的净值走势呈下行趋势,即使新基金发行也频频延长募集期限的公告。海外方面,美联储加息落地,人民币贬值预期持续,年末期资金利率走高,跨年资金上涨尤为明显,逆回购利率品种多数上行,上海银行间同业拆放利率(Shibor)继续全线上涨。尤其值得注意的是,Shibor3个月期收报3.1774%,为2015年10月末以来的高位,并已连续上行41个交易日,创下2010年年底以来最长的连涨周期。另外,中央经济工作会议将2017年货币政策定义为稳健中性,以防范风险为首要,预期2017年货币投放可能比2016年更为谨慎。因此,资金面偏紧的状况短时间内难以改善,此时投资者应对债券市场及债券基金谨慎看待。
2016年年底,债市持续下跌,国债利率平均上行28基点,AAA级和AA级企业债利率平均上行50多个基点,中证转债指数大跌3.86%。周内交易日国债期货多个合约开盘后迅速出现跌停,为国债期货上市3年来首次。纯债基金整w收益水平出现一定回撤,同类基金业绩分化程度也较大,仍处于建仓期内的新基金和部分次新基金短期收益持续好于一些运作周期较长的产品。据笔者的跟踪统计,近几周收益水平较高的产品多为委外基金,甚至出现若干次由于大额赎回所至的净值暴涨,周内收益率超过10%的现象。对于个人投资者,笔者建议回避此类基金,在选择债券基金时,应多关注具备历史中长期业绩,投资运作较为成熟的品种。固定收益类基金累计净值增长率统计如表2所示。