美章网 精品范文 量化投资与分析范文

量化投资与分析范文

前言:我们精心挑选了数篇优质量化投资与分析文章,供您阅读参考。期待这些文章能为您带来启发,助您在写作的道路上更上一层楼。

量化投资与分析

第1篇

(一)传统证券风险量化指标的理论源头

传统的证券风险分析当中必然会同一个与之如影随形的概念联系在一起,那就是收益,同时,在西方传统的经济学当中风险和报酬存在着这么一个函数关系,甚至在一些传统的经济学课本上作者为了简化两者之间的关系,将两者简单的归结为一个完美的线性关系,即风险与收益之间是一对一的数学关系,并且存在着这样一个逻辑:风险越大,报酬或者收益也就越大,反之亦然。即使是稍微尊重事实一些的经济学教材也运用了高等数学当中线性回归的方法将两者的关系从非线性回归为一对一的线性关系。除了学界对于风险的分析是从报酬或者收益出发的以外,在国外或者国内的民间也有类似的对于两者关系的表达,例如我国有句老百姓口中经常说到的“富贵险中求”就是对两者的关系的简单认识。因此,传统证券风险分析的源头明显是来源于对于报酬的分析。

(二)传统证券风险量化指标的数学方法的应用

传统的证券风险理论认为证券的总风险=可分散的风险+不可分散的风险,其中可分散的风险主要指的是个别证券自身存在的风险,而不可分散的风险则是指市场风险,下面笔者介绍一下传统证券风险量化的两个重要的指标――标准差与贝塔值。

第一,标准差。传统证券风险理论认为个别证券的风险可以从单个证券的报酬率为起点进行分析。财务投资专家从高等数学当中引入了一个衡量证券报酬率的波动性量化分析的指标――标准差来进行对单项证券风险的判断,进而判断出相同期望报酬率和不同期望报酬率时对于不同投资的选择。测算的步骤如下:第一步,确定各种市场需求下各类需求发生的概率;第二步,计算出期望报酬率,其实质上是对于各类市场需求下的报酬率的加权平均数。第三步:根据标准差的数学公式计算出标准差,σ=[Σ(ri-?)2×Pi]1/2其中ri是第i只证券的报酬率,?是期望报酬率,Pi是第i只证券的报酬发生的概率。结论是在期望报酬率相同的时候,标准差越大证明该证券波动越大,风险也就越大,反之亦然。在期望报酬率不同时引入了另外一个概念即离差,由于基本原理也是根据标准差衍生而得,在此不再赘述。[1]

第二,代表市场风险的贝塔值。我们在第一点中提到的标准差主要衡量的是单项证券的风险,而贝塔值的引入主要是考虑到了证券组合的风险构成当中不可分散的风险即市场风险。而贝塔值的测算公式从数学的角度来说实际上是利用了标准差的升级版公式即协方差,协方差主要是衡量了两组数据之间的相关程度,以此来判断证券组合的报酬率与市场报酬率之间的数理联系,进而判断出不可分散的风险。理论上贝塔值的计算是βi=(σi /σm)ρim,其中βi第i个证券组合的市场风险程度,σi,σm分别第i个证券组合的标准差与市场证券组合的标准差,ρim代表第i个证券组合的报酬与市场组合报酬的相关系数。实际当中β系数可以通过将股票报酬对市场报酬做回归得到,拟合得到的回归线的斜率就是证券的β系数,即β=Ri /Rm。[2]

二、价值投资理念下风险与报酬的关系

价值投资理念是华尔街之父本杰明格雷厄姆所创立,在其传世之作《证券分析》当中明确提出了有关投资与投机概念,其中论及投资界老生常谈的收益与风险的问题时结论与传统证券风险分析有着本质的不同,格雷厄姆明确指出收益与风险之间不存在着数学关系,并且认为证券的价格与收益并非取决于对于其风险的精确数学的计算,而是取决于该证券的受欢迎程度,而这种受欢迎程度本身包含了投资者对于风险的认识,但很大程度上还受到如公众对公司和证券的熟悉程度,证券发行与购买的容易程度等。[3]并进一步指出,无论是理论上还是实际当中,对投资风险进行精确的计算都是不可能成功的,现实当中并没有所谓的期望报酬率的概率经验表,即使存在也是基于对于历史数据的分析得到了,而历史数据之于未来决策的有用性或相关性的大小还有待考证,其研究范围不同于保险公司对于保单的精确测算,例如人寿保险能够明确的了解年龄与死亡率之间的关系是明确的。而证券的风险与报酬之间的关系则没有如此的确定。[4]

三、价值投资理念下传统证券风险量化分析的反思

以上笔者对于传统的证券风险理论与量化方法以及价值投资理念下关于风险与收益的关系进行了论述。笔者认为,价值投资理念下有关论述对于我们重新审视证券投资中风险因素的衡量有着非常重要的意义。

首先,笔者认为,标准差的计算过程本身就存在着无法避免的瑕疵,这一个公式至少有两个基本假设,第一,计算的人必须能够客观的预测出各种市场情况发生的需求概率,并且准确的在各种概率下发生的报酬率;第二,假定历史数据对于未来的投资决策具有确定的相关性。但是在现实生活中根本是无法预测的,这种算法实质上是硬将自然科学当中的数学模型强加到社会问题的研究当中,不可否认的是,目前来说大量的社会问题是无法通过数学来量化的,因为证券的风险当中不仅仅只有报酬因素的影响,还有各种在不同市场条件下的因素决定的,而这些因素又相互的的影响和动态的变化。因此,标准差的方法受到了质疑,后续的离差率、β值的计算自然也就没有了根基。

其次,β值的测算除了上述由于标准差的非客观性导致的不确定性的缺陷以外,笔者也针对实操当中第二种公式进行分析,β的第二种公式是β=Ri /Rm,从公式上来看,存在着明显的逻辑上的可疑性,单个股票的收益率假如大于市场整体的收益率,则该只股票的风险就比市场风险大?这个观点在《证券分析》当中就已经被很好地反驳了,在此,笔者只需要举一个例子就足够反驳这一个观点,伯克希尔哈撒韦上市公司每股截至2017年6月5日是249660美元,每股收益率如果从上市之初可以用天文数字来形容,并且这家公司经历了无数次大大小小的金融危机,依然以远远超过市场平均的业绩笑傲群雄,难道说他的风险要远远大于市场?这家公司是以价值投资的理念进行风险评估和投资的。因此,笔者认为中国的证券行业乃至我们有关的证券专家和学者们有必要从价值投资的理念来重新审视目前证券风险量化的指标在实际当中的效用。

第2篇

关键词:分析 短线

中图分类号:F832 文献标识码:A 文章编号:1672-3791(2012)09(c)-0252-02

2012年以来,以量化分析技术投资著称的量化基金表现得一枝独秀,逐渐从振荡市中脱颖而出。一季度,上证综指上涨2.88%,同期标准股票型基金平均业绩为0.31%,而按照Wind分类的13只量化基金,其平均业绩为2.92%,五行基金更是取得7.65%的正收益,在亚洲量化基金中排名第一,超越同期上证指数4.77个百分点。

美国私募基金复兴科技公司的第一支纯粹的量化投资基金—— 大奖章基金,从1988年3月成立至2008年的21年里,平均年度净收益高达36%,远远跑赢同期道指年均8.81%的涨幅,比索罗斯、巴菲特同期的业绩高出10%,原因:一是数学家基金经理;二是量化分析技术。

1 基本面分析量化分析是投资机构先后采用的2种投资技术

基本面分析,是分析员和基金经理通常采用研究财务报表,与公司高层会谈,与相关人员荷香业专家讨论等方式,对少数几家公司股票(约10到100只股票)进行非常深入的研究分析,来决定要投资哪些股票以及如何投资。在基本面分析分类中,会根据行业不同,有专员长期跟踪和深入研究其中一个行业,而这几名专员最后则会成投资这个行业的专家。在股票市场成立以来长期采用的较为传统的分析和投资方式就是基本面分析。基本面投资,通过企业内部财务报表的形式,来发现企业的潜在价值,以求企业得到稳定持续的高额收益,一旦买入,长期持有。

量化分析,借助数学、物理学、几何学、心理学甚至仿生学的知识,通过建立模型,进行估值、择时选股。量化分析员和量化基金经理,通常会同时研究全盘数千支股票,分析的方式也可以是基于公司基本面的,但是会强调量化财务指标。量化的指标(又称因子)也可以是其他更有特色的数据。从事量化分析投资的基金经理通常不去上市公司实地调研,而是将精力放在不断完善模型上,量化分析投资的模型是决定投资业绩的关键,投资模型始终处于绝密状态,不同市场设计不同的量化分析投资管理模型,在全球各种市场上进行短线交易。

2 量化分析技术获取超额投资收益之道

在变幻莫测的市场经济中,能否理性思考投资、不受情绪影响,将是成功的关键。而利用计算机的筛选得出的量化分析基金,不受投资中非理性因素影响,使投资更有计划行、纪律性、规律性,基金管理人要做到不贪婪、不恐惧、不放弃,不受情绪影响,以一颗平常心追求利益瘦小。

量化分析,有一套完整、科学的投资体系。严格的纪律性是量化投资明显区别于主动投资的重要特征。在量化分析基金的运作中,主观判断也会出现和量化分析模型相左的情兄,但会坚持量化分析投资的纪律,相信模型判断的长期稳定性,不会盲目去调整改变。与传统偏股型基金不同,量化分析基金采用独特的投资组合管理方式,渐进动态调整基金组合。这样不仅可以顺应瞬息万变的市场,还可以降低个股集中度,平稳投资业绩。因此,这种方式并不会产生传统意义的重仓股,也就大大降低了重仓个股的风险。

量化分析业绩,来自于量化分析模型批量选股的成功率大于失败率。量化分析的模型敏锐的“发觉”了开场环境的转变,自动调高了评估因子、预期因子及市场反转因子的权重,量化分析模型依此逻辑选择的股票大部分取得较好收益,提升了整体业绩。

3 量化分析技术创始人并非经济学家。

量化分析技术并非发端于华尔街,不少人最初并非经济学家,如巴契里耶和布莱克原先是数学家,夏普则从事医学,奥斯伯恩为天文学家,沃金与坎德尔是统计学家,而特雷诺则是数学家兼物理学家。1970年代美国债券市场和股票市场全面崩盘,当时提出用量化分析方法管理投资组合的人是作家彼得·伯恩斯坦。1952年3月发表“投资组合选择”论文、提出现代财务和投资理论最著名远见的马克维茨,以该理论勉强通过博士答辩,到1990年10月,这些人中才有三位获得诺贝尔经济学奖。

2012年,美国伦斯理工学院金融工程硕士李炬澎,依据5000年中国古老的《易经八卦数理》研发立体数量模型分析微观经济,用超高频率政治外交词汇、交易数据、股票期权数据、公司债务数据来做个股分析,用《五行相克相生原理》来分析自然、社会、政治、人文如何影响宏观经济。比如用计算机分析新闻报道中天地雷风水火山泽8中自然天文现象与宏观经济关联程度,使五行基金取得亚洲量化分析投资行业第一名的业绩。

4 量化分析技术应用的载体是计算机软硬件技术的发展

马克维茨的投资组合现代金融理论,提出了风险报酬和效率边界概念,并据此建立了模型,成为奠基之作。托宾随后提出了分离理论,但仍需要利用马克维茨的系统执行高难度的运算,1961年,与马克维茨共同获得1990年诺贝尔奖的夏普用IBM最好的商用电脑,解出含有100只证券的问题也需要33mim。夏普1963年1月提出了“投资组合的简化模型”(单一指数模型),简化模型只用30s。1964年夏普又开发出资本资产定价模型(CAPM),不仅可以作为预测风险和预期回报的工具,还可以衡量投资组合的绩效,以及衍生出在指数型基金、企业财务和企业投资、市场行为和资产评价等多领域的应用和理论创新。1976年,罗斯在CAPM的基础上,提出“套利定价理论”(APT),提供一个方法评估影响股价变化的多种经济因素。布莱克和斯克尔斯提出了“期权定价理论”。莫顿则发明了“跨期的资本资产定价模型”。

5 量化分析应用的关键是基本面分析无法快速精确处理丰富的金融产品和巨大交易量

1970年代以前,华尔街认为投资管理需要天赋、直觉以及独特的驾驭市场的能力,基本面分析师、基金经理可以独力打败市场,而无需依靠那些缺乏灵魂、怪异的数学符号和缥缈虚幻的模型。华尔街对学术界把投资管理的艺术,转化成通篇晦涩难懂的数学方程式一直持有敌意,1970年代初期,美国表现最佳的基金经理人从未听过贝塔值,并认为那些拥有数学和电脑背景的学者只是一群骗子。

量化分析投资不会出现在个人投资者为主的时代。个人投资者既缺乏闲暇的时间,也普遍无此能力。仅有现资理论的建立,及各类模型的完善与推陈出新,并不会直接催生出量化分析投资,它还需要其他几个重要前提条件,比如:机构投资者在市场中占据主导,随着社保基金和共同基金资产的大幅增加,成为市场上的主要机构投资者,专业机构管理大规模资产,需要新的运作方式和金融创新技术,专业的投资管理人有能力和精力专注地研究、运用这些量化分析技术。

1970年代后期的Wells Fargo银行,率先用量化分析技术管理投资组合,投资高股息股票,用较少的风险获得了较大的收益,不用这些模型,不用电脑运算这些公式,会陷于困境。1980年代以来,面对数不胜数的各类证券产品和期权类产品,以及庞大的成交量,许多复杂的证券定价,必须靠大容量高速运算的电脑来完成。到2007年美国股市近一半的机构基金都是由量化模型来管理的。从2000年初到2007年全球量化分析基金市场连续8年表现远远超过其他投资方式。

6 量化分析在应对经济危机和突发经济事件中开拓前进

1987年10月大股灾,当天股市和期货成交量高达令人吃惊的410亿美元,价值瞬间缩水6000亿美元。很多股票直接通过电脑而不是经由交易所交易。一些采用投资组合保险策略的公司,在电脑模式的驱使下,不问价格机械卖出股票。很多交易员清楚这些投资组合会有大单卖出,宁愿走在前面争相出逃,加剧了恐慌。针对整个投资组合而非单个证券,机械式的交易,电脑的自动操作,大量的空单在瞬间涌出,将市场彻底砸垮。

1997年至1998年亚洲金融危机股市暴跌,量化分析投资的算法交易也起到了同样的坏作用。著名的长期资本管理公司,遭遇俄罗斯国债违约这一小概率事件,也陷入破产之境,迫使美联储集华尔街诸多投资银行之力,加以救助。

2007年8月金融危机中,许多量化基金出现巨额损失。其原因主要是几家大型对冲基金大量卖出它们的量化分析基金股票,去弥补其在其他投资方式上的损失。由于很大相同仓位的股票在很短的时间内被廉价卖出,从而加剧了很多投资指标的损失,尤其是价值和动量指标的损失。

2011年即使欧债金融危机发生,量化分析基金也再次表现优异,超过其他投资方式,虽然能否就此再度复兴仍属未知,此一趋势已不可逆转。

7 量化分析技术今后几年全球应用的热点在中国的A股市场

中国金融、资本、股市投资者结构很不合理,A股市场的专业投资机构持有市值的15.6%,而发达市场这一比例大致为70%。更为不合理的是交易结构,A股市场个人投资者持有市值占比26%,但却完成了85%的交易。根据Wind分类,目前我国市场上共有13只量化基金,包含11只普通股票型基金,1只指数基金和1只偏股混合基金。

中国现有的人才和技术都难以支持完全的量化分析投资,在缺乏国际化人才和成熟模型的情况下,经营业绩自然也差强人意。

量化分析今后几年全球热点在中国的A股市场。现在主要发达国家的股市很大程度上由量化基金所控制。为了寻找更高收益的市场,很多大型量化基金也开始大量投资于发展中国家市场,中国的A股市场是今后几年全球量化分析投资热点,所以近年来很多北美和欧洲的高层量化分析基金经理和分析员纷纷到中国大陆、香港和新加坡推广量化投资技术。这是国际国内的金融市场和投资者,都要面对的机会和挑战。

量化分析基金2002年才在中国刚刚起步,到2009年和2010年,才真正进入快速发展期,2010年末量化基金的总规模达到了779亿元。虽然规模有显著提升,但是与国外市场量化分析基金占共同基金总资产16%相比,国内量化分析基金还有非常大的发展空间。

第3篇

关键词:量化投资;传统投资;模式数学模型;自变量参数

1量化投资简介

1.1基本概念

量化投资是一种借助于计算机高效计算程序进行复杂运算,以金融产品未来收益与风险为研究对象的新型投资方式。量化投资的基础是以股票价格、日成交额等大数据库数据为参考样本数据并建立数学模型,运用仿真分析及迭代方法不断修正数学模型,直到数学模型可以用来预测指导投资交易。任何一个投资的方案或者设想,都可以为它设计一个数学模型,然后借助大数据库的现有数据进行迭代法测试分析,以此来判别数学模型的有效性。传统投资方式基本上是对传统的技术分析和公司的经营状态基本分析,存在一定的局限性;相比之下量化投资分析是基于对大数据市场数据的,数据样本空间容量足够大,而且可以快速进行运算并排除投资者个人心理因素的主观影响,科学性和时效性更强。此外,量化投资是一种主动性的投资方式,在进行数学模型选择、自变量选取、数学模型的验算迭代都是投资行为的主动部分。

1.2交易内容及方法

量化投资交易的内容主要是量化策略以及交易策略,在制定交易策略时必须立足于投资市场、投资产品以及分配在内等。具体交易平台则是靠以计算机计算程序为基础的线上交易平台系统。进行量化投资交易时通常会遇到各种较为复杂的情况,但是基本前提都是要依据现有的既定的大量数据库数据,灵活采用各种方法来判断投资对象是否值得投资。总体来说,量化投资有估值法、资金法和趋势法三种。

2量化投资现状

从理论上来说,每个量化投资者的决策行为可以被同化为理性预期、风险规避、严格效用基本一致的理想化模型。然而现实情况中每个人的心理活动、出发点、知识水平等都存在差异,进行量化投资时人们作出的决策也存在差异。人的非理性行为与理性行为都是客观存在的,而且非理性行为对理性行为也存在着一定的影响,因此投资人在进行投资决策时并不能完全理性地进行选择。综上所述,非理性人的客观存在使投资人在进行投资决策时不能完全忽视个人的心理因素。既然个人的心理因素无法排除,那么在建立决策分析数学模型时,就应该把个人的心理因素考虑在内。当前我国国内量化投资有以下几个特点:(1)个人投资者占总投资者的比例很高。上文已经提到投资者个人的非理性客观存在且不可避免,那么众多量化投资者的非理性因素间接影响我国量化投资市场。(2)我国的量化投资市场虽然发展迅速但仍不成熟。与美国及欧洲发达国家相比,我国量化投资市场只能是一个新兴的市场,直接表现在各方面的信息不完整且难以搜集,一些基础数据我们只能自己想方设法地去开发获取。(3)量化投资行业的企业构成比较复杂。目前我国量化投资行业的企业种类比较多,跨越众多不同的领域。加上我国量化投资市场还处于新生期,市场不稳定信息变化较快,因此量化投资行业的可用层面指标数目非常少且指标数值经常变化。当前我国量化投资者正是依据当前行业的特点,从不同的层面和角度验证分析,建立泡沫型数学分析模型,才能获得巨大的利润。(4)量化投资策略研究落后。通过把我国量化投资策略与美国及西方发达国家的量化投资策略进行对比,发现我国现有的量化投资策略严重落后。国外的量化策略研究是在大量的事件、数据积累分析的基础上,脚踏实地潜心研究总结出来的。现阶段我国量化策略研究多是借用国外的策略,结合国内的量化投资行业的实际现状进行修正得来的。当前我们还缺少指导量化投资行业的专家、指导著作,为此我国国内的一些高等院校开始着手量化投资策略的研究并取得了初步的成效。

3量化投资优势

量化投资是在定性投资基础上进行继承和延伸的一种主动投资工具。定性投资的核心是对宏观经济和市场基本面进行深入的分析,再加上实地调研上市公司以及与上市公司的管理层进行经验交流,最终把调研结果整理成专题报告,把报告作为决策依据。不难看出定性投资带有很大的个人主观判断性,它完全依赖于投资经理个人经验以及对市场的认知。量化投资在调研层面与定性投资相同,区别在于量化投资更加注重数据库大数据,运用各种方法发现运用大数据所体现出来的有用信息,寻找更优化的投资方式以获得大额收益,完全避免了投资经理个人的主观臆断和心理因素,更加科学合理。综上所述,与定性投资相比,量化投资具有以下优势。

3.1投资方式更加理性

量化投资是采用统计数学与计算机建模分析技术,以行业大数据库为参考,取代了个人主观判断和心理因素的科学客观投资方法。很明显,行业大数据的样本容量已远远高于有限的对上市公司调研所形成的样本容量;在进行投资决策时,把决策过程科学化数量化可以最大程度的减少投资者决策时个人情感等心理因素对决策结果的影响,从而避免了错误的选择方向。

3.2覆盖范围大效率高

得益于因特网的广泛实施应用,与各行各业的运行数据都可以录入大数据系统形成体量巨大的数据库;得益于计算机行业云时代到来对计算分析速度的革命性变革,在极短的时间内就可以得到多种量化投资的投资方法。定性投资方式进行决策时,由于决策人的精力和专业水平都存在一定的局限性,自然其考虑投资的范围要远远低于电脑决策,二者根本没有可比性。综上所述,虽然与定性投资相比,量化投资具有明显的优势,但是二者的目的是相同的,都以获得最大收益为目的,多少情况量化投资与定型投资可以互相补充,搭配使用会起到意想不到的效果。

4量化投资的劣势

上文已经提到量化投资的决策过程依赖于大数据库以及计算机分析系统的科学决策,因此只要投资思想正确量化投资就不会出现错误。然而即使是投资思想及决策过程都没有问题,也不意味着量化投资完美无缺。量化投资本质上是对某一特定基准面的分析,事实上基准面有时范围过小,纵然决策过程合理化、无偏差,量化投资也存在一定的局限性。量化投资的另一特点是进行考察决策时覆盖的市场面非常广泛,在当前国民经济快速发展的时代,人们对市场的认知难免出现盲区或者对某一个局部了解不充分的现象,此种情况下量化投资的正确性就很难保证。

4.1形成交易的一致性

基于量化投资的低风险特性,人们更多地依赖于采用大数据云分析平台进行决策,如此大家对某一行业的市场认知以及投资决策水平就处在同一认知层次上,当遇到极端的市场行情时,人们作出的交易决策往往一致,即容易达成交易的一致性。例如期货行业以及股票行业,在市场行情动荡的特殊时期,人们往往选择在同一时机抛出股票或者期货,这种大规模的一次性抛盘则会造成在预期抛售价格基础上的剧烈波动,导致投资者的实际收益在一定程度上低于预期收益。此种情形下又会引起新一轮投资恐慌,不利于市场的稳定发展。

4.2指标钝化和失效

任何一个行业的某一个市场承载投资者的容量都是有限的,从战略投资的角度来看,当某一个市场的产业链较为成熟、技术门槛较低时,投资者进入该市场就会容易很多,当市场的承载量大大低于投资者进入数量时,既定的投资策略则会失效。例如某一企业的某只股票第一年能获得50%的收益,第二年则降为20%的收益,第三年可能是5%,第四年就没有收益了。诸如趋利反转策略、套利策略现在已经非常大众化且投资者已经达成共识,一拥而上集中式进行投资就会导致投资评价指标钝化甚至失效。

免责声明

本站为第三方开放式学习交流平台,所有内容均为用户上传,仅供参考,不代表本站立场。若内容不实请联系在线客服删除,服务时间:8:00~21:00。

学术顾问

免费咨询 学术咨询 期刊投稿 文秘服务