量化投资研究方法

nullnull量化投资研究中信证券襄樊解放路营业部 2011.02目录目录*量化投资研究的定位 量化投资：仓位与情绪监控 量化投资：行业配置与行业轮动 量化投资：大小盘风格轮动监测 量化投资：驱动因子及量化选股 量化投资：事件驱动交易1.1 量化投资的思想就在你身边1.1 量化投资的思想就在你身边量化投资强调纪律性、系统性和大概率事件 打个比方，漏斗Vs.筷子*1.2 定位：一张复杂的图表1.2 定位：一张复杂的图表*目录目录*量化投资研究的定位 量化投资：仓位与情绪监控 量化投资：行业配置与行业轮动 量化投资：大小盘风格轮动监测 量化投资：驱动因子及量化选股 量化投资：事件驱动交易2.1 中信证券基金仓位监测方法介绍2.1 中信证券基金仓位监测方法介绍可以分为净值收益估计和净值波动率估计两种方法 实际：股票S、债券B、现金C；假设：忽略现金部分，股票仓位a，则债券仓位1-a震荡市线形趋势不明显时效果不好，此时波动率估计效果更好确定估计方法之后最为重要的就是确定不同资产的收益，尤其是股票头寸 指数替代法、基金重仓股替代法、风格重仓指数替代法等净变动更值得关注 股票S、债券B价格变动幅度不同导致仓位自然变化；基金主动调整组合导致仓位变动，我们称为净变动。（增仓行为：增加股票头寸/减少债券或者现金头寸应对赎回；减仓行为：卖出股票/申购资金没有转化成相应股票头寸）*2.2 基金仓位估计误差控制在正负1%2.2 基金仓位估计误差控制在正负1%中信基金仓位监测所跟踪基金数量与分类数据来源：中信证券数量化投资分析系统保本型偏债型中信证券基金仓位精度分析总体来看，基金仓位估计存在正负1%的误差；由于采用了更加适用的模型，07年2季度以后跟踪误差出现显著下降*2.3 仓位峰谷值与仓位趋势判断2.3 仓位峰谷值与仓位趋势判断全部基金与股票型样本基金历史仓位测算走势数据来源：中信证券数量化投资分析系统仓位的谷值与峰 值可以帮助我们 判断趋势的反转。*2.4 情绪影响投资决策，导致投资行为偏差2.4 情绪影响投资决策，导致投资行为偏差 投资者并非完全理性，受制于情绪波动 心理因素在投资决策和市场演绎中起着重要作用 情绪的大幅度波动导致认知偏差和情绪偏差，从而放大乐观或者悲观的情绪 投资者情绪也是产生一些金融“异象”的原因之一 投资者行为存在各种各样的偏差 过度自信 过度反应与反应不足 损失厌恶与处置效应 从众心理与羊群心理 暴富心理与新股炒作 安全心理与低价股效应 《洛杉机时报》市场情绪周期*2.5 建立投资者情绪监控指标体系，拟合成情绪指数2.5 建立投资者情绪监控指标体系，拟合成情绪指数数据来源及频率 数据来源：Wind，中信数量化投资分析系统，中登等；周频率 A股净开户数历史较短，以前四类指标为主*2.6 采用主成份法拟合情绪指数，形成可持续更新2.6 采用主成份法拟合情绪指数，形成可持续更新采用主成份法，提取第一和第二主成份 第一主成份，称之为“投资者情绪水平指数” 第二主成份，称之为“投资者情绪变动指数” 主成份拟合步骤 周频率数据；化 数据来源及频率 数据来源：Wind，中信数量化投资分析系统，中登等；周频率 A股净开户数历史较短，以前四类指标为主 *2.7 情绪指数的多种应用2.7 情绪指数的多种应用投资者情绪水平指数在±2之间波动 可以提前1－2月预测股市的大顶和大底 投资者情绪变动指数衡量投资者情绪的变动幅度 历史经验表明，当情绪变动指数的值突破5时（其值一般在[－1.46，＋5.69]之间波动），后续铁定出现一个跌幅超过6％的调整。当情绪指数从负值上升到3附近时，后续可能出现调整，调整幅度在历史经验上不一，或不超过1％，或达到5％。投资者情绪水平指数Vs.中标A股综合指数投资者情绪水平指数Vs.未来一周涨跌幅数据来源：中信证券数量化投资分析系统数据来源：中信证券数量化投资分析系统*目录目录*量化投资研究的定位 量化投资：仓位与情绪监控 量化投资：行业配置与行业轮动 量化投资：大小盘风格轮动监测 量化投资：驱动因子及量化选股 量化投资：事件驱动交易3.1 行业比较的自上而下VS自下而上3.1 行业比较的自上而下VS自下而上A股市场行业结构 股改前后发生很大变化产业转型与整合 大量市场外存量资产上市3.2 从多个角度入手分析A股市场行业轮动规律3.2 从多个角度入手分析A股市场行业轮动规律A股市场具有独特的投资时钟和行业轮动特征 行业间的高度联动 行业轮动快速切换 行业配置结果*3.3 行业选择：业绩驱动+估值回复+动量反转3.3 行业选择：业绩驱动+估值回复+动量反转结果回溯： 66.7%的月份配对66%以上行业。 长期看能配好57.8%的行业。 超配情况： 08年11月耐用消费/能源/原材料 09年4月金融地产/能源 09年7月消费（零售、医药、半导体、传媒） 09年8月食品医药、健康设备、软件服务、公用事业定量组合的历史配置情况数据来源：中信证券数量化投资分析系统3.4 主要基于业绩驱动和估值回复进行中期行业配置3.4 主要基于业绩驱动和估值回复进行中期行业配置数据来源：中信证券数量化投资分析系统2009年4月30日行业配置策略不同行业超配/低配情况（按GICS行业划分）根据财务数据披露节奏季度调整——历史成功概率58.9%*3.5 积极利用动量反转把握短期行业轮动3.5 积极利用动量反转把握短期行业轮动数据来源：中信证券数量化投资分析系统持有期和观测期均为一个月的动量反转效应A股市场行业动量反转效应分析 短期动量效应显著：持有期和观察期均为一个月的动量效应最显著 中期反转效应存在：持有期和观察期均为六个月的反转效应更明显定量行业模型建议短期超配行业数据来源：中信证券数量化投资分析系统*目录目录*量化投资研究的定位 量化投资：仓位与情绪监控 量化投资：行业配置与行业轮动 量化投资：大小盘风格轮动监测 量化投资：驱动因子及量化选股 量化投资：事件驱动交易4.1 确定大小盘轮动指标体系，计算月度风格指针4.1 确定大小盘轮动指标体系，计算月度风格指针大小盘风格轮动判断指标体系风格指针的值通过加权计算各项指标而得到 计算公式： 大于5时，意味着投资风格倾向于大盘股；小于－5时，意味着投资风格倾向于小盘股*4.2 通过风格指针的值判断风格轮动趋势4.2 通过风格指针的值判断风格轮动趋势小盘股/大盘股Vs.月度规模风格轮动指标（1996年至今）风格指针在大趋势走向上判断准确 Hit Ratio达到近60% 据此调整投资组合，超越全市场约80%*目录目录 *量化投资研究的定位 量化投资：仓位与情绪监控 量化投资：行业配置与行业轮动 量化投资：大小盘风格轮动监测 量化投资：驱动因子及量化选股 量化投资：事件驱动交易5.1 投资收益可以分解为市场因子、情绪因子、规模因子等5.1 投资收益可以分解为市场因子、情绪因子、规模因子等多因素模型：除市场因子外，规模、价值、动能等因子对业绩均有贡献 典型的因素模型 Fama三因素模型 包含动量的四因素模型 Two Factor ：The Little Book that Beats The Market Earning Yield(Modified)/Return on Capital(Modified) Barra模型 59-Factor Vanguard’s 70-Factor Model*5.2 通过量化因子监控体系洞悉A股演绎路径5.2 通过量化因子监控体系洞悉A股演绎路径经过三次修改和完善形成目前的监控体系 已跟踪六大类共24个因子从99年以来市场表现，正在覆盖更多因子PE PB PS EV/EBIDTAEPS增长 净利润增长 营业利润增长 利润总额增长 销售净利率ROE ROA ROIC1 M Price 3 M Price 6 M Price 12 M Price3M Beta 6M Beta 3M Vol 6M Vol财务杠杆 利息覆盖倍数 …… 资金动量 盈余动量 成交动量 …… 预测EPS增长 …… 毛利率 期间费用率 ……PCF …… 总股本持股集中度 流通股本 …… *5.3 最新体系——综合考虑因子收益率和模型稳定性5.3 最新体系——综合考虑因子收益率和模型稳定性L/S Accumulative PerformanceDifference of L/H PostAlpha Prob.Accumulative Excess ReturnRanked Information Coefficients(IC)Avg. Return Volatility Sharp Ratio Hit Ratio DurationIRs ICsAvg. Prob. T-Testing*5.4 长期表现：估值/成长/风险因子贡献显著5.4 长期表现：估值/成长/风险因子贡献显著股市场长期驱动因素表现对比数据来源：中信证券数量化投资分析系统长期： 估值/成长/风险 轮动：规模 阶段：盈利 其他：动量 进一步分大盘和小盘进行细化研究*5.5 不同因子表现存在周期性5.5 不同因子表现存在周期性*5.6 量化个股精选模型之一：GARP选股策略研究5.6 量化个股精选模型之一：GARP选股策略研究GARP策略意味着所有的股票都值得投资？ GARP策略可以取代价值策略和成长策略？ 价值和成长会发生轮动，不同市场环境具有不同表现 GARP策略兼顾成长与价值，可以平滑不同市场阶段表现更具持续性 价值/成长策略更加注重基本面分析，分析其内在价值，成长性 GARP策略更加适合量化投资*5.7 GARP选股策略研究：量化5.7 GARP选股策略研究：量化流程*5.8 寻找适合国内市场的一种模型设定：指标设定5.8 寻找适合国内市场的一种模型设定：指标设定价值成长矩阵 数据来源： 财务指标和价格数据来自中信证券数量化分析系统 预测数据来自一致预期依单一财务指标高低构造组合表现数据来源：中信证券研究部整理*5.9 寻找适合国内市场的一种模型设定：打分方法5.9 寻找适合国内市场的一种模型设定：打分方法打分方法 排序按秩打分：排名越靠前得分越高，排名越靠后得分越低（打分不考虑行业差异） 五个价值指标和ROE波动按倒序排序打分 除ROE波动外四成长指标按顺序排序打分 总分：每个指标秩值得分加总分别得出价值度和成长性（金融业价值指标不考虑EV/EBITDA，因此四个价值得分加总之后*5/4进行恒等变换）价值成长矩阵打分示意数据来源：中信证券数量化投资分析系统*5.10 我们的选股策略展现出持续的增强效果5.10 我们的选股策略展现出持续的增强效果数据来源：中信证券数量化投资分析系统中信证券量化策略组合走势（2006年8月之前为后验的模拟，之后则是“真枪实弹”的show）*5.11 价值动量模型的逻辑5.11 价值动量模型的逻辑价值因子 入选股票同时具备高E/P和高B/P的特征 动量因子 长期动量信号捕捉强势行业和个股的“惯性” 反转因子作为短期信号修正 *5.12 量化个股精选模型之二：价值动量策略5.12 量化个股精选模型之二：价值动量策略基础股票池：沪深300；交易成本：0.3% 月平均收益率为0.95%，超额收益的标准差为0.0262 每期换手率平均是52.07%，入选的股票数量31.46支 *2003~2009价值动量模型历史表现模型历年超额收益目录目录*量化投资研究的定位 量化投资：仓位与情绪监控 量化投资：行业配置与行业轮动 量化投资：大小盘风格轮动监测 量化投资：驱动因子及量化选股 量化投资：事件驱动交易6.1 事件驱动交易、时机创造价值6.1 事件驱动交易、时机创造价值分红送配、股权激励、成分股调整、股东增持等事件带来交易机会 事件冲击能带来超额收益，但是把握时机和节奏很关键 *6.2 事件驱动交易研究方法6.2 事件驱动交易研究方法事件驱动研究方法的定量部分 基准指数：沪深300指数 估计期：以事件公告日为第0天，以-T为公告日前第T个交易日，T为公告日后第T个交易日。 事件分析期：以事件发生日前后各N个交易日为分析期，分析事件发生前后是否出现超额收益以及出现超额收益的具体时间区段 定义好参数以后，通过事件研究方法计算出考察样本的超额收益和累计超额收益情况 事件驱动研究方法的定性部分 剔除异常因素带来的干扰值，寻找定量分析结果的背后机理 建立事件驱动的常态跟踪机制，发现事件驱动机会并捕捉交易时机*6.3 案例分析：可分离债发行、高送配6.3 案例分析：可分离债发行、高送配在可分离债的发行过程中，存在事件驱动交易机会 发审委过会、募集说明书发布、股权登记和债券权证上市四个事件对股价有显著的影响 高送配对于股价具有短期影响 分配预案信息提前走漏的可能性较大，预案公布前进入可以获得一定的超额收益 可分离债发行前后存在的超额收益机会送配预案公告事件前后累计超额收益走势*6.4 事件驱动交易，时机创造价值6.4 事件驱动交易，时机创造价值事件驱动交易，时机创造价值 事件导致股价短期变化 分析事件，定位交易时机 抓住时机，捕获交易价值 融资融券推出之后 获取事件对股价的负面影响收益 引入股指期货，锁定价值 对冲系统风险，锁定超额收益系统风险 （β）股指期 货空头 （-β）仅留下超额收益（alpha）超额收益 （α）* 致谢！ 致谢！*