數(shù)量化投資理論與技術(shù)課件

1、數(shù)量化投資理論與技術(shù)Theory and Technology of Quantitative Investment 張金林 博士 教授金融學(xué)院金融工程系2019-10-61內(nèi)容提要 引言數(shù)量化投資理論現(xiàn)代金融理論的數(shù)量化數(shù)量化投資及其產(chǎn)品數(shù)量化投資技術(shù)估值與選股資產(chǎn)配置與組合優(yōu)化基于指數(shù)預(yù)測的時機選擇基于行為金融的投資策略程序化交易及算法交易績效評價技術(shù)數(shù)量化投資在中國的應(yīng)用2019-10-62引 言2019-10-63投資投資、理財與投機：品種與方式 基本分析與技術(shù)分析傳統(tǒng)投資與數(shù)量化投資投資管理目標設(shè)計與調(diào)整資產(chǎn)配置：投資組合及其優(yōu)化效率評價：風(fēng)險與收益 投資及其管理（ Investme

2、nt and management）？ 2019-10-64+_0理財曲線投資曲線投資曲線與理財曲線銀行存款2019-10-65投資理財“戰(zhàn)勝” 通貨膨脹 只有“戰(zhàn)勝”通貨膨脹，才能使您的財富保值，乃至不斷增值。投資理財就是我們尋求的秘密武器，長期來看，如果您的資產(chǎn)收益率超過通脹率，您的資產(chǎn)才能確保安然無恙。1980-2019美國各資產(chǎn)類別的年均收益率 通脹前的名義收益率扣除通脹的實際收益率股票13.53%9.47%投連險成長類型的共同基金12%左右*8.43%債券9.57%5.66%現(xiàn)金等價物6.51%2.71%持有現(xiàn)金0.00%-3.57% *來源：1990-2019年，美國權(quán)威共同基金評

3、估機構(gòu)Morning Star2019-10-66青年期 20-30歲 有能力承擔(dān)較高風(fēng)險配置較高比例的流動性好的風(fēng)險類產(chǎn)品較少配置債券類產(chǎn)品 壯年期30-50歲 現(xiàn)金流充足，財務(wù)負擔(dān)增加考慮中長期（3年以上）投資風(fēng)險類產(chǎn)品 債券類產(chǎn)品保持流動性 老年期50歲以后 控制風(fēng)險為首要目標 配置較高比例債券類產(chǎn)品 較少比例投資周期在3年以上的風(fēng)險產(chǎn)品 不同人生階段，不同投資組合2019-10-67投資 “魔戒”：貪婪和恐懼 在投資過程中，您會發(fā)現(xiàn)，堅持一個長期的投資計劃相當(dāng)不容易。這源于人類的兩大情緒：恐懼和貪婪。 市場下跌的時候，哀聲一片，害怕虧錢的心理往往會讓您改變長期投資計劃； 市場飆升時，似

4、乎人人都能一夜暴富，貪婪的心理可能會驅(qū)使您為了追求更多的收益而承擔(dān)過高的風(fēng)險。2019-10-68投資管理發(fā)展趨勢：技術(shù)優(yōu)化 降低運作成本，提升競爭優(yōu)勢，以更好的業(yè)績回報投資者，這是投資管理永恒的主題。2019年股改以來，隨著我國資本市場市值的迅速擴大、上市公司數(shù)量的急劇增加，以及QDII陸續(xù)出海，如何在眾多的境內(nèi)外上市公司中迅速、有效地選擇投資目標，降低調(diào)研和投資成本，更科學(xué)地分配規(guī)模龐大的資產(chǎn)，成為機構(gòu)投資者面對的新問題。因此，投資管理技術(shù)優(yōu)化迫在眉睫。2019-10-69數(shù)量化投資（Quantitative Investment）？數(shù)量化投資在基金、保險資產(chǎn)、QFII、QDII等機構(gòu)投資

5、者中的應(yīng)用大大增加，在基本面投資的基礎(chǔ)上應(yīng)用數(shù)量化策略,成為投資經(jīng)理共同關(guān)心的問題。數(shù)量化投資技術(shù)覆蓋投資的全部流程，從量化選股、資產(chǎn)配置、組合優(yōu)化、交易執(zhí)行，到風(fēng)險控制、績效評估等環(huán)節(jié)都可以看到量化投資技術(shù)的身影；越來越多的投資經(jīng)理也在采用計算機模型來選股、擇時、構(gòu)建組合、優(yōu)化組合、風(fēng)險管理等，以此來提高投資收益。數(shù)量化投資技術(shù)正成為投資領(lǐng)域發(fā)展的新趨勢。 2019-10-610 一、數(shù)量化投資理論2019-10-6111. 現(xiàn)代金融理論的數(shù)量化歷程現(xiàn)代金融理論是隨著金融市場的發(fā)展而不斷成熟起來的, 其顯著的特征是不斷在金融經(jīng)濟學(xué)中引入數(shù)量化的理論與方法, 用它們來研究金融風(fēng)險防范與控制、資

6、本市場的運營、資本資產(chǎn)的結(jié)構(gòu)與定價。以EMH為基礎(chǔ),通過運用各種數(shù)理工具, 已建立起了一套比較完整的體系，形成了一門新的學(xué)科,稱為“金融數(shù)學(xué)” (Mathematics of Finance) 。2019-10-6121.1 二十世紀5060 年代Markowitz于1952年建立的均值方差模型, 第一次把數(shù)理工具引入金融研究。在Markowitz工作的基礎(chǔ)上, Sharpe (1964)、Litner(1965)、Mossin (1966) 研究了資產(chǎn)價格的均衡結(jié)構(gòu)，導(dǎo)出了資本資產(chǎn)定價模型(Capital Asset Pricing Model, CAPM ) , 已成為度量證券風(fēng)險基本的數(shù)

7、量化模型。隨后, CAPM 形成了度量金融投資領(lǐng)域投資績效的理論基礎(chǔ)。Samuelson(1965) 與Fama (1965) 的有效市場假說(EMH ) , EMH 構(gòu)成了60 年代以來證券理論研究的基石。2019-10-6131.2 二十世紀7080 年代20世紀70年代, 隨著金融創(chuàng)新的不斷進行, 衍生產(chǎn)品的定價成為理論研究的重點。1973年, BlackScholes建立了期權(quán)定價模型, 實現(xiàn)了金融理論的又一大突破。該模型迅速被運用于金融實踐, 使金融創(chuàng)新工具的品種和數(shù)量迅速增多, 金融市場創(chuàng)新得到空前規(guī)模的發(fā)展。此后, Ross (1976) 建立了套利定價理論(Arbitrage

8、Pricing Theory, APT )。在投資實務(wù)中，多因素定價（選股）模型可以看作是APT理論最典型的代表。2019-10-6141.3 二十世紀8090 年代二十世紀80年代, 金融創(chuàng)新進入鼎盛時期，誕生了所謂的“國際金融市場四大發(fā)明”,即票據(jù)發(fā)行便利（NIFs）、互換交易、期權(quán)交易和遠期利率協(xié)議。金融理論的一個新概念 “金融工程”也誕生了。隨后，金融工程作為一個新的學(xué)科從金融學(xué)獨立出來。20世紀90年代以來風(fēng)險管理是對金融機構(gòu)管理的中心論題。最著名的風(fēng)險管理數(shù)學(xué)模型是VaR 模型，這種方法已被全球各主要的銀行、公司及金融監(jiān)管機構(gòu)所接受, 并成為最重要的金融風(fēng)險管理方法之一。股票市場一

9、系列經(jīng)驗研究發(fā)現(xiàn)了與有效市場理論不相符合的“異常現(xiàn)象(Anoma1ies)”，例如，日歷效應(yīng)、股權(quán)溢價之謎、期權(quán)微笑、封閉式基金折溢價之謎、小盤股效應(yīng)等等。面對這一系列金融市場的異?，F(xiàn)象，研究者放松 “理性”的嚴格假設(shè)，吸收心理學(xué)的研究成果，研究股票市場投資者行為、價格形成機制與價格表現(xiàn)特征，形成了具有重要影響力的學(xué)術(shù)流派行為金融學(xué)。 2019-10-6151.4 二十世紀90 年代末以來非線性科學(xué)的研究方法和理論，極大地豐富了金融科學(xué)數(shù)量化的手段和方法論的研究。不僅在金融理論研究方面開辟了嶄新的非線性范式的研究領(lǐng)域, 而且在金融實踐和金融經(jīng)驗上也取得累累碩果。 Doyne Farmer (多

10、因法默) 和Norman Packard (諾曼帕卡德) 不僅在系統(tǒng)地表述混沌理論的結(jié)構(gòu)方面做出了主要貢獻,而且還使用不同的方法, 比如，遺傳算法、決策樹、神經(jīng)網(wǎng)絡(luò)和其他非線性回歸方法等建立數(shù)理模型。非線性科學(xué)的研究方法和理論, 為數(shù)量化投資理論提供了最有力的研究武器。2019-10-6162. 數(shù)量化投資及其產(chǎn)品 2.1 數(shù)量化投資的起源數(shù)量化投資策略從20 世紀70 年代開始興起，以1971年美國富國銀行（Wells Fargo）發(fā)行跟蹤紐約證券交易所1500 只股票的指數(shù)基金為標志。特別是最近30 年來，隨著計算機處理能力的提高，我們看到越來越多的物理學(xué)家和數(shù)學(xué)家被華爾街雇傭，基金經(jīng)理也

11、開始依靠電腦技術(shù)來分析、評估、篩選股票。數(shù)量化投資的應(yīng)用產(chǎn)品主要包括對沖基金、指數(shù)基金和量化共同基金。數(shù)量化投資產(chǎn)品的發(fā)展歷程：對沖基金率先破殼，而指數(shù)基金緊隨其后，到現(xiàn)在的量化共同基金的穩(wěn)健發(fā)展。2019-10-617對沖基金 hedge fund 是投資基金的一種形式，屬于免責(zé)市場(exempt market)產(chǎn)品。對沖基金采用各種交易手段(如賣空、杠桿操作、程序交易、互換交易、套利交易、衍生品種等)進行對沖、換位、套頭、套期來賺取巨額利潤。對沖基金大多數(shù)都是采用數(shù)量化的分析工具盒方法進行資產(chǎn)的篩選和交易。進入21 世紀之后，計算機技術(shù)的飛速發(fā)展，為數(shù)量化投資提供了更為良好的平臺。2019

12、-10-618 2.2 數(shù)量化投資的深度分析文藝復(fù)興科技公司(Renaissance Technologies)的詹姆斯.西蒙斯(James.H.Simons)是華爾街最成功的對沖基金經(jīng)理之一，他是紐約州立大學(xué)石溪分校數(shù)學(xué)系的前系主任，率領(lǐng)一批數(shù)學(xué)家、物理學(xué)家和統(tǒng)計學(xué)家，運用數(shù)量化的方法進行投資，在華爾街獲得巨大成功。西蒙斯的基金自1988 年后年收益率達到35%，超過了巴菲特。西蒙斯對其投資方法刻意保密。迄今為止人們只知道，他的大獎?wù)禄鸬馁嶅X方法是：針對不同市場設(shè)計數(shù)量化的投資管理模型，并在全球各種市場上進行短線交易。2019-10-619不是“黑盒子”數(shù)量化投資是基于對市場深入理解而形成

13、的合乎邏輯的投資理念和投資方法。有一套規(guī)范而透明的做法，并采用科學(xué)、公正而理性的方法對市場進行研究并制定適應(yīng)市場狀況的投資模型和投資策略，并不斷進行調(diào)整和優(yōu)化。 海外數(shù)量化投資的經(jīng)驗是數(shù)量化投資模型90%考慮的是基于基本面因素，同時考慮市場因素、技術(shù)因素等。數(shù)量化投資是基于市場非有效的或弱有效理論的一種主動型投資策略?；鸾?jīng)理可以通過對個股、行業(yè)及市場的驅(qū)動因素進行分析研究，建立最優(yōu)的投資組合，試圖戰(zhàn)勝市場從而獲取超額收益。數(shù)量化主動投資策略以正確的投資理念為根本，通過基本面分析，以全市場的廣度、多維度的深度視角掃描投資機會，在中國市場的應(yīng)用將更顯其優(yōu)勢。2019-10-620投資模型不是一切

14、數(shù)量化投資不是靠一個投資模型就能一勞永逸，也不是使用一個模型就能解決一切問題，更不是一個模型就能勝任任何市場狀況。數(shù)量化投資模型只是一種工具、一種方法、一種手段去實現(xiàn)成熟而有效的投資理念，并不斷因應(yīng)投資理念的變化、市場狀況的變化而進行修正、改善和優(yōu)化。我們需要建立很多的數(shù)量化模型，比如選股模型、行業(yè)配置模型、擇時模型、交易模型、風(fēng)險管理模型及資產(chǎn)配置模型等等。同時，數(shù)量化投資模型都必須經(jīng)歷不斷的跟蹤檢驗、優(yōu)化、實證等等過程。我們知道數(shù)量化投資是一個不斷改進的過程，數(shù)量化投資中最重要的就是投資者的投資思想，包括對投資的理解、理念、經(jīng)驗，所以模型都是建立在這些投資思想上。量化只是一種方式和工具，正

15、是采用這種工具和方法來獲取經(jīng)驗或者檢驗經(jīng)驗。2019-10-621捕獲大概率數(shù)量化投資模型著重考慮對資產(chǎn)未來收益的估計和辨別，而且主要包括對個股、行業(yè)等估計的準確性。在確定投資品種后，數(shù)量化投資策略需要考慮具體的交易策略和風(fēng)險控制策略等方面。較好的交易策略能最大程度的降低交易成本（包括傭金、稅費及沖擊成本等）。交易策略主要解決的是沖擊成本問題。數(shù)量化投資需要綜合考慮資產(chǎn)的鑒別（個股選擇、行業(yè)配置、資產(chǎn)配置等）、交易（包括擇時）和風(fēng)控（包括對風(fēng)險收益的平衡等）等方面因素，尋找到成功概率最大的投資組合，達到收益最大化。2019-10-622 2.3 數(shù)量化基金（Quantitative Funds

16、 or Quant Funds） Bloomberg 認為數(shù)量化基金通過數(shù)理統(tǒng)計分析，選擇那些未來回報可能會超越基準的證券進行投資，以期獲取超越指數(shù)基金的收益。Lipper認為數(shù)量化基金的投資行為較少考慮公司的具體商業(yè)操作，而更多的考慮公司股票在市場上的表現(xiàn)。Investopedia認為，基于量化方法選股的投資基金即為數(shù)量化基金。它通過計算機模型判斷某個投資行為是否具有吸引力。其最終的買賣決策完全依賴于數(shù)量化模型。Profitfund認為數(shù)量化基金通常會對市場行為建立計算機化的統(tǒng)計模型，基于數(shù)理統(tǒng)計分析對組合進行管理。 可以看出，Bloomberg和Lipper的定義相對比較廣義，只是強調(diào)在投

17、資的過程中使用了數(shù)量化方法；而Investopedia和Profitfund的定義相對狹義，除了強調(diào)投資過程中使用數(shù)量化方法外，還強調(diào)投資決策是定量化的。 2019-10-623數(shù)量化基金的發(fā)展 2019-10-624二、數(shù)量化投資技術(shù) 2019-10-625一個典型的投資流程 2019-10-6261 . 估值與選股公司估值方法是上市公司基本面分析的重要利器，在“基本面決定價值，價值決定價格” 基本邏輯下，通過比較公司估值方法得出的公司股票理論價格與市場價格的差異，判斷股票的市場價格是否被高估或者低估，從而尋找出被價值低估或價值被高估的股票，指導(dǎo)投資者具體投資行為，如買入、賣出或繼續(xù)持有。公

18、司估值方法主要分兩大類，一類為相對估值法，特點是主要采用乘數(shù)方法，較為簡便，如PE估值法、PB估值法、PEG估值法、PS 估值法、PSG估值法、EV/EBITDA估值法等。另一類為絕對估值法，特點是主要采用折現(xiàn)方法，較為復(fù)雜，如現(xiàn)金流量折現(xiàn)方法等。2019-10-627 估值模型的體系2019-10-6281.1 相對估值模型相對比較估值法是尋找可比較資產(chǎn)，根據(jù)某個共同的變量，如收入、現(xiàn)金流、帳面價值或者銷售收入，通過可比較資產(chǎn)的價值來估計標的資產(chǎn)的價值，包括PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等。相對比較法是人們采用最為廣泛的股票估值方法，

19、但是這種估值方法缺乏明確的理論基礎(chǔ)。股票定價與經(jīng)濟、政治、文化、資金供求狀況甚至人們的心理因素息息相關(guān)，不同國家、不同公司間的股票并不具備充分的可比基礎(chǔ)。每一種相對估值法都有其一定的應(yīng)用范圍，并不是適用于所有類型的上市公司。 2019-10-629相對估值法的適用范圍 2019-10-6301.2 絕對估值模型絕對估值法（折現(xiàn)方法）一直被認為是“理論雖完美，但實用性不佳”，主要因為：一是中國上市公司相關(guān)的基礎(chǔ)數(shù)據(jù)比較缺乏，取得準確的模型參數(shù)比較困難。二是中國上市公司的流通股不到總股本1/3，與產(chǎn)生于發(fā)達國家的估值模型中全流通的基本假設(shè)不符。2019 年以來，中國股權(quán)分置問題開始分步驟解決。股權(quán)

20、分置問題解決后，未來全流通背景下的中國上市公司價值通過絕對估值法來估計價值的可靠性上升，進一步推動了投資者，尤其是機構(gòu)投資者對絕對估值法的關(guān)注。2019-10-6311.2.1 股利折現(xiàn)模型（DDM）股利折現(xiàn)模型是對股權(quán)資本進行估值的基本模型，該模型假設(shè)股票價值是預(yù)期股利的現(xiàn)值。投資者購買股票，通常期望獲得兩種現(xiàn)金流，持有股票期間的股利和持有股票期末的預(yù)期股票價格。由于持有期期末股票的預(yù)期價格是由股票未來股利決定的，所以股票當(dāng)前價值應(yīng)等于無限期股利的現(xiàn)值。2019-10-6321.2.2 股權(quán)自由現(xiàn)金流模型（FCFE）公司股權(quán)資本投資者擁有的是對該公司產(chǎn)生的現(xiàn)金流的剩余要求權(quán)，即他們擁有公司在

21、履行了包括償還債務(wù)在內(nèi)的所有財務(wù)義務(wù)和滿足了再投資需要之后的全部剩余現(xiàn)金流。公司每年不僅需要償還一定的利息或本息，同時還要為其今后的發(fā)展而維護現(xiàn)有的資產(chǎn)、購置新的資產(chǎn)，當(dāng)將所有這些費用從現(xiàn)金流收入中扣除之后，剩余的現(xiàn)金流就是股權(quán)自由現(xiàn)金流。股權(quán)自由現(xiàn)金流的計算公式為： FCFE = 凈收益+ 折舊資本性支出營運資本追加額債務(wù)本金償還+新發(fā)行債券2019-10-6331.2.3 公司自由現(xiàn)金流模型（FCFF）公司的全部價值屬于公司各種權(quán)利要求者。這些權(quán)利要求者主要包括股權(quán)資本投資者、債券持有者和優(yōu)先股股東。因此，公司自由現(xiàn)金流是所有這些權(quán)利要求者的現(xiàn)金流的總和。FCFF=股權(quán)自由現(xiàn)金流 + 利息

22、費用(1稅率)+債券本金歸還新發(fā)行的債券 + 優(yōu)先股股利。2019-10-6341.3 數(shù)量化選股在不斷創(chuàng)新、券種繁多選擇越來越艱難的資本市場，我們希望理解紛繁復(fù)雜的市場數(shù)據(jù)背后的規(guī)律與意義，希望通過用量化手段、結(jié)合基本面研究相融合的方法為投資標的價值的判斷、券種的選擇進行相關(guān)的實證分析，通過長期的跟蹤與持續(xù)不懈的研究，挖掘資本市場的運行規(guī)律，構(gòu)建真正適合中國資本市場的數(shù)量化選股策略。 2019-10-635量化選股的方法體系 2019-10-6361.3.1 基本面選股方法1) 指標的篩選首先，傳統(tǒng)財務(wù)理論中對于股票價值的分析最常用的是股利貼現(xiàn)模型，該模型通過對股票現(xiàn)在以及將來股利的變化對股

23、票的盈利能力以及相應(yīng)的內(nèi)在價值作出分析和判斷。 公式含義為：公司價值與分紅比率、當(dāng)前的每股收益、公司業(yè)績的增長率、以及資本成本（或折現(xiàn)率）有關(guān)。用增長率的經(jīng)濟模型可以得到影響增長率的因素為利潤留存比率和凈資產(chǎn)收益率；凈資產(chǎn)收益率（ROE）又決定于營業(yè)利潤率、資產(chǎn)周轉(zhuǎn)率、財務(wù)杠桿乘數(shù)；資本成本可以用根據(jù)CAPM定價模型計算。2019-10-637其次，大量基于傳統(tǒng)財務(wù)理論的研究認為，股票的凈值和市值比對于股票價格有很大的影響。因此，每股凈資產(chǎn)、每股公積金、每股未分配利潤作為要素定價投資理念（資產(chǎn)、盈利能力和利潤增長率）中代表公司本身的資產(chǎn)指標，也加入到指標體系中。再次，自由現(xiàn)金流量模型是由自由現(xiàn)

24、金流替代股利的現(xiàn)金流折現(xiàn)方法。因此將現(xiàn)金流指標納入指標體系。最后，雖然流動比率和速動比率沒有在各種估值模型中涉及，但其關(guān)系到企業(yè)的變現(xiàn)能力，所以在構(gòu)建指標體系時，將其保留。2019-10-6382019-10-639 2) 建模方法根據(jù)公司財務(wù)理論和估值理論，我們得出了公司估值的大致影響因子，接著可以使用結(jié)構(gòu)模型和統(tǒng)計模型建立因子與股價之間的聯(lián)系。結(jié)構(gòu)模型給出股票的收益和某些特定變量之間的關(guān)系，這些變量包括股票基本面變量、市場相關(guān)變量等。由于結(jié)構(gòu)模型可以將特定的變量和因子聯(lián)系起來，具有直觀意義，所以實際工作者往往更傾向于使用結(jié)構(gòu)模型。眾多的國際投資大師都傾向于使用此類模型，選擇他們的投資標的。

25、統(tǒng)計模型指的是用統(tǒng)計方法提取出因子所建立的模型，這是經(jīng)濟學(xué)家們更加傾向于使用的建模方法，因為這種方法在建模以前不需要先驗知識，可以通過建立統(tǒng)計模型來檢驗市場有效性的各種假設(shè)，也可以檢驗CAPM模型的有效性等等。 2019-10-640圖7 投資大師的選股方法2019-10-6411.3.2 動量反轉(zhuǎn)選股方法動量反轉(zhuǎn)策略可以追溯到有效市場理論的起源。學(xué)術(shù)界對有效市場假說的檢驗分為兩類：一是股價收益率分布的檢驗；二是市場有效性的檢驗。正是對市場弱式有效的檢驗產(chǎn)生了動量反轉(zhuǎn)策略。股票價格的變動方式有兩類很重要的模式，即動量效應(yīng)和反轉(zhuǎn)效應(yīng)。動量效應(yīng)(Momentum Effect)指的是投資策略或組合

26、的持有期業(yè)績方向和形成期業(yè)績方向一致的股價波動現(xiàn)象；而反轉(zhuǎn)效應(yīng)(Contrarian Effect)則指的是投資策略或組合的持有期業(yè)績方向和形成期業(yè)績方向相反的股價波動現(xiàn)象。2019-10-642對于動量和反轉(zhuǎn)效應(yīng)，學(xué)術(shù)界有很多解釋，其中比較具有說服力的是行為金融學(xué)的解釋：反應(yīng)不足和反應(yīng)過度。如果在市場上發(fā)現(xiàn)了動量效應(yīng)，說明股價對信息反應(yīng)不足，股價在消息公布后不是第一時間上漲或下跌至其應(yīng)有的位置，而是較為緩慢的移動至其應(yīng)有的位置；同理，如果在市場上發(fā)現(xiàn)了反轉(zhuǎn)效應(yīng)，則可說明股價對信息反應(yīng)過度。可見，動量效應(yīng)和反轉(zhuǎn)效應(yīng)可以看作是反應(yīng)不足與反應(yīng)過度的實證支持。在使用動量反轉(zhuǎn)方法選股的時候，需要考慮以

27、下幾個問題：樣本選擇的區(qū)間、不同策略在不同市況下的表現(xiàn)、持有期的長短、顯著性檢驗等。2019-10-6431.3.3 多因素選股方法 多因素模型力圖通過捕捉那些引起證券共同變動的因素，然后開發(fā)基于這些因素的模型，簡化投資組合分析所要求的關(guān)于證券之間相關(guān)系數(shù)的輸入。只不過，多因素模型進一步提出，證券之間的聯(lián)動性，除了源于市場因素的影響之外，還取決于其他一些非市場因素。多因素模型將那些引起證券價格聯(lián)動的因素直接加入到收益率公式之中。2019-10-644根據(jù)多因素模型，單只證券的期望收益率、方差及任意兩只證券之間的協(xié)方差分別可以表示成：2019-10-645對于因素的選取可以采用逐步回歸和分層回歸

28、的方法進行篩選，然后進行主成分分析，從眾多因素中找出解釋度較高的某幾個指標，盡可能反映原來所有的信息?？梢詫⒂绊懝善眱r格的因素分為三類：外部經(jīng)濟環(huán)境的影響，即宏觀因子。經(jīng)濟學(xué)家們都認為：宏觀經(jīng)濟環(huán)境會對證券市場產(chǎn)生影響；截面對比。這類因子描述了股票的不同特征，大致可以分為兩類：基本面因子以及市場因子；統(tǒng)計因子。這類因子由統(tǒng)計方法得到，比如主成分分析、極大似然估計等。因子識別的方法可以是統(tǒng)計方法，也可以是投資經(jīng)驗，或者是兩者的結(jié)合。所選定的因子或者具有統(tǒng)計意義上的顯著性，或者具有市場意義的顯著性，或者兼而有之。一般來說，我們可以從動量、波動性、成長性、規(guī)模、價值、活躍性、收益性以及收益的變異性等

29、方面選擇指標來解釋股票的收益率。2019-10-6462. 資產(chǎn)配置與組合優(yōu)化資產(chǎn)配置(Asset Allocation)是指資產(chǎn)類別選擇、投資組合中各類資產(chǎn)的適當(dāng)配置以及對這些混合資產(chǎn)進行實時管理。 Brinson，Hood，Beebower（1991）投資業(yè)績的決定因素指出資產(chǎn)配置策略可以解釋91.5%的基金回報率的波動，市場時機選擇可以解釋1.8%，而證券選擇可以解釋4.6%。 隨著時間的推移和現(xiàn)代投資理論的發(fā)展，資產(chǎn)管理的重心從單個證券逐漸轉(zhuǎn)移到將投資組合作為一個整體來看。通過控制組合中股票、債券這些特性迥異的資產(chǎn)的比例，可以有效地規(guī)避和調(diào)節(jié)風(fēng)險，這就是最早的資產(chǎn)配置的涵義。隨著投資組

30、合整體屬性的進一步挖掘，形成了資產(chǎn)類的概念，深化了資產(chǎn)配置的內(nèi)涵，出現(xiàn)了行業(yè)資產(chǎn)配置和風(fēng)格資產(chǎn)配置，在不同行業(yè)(如交通運輸業(yè)、醫(yī)療保健業(yè)、金融地產(chǎn)業(yè)等)，以及不同風(fēng)格(如價值型和成長型、小盤股和大盤股)的資產(chǎn)類之間進行合理配置。 2019-10-647特別是自70年代初，傳統(tǒng)投資組合理論與量化分析技術(shù)的結(jié)合，極大地豐富了資產(chǎn)配置的內(nèi)涵，形成了現(xiàn)代資產(chǎn)配置理論的基本框架。它突破了傳統(tǒng)積極型投資和指數(shù)型投資的局限，將投資方法建立在對各種資產(chǎn)類股票公開數(shù)據(jù)的統(tǒng)計分析上，通過比較不同資產(chǎn)類的統(tǒng)計特征，建立數(shù)學(xué)模型，進而確定組合資產(chǎn)的配置目標和分配比例。資產(chǎn)配置一般包括兩大類別、三大層次，兩大類別分別為

31、戰(zhàn)略資產(chǎn)配置和戰(zhàn)術(shù)資產(chǎn)配置，三大層次分別為全球資產(chǎn)配置、大類資產(chǎn)配置以及行業(yè)風(fēng)格配置。資產(chǎn)配置的兩大類別看成是資產(chǎn)配置的種類；資產(chǎn)配置的三個層次看成是資產(chǎn)配置的方法。2019-10-648資產(chǎn)配置的具體過程 2019-10-6492.1 戰(zhàn)略資產(chǎn)配置 戰(zhàn)略資產(chǎn)配置( Strategic Asset Allocation,SAA)，根據(jù)基金的投資目標和所在國的法律限制，確定基金資產(chǎn)配的主要資產(chǎn)類型以及各種資產(chǎn)類型所占的長期均衡比率；戰(zhàn)略性資產(chǎn)配置是基于長期的數(shù)據(jù)和最優(yōu)化模型，即一個長期平均的配置比率，或者可以看作是一個均衡配置比率戰(zhàn)術(shù)資產(chǎn)配(Tactical Asset Allocation,

32、TAA)，指在確定了戰(zhàn)略資產(chǎn)配置之后，是否根據(jù)市場情況在短期內(nèi)適時調(diào)整資產(chǎn)分配比例，以及如何調(diào)整的問題。顯然，戰(zhàn)術(shù)資產(chǎn)配置含有對市場時機的選擇。戰(zhàn)術(shù)性資產(chǎn)配置是基于短期的數(shù)據(jù)和評估而對戰(zhàn)略性資產(chǎn)配置比率的暫時性偏離，也可以看作是短期內(nèi)的非均衡比率，是對戰(zhàn)略性資產(chǎn)配置比率的“微調(diào)”。2019-10-6502.1.1 馬科維茨資產(chǎn)配置模型 用數(shù)學(xué)語言表示如下： 2019-10-6512.1.2 均值-LPM資產(chǎn)配置模型哈洛的LPM方法是半方差方法的典型代表。LPM是Lower Partial Moments的簡稱，即用收益分布的左尾部分來度量風(fēng)險。在某個目標收益率T下，用LPM衡量一項投資的風(fēng)險，

33、其離散情形的表達式為： 2019-10-6522.1.3 VaR約束下的資產(chǎn)配置模型 VaR是一種各種頭寸和風(fēng)險因素通用的度量方法，可度量股票、債券、以及各種衍生品的風(fēng)險，提供了一種風(fēng)險的比較標準，有利于投資機構(gòu)有效的控制總體風(fēng)險。VaR方法的缺陷是只能度量市場正常波動情況下的風(fēng)險，因此市場發(fā)生重大變動的實際損失可能遠遠大于VaR模型的預(yù)測值。這就要求用壓力測試和情景分析法作為VaR的補充。VaR的計算方法分為三大類：歷史模擬法、方差協(xié)方差方法（其中以JP Morgan的RiskMetrics方法為主要代表）和蒙特卡羅方法。2019-10-6532.1.4 基于貝葉斯估計的資產(chǎn)配置模型（Bla

34、ck-Litterman）在Markowitz的均值方差模型中，由于期望收益率與投資組合權(quán)重間復(fù)雜的設(shè)定，在優(yōu)化的時候經(jīng)常發(fā)現(xiàn)，在給定的期望收益率下所構(gòu)造的投資組合，其權(quán)重并不合理。原因：一是期望收益率非常難以估計；二是每次優(yōu)化的權(quán)重對輸入?yún)?shù)(期望收益率)太敏感，經(jīng)常導(dǎo)致各成分權(quán)重的大幅波動。20世紀90年代初，高盛資產(chǎn)管理公司 Black and Litterman（1992）提出一套決策方式，結(jié)合了Markowitz（1952）的均值方差最優(yōu)化（Mean-Variance Optimization）及Sharpe-Lintner 的資本資產(chǎn)定價模型（CAPM）兩套現(xiàn)代投資理念，被稱為Bl

35、ack-Litterman 模型。在 Black-Litterman 的模型中，采用貝葉斯方法，結(jié)合投資人的主觀看法和市場均衡條件下的期望收益率來進行資產(chǎn)配置。使用者可以任意輸入投資組合期望收益率，模型將均衡進行組合，同時產(chǎn)出資產(chǎn)期望收益率的集合和最佳投資組合的權(quán)重。2019-10-6542.2 戰(zhàn)術(shù)資產(chǎn)配置首先，戰(zhàn)術(shù)資產(chǎn)配置一般都傾向于客觀的分析而不是依賴于主觀的判斷。往往通過運用包括回歸分析和最優(yōu)化方法在內(nèi)的分析工具來幫助預(yù)測和決策。其次，戰(zhàn)術(shù)資產(chǎn)配置主要是通過對資產(chǎn)未來價格的衡量來完成的，也就是說，戰(zhàn)術(shù)資產(chǎn)配置在很大程度上是“價值導(dǎo)向”買進那些被認為是低估價值的證券，賣出那些被認為是高估

36、價值的證券?；鸬墓芾碚邔δ承┵Y產(chǎn)類別的短期收益即風(fēng)險水平進行預(yù)測，如果這種預(yù)測偏離了長期平均的預(yù)期水平，則可以利用短期預(yù)測做出戰(zhàn)術(shù)性資產(chǎn)配置，調(diào)整資產(chǎn)類別的權(quán)重。2019-10-6552.2.1 行業(yè)輪動策略市場在不同的階段運行，都會經(jīng)歷相同的周期：上漲，頂部，下跌，底部，而每個階段都會對不同的行業(yè)產(chǎn)生不同的影響。行業(yè)配置是獲取超額收益的重要來源，據(jù)國外的實證研究統(tǒng)計，共同基金大部分超額收益都可以用行業(yè)配置來解釋，其作用強于個股的選擇。進行動態(tài)的行業(yè)配置或者行業(yè)輪動策略會創(chuàng)造出客觀的超額收益。事實上，從資產(chǎn)配置的視角看，我們也可以把行業(yè)輪動策略看成是基于行業(yè)景氣周期的資產(chǎn)配置策略。 2019

37、-10-656行業(yè)景氣周期分析 行業(yè)景氣變化的內(nèi)在影響因素可歸為兩個方面：周期性因素和結(jié)構(gòu)性因素。周期性因素主要包括行業(yè)的宏觀經(jīng)濟周期波動敏感性、產(chǎn)業(yè)生命周期；結(jié)構(gòu)性因素則包括行業(yè)的增長動力、行業(yè)的集中度、行業(yè)在國民經(jīng)濟中的地位等。 2019-10-657中國GDP的增長周期及經(jīng)濟周期中各產(chǎn)業(yè)鏈景氣輪動情況 2019-10-658行業(yè)配置方法 戰(zhàn)略資產(chǎn)配置的所有模型都可以用來進行行業(yè)配置，如馬科維茨MV模型、均值-LPM模型、VaR約束下的資產(chǎn)配置模型、Black-Litterman模型等。需要解決的關(guān)鍵問題依然是（行業(yè)）期望收益率的預(yù)測問題，我們可以采用一致預(yù)期的行業(yè)收益率，也可以使用多因素

38、方法獲得行業(yè)預(yù)期收益率。對于數(shù)量化方法而言，則更傾向于使用多因素模型來預(yù)測行業(yè)的預(yù)期收益率。前文對于行業(yè)景氣周期影響因素的分析，就是為了建立多因素模型所作的鋪墊。2019-10-659 2.2.2 風(fēng)格輪動策略風(fēng)格投資是組合投資理論研究中的一個重要分支。所謂風(fēng)格（style）實際是分類方法在證券投資中的應(yīng)用，投資者可以按照行業(yè)屬性或者公司規(guī)模屬性的不同將股票分成不同屬性的資產(chǎn)類別，這種賴以分類的股票群體的某種共同特征，稱為股票風(fēng)格，而以某種具體的風(fēng)格而不是以單只股票為基礎(chǔ)進行資產(chǎn)配置行為，就是風(fēng)格投資。2019-10-660風(fēng)格的分類最常用的基金分類標準有ICI和Morningstar公司、L

39、ipper公司的標準。MorningStar是一種典型的風(fēng)格劃分系統(tǒng)，其劃分辦法是按照基金組合中持股內(nèi)容的加權(quán)市值為縱軸，分為大盤、中盤及小盤三類，而以市凈率、市盈率為橫軸，分為價值型、平衡型與成長型三類，將基金按照持股特征投入此33的分析方格中再確定基金風(fēng)格類屬。按照MorningStar的方法，所有的基金可分成大盤成長、大盤平衡、大盤價值、中盤成長、中盤平衡、中盤價值、小盤成長、小盤平衡、小盤價值九個分類。 2019-10-661風(fēng)格的周期大多數(shù)實證研究都表明價值型組合和成長型股票組合、小盤股組合和大盤股股票組合之間有顯著的收益差異，且累計收益的差異對價值型組合和小盤股組合有利。不同風(fēng)格投

40、資收益率差異存在周期性。20192019年成熟股市中成長型股票組合的收益顯著高于價值型組合，平均年收益率差異高達25%，更出乎大多數(shù)金融學(xué)者的意料，這促使理論界和資產(chǎn)管理者重新審視價值投資和小盤股更有優(yōu)勢的觀點，并最終認識到價值型組合不可能永遠超越成長型組合，小盤股組合不可能永遠超越大盤股組合，也就是價值型和成長型的收益以及小盤股和大盤股的收益都存在著周期性。正因為風(fēng)格周期性存在，所以積極地進行風(fēng)格管理，正確地判斷、把握以及選擇風(fēng)格傾向，這樣才能獲得超額的市場收益。2019-10-662 風(fēng)格輪動模型在可以預(yù)測的前提下，積極的風(fēng)格管理在不同風(fēng)格股票組合中進行輪動（style rotation）

41、的策略有機會擊敗消極的風(fēng)格管理策略。 這種預(yù)測的前提是需要知曉轉(zhuǎn)換的相關(guān)變量，也就是說是什么變量決定了各種投資風(fēng)格在不同時期內(nèi)的收益差異，這方面的研究主要有二類，第一類是從研究宏觀經(jīng)濟周期入手，研究宏觀變量和投資風(fēng)格之間的關(guān)系；另外一類是從行為金融角度入手，認為風(fēng)格表現(xiàn)只不過是過度反應(yīng)的結(jié)果，因此可從過去風(fēng)格的表現(xiàn)推斷未來風(fēng)格表現(xiàn)，未來風(fēng)格收益是以往風(fēng)格表現(xiàn)的一個正動量外推函數(shù)（風(fēng)格動量）。 2019-10-663 文獻追蹤一個真實的風(fēng)格轉(zhuǎn)換策略必須對大額頭寸轉(zhuǎn)換所產(chǎn)生的流動性成本有充分的認識。對此，Bause（2019，2019）、陳琪龍(2019)和Georgi（2019）分別給出了三種考

42、慮交易成本的風(fēng)格轉(zhuǎn)換模型。Basue（2019）在總結(jié)前人研究的基礎(chǔ)上，從早期研究中認為和風(fēng)格轉(zhuǎn)換相關(guān)有關(guān)的17個因子中，在比較三種回歸（簡單相關(guān)性、最小二乘回歸和Logit回歸）模型的優(yōu)缺點后，選擇Logit模型對風(fēng)格優(yōu)勢進行判斷，在以1990年1月和2019年12月的樣本基礎(chǔ)上，形成一種風(fēng)格轉(zhuǎn)換策略模型。陳琪龍（2019）則采用Markov Switch模型對19462019年美國標準普爾指數(shù)月度數(shù)據(jù)的風(fēng)格轉(zhuǎn)換進行了研究，采用19461969年的數(shù)據(jù)建立風(fēng)格轉(zhuǎn)換模型，再利用19702019年的數(shù)據(jù)進行檢驗，發(fā)展出馬爾科夫轉(zhuǎn)換概率模型。Bause（2019）和Georgi（2019）則分別利

43、用最新的人工智能學(xué)習(xí)方法中的支持向量機模型（Support Vector Machines）給出了美國股市的風(fēng)格轉(zhuǎn)換模型，盡管是獨立研究，但兩者的方法基本相同，都在宏觀因子和一些技術(shù)分析數(shù)據(jù)中進行數(shù)據(jù)挖掘，采用多次統(tǒng)計學(xué)習(xí)方法給出了一個實證風(fēng)格轉(zhuǎn)換模型，并有一個非常好的轉(zhuǎn)換結(jié)果。 2019-10-664 2.2.3（可轉(zhuǎn)移）Alpha策略理論上，資產(chǎn)的收益可以分成兩個部分：來自市場風(fēng)險部分的期望收益稱作beta；而與市場風(fēng)險無關(guān)的主動風(fēng)險的那部分收益稱作alpha。alpha策略就是尋找到一個alpha的來源，通過衍生品（股指期貨、互換等）剝離其含有的beta,獲得與市場相關(guān)性較低的alpha

44、,圍繞alpha進行投資的相關(guān)策略。最常用的方法有純粹的alpha策略和可轉(zhuǎn)移alpha策略，一般分尋找、分離、轉(zhuǎn)移、管理alpha四個步驟。 尋找alpha有兩種方法：一種是選擇投資經(jīng)理，另一種是依靠數(shù)量模型。通過預(yù)測alpha來選擇、分離、管理alpha是比較直接的一個想法，根據(jù)前期研究發(fā)現(xiàn)基礎(chǔ)變量法是一個比較可靠的預(yù)測方法。 2019-10-665Alpha策略的本質(zhì)是，選取具有超額能力的現(xiàn)貨組合、同時利用股指期貨對沖現(xiàn)貨組合的系統(tǒng)風(fēng)險，從而留下了現(xiàn)貨組合的非系統(tǒng)風(fēng)險，而這種非系統(tǒng)風(fēng)險表現(xiàn)為超越市場的選股收益。 以股市Alpha策略為例，可以采用“現(xiàn)貨多頭期貨空頭”構(gòu)建。操作上，一方面建

45、立能夠獲取超額收益的投資組合的多頭頭寸，同時，建立股指期貨的空頭頭寸以對沖現(xiàn)貨組合的系統(tǒng)風(fēng)險?？赊D(zhuǎn)移Alpha策略的主要目的在于將Beta收益從投資組合中完全分離出來，而將策略的重點放在尋找Alpha引擎上，從而提高Alpha的收益。在使用可轉(zhuǎn)移Alpha策略時需要注意的是，Alpha類資產(chǎn)和Beta類資產(chǎn)的相關(guān)性必須很低?？赊D(zhuǎn)移Alpha策略已經(jīng)在全球范圍內(nèi)得以應(yīng)用，特別是在對沖基金的資產(chǎn)管理策略上。2019-10-666 2.2.4 投資組合保險策略投資組合保險理論（Portfolio Insurance）是由Leland 和Rubinstein（1976）提出，總的思想是通過歐式看跌期權(quán)

46、對沖風(fēng)險資產(chǎn)投資組合所面對的市場風(fēng)險。Leland 和Rubinstein（1981）對該理論進行了完善，創(chuàng)立了復(fù)制看跌（synthetic put）投資組合保險模型,標志著投資組合保險理論的一個研究分支以期權(quán)為基礎(chǔ)的組合保險理論（Option-based Portfolio InsuranceOBPI）的形成。投資組合保險包括的具體的策略恒定比例投資組合保險策略(Constant Proportion Portfolio Insurance，CPPI)時間不變性投資組合保險策略(Time Invariant Portfolio Protection， TIPP)基于期權(quán)的投資組合保險策略(O

47、ption Based Portfolio Insurance，OBPI)經(jīng)驗方法買入持有（buy-and-hold）Bird & Demnis等（1988）提出的止損策略（stop-loss strategy）2019-10-667 3. 基于指數(shù)預(yù)測的時機選擇股市的可預(yù)測性問題與有效市場假說（EMH)密切相關(guān)。大多數(shù)研究結(jié)論支持中國股票市場尚未達到弱勢有效，即股票價格時間序列并非序列無關(guān)，而是序列相關(guān)的，即歷史數(shù)據(jù)對股票的價格形成起作用。因此，通過對歷史信息的分析預(yù)測價格。隨著計算機技術(shù)、混沌、分形理論的發(fā)展，人們開始將股票的市場行為納入非線性動力學(xué)研究范疇。眾多的研究發(fā)現(xiàn)我國股市的指數(shù)收

48、益中，存在經(jīng)典線性相關(guān)之外的非線性相關(guān)，從而拒絕了隨機游走的假設(shè)，指出股價的波動不是完全隨機的，它貌似隨機、雜亂，但在其復(fù)雜表面的背后，卻隱藏著確定性的機制，因此存在可預(yù)測成分。 認為股價可預(yù)測，并不等于說可以100%的準確預(yù)見，而是指可以使用經(jīng)濟預(yù)測的方法，建立起能在一定誤差要求之下的預(yù)測股價變動的預(yù)測模型。 2019-10-668 3.1灰色預(yù)測模型 我們知道自變量和因變量之間可能滿足某種數(shù)學(xué)關(guān)系和滿足某種特定條件，但由于歷史數(shù)據(jù)不全面和不充分或某些變量尚不清楚和不確定，使預(yù)測處于一種半明半暗的狀態(tài)。由此，利用灰色模型來預(yù)測股票市場價格成為目前比較可行的辦法， 我們可以把股價動態(tài)變化看作一

49、個灰色系統(tǒng)，主要針對受多種不確定因素影響的股票價格建立GM(l, l)模型，利用此模型可以更好的預(yù)測股票價格短期發(fā)展變化趨勢。除了灰色GM(1, 1)模型外，近來發(fā)展起來的灰色預(yù)測模型還有：灰色新陳代謝模型和灰色馬爾可夫模型。 2019-10-669 3.2 神經(jīng)網(wǎng)絡(luò)預(yù)測模型 股市的建模與預(yù)測所處理的信息量往往十分龐大，因此對算法有很嚴格的要求，它的非線性動力學(xué)特性也非常復(fù)雜，所以一般傳統(tǒng)的方法對于股市的預(yù)測往往難如人意。人工神經(jīng)網(wǎng)絡(luò)因具有廣泛的適應(yīng)能力、學(xué)習(xí)能力和映射能力，在多變量非線性系統(tǒng)的建模方面取得了驚人的成就，成為新興的預(yù)測時間序列的方法。人工神經(jīng)絡(luò)模型具有巨量并行性、存儲分布性、結(jié)

50、構(gòu)可變性、高度非線性、自學(xué)習(xí)性和自組織性等特點，而且可以逼近任何連續(xù)函數(shù)，目前廣泛應(yīng)用神經(jīng)網(wǎng)絡(luò)作為非線性函數(shù)的逼近模型。神經(jīng)網(wǎng)絡(luò)目前在國際上已廣泛應(yīng)用于金融分析和預(yù)測，并取得了較好的效果。 2019-10-670 4 . 行為金融及其指導(dǎo)下的投資策略 西方投資管理經(jīng)歷了三個發(fā)展階段，即20世紀30年代以前的投機階段，以美國1933年證券法和1934年證券交易法為起始標志的職業(yè)化階段，以及1952年后的科學(xué)化階段。金融經(jīng)濟學(xué)已經(jīng)基本建立起了一套成熟的理論體系，所有這些經(jīng)典金融理論，都是建立在一個基本的假設(shè)基礎(chǔ)之上，即“理性人”假設(shè)。理性人假設(shè)是傳統(tǒng)金融經(jīng)濟學(xué)的理論基石，而有效市場則是在理性人假設(shè)

51、下的符合邏輯的基本信念，如果市場不是有效率的，則各種傳統(tǒng)經(jīng)典金融理論都存在致命的缺陷。我們可以采取針對非理性市場行為的投資策略來實現(xiàn)投資目標。行為金融投資策略包括反向投資策略、動量投資策略、成本平均策略和時間分散策略等。2019-10-671 4.1 反向投資策略與動量交易策略反向投資策略(Contrarian Investment Strategy，CIS)就是買進過去表現(xiàn)差的股票而賣出過去表現(xiàn)好的股票(Buying past loser and Selling past winners)來進行套利的投資方法。其主要論據(jù)是投資者心理的錨定和過度自信特征。 行為金融理論認為，由于投資者在實際投

52、資決策中，往往過分注重上市公司近期表現(xiàn)的結(jié)果，通過一種質(zhì)樸策略(Naive Strategy)也就是簡單外推的方法，根據(jù)公司的近期表現(xiàn)對其未來進行預(yù)測，從而導(dǎo)致對公司近期業(yè)績情況做出持續(xù)過度反應(yīng)，形成對績差公司股價的過分低估和對績優(yōu)公司股價的過分高估現(xiàn)象，這一點為投資者利用反向投資策略提供了套利的機會。它是行為金融理論發(fā)展至今最為成熟，同時也是最受關(guān)注的論點之一，主要源于人們對信息過度反應(yīng)的結(jié)果。2019-10-672動量交易策略(Momentum Trading Strategy)是指分析股票在過去的相對短時期的時間內(nèi)(一般指一個月至一年之間)的表現(xiàn)，事先對股票收益和交易量設(shè)定“篩選”條件，

53、只有當(dāng)條件滿足時才買入或賣出股票的投資策略。動量策略：購買過去幾個月中表現(xiàn)良好的股票，賣出過去幾個月中表現(xiàn)糟糕的股票。動量交易策略能夠獲利，存在著許多解釋：一是“收益動量”，即當(dāng)股票收益的增長超過預(yù)期，或者當(dāng)投資者一致預(yù)測股票未來收益的增長時，股票的收益會趨于升高。因此，動量交易策略所獲得的利潤是由于股票基本價值的變動帶來的。反轉(zhuǎn)策略正好相反。2019-10-673 4.2 捕捉并集中投資策略行為金融理論指導(dǎo)下的投資者追求的是努力超越市場，獲取超額收益.通過三種途徑來實現(xiàn):獲取相對于市場來說要超前的優(yōu)勢信息，尤其是未公開的信息。投資者可以通過對行業(yè)、產(chǎn)業(yè)以及政策、法規(guī)、相關(guān)事件等多種因素的分析

54、、權(quán)衡與判斷，綜合各種信息來形成自己的獨特信息優(yōu)勢;選擇利用較其他投資者更加有效的模型來處理信息。而這些模型也并非是越復(fù)雜就越好，關(guān)鍵是實用和有效;利用其他投資者的認識偏差或錨定效應(yīng)等心理特點來實施成本集中策略。行為金融投資者則在捕捉到市場價格被錯誤定價的股票后，率先集中資金進行集中投資，贏取更大的收益。對這一策略最好的解釋就是巴菲特的投資理念，集中持股，長期持有。巴菲特一向反對過度分散投資。 2019-10-674 4.3 小盤股策略20世紀70年代，芝加哥大學(xué)的兩位博士R班尼和M瑞格曼提出了小盤股的高回報效應(yīng)來挑戰(zhàn)有效市場理論。他們的論文驗證了小盤股股票收益長期優(yōu)于市場平均水平。法碼(Fa

55、ma)、法蘭奇(French)等人1993年的研究表明，小盤股效應(yīng)很可能是由小盤價值股引起。小盤股分小盤價值股和小盤成長股。當(dāng)名義收益增長時，小盤股的收益傾向于超過大盤股的收益。普拉德夫曼(Pradhuman)與伯恩斯坦(Bernstein)的研究也證實當(dāng)工業(yè)產(chǎn)值增加時、通貨膨脹加速、債券等級利差縮小、經(jīng)濟高漲時，投資者應(yīng)轉(zhuǎn)向有利的小盤股的投資。 2019-10-675 4.4 成本平均策略 成本平均策略是指在一個相對完整的股價波浪運動中，投資者將投資資金分為不同的份額，在投資期限內(nèi)根據(jù)不同的價格分批投資同一股票，并且在股票價格較高時投資資金數(shù)額較少，當(dāng)價格較低時投資資金數(shù)額較多，從而降低投資

56、成本，以避免一次性投資帶來的風(fēng)險，實現(xiàn)較高的收益。2019年菲利普斯等人對美國紐約股票市場19771988年的交易情況進行實證研究發(fā)現(xiàn)，運用成本平均策略的投資者在股票價格較高時投資資金數(shù)額較少，當(dāng)價格較低時投資資金數(shù)額較多，當(dāng)股指運行到高位時拋出股票，獲得了非常好的收益。2019-10-676 4.5 時間分散化策略 時間分散化是指在一個長波投資周期中，如50年，投資者在年輕時將資產(chǎn)組合中的較大比例投入股市中，隨著投資者年齡的增長則將股票的比例逐步減少的策略。時間分散化策略是基于行為金融學(xué)的一個重要的結(jié)論，即時間會分散股票的風(fēng)險，也就是說，股市的風(fēng)險會隨著投資期限的增加而有所降低。2019年，

57、邁哈維和普雷斯科特的實證研究發(fā)現(xiàn)，19261992年美國股票對短期政府債券的資產(chǎn)溢價每年平均為6.l%，也就是說，在一個長波投資周期中，股票的歷史回報率遠高于債券及國債的歷史回報率。但在短期內(nèi)，股票的價格走勢常常出現(xiàn)非理性的上漲或下跌，具有極大的風(fēng)險。投資者由于噪聲和非理性的認知和行為偏差，會遭受巨大的資產(chǎn)損失。因此，如果不考慮代際遺產(chǎn)問題，年老的投資者應(yīng)當(dāng)在自己的資產(chǎn)組合中降低股票投資的比例。2019-10-677 4.6 設(shè)立止損點的交易策略 設(shè)立止損點策略是指投資者針對證券市場投資者的“處置效應(yīng)”在投資活動中設(shè)立一個合理的獲利或虧損“了結(jié)點”，當(dāng)股價上漲或下跌到該價位時，投資者即將持有的

58、股票賣出的策略和方法。 每一次入市買賣時投資者都應(yīng)該訂下“停損點”，即當(dāng)證券價格跌至某個預(yù)定的價位“立即平倉”以限制損失的進一步擴大。因此“設(shè)立止損點”策略的關(guān)鍵是合理確定獲利了結(jié)點。 2019-10-678 5. 程序化交易與算法交易程序化交易（Program Trading）起源于1975年美國出現(xiàn)的“股票組合轉(zhuǎn)讓與交易”，即專業(yè)投資經(jīng)理和經(jīng)紀人可以直接通過計算機與股票交易所聯(lián)機，來實現(xiàn)股票組合的一次性買賣交易。由此，金融市場的訂單實現(xiàn)了電腦化。 電子信息網(wǎng)絡(luò)（Electronic Communication Networks，ECNs）在70年代迅速興起。1978年，SEC又一紙法令，催

59、生了ITS（Inter-market Trading System）。ITS以電子網(wǎng)絡(luò)為基礎(chǔ)，讓證券交易下單在全美各個交易市場之間互聯(lián)。NASDQ立即響應(yīng)，為ITS提供與NASDQ互聯(lián)的計算機輔助執(zhí)行系統(tǒng) (ComputerAssisted Execution System)。這樣，ITS/CAES以及已經(jīng)形成氣候的各個ECNs，組成了全美國的電子交易網(wǎng)絡(luò)平臺。技術(shù)的發(fā)展和網(wǎng)絡(luò)的建立，給程序化交易創(chuàng)造了條件。程序化交易更多強調(diào)的是訂單是如何生成的，即通過某種策略生成交易指令，以便實現(xiàn)某個特定的投資目標。 算法交易更多強調(diào)的是交易的執(zhí)行，即如何快速、低成本、隱蔽的執(zhí)行大批量的訂單；2019-10

60、-679歐美市場典型的交易網(wǎng)絡(luò)連接圖 2019-10-680 5.1 程序化交易（Program Trading） 程序化交易策略主要包括：指數(shù)套利策略數(shù)量化程序交易策略動態(tài)對沖策略配對交易策略久期平均策略2019-10-681指數(shù)套利具體的業(yè)務(wù)流程 2019-10-682 5.2 算法交易（Algorithmic Trading） 算法交易，也被稱為自動交易（Automated Trading）、黑盒交易（Black-boxTrading）、無人值守交易（Robo Trading），是使用計算機來確定訂單最佳的執(zhí)行路徑、執(zhí)行時間、執(zhí)行價格以及執(zhí)行的數(shù)量一種交易方法。 算法交易廣泛應(yīng)用于對沖基