量化投資的智能化、科技化趨勢(shì)

1、人工智能在量化投資的應(yīng)用方面非線性關(guān)系特征識(shí)別組合優(yōu)化/風(fēng)險(xiǎn)分析隱含變量/內(nèi)部結(jié)構(gòu)Alpha獲取倉(cāng)位管理套期保值評(píng)級(jí)（Rating）交易執(zhí)行非結(jié)構(gòu)化數(shù)據(jù)資料來(lái)源： Marcos Lpez de Prado，量化投資與機(jī)器學(xué)習(xí)公眾號(hào)，中信證券研究部。人工智能/機(jī)器學(xué)習(xí)是一種工具，工具可以拓展、更好的實(shí)施我們的投資理念。1資料來(lái)源：中信證券研究部機(jī)器學(xué)習(xí)算法導(dǎo)圖機(jī)器學(xué)習(xí)算法導(dǎo)圖23非線性模型： = + + 其中，線性部分：=+；殘差項(xiàng)的非線性結(jié)構(gòu)： = X + ；()為基于線性因子暴露X的非線性函數(shù)對(duì)于收益率的殘差，分別使用random forest，boosted tree，neural net

2、work，以及對(duì)幾種集成學(xué)習(xí)模型的集成方法分 別建模。資料來(lái)源： Bonne,Wang,Zhang,(2021). Machine Learning Factors: Capturing Nonlinearities in Linear Factor Models. MSCI Research Insights.集成學(xué)習(xí)模型的歷史表現(xiàn)模型對(duì)基礎(chǔ)因子的邊際依賴非線性特征4量化投資理念的兩大流派：均值回復(fù) vs. 趨勢(shì)追蹤量化投資兩大流派的要點(diǎn)對(duì)比均值回復(fù)趨勢(shì)追蹤基本假設(shè)價(jià)格/價(jià)差偏離均衡狀態(tài)后會(huì)向均值回復(fù)市場(chǎng)發(fā)生本質(zhì)性改變后，價(jià)格/價(jià)差會(huì)從原有的均衡狀態(tài)飄移至新的均 衡態(tài)策略舉例統(tǒng)計(jì)套利、配對(duì)交

3、易、市場(chǎng)中性CTA、事件驅(qū)動(dòng)、宏觀對(duì)沖收益來(lái)源Alpha（疊加于系統(tǒng)性變動(dòng)之上的小的周期性波動(dòng)）Beta（系統(tǒng)性的變動(dòng)）交易技巧左側(cè)交易右側(cè)交易優(yōu)點(diǎn)（目標(biāo)）高勝率、高穩(wěn)定性高盈虧比缺點(diǎn)極端市場(chǎng)環(huán)境、黑天鵝平衡市、弱市有些策略種類的命名是基于策略的表現(xiàn)形式，基于原始信號(hào)的觸發(fā)機(jī)制，也可歸為上述兩類。例如，高頻交易、多因子 模型。風(fēng)控：貫穿始終，以最終獲得統(tǒng)計(jì)意義上的收益。資料來(lái)源：中信證券研究部整理5PBMRQ = + ROE + ROE2 + PE = + 凈利潤(rùn)增長(zhǎng)率 + 凈利潤(rùn)增長(zhǎng)率2 + 資料來(lái)源：Wind，中信證券研究部 注：采用Wind一致預(yù)期資料來(lái)源：Wind，中信證券研究部注：采

4、用Wind一致預(yù)期傳統(tǒng)Alpha策略Beta化，探求更高維度的拓展PB-ROE回歸式Beta、Gamma系數(shù)歷史走勢(shì)BetaGamma（右軸）16.0014.0012.0010.008.006.004.002.000.00454035302520151050PE-凈利潤(rùn)增長(zhǎng)率回歸式Beta、Gamma系數(shù)歷史走勢(shì)BetaGamma(右軸）30040250302002015010100050-100-20A股核心寬基指數(shù)及中信一級(jí)行業(yè)指數(shù)的PB vs. ROEA股核心寬基指數(shù)及中信一級(jí)行業(yè)指數(shù) PE vs.凈利潤(rùn)增長(zhǎng)率消費(fèi)者服務(wù)食品飲料農(nóng)林牧漁醫(yī)藥輕工建制材造中小板指綜合金融 滬深300創(chuàng)業(yè)板指

5、房地產(chǎn)基礎(chǔ)化科工創(chuàng)50傳媒中證500電力機(jī)設(shè)械備及新能源家電國(guó)防軍工 中證1000電子計(jì)算機(jī)有色金屬非銀行金融建筑交通運(yùn)輸銀行石油煤石炭化商貿(mào)零售通信汽車 綜合5.04.54.03.53.02.52.01.51.00.50.00.00%5.00% 電力及1公0.用00事%業(yè)紡織服15裝.00%鋼鐵20.00%25.00%30.00%35.00%40.00%PB_MRQ一致預(yù)期ROE消費(fèi)者服務(wù)食品飲料農(nóng)林牧漁建材醫(yī)藥中小板指滬深300房地產(chǎn)有色金屬中證1000煤炭科創(chuàng)50電子電力設(shè)備及新能源國(guó)防軍工創(chuàng)業(yè)板指計(jì)算機(jī)基礎(chǔ)化工石油石化紡織服裝鋼鐵中證500通信非銀行金融家電機(jī)械汽車商貿(mào)零售100908

6、07060504030201000.00%銀10行.00%建筑50.00%60.00%70.00%PE_TTM20.00%30.00%40.00%一致預(yù)期凈利潤(rùn)增長(zhǎng)率6分析師前瞻盈利預(yù)測(cè)組合盈利預(yù)測(cè)差異性 =（盈利預(yù)測(cè)前6個(gè)月各家機(jī)構(gòu)最新盈利預(yù)測(cè)均值）前6個(gè)月各家機(jī)構(gòu)最新盈利預(yù)測(cè)標(biāo)準(zhǔn)差；盈利預(yù)測(cè)的領(lǐng)先性：該篇報(bào)告發(fā)布日期前6個(gè)月時(shí)間內(nèi)，該報(bào)告盈利預(yù)測(cè)值占全部報(bào)告預(yù)測(cè)的百分位。黑馬成長(zhǎng)股精選組合：三層精選。1）定位層：長(zhǎng)期業(yè)績(jī)穩(wěn)定性一般或較弱，短期業(yè)績(jī)顯著提升2）過(guò)濾層：主營(yíng)業(yè)務(wù)擴(kuò)張幅度、成長(zhǎng)趨勢(shì)、長(zhǎng)線投資者認(rèn)可度；3）精選層：量?jī)r(jià)特征、分析師行為、上市公司行為。2017-3.1%7.4%-0.

7、49.5%201811.2%7.6%1.55.0%201922.8%8.8%2.63.3%202042.0%10.9%3.95.4%年化超額收益相對(duì)收益最大回撤201112.8%8.6%201210.4%5.5%201316.8%4.5%201450.8%9.1%2015135.6%9.6%201610.2%跟蹤誤差信息比7.0%1.87.4%1.48.6%2.09.3%5.515.2%8.99.5%1.110.2%資料來(lái)源：Wind，中信證券研究部。注：2021年截至5月14日。分析師前瞻盈利預(yù)測(cè)組合歷史凈值及相對(duì)中證500業(yè)績(jī)黑馬成長(zhǎng)股精選組合歷史凈值及相對(duì)中證500業(yè)績(jī)量本投資（Quan

8、tamental）量化與主動(dòng)投資的結(jié)合161412108642020100104201008102011032220111026201206042013010720130816201403272014103120150605201601082016081220170323201710272018060420190107201908132020032320201029相對(duì)強(qiáng)弱(右軸）組合凈值 中證500資料來(lái)源：Wind，中信證券研究部。注：2021年截至5月14日。05101520253010209108182030820918304113103140516411275061251225607

9、127012470810802278090690328910150042801113黑馬成長(zhǎng)股組合 潛在業(yè)績(jī)持續(xù)增長(zhǎng)的黑馬成長(zhǎng)股組合 黑馬成長(zhǎng)股精選組合 中證500202112.5%10.5%1.23.7%201201201201201201201201201201201201201201201201201202202202124.7%15.8%1.67.9%Overall23.0%9.5%2.411.8%全部32.3%10.1%3.27.9%年份年化超額收益跟蹤誤差信息比率相對(duì)收益 最大回撤201345.0%11.8%3.86.1%20142.6%8.9%0.35.7%201566.6%13

10、.7%4.97.5%201632.9%8.8%3.75.0%201748.0%7.5%6.43.1%201813.4%9.5%1.46.7%201936.2%9.1%4.04.9%202055.3%10.4%5.35.4%政策支持下融券及轉(zhuǎn)融通機(jī)制逐漸完善：兩融交易細(xì)則修訂、轉(zhuǎn)融通、注冊(cè)制等。融券市場(chǎng)出現(xiàn)爆發(fā)式增長(zhǎng)。截至2021年5月14日，融券余額為1530億元，轉(zhuǎn)融券余額1549億元，融資余額、融券余額與轉(zhuǎn)融券余額相對(duì)2019年末 分別增長(zhǎng)了51.31%、1010.62%和1233.36%。負(fù)向Alpha策略研究?jī)r(jià)值提升。量化策略專題研究財(cái)務(wù)視角下的負(fù)向組合構(gòu)建研究（2021年5月19日）

11、中從財(cái)務(wù)視角出發(fā)，構(gòu)建了一系列財(cái)務(wù) 風(fēng)險(xiǎn)指標(biāo)。今年以來(lái)，這些指標(biāo)的負(fù)向超額先增后減，表現(xiàn)出現(xiàn)一定分化。資料來(lái)源：Wind，中信證券研究部資料來(lái)源：Wind，中信證券研究部?jī)扇谟囝~及兩融標(biāo)的數(shù)量變化部分負(fù)向指標(biāo)組合2021年以來(lái)凈值及負(fù)向組合相對(duì)中證800業(yè)績(jī)?nèi)谌袌?chǎng)穩(wěn)步擴(kuò)大，負(fù)向Alpha策略前景廣闊120001000080006000160001400010005000150020002017-012017-052017-092018-012018-052018-092019-012019-052019-092020-012020-052020-092021-012021-05融券余額（億元

12、） 轉(zhuǎn)融券余額（億元）融資余額（億元，右軸）20001800160014001200100080022002017012620170531201709292018013120180531201809282019013120190531201909302020012320200529202009302021012920210514標(biāo)的數(shù)量0.851.051.2512-3101-0801-1501-2201-2902-0502-1902-2603-0503-1203-1903-2604-0204-1204-1904-2605-0605-13 非金融(結(jié)構(gòu).中信)（右軸）存貸雙高資產(chǎn)減值/總資產(chǎn) 經(jīng)

13、營(yíng)活動(dòng)現(xiàn)金流凈額/凈利潤(rùn) 非主業(yè)資產(chǎn)/總資產(chǎn)應(yīng)收賬款周轉(zhuǎn)率年化超額收年化波動(dòng)信息率負(fù)超額收益最大回撤(%)全部-7.3524.62-1.0215.5620218.1718.940.5815.562020-16.4523.73-1.988.042019-22.9123.26-3.268.112018-10.1021.35-1.434.962017-18.3513.85-4.112.302016-1.2628.66-0.303.692015-1.0542.49-0.0810.507益(%)率(%)遺傳規(guī)劃：通過(guò)適應(yīng)度評(píng)估個(gè)體優(yōu)劣，精英個(gè)體作為父系進(jìn)一步進(jìn)化（復(fù)制、交叉、變異）。理論上，使用基本數(shù)學(xué)

14、和邏輯運(yùn)算符，可以表述所有已知和未知的技術(shù)指標(biāo)和交易經(jīng)驗(yàn)。但基于現(xiàn)有的運(yùn)算能力，限定 運(yùn)算和數(shù)據(jù)范圍能有效提高交易系統(tǒng)開發(fā)效率。從因子表現(xiàn)來(lái)看，t+2日開盤價(jià)相對(duì)t+1日開盤價(jià)的收益計(jì)算口徑下，如不考慮交易費(fèi)用，高頻量?jī)r(jià)因子今年以來(lái)多空組 合年化相對(duì)收益的均值為83.4%，但2020年以來(lái)多空相對(duì)收益明顯低于前期水平。資料來(lái)源：Wind，中信證券研究部。詳見多因子量化選股系列專題研究-結(jié)合日內(nèi)分時(shí)特征的量?jī)r(jià)增強(qiáng)模型研究（2020年12月31日）因子名稱Alpha1Alpha2Alpha3Alpha4 Alpha5 Alpha6 Alpha7Alpha8遺傳規(guī)劃個(gè)體交叉與變異示意圖日頻量?jī)r(jià)因子表

15、達(dá)式及多空組合年化相對(duì)收益的時(shí)序變化基于遺傳規(guī)劃的量?jī)r(jià)因子挖掘ean(closeretavg,3)180%cs_add(cs_mul(ts_mean(closeswapstd,3),ts_max(corrpriceswap,3),cs_sub(closeretavg,ts_min(openretavg,3)160%cs_mul(cs_mul(ts_mean(closeretavg,3),ts_max(closeretavg,3),cs_cub 140%e(ts_mean(swapstd,5)120%cs_div(cs_mul(ts_max(closeswapstd,3),ts_mean(clo

16、seretavg,3),cs_cu rt(ts_mean(openpriceavg,3)100%cs_cube(cs_add(cs_cube(ts_mean(highretstd,3),cs_add(closeretavg,t80%s_max(closeswapstd,3)60%cs_div(cs_mul(ts_max(closeswapstd,3),ts_mean(retavg,3),cs_sqrt(ts_ min(openretavg,3)40%cs_add(cs_cube(ts_max(highswapstd,3),20%cs_curt(ts_minmaxnorm(closeretavg

17、,10)0%cs_mul(cs_mul(ts_max(highswapavg,3), ts_max(closeswapstd,3), cs_mul(highswapstd, ts_minmaxnorm(closeretavg,10)因子表達(dá)式cs_add(cs_cube(ts_max(closeswapstd,3),cs_mul(corrpriceswap,ts_m2013年-2019年2020年-2021年5月14日89資料來(lái)源：，中信證券研究部資料來(lái)源：，中信證券研究部2018年投資機(jī)構(gòu)在另類數(shù)據(jù)上預(yù)算的分布2018年不同管理規(guī)模的投資機(jī)構(gòu)在另類數(shù)據(jù)上的平均預(yù)算Alpha源的拓展另類數(shù)據(jù)資

18、料來(lái)源：，中信證券研究部2018年投資機(jī)構(gòu)對(duì)各類投資研究方式未來(lái)變化的預(yù)期Investment bank research Financial information systems (e.g., Thomson Reuters)11%7%50%29%61%18%32%7%7%Conferences Financial publications (e.g., Barrons)Investment newsletters7%4%4%4%4%4%36%68%61%62%57%46%7%4%7%7%4%7%減少保持增加Alternative data sources4%4%21%43%11%50%I

19、ndependent research providers7%29%57%39%43%$357,143$607,143$1,056,250$1,472,222$1,600,000$1,400,000$1,200,000$1,000,000$800,000$600,000$400,000$200,000$037%41%15%7%$5百萬(wàn)預(yù)訓(xùn)練微調(diào)參數(shù)BERT模型：深度提取情緒信息資料來(lái)源：，中信證券研究部傳統(tǒng)的情緒識(shí)別模型存在諸多不足依賴于情緒詞庫(kù)的建立，工程量巨大容易斷章取義，對(duì)諸如“減少虧損”的表達(dá)可能完全理解錯(cuò)誤。BERT：2018年Google團(tuán)隊(duì)在“BERT: Pre-training

20、 of Deep Bidirectional Transformers for LanguageUnderstanding”提出的一種新的語(yǔ)言模型。能對(duì)整句文本進(jìn)行建模，有效避免傳統(tǒng)模型的斷章取義的問(wèn)題通過(guò)在大語(yǔ)料比如維基百科上進(jìn)行預(yù)訓(xùn)練，充分學(xué)習(xí)語(yǔ)言的規(guī)律，吸收豐富的知識(shí)并進(jìn)行遷移，從而降低對(duì)目標(biāo)數(shù)據(jù)量 的要求。預(yù)訓(xùn)練和參數(shù)微調(diào)示意圖10情緒指標(biāo)相對(duì)市場(chǎng)具有短期領(lǐng)先效應(yīng)。情緒指標(biāo)的短期風(fēng)險(xiǎn)防范效果。情緒指標(biāo)對(duì)熱門行業(yè)的熱點(diǎn)發(fā)現(xiàn)作用。資料來(lái)源：Wind，中信證券研究部2019-2020情緒指標(biāo)和中證全指走勢(shì)基于新聞的輿情指標(biāo)相關(guān)研究5000480046004400420040003800360034003200300000.080.060.040.020.00-0.02-0.04-0.06-0.082019-01-022019-01-222019-02-182019-03-082019-03-282019-04-182019-05-132019-05-312019-06-212019-07-112019-07-312019-08-202019-09-092019-09-302019-10-252019-11-142019-12-