策略創(chuàng)新思路講座

量化投資七日談王雄博士教授混沌量化投資實(shí)驗(yàn)室主任深圳大學(xué)高等研究院

WANGXIONGDirectorofChaosQuantLab2023/2/27（內(nèi)部討論資料，僅供內(nèi)部討論，勿公開傳播）課程總目錄七日談量化投資思想與快速上手經(jīng)典模型與優(yōu)秀案例分析策略創(chuàng)新之風(fēng)險(xiǎn)控制策略創(chuàng)新之風(fēng)格輪動(dòng)策略創(chuàng)新之因子創(chuàng)新策略創(chuàng)新之基本面量化策略創(chuàng)新之人工智能第一談

量化投資思想與快速上手量化到底為什么盈利？量化投資到底賺的什么錢？華爾街就三種人賺錢：Befirst,besmarter,orcheat;Andwedon'tcheat想清楚是賺哪一類的錢，是一切投資的首要問題，量化投資當(dāng)然也不例外first:速度優(yōu)勢，工具優(yōu)勢，量化平臺的信息獲取速度反應(yīng)速度優(yōu)勢，執(zhí)行力優(yōu)勢smarter:模型本身，數(shù)學(xué)算法優(yōu)勢，分析判斷力優(yōu)勢廣義的各類超額收益阿爾法來源：想清楚賺的什么錢基于投資內(nèi)在邏輯的收益來源宏觀市場：外因，經(jīng)濟(jì)，貨幣，指數(shù)大勢行業(yè)與公司基本面：內(nèi)因，行業(yè)發(fā)展趨勢，公司財(cái)務(wù)價(jià)值成長事件驅(qū)動(dòng)：突變與擾動(dòng)，年報(bào)高送轉(zhuǎn)、資產(chǎn)重組、定向增發(fā)市場行為：趨勢形成，市場價(jià)格自反饋基于相對價(jià)值的收益來源狹義阿爾法：基于公司基本面的相對優(yōu)勢統(tǒng)計(jì)套利：基于不同投資標(biāo)的統(tǒng)計(jì)相關(guān)性基于博弈格局交易行為的收益來源微觀：誰急著買，誰不在乎價(jià)格，高頻割羊毛，散戶處置效應(yīng)宏觀：散戶倉位，小機(jī)構(gòu)倉位，大機(jī)構(gòu)倉位，國家隊(duì)基于速度優(yōu)勢等的收益來源高頻交易基于信息優(yōu)勢的收益來源深度調(diào)研想清楚是賺哪一類的錢，是一切投資的首要問題，量化投資當(dāng)然也不例外廣義的各類超額收益阿爾法來源：利用不同的數(shù)據(jù)源基于投資內(nèi)在邏輯的收益來源宏觀市場：宏觀經(jīng)濟(jì)數(shù)據(jù)行業(yè)與公司基本面：公司財(cái)務(wù)，行業(yè)相關(guān)信息事件驅(qū)動(dòng)：公告、新聞、輿情市場行為：量價(jià)低頻數(shù)據(jù)基于相對價(jià)值的收益來源狹義阿爾法：公司財(cái)務(wù)報(bào)表傳統(tǒng)多因子統(tǒng)計(jì)套利：不同標(biāo)的的歷史量價(jià)基于博弈格局交易行為的收益來源微觀：量價(jià)高頻數(shù)據(jù)，level2數(shù)據(jù)宏觀：機(jī)構(gòu)持倉等博弈數(shù)據(jù)基于速度優(yōu)勢等的收益來源量價(jià)高頻數(shù)據(jù)，level2數(shù)據(jù)基于信息優(yōu)勢的收益來源深度調(diào)研所有的基于客觀數(shù)據(jù)的科學(xué)分析的研究方法，都是量化投資，都是金融建模量化選股量化對沖CTA期貨策略2017年來量化投資特別是阿爾法策略遭遇挑戰(zhàn)問題一、國內(nèi)對沖工具有限

阿爾法策略是通過持有股票多頭組合，同時(shí)做空股指期貨，覆蓋風(fēng)險(xiǎn)敞口，達(dá)到理論上完全的市場中性。

而現(xiàn)實(shí)中，由于國內(nèi)對沖工具有限，如果想做到配對交易，在構(gòu)建股票多頭組合時(shí)，就必須選擇滬深300、中證500、上證50中的股票。所以，如果全市場選股，在有限的對沖工具下，并不可能做到所謂的“對沖掉系統(tǒng)風(fēng)險(xiǎn)”。而實(shí)際情況是，很多對沖基金只要做阿爾法都會選擇小票（非滬深300、中證500、上證50的股票）。阿爾法策略實(shí)際操作面臨的問題問題二、傳統(tǒng)小市值因子失效

基于歷史回測的多因子選股模型?；谶^去表現(xiàn)良好的量化選股模型，往往會有偏向于小市值因子。基于歷史回測而缺乏對市場風(fēng)格切換的捕捉和預(yù)判，很多對沖基金只要做阿爾法都會選擇小票（非滬深300、中證500、上證50的股票）。這樣一來，一旦出現(xiàn)類似今年上半年的“漂亮50”和“要命3000”行情，產(chǎn)品虧損在所難免。

阿爾法策略實(shí)際操作面臨的問題小票選股+滬深300對沖的效果

這是十年百倍的小市值大法，對沖滬深300，我想展示的是對沖與不對沖，純多有8倍收益，回撤40%多；對沖呢，5倍收益，回撤也有30%多，而且還因?yàn)閷_多出現(xiàn)了一次大的回撤，就是在14年底那一波指數(shù)大漲時(shí)。買小票用滬深300對沖這本來邏輯上就不成立而且這還是理想對沖，實(shí)際操作還有貼水股指限制換月成本等等麻煩。所以用股指對沖的阿爾法，并不是如教科書所言，是對沖掉了系統(tǒng)風(fēng)險(xiǎn)，我認(rèn)為只是一個(gè)股票多頭和股指空頭兩個(gè)并不那么相關(guān)的策略組合而已。

阿爾法策略實(shí)際操作面臨的問題問題三、當(dāng)分散投資遇上一九行情

量化投資往往通過較大的股票池，分散持倉以求降低風(fēng)險(xiǎn)。

今年上半年市場呈現(xiàn)出顯著的一九行情。一方面是價(jià)值股的“漂亮50”表現(xiàn)靚麗，另一方面是“要你命3000”的市場下跌，使得量化投資的分散投資以降低個(gè)股風(fēng)險(xiǎn)的原則受到挑戰(zhàn)。較大的分散持倉會加大選到下跌股票的概率。阿爾法策略實(shí)際操作面臨的問題通過多因子去剔除差股票，在一九行情下難度極大一九行情量化分析通過多因子去剔除差股票，在一九行情下難度極大問題四、股指貼水與受限

自2017年4月5日起，滬深300、上證50和中證500股指期貨各合約限價(jià)指令每次最大下單數(shù)量調(diào)整為20手，市價(jià)指令每次最大下單數(shù)量調(diào)整為10手。2017年滬深300指數(shù)與滬深300股指期貨掛盤基準(zhǔn)價(jià)的比較（以數(shù)字3,6,9,12結(jié)束的合約交易時(shí)間約為8個(gè)月，其余合約交易時(shí)間約為2個(gè)月）交易時(shí)間為2個(gè)月的合約，合約掛盤基準(zhǔn)價(jià)的貼水比例在0.69%~0.83%之間，這意味著如果不計(jì)交易手續(xù)費(fèi)，今年的阿爾法策略因?yàn)橘N水而導(dǎo)致的年化收益率降低比例應(yīng)為4.2%~5.1%。還有移倉換月、流動(dòng)性、交易成本等等阿爾法策略實(shí)際操作面臨的問題合約上市日期掛盤基準(zhǔn)價(jià)上市前一日收盤指數(shù)貼水比例IF17091月23日32923354.891.87%IF17042月20日33983421.440.69%IF17053月20日34213449.610.83%IF17124月24日33593466.793.11%IF17075月22日33793403.850.73%IF17086月19日34943518.760.70%IF18037月24日36773728.601.38%快速上手量化平臺一個(gè)量化平臺給你提供的無非就是1規(guī)整好的數(shù)據(jù)2完善精細(xì)的回測框架3模擬交易服務(wù)4未來可能的對接實(shí)盤1研究手冊2利用社區(qū)

3克隆改進(jìn)學(xué)習(xí)第二談

經(jīng)典模型與優(yōu)秀案例分析他山之石先看一個(gè)比較經(jīng)典的多因子選股流程模型建立模型思路模型實(shí)證檢驗(yàn)?zāi)Ｐ涂偨Y(jié)建立預(yù)備因子庫，檢驗(yàn)單因子有效性檢驗(yàn)有效因子之間的相關(guān)性基于歷史數(shù)據(jù)檢驗(yàn)?zāi)Ｐ涂冃е笜?biāo)構(gòu)建多因子選股模型步驟構(gòu)建因子庫單因子的顯著性檢驗(yàn)單因子的穩(wěn)定性檢驗(yàn)因子間的相關(guān)性檢驗(yàn)股票池中證800成分股構(gòu)建因子庫備選因子庫指標(biāo)定義說明指標(biāo)名稱因子定義估值指標(biāo)BP_LF最近財(cái)報(bào)的凈資產(chǎn)/總市值EP_TTM過去12個(gè)月的凈利潤/總市值純技術(shù)指標(biāo)Return1M20日收益Return3M60日收益PPReversal5日均價(jià)/60日成交均價(jià)Turnoverrate以流通股本計(jì)算的20日日均換手率規(guī)模因子Totalvalue總市值Floatvalue流通市值成長類因子SalesGrowth_YOY主營業(yè)務(wù)收入增長率EquityGrowth_YOY凈資產(chǎn)增長率構(gòu)建因子庫因子預(yù)處理采取中位數(shù)去極值的方法剔除異常值，將原始因子值調(diào)整到3倍絕對偏離中位數(shù)的范圍內(nèi)。構(gòu)建因子庫原始因子值處理前后與下一個(gè)月收益率序列相關(guān)性對比處理前處理后構(gòu)建因子庫因子中性化處理對行業(yè)虛擬值進(jìn)行多元回歸得到殘差值，并將其作為過渡因子值，將剛才得到的殘差值對市值的對數(shù)和beta值做多元回歸得到新的殘差值，并將其作為最終的因子值。行業(yè)虛擬變量采用申萬一級的行業(yè)分類，包含了28個(gè)行業(yè)。構(gòu)建因子庫因子回歸檢驗(yàn)利用每只股票的因子值與對應(yīng)的下個(gè)月收益計(jì)算相關(guān)績效指標(biāo)（即IC值），逐月回歸檢驗(yàn)，選出相關(guān)并能預(yù)測收益率的有效因子。采用Spearman秩相關(guān)檢驗(yàn)測定單因子數(shù)值和對應(yīng)的下一個(gè)月收益率的相關(guān)性。Spearman秩相關(guān)是利用Spearman等級相關(guān)系數(shù)測定變量間等級相關(guān)程度的一種非參數(shù)統(tǒng)計(jì)相關(guān)分析方法。單因子的顯著性檢驗(yàn)經(jīng)過檢驗(yàn)，我們篩選了以下6個(gè)表現(xiàn)因子因子名稱因子定義排序行業(yè)中性風(fēng)格中性Turnoverrate20日換手率升序否是Return1M1個(gè)月的收益率升序否是Return3M3個(gè)月的收益率升序否是PPReversal5日均價(jià)/60日成交均價(jià)升序否是Totalvalue總市值升序否否Floatvalue流動(dòng)市值升序否否單因子的顯著性檢驗(yàn)因子名稱RankICt(IC)IR正顯著率負(fù)顯著率覆蓋率Turnoverrate-6.84%-6.90-0.639.24%41.18%96.61%Return1M-4.07%-4.16-0.3813.45%34.45%97.22%Return3M-4.23%-3.35-0.4215.97%31.93%97.08%PPReversal-3.90%-3.65-0.3316.81%37.82%97.27%Totalvalue-4.13%-2.96-0.2723.53%43.70%98.57%Floatvalue-3.34%-2.44-0.2228.57%35.29%98.57%從右表可以看出，換手率、1個(gè)月的收益率、3個(gè)月的收益率以及總市值四個(gè)因子的表現(xiàn)較為突出。RankIC保持在4%以上，t統(tǒng)計(jì)量都大于3，顯著率均大于30%，表現(xiàn)出了非常強(qiáng)的收益預(yù)測能力。單因子的顯著性檢驗(yàn)單因子構(gòu)建股票組合單個(gè)因子構(gòu)建股票組合時(shí)，剔除樣本空間內(nèi)的停牌股票，然后根據(jù)單個(gè)因子對應(yīng)因子回報(bào)，按照收益率從大到小分為5組，記為Top、Group2、Group3、Group4、Bottom每組成分股股數(shù)為中證800總數(shù)的20%。從時(shí)間序列的角度觀察各組的年化收益、夏普比率、最大回撤以及勝率等。單因子的顯著性檢驗(yàn)單因子的穩(wěn)定性檢驗(yàn)選取2007年1月31日至2016年12月31日中，中證800指數(shù)成分股作為樣本空間基于20日換手率、1個(gè)月的收益率、3個(gè)月的收益率、5日均價(jià)/60日成交均價(jià)、總市值以及流通市值六個(gè)因子分別得到五個(gè)不同股票組合，并依此記錄不同組合的收益率，滾動(dòng)計(jì)算。單因子Totalvalue的選股收益表現(xiàn)單因子的穩(wěn)定性檢驗(yàn)單因子Return1M的選股收益表現(xiàn)單因子的穩(wěn)定性檢驗(yàn)單因子Return3M的選股收益表現(xiàn)單因子的穩(wěn)定性檢驗(yàn)單因子Turnoverrate的選股收益表現(xiàn)單因子的穩(wěn)定性檢驗(yàn)單因子PPReversal的選股收益表現(xiàn)單因子的穩(wěn)定性檢驗(yàn)單因子Floatvalue的選股收益表現(xiàn)單因子的穩(wěn)定性檢驗(yàn)因子選股的年化收益率因子名稱TOPGroup2Group3Group4BOTTOMTotalvalue26.42%16.51%12.00%7.90%5.13%Floatvalue23.54%16.87%14.10%8.77%4.50%Turnoverrate23.26%16.44%17.11%10.39%2.76%Return1M19.56%18.91%17.81%11.44%2.06%Return3M18.02%18.24%16.73%12.67%3.74%PPReversal18.98%21.73%16.58%9.93%2.32%單因子的穩(wěn)定性檢驗(yàn)因子的績效指標(biāo)(多空組合)因子名稱年化收益率年化波動(dòng)率夏普比率月勝率最大回撤率Totalvalue20.12%15.54%1.1067.23%-31.65%Floatvalue18.34%14.77%1.0465.55%-28.76%Turnoverrate13.90%14.08%0.7763.87%-25.59%Return1M16.04%15.68%0.8059.66%-18.70%Return3M14.58%13.16%0.8858.82%-24.37%PPReversal15.44%15.99%0.7861.34%-25.97%單因子的穩(wěn)定性檢驗(yàn)可以看出，這六個(gè)因子對5個(gè)股票組合收益率的驅(qū)動(dòng)有很好的分層效果，我們可以認(rèn)為因子對獲取超額收益率是非常有效的。因子間的相關(guān)性檢驗(yàn)我們采用不同因子歷史RankIC的時(shí)間序列線性相關(guān)系數(shù)檢驗(yàn)因子之間的相互關(guān)系。IC相關(guān)系數(shù)能提供如下的信息：當(dāng)基于Totalvalue(總市值)的因子能夠獲得正的超額收益時(shí)，基于1M收益率或者3M收益率的成長性因子能否也獲得正的超額收益。這是構(gòu)建多因子模型時(shí)我們最為關(guān)注的因素。較低的IC相關(guān)系數(shù)表明，在一類因子表現(xiàn)不佳時(shí)，另一類因子仍然能夠獲得正的超額收益，這樣可以大幅提高多因子模型的穩(wěn)定程度。檢驗(yàn)不同的因子之間的相互關(guān)系因子間的相關(guān)性檢驗(yàn)通過下表可以看出風(fēng)險(xiǎn)類因子之間有很強(qiáng)的正相關(guān)性，流動(dòng)市值因子和總市值因子相關(guān)性很高，IC相關(guān)系數(shù)接近1。技術(shù)類因子中，5日均價(jià)/60日成交均價(jià)分別和1個(gè)月收益率、3個(gè)月收益率呈現(xiàn)較為明顯的正相關(guān)，IC相關(guān)系數(shù)均在0.5以上。市值因子和其他因子相關(guān)性普遍較低，均在0.3以下，20日換手率和市值因子呈現(xiàn)了負(fù)相關(guān)，說明20日換手率與市值因子的結(jié)合可以實(shí)現(xiàn)顯著的分散效應(yīng)，提升多因子模型的穩(wěn)定性。因子名稱TotalvalueFloatvalueTurnoverrateReturn1MReturn3MPPReversalTotalvalue100.00%97.09%-25.99%19.84%9.60%16.98%Floatvalue97.09%100.00%-34.43%17.29%7.54%14.51%Turnoverrate-25.99%-34.43%100.00%18.73%25.05%20.91%Return1M19.84%17.29%18.73%100.00%54.29%77.88%Return3M9.60%7.54%25.05%54.29%100.00%83.13%PPReversal16.98%14.51%20.91%77.88%83.13%100.00%綜合考慮因子的顯著性水平、穩(wěn)定性和相關(guān)性，我們采用Turnoverrate（20日換手率）、Return3M（3個(gè)月的收益率）以及Totalvalue（總市值）三個(gè)因子。并根據(jù)這個(gè)三個(gè)有效因子建立多因子選股模型，其中每個(gè)因子在模型中的權(quán)重相等。因子間的相關(guān)性檢驗(yàn)前面我們已經(jīng)對因子的有效性進(jìn)行了檢驗(yàn)篩選得出了下列三個(gè)有效因子/Totalvalue（總市值）Return3M（3個(gè)月的收益率）Turnoverrate（20日換手率）檢驗(yàn)思路股票池：中證800成分股具體思路：樣本期間內(nèi)，每月末根據(jù)模型檢驗(yàn)，將3個(gè)有效因子分別推薦的股票選取前20只股票組合，重新組合成一個(gè)新的股票組合，并計(jì)算該股票組合的收益率，按月更新，滾動(dòng)計(jì)算收益，交易手續(xù)費(fèi)0.03%，考察多因子模型的收益表現(xiàn)。建立中證800指數(shù)基金模擬建立中證800指數(shù)基金，觀察選股模型推薦的股票組合在對沖和未對沖條件下的凈值走勢圖。其中模擬建立中證800指數(shù)基金完全跟蹤中證800指數(shù)。樣本內(nèi)檢驗(yàn)樣本內(nèi)區(qū)間：2007.1.1—2012.12.31樣本內(nèi)檢驗(yàn)?zāi)Ｐ捅憩F(xiàn)累計(jì)收益率年化收益率年化波動(dòng)率夏普比率月勝率最大回撤Turnoverrate、Return3M、Totalvalue多因子選股模型組合271.32%24.82%35.42%0.6258.33%-67.44%指數(shù)對沖組合221.39%21.81%11.99%1.5766.67%-17.21%中證800指數(shù)基金14.58%2.33%32.64%-0.0254.17%-71.76%2007.1.1—2012.12.31樣本內(nèi)檢驗(yàn)2007.1.1—2012.12.31樣本內(nèi)對沖后的組合回撤圖樣本內(nèi)未對沖的股票組合回撤樣本內(nèi)中證800指數(shù)型基金回撤樣本內(nèi)凈值走勢圖樣本外檢驗(yàn)樣本外期間：2012.12.31—2016.12.31樣本外檢驗(yàn)?zāi)Ｐ捅憩F(xiàn)累計(jì)收益率年化收益率年化波動(dòng)率夏普比率月勝率最大回撤Turnoverrate、Return3M、Totalvalue多因子選股模型組合191.06%30.62%33.61%0.8265.31%-50.30%指數(shù)對沖組合106.14%19.82%13.85%1.2169.39%-24.35%中證800指數(shù)基金44.62%9.66%27.11%0.8259.18%-48.98%2012.12.31——2016.12.31樣本外檢驗(yàn)2012.12.31——2016.12.31樣本外對沖后的組合回撤圖樣本外未對沖的股票組合回撤樣本外中證800指數(shù)型基金回撤樣本外凈值走勢圖因子創(chuàng)新之三：

不同環(huán)境下因子的有效性王雄深大混沌量化投資研究中心54

不同環(huán)境下因子的有效性我們將開展多因子選股系列研究，我們共分析了五大類指標(biāo)：估值類（7個(gè)指標(biāo)）、財(cái)務(wù)成長類（15個(gè)指標(biāo)）、財(cái)務(wù)質(zhì)量類（10個(gè)指標(biāo)）、價(jià)量類（6個(gè)指標(biāo)）、分析師預(yù)期類（2個(gè)指標(biāo)）。通過多角度和更細(xì)致的分析和測算挖掘出最有效和穩(wěn)健的因子。在這里我們分析了不同股票池和不同市場環(huán)境下因子的有效性。為了提高各個(gè)因子在個(gè)股之間的可比性，我們分別在

HS300

和

ZZ500

成分股中分總體、周期類、非周期類共

6

個(gè)股票池中進(jìn)行因子的有效性分析。并統(tǒng)計(jì)分析了不同市場環(huán)境下的因子有效性，為指導(dǎo)實(shí)際投資提供更全面的信息。王雄深大混沌量化投資研究中心思考：在全市場無效的因子，就一定沒有價(jià)值嗎，可否針對大盤股或小盤股有效？可否針對周期類或非周期類有效？55

不同環(huán)境下因子的有效性市盈率（PE）總體來看，五檔累計(jì)收益圖基本呈現(xiàn)出PE較低的組合收益率較高的特征。值得注意的是，在HS300成份股中，最靠前的是第4檔、而非第5檔的股票，且其收益率大幅領(lǐng)先其他組，也就是說并不是PE最低的表現(xiàn)最好，而是PE較低的表現(xiàn)較好。具體來看：從市值特征看，PE在HS300和ZZ500股票池中表現(xiàn)出的有效性規(guī)律相似；從行業(yè)屬性看，PE在非周期股票池中的有效性明顯強(qiáng)于周期類；從市場環(huán)境看，PE在牛市表現(xiàn)更好。王雄深大混沌量化投資研究中心56不同市場環(huán)境下有效性的一些結(jié)果（1）HS300中，首選有效因子有：PS，PCF，營業(yè)收入增長率（單季、同比），凈利潤增長率（單季、同比），經(jīng)營現(xiàn)金流增長率（單季、同比），ROE增長率（單季、同比），ROA增長率（單季、同比、TTM）。

ZZ500中，首選有效因子有：PS，PB，EV/EBITDA，凈利潤增長率（單季）。（2）市值大小對因子有效性影響顯著：如ROE、ROA增長率在HS300中有效性明顯，而在ZZ500中幾乎無效；EV/EBITDA則反之。

（3）估值：PS最有效，PE在非周期中有效性高：總體來看，PS有效性在所有因子中最高，在周期股中相對更高；PE只在非周期中表現(xiàn)有效。

（4）PB熊市表現(xiàn)更好，財(cái)務(wù)增長率指標(biāo)震蕩市表現(xiàn)最佳。（5）財(cái)務(wù)指標(biāo)的短期增長率更有效：營業(yè)收入、凈利潤等財(cái)務(wù)指標(biāo)的單季和同比增長率的有效性高于TTM增長率。王雄深大混沌量化投資研究中心思考：所以在全市場中表現(xiàn)不好的丟棄因子，拿到具體的特定的環(huán)境下可以化腐朽為神奇57PPT模板：PPT素材：PPT背景：PPT圖表：PPT下載：PPT教程：資料下載：范文下載：試卷下載：教案下載：PPT論壇：PPT課件：語文課件：yuwen/數(shù)學(xué)課件：shuxue/英語課件：yingyu/美術(shù)課件：meishu/科學(xué)課件：kexue/物理課件：wuli/化學(xué)課件：huaxue/生物課件：shengwu/地理課件：dili/歷史課件：lishi/模型建立與特點(diǎn)

1、市場行情劃分2、有效因子選取3、與技術(shù)面的結(jié)合策略流程開始數(shù)據(jù)準(zhǔn)備不同市場行情的劃分因子選取打分排序后選股并做空股指期貨定期調(diào)倉1.市場性質(zhì)劃分HS300>0ZZ500>0HS300>0ZZ500<0HS300<0ZZ500>0HS300<0ZZ500<0【雙熊】【大盤股?！俊拘”P股?！俊倦p?！?.1市場行情象限圖R(HS300)R(ZZ500)0大盤股牛雙牛雙熊小盤股牛PPT模板：PPT素材：PPT背景：PPT圖表：PPT下載：PPT教程：資料下載：范文下載：試卷下載：教案下載：PPT論壇：PPT課件：語文課件：yuwen/數(shù)學(xué)課件：shuxue/英語課件：yingyu/美術(shù)課件：meishu/科學(xué)課件：kexue/物理課件：wuli/化學(xué)課件：huaxue/生物課件：shengwu/地理課件：dili/歷史課件：lishi/2.有效因子選取2.1套利定價(jià)理論：套利定價(jià)理論是利用多因素模型來描述資產(chǎn)價(jià)格的決定因素和均衡價(jià)格的形成機(jī)理的。成長類因子盈利類因子估值類因子技術(shù)類因子12個(gè)月凈資產(chǎn)收益變化率資產(chǎn)收益率市盈率一個(gè)月平均換手率凈利潤增長率凈資產(chǎn)收益率市凈率100周BETA凈資產(chǎn)增長率企業(yè)價(jià)值倍數(shù)倒數(shù)每股現(xiàn)金流量凈額

速動(dòng)比率

2.2備選因子庫2.3多元線性回歸：對四種市場性質(zhì)下的數(shù)據(jù)進(jìn)行橫截面回歸，分別得到各個(gè)性質(zhì)市場下的有效因子。

行情雙牛大盤股牛小盤股牛雙熊有效因子ROAROA_CHGTURNOVEREBIT_EVPEPBTURNOVERPEPE2.4選出的有效因子3.與技術(shù)面的結(jié)合3.1技術(shù)面指結(jié)合流程3.2對技術(shù)面指標(biāo)有效性分析

多因子策略（夏普）多因子+技術(shù)面策略（夏普）20074.23.738620081.9211.50920093.11623.209220104.04483.567320110.82561.26920121.48922.436520131.14892.0176total2.58862.5262平均提高夏普比率接近1PPT模板：PPT素材：PPT背景：PPT圖表：PPT下載：PPT教程：資料下載：范文下載：試卷下載：教案下載：PPT論壇：PPT課件：語文課件：yuwen/數(shù)學(xué)課件：shuxue/英語課件：yingyu/美術(shù)課件：meishu/科學(xué)課件：kexue/物理課件：wuli/化學(xué)課件：huaxue/生物課件：shengwu/地理課件：dili/歷史課件：lishi/模型應(yīng)用與改進(jìn)

1、模型測試結(jié)果2、對于模型參數(shù)優(yōu)化和選擇3、模型改進(jìn)方向PPT模板：PPT素材：PPT背景：PPT圖表：PPT下載：PPT教程：資料下載：范文下載：試卷下載：教案下載：PPT論壇：PPT課件：語文課件：yuwen/數(shù)學(xué)課件：shuxue/英語課件：yingyu/美術(shù)課件：meishu/科學(xué)課件：kexue/物理課件：wuli/化學(xué)課件：huaxue/生物課件：shengwu/地理課件：dili/歷史課件：lishi/累計(jì)超額收益率：2.3088持倉股數(shù)：40調(diào)倉周期：30最大回撤：12.39%夏普比率：2.52121、模型測試結(jié)果PPT模板：PPT素材：PPT背景：PPT圖表：PPT下載：PPT教程：資料下載：范文下載：試卷下載：教案下載：PPT論壇：PPT課件：語文課件：yuwen/數(shù)學(xué)課件：shuxue/英語課件：yingyu/美術(shù)課件：meishu/科學(xué)課件：kexue/物理課件：wuli/化學(xué)課件：huaxue/生物課件：shengwu/地理課件：dili/歷史課件：lishi/只持有5只股票收益分析累計(jì)超額收益率：2.1685持倉股數(shù)：5調(diào)倉周期：30最大回撤：27.63%夏普比率：1.54692.對于模型參數(shù)選擇和穩(wěn)健性檢驗(yàn)2.1模型主要參數(shù)①持倉周期②持股數(shù)量一、建模目的與問題分析尋找可獲最大超額收益的個(gè)股傳統(tǒng)因子與模型在中國市場表現(xiàn)不良?xì)W美與中國的市場的區(qū)別采用EV/EBITDA因子進(jìn)行回測，對個(gè)股篩選出EV/EBITDA最高的20%采用EBITDA/EV因子進(jìn)行回測，對個(gè)股篩選出EBITDA/EV最高的20%采用ROIC因子進(jìn)行回測，對個(gè)股篩選出ROIC最高的20%采用ROIC與EBITDA/EV因子組合進(jìn)行回測，對個(gè)股篩選出該因子組合最高的4%（20%×20%）采用EBITDA_TTM/EV因子進(jìn)行回測，對個(gè)股篩選出EBITDA_TTM/EV最高的20%二、模型建立YYNN開始數(shù)據(jù)準(zhǔn)備市場波動(dòng)范圍是否較大？

將個(gè)股根據(jù)EBITDA/EV排序取其中EBITDA/EV最高的15%的個(gè)股，記為data將data中的個(gè)股根據(jù)ROIC進(jìn)行排序取其中ROIC最高的17%的個(gè)股，記為data將資金平均分為40份，每只個(gè)股買入一份金額是否達(dá)到了最后期限？等待90天將個(gè)股根據(jù)EBITDA_TTM/EV進(jìn)行排序取其中EBITDA_TTM/EV最高的18%的個(gè)股，記為data取最后一個(gè)因子（ROIC或EBITDA_TTM/EV）最高的40只個(gè)股結(jié)束1、市場狀態(tài)判斷（以下月K線圖來源于滬深300）06年12月13年12月07年10月08年4月08年10月若前三個(gè)周期價(jià)格總變化率大于80%且前三個(gè)周期中存在一個(gè)周期的變化率大于40%，則我們認(rèn)為當(dāng)前市場處于一個(gè)大幅波動(dòng)的狀態(tài)；否則，我們則認(rèn)為當(dāng)前市場處于一個(gè)平穩(wěn)運(yùn)行的狀態(tài)。3、時(shí)間是否達(dá)到了最后期限開始數(shù)據(jù)準(zhǔn)備市場波動(dòng)范圍是否較大？

將個(gè)股根據(jù)EBITDA/EV排序取其中EBITDA/EV最高的15%的個(gè)股，記為data將data中的個(gè)股根據(jù)ROIC進(jìn)行排序取其中ROIC最高的17%的個(gè)股，記為data將資金平均分為40份，每只個(gè)股買入一份金額是否達(dá)到了最后期限？等待90天將個(gè)股根據(jù)EBITDA_TTM/EV進(jìn)行排序取其中EBITDA_TTM/EV最高的18%的個(gè)股，記為data取最后一個(gè)因子（ROIC或EBITDA_TTM/EV）最高的40只個(gè)股結(jié)束2、市場處于特定狀態(tài)時(shí)應(yīng)采取的選股策略，其中就有對傳統(tǒng)因子的改進(jìn)與創(chuàng)新YNYN三、模型應(yīng)用與結(jié)果基于因子擇時(shí)的價(jià)值與成長選股綜合模型

評價(jià)與改進(jìn)實(shí)現(xiàn)與測試

模型簡介模型簡介模型簡介ModelIllustration3、價(jià)值選股&成長選股1、模型框架2、擇時(shí)4、交易策略模型簡介ModelIllustration因子擇時(shí)綜合模型的基本結(jié)構(gòu)模型框架模型簡介模型框架核心觀點(diǎn)：1、市場存在趨勢上漲、趨勢下跌、震蕩上漲、震蕩下降等四種市場狀態(tài)

。2、下跌震蕩市看成長因子，否則（趨勢市和上漲震蕩市）看價(jià)值因子。模型簡介模型框架資產(chǎn)收益率因子擇時(shí)綜合模型價(jià)值模型成長模型凈利率同比增長率營業(yè)收入同比增長率流動(dòng)資產(chǎn)周轉(zhuǎn)率變化杠桿變化資產(chǎn)周轉(zhuǎn)率變化資產(chǎn)收益率變化

市凈率

下跌震蕩市趨勢市&上漲震蕩市

SFScore模型

SVM-GARCH模型

價(jià)格軌跡效率

模型簡介ModelIllustration基于SVM-GARCH的市場狀態(tài)預(yù)測與劃分模型擇時(shí)模型簡介擇時(shí)1、震蕩市和趨勢市的劃分若效率efficiency=0.25，當(dāng)效率高于0.25，可以視為價(jià)格運(yùn)動(dòng)變化效率比較高的狀態(tài)，即趨勢市場；反之，當(dāng)效率低于0.25，可以視為低效的，即震蕩的市場。價(jià)格軌跡效率：模型簡介擇時(shí)2、上漲市與下跌市的劃分選定支持向量機(jī)的輸入?yún)?shù)分析最終結(jié)果對輸入?yún)?shù)進(jìn)行標(biāo)準(zhǔn)化處理支持向量機(jī)的構(gòu)建得到預(yù)測結(jié)果根據(jù)GARCH模型獲得波動(dòng)率指標(biāo)，再將其與其他7個(gè)對沖標(biāo)的相關(guān)指標(biāo)一并作為SVM模型輸入數(shù)據(jù)，基于SVC分類預(yù)測對沖標(biāo)的漲跌情況，以區(qū)分上漲市和下跌市。GARCH模型波動(dòng)率其他七個(gè)對沖標(biāo)的相關(guān)指標(biāo)

上漲VS下跌GARCH模型波動(dòng)率

其他

上漲VS下跌價(jià)格軌跡效率趨勢VS震蕩下跌震蕩市

其他

SVM模型模型簡介擇時(shí)2、基于GARCH-SVM的市場狀態(tài)預(yù)測與劃分模型模型簡介ModelIllustrationSFScore模型與成長選股模型價(jià)值選股&成長選股模型簡介價(jià)值選股1、比喬斯基低市凈率選股策略比喬斯基價(jià)值選股策略是以市凈率分層為基礎(chǔ)，篩選出9個(gè)財(cái)務(wù)指標(biāo)。經(jīng)過回測和統(tǒng)計(jì)分析，我們發(fā)現(xiàn)選股方法在A股市場有如下缺陷：實(shí)證收益不佳；指標(biāo)間高相關(guān)性，高干擾性；A股市場相對于美國市場的波動(dòng)更高；財(cái)務(wù)報(bào)告編制方法、中美財(cái)務(wù)指標(biāo)的計(jì)算原則不同；A股市場的樣本量偏少，有些月份可能沒有入選股票。模型簡介價(jià)值選股

2、SFScore低市凈率價(jià)值模型的建立我們將原來的9個(gè)指標(biāo)優(yōu)選到5個(gè)，提出了更適合中國A股市場的SmallFScore（SFScore）低市凈率選股模型。資產(chǎn)收益率變化（△ROA）資產(chǎn)收益率（ROA）杠桿變化（△LEVER）資產(chǎn)周轉(zhuǎn)率（△TURN）毛利潤率變化（△MARGIN）盈利水平財(cái)務(wù)杠桿及流動(dòng)性

運(yùn)營效率SFScore=ROA+△ROA+△LEVER+△MARGIN+△TURN選取股票池中市凈率最低的20%的股票，計(jì)算其SFScore并挑選得分為4或5的股票。模型簡介成長選股3、成長選股模型營業(yè)收入增長率（同比）凈利潤增長率（同比）本期歸屬母公司凈利潤/1年前同期歸屬母公司凈利潤-1最近四個(gè)季度主營業(yè)務(wù)收入/前四個(gè)季度主營業(yè)務(wù)收入-1

50%50%對成長因子進(jìn)行加權(quán)打分，選出因子得分前10%的股票。模型簡介價(jià)值選股&成長選股選股模型指標(biāo)匯總市場狀態(tài)因子體系指標(biāo)含義權(quán)重

趨勢市&上漲震蕩市價(jià)值模型SFScore

資產(chǎn)收益（ROE）收益率為正數(shù)時(shí)ROE=1，否則為0

20%

資產(chǎn)收益率變化（△ROE）當(dāng)期最新可得財(cái)務(wù)報(bào)告的ROA同比的變化。變化為正數(shù)時(shí)△ROA=1，否則為0

20%

杠桿變化（△LEVER）杠桿通過非流動(dòng)負(fù)債合計(jì)除以非流動(dòng)資產(chǎn)合計(jì)計(jì)算，杠桿變化為當(dāng)期最新可得財(cái)務(wù)報(bào)告的杠桿同比的變化。變化為負(fù)數(shù)時(shí)△LEVER=1，否則為0

20%

流動(dòng)資產(chǎn)周轉(zhuǎn)率變化（△CATURN）流動(dòng)資產(chǎn)周轉(zhuǎn)率變化為當(dāng)期最新可得財(cái)務(wù)報(bào)告的資產(chǎn)周轉(zhuǎn)率同比的變化。變化為正數(shù)時(shí)△CATURN=1，否則為020%

資產(chǎn)周轉(zhuǎn)率變化（△TURN）資產(chǎn)周轉(zhuǎn)率通過總資產(chǎn)周轉(zhuǎn)率除以期末資產(chǎn)總值計(jì)算，資產(chǎn)周轉(zhuǎn)率變化為當(dāng)期最新可得財(cái)務(wù)報(bào)告的資產(chǎn)周轉(zhuǎn)率同比的變化。資產(chǎn)周轉(zhuǎn)率變化為正數(shù)時(shí)△TURN=1，否則為0

20%

下跌震蕩市成長模型凈利潤增長率(同比)本期歸屬母公司凈利潤/1年前同期歸屬母公司凈利潤-1

50%營業(yè)收入增長率(同比)

最近四個(gè)季度主營業(yè)務(wù)收入/前四個(gè)季度主營業(yè)務(wù)收入-1

50%模型簡介ModelIllustration交易策略模型的具體操作策略模型簡介交易策略1.數(shù)據(jù)預(yù)處理極值標(biāo)準(zhǔn)化

確定股票池?zé)o量綱處理3.綜合模型指標(biāo)的匯總2.市場狀態(tài)的預(yù)測與劃分4.

SFScore和成長股票組合的構(gòu)建5.股票組合的動(dòng)態(tài)調(diào)整

判斷市場狀態(tài)

動(dòng)態(tài)調(diào)整計(jì)算價(jià)格效率估計(jì)波動(dòng)率預(yù)測大盤走勢價(jià)值模型SFScore成長模型

構(gòu)建SFScore待選股票組合構(gòu)建成長模型待選股票組合

交易策略流程圖模型簡介交易策略時(shí)間窗模型實(shí)現(xiàn)與測試模型實(shí)現(xiàn)與測試Implementation

and

test回測資金曲線超額收益穩(wěn)中有升模型實(shí)現(xiàn)與測試Implementation

and

testalphaSharpalphaRtnalphaDrawdownalphaDdP20070104-200712283.40160.4933-0.09587120080102-200812313.46070.2441-0.05947820090105-200912313.76230.2203-0.02924720100104-20101231-0.0950-0.0085-0.099913020110104-201112303.12760.1810-0.03817120120104-201212313.70450.1895-0.03273220130104-201312310.89490.0609-0.063882TOTAL2.36181.3805-0.0999130回測模型指標(biāo)模型實(shí)現(xiàn)與測試Implementation

and

testalphaSharpalphaRtnalphaDrawdownalphaDdPTOTAL2.36181.3805-0.0999130回測結(jié)果分析分析指標(biāo)數(shù)據(jù)和回測資金曲線，可以發(fā)現(xiàn)：年度alpha夏普率最大值為3.7623，出現(xiàn)在2009年；年度alpha收益最大值為0.4933，出現(xiàn)在2007年；最大回撤的最小值和最大值則分別出現(xiàn)在2009年和2010年，分別為-0.0292和-0.0999。策略的alpha總收益為1.3805，說明策略可獲得較高的超額收益，尋找的因子較為有效且因子擇時(shí)確實(shí)發(fā)揮了作用。策略的最大回撤為-0.0999，說明此策略比較穩(wěn)健。模型評價(jià)與改進(jìn)模型評價(jià)與改進(jìn)EvaluationandImprovement因子擇時(shí)，變廢為寶價(jià)值與成長因子，分工合作傳統(tǒng)價(jià)值策略數(shù)量化和本土化最大回撤較低1、模型評價(jià)模型評價(jià)與改進(jìn)EvaluationandImprovement2、模型改進(jìn)改進(jìn)方案：因子權(quán)重按因子未來收益或因子間相關(guān)性確定缺點(diǎn)1：本模型為等權(quán)重缺點(diǎn)2：局部的變動(dòng)非常急速，有稍稍滯后，

在某些擾動(dòng)區(qū)域會出現(xiàn)震蕩市的“碎片”。改進(jìn)方案：使用一個(gè)新的指標(biāo)來區(qū)分市場狀態(tài)。市場在震蕩且趨勢不明顯時(shí)，利用中長線的EMA比較容易識別。因子創(chuàng)新之六：

組合新因子，主成分因子王雄深大混沌量化投資研究中心108主成分因子思考：

1這么多因子之間并不獨(dú)立

2這么多因子之間哪些更重要

3能否用一些少數(shù)幾個(gè)更重要的、更獨(dú)立的因子代替一堆不獨(dú)立的有冗余的因子庫主成分分析法就是這樣一種用較少的綜合分析指標(biāo)來代替原來較多的指標(biāo),綜合提取信息的有效方法。它主要是利用降維的思想從較多的指標(biāo)中找出較少的幾個(gè)綜合的指標(biāo),而這些指標(biāo)也能較好的反映原來的信息,只是把重復(fù)的信息去掉、簡化了數(shù)據(jù)結(jié)構(gòu)。王雄深大混沌量化投資研究中心109主成分的提取1由于前兩個(gè)主成分就貢獻(xiàn)了99.77%方差，因此我們就可以只提取前兩個(gè)主成分。王雄深大混沌量化投資研究中心110主成分構(gòu)成（續(xù)）不僅可以大大降維，而且得到了兩個(gè)非常獨(dú)立的綜合因子，足以代表99%的信息王雄深大混沌量化投資研究中心111基于因子降維思想的分行業(yè)多因子選股策略目錄/Contents0102030405建模目的與問題分析模型思路模型建立

交易策略模型實(shí)現(xiàn)與測試01建模目的與問題分析問題一如何有效的篩選因子？第一步先采用傳統(tǒng)的排序法進(jìn)行因子篩選；第二步需要用到主成分分析法。即用低維的數(shù)據(jù)反映高維數(shù)據(jù)的絕大部分信息。如果采用排序法選出的因子是具有有效性的，那么采用主成分分析法能在此基礎(chǔ)之上降低因子維度，提取最具特征信息的幾個(gè)維度，構(gòu)建多因子模型，就可以反映絕大部分股票收益率的變動(dòng)，因此可以認(rèn)為降維以后的具有代表性的“主成分因子”蘊(yùn)含著絕大部分有效的信息。問題二如何利用降維以后的因子在降維的同時(shí)，利用主成分分析法求出這些因子的各自的方差貢獻(xiàn)度，作為多因子模型的因子權(quán)重，構(gòu)建分行業(yè)的多因子模型，同時(shí)每次調(diào)倉周期因子的方差貢獻(xiàn)率會進(jìn)行調(diào)整，實(shí)際上實(shí)現(xiàn)了多因子模型的動(dòng)態(tài)化。用戶價(jià)值產(chǎn)和社會價(jià)值0202模型思路首先，數(shù)據(jù)預(yù)處理后，通過傳統(tǒng)的排序法篩選出有效的因子。再者，篩選出的因子雖然有效，但是效果是具有時(shí)效性的，過一段時(shí)間以后有效性可能就會減退。加之因子之間存在不同程度的相關(guān)性，會大大降低多因子模型的效果。因此需要對這些因子進(jìn)行降維。最后，利用降維以后的因子，結(jié)合各自的方差貢獻(xiàn)率，在不同行業(yè)內(nèi)構(gòu)建多因子模型，以30日為調(diào)倉周期，建立選股策略，再根據(jù)均線策略，適當(dāng)加大買入股票的倉位。1.因子的有效性檢驗(yàn)多維度+海選

盈利因子

成長性因子

規(guī)模因子

估值因子

流動(dòng)性因子

波動(dòng)因子

技術(shù)因子03模型建立在7類Alpha因子中，我們共中選取了59個(gè)我們認(rèn)為較有代表性的備選Alpha因子，以下為部分因子：

盈利銷售凈利率(%)ROE(凈資產(chǎn)收益率)ROA(資產(chǎn)收益率)毛利率營業(yè)費(fèi)用比例(%)凈利潤現(xiàn)金含量財(cái)務(wù)費(fèi)用比例(%)銷售凈利率(同比)ROE凈資產(chǎn)收益率(同比)ROA資產(chǎn)利潤率(同比)毛利率(同比)營業(yè)費(fèi)用比例(同比)成長每股凈資產(chǎn)增長率(%)ROE增長率主營業(yè)務(wù)收入增長率(%)EPS增長率(%)凈利潤增長率(%)總資產(chǎn)增長率(%)股東權(quán)益增長率(%)每股收益增長率(同比)總資產(chǎn)增長率(同比)每股凈資產(chǎn)增長率(同比)2數(shù)據(jù)選擇以及預(yù)處理標(biāo)的股票：全A股市場進(jìn)行選股

樣本期間：2007年-2013年全A股市場財(cái)務(wù)數(shù)據(jù)：本文所采用的財(cái)務(wù)數(shù)據(jù)均來自競賽平臺收錄的數(shù)據(jù)。數(shù)據(jù)預(yù)處理：數(shù)據(jù)的預(yù)處理主要包含三部分，即去極值化、標(biāo)準(zhǔn)化以及剔除ST股去極值化：把極大值變成1.79769313e+308，把極小值變成-1.79769313e+308，同時(shí)把NAN值=0用于平衡標(biāo)準(zhǔn)化：標(biāo)準(zhǔn)化后向量=(原向量-均值)/標(biāo)準(zhǔn)差對每個(gè)行業(yè)去剔除各種st股，漲停股，跌停股。3不同行業(yè)內(nèi)選股因子有效性檢驗(yàn)

有效性檢驗(yàn)歷史累計(jì)收益、信息比率、最大回撤以及勝率等

單調(diào)性檢驗(yàn)單調(diào)性檢驗(yàn)：通過分析各檔股票組合的表現(xiàn)是否具備顯著的單調(diào)性步驟如下：（1）在某一行業(yè)內(nèi)，對于任意一個(gè)候選因子在模型形成期的第1個(gè)周期初開始計(jì)算該行業(yè)內(nèi)各股票該因子的大小，按從小到大的順序?qū)颖竟善边M(jìn)行排序，并平均分為n個(gè)組合，一直持有到周期末。（2）在下個(gè)周期再按同樣的方法重新構(gòu)建n個(gè)組合并持有到周期末，每個(gè)周期如此，一直重復(fù)到模型形成期末。（3）組合構(gòu)建完畢后，計(jì)算這n個(gè)組合的有效性指標(biāo)和單調(diào)性指標(biāo)（4）對每個(gè)行業(yè)重復(fù)步驟（1）到（3）檢驗(yàn)與篩選，不同行業(yè)內(nèi)表現(xiàn)最好的因子，其有效性部分結(jié)果如下： 行業(yè)因子名稱因子IC平均收益率因子勝率因子IR化工成交金額-5.69%-18.89%33.33%-1.004流通市值-5.09%-16.82%36.11%-1.390鋼鐵（黑色金屬）流動(dòng)負(fù)債率：流動(dòng)負(fù)債/負(fù)債合計(jì)10.52%16.34%58.33%1.012有色金屬流通股本-6.07%-14.22%44.44%-0.532流通股本/總股本5.79%25.53%75.00%1.028流通市值/總市值5.76%25.53%75.00%1.028建筑銷售毛利率5.43%32.24%61.11%1.167EP4.40%24.35%61.11%0.864機(jī)械設(shè)備BP5.48%23.73%61.11%1.071每股派息/股價(jià)5.26%20.08%61.11%1.432交運(yùn)設(shè)備三個(gè)月股價(jià)反轉(zhuǎn)因子-10.68%-41.19%41.67%-1.378長期負(fù)債比率

4.52%14.56%63.89%0.753*基于平臺容量問題，不能支持所有行業(yè)已以及過多的因子，因此我們只能選取某些行業(yè)來進(jìn)行有效性的檢驗(yàn)，并每個(gè)行業(yè)挑選出不多于三個(gè)的、最顯著有效的因子。主成分分析法降維處理1因子的降維規(guī)則：過濾的規(guī)則有兩條：·需要降維的一系列因子為不同維度的因子，相同維度的因子選擇顯著性最強(qiáng)的即可?？紤]到競賽平臺的容量不足的問題，我們每個(gè)行業(yè)選取的維度不超過三個(gè)。·因?yàn)樯婕暗降木S度較少，因此在主成分分析以后選擇方差貢獻(xiàn)率為99%或以上的因子組合2.因子降維規(guī)則的完整表達(dá)：1.構(gòu)建樣本矩陣：假設(shè)有n支股票，p個(gè)指標(biāo)因子的原始樣本矩陣X，如下：其中，Xij表示第i支股票數(shù)據(jù)中的第j個(gè)因子的值。再對樣本陣X進(jìn)行變換得Y=[yij]n×p，其中

3.對Y做標(biāo)準(zhǔn)化變換得標(biāo)準(zhǔn)化陣：其中分別為Y陣中第j列的均值和標(biāo)準(zhǔn)差4.計(jì)算標(biāo)準(zhǔn)化陣Z的樣本相關(guān)系數(shù)陣5.求特征值：解得p個(gè)特征值λ

1

≥λ

2

≥…≥λ

p

≥0。6.確定m值，使信息的利用率達(dá)到80%以上。確定方法為：對每個(gè)λj，j=1，2，…，m。解方程組Rb=λjb，得單位向量：7.求出的m個(gè)主成分分量：得決策矩陣：其中，ui為第i個(gè)變量的主成分向量。04交易策略基本的交易策略1策略設(shè)計(jì)想法：多因子模型的開倉策略實(shí)質(zhì)上就是選股策略，我們對此有以下的想法：（1）先用排序法將七大維度顯著有效的因子篩選出來，在每個(gè)行業(yè)內(nèi)再用主成分分析法進(jìn)行降維（2）各自主成分因子的方差貢獻(xiàn)率作為相應(yīng)因子的權(quán)重，并使累計(jì)組合因子的方差貢獻(xiàn)率達(dá)到99%以上（3）在不同的行業(yè)分別構(gòu)建本文的多因子模型（4）以30天為周期進(jìn)行開倉，此時(shí)會重新計(jì)算因子新的方差貢獻(xiàn)率，重新調(diào)整優(yōu)化多因子模型。（二）平倉策略的制定基于以下的想法：本文的選股策略以30日作為調(diào)倉周期，每次調(diào)倉周期會進(jìn)行平倉并重新選股。本文的選股策略是基于多因子模型，因此30日平倉符合我們選股策略的邏輯與要求。

開倉：Y=a1F1+a2F2+......+amFm其中，F(xiàn)1…，F(xiàn)m為主成分因子，是每個(gè)主成分因子的貢獻(xiàn)率，Y為各股評估指數(shù).）其中，Pm是第m百分位數(shù)；L是Pm所在組的組下限；f是Pm所在組的次數(shù)；Fb是小于L的累計(jì)次數(shù)；

則W[i]=1.25，IfY[i]>P其中，Y[i]為第i支股的評估指數(shù)，P為Y中第99百分位數(shù)(m=99)，W[i]為第i支股的買入權(quán)重2策略制定：加倉：MA（N）=(C1+C2+C3+...+CN)/N其中，Cn：前n日收盤價(jià)N：移動(dòng)平均周期

D1=MA(14)-MA(21)D2=MA(28)-MA(35)

若D2[di=-2]<0,D2[di=-1]>0,且w1=D1[di=-1]/D1[di=-2]>2，此時(shí)為買入信號

則該股票i的買入權(quán)重重新賦權(quán)為：wi=1.25+w1其中，di=-1為股票i前1天的數(shù)據(jù)，如此類推平倉：（1）當(dāng)n=30，調(diào)倉一次。其中，n為持倉天數(shù)

（2）若D2[di=-2]>0,D2[di=-1]<0,此時(shí)為賣出信號則wi

=0，即對股票i進(jìn)行平倉。

若D2[di=-2]<0,D2[di=-1]>0,D2[di=-2]>0,D2[di=-1]<0，此時(shí)為假突破信號則wi

=0，即對股票i進(jìn)行平倉。05模型實(shí)現(xiàn)與測試回測的模型指標(biāo)：最終盈利：累計(jì)超額收益率390.4%交易次數(shù)：58

最大回撤：20.94%收益風(fēng)險(xiǎn)比：2.09圖3回測收益率曲線總結(jié)建立多個(gè)自變量與因變量關(guān)系的三種思維1半定性半定量，打分法

傳統(tǒng)打分問題在于a剔除了太多因子可能丟失了很多有用信息b剔除相關(guān)性最強(qiáng)的因子，剩下的仍然有相關(guān)性c最后留下的因子很少了，權(quán)重等權(quán)不太合理d是交是并還是如何太多主觀自由度2統(tǒng)計(jì)回歸，關(guān)系蘊(yùn)含在統(tǒng)計(jì)學(xué)方程里

如果不做降維和獨(dú)立化，回歸可能很難做且不顯著3神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)沒有方程關(guān)系蘊(yùn)含在神經(jīng)網(wǎng)絡(luò)里

如果不做信息預(yù)處理，丟給機(jī)器囫圇吞棗，可能吃壞肚子王雄深大混沌量化投資研究中心136王雄深大混沌量化投資研究中心137王雄深大混沌量化投資研究中心138王雄深大混沌量化投資研究中心139王雄深大混沌量化投資研究中心140王雄深大混沌量化投資研究中心141王雄深大混沌量化投資研究中心142王雄深大混沌量化投資研究中心143王雄深大混沌量化投資研究中心144王雄深大混沌量化投資研究中心145王雄深大混沌量化投資研究中心146人工智能自適應(yīng)集成算法詳細(xì)資金曲線、調(diào)倉記錄和持倉記錄：鏈接：密碼：q013人工智能自適應(yīng)集成算法詳細(xì)資金曲線、調(diào)倉記錄和持倉記錄：鏈接：密碼：q013

再接再厲

鼓勵(lì)創(chuàng)新

鼓勵(lì)策略創(chuàng)新，拓展策略思路，避免策略同質(zhì)化王雄深大混沌量化投資研究中心149特等冠名獎(jiǎng)宗旨金融建模與量化投資有著極為豐富的內(nèi)容，策略品種豐富多彩，金融市場是一個(gè)復(fù)雜的生態(tài)系統(tǒng)，不同的投資理念有不同的策略類型，都可以用量化模型的方法加以檢驗(yàn)和實(shí)現(xiàn)。為鼓勵(lì)策略創(chuàng)新，拓展策略思路，避免策略同質(zhì)化，深圳大學(xué)混沌量化投資中心主任王雄教授特增設(shè)以下特別冠名獎(jiǎng)以額外獎(jiǎng)勵(lì)在市場研究與策略開發(fā)上有特別創(chuàng)新的參賽隊(duì)伍。幾個(gè)特別創(chuàng)新獎(jiǎng)的邏輯關(guān)系在微觀層面，利用CTA擇時(shí)策略里的擇時(shí)模型，進(jìn)出場加減倉、止盈止損、倉位管理、風(fēng)險(xiǎn)控制和分散組合優(yōu)化，進(jìn)行微觀層面對個(gè)股的風(fēng)險(xiǎn)再控制。宏觀模型順應(yīng)大勢在行業(yè)層面，在順應(yīng)大勢的前提下，我們認(rèn)為主要阿爾法來源于風(fēng)格的捕捉和把握，所以我們不做所謂的機(jī)械的行業(yè)中性。我們的市場結(jié)構(gòu)風(fēng)格輪動(dòng)模型，利用機(jī)器學(xué)習(xí)對市場進(jìn)行重新劃分，把握市場風(fēng)格切換脈動(dòng)，做到先選準(zhǔn)風(fēng)格板塊，再選股。宏觀層面，量化投資目前在對宏觀市場的研究還處于初步，但廣義的量化投資必須對宏觀市場基本面進(jìn)行深入建模。既然用股指對沖系統(tǒng)風(fēng)險(xiǎn)并不能完全對沖，不如直面宏觀市場建模。我們的人工智能大盤指數(shù)模型對大盤的每日和近期漲跌預(yù)測，可以回避絕大多數(shù)大盤的系統(tǒng)風(fēng)險(xiǎn)，這是第一層宏觀風(fēng)控。輪動(dòng)模型把握風(fēng)格在個(gè)股層面，在把握大勢和板塊后，再多因子精選個(gè)股，此時(shí)針對不同板塊內(nèi)的特征來選因子，使得全市場失效的因子，在局部因地制宜地發(fā)揮奇效，價(jià)值與成長因子，分工合作，變廢為寶。同時(shí)我們開發(fā)基于人工智能集成自適應(yīng)算法的多因子選股模型，除了財(cái)務(wù)基礎(chǔ)因子，還構(gòu)建創(chuàng)新因子如基于行為金融的處置效應(yīng)因子、相對市盈率因子、籌碼因子等等，以獲持續(xù)穩(wěn)定收益。財(cái)務(wù)模型選對公司擇時(shí)模型精選時(shí)機(jī)第三談

策略創(chuàng)新之風(fēng)險(xiǎn)控制控制好了風(fēng)險(xiǎn)，盈利是隨之而來的最佳風(fēng)險(xiǎn)控制獎(jiǎng)倉位管理與風(fēng)險(xiǎn)控制是量化投資獲取穩(wěn)健收益的根本，同時(shí)程序化的執(zhí)行力也是量化投資的優(yōu)勢，參賽者需完成由淺入深以下模型：1.全倉策略1.對于股票類純多型單股票標(biāo)的，開發(fā)一個(gè)日線級全倉買入賣出擇時(shí)策略，畫出收益曲線和回撤圖這里只考慮做多傳統(tǒng)的出多空信號，是屬于+1，-1式的信號，出多信號則全倉買入，并沒有倉位控制1.全倉策略這個(gè)時(shí)候有傳統(tǒng)的所謂的勝率和盈虧比的統(tǒng)計(jì)因?yàn)槊看味际侨珎}買入賣出，可以考慮“每次”交易的盈虧經(jīng)典技術(shù)分析類信號2.倉位管理對于股票類純多型單股票標(biāo)的，開發(fā)一個(gè)日線級有倉位管理的分批買入賣出擇時(shí)策略，目標(biāo)是較1有更平滑的曲線通過更加精細(xì)化的操作，控制風(fēng)險(xiǎn)可統(tǒng)計(jì)在全股票池里這種回撤的改進(jìn)回撤的度量如何建模度量凈值曲線是否更加光滑？最大回撤降低或夏普升高固然是一個(gè)簡單方法，還有接近最大回撤的次數(shù)，回撤修復(fù)的時(shí)間等等建議使用回撤曲線的積分來度量整體的回撤情況3分鐘級別精細(xì)化操作3.對于股票類純多型單股票標(biāo)的，開發(fā)分鐘級日內(nèi)分散建倉策略，每日擇高分批賣出昨日倉位，擇低買入今日倉位，以進(jìn)一步減小成本和控制回撤，特別是日內(nèi)短時(shí)期暴跌的風(fēng)險(xiǎn)控制，對比2的收益回撤改進(jìn)目標(biāo)是a日內(nèi)風(fēng)控

b減小買入成本c所謂做T+0日內(nèi)3.a分鐘級別風(fēng)控的必要性3.a分鐘級別風(fēng)控的必要性3.b減少建倉成本對由其他模型已經(jīng)確定要買入的股票池，對需要買入的股票池和買入時(shí)間，進(jìn)行精細(xì)優(yōu)化，如原計(jì)劃每月調(diào)倉，買入數(shù)十只股票，現(xiàn)在對這買入股票池進(jìn)行逐步建倉，在數(shù)天內(nèi)，在日內(nèi)的分鐘級上去尋找合適建倉點(diǎn)，降低建倉成本基于原始的定期調(diào)倉量化選股模型，對比改進(jìn)的效果3.c日內(nèi)t+0對于任一只股票，如方大炭素，每日擇高賣出昨日的倉位，擇低買入今日的倉位，長期下去，對比和簡單持有該股票的差別關(guān)鍵點(diǎn)是對高點(diǎn)和地點(diǎn)的建模預(yù)測對全市場不同股票應(yīng)用該策略，思考什么樣的行情的股票更適合此類操作如果在日線級別上簡單持有，并無什么行情，如果抓住日內(nèi)的波動(dòng)，可以擴(kuò)大一些收益4針對不同行情，采取不同日內(nèi)策略

4.以上3步都以“方大炭素”為例以對比改進(jìn)情況如何，并推廣到更大股票池，為了統(tǒng)一對比這里以滬深300為例，統(tǒng)計(jì)在大樣本池里每只股票改進(jìn)情況，每只股票每一版本的收益回撤夏普等，以檢驗(yàn)風(fēng)控模型的普適性此模型就以滬深300只股票，過去五年，A簡單持有每一只股票，B日線級別買賣該股票C分鐘級買賣該股票，對比每一只股票的改進(jìn)效果，當(dāng)然需要考慮滑點(diǎn)和手續(xù)費(fèi)5選定股票池做日內(nèi)交易將上述方法應(yīng)用到自行選定的一攬子股票中，通過組合繼續(xù)減少回撤，注意這里是純多頭的回撤，不是對沖后的回撤，對比平均資金簡單持有此一攬子股票與做倉位擇時(shí)風(fēng)控的效果差別改進(jìn)與4的不同是，自行選擇合適的底倉股票池6再加上大盤擇時(shí)通過大盤擇時(shí)等其他風(fēng)控繼續(xù)優(yōu)化組合回撤，對比改進(jìn)效果，最終建立任給一組股票池，可以盡可能比平均資金簡單持有此一攬子股票更多的附加收益和更小的回撤請先在滬深300每只股票池里測試，看整體改進(jìn)的情況然后可以疊加在你的量化選股策略里，對你原始選股策略的改進(jìn)舉例說明大盤風(fēng)控的效果

宏觀風(fēng)控模型順應(yīng)大勢宏觀層面，量化投資目前在對宏觀市場的研究還處于初步，但廣義的量化投資必須對宏觀市場基本面進(jìn)行深入建模。既然用股指對沖系統(tǒng)風(fēng)險(xiǎn)并不能完全對沖，不如直面宏觀市場建模。我們的人工智能大盤指數(shù)模型對大盤的每日漲跌預(yù)測達(dá)到了非常高的準(zhǔn)確率，可以回避絕大多數(shù)大盤的系統(tǒng)風(fēng)險(xiǎn)，這是第一層宏觀風(fēng)控。簡單大盤風(fēng)控之后詳細(xì)資金曲線、調(diào)倉記錄和持倉記錄：鏈接：密碼：hxrk綜合大盤個(gè)股風(fēng)控策略夏普5.3阿爾法66.7%7期貨策略多品種多周期對于期貨類多空型單品種標(biāo)的，建立多品種多周期多策略組合，控制回撤獎(jiǎng)項(xiàng)申請要求近五年歷史回測，通過基本模型附加上此倉位管理風(fēng)控模塊，期貨多空類模型組合回撤不超過15%，股票類策略純多頭回撤不超過10%，回撤修復(fù)時(shí)間不超過3個(gè)月，同時(shí)夏普不低于2這里由于過去有一個(gè)股災(zāi)，影響評判，所以上述回撤是平均意義下，即回撤曲線的累積面積對時(shí)間求平均，簡單看即每三個(gè)月內(nèi)的最大回撤，即一年4個(gè)五年20個(gè)回撤數(shù)據(jù)，再做平均，不超過10%主要是看對原模型的改進(jìn)PS當(dāng)然主要還是看改進(jìn)的程度，收益和風(fēng)險(xiǎn)是由市場決定而不是風(fēng)控模塊決定的，但風(fēng)控可以提原模型的表現(xiàn)，所以只要你在某個(gè)方面大幅度改進(jìn)了，即可申請此獎(jiǎng)項(xiàng)評判要點(diǎn)此獎(jiǎng)項(xiàng)評判要點(diǎn)：最終考察的是模型中倉位管理風(fēng)控模塊的效力，建立模型使得任給一組股票池，可以盡可能比平均資金簡單持有此一攬子股票有更多的附加收益和更小的回撤；期貨類模型也是追求多周期多品種組合控制風(fēng)險(xiǎn)。為了方便對比倉位管理與風(fēng)控效果，請先以“方大炭素”為例演示倉位管理模塊的一步步改進(jìn)，再將最終改進(jìn)完善的個(gè)股風(fēng)控模型，應(yīng)用到滬深300所有個(gè)股，統(tǒng)計(jì)整體表現(xiàn)并分析改進(jìn)效果；最后以上證50股票池為例，對股票池做倉位管理和風(fēng)控，超越指數(shù)第四談

策略創(chuàng)新之風(fēng)格輪動(dòng)根據(jù)風(fēng)格變化適時(shí)切換策略因子創(chuàng)新之九：

風(fēng)格輪動(dòng)、行業(yè)輪動(dòng)

風(fēng)格大小盤周期非周期成長價(jià)值本質(zhì)上還是可以當(dāng)做因子風(fēng)格偏宏觀，行業(yè)偏微觀，還有概念板塊等等所謂輪動(dòng)，本質(zhì)上還是因子的動(dòng)態(tài)調(diào)整王雄深大混沌量化投資研究中心176行業(yè)輪動(dòng)的經(jīng)濟(jì)學(xué)原理規(guī)律王雄深大混沌量化投資研究中心有技巧地“剔除”國內(nèi)股市的特