量化投资 课件 第1章 绪论

量化投资投资的定义特定经济主体为了在未来可预见的时期内获得收益或资金增值，在一定时期内向一定领域投放一定数额的资金或实物的货币等价物的经济行为。投资回收期限短期投资长期投资资产性质货币性资产投资实物资产投资无形资产投资投资方式间接投资直接投资常见投资品种品种优点缺点股票操作简便，可能获得较高收益价格不稳定，风险较高债券收益稳定，风险相对较低收益率低，投资周期长基金交易灵活方便，风险相对较低成本相对较高，收益依赖于基金经理能力银行理财相对安全可靠，购买方便收益相对较低，灵活性较差贵金属可双向交易，交易时间灵活风险较高，交易规则和技巧复杂信托投资收益高，安全性较大流动性差，投资门槛高，程序复杂期货可双向、可加杠杆、可T+0交易风险较高，波动性较大，时间不连续本门课将以股票为主，但所用方法同样适用于债券和其他类别的资产投资的目的投资

目的本金

保值经常性收益资本

增值数据收集与处理策略设计与实现策略回测与分析策略上线与跟踪反馈提升量化投资的定义以数学模型替代(辅助)人为主观判断，利用计算机技术从庞大的数据中选出能带来超额收益的“大概率”事件以制定投资策略量化投资是一项系统性工程量化投资的误区量化投资一定是低风险，稳赚不赔风险和收益同源关键在于风控策略的设计与使用量化投资一定是全自动，速度一定要快自动交易vs辅助决策高频策略vs低频策略量化投资是神秘主义量化投资模型只是一种工具成功与否在于投资者是否真正掌握了量化投资的精髓全

自动低

风险速度快神秘量化投资的主要思想套利思想：买低卖高、低买高卖关键是寻找估值洼地：错误定价或估值的投资标的概率思想：挖掘并利用可能重复的历史（可能性)依靠投资组合(相关性）取胜风险不可避免，风险是由不确定性导致假设市场运行内在遵循一定规律，但外在现象会受各种因素影响而存在不确定性量化投资的特点科学性：利用大量历史数据，对模型有效性和适用性进行验证客观性：基于数据，利用模型做出决策，克服人性弱点系统性：建立资产配置、行业选择、精选个股等多层次的量化模型从宏观周期、市场结构、估值、成长等多角度进行分析通过全面、系统性的扫描，捕捉交易机会及时性：及时跟踪市场变化，不断发现能提供超额收益的交易机会分散化：依靠投资组合(分散性)来取胜，而不是一只或几只股票取胜量化投资vs.传统投资量化投资传统投资代表人物分析方法詹姆斯·西蒙斯依据模型沃伦·巴菲特依据人的经验与判断信息来源海量数据以及多层次多方面的因素（定量分析）基本面及宏观经济（定性分析）投资风格投资周期偏向短期投资周期偏向长期投资标的分散化投资于某一只或少量股票风险处理在风险最小化前提下实现收益最大化风险考虑不周全收益率对比：66%vs20%量化投资的主要内容量化投资的主要内容量化投资技术几乎覆盖了投资的全过程投资环节简介量化选股利用量化方法从原始股票池选择出待投股票集合量化择时通过对各宏微观指标的量化分析判断未来走势资产配置以不同资产类型作为投资标的，通过数学模型确定组合资产的配置目标和分配比例风险管控以识别和量化风险为基础，通过风险控制来提升投资质量投什么？什么时候投？怎么投？假设市场运行内在遵循一定规律，但外在现象会受各种因素影响而存在不确定性量化选股目标：选出“待投股票集”从所有可交易股票中，筛选出适合自己投资风格、具有一定安全边际的候选集合选股依据：基本面vs.技术面vs.基本面+技术面估值法假设：基本面决定价值，价值决定价格通过估值方法得出的公司理论上的股票价格（价值）与市场价格进行比较，判断股票的市场价格是否被高估或者低估多因子模型从不同角度采用多种“因子”来综合评估股票的还坏（涨跌）基本面指标，如PB、PE、EPS增长率等技术面指标，如动量、换手率、波动率等其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等待投股票

可交易股票量化择时目标：确定股票的具体买卖时机，其依据主要是技术面取决于投资周期或风格，例如中长线、短线、或超短线K线图法：K线图主要包含四个数据：开盘价、最高价、最低价、收盘价所有K线都是围绕这四个数据展开，反映标的状况和价格信息不同粒度：周K线、日K线、小时K线、分钟K线、tick级K线等常用策略：趋势跟踪（动量）、高抛低吸、横盘突破等事件驱动法：根据离散的事件调整投资组合仓位主力资金流入、市场情绪变化、政策文件、突发事件等资产配置目标：根据投资需求，将拟投资金在不同的资产类别和标的之间进行分配，进而构造出一个相应的投资组合基于经验的配置方法利用先验知识分析各资产对组合的贡献和影响，进而确定各资产在组合中的权重常用方法：等权法、市值法、市价法等基于模型的配置方法根据理论或模型来量化投资风险和效用，将资产配置问题转化为最优化问题，并通过优化求解来确定投资组合配置常用方法：均值方差模型、最优化夏普比率模型等风险管控基本思想：以识别和量化风险为基础，通过风险控制来提升投资质量风险管理：包括对风险进行定义、测量、评估和控制关键：识别、分析、接受或减轻投资决策中的不确定性风险控制：手段：对风险因素和敞口实施有目的地选择和规模控制目的：提高收益的质量和稳定性常用方法：基于市场因子暴露的对冲、基于VaR控制等量化投资的理论发展20世纪50~60年代Markowitz组合模型1952年Markowitz建立均值-方差模型将数理工具引入投资组合研究，标志着现代投资组合理论的开端CAPM模型(CapitalAssetPricingModel,CAPM)在Markowitz工作基础上，Sharpe(1964)、Litner(1965)、Mossin(1966)研究了资产价格的均衡结构导出资本资产定价模型CAPM，是现代金融市场价格理论的支柱有效市场假说(EfficientMarketHypothesis,EMH)Samuelson(1965)与Fama(1965)提出有效市场假说EMH包括理性投资者、有效市场和随机游走，是现代资本市场理论的重要基石20世纪70~80年代B-S模型(Black-ScholesOptionPricingModel)1973年，Black和Scholes建立了期权定价模型（BS模型）为期权、债券等新兴衍生金融市场的各种以市场价格变动定价的衍生金融工具的合理定价奠定了基础APT理论(ArbitragePricingTheory,APT)1976年，Ross建立了套利定价理论APT利用因素模型描述资产价格的决定因素和均衡价格的形成机理20世纪90年代倒向随机微分方程(巴赫杜-彭方程)求解：促进期权定价理论的研究为将来设定了某个目标，那么根据现在的能力、财力能否达到？如何达到？问题关键，不是从现在向将来分析，而是由将来向现在推导，这就是倒向随机分析倒向随机微分方程求解：通过确定策略的制定逐步把不确定性抵消，把风险规避掉VaR模型（ValueatRisk,在险价值）在一定置信度下，某一投资组合价值在未来特定时期内的最大可能损失G30建议用VaR来衡量衍生工具的市场风险，并认为是市场风险测量和控制的最佳方法SEC要求美国公司采用VaR模型作为三种可行的披露其衍生交易活动信息的方法之一行为金融学兴起80年代对金融市场的大量实证研究发现了许多现代金融学无法解释的异象为解释这些异象，一些金融学家将认知心理学的研究成果应用于对投资者的行为分析量化投资的代表企业与人物量化投资的代表企业文艺复兴科技公司(RenaissanceTechnologies)：成立于1982年，是量化投资领域的先锋以大量数据为基础，利用数学模型和计算机技术进行投资决策员工中超过1/3拥有数学、物理学、统计学等基础科学的博士学位创世人詹姆斯·西蒙斯更是一位著名的数学家文艺复兴旗下的大奖章基金年化收益远超巴菲特桥水对冲基金（Bridgewater）：成立于1975年，是世界上最大的量化对冲基金之一多种创新投资策略的先锋者，例如分离Alpha和Beta策略、绝对Alpha策略、风险平价策略等量化投资的代表人物“最赚钱的基金经理”——詹姆斯·西蒙斯文艺复兴科技公司创始人，2018年个人净赚16亿美元管理的大奖章基金从1989到2009平均年收益率达38.5%在扣除5%的管理费和44%的超高业绩报酬的基础上得出净回报率远超过巴菲特的20%自诩为“模型先生”：采用数学模型和计算机技术进行投资决策西蒙斯遵循量化投资理念：市场整体有效，但短暂或局部会无效利用历史资料发现统计相关性捕捉短线获利机会量化投资的代表人物“定