发布时间:2023-07-14 16:34:56
序言:写作是分享个人见解和探索未知领域的桥梁,我们为您精选了8篇的量化投资与分析样本,期待这些样本能够为您提供丰富的参考和启发,请尽情阅读。
一、量化投资的涵义
从实践的角度上看。量化投资即是利用模型来投资。任何一个完整的关于投资的想法,我们都可以开发成投资模型,然后通过一定的测试过程来检验这个模型是否有效。如果最终有效,它就是一个可以用作量化投资的投资模型。量化投资为我们提供了检验和选股的数学工具。也可以帮助我们规避人为的情绪化和低效率。
其次,量化投资的各种工具包括系统的投资决策手段和数学模型。从中国量化策略基金的实践来看。金融数量化的程度还处于初步阶段,量化投资的流程还比较简单。中国量化策略基金的量化投资途径多采用从一级股票库初选、并从二级股票库精选。最后对行业进行动态的配置的三步法。以中海量化策略基金的量化投资风格为例,第一步是根据公司盈利能力。选择代表性较强的公司盈利能力指标。如过去三年平均每股收益、资产回报率以及毛利率,以所有A股上市公司为样本。筛选得到一级股票库。第二步是通过相关指标体系,如估值指标和一致预期指标体系。并借助熵值法确定指标权重后。对一级股票库中的股票进行打分和排名,进一步筛选得到二级股票库。其中,一致预期指标值选取各大券商的估值结论,得出市场对上市公司的平均预期值,以此作为市场对公司未来现金流的权威预期。第三步。采用B-L行业量化模型对股票组合进行动态行业配置,对每一个行业形成最佳的权重股组合,提高投资的夏普比率。
最后,量化投资与现在已经很普遍的指数型基金不同。是一种主动投资。这是因为量化投资和指数化投资的理论基础完全不同。指数化等被动投资的理论基础认为市场是完全有效的,这一理论的依据是基金的历史业绩除去基金的管理费用。要弱于大市。因此。对投资者来说,更合理的手段是试图复制市场,以获得和市场相同的长期收益。同时规避所有的非系统性风险。而量化投资的理论基础认为市场是无效的,或者是弱有效的,这一理论的依据在于总有优秀的基金经理可以发现市场的阿尔法收益。支持量化投资的基金经理认为可以通过对经济环境、行业基本面以及公司的分析,主动构建能够超过市场平均收益率的超额收益组合。因此。量化投资属于主动投资的一种策略。综上所述,量化投资并不是一种被动投资,数量化模型的选择、指标的运用就是量化投资中的主动部分。好的量化投资是主动的人为判断和被动的模型筛选的结合。
二、量化投资的优点
量化投资作为一种有效的主动投资工具,是对定性投资方式的继承和发展。实践中的定性投资是指,以深入的宏观经济和市场基本面分析为核心,辅以对上市公司的实地调研、与上市公司管理层经营理念的交流,发表各类研究报告作为交流手段和决策依据。因此。定性投资基金的组合决策过程是由基金经理在综合各方面的市场信息后,依赖个人主观判断、直觉以及市场经验来优选个股,构建投资组合。以获取市场的超额收益。与定性投资相同,量化投资的基础也是对市场基本面的深度研究和详尽分析,其本质是一种定性投资思想的弼!性应用。但是,与定性投资中投资人仅依靠几个指标做出结论相比,量化投资中投资人更关注大量数据所体现出来的特征,特别是挖掘数据中的统计特征,以寻找经济和个股的运行路径,进而找出阿尔法盈利空间。与定性投资相比。量化投资具有以下优势:
一是量化投资可以让理性得到充分发挥。量化投资以数学统计和建模技术代替个人主观判断和直觉,能够保持客观、理性以及一致性。克服市场心理的影响。将投资决策过程数量化能够极大地减少投资者情绪对投资决策的影响。避免在市场悲观或非理性繁荣的情况下做出不理智的投资决策。因而避免了不当的市场择时倾向。
二是量化投资可以实现全市场范围内的择股和高效率处理。量化投资可以利用一定数量化模型对全市场范围内的投资对象进行筛选。把握市场中每个可能的投资机会。而定性投资受人力、精力和专业水平的限制,其选股的覆盖面和正确性远远无法和量化投资相比。
三是量化投资更注重组合风险管理。量化投资的三步选择过程,本身就是在严格的风险控制约束条件下选择投资组合的过程,能够保证在实现期望收益的同时有效地控制风险水平。另外。由于量化投资方式比定性投资方式更少的依赖投资者的个人主观判断,就避免了由于人为误判和偏见产生的交易风险。
当然。无论是定性投资还是量化投资,只要得当的应用都可以获取阿尔法超额收益,二者之间并不矛盾,相反可以互相补充。量化投资的理性投资风格恰可作为传统投资方式的补充。
三、量化投资的局限性
量化投资是一种非常高效的工具,其本身的有效性依赖于投资思想是否合理有效。因此换言之,只要投资思想是正确的,量化投资本身并不存在缺陷。但是在对量化投资的应用中,确实存在过度依赖的风险。量化投资本身是一种对基本面的分析,与定性分析相比,量化分析是一种高效、无偏的方式,但是应用的范围较为狭窄。例如,某项技术在特定行业、特定市场中的发展前景就难以用量化的方式加以表达。通常量化投资的选股范围涵盖整个市场,因此获得的行业和个股配置中很可能包含投资者不熟悉的上市公司。这时盲目的依赖量化投资的结论,依赖历史的回归结论以及一定指标的筛选,就有可能忽略不能量化的基本面。产生巨大的投资失误。因此,基金经理在投资的时候一定要注意不能单纯依赖量化投资,一定要结合对国内市场基本面的了解。
四、置化投资在中国
大摩华鑫基金公司首只量化基金――大摩多因子策略基金自5月17日成立以来,截至9月16日,上证综指跌幅达到12.98%,大摩多因子基金净值仅下跌0.3%,在今年同期(4月至6月)成立的偏股型基金中排名第2位,经受住了市场的考验,也更加坚定了大摩量化投资团队“将量化进行到底”的决心。那么,量化是不是等同于模型,量化投资到底有何过人之处呢?带着这样的疑问,记者走访了大摩多因子策略基金经理张靖,让他为投资者解密量化投资的“黑匣子”。
量化模型是工具,投资理念是灵魂
“如果把投资比作吃饭的话,那么‘吃什么’由投资理念来决定,再根据所吃的食物决定使用的吃饭工具,即量化模型。” 张靖认为,在量化投资领域,投资理念才是量化投资的灵魂,决定了投资的逻辑。只有将最根本的逻辑融入适当的量化方法中才能将量化投资的“魔力”发挥出来,创造最大的投资收益。
谈到模型在量化投资中的作用,张靖有其独到的见解,“量化模型的采用必须与投资理念密切结合,并不是越复杂的模型越好,有时简单易操作的模型反而更加有效。正如吃西餐要用刀叉,吃中餐要用筷子一样,与投资理念相匹配的模型才是最好的模型。”
用量化的方法做有把握的事
张靖对量化投资最通俗的解释就是“用量化的方法做有把握的事儿”。换句话说,就是通过对大量样本数据和市场环境的量化分析,通过平衡投资的风险和收益,建立量化模型,捕捉大概率事件,有把握地获取市场上普遍的、稍高于平均水平的超额收益。
另外,张靖提到,量化模型并不是固定不变的,需要逐步提升,不断改进,在变化中总结经验和规律,使得量化模型能够适应市场和投资者投资习惯的变化。以大摩多因子基金模型中现有的动量因子为例,从总体来看,随着市场逐渐回归理性,其效应应该是逐渐递减的。所以随着该因子效应的递减,未来可能会将其从模型中剔除掉。相应地,另外一些新的因子可能会加入模型中。
大摩多因子:量化选股,量化择时,量化交易
提到张靖管理的大摩多因子基金,不得不说该基金将量化投资的特点和优越性展现得淋漓尽致。大摩多因子基金是一只纯量化基金,不但量化选股,也量化择时,并且能够客观地选择交易策略,降低情绪影响,可以说是量化选股、量化择时以及量化交易三位一体的有效结合。
计算机给投资带来的改变
1997年5月11日,国际象棋世界冠军卡斯帕罗夫与1BM公司的国际象棋电脑“深蓝”的六局对抗赛降下帷幕。在前五局以2.5对2.5打平的情况下,卡斯帕罗夫在第六盘决胜局中仅走了19步就向“深蓝”拱手称臣。整场比赛进行了不到一个小时,卡斯帕罗夫赛后说,在最后一局时,“我已经无力再战。”于此同时,利用计算机和数学模型来进行数量化投资的基金正迈入高速增长期。
量化基金即以数量化投资来进行管理的基金。数量化投资区别于基本面投资,他不是通过“信息和个人判断”来管理资产,而是遵循固定规则,由计算机模型产生投资决策。量化投资并不是基本面分析的对立者,90%的模型是基于基本面因素,同时考虑技术因素。由此可见,它也不是技术分析,而是基于对市场深入理解形成的合乎逻辑的投资方法。
数量化技术发源于20世纪70年代,以1971年富国银行发行跟踪纽约证券交易所1500只股票的指数基金为标志,此后随着计算机处理能力的提高,越来越多的物理学家和数学家离开学校被华尔街雇佣,基金经理们开始依靠电脑来筛选股票。
1979年巴克莱全球投资(Barclays Global Investor)成立了第一支主动数量(Quantitative & Active)投资基金标志着量化投资由草根实践走到了公募基金历史舞台聚光灯下。此后,Vanguard,Federated,Janus,American Century,Alliance Bernstein,Evergreen以及Schwab都开始在运作数量化基金,他们也都开始加入Barclays Global Investors和LSVAsset Management的阵营,后两者是数量化基金管理中最大的两家公司。另外,NumericInvestors和AQR CapitalManagement是增长最快的数量化基金公司。
根据Bloomberg的数据,截至2008年底,1184只数量化基金管理的总资产高达1848亿美元,相比1988年21只数量化基金管理的80亿美元资产来说,平均增长速度高达20%,而同期非数量化基金的年增长速度仅为8%。
2000年之后是数量化基金发展的黄金时期,无论是个数还是管理规模都有了跨越式的发展。1998年数量化基金仅136只,至2002年增长一倍多,达316只,2008年底更是达到1848只,1988年至1998年年平均增长率为46%,2000年至2008年年平均增长幅度达54%。从规模上来看,1988年至1998年年平均增长率为32%,2000年至2008年年平均增长幅度达49%。
其中的原因有二:一是,2000年之后计算机技术飞速发展,为数量化的应用提供了良好的平台;更为主要的是主动管理型基金很难战胜大盘,于是投资指数基金以及采用数量化方法筛选股票逐渐流行起来。而且数量化基金的表现也非常不错。2002年至2007年5年间,相比美国市场主动型管理基金每年5.93%的超额收益,那些覆盖所有资产的数量化基金每年的超额收益可以达到6.95%。另外,有研究表明,2004年至2007年,投资美国大盘股的数量化基金产品的表现平均超越非大盘主动型基金103个基点。
模型――量化基金的心脏
数量化基金的兴起,建立在数量化投资技术的发展之上。在20世纪80年代,大量复杂模型得以发展,这包括:混沌理论(chaos theory)、分形(fraetals)、多维分形(multi-fractals)、适应过程(adaptive programming)、学习理论(leaming theory)、复杂性理论(complexity theory)、复杂非线性随机理论(complex nonlinear stochasticmodels)、数据挖掘(data mining)和智能技术(artificial intelligence)。然后,回归分析(regression analysis)和动量模型(momentum modeling)仍然是被调查者使用最广泛的数量化投资方式。
数量化基金最明显的优势之一就是计算机处理数据的能力远远胜过人脑,这使电脑在海量股票选择中占有绝对优势。例如在嘉信证券的股票评级系统跟踪的股票超过3000只,并且每只股票都综合了基本面、估值、动理和风险因素进行打分,并按分数高低给A至F不同的评级。其次。量化基金是以定量投资为主,用纪律性较强的精细化定量模型,代替了基金经理或分析师在定性层面的主观判断,使投资业绩较少受到个人“熟悉度偏好”的影响。最后,数量化基金收取的费率及管理费用比传统的主动型基金低很多,因为他们需要的研究人员更少,成本更低。据Lipper调查,数量化基金的平均费用是1.32%,相比而言,主动型基金的管理费用平均达到1.46%。
数量化投资理念成就了一大批数量化基金经理,詹姆斯・西蒙斯无疑是其中的佼佼者。他所管理的大奖章基金对冲基金(Medallion),从1989年到2006年的17年间,平均年收益率达到了38.5%,而股神巴菲特过去20年的平均年回报率为20%。从1988年成立到1999年12月大奖章基金总共获得2478.6%的净回报率,超过第二名索罗斯的量子基金一倍,而同期的标准普尔指数仅有9.6%。即使在次贷危机全面爆发的2007年,该基金的回报率仍高达85%。
然而量化基金并非所有市场都能有效战胜非量化基金。Lipper把基金分为四类型,每一类型量化投资与传统投资比较,2005年量化投资基金战胜传统基金,而2006年在增强指数型基金中,量化投资落后于传统型基金,到2007年情况则发生较大转弯,除市场中立基金外,其余量化投资基金全部跑输传统型基金。在考虑了风险、跟踪误差后,数量化投资具有更小的跟踪误差和更高的回报。研究表明数量投资基金业绩具有很强的轮动特点。大部分数量投资基金具有很强的价值投资偏好(value bias),因此,他们在价值型市场下表现良好,而1998-1999年是成长型市场,数量化投资基金大部分跑输传统型基金。2001-2005年是价值型市场,数量化投资基金普遍表现优异。
用数学创造财富
国内基金业虽然历史较短,但发展迅速。美国等成熟基金市场的现状,也很可能会是我们未来的发展方向。指数基金、量化基金以及免佣基金等品种,在未来有望陆续发展壮大,受到越来越多投资者的认可。
目前,国内基金市场上有4只量化基金,光大保德信量化核心、上投摩根阿尔法、嘉实量化阿尔法、中海量化策略,其中后两只均是今年才成立,前两只分别成立于2004年8月和2005年10月。
光大保德信量化核心一方面通过光大保德信的多因素数量模型对股票的预期收益率进行估算,个股预期收益率的高低决定投资组合是否持有股票;另一方面,投资团队从风险控制角度,重点关注数据以来的信息,通过行业分析和个股分析形成对量化的补充;最后由投资组合优化器根据预先设计的风险构建组合。
上投摩根阿尔法基金的描述则是同步以“成长”与“价值”双重量化指标进行股票选择,然后研究团队将对个股进行基本面审核,结合跟踪误差的紧密监控,以求不论指数高低,市场多空皆创造主动管理回报。投研团队最终决定进入组合的股票,量化分析是辅助和基础。
嘉实量化基金“定量投资”为主,辅以“定性投资”。通过行业选择模型,捕捉具有投资吸引力的行业,然后再在所选行业中运用Alpha多因素模型筛选个股。定性的辅助作用表现在利用基本面研究成果,对模型自动选股的结果进行复核,剔除掉满足某些特殊条件的股票。
中海量化策略以量化模型作为资产配置与构建投资组合的基础。根据量化指标实行从一级股票库初选、二级股票库精选,再根据相关模型计算行业配置权重。结合行业配置权重,组合中每只股票的配置比例。
(暨南大学信息科学技术学院 广东 广州 510632)
摘 要:“金融改革”的提出,金融市场的逐步开放,将促进金融创新的步伐,给投资者带来越来越多的投资渠道,同时也将加速中国金融市场与国际金融市场的融合。通过分别建立两个单指标择时策略模型,运用MATLAB模式搜索算法在设定时段内搜索最优参数,并分别对两个单指标策略进行交易仿真回验。实证结果显示,趋势型指标可以抓住大的波段行情,获得超额收益,具有较好的择时效果。实证显示组合指标策略的效益明显高于单指标策略。因此,采用组合指标策略进行个股量化择时交易较单指标策略能获得更优的投资收益。
关键词 :量化择时;趋势指标;组合指标策略;参数优化
中图分类号:F8 文献标识码:A doi:10.3969/j.issn.1665-2272.2015.12.008
1 绪论
1.1 背景意义
“金融改革”的提出将为中国的量化投资带来发展前景。金融市场的逐步开放将会促进金融创新的步伐,给投资者带来越来越多的投资渠道,同时也将加速中国金融市场与国际金融市场的融合。很多国外成熟的投资工具和投资方法将逐步进入中国市场,以期货市场为代表的衍生品市场将迎来飞速增长,以量化投资为代表的投资方法也将得到投资者更大的关注。
在投资业,各种渠道提供的海量信息以及高频金融交易数据都在深刻地影响这个行业的发展以及金融市场的有效性。金融创新给期待量化投资的投资者提供了丰富的投资工具。自20世纪50年代以来,金融市场出于规避监管,转嫁风险和防范风险等需要,推出了很多创新性的金融产品,提供了越来越丰富的投资工具。金融衍生品在金融市场中占的比例越来越重要。
中国量化投资的前景广阔。党的十八届三中全会提出了“健全多层次资本市场体系”的指示精神,为十二五期间的资本市场发展指明了方向。随着金融投资工具的增加,量化投资将显示出其更大的作用,帮助投资者在更好的风险管控中寻求最佳收益回报。
作为量化投资中的量化择时,是指利用某种方法来判断大势的走势情况以及时采取相应措施,它是收益率最高的一种交易方式。就股票投资者而言,择股和择时都是至关重要的,正确择股是盈利的前提,而正确择时则是盈利的最终实现。因此,从微观角度入手,建立有效的个股量化择时交易策略值得研究。
1.2 文献综述
关于量化投资的研究,国内外更多的研究主要以策略构建和实证为主。易海波、杨向阳、罗业华、曾敏通过将量化指标按照股票属性进行分类排序,以自下而上的选股方式,构建出价值、成长、质量三个基本模型,并在此基础上衍生得到四个叠加模型和GARP模型。利用八个选股模型以不同的参数进行选股,构建出十个量化选股组合,历史回测结果显示这些组合风格各异,适合不同风险偏好的投资者。张登明通过对技术指标的分析,构建了完整的及时指标组合投资策略框架。他从量化的角度,通过样本统计给出了适合中国股市的优化指标组合及参数设置,对提高投资决策有积极意义。路来政通过研究量化基金的绩效及管理能力来研究量化投资策略的应用效果,采用T-M模型、H-M模型和C-L模型对其中9只量化基金的管理能力进行了研究,以评价量化基金使用量化投资策略的择股效果和择时效果,结果表明量化基金采用量化策略进行投资是有意义的。
股票择时属于量化投资的一个分域。刘澜飚、李贡敏研究了市场择时理论在中国的适用性,表明中国上市公司不仅存股票市场的市场择时行为,而且存在债务择时行为,即股票市场高涨时,上市公司倾向于债务融资。林正龙基于效用无差别定价原理,运用实物期权定价理论,研究项目投资收益不可完全复制的不确定性投资机会定价与择时问题,得出不同于指数效用,对具有常值相对风险回避系数效用函数的投资者而言,不确定性投资机会的定价与择时与投资者当前财富数量有关。卓琳玲、胡志强通过对样本公司的研究,发现样本公司股票行为、债券发行和内部融资均呈下降趋势,其中股票不是特别明显,当市值杠杆比率上升时期,股票发行出现显著地下降趋势,此时市场时机选择比较明显,说明我国股市存在明显的市场时机选择行为。刘阳、刘强通过研究我国从上世纪90年代初-2010年1月的上证综指和深证成指,分析异常收益率对整个期间收益的影响及择时的可能,发现极少数具有超常收益的交易日对股票市场的长期收益具有显著的影响,认为理性的投资者应该放弃择时而选择长期投资。王俊杰在择时模型方面分析了行业指数存在的持续性和行业轮动特征,并以时间序列模型为基础,构建动量模型、MS-GARCH行业择时模型等量化择时策略,回测结果MS-GARCH择时模型战胜行业动量模型和指数,表现较好。
温婧茹对移动平均线理论进行改进,构造了最适参数,参考设计了触线交易策略和过滤器交易策略,构建了家电板板块静态与动态相结合的股票池,实证得出,不同股票对应的最适参数不同,用个性化的参数进行决策能获得更好的收益;应用收益率确定最适参数以择股,结合触线交易策略以择时,能够跑赢大盘,取得超额收益。曹力自适应均线更适合于组合类的标的,如指数或者封闭式基金,因为这些标的的走势经过了平均的平滑,没有突然的大起大落,更容易用均线来跟踪趋势的变化。而对于个股,波动形态和指数类表的不同,所以需要使用不同的参数,在大多数个股上能够获得超额收益,特别对强周期性行业的股票自适应均线有很强的择时能力。但是自适应均线也不是万能的,对于某些个股,因为波动形态的复杂,用自适应均线也无法获得超额收益。曹力、徐彪从实证效果来看,利用可交易组合的均线模式识别找出的买入机会成功率较高,能抓住一些市场主要的反弹机会,因此累积收益非常出色。可交易组合的均线模式识别方法是择时交易,特别是熊市中择时的有效方法。
1.3 研究框架
传统的趋势指标择时策略往往是单指标的,并且策略参数通常是约定俗成的。单指标策略局限性和偶然性大,不能有效及时获取收益和及时止损;约定俗成的常用参数值在面对各种波动幅度不同、周期性不同、价格弹性等不同的个股时也有失客观性和灵动性。
所以,在探究一种改进针对个股的传统趋势指标量化择时的策略。首先建立基于各传统趋势指标的单指标择时策略,通过参数优化确定各单指标策略的最适参数;并在单指标的基础上,创新性地通过指标的组合,构建一个综合性且参数最优的组合指标择时策略,以增强策略的稳定性和鲁棒性,获得更优的投资收益。
1.4 术语说明
(1)累计收益率:
(2)年化收益率:年化收益率是把当前收益率(日收益率、周收益率、月收益率)换算成年收益率来计算的,是一种理论收益率,并不是真正的已取得的收益率。
(3)夏普比率:夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标,它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值,说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此,夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。
夏普比率=
(5)最大回撤率:在选定周期内任一历史时点往后推,产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤率用来描述买入产品后可能出现的最糟糕的情况,是一个重要的风险指标。
2 理论概述
2.1 量化投资理论
量化投资是运用现代统计学和数学的方法,从大量的历史数据中寻找并获得超额收益的一种投资策略,投资者通过计算机程序,建立可以重复使用并反复优化的投资策略,严格按照这些策略所构建的数量化模型进行投资并形成回报。
量化投资的内容主要包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、ETF/LOF套利、高频交易等。量化投资在国外已有30多年的发展历史,但在国内还是近年出现的新鲜事物。相比其他投资策略,量化投资在国外的运用已取得了更佳的业绩。
与海外成熟市场相比,中国A股市场的发展历史较短,投资理念还不够成熟,相应的留给主动型投资发掘市场的潜力和空间也更大。国内很多实证文献讨论国内A股市场也尚未达到半强势有效市场,因此量化投资理论引入国内证券市场是非常有意义的,它以正确的投资理念为根本,通过各种因素的分析,以全市场的广度、多维度的深度视角扫描投资机会,在中国市场的应用将更显其优势。
2.2 择时理论
量化择时是量化投资的一种,它利用数量化的方法,通过对各种宏观微观指标的量化分析,试图通过回溯历史数据,找到影响大盘走势的关键信息,并且对未来走势进行预测。如果判断是上涨则买入持有;如果判断是下跌则卖出清仓;如果判断是震荡则进行高抛低吸,这样就可以获得远远超越简单买入持有策略的收益率。所以择时交易是收益率最高的交易方式之一。
股票的量化择时是预测市场以后的走势,并由此来判断调整投资组合的风险水平,从而获取更大的收益,具体表现是现金流进出证券市场和在证券间比例变换的时机选择。
2.3 趋势追踪理论
趋势择时的基本思想来自于技术分析,技术分析认为趋势存在延续性,因此只要找到趋势方向,跟随操作即可。
技术指标是技术分析中使用最多的一种方法,通过考虑市场行为的多个方面建立一个数学模型,并给出完整的数学计算公式,从而得到一个体现证券市场的某个方面内在实质的数字,即所谓的技术指标值。指标值的具体数值和相互间关系直接反映证券市场所处的状态,为操作行为提供指导作用。目前证券市场上的技术指标可分为“趋势型指标”、“反趋势型指标”、“能量指标”、“大盘指标”、“压力支撑指标”等类别。
移动平均线(MA)是一种常用的趋势型指标,由Joseph E.Granville于20世纪中期提出来。它是当今运用最普遍的技术指标之一,帮助交易者确认现有趋势、判断将出现的趋势、发现过度延伸而即将发转的趋势。后来又逐渐衍生出其他类型的均线,如平滑异同移动平均线(MACD)、三重指数平滑平均线(TRIX)等。 这些均线理论常用两根线的交叉作为交易信号,并以此作为买卖时点的判断。
均线理论提供了一种简单有效的使价格序列平滑并且使趋势更易于辨认的方法。
因此综合以上理论的优点,在此基础上改进传统趋势指标的量化择时策略,并创新性地开发更优的组合指标量化择时策略,以达到及时获取收益和及时止损的目的。
3 择时策略模型建立
3.1 MA单指标策略模型的建立
MA移动平均是指连续若干交易日收盘价的算术平均,用来显示股价的历史波动情况,进而反映股价指数未来的发展趋势。
其中
利用MA指标进行量化择时,在短期移动均线与长期移动均线的交叉处进行买入或卖出择时交易。以下分别建立买入和卖出法则的模型。
在短期移动均线下穿长期移动均线的黄金交叉处买入,故建立如下数学模型:
mabuy=1,MA(s)t>MA(s)t-1&MA(s)t>MA(l)t&MA(s)t-1<MA(l)t-10,其他(6)
其中mabuy=1,表示满足买进,mabuy=0表示不满足买进。
在短期移动均线上穿长期移动均线的死亡交叉处卖出,故建立以下数学模型:
mabuy=1,MA(l)t<MA(l)t-1&MA(s)t<MA(l)t&MA(l)t>MA(l)t-10,其他
其中mabuy=1,表示满足卖出,mabuy=0表示不满足卖出。
3.2 MACD单指标策略模型的建立
MACD即指数平滑异同移动平均线,是根据均线的构造原理,通过分析短期指数移动平均线与长期指数移动平均线之间的聚合与分离状况,对买进、卖出时机做出判断的趋势型技术指标。
MACD的计算如下:
(1)计算短期(ms)指数移动平均线EMA1和长期(ml)指数移动平均线EMA2。
(2)计算离差值DIF=EMA1-EMA2。
(3)计算DIF的M日指数移动平均线,即DEA。
(4)计算MACD=2(DIF-DEA)。
利用MA指标进行量化择时,在DIF与DEA的交叉处进行买入或卖出,分别建立买入和卖出法则的模型。
当DIF、DEA均为正值,DIF向上突破DEA时,为买入信号,建立如下数学模型:
macdbuy=1,DIFt>DIFt-1&DIF>DEAt&DIFt-1<DEAt-1&DIF>00,其他 (8)
其中,macdbuy=1表示满足买进,macdbuy=0表示不满足买进。
当DIF、DEA均为负值,DIF向下跌破DEA时,为卖出信号,建立如下数学模型:
macdsell=1,DIFt<DIFt-1&DIFt<DEAt&DIFt-1>DEAt-1&DIF<00,其他(9)
其中macdsell=1,macdsell=0表示满足卖出,表示不满足卖出。
3.3 MA-MACD组合指标策略模型的建立
组合模型构建两个新的信号变量:买入信号个数阈值“buy”(1≤buy≤2,整数)和卖出信号个数阈值“sell”(1≤sell≤2,整数)。
买入信号个数阈值“buy”表示:当MA策略中的“mabuy=1”的买入信号个数与MACD策略指标中的“macdbuy=1”的买入信号个数之和至少达到阈值“buy”(1≤buy≤2)数量个时才进行买入交易。
即“buy”阈值取不同值时,买入信号组合满足买入条件的情况如下:
buy=1时,满足买入情况:mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12时,满足买入情况:mabuy=1&macdbuy=1(10)
卖出信号个数阈值“sell”表示:当MA策略中的“mabsell=1”的卖出信号个数与MACD策略指标中的“macdsell=1”的卖出信号个数之和至少达到阈值“sell”数量个时才进行卖出交易。
即“buy”阈值取不同值时,买入信号组合满足卖出条件的情况如下:
sell=1时,满足卖出情况:masell=1||macdsell=1||mabsell=1&macdsell=12时,满足买入情况:masell=1&macdsell=1(11)
3.4 模型最优参数的选择
就个股而言,不同的计算参数,将导致不同的择时效果。面对各种波动幅度不同、周期性不同、价格弹性等不同的股票,如果盲目套用经典参数可能会有失客观性和灵动性。因此, 在进行量化择时策略构建时,需要针对个股进行策略的参数优化,检验指标不同参数的测试效果,并最终选择一个最优的参数组合。
夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标,它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值,说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此,夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。
4 个股实证分析
4.1 数据选择
为验证上述模型的有效性,个股实证以深圳证券交易所的华谊兄弟300027为交易标的,选取来源于国泰安2011.1.1-2014.6.30的基本面数据库,包括个股开盘价、收盘价等。
4.2 MA单指标择时策略仿真回验
首先对该股策略进行参数优化:本策略中对于参数,在测试期间内,以2天为间隔,测试范围从2天到20天;以5天为间隔,测试范围从20天到120天;搜索精度为1;测试回验30天,截止日期设为2013-12-31。通过回验得到参数优化结果(见表1)。
如表1所示,最优组合(s,l)=(2,20),当以2日为短期均线,20日为长期均线,在参数优化测试期间进行交叉择时时效果较好,在回验测试期间内夏普比率达2.4234。
确定最优后,运用国泰安量化交易平台QIA进行策略交易仿真回验。设定合约保证金为1,合约乘数为1,市场参与度为0.5,买方手续费为0.05‰,卖方手续费为0.05‰,交易账户为股票账户并设定初始资金为1 000 000元,以一年期国债利率为无风险利率,并以沪深300为业绩比较基准,以数据库所给时间2011年1月1日-2014年6月30日为策略回验时间区间进行回验。最终结果(见图1、表2)。
回验结果显示,此单指标策略在2011年1月1日-2014年6月30日间的累计收益率达42.26%,年化收益率达11.10%,高出同期的沪深300指数比较基准,并且胜率达60.80%。由此我们可以得出结论,采用MA单指标策略进行个股量化择时交易也能获得较优的投资回报。
4.3 MACD单指标择时策略仿真回验
对该股策略进行参数优化:该策略需要优化确定的参数主要包括短期指数移动平均线的计算天数ms、长期指数移动平均线的计算天数ml,以及DEA的计算天数M。本策略的参数优化依然以最大化夏普比率为最优化目标函数,并使用Matlab的模式搜索算法在设定的回验时段内搜索最优参数组合(ms,ml,M)。
对于参数ms,在测试期间内,以2天为间隔,测试范围从2天到20天;参数ml以5天为间隔,测试范围从20天到120天;参数M以5天为间隔,测试范围从5天到60天;搜索精度为1;测试回验30天,截止日期设为2013-12-31。通过回验得到参数优化结果如下:
如表3所示,最优组合(ms,ml,M)=(2,25,10),当以2日为短期指数移动平均线计算天数,25日为长期指数移动平均线计算天数,10日为DEA计算天数,进行交叉择时时效果较好,在回验测试期间夏普比率达3.0682。
组合指标择时策略仿真回验。由于组合指标策略是建立在单指标策略基础上的,所以该策略中的参数(s,l)、(ms,ml,M)即为模型一和模型二参数优化后确定的值,而参数(buy,sell)的组合情况有(2,2)、(2,1)、(1,2)和(1,1)四种,阈值组合选取哪个使得策略最优则需要进一步的参数优化。
对于参数buy,初始值设为2,测试最小值为1,最大值为2,步长设为1;参数sell,初始值设为2,测试最小值为1,最大值为2,步长设为1;搜索精度设为1;测试回验90天,截止日期设为2013-12-31。通过回验得到参数优化结果(见表4)。
如表4所示,最优组合(buy, sell)=(1,1),即当买入信号个数至少有一个时就进行买入交易,卖出信号个数至少有一个时就进行卖出交易,以此进行组合指标择时效果最好,在参数优化回验测试期间夏普比率达2.490 3。
5 结论
从价格沿趋势移动和历史会重演的角度出发,运用传统趋势指标MA和MACD,分别建立MA、MACD的单指标择时策略模型并通过模式搜索算法分别求出两个策略的最优参数,从实证结果看趋势型指标可以抓住大的波段行情,获得超额收益,具有较好的择时效果。在此基础上再创新性的运用通过设置买入和卖出信号个数阈值的方法构建二者的最优组合指标模型,增强了择时的稳定性和鲁棒性,在有效降低风险的同时提高了收益率。
综上所述,基于以上的不足之处,以后将沿着组合指标择时的思路继续深入研究以对目前的研究进行改进。未来的工作主要是:对于用于组合的单指标要进行更为全面的扩展,引进其他经典趋势型指标DMA平均线差指标、TRIX三重指数平滑移动平均指标等,同时把指标类型拓展至其他类型,如反趋势型指标ACCER幅度涨速指标等,量价指标APBP人气意愿指标等,大盘指标OBOS超买超卖指标等,压力支撑指标ENE轨道线指标等。通过增加组合趋势型数量和组合指标类型,以使组合指标策略更全面、更切合实际市场。
参考文献
1 丁鹏.量化投资——策略与技术[M].北京:电子工业出版社,2012
2 方浩文.量化投资发展趋势及其对中国的启示[J].宏观管理,2012(5)
3 郭建.论证券投资技术分析中历史会重演的根本原因[J].商业时代,2007(28)
4 李向科.证券投资技术分析[M].北京:中国人民大学出版社,2012.
5 张登明.技术指标投资策略的优化及其在量化交易中的应用[D].武汉:华中科技大学,2010
6 方智.基于多技术指标模型的沪深300指数走势预测[D].南昌:江西财经大学,2012
7 路来政.量化投资策略的应用效果研究[D].广州:暨南大学,2012
8 刘澜飚,李贡敏.市场择时理论的中国适用性[J].财经研究,2005(11)
9 林正龙.项目投资定价与择时理论研究[D].长沙:湖南大学,2006
10 胡志强,卓琳玲.IPO市场时机选择与资本结构关系研究[J].金融研究,2008(10)
11 王俊杰.量化交易在中国股市的应用[D].南京:南京大学,2013
投资覆盖广、风险可控
说到量化投资,很多人并不了解,这也是一个相当专业的领域。它结合计算机技术,利用数据和模型,寻找能够分散风险并带来稳定、超额收益的大概率策略,力争获取超额收益。
量化投资的特征包括数据模型驱动、依靠大概率取胜、风险较为可控等特点。具体来说,所有的量化模型都需要利用数据检验策略的可靠性,不论思想是来源于金融学理论、交易积累的经验或者纯粹的数据统计,都需要利用交易数据反复验证,在此后的实际运行也主要依靠这些检验过的规则行事。
万家基金量化投资部总监卞勇告诉《经济》记者,因为是主要依赖计算机执行和监控,所以经验得以迅速复制,可以同时关注市场上所有的股票或者其他投Y产品,这往往是单个基金经理或者研究员难以全面覆盖的。
由于利用概率取胜,所以只要市场运行的规律还在,那么这种重复事件仍然可以大概率发生。为了实现大数定律,一般量化投资选择的标的比主观投资多,所以量化投资的分散性一般高于主观投资。
不仅如此,一般量化模型都会有较为严格的风控标准,既然是基于历史数据产生的模型或者策略,就会同样根据历史数据测试组合的回测等一些数量化的风控标准,所以在执行的时候就比较容易知道当前是符合模型预期的波动还是已经出现了未理解到的问题和变化,需要做出相应的修正。
总体来说,对比一般的基本面或价值投资方式,量化投资具有投资范围广和风控严格的特点,还能够避免因为人为的选择而踩雷的情况。
从基金管理人的角度来说,由于基金管理人能够通过数量化方式对市场进行全面的剖析,相比主动投资的基金选股覆盖面更广。业内一位基金分析师对《经济》记者表示,量化投资与生俱来的特点就是个股投资分散程度极高,且基金管理人对于所选标的不带偏好,会均衡的投资于模型所推选出来的标的股票。
从实际操作结果来看,通常量化基金持有股票数量在100只以上,且个股占比相对平均,重仓股个股占比在1个百分点左右,这也是量化投资能够更好地规避非系统性风险的主要原因。
格上理财研究中心研究员杨晓晴也告诉《经济》记者,普通基金由于受人力限制,仅覆盖二三十只股票,而量化基金可以覆盖全市场标的,投资上百只股票,“不仅可以充分挖掘全市场投资机会,而且还能降低个股或个券的负面影响,实现风险的有效分散”。
此外,量化策略建立的择时选股模型,既能合理控制仓位,还能克服人性弱点,规避人为主观非理性给业绩带来的负面影响,做到了纪律投资。量化基金通过多因子模型对个股进行筛选,挖掘价值被低估的个股,最终选出具有超额收益的标的组合进行投资,在震荡市中表现亮眼,颇受欢迎。
总的来说,正是因为大量数据检验、大数定律保证、风险容易描述的特点,现在量化投资正逐渐被大众接受。
行情稳定、投资可长期
近期表现较好的量化基金主要采用的是多因子策略,整体收益远高于权益类基金,尤其在震荡市行情中,量化基金分散持仓的优势更亮眼。而量化基金持续火爆也引发投资者的担忧,在未来这种趋势会延续多久,是昙花一现还是值得长期关注?
对此,华泰证券研究所研究员刘志成告诉《经济》记者,量化基金的市场行情在未来一段时间内仍然会不错。“其实量化投资还是有一定门槛的,一般的投资者可能没有办法把这些投资思想精确地描述出来,也没有办法基于历史数据来做一个回测,所以一般没有这样能力的投资者买一些量化投资的产品会更方便。”
某基金分析师认为,量化基金的投资热潮与其业绩也存在一定程度的联系。2014年以来,采取主动投资的量化型基金业绩持续向好,相比于股票型基金和混合型基金,量化基金更能够捕捉市场波动中的投资机会,更快缓解前期市场整体回撤造成的损失。
2016年度主动量化型基金、对冲量化型基金和跟踪股指的指数量化型基金的平均收益率分别为-2.29%、-1.79%和-4.55%,而同期中国股基指数和中国混基指数的跌幅分别为-16.25%和-8.52%。
大部分投资者都观测到,量化基金整体在牛熊行情中保持与传统基本面和价值面投资基金收益或亏损相当,而在震荡行情中获取更多的回报,出于对未来市场不确定性的考量,投资量化基金相当于另辟蹊径,也不失为一个较好的选择。
近期量化基金有一定分化,因为市场正面临成长与价值风格的转型磨合期,近3个月市场偏中小市值风格的量化基金可能受到了一定的损失,偏市值中性风格的量化基金会突显出来。卞勇判断,随着今年证监会IPO的稳定,筹码供给的增加和证监会对于注册制的推进会更利于市值中性风格的基金。未来量化基金也会衍生出更多更丰富的策略类型,按照国外的经验,量化基金占比持续提高是重要的趋势,其稳定性和在风险加权收益上的优势还是较为明显的。
除了市值中性风格的基金,还有一部分基金可能会在多因子选股的基础上加一些事件性选股,它会有一些事件驱动型策略,刘志成还表示,也有基金会主动去做一些风格轮动或行业轮动,这个目前来看不是特别普遍。
2017年市场发展的主基调还是稳。高层多次强调经济发展要平稳有序进行,而且宏观经济数据持续向好,企业基本面得到改善,股市存在结构性布局机会。“这种稳中有进的环境有利于量化基金挖掘阿尔法收益。”杨晓晴表示。
关注三大板块、三种类型
对于普通投资者来说,投资量化基金产品要把握好时机。在杨晓晴看来,投资者在选择量化基金时可以从量化模型、基金经理、业绩稳定性、持仓情况和基金规模等角度进行考察。
第一,模型是决定基金表现的直接因素,毕竟择时选股的依据是模型,但模型还得靠人来管理,基金经理才是决定基金业绩的最核心因素;第二,历史业绩稳定的基金,对市场的适应力更强,模型更有效;第三,分散持仓能够起到分散风险的作用,所以仓位越不集中的基金,在震荡市中越有优势;第四,不易选择规模偏大的量化基金,因为大规模会摊薄阿尔法收益。
目前市场上普遍被个人投资者接受的量化基金均属于主动量化型基金。某基金分析师认为,普通投资者投资主动量化型基金还应从四方面考虑:分散化投资特征显著、投资风格可持续;规模及其变动幅度均不宜过大;长期业绩表现稳定、风险收益交换效率高;所选基金的风险在自身可承受范围之内。
就拿个人的风险偏好来说,如果你是一个低风险型的投资者,应当选择更为稳健的套利型产品或者灵活配置的打新基金,因为不同的量化产品在产品设计之初就会约定一些如止损线、平仓线等要求,同时会展示策略的历史表现。“投资者最好想清楚自己是否能够接受这样的风险收益水平再做决策。”卞勇如是说。
而在投资时机上,一般不需要特别选择,因为量化投资的基础思路就是复制历史规律,不会受到太多当前短期市场影响的冲击,但投资者如果选择的是指数增强类的产品,可能需要考虑大盘的相对高低,目前指数相对估值并不高,正是布局指数增强型产品的较好时机。
量化基金m然可以覆盖全市场标的,但也各有侧重,如有的量化基金重仓金融地产,有的重仓制造业,有的偏爱沪深300成分股等。“所以投资量化基金时还需要根据市场行情因城施策,选择最有上升潜力的基金。”杨晓晴表示,就目前市场来说,主动管理类量化基金表现较好,重仓金融地产板块的量化基金尤其亮眼。
2017年受政策引导影响,经济脱虚入实,去杠杆、抑泡沫有序进行,供给侧改革、“一带一路”热火朝天,宏观经济数据持续向好,企业基本面得到持续改善,股市稳中有进,出现了结构性布局机会,如周期行业、价值蓝筹板块值得重点关注。
“华富量子生命力基金自2011年成立以来,一直处于较弱的市场环境中,期间也有阶段性的比较好的表现,但总体来说没有给持有人带来正收益,深表歉意。公司看到了这一点,也一直在努力改变,今年三季度增聘了基金经理,改善了持股结构,逐步调整量化策略,以求找到更适应现阶段市场的量化模型,为持有人带来收益。”面对《投资者报》记者关于华富量子生命力基金业绩的质疑,华富基金公司的相关负责人表示了诚恳的歉意。
据Wind数据,截至今年12月3日,华富量子生命力基金经理朱蓓以负27%的任职总回报在244位同类基金经理中位居232名,另一位基金经理孔庆卿以负7%的任职总回报在357位同类基金经理中位居347名。
量化模型发掘大把牛股 分散投资业绩贡献打折
据了解,与传统的定性投资不同,华富量子生命力基金严格采用量化投资策略进行“择时”与“选股”的操作。其数量化投资策略由于借助高效的计算机系统对市场进行全方位的地毯式扫描,进而构建系统化的投资组合,并且遵守严格的投资纪律,因此可以弥补由于人的精力不足而造成的选择范围局限,最大限度扩大投资视野,并在第一时间发掘新的投资机会。
从实际效果来看,华富量子生命力也确实发掘了众多的大牛股。据Wind数据,从年初至今(11月22日),华富量子生命力第三季度末的十大重仓股中,浙报传媒(上涨176%)、上海钢联(上涨264%)、爱施德(上涨272%)、海越股份(上涨108%)、太极股份(上涨141%)5只股票涨幅均已翻番,然而,华富量子生命力的业绩回报却没有因为这些牛股而遥遥领先。
对此,华富基金相关负责人回答说:“量化投资是借助计算机系统,运用程序化的计算机模型进行全市场数据分析,用模型结论指导投资的一种投资方式。根据基金契约,华富量子生命力基金是一个运用量化模型指导投资的产品。每个模型对不同的市场环境都有不同的适应性,因为其分析基础是各种市场公开数据,所以从一般规律来看,量化投资的产品在震荡向上以及牛市行情中表现比较出挑,而在熊市行情中则普遍弱于市场。同时,量化投资产品持股分散度比较高,单个股票的占比都不高,从正面来看,是有效规避了风险,但同时个股涨幅对基金净值的贡献率也就相应降低了。”
量化投资成熟运用于国内A股还需时间
华富量子生命力基金的基金经理朱蓓,上海交通大学安泰管理学院硕士研究生,曾担任平安资产管理公司量化投资部助理投资经理。多年证券投资研究、保险公司投资从业经历。现任华富基金金融工程研究员、产品经理,华富量子生命力、华富中证100、华富中小板基金经理。
对于华富量子生命力目前的业绩不大理想。华富基金公司相关负责人解释说:“华富量子生命力基金自2011年成立以来,一直处于较弱的市场环境中,虽然期间也有阶段性的比较好的表现,但总体来说没有给持有人带来正收益,深表歉意。公司看到了这一点,也一直在努力改变,今年三季度增聘了基金经理,改善了持股结构,逐步调整量化策略,以求找到更适应现阶段市场的量化模型,为持有人带来收益。”参考华富基金旗下的其他基金业绩情况,今年以来的确收益不错,海通证券统计前三季度权益类基金综合净值增长率达38.07%,在所有基金公司中排名第五,说明华富基金对股票主动管理的能力还是可圈可点的。
【关键词】量化宽松 失业率 资本外漏 结构转变
一.引言
2011年6月底,实施期间长达8个月的美联储第二轮量化宽松的货币政策正式完结,美联储此举意图通过降低长期资金的融资成本以增加企业信心,并促进就业市场的复苏。究竟量化宽松的货币政策对于美国经济的进一步复苏以及降低失业率,防控通货紧缩是否具有效果,有多大程度的效果,不同的学者持有不同的观点。
Bernanke、Reinhart和Sack研究了大萧条期间利率政策的无效和货币供应的紧缩,认为对付危机应加大货币供应量;李娅,温连青(2011)认为该政策不能从根本上改变美国经济现状及通缩趋势,但会给其他国家的经济造成负面影响,增加通胀压力;韩会师(2011)也认为美国的宽松政策并未有效刺激本国信贷增长及投资扩张,却助长了世界范围内的通货膨胀和资产价格泡沫。前美联储主席Alan Greenspan(2011)表示,美联储量化宽松的经济措施除了使美元走弱、刺激美国出口外对美国整个经济的影响并不大。
二.美国量化宽松货币政策的主要内容
(1)量化宽松的含义。量化宽松的货币政策(Quantitative Easing)最初被日本和英国的中央银行所使用,其应用的背景是在常规的利率水平已经下调到零附近,利率政策用尽,为抵御经济进一步下滑而采取量化宽松货币政策,这种政策被视为一种非常规的货币政策。“量化宽松”中的“量化”指将会创造指定金额的货币,而“宽松”则指减低银行的资金压力。
所谓量化宽松,是指中央银行通过公开市场业务等手段向市场注入流动性,也被简化地形容为直接增印钞票。其操作是中央银行通过公开市场操作购入证券等,使商行在央行开设的结算账户内的资金增加,为银行体系注入新的流动性。
(2)量化宽松预期政策的效果。其效果是有助于降低政府债券的收益率和银行同业隔夜利率,银行从而坐拥大量赚取极低利息的资产,央行期望银行会因此较愿意提供贷款以赚取回报,以期缓解市场的资金压力。与央行在公开市场中对短期政府债券所进行的日常交易相比较,量化宽松政策所涉及的政府债券不仅金额庞大,而且持续期也较长。
(3)美联储量化宽松的两次实践。2008年11月底,美联储第一轮量化宽松开始实施,并于2010年3月结束。美联储总共购买了12500亿美元的抵押贷款支持证券、3000亿美元的美国国债和1750亿美元的机构证券,累计约17250亿美元。从此次效果来看,在一定程度上稳定了美国金融秩序,恢复投资者信心,对于经济的复苏起到了良好的刺激效果。
然而2010年8月以后,美国经济复苏再度乏力,核心CPI跌幅加剧,,9月份美国的CPI较上个月仅上升了0.1%,除了波动的食品与能源价格外,物价已连续第二个月几乎“纹丝不动”,与一年前相比,总体物价水平仅上涨1.1%,核心物价仅上涨0.8%,为1961年以来最缓慢的年份。为进一步刺激经济复苏,于11初开始实施第二轮量化宽松,次年6月底完成6000亿美元的资产购买计划。至于此次的政策效果,还有待于时间的验证;但美联储理事布拉德表示,量化宽松货币政策对经济的影响将之后6-12个月才显现。QE2是传统的量化宽松货币政策,预计QE2对于实体经济的作用也将会有6-12个月的时滞效应。
三.量化宽松政策的经济效果评价
尽管美联储第一轮的量化宽松的刺激政策取得良好的效果,但QE1是完全基于金融危机的大背景下,这对于稳定金融秩序和刺激经济复苏能够取得立竿见影的效果。到现在为止,金融危机已经过去三年多,全球经济缓慢复苏,多数发达国家经济再度疲软。在后危机这种背景下继续实施QE政策就不是明智的选择了,其具体原因分析如下:
(1)美国信贷资本的大量外流;由于美联储0-0.25%的近乎零的联邦基金利率水平,在资本天然获利动机的驱使下,美国金融机构并未将资金用于启动国内信贷市场,而是涌向大宗商品市场和新兴市场经济体。美联储投放的巨额资金产生了一定的“漏出效应”,并未全部作用于通货膨胀率的上升和失业率的下降。受经济不景气和投资信心不足的影响,国内金融机构普遍收缩国内信贷,增加海外债权。
(2)国内企业倾向于海外投资;量化宽松政策的本意是重振投资者信心,恢复国内企业的生产,以此来降低高失业率。但数据表明,实体企业在危机后更倾向于投资海外的新型市场经济体国家,以此来规避国内消费不足的困境。图1表明,危机爆发以来,美国的国内投资总额总体趋势是下降的,尤其是居住类投资,这就使得量化宽松的政策效果大打折扣,难以达到预期的效果。与此同时,企业的海外投资季度增量呈现出波动中上升的趋势。
图 1美国国内私人固定资产投资季度数据(单位:十亿美元)
德意志银行在第十二期年度另类投资调查报告中预测,2014年,对冲基金管理资产总规模将从2013年底的2.6万亿美元增至3万亿美元新高。而反观国内,量化对冲投资才刚刚起步,尤其是公募领域,尚未有一只真正意义上追求绝对收益的量化对冲产品。
受市场有效性和工具种类等因素的限制,国外一些成熟的量化对冲模型无法照搬回A股。我们将国外的模型进行了本土化的改造,4年来,这种改造已初见成效:2013年,我们的8个量化对冲专户组合年化平均收益超过了12%。我们欣慰地看见,中国式的量化对冲投资已见雏形,且羽翼渐丰。
这些专户组合的投资过程,也是我们验证本土化量化对冲模型的过程。在实际运行的组合中,我们大体采取两种模式:阿尔法策略和套利策略。所谓阿尔法策略,是专注于创造绝对收益。根据A股市场的特点,我们将理论上的阿尔法策略进行了改造,以传统的主动型股票研究分析结果为基础,利用多因子模型来控制组合的风险和相关性,追求超越市场平均回报的绝对收益,为投资者提供持续稳定的阿尔法回报;第二类是套利策略,即利用衍生品到期收敛特点进行套利,在国内做得比较多的就是ETF和分级基金套利。这类套利策略基于市场的广度和速度,但囿于公募基金内部防火墙等监管规定的限制,我们采用的多为分级基金套利。这种方法绕开了高频交易对速度的极致追求,能够为组合贡献无风险收益。
更为可贵的是,通过量化对冲专户的实践,我们打造了自己的量化投资流水线,在金融工具、阿尔法策略、套利及实时风控等业务链环节上,我们的团队和模型进一步得到完善,即使在白酒股异动、乌龙指这样的“黑天鹅”事件出现时,也经受住了市场的考验。