量化投资分析报告文档格式.docx
《量化投资分析报告文档格式.docx》由会员分享,可在线阅读,更多相关《量化投资分析报告文档格式.docx(28页珍藏版)》请在冰豆网上搜索。
股指期货套利是指利用股指期货市场存在的不合理价格,同时参与股指期货与股票现货市场交易,或者同时进行不同期限,不同(但相近)类别股票指数合约交易,以赚取差价的行为,股指期货套利主要分为期现套利和跨期套利两种。
商品期货套利:
商品期货套利盈利的逻辑原理是基于以下几个方面:
(1)相关商品在不同地点、不同时间对应都有一个合理的价格差价;
(2)由于价格的波动性,价格差价经常出现不合理;
(3)不合理必然要回到合理;
(4)不合理回到合理的这部分价格区间就是盈利区间。
统计套利
统计套利是利用证券价格的历史统计规律进行套利,是一种风险套利,其风
险在于这种历史统计规律在未来一段时间内是否继续存在。
统计套利在方法上可以分为两类,一类是利用股票的收益率序列建模,目标是在组合的β值等于零的前提下实现alpha收益,我们称之为β中性策略;
另一类是利用股票的价格序列的协整关系建模,我们称之为协整策略。
算法交易
指通过使用计算机程序来发出交易指令。
在交易中,程序可以决定的范围包括交易时间的选择、交易的价格、甚至可以包括最后需要成交的证券数量。
根据各个算法交易中算法的主动程度不同,可以把不同算法交易分为被动型算法交易、主动型算法交易、综合型算法交易三大类。
资产配置
指资产类别选择,投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。
量化投资管理将传统投资组合理论与量化分析技术的结合,极大地丰富了资产配置的内涵,形成了现代资产配置理论的基本框架。
量化投资与传统投资的区别
传统的投资方法主要有基本面分析法和技术分析法这两种,注重人为的分析和投资者的感觉,而量化投资主要依靠数学模型来寻找投资标的和投资策略。
量化投资是由计算机自动产生交易策略的一种投资方法,通过建立数学模型来实现交易理念,它具有完整的评价体系。
模型建立后,通过对历史数据进行回测检验,确定模型在各个行情阶段均能有效运行,实现盈利。
因此量化投资较传统投资更
准确、更高效、更理性。
量化投资与传统投资对比如下图:
量化投资
传统投资
代表人物
詹姆斯·
西蒙斯
沃伦·
巴菲特
分析方法
依据科学模型
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
2.行业发展状况
国外篇
国外量化投资的兴起和发展主要可以分为三个阶段:
第一阶段(1971——1977)
1971年,世界上第一只被动量化基金由巴克莱国际投资管理公司发行,1977
年世界上第一只主动量化基金业是由巴克莱国际投资管理公司发行,发行规模达到70亿美元,算是美国量化投资的开端
第二阶段(1977——1995)
从1977年到1995年,量化投资在海外经历一个缓慢的发展,这其中受到诸多因素的影响,随着信息技术和计算机技术方面取得巨大进步,量化投资才迎来了其高速发展的时代。
第三阶段(1995——至今)
从1995到现在,量化投资技术逐渐趋于成熟,同时被大家所接受。
在全部的投资中,量化投资大约占比30%,指数类投资全部采用定量技术,主动投资中,约有20%——30%采用定量技术。
数据显示2016年,量化科技在国外的理财产品管理规模已达到了3.2万亿美元,而通过计算机和数字模型进行下单和下达指令的比例达到了惊人56%。
量化
投资基本实现了从最初的技术分析手段,逐渐发展演变为如今有金融理论支撑的金融设计工具,以计算机程序算法主导的高频交易。
国外量化投资的代表企业及人物:
量化投资的鼻祖——巴克莱国际投资管理公司(BGI)。
1971年,巴克莱国际投资管理公司发行了世界上第一只被动量化基金,1977年,巴克莱国际投资管理公司发行了世界上第一只主动量化基金,发行规模30亿美元。
巴克莱国际投资管理公司的投资管理规模从1977年的30亿美元逐渐发展到2010年上半年的2万5千亿美元,高居全球资产管理规模的榜首。
指数化投资的倡导者和实践者——先锋集团。
先锋集团于1974年由约翰·
鲍格尔(JohnBogle创)立是世界上第二大基金管理公司。
同时,先锋集团是世界上最大的不收费基金家族,现在在全世界管理着3700多亿美元的资产
“赢在投研”——富达投资集团。
富达投资集团是全球最大的基金管理公司之一,拥有者许多世界级的明星基金经理,分支机构遍布全球23个国家和地区,全球雇员4万人。
“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采用数学模型和计算机技术进行投资决策,他所管理的大奖章基金从1989年到2006
年平均年收益率高达38.5%,净回报率超过股神巴菲特。
“定量分析之王”——大卫·
肖,1988年以2800万美元在纽约创立德劭集团,20年中,集团所管理的基金资产规模敏捷膨胀,年均回报率高达20%,其
最巅峰时期的生意量可以占到整个纽约证券生意的5%。
国内篇
量化投资在国外已经有30多年的历史,但直到21世纪初,我国普通投资者仍对量化投资几乎一无所知。
量化投资起步较晚的主要原因为:
A股市场的发展历史较短,投资者队伍参差不齐,投资理念还不够成熟;
我国证券市场效率低下,量化投资效果不明显;
国内市场对冲工具单一,可量化的标的过少;
受到交易规则的限制,量化投资不能充分发挥作用,很难引起人们重视。
随着国内金融衍生产品市场的不断发展,定性分析越来越不能满足投资需求,与此同时资本市场制度不断完善,A股市场的股票数量不断增加,基金规模不断扩大,基本面研究成本提高,使量化投资的出现成为必然。
2010年4月股指期货的出台,标志着量化投资在国内市场的发展进入一个全新的阶段。
首先,各大机构都在积极组建量化投资的团队、研究量化投资的策略,很多量化基金产品层出不穷,尤其是在传统投资基金业绩不佳的情况下,很多利用量化投资策略的基金产品获得了相当不错的收益率。
其次,随着融资融券、股指期货、转融通等业务相继推出,券商资管量化投资十分火热。
国信、华泰、长江、国泰君安等各大券商都在发力量化投资产品研究,在我国百余家券商中,已有38家券商资管发行量化产品。
同时已有国泰安金融学院,北京大学汇丰商学院,上海交通大学安泰管理学院投入数百万开设了专业的量化投资金融实验室,并开办了量化投资高级研修班,为国内量化投资的市场发展提供了良好的学术和实战环境。
2015年,上证50ETF期权于2月9日正式推出,这对于对我国的量化投资有着极大的促进作用。
4月16日,上证50与中证500两只股指期货新品种的上市给量化投资带来更多的策略的运用,金融衍生品的不断丰富和发展,为量化投资提供更多的丰富对冲手段,也提供了更多的套利机会。
我国第一只量化基金成立已有12年历史,此后几年量化基金发展较为缓慢,至2011年末市场上仅有15只量化基金,而近两年量化基金发展较快,截至2016年市场共有123只量化基金相继设立(不含指数型、增强指数型和QDII基金)。
从规模来看,在2015年量化基金的规模翻了一番,2016年规模增速稍有下滑,截至2016年年底量化基金总规模超1000亿元,行业仍处于快速扩张期。
总的来说,量化投资在国内进行一个短暂的适应性过渡后,已经开始步入高速发展的初级阶段了。
3.量化投资市场分析
市场现状
目前从事量化投资主要有两种商业模式,一种是提供量化商业平台服务,可全方位为投资机构提供最专业的技术和产品支撑,当前市场上知名的量化平台提供商主要有文华财经、金之塔、交易开拓者(TB)、国泰安、龙软DTS、天软等,它们大多具有金融IT背景,尤其以期货行情、交易软件开发商居多。
另一种就是建自有平台,搭建一套覆盖策略研究、回测、模拟交易全流程的量化平台,主要以优矿(通联)、聚宽(JoinQuant)、京东量化、米筐、诸葛量化、果仁和盈时为代表。
平台名称
产品上线
时间
产品服务
客户群体
量化标的
盈利模式
国泰安
2009
提供涵盖股票、期货、
专业机构客
股票、期
机构合作
债券市场的数据、策略
户
货、债券
分佣,出售
研究、回测、模拟、正
系统及系
式交易等全套解决方
统维护费
案。
龙软DTS
早于2011
同上
出售系统
及系统维
护费。
天软科技
文华财经
2011.2
主要提供数据、平台服
务,根据客户的特点需
求编写策略。
个人投资者、
中小投资机
构
货
平台使用
年费
金之塔
2011.11
交易开拓者
早于2012
股票、基
交易佣金
(TB)
金、期货
诸葛量化
2014
选取参数,自动生成策
有经验的
股票
会员费用
略
quant
优矿(通联)
2015.6
提供编码环境,编译代
刚入门的
暂未获取
码生成策略
quant,有编
程基础
聚宽
2015.8
会员费用、
(JoinQuant)
略;
提供编码环境,编
策略交易
译代码生成策略
费用
果仁、
一般投资者
金
京东量化
2015
米筐
2014.12
盈时
2016.6
期货投资者
期货
服务费
产品分析
随着金融科技(Fintech)时代的到来,中国金融业正经历着一场新的变革,并且这场变革不断升级。
中国的金融科技行业由原来注重流量和模式的1.0时代,升级为以人工智能技术为主导,数据为驱动力的2.0时代。
量化投资借力人工智能技术,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搭建获得超额收益的投资策略,服务于个人投资者和机构,也成为了金融科技新时代的领军者。
目前量化投资平台的业务模式主要有两种,一种是给用户提供编码的环境,让用户通过代码编译生成策略,其用户群体均拥有良好的编程基础,具备一定的专业技能,当前主流编程语言包括Python、Java、MATLAB和R。
以聚宽为例进行说明,其交互界面如下图所示:
左侧为代码编译区域,用户在此处将股票指标用代码表示出来,确立逻辑关
系,编译完成后进行编译运行,如下图所示:
在右侧上方显示编译运行结果,包括策略收益走势图、最大回撤和相关收益
指数,下方显示日志和报错信息,用来检验策略的正确性。
点击运行回测,如下
图所示:
显示该策略运行的详细情况,包括收益值、持仓明细和交易记录等信息,这样就成功的创建了一个策略,策略可以导入实盘进行模拟交易。
其它类似的代码编译平台,如米筐、优矿等,业务模式和聚宽基本一致。
另外一种就是无编码模式,平台提供量化多因子让用户进行选择,这些量化因子包括但不限于行情指标、技术指标、财务指标和财报数据,用户通过选择搭
配各指标数据,进而生成策略模型,其用户群体以个人投资者为主。
以果仁为例进行说明,其大体业务流程如下图所示:
其首页交互界面如下图所示:
第一步:
选择创建策略模型,包括股票策略、基金策略和策略组合。
股票策略和基金策略是指生成一个标的为股票或者基金的量化策略;
策略组合是指添
加多个策略,通过回测分析,计算策略之间的收益相关度,寻求达到最优收益的
策略组合;
交互如下图,
第二步:
择股设置(默认创建股票策略),是对量化标的的分类变量和数字变量进行设置。
分类变量设置包括对指数成分、板块、行业、所处交易所等信息进行选择,交互如下图,
≡SIF:
6«
MWiMy
•知
•550
•300
•Cil500
•GIE1000
•≈∏P,I11
畴:
±
35
7行业:
≡β
ysτ^≡:
s⅛sτ
■
殴眩埃・全巫
V»
:
[全邹
V⅛5⅛5:
f全鄧
V
∣T>
0*E公罚事伴音0
大曲标白定文
:
±
⅛5^≡•+
Q
全部Vβ⅛:
S5
■&
■*•创业術
•中小&
⅛⅛5VHW⅛Vi
I述财务龙顶TS恆
行业:
χBF9f:
iktt⅛:
I鲫
3⅛t2W≡⅛
sτ¾
琴:
包含Sr
B⅛K⅛:
I旦
產删=β:
Φτ5^≡
VIS以.
L+Q
StTW^:
*«
行业;
交身吩;
全認
y-全SJ
y
Φtf⅜*
「一
n«
*桶
公丰堆
κ≡f-^β
AiU
成主0
Eφn3rfcχ
5⅛9Ji入
上帀律
义
a⅛3τ
4UC^
|±
5
氐分朽
≠πδW≡
■[+θ
¾
εεt份:
全岳
竟埃:
全SC
全3C
Vsτffi≡:
fi≤sτ
交层胪:
»
XWwSa:
s
V企业曲:
⅛P
Vfelδft⅛≡∣±
■金伍
4WS粽
•±
®
•深圳
StJSWS注口
公司爭代*δ⅛
犬曲标
SXjCI
47½
a
⅛t⅞K≡ft
⅛βεe=
TI+
O
V極谯-
«
⅛Λ:
VSTieW
包合9T・农IgA
∙∙e
M
Vftmcu>
企业3:
1全SFV»
5?
*
MV
・±
&
R
βWb⅛
HrrVt!
^Sf⅛!
β^
・5W
・北方
卄
技六阿
対制SFI
・i.*
WS<
Q⅛
S≡SC
・点圧
V駅怕XV
K<
G!
⅛1⅜^V泄疑
・H≠i
⅛^>
DTt∙S
■r?
lλV⅞⅛≡⅛W≠SV
股床芳右V股价箕t⅛
上书升t
立岳升t
・广酉
•
•E
数字变量设置包括对行情、技术指标、财务指标、财报条目、公司事件、情
绪和大盘指标的设置。
行情指标有股票价格、成交额、成交量等,交互如下图,
技术指标有乖离率、波动率、MA、KDJ、RSI等,交互如下图,
财务指标有估值、清偿能力、盈利能力、营运效率和成长能力等,交互如下
图,
财报条目有营业收入、营业支出、收益利润、负债和权益等,交互如下图,
公司事件有高管增持、未解禁股本、业绩预告和重大事项违规处罚等,交互
如下图,
情绪有分析师情绪指数、重仓基金数和重仓基金持有比例,交互如下图,
大盘指标有指数指标和交易日历指标,交互如下图,
对所选指标进行参数设置,设置比较符、区间和排名,也可以对指标进行删
除和勾选操作,交互如下图,
点击选择选股指标,生成排名条件,策略模型按照排名条件购买股票,若无
排名,则优先买入成交额大的股票,交互如下图,
第三步,交易模型设置,是对策略买卖股票的时机进行设置,分为定期轮动
和条件触发。
定期轮动模型可以设置调仓周期、调仓时点、空闲资金配置、最大
持仓股票数、备选买入股票数和个股最大买入仓位等信息,设置完成后,在每个调仓日,果仁策略卖出仓内的所有股票,并依据调仓日前一交易日的数据,选出股票等权重买入。
如果选出的股票已经在仓内,这支股票的仓位也会被重新调整成和其它股票一样的仓位,但如果这只股票因为停牌或涨停跌停无法调整仓位,则仓位保持不变。
条件触发模型可以设置调仓周期、调仓时点、空闲资金配置、新股理想仓位、个股仓位范围、最小建仓仓位和备选股票数等信息。
同时可以对新股买入附加限制条件,包括排名名次、仓内同行业股票数和调仓日交易