金融建模第8讲 张铮 北京大学

• 理论背景：市场非有效和行为金融 • 大数据、统计模型、计算机
量化基金
Bridgeway Funds Prospectus: “The advisors use proprietary multiple, multi-factor models to manage the funds. The advisors resist overriding the models with qualitative or subjective data. The advisors do not talk to company management or Wall Street analysts for investment ideas… Example of model inputs include timely, publicly available financial data from objective sources, thus avoiding the emotions or biases of third parties.”
与学术界的关联
• 量化股权投资行业持续不断的吸引金融、会计、经济学领 域的学者参与
– 顶级教授 – 很多策略得益于学术研究成果
http://us.dimensional.com/why-dimensional.aspx
量化选股
• 思想源自学术研究：基于会计和财务特征来预测股票收益
• Example: size, value, momentum • Large stream of research over past 40+ years
基本面分析基金
American Funds Prospectus “ The fund relies on the professional judgment of its investment advisor to make decisions about the fund’s portfolio investment. The investment advisor believes that an important way to accomplish this is through fundamental analysis, which may include meeting with company executives and employees, suppliers, customers and competitors.”
– 与此同时，公司基本面信息的可得性与可靠性也在改善
• 图形分析在外汇市场和大宗商品市场以及一些国家的股票 市场（特别是亚洲股市）已然盛行
– 这些市场的基本面信息或多或少不太可靠
Baidu Nhomakorabea本面分析：起源
• 根据公司的基本面信息预测股价 • Ben Graham和David Dodd在1934年发表了第一本关于 基本面分析的书，书名为Security Analysis《证券分析》 • 美国著名的基本面分析投资者： – Warren Buffet（ Graham的学生）;Peter Lynch; Michael Price; Mario Gabelli; Bill Miller
– 蜡烛图：日本的大米商人本間宗久（1724-1803） – WSJ和Dow Jones Co的创始人 Charles H. Dow (1851-1902) 是第一个 熟知的技术分析师，他构造了道琼斯工业指数，并发展了 道氏理 论“Dow Theory” – 其他技术分析的先驱：William P. Hamilton, Robert Rhea, Leonard P. Ayers, Ralph N. Elliott (“Elliott Wave”), etc.
统计套利：实例
• 特征：
– 主要依据过去的价格和交易行为；技术分析的现代演变 – 单只股票可预期回报的信号比较弱。但是在短期内可以多次押注
• 先驱和代表投资者：D.E.Shaw（德劭集团），Jim Simmons(文艺复兴科技公司)，和众多投行的“自营交易 台”
– 1990s开始发展兴盛；吸引了计算机专家、物理学家和数学家的加 入
– 巴克莱国际投资管理公司发行了世界上第一只被动管理的指数基 金
• 1974年，加州大学伯克利分校教授巴尔· 罗森伯格（Barr Rosenberg）成立了巴尔· 罗森伯格联合公司（Barr Rosenberg Associates），利用电脑分析大量的数据与资料， 创建了投资组合业绩和风险管理模型 • 1979年巴克菜全球投资成立了第一支主动数量(Quantitative & Active)投资基金
量化股权投资（一）
第八讲 张峥，2015
股权投资策略的发展
股权投资策略的发展
• 传统
– 技术分析 – 基本面分析
• 发展
– 统计套利（Statistical arbitrage） – 量化分析（Quantitative analysis）
• 新方向
– 高频交易？ – 大数据？
技术分析
• 用历史价格变动和历史的交易情况来预测股票价格 • 最早的证券分析方法
技术分析：实例
• • • • 移动平均线 支撑和阻力 价格动量（相对强弱） 其他常用图形分析 –头肩形态，指数平滑移动平均线(MACD)，通道，布林 线指标，随机指标……
技术分析与市场有效性
• 技术分析依赖的是最可得的信息：价格和交易量
– 技术分析策略能够盈利是对弱有效市场的挑战
• 技术分析在1940s/1950s在美国股市很火，但是后来逐渐被 基本面分析取代
– 开始于1980s； 吸引了金融，经济和会计教授的关注
量化股权投资：实例
• 市净率 • 分析师预测调整
– 卖方分析师一致预测EPS的调整与股价回报正相关 – 最先由学术研究发现：Givoly and Lakonishok (1979)和 Stickel (1991)； 最早量化股权投资信号之一
• 后续会有更多实例
新方向？（2）
• 收集和处理信息技术的发展推动了投资策略的发展 • 主动管理的成功将继续依赖于有效和创新的信息生产过程 • 仍然有大量（或许越来越多）的信息没有被用到投资决策 中
– 量化股权投资有巨大潜力
量化股权策略
• • • •
历史发展 与学术研究的关系 基本步骤 “生态系统”
历史发展
• 1971年，约翰· 麦奎恩（John McQueen）的电子工程师利 用美国富国银行的信托投资平台建立了第一个定量投资系 统
BARRA • Also based in San Francisco; founded in 1970s by Barr Rosenberg and Andrew Rudd • Now part of MSCI • Contributions to the quant industry:
– Supplier of risk models, portfolio optimization and performance analytics software – Trained many people who later became investment managers at various quant firms – Rosenberg later started his own quant investment firm AXA Rosenberg
量化股权投资
• 应用计算机算法将较长的时间区间内（一个月到一年）的 股票回报信息进行量化处理，同时运用计算机算法构建最 优组合
• 模型输入：主要是基本面信息，比如：财务报表，分析师 预测
– 基本面分析的现代演化
• 先驱和代表投资者：巴克莱全球投资公司，数量投资者公 司，高盛资管， AQR, LSV, PanAgora等等
– 简单的技术分析和基本面分析（即只依赖于财务报表）已经几乎 不能盈利 – 相关法规对一些传统的获取基本面信息的渠道进行了限制（比如 与公司管理层私下交流） – 统计套利和量化分析的竞争日趋激烈；在2007/2008遭受了巨大损 失
• 被动管理/指数基金的流行
– 格罗斯曼-斯蒂格利茨（Grossman-Stiglitz Paradox）悖论
高频交易
• 高频交易：极快速的程序化交易策略，直接和股票市场连 接，主要是专业化的交易公司在使用
• 很小数量的高频交易公司构成了美国股票市场大量交易量 • 利用快速接入市场的能力和关于传统投资者的下单信息
– 和上面讨论的所有交易策略都不同 – 最早是交易所交易员和IT专家开始的
新方向？（1）
新技术和新数据（大数据？） • 新（社交）媒体的信息： – 谷歌，百度，推特和微博的投资者的情绪；Glassdoor 的雇员情绪；亚马逊和阿里巴巴的消费者情绪 • 非传统形式的信息： – 管理者的措辞和态度；电子新闻；卫星图像，无人机 等等 • 网络效应 – 同龄人，竞争者，供应商和顾客
Stock chart showing levels of support (4,5,6, 7, and 8) and resistance (1, 2, and 3); levels of resistance tend to become levels of support and vice versa. 《维基百科》
统计套利
• 统计套利：运用统计技术和复杂的计算机算法，发现短时 间内价格变动的规律（日内、每天，最多几周）。比如： • 指数套利 –利用指数ETF/期货与构成指数股票的小幅价格差异 • 配对交易和一揽子交易 –押注两只或多只股票的价格收敛 • 最新发展：新闻驱动的量化投资
• 新闻驱动的量化投资
– 如何根据新闻，使用全计算机化的手段，对股票价格 做预测？是否可以将新闻的交给计算机处理，在新闻 出现的第一时间，多数投资人尚未来得及做出反应、 市场尚未消化时立即做出反应，在市场消化掉新闻之 后退出，进行套利操作呢 – Peterson(2004)与Stein（2002）指出，信息可以分成两 种，即硬信息和软信息。硬信息是很容易证伪的量化 信息，譬如公司盈利、公司高管对盈利的预测等。软 信息是很难量化的信息，或者量化后很难证伪的信息， 譬如：新闻报道的乐观语气，情绪等。对新闻带有的 软信息进行归类和打分，将新闻的情绪量化。这种量 化的情绪分，就可以作为统计套利的建模基础。
技术分析“理论”
• 股价有趋势和逆转，受到投资者心理和情绪的驱动，比如 贪婪与恐惧 • 理论 –市场行为包括了一切信息 –股价变动有趋势 –历史会重复 • 现代行为金融研究支持了技术分析的部分观点
– 在做投资决策时，人们会犯系统性错误，从而使得股价变动可预 测 – 一个问题，“人们的行为偏差可以预测吗？”
“量化”
• 广义上，包括统计套利和“基本面”量化投资。量化投资 有时也专门指“量化股权投资”
• 在固定收益和衍生品交易中也有“量化”投资
• 下面的课程主要关注狭义的定义：量化股权投资（基于公 司基本面的量化股权投资）
主动管理基金的挑战
• 随着市场的效率越来越高，任何主动管理策略在长期想要 有超额收益越来越难
基本面分析：价值投资的基本技术
• 早期基本面分析主要关注公司的财务报表，识别“便宜的 股票”
– 1930s/1940s法律法规促使财务报表更加及时可靠，因而财报分析 才变得可行
• Graham和Dodd提出了“安全边际”方法：一只股票的价 格只有账面价值的50%时才购买这只股票
– 但是符合这种条件的投资机会随后迅速消失
• 后来，价值投资者（如Warren Buffett ）转向将市场价格 与内在价格（比如现金流折现）进行比较
基本面分析：财报以外的分析
• 后来，基本面分析不仅仅分析公开披露的财报，还会分析 其他信息，比如：
– 不仅只关注便宜的股票。还关注公司基本面的成长趋势 • 比如GARP策略（ growth-at-reasonable-price 价值与成长并重） – 考虑无形资产 • 比如管理者的素质和动机 – 预测未来的财务报表，比如： • 渠道分析 • 从公司内部人和投行分析师处得到投资建议（灰色地带）