2-指数追踪、指数增强与市场中性策略

合集下载

统计套利理论与实战(第一部分套利概论).pdfx

统计套利理论与实战(第一部分套利概论).pdfx

统计套利理论与实战(第一部分套利概论)金志宏2013年8月29日中国量化投资学会宽潮计划课程目录1、本课程的目标听众2、通过本课程能学到什么3、课程总览备注:本课程的所有沟通信息在量化学会统计套利分会QQ群:233629234课程总览一、套利概论二、统计套利理论篇三、统计套利实战篇四、期权统计套利与高频统计套利一、套利概论1、套利的几个基本概念2、套利的分类(按类型、有无风险、机制分类)3、几种常见的套利(ETF套利、阿尔法套利、期现套利等)4、APT模型与CAPM模型二、统计套利理论篇1、相对价值策略与市场中性策略2、统计套利与配对交易概念3、协整策略4、主成分策略5、均值回归模型6、多因子模型7、指数追踪与指数增强8、波动率9、波动率选股法三、统计套利实战篇1、股票配对交易实战案例2、期货配对交易实战案例3、开放式基金套利(LOF套利、ETF套利)四、期权统计套利与高频统计套利1、期权基本概念2、期权定价公式3、Delta对冲4、波动率统计套利5、高频统计套利一、套利的几个基本概念1、期货市场的参与者2、套期保值3、基差与基差风险4、套利定义5、套利交易的作用6、套利与投机的区别1、期货市场的参与者对冲者(hedger)采用期货期权等手段减少市场风险;投机者(speculator)对品种价格的走向下赌注;套利者(arbitrageur)采用两个或更多相互抵消的交易锁定盈利。

2、套期保值套期保值(hedge)是指买进(或卖出)与现货数量相等但交易方向相反的期货合约,以期在未来某一时间再通过平仓获利来抵偿因现货市场价格变动带来的实际价格风险。

作用:转移价格波动风险分为卖出套期保值和买入套期保值两种卖出套期保值举例持有现货商品的个人或机构,当预期将来商品价格将出现下跌的时候,为避免价格下跌造成的损失,先行在期货市场上卖出一定数量和交割期的期货合约。

实体企业做卖出套期保值行为,可以有效防范价格下跌风险。

什么是市场中性策略?它有哪些特点?

什么是市场中性策略?它有哪些特点?

什么是市场中性策略?它有哪些特点?市场中性策略是指同时构建多头和空头头寸以对冲市场风险,以获取选股超额收益(阿尔法),无论市场上涨或者下跌,均能获得稳定选股收益的一种投资策略。

统计套利是一种基于模型的中短期投资策略,使用量化分析和技术分析方法挖掘投资机会,该策略又分为成对交易、母子公司交易和多类型交易;基本面套利主要是在某一行业内构建投资组合:买入行业内龙头企业、同时卖出行业内有衰退迹象的企业。

一、特点1、与市场相关性低市场中性策略由于利用股指期货等衍生品工具对冲掉了系统性风险,所以其表现与市场走势基本没有相关性,能走出独立于市场的表现。

不会因为股市大涨而暴赚,当然也不会因为股市大跌而损失,只会默默地稳稳地赚着自己选股的收益,能够有效规避股市的系统性风险。

2、获取绝对收益不管是牛市还是熊市,如果选择出的股票能获取超额收益,那么市场中性策略就能获得一定的绝对收益,不受市场涨跌影响。

二、市场中性策略的应用1、与其他类型的对冲基金相比,股票市场中性策略在牛市中的表现并不突出,但在熊市下,市场中性表现出较高的优越性,远跑赢其他类型的对冲基金。

长期来看,股票市场中性策略收益率与股票指数收益率相当,波动性近似于债券指数,但风险调整后的收益水平远高于股票和债券指数。

2、股票市场中性策略依靠选股能力赚钱,其核心是投资者的选股能力。

整体目标是不论市场走势如何,投资组合多头的表现始终强于空头。

具体讲,股票市场中性策略的收益来自于三块:投资组合的多头、投资组合的空头和卖空股票产生的现金流。

3、股票市场中性策略的优势在于能够获得双阿尔法、组合构建不受权重的限制以及较低的波动率;其风险包括选股能力、模型风险、调整风险、卖空风险,以及多头和空头头寸的不匹配。

4、基于成对交易的统计套利,其基本理念是均值回复,而均值回复的产生是由于市场的过度反应:某只股票相对于可比的其他公司股票或者指数出现了短期的高估(低估),通过构建成对组合,能够利用这种短期的定价偏差获得收益。

指数增强策略名词解释

指数增强策略名词解释

指数增强策略的是一种以跟踪指数为基础,通过主动管理适当调整投资组合的持仓结构,以期在跟踪指数的基础上获取超越指数的投资回报的投资策略。

这种策略的关键点在于管理人的主动管理能力,通过优化选股和调整投资组合的持仓结构,以实现相对业绩基准形成一定的风格暴露,获取超额收益。

指数增强策略的应用范围广泛,既可用于股票市场,也可用于债券、期货等其他金融市场。

对于股票市场,指数增强策略可以针对不同的股票指数进行增强。

此外,在应用过程中,指数增强策略也会结合其他投资策略,如量化选股策略、行业轮动策略等,以实现更优的投资效果。

同时,为了控制跟踪误差和组合风险,指数增强策略还会采取一些风险控制措施,如对行业偏离、风格偏离和个股偏离进行限制,以及监控和预警股票财务风险和舆情风险等。

总之,指数增强策略的应用旨在为投资者提供一种有效的投资工具,帮助他们在跟踪指数的同时获取超越指数的投资回报。

市场风险管理手段

市场风险管理手段

市场风险管理手段
市场风险管理手段主要有:
1、风险识别与度量:首先需要识别和度量市场风险,这包括了解来自负债与资产的风险状况,利用在险价值(VaR)等工具来计算最大曝险的机率与损失。

金融市场业务风险管控一般分成三大类:风险计量、风险控制体系。

2、风险控制策略:根据市场风险评估结果,制定相应的市场风险管理策略,明确应对措施和责任人。

这些策略包括风险避免、风险转移、风险缓解和风险承担等。

3、使用工具和技术:规划风险管理时会用到的工具与技术包括专家判断、数据分析、会议等。

监督风险使用的工具与技术还包括数据分析、审计、会议等。

4、资本计量与管理:金融市场业务风险管控中,资本计量是重要的一环,主要包括金融工具估值、VaR和敏感度计量以及资本计量。

强大的资本计量结果分析功能可以帮助用户直观感受从交易头寸到风险大类的全流程风险聚合过程。

5、市场中性策略:市场中性策略是指在买入股票多头组合的同时持有期权或股指期货等空头工具,以对冲市场风险获得alpha收益。

6、指数增强策略:指数增强策略的投资思路为复制选定指数并控制跟踪误差,以确保在控制误差的基础上获得超越指数的收益率。

7、CTA策略:CTA策略,也称商品交易顾问策略,是一种通过专业管理团队进行的期货交易策略。

8、动态组合策略:通过“动态组合策略”,对组合成分随时间发生变化的情况进行建模,以准确考虑由再投资、期权执行、结算和其它组合调整事件导致的组合风险的潜在变化。

指数增强策略概述

指数增强策略概述

指数增强策略概述
指数增强策略是指在跟踪指数的基础上,利用量化方式适当调整投资组合的持仓结构,以期在跟踪指数Beta收益的基础上,再获得超越指数的Alpha收益的一种投资策略。

指数增强策略不是对跟踪指数成分股的完全复制,而是在跟踪指数的基础上,增加总体表现较优股票的权重,降低总体表现较差股票的权重权重,甚至去除;或者利用指数成分股以外的股票替换指数成分股,从而实现收益增强的目的。

在A股市场主流的跟踪指数有沪深300指数、中证500指数、中证1000指数等,分别代表A股市场的大盘股、中盘股和小盘股。

跟踪这些宽基指数进行收益增强的量化投资策略分别叫做沪深300指数增强策略、中证500指数增强策略、中证1000指数增强策略。

当然也有跟踪其他行业指数、主题指数的增强策略,比如易方达标普全球高端消费品指数增强(QDII)A、西部利得中证人工智能主题指数增强。

市场中性策略

市场中性策略
市场中性策略的实证研究数据
• 历史数据:股票、债券、商品等资产的历史价格、收益率、波动率等数据 • 基本面数据:公司财务数据、行业数据、宏观经济数据等 • 市场数据:市场指数、成交量、资金流向等数据
市场中性策略的实证效果分析
市场中性策略的实证效果
• 收益表现:评估策略在不同市场环境下的收益表现 • 风险表现:评估策略在不同市场环境下的风险表现 • 风险调整后收益:评估策略的收益风险比
市场中性策略的风险分析
• 策略风险:多空组合构建不当,导致策略失效 • 市场风险:市场波动影响多空组合的收益 • 流动性风险:市场波动导致投资组合难以快速调整
02
市场中性策略的构建与实施
市场中性策略的构建步骤与方法
市场中性策略的构建步骤
• 确定投资目标:设定投资组合的预期收益和风险水平 • 选择构建方法:选择统计中性、基本面中性或因子中性策略 • 选择多头组合和空头组合:根据构建方法,选择具体的多头组合和空头组合 • 调整投资组合:根据市场变化,动态调整多头组合和空头组合
市场中性策略的理论模型
• Markowitz模型:构建最优投资组合,实现风险与收益的最优平衡 • Black-Litterman模型:基于历史数据和市场预期,构建多空组合
市场中性策略的收益来源与风险分析
市场中性策略的收益来源
• 多头组合的收益:持有正收益的资产 • 空头组合的收益:持有负收益的资产 • 对冲市场风险的收益:消除市场波动对投资组合的影响
市场中性策略的实证效果分析
• 回测分析:基于历史数据,模拟策略在实际投资中的表 现 • 模拟分析:基于历史数据和模型,模拟策略在未来市场 的表现
市场中性策略的绩效评估与改进
市场中性策略的绩效评估

投资学中的指数增强策略

投资学中的指数增强策略

投资学中的指数增强策略引言:随着金融市场的发展,投资学中的指数增强策略逐渐受到投资者的关注。

指数增强策略是一种通过优化投资组合,以超越市场指数收益的方法。

本文将介绍指数增强策略的原理、实施方法以及其在投资领域中的应用。

一、指数增强策略的原理指数增强策略的核心原理是通过选择合适的投资组合,超越市场指数的收益。

传统的被动投资策略仅仅是追踪市场指数,而指数增强策略则通过主动管理投资组合,寻找相对于市场指数的超额收益。

二、实施指数增强策略的方法实施指数增强策略的方法主要包括以下几个方面:1. 优化资产配置指数增强策略的第一步是通过优化资产配置,确定投资组合的权重。

这可以通过对各种资产的历史数据进行分析,使用现代投资组合理论中的方法,如马科维茨模型等,来确定最佳的资产配置方案。

2. 选择优质股票指数增强策略的另一个关键是选择优质股票。

通过深入研究和分析公司的基本面和财务状况,投资者可以识别出具有潜力的股票,并将其纳入投资组合。

3. 使用衍生品工具为了进一步提升投资组合的收益,指数增强策略还可以使用衍生品工具,如期货合约、期权等。

这些工具可以帮助投资者进行风险管理和套利操作,从而提高投资组合的回报率。

三、指数增强策略的应用指数增强策略在投资领域中有广泛的应用。

以下是一些常见的应用场景:1. 养老金基金养老金基金通常面临着长期的资金需求,因此需要寻找相对稳定的收益来源。

指数增强策略可以帮助养老金基金管理人员优化资产配置,提高收益水平,满足养老金基金的长期需求。

2. 对冲基金对冲基金的目标是在市场上涨或下跌时都能获得正收益。

指数增强策略可以帮助对冲基金管理人员通过主动管理投资组合,实现超额收益。

3. 个人投资者个人投资者可以借鉴指数增强策略的思想,通过选择优质股票和优化资产配置,提高个人投资组合的收益。

然而,个人投资者需要谨慎对待风险,并根据自身的风险承受能力做出相应的投资决策。

结论:指数增强策略是一种通过优化投资组合,以超越市场指数收益的方法。

常见的指数增强策略

常见的指数增强策略

常见的指数增强策略
常见的指数增强策略主要包括以下几种:
1. Alpha策略:利用个股的基本面和技术面因素,通过选股和择时的方式,超越市场指数的表现。

2. Beta策略:通过使用股指期货或其他衍生品,进行杠杆操作,以追求与市场指数相比超额回报的策略。

3. 对冲策略:利用股指期货或其他相关工具进行对冲操作,以降低市场波动对投资组合的影响,并保持市场中性的策略。

4. 动态风险调整策略:根据市场风险水平的变化,调整投资组合的权重,以保持风险水平较低的策略。

5. 分散化策略:通过投资多种资产类别,如股票、债券、商品等,以实现投资组合的分散化,降低风险并提高回报。

6. 组合交易策略:通过同时买入一只股票而卖出另一只相关的股票,利用两者之间的价格差异获得收益的策略。

7. 投资风格策略:根据不同的投资风格,如价值投资、成长投资、指数投资等,进行股票选取和组合调整的策略。

这些策略在实施上可以根据投资者的需求和实际市场状况进行组合使用,以实现超越市场指数的投资回报。

常见的量化策略都有哪些?

常见的量化策略都有哪些?

常见的量化策略都有哪些?常见的量化策略都有哪些?永远的量化发表在策略研究 2018-04-17一、海龟交易策略海龟交易策略是一套非常完整的趋势跟随型的自动化交易策略。

这个复杂的策略在入场条件、仓位控制、资金管理、止损止盈等各个环节,都进行了详细的设计,这基本上可以作为复杂交易策略设计和开发的模板。

二、阿尔法策略阿尔法的概念来自于二十世纪中叶,经过学者的统计,当时约75%的股票型基金经理构建的投资组合无法跑赢根据市值大小构建的简单组合或是指数,属于传统的基本面分析策略。

在期指市场上做空,在股票市场上构建拟合300指数的成份股,赚取其中的价差,这种被动型的套利就是贝塔套利。

那么在如今贝塔套利空间越来越小的状况下,我们还有什么好方法吗?这就是更主动的、也更考验操作者判断能力的阿尔法套利三、多因子选股多因子模型是量化选股中最重要的一类模型,基本思想是找到某些和收益率最相关的指标,并根据该指标,构建一个股票组合,期望该组合在未来的一段时间跑赢或跑输指数。

如果跑赢,则可以做多该组合,同事做空期指,赚取正向阿尔法收益;如果是跑输,则可以组多期指,融券做空该组合,赚取反向阿尔法收益。

多因子模型的关键是找到因子与收益率之间的关联性。

四、双均线策略双均线策略,通过建立m天移动平均线,n天移动平均线,则两条均线必有交点。

若m>n,n天平均线“上穿越”m天均线则为买入点,反之为卖出点。

该策略基于不同天数均线的交叉点,抓住股票的强势和弱势时刻,进行交易。

双均线策略中,如果两根均线的周期接近,比如5日线,10日线,这种非常容易缠绕,不停的产生买点卖点,会有大量的无效交易,交易费用很高。

如果两根均线的周期差距较大,比如5日线,60日线,这种交易周期很长,趋势性已经不明显了,趋势转变以后很长时间才会出现买卖点。

也就是说可能会造成很大的亏损。

所以两个参数选择的很重要,趋势性越强的品种,均线策略越有效。

五、行业轮动行业轮动是利用市场趋势获利的一种主动交易策略其本质是利用不同投资品种强势时间的错位对行业品种进行切换以达到投资收益最大化的目的。

证券从业考试《投资分析》考点

证券从业考试《投资分析》考点

证券从业考试《投资分析》考点2016证券从业考试《投资分析》考点对于证券从业者来说证券资格考试十分重要,为了帮助大家提高证券资格考试水平,店铺特地为大家整理了以下的证券从业资格考试《投资分析》考点,希望对大家有帮助!【考点一】证券投资分析的含义及目标一、证券投资的含义证券投资是指投资者(法人或自然人)购买股票、债券、基金等有价证券以及这些有价证券的衍生产品,以获取红利、利息及资本利得的投资行为和投资过程。

二、证券投资分析的含义证券投资分析是指人们通过各种专业分析方法,对影响证券价值或价格的各种信息进行综合分析以判断证券价值或价格及其变动的行为,是证券投资过程中不可或缺的一个重要环节。

三、证券投资分析的目标1.实现投资决策的科学性进行证券投资分析是投资者正确认知证券风险性、收益性、流动性和时间性的有效途径,是投资者科学决策的基础。

因此,进行证券投资分析有利于减少投资决策的盲目性,从而提高投资决策的科学性。

2.实现证券投资净效用最大化证券投资的理想结果是证券投资净效用(即收益带来的正效用与风险带来的负效用的权衡)最大化。

因此,在风险既定的条件下投资收益率最大化和在收益率既定的条件下风险最小化是证券投资的两大具体目标。

【考点二】证券投资分析理论的发展与演化一、证券投资分析理论证券投资分析理论是围绕证券价格变化特征、证券估值、证券投资收益预测和风险控制而发展起来的一套理论体系。

二、早期的投资理论早期的投资理论涉及的主要人物包括:1.被称为“会计学之父”的是意大利数学家卢卡·帕乔利。

2.第一次编制了“生命表”,对死亡率与人口寿命做了分析的是英国统计学家约翰·格兰特。

3.提出了“代表性个人”的概念的是“近代统计学之父”凯特勒。

4.提出最小可觉差与标准刺激之比为常数的所谓“韦伯定律”的是德国心理学家韦伯。

5.提出心理感受与刺激之比为常数的所谓“费希纳定律”的是费希纳。

6.提出有界效用函数的概念的是奥地利数学家K.门格尔。

指数增强策略的分类

指数增强策略的分类

指数增强策略的分类【原创实用版】目录1.指数增强策略的定义与意义2.指数增强策略的分类方法3.常见指数增强策略介绍4.指数增强策略的优缺点分析5.指数增强策略的应用前景正文一、指数增强策略的定义与意义指数增强策略,是一种在原有投资组合基础上,通过运用一定的优化方法,以期在保持投资组合与基准指数相似的同时,提高投资组合收益的策略。

这种策略广泛应用于我国证券市场,为投资者提供了一种在不增加风险的情况下,提高收益的有效途径。

二、指数增强策略的分类方法指数增强策略可以根据不同的优化方法进行分类,常见的分类方法有以下几种:1.根据增强目标分类:绝对收益增强和相对收益增强。

2.根据增强方式分类:权重增强、股票选择增强和组合优化增强。

3.根据跟踪指数分类:全市场指数增强、行业指数增强和主题指数增强。

三、常见指数增强策略介绍1.权重增强策略:通过调整投资组合中个股的权重,使其与基准指数的权重分布相似,从而提高投资组合的收益。

2.股票选择增强策略:在基准指数成分股的基础上,通过选股模型选择具有超额收益的股票,以期提高投资组合的收益。

3.组合优化增强策略:在满足跟踪误差限制的前提下,通过优化模型寻求投资组合的最优权重分配,以提高投资组合的收益。

四、指数增强策略的优缺点分析优点:1.指数增强策略能够提高投资组合的收益,且风险相对较低。

2.指数增强策略在保持与基准指数相似的同时,具有一定的灵活性。

缺点:1.指数增强策略需要支付一定的管理费用和交易成本。

2.指数增强策略在市场波动较大时,可能存在一定的风险。

五、指数增强策略的应用前景随着我国证券市场的不断发展,指数增强策略在投资者中的认可度逐渐提高。

投资与理财部分题目

投资与理财部分题目

一、单项选择题1.投资分析目标是〔B〕。

2.从总体来说,预期收益水平与风险之间存在一种( A )关系。

3.只有当证券出于〔D〕时,投资该证券才有利可图,否那么可能会导致投资失败。

4.根据鲁宾斯坦考证,最早投资理论可以追溯到1202年意大利数学家〔A〕?算盘书?〔Liber Abaci〕。

A.斐波那契B.帕乔利494年,意大利数学家卢卡·帕乔利出版了〔A〕一书,其中局部章节系统论述了复试记账法原理。

A.?算术、几何、比及比例概要?B.?论赌博中计算?C.?社会物理学?D.?连续概率理论?6.1900年,现代量化金融奠基者〔A〕在其博士论文投机理论中,将概率论直接运用于分析证券价格。

A.路易·巴舍利耶B.帕乔利7.〔B〕被称为价值投资之父。

8.〔B〕年是经典投资理论黄金年代,投资学一方面有了相对独立地位,同时也与主流经济学理论相一致。

9.〔D〕是经典投资理论主体。

10.〔C〕在?商业学刊?上发表了一篇题为?股票市场价格行为?论文,并在1970年深化与提出了“有效市场假说〞。

A.费雪B.威廉姆斯C.尤金·法玛11. 法玛根据市场对信息反响强弱将有效市场分为三种〔D〕。

A弱式有效市场B半强式有效市场C强式有效市场D以上均正确12.〔C〕提岀二叉树定价方法开创了以数值为摸拟为期权及其他复杂衍坐定价数值方法,至今在业界被广泛使用A费雪与罗斯B威廉姆斯与尤金法玛C雷德曼与罗特尔D 布莱克与休尔斯13.〔A〕主要研究〞在特定交易规那么约朿下,交易性资产价格形成过程及其构造A市场微构造理论B行为金融理论C期权定价理论D 有效市场理论14. 行为金融学理论与传统资产定价模型主要区别在于区分了(D)。

A知情交易者B噪声交易者C理性交易者15. 卡尼曼与特维斯基开创了(B).A期权定价理论B展望理论C有效市场理论D以上说法均不正确.16. 行为资产定价模型认为资产预期收益不是由传统贝塔系数而是由(B)来决定A行业贝塔B行为贝塔C股票贝塔D以上说法均不正确17.( B)以价格判断为根底以正确投资时机决择为依据A根本分析流派B技术分析流派 C.行为分析流派D 学术分析流派18. 以宏观经济形势、行业特征及上市公司根本财务数据作为投资分析对象与投资决策根底投资分析流派是(A)。

资产配置中的市场中性投资策略解析考核试卷

资产配置中的市场中性投资策略解析考核试卷
C. 资金规模
D. A和B
20. 以下哪个市场中性策略在震荡市场中表现可能较好?( )
A. 股票多空策略
B. 债券套利策略
C. 统计套利策略
D. 商品套利策略
二、多选题(本题共20小题,每小题1.5分,共30分,在每小题给出的四个选项中,至少有一项是符合题目要求的)
1. 市场中性策略的目的是( )
A. 降低市场风险
2. 在市场中性策略中,常用的对冲工具包括______和______。
3. 市场中性策略的目的是在______市场环境下实现稳定的绝对收益。
4. 在多空策略中,通常需要同时持有______股票和______股票。
5. 市场中性策略的收益主要来自于______和______。
6. 评价市场中性策略表现的一个重要指标是______比率。
A. 提高对冲比例
B. 降低股票投资比例
C. 增加期权投资比例
D. A和B
13. 以下哪个策略不属于市场中性策略的范畴?( )
A. 股票多空策略
B. 债券套利策略
C. 统计套利策略
D. 股票指数策略
14. 在市场中性策略中,以下哪个指标可以衡量策略的主动管理能力?( )
A. 夏普比率
B. 信息比率
C. 跟踪误差
B. 市场择时
C. 风险对冲
D. 收益最大化
2. 以下哪种策略不属于市场中性策略?( )
A. 多空策略
B. 套利策略
C. 指数增强策略
D. 对冲策略
3. 资产配置中的市场中性策略主要目的是( )
A. 提高收益
B. 降低风险
C. 提高流动性
D. 规避税收
4. 在市场中性投资策略中,以下哪种方法常用于风险对冲?( )

指数增强的决定因素有哪些

指数增强的决定因素有哪些

指数增强的决定因素有哪些
指数增强是一种被广泛使用的投资策略,旨在获得比基准指数更高的收益率。

以下是可能影响指数增强的决策因素:
1. 投资组合的构建:指数增强的投资组合通常基于基准指数,但包括一些主动管理的投资策略,例如股票选择、股票权重重分配等。

2. 投资组合的风险管理:指数增强策略通常使用多种风险管理技术,例如对冲、波动率控制等,以确保投资组合的风险与收益之间的平衡。

3. 数据分析和预测:指数增强的决策也涉及到对市场数据的分析和预测。

分析技术包括基本面分析、技术分析和量化分析等。

4. 执行策略:指数增强的执行策略通常是通过自动化交易系统实现的,例如计算机程序和算法。

5. 市场环境:指数增强的绩效也可能受到市场环境的影响,例如经济环境、政治环境和国际贸易环境等。

需要注意的是,指数增强是一种高度复杂的投资策略,需要专业的投资管理团队和技术支持。

统计套利理论与实战(第一部分__套利概论).pdfx

统计套利理论与实战(第一部分__套利概论).pdfx

统计套利理论与实战(第一部分套利概论)金志宏2013年8月29日中国量化投资学会宽潮计划课程目录1、本课程的目标听众2、通过本课程能学到什么3、课程总览备注:本课程的所有沟通信息在量化学会统计套利分会QQ群:233629234课程总览一、套利概论二、统计套利理论篇三、统计套利实战篇四、期权统计套利与高频统计套利一、套利概论1、套利的几个基本概念2、套利的分类(按类型、有无风险、机制分类)3、几种常见的套利(ETF套利、阿尔法套利、期现套利等)4、APT模型与CAPM模型二、统计套利理论篇1、相对价值策略与市场中性策略2、统计套利与配对交易概念3、协整策略4、主成分策略5、均值回归模型6、多因子模型7、指数追踪与指数增强8、波动率9、波动率选股法三、统计套利实战篇1、股票配对交易实战案例2、期货配对交易实战案例3、开放式基金套利(LOF套利、ETF套利)四、期权统计套利与高频统计套利1、期权基本概念2、期权定价公式3、Delta对冲4、波动率统计套利5、高频统计套利一、套利的几个基本概念1、期货市场的参与者2、套期保值3、基差与基差风险4、套利定义5、套利交易的作用6、套利与投机的区别1、期货市场的参与者对冲者(hedger)采用期货期权等手段减少市场风险;投机者(speculator)对品种价格的走向下赌注;套利者(arbitrageur)采用两个或更多相互抵消的交易锁定盈利。

2、套期保值套期保值(hedge)是指买进(或卖出)与现货数量相等但交易方向相反的期货合约,以期在未来某一时间再通过平仓获利来抵偿因现货市场价格变动带来的实际价格风险。

作用:转移价格波动风险分为卖出套期保值和买入套期保值两种卖出套期保值举例持有现货商品的个人或机构,当预期将来商品价格将出现下跌的时候,为避免价格下跌造成的损失,先行在期货市场上卖出一定数量和交割期的期货合约。

实体企业做卖出套期保值行为,可以有效防范价格下跌风险。

基于协整的指数追踪及增强策略研究

基于协整的指数追踪及增强策略研究

基于协整的指数追踪及增强策略研究周亮【摘要】选取沪深300指数和所有成分股2016年12月初至2017年5月底的所有日线级别数据,利用协整模型和追踪误差等检验指标,考察了不同追踪组合对沪深300指数及增加了10%年化收益的虚拟指数序列的追踪效果.结果发现:低PE组合、高价组合、低换手率组合在两个指数的追踪过程中均表现较好,高价组合和低换手率组合更是可以获得正的超额收益;在选择追踪组合时,单一标准优于组合标准.总的来说,协整模型能够较好实现对指数的追踪,也能够通过虚拟指数的设置,获得较为显著的alpha收益.【期刊名称】《经济数学》【年(卷),期】2017(034)003【总页数】7页(P77-83)【关键词】金融工程;指数增强策略;协整分析;量化投资;指数追踪【作者】周亮【作者单位】湖南财政经济学院学报编辑部,湖南长沙 410205【正文语种】中文【中图分类】F830.59Abstract Based on all the daily data of the Shanghai and Shenzhen 300 Index and all constituent stocks from the beginning of December 2016 to the end of May 2017,this paper used the co-integration model and thevalidity test index to investigate the effects of different tracking combinations on the Shanghai and Shenzhen 300 Index and the increase index.The results show that the low PE combination,the high price combination and the low turnover ratio combination are better in the tracking process of the two indices,and the combination of the high price combination and the low turnover ratio combination can obtain positive excess returns; in the choice of tracking combination,the single standard is better than the combination standard.Generally speaking,the cointegration model can achieve the tracking of the index,and Alpha income can also be obtained through the setting of the virtual index.Key words financial engineering;index enhancement strategy;co-integration;quantitative investment;index tracing传统的股票投资主要依赖于基金经理的选股能力,巴菲特、彼得·林奇等人无不是因为独到的选股能力而被投资者所推崇.但是主动型基金管理人的能力参差不齐,很多基金并没能表现出持续超越大盘的能力,反而大部分主动型基金的业绩都远远差于大盘,因此被动投资理念逐渐流行了起来,而最具代表性的就是指数基金.指数基金起源于美国,世界上第一只指数基金于1971年出现于美国,是威弗银行向机构投资者推出的指数基金产品.但90年代以后指数基金才真正获得了巨大发展,如今在美国,指数基金类型不仅包括广泛的美国权益指数基金、美国行业指数基金、全球和国际指数基金、债券指数基金,还包括成长型、杠杆型和反向指数基金.中国的指数基金则诞生的较晚,2002年国内第一只指数基金——华安上证180指数增强型证券投资基金才面市,自那以后指数基金受到了越来越多投资者的喜爱.随着中国证券市场的不断完善以及基金业的蓬勃发展,相信指数基金在中国将有很大的发展潜力.指数基金,顾名思义就是以特定指数(如沪深300指数、标普500指数、纳斯达克100指数、日经225指数等)为标的指数,并以该指数的成份股为投资对象,通过购买该指数的全部或部分成份股构建投资组合,以追踪标的指数表现的基金产品.通常而言,指数基金以减小追踪误差为目的,使投资组合的变动趋势与标的指数相一致,以取得与标的指数大致相同的收益率.运作上,它比其他开放式基金具有更有效规避非系统风险、交易费用低廉、延迟纳税、监控投入少和操作简便的特点.指数基金对指数的追踪表现在两个方面:一是指数基金所购买的证券是标的指数样本公司的证券;二是指数基金购买的比例与样本公司证券市值在标的指数总市值所占的比例一致.由此可以看出,指数基金是一种复制标的指数构成的消极型基金.但是除了简单复制外,还有其他很多更优的追踪方法,国内外许多学者在指数追踪方法方面进行了大量研究.Shapcott(1992)[1]较早地研究了指数的优化复制问题,其通过最小化组合收益率与标的指数收益率之差的平方和,即追踪误差波动率的最小化来改进组合对标的指数的复制效果.Bamberg and Wagner(2000)[2]对线性回归法应用于最优追踪组合的求解问题进行了研究,构建了能够较好的追踪指数的模型.陈春锋和陈伟忠(2005)[3]探讨了指数复制的不同方法,总结了二次规划、线性规划、鲁棒回归、蒙特卡洛模拟以及遗传算法等不同方法与模型的具体应用.还有许多学者通过稀疏主成分(周静和武忠祥,2013)[4]、图结构约束(苏治、方彤和秦磊,2016)[5]、启发式遗传算法(倪禾,2013)[6]、支持向量机(杨国梁、赵社涛和徐成贤,2009[7];胡春萍、薛宏刚和徐凤敏,2014[8])等方法实现了较好的指数追踪效果.但是使用协整这种金融时间序列分析中常用方法来进行追踪的很少,这正是笔者所要进行深入研究的方向.笔者拟通过协整方法来实现对沪深300指数的追踪,在选择追踪指数的股票时,通过追踪误差及超额收益等比较了估值、换手、价格、规模[9]等选股因素的优劣;并且开创性的研究了在原有指数基础上增加部分收益率的虚拟指数的追踪效果.结果发现,协整方法能够较好的实现指数追踪,低PE、高价和低换手率的追踪效果相对来说更好;通过对虚拟指数的追踪,能够获得超越市场收益率的alpha收益.总体来说,笔者的研究具有一定的理论开创价值,对于金融投资实践也具有较强的指导意义.经典回归模型是建立在平稳数据变量的基础之上的,对于非平稳变量,不能使用经典回归模型,否则会出现虚假回归等诸多问题.1987年Engle和Granger提出的协整理论及其方法,为非平稳序列的建模提供了另一种途径.虽然一些经济变量的本身是非平稳序列,但是它们的线性组合却有可能是平稳序列.这种平稳的线性组合被称为协整方程,且可解释为变量之间的长期稳定的均衡关系.如果所考虑的时间序列具有相同的单整阶数,且某种线性组合的分量间被称为d,b阶协整,记为Yt~CI(d,b),如果满足:第一,y1t,y2t,…,ykt都是d阶单整的,即Yt~I(d),要求Yt的每个分量 yit~I(d);第二,存在非零向量β=(β1,β2,…,βk),使得使得组合时间序列的单整阶数降低,则称这些时间序列之间存在显著的协整关系.简称Yt是协整的,向量β又称为协整向量.考虑到股票价格和指数序列大多为一阶单整序列,因此可以建立相应的协整模型其中HSt指的是笔者所要追踪的沪深300指数,Xit为选定的用于追踪的个股,βi是个股的系数,α是截距项,εt是回归残差.一般对于追踪模型的有效程度均采用追踪误差来衡量,主要的指标包括误差均方根(RMSE)、平均绝对误差(MAE)、平均相对误差(MAPE)、协方差比率(CP)等.其中:误差均方根(RMSE):是均方误差的算数平方根,计算公式为RMSE=,RMSE越小,追踪效果越好;平均绝对误差(MAE):是绝对误差的平均值,计算公式为|observedt-predictedt|,MAE越小,追踪效果越好;平均相对误差(MAPE):其计算公式与平均绝对方差一样都是对误差采用绝对值,但这里要除以实际值,所以最终度量的是相对误差,计算公式为越小,追踪效果越好;协方差比率(CP):是预测值和实际值的分布偏差协方差占误差均方的比率,协方差比率衡量非系统误差的大小,CP越大,追踪效果越好.超额收益(EXCESS):以上4个指标度量的主要是协整模型的追踪效果,但是考虑到追踪指数的目标是获得稳定的收益,如果股票组合能够获得比追踪指数更高的收益,无疑是更好的,因此除了用RMSE、MAE、MAPE、CP四个指标衡量追踪效果外,同时考察了每个追踪组合的超额收益.超额收益的计算公式为EXCESS=Rmodel-RHS,其中Rmodel指的是追踪组合的收益率,RHS是指数的收益率.沪深300指数以规模和流动性作为选样的两个根本标准,并赋予流动性更大的权重,能够代表沪深两市的综合变动情况.因此笔者选择沪深300指数作为追踪指数,同时选择2017年5月底指数来源的300只个股作为投资组合的样本来源.同时选取流通市值、月均换手率、市盈率(TTM)及价格作为择股标准.对流通市值、价格及市盈率数据取对数处理.在时间跨度上,选取指数和所有个股2016年12月初至2017年5月底的所有日线级别数据,共118组;其中2016年12月初至2017年3月末4个月的数据作为样本内数据,用来建立协整模型;2017年4月初至2017年5月末两个月的数据作为样本外数据,用来评估协整模型;流通市值、月均换手率、市盈率及判断股价高低的数据时间节点为2017年3月末,用来选择跟踪个股.所有数据均来自同花顺金融数据库.除研究了对沪深300指数的追踪外,还研究了对增强型虚拟指数的追踪.虚拟指数指的是在沪深300指数的基础上增加10%的年化收益率,平均到每天增加收益率约0.04%,从而构造出用于追踪的虚拟指数序列.对于用于追踪指数的个股组合,统一选择符合标准的前20只个股,如低市值组选择300成分股中市值最低的20只个股.一共分为了低PE、低换手率、低价、低市值、高PE、高换手率、高价、高市值8组,以分别检验不同标准投资组合的追踪效果.在对数据进行协整检验前,首先需要对数据的平稳性做检验,只有单整阶数相同的序列间才可以进行协整检验.一般的时间序列的平稳性检验均采用ADF的检验结果来进行判断.表1报告了沪深300指数(HS1)和虚拟指数(HS2)的ADF检验结果,可以看出原序列(HS1、HS2)均不平稳,而一阶差分序列(DHS1、DHS2)均为平稳序列,即HS1和HS2均为I(1)单整序列.其他个股的价格序列也是I(1)单整序列(篇幅所限,未将所有的结果列出),因此可以对指数序列和个股价格序列进行协整分析.常见的协整检验包括Engle-Granger两步法和Johnson检验两种方法.EG两步法主要适用于两个变量之间的协整关系检验,Johnson方法则适用于多变量之间的检验.因为笔者选择了20只个股来与指数建立协整关系,因此适合采用Johnson 协整方法.检验结果如表2所示:表2第1列代表8个选股组合;第2列HS1代表的是沪深300指数序列的协整检验结果,HS2代表的是虚拟指数序列的协整检验结果;第3列至第6列是检验结果(篇幅所致,只列出了原假设为“不存在协整关系”的检验结果).由第6列的P 值可以看出,所有的模型均拒绝了“不存在协整关系”的原假设,因此所有的模型均可以建立协整模型.3.3.1 协整回归结果表3报告了沪深300指数序列的协整回归结果.从回归结果来看,F统计量显示所有的模型均非常显著,调整R2的值均较高,最大的为低PE组的0.9861,最小的高换手率组也达到了0.929,显示协整模型能够较好的拟合指数的走势.这里需要说明的是,虽然有部分个股的回归系数并不显著,但是在建立追踪组合时仍然将这些个股考虑进来.主要是考虑到个股同时受大盘影响,之间存在相关性,如果剔除不显著的个股,虽然在统计上可能能够得到更好的效果,但是在实际追踪指数的过程中效果很可能更差.因此对于不显著的个股,在建立投资组合时也按照其系数进行相应的权重分配.3.3.2 模型有效性检验表4报告了8组投资组合的追踪效果,其中第3列至第6列表示追踪误差,第7列EXCESS表示样本外超额收益.从样本内的结果来看,八个组合的追踪效果均较好,其中最好的是低PE组合,其RMSE、MAE、MAPE均最低,CP最高,追踪效果最好.但是样本外的追踪效果则参差不齐.从RMSE、MAE、MAPE和CP四个追踪误差标准来看,低PE组合的追踪效果仍然是最好的,低换手率、低市值和高价的投资组合的最终效果也较好.但是从超额收益的角度来看,高价投资组合的EXCESS达到了7.43%,低换手率组合的EXCESS为1.4%,而低PE组合的EXCESS为-1.64%,低市值组合的EXCESS更是低到了-5.39%.因此,如果综合考虑到收益率,显然低市值组合不适合用来进行追踪;高价组合虽然获得了较高的超额收益,但是是否是因为特定时期的特殊表现还需要通过其他研究进行佐证;低PE组合虽然超额收益是负的,但是考虑到低PE的个股均是盘子较大、流动性较高的银行、资源等股票,能够较好的反映指数的走势,因此笔者认为,如果想最接近的追踪指数,选择低PE组合仍然是最合适的.3.4.1 协整回归结果表5报告了虚拟指数序列的协整回归结果.可以看出,8个组合的协整回归模型均很显著,调整R2也均较高.拟合优度最高的仍然是低PE组合,其调整R2达到了0.992,F统计值也是最高的499.3.4.2 模型有效性检验表6报告了8组投资组合的追踪效果.与表4的结论较为相似,从追踪误差来看,低PE组合、低换手率组合和高价组合均表现出了较好的追踪效果.但是低市值组合的追踪误差逊于高市值组合.从超额收益来看,低PE组合仍然是-1.96%的负收益,低换手率组合、高价组合和高市值组合则分别获得了1.48%、5.79%和2.84%的超额收益.因此,如果单纯从追踪误差的角度来看,低PE组合的效果最优;但是如果同时考虑了超额收益率的话,笔者认为低换手率组合和高市值组合的效果相对更优.综合以上的分析,可以看出低PE、低换手率和高价个股在构造追踪组合时效果较好,因此可以尝试将三个标准进行组合,以验证组合标准是否优于单一标准.具体的选股策略为:首先选择低PE的前100只个股,然后从这100只个股中选择低换手率的前50只个股,最后再从这50只个股中选择价格最高的前20只个股.表7报告了组合选股策略的追踪效果(其余过程略),可以看出相对于单一标准而言,综合选股组合并不能降低追踪误差,表现为RMSE、MAE、MAPE没有得到降低.反而CP下降很快,沪深300指数追踪模型的样本外CP只有0.1525,虚拟指数追踪模型的样本外CP只有0.2239,表示已经和指数序列发生了较大的偏离;超额收益变成了负值,分别为-3.79%和-3.63%.因此可以得出结论,组合标准并不能优于单一标准,在进行追踪组合的个股选择时,采用单一标准更为合适.选取沪深300指数和所有成分股2016年12月初至2017年5月底的所有日线级别数据,利用协整模型和有效性检验指标,考察了低PE、低换手率、低价、低市值、高PE、高换手率、高价、高市值8组追踪组合对沪深300指数及增加了10%年化收益的虚拟指数序列的追踪效果,结果发现:低PE组合、高价组合、低换手率组合在两个指数的追踪过程中均表现较好,但是低PE组合在样本外获得了负的超额收益,而高价组合和低换手率组合能够获得正的超额收益;但是通过对指标进行组合构成的组合选股策略反而大幅降低了追踪效果,在选择追踪组合时,单一标准优于组合标准;总的来说,协整模型能够较好实现对指数的追踪,也能够通过虚拟指数的设置,获得较为显著的alpha收益.总体来说,研究结果具有一定的应用价值:一方面,对于理论研究来说,利用协整进行指数追踪在现有研究中却是比较少见,本研究可以起到一定的抛砖引玉作用,接下来的学者们可以在这个方向进行更深入的研究;另一方面,对于证券投资实践来说,尤其是被动投资的指数基金经理,可以利用协整方法构造出较好的追踪模型来,并且可以尝试通过增加收益率的方式构造虚拟指数进行追踪,从而获得较好的alpha收益.接下来的研究可以从以下几个方面进行深入:首先,高价组合在检验期获得了较高的超额收益,但是从绝大部分的投资实践和金融研究文献来看,高价股的收益往往低于低价股,这是沪深300指数的特性决定还是只是由于所选区间的特性使然,可以在今后的研究中进行进一步探索;其次,对于收益增强的虚拟指数构造中,笔者只是简单的设置了10%这一个阈值,是否可以更进一步提高超额收益率,是值得进一步研究的方向;再次,虽然笔者的研究证明了单一选股策略优于组合选股策略,但是是否有更合适的选股指标或者有更合适的组合方法,均是下一步可以研究的方向;最后,如果增加收益构造的虚拟指数能够得到有效追踪,那么也可以构造收益减少的虚拟指数进行追踪,将两者进行对冲,则理论上可以获得无风险的alpha收益,这个方向可以成为今后研究的重点.【相关文献】[1] J Shapcott.Indx Tracking:Cenetic Algorithms for Investment PortfolioSelection[J].Working Paper,1992(9):1-16.[2] G Bamberg,N Wagner.Equity Index Replication with Standard and Robust RegressionEstimatiors[J].OR Spektrum,2000(4):525-543.[3] 陈春锋,陈伟忠.证券价格指数复制的方法与算法模型[J].同济大学学报(自然科学版),2005(4):559-563.[4] 周静,武忠祥.基于稀疏主成分的股票指数追踪研究[J].工程数学学报,2013(2):159-168.[5] 苏治,方彤,秦磊.一种基于规则化方法的最优稀疏指数追踪模型设计[J].数量经济技术经济研究,2016(4):145-160.[6] 倪禾.基于启发式遗传算法的指数追踪组合构建策略[J].系统工程理论与实践,2013(10):2645-2653.[7] 杨国梁,赵社涛,徐成贤.基于支持向量机的金融市场指数追踪技术研究[J].国际金融研究,2009(10):68-72.[8] 胡春萍,薛宏刚,徐凤敏.基于时间加权的指数优化复制模型与实证分析[J].系统工程理论与实践,2014(9):2193-2201.[9] 周亮.影响股票收益的基本面因子略探——基于中小板上市公司的实证分析[J].金融理论与实践,2017(2):93-98.。

中信证券融资融券业务介绍

中信证券融资融券业务介绍
10
融资融券业务市场情况
国内融市场情况
中信证券融资融券开展情况 •中信证券累计授信47亿。 •融资交易市场份额的30%-40% •融券交易市场份额的40%-50% •中信证券一天交易量80亿左右,目前信用账户一天交 易量1.4亿左右!
不断努力,探索更好的为客户提供融资融券服务!
30%预期最好的 预期最好的 构建一个100% 构建一个 仓位的指数基金 建立选股模型 对于股票未来 表现进行排序
30%预期最坏的 预期最坏的
融资买入30% 融资买入 最好的 融券卖出30% 融券卖出 最差的 构建130/30组 构建 组 合
融资融券给我们带来了什么——配对交易 配对交易 融资融券给我们带来了什么
3.643*4(行权比例 =14.572 14.572+15.4=29.972 32.35-29.972=2.378

购入江铜权证3.643 购入江铜权证 此时行权价15.4) 元(此时行权价 )
融券卖出江西江铜 32.35元 元
行权期, 行权期,价格收敛 利用融券锁定负 溢价套利空间 假设行权期江西铜业股价低 于行权价,不行权, 于行权价,不行权,融券获 最终收益锁定2.378 利,最终收益锁定 假设行权期江西铜业股价高 于行权价,行权,融券亏损, 于行权价,行权,融券亏损, 最终收益锁定2.378 最终收益锁定
卖出股指期货
买入相同价值的 股票现货
使用融资
价格修正到无套利区间
通过融资提高 资金使用效率
期货、现货同时平仓, 期货、现货同时平仓, 买券还款获取套利收益
融资融券给我们带来了什么——股指期货与融资融券 股指期货与融资融券 融资融券给我们带来了什么
股指期货与融资融券 反向套利: 反向套利: 股指期货理论价格与股指现货的价格比低于无套利区间上限 1、同时卖空指数的股票组合,买进股指期货。 2、当期现价格比回落到无套利区间之后,对期货和现货同时进行平仓,获取套利收 益。 融券业务的推出使得卖空股票现货成为可能,但是目前融券标的不能覆盖股 指期货现货范围
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

4/20
统计套利与系列研究二.doc
May-200 7
2.基于协整的经典指数追踪
首先,采用协整进行投资组合构建的是 Axlander(1999),在文中第一次用到 了股票价格的所有信息,而不是差分序列。基于股票价格同指数之间的协整关系建 立投资组合基于如下三点:第一,股票组合和标的指数价格差异是平稳的,因此, 追踪组合与标的指数在长期中是紧密关联的;第二,根据较长历史数据计算的组合 中的股票权重是相对稳定的;第三,经协整建立的组合,其跟踪误差是均值回复的 随机过程,不存在系统性的误差。
益率,ck 是持仓权重,而 et 代表追踪误差,一般的优化方法就是在约束条件——跟
踪误差期望(均值)等于 0 和股票权重和等于 1 的条件下,利用数值方法使得跟踪 误差的方差最小化。
而优化方法在被动投资中的缺点比较显著:首先,股票指数是组合内股票的一 个线性组合,针对股票指数的追踪误差最小化的包含了许多噪音,依赖于样本数据。 并且在高波动的市场中极不稳定;其次,由于采用了相关系数来衡量协同波动 (co-movement),产生了如下的缺点:首先,只能用平稳(stationary)数据,如 股票收益率,由于是股票价格的差分序列损失了一些有用信息;其次,只是一个短 期的统计量,缺乏稳定性;第三,依赖于估计模型,相关系数易于受到异常值,非 平稳序列或是波动率聚集的影响,因此在长期时间序列中可能会得出错误的结论。 对金融时间序列中相依性的测度,Embrechts,Lindskog 和 McNeil(2001)进行 了一个全面综述。
本研究可以继续拓展的地方:第一,加入选股思路;第二,对于调整频 率的更改;第三,进行市场中性策略时,采用更多的股票进入组合。
下一步的研究将着力于研究 alpha 转移,即如何将统计套利中获得的 alpha 如何转移到其他组合上,以及利用除协整外的其他一些方法进行 统计套利。
分析师
宋曦
(0755) 8249 2009 songxi@
从美国 1995 年至 2000 年指数基金的数量和规模变化,我们能够明显的感受到 指数化投资的力量。据理柏(Lipper)公司报告截至 2000 年 12 月指数型基金的投 资规模占到了总规模的 12%,而据晨星(Morningstar)1995 年的统计仅为 5%, 同时,指数基金的数量也比 1995 年的两倍还多。美国最大的股票型指数基金为 Vanguard 公司管理的 S&P500 指数基金的投资者系列,该基金市值规模超过 740 亿美金。据标准普尔公司预测,钉住 S&P500 指数的资产总有两个步骤:第一,筛选股票进入追踪组合;第 二,依照协整系数建立组合中最优的股票持仓比例。
第一个步骤的股票选择可以利用多种方法,例如,选股模型,技术分析或者基 金经理的选股技巧。第一步骤非常关键,它将决定后面的协整关系的程度以及追踪 组合的绩效。尽管选股很重要,但是在我们的协整指数追踪方法中并不具有任何优 势,选择成功的股票并非本方法关注的焦点,我们复制指数的表现或者在保证一定 的追踪误差条件下,轻微的超越指数表现,而并非要通过选股来战胜市场,这是本 方法的理念。我们这里可以简化的选择在指数中权重较大的股票进入到追踪组合。
谨请参阅尾页重要申明。欢迎访问联合证券资讯网 http:// 。
1 / 20
统计套利与系列研究二.doc
May-200 7
我们在第一篇报告中,推出了统计套利的含义以及如何运用协整方法建立成对 交易的投资策略,通过我们简单的实证研究,取得了良好的实际投资结果。本文中 我们试图用统计套利的方法建立被动型的投资组合,用来追踪某一标的指数或者增 强型的标的指数。
某增强型指数,即在标的指数年收益率基础上加上年超额收益率α%(α > 0 )。
该投资策略如下实现:构造一个追踪组合,包括部分或者全部的标的指数成份股, 该组合与标的指数加上预设的α%具有协整关系。如果存在这样的追踪组合,那么 它将跟踪的是一个市场上不存在的“人造指数”(artificial index)的收益和波动, 同时,正的超额收益或非正常收益就可以实现。我们下面将提到对于超额收益率α 必须要设定合理,不切实际的设定将导致严重的后果。
第二步骤是建立在前一步骤基础上,确定进入追踪组合的持有比例,我们应用 协整方法,在组合建立期前的样本内(in-sample)数据,使用对数指数价格对对数 股票价格的最小二乘法(OLS)确定协整方程中的系数,如数学公式表示为:
n
∑ ( ) ln (indext ) = c0 + ck ln Pk,t + et
一、指数投资的魅力
在主动(active)管理型与被动(passive)管理型基金上做出选择是一直是困 扰投资者的重要问题,从美国 90 年代大牛市中,我们似乎能寻找到部分答案,美 国的投资者发现,在这期间通过主动投资要战胜市场平均水平的代表——S&P500 指数异常困难,因为牛市是以大盘股为带动的,而这些大盘股则是市场指数的主要 权重股,据统计 28 只大盘股占据了 S&P500 指数一半以上的权重。据美国著名的 机构投资者杂志——Barron 统计了 1977 年~1997 年全年的共同基金跑赢了 S&P500 的相对比例。
1.基于优化方法的指数追踪技术
通常的指数追踪技术一般采用优化方法,最为常见的是 TEV(追踪误差方差) 最小化模型,可以用下面的数学公式表达:
n
∑ rindex,t = ck rk,t + et k =1
(1.1)
其中, rindex,t 是在 t 时刻的指数对数收益率,而 rk,t 是 k 股票在 t 时刻的对数收
二、指数追踪相关技术性问题
指数追踪(Indexing)是指通过利用一个的股票组合复制某一现实指数或者虚 拟指数的市场表现,来获取与指数相近的收益,试图最小化跟踪误差。通常来说, 一般的指数追踪技术关注于最小化跟踪误差的方差,并考虑组合收益与标的指数收 益的相关性,或者是组合调整(re-balancing)的交易成本最小化。
2007/05/24
金融工程
统计套利系列研究之二
指数追踪、指数增强与市场中性策略
本文主要试图利用协整方法对进行了指数跟踪、指数增强和多头/空头的 市场中性投资策略,试图找到适合不同投资者的投资策略。
从国外指数型基金的迅速发展的历史来看,整体而言,主动管理型基金 并不比指数基金更优秀,投资者倾向于选择指数型基金往往基于赌徒的 心理。指数型基金在美国已经成为最为重要的投资手段。
指数化投资同样也带动了交易所交易基金(ETFs)的显著增长,自从 1993 年 第一个 ETF——SPDR(the Standard&Poor’s 500 Depository Receipt)诞生起, ETF 的总体资产在 2005 年底达到了 2,465 亿美元。
同时,指数化也被作为机构投资者的重要投资手段,在 2004 年,单纯的指数 投资占据了 1,000 家最大年金投资资产的 8,730 亿美金,相当于其 5.35 万亿总资产 的 16%以上。如果包括指数增强产品上述数字将超过 1 万亿美金,即 20%以上的 总资产配置占比。
基于上述缺陷,金融计量学家和金融实践者开始转向协整模型来捕捉长期均衡 的相依性,协整是一种异常强大的手段,其最大的贡献在于将相关性的理念推广到 非平稳数据。Clive Granger(1966)凭借着在协整理论中的先驱性研究成果,于 2003 年获得了诺贝尔经济学奖。
谨请参阅尾页重要申明.欢迎访问联合证券研究所咨询网 http:// 。
我们通过对上证 50 指数进行了指数追踪,增强型指数投资和市场中性 策略,均获得了较为理想的结果。我们运用 20 只股票进行上证 50 指数 的跟踪获得良好的效果,而利用 10 只股票建立增强型指数的头寸也确 能捕捉到一个稳定的 alpha,基于上证 50 指数的市场中性策略也能获得 一个高于无风险利率的投资收益。
大盘),但会感到使我们的钱体现了价值(getting our money’s worth)。”这句来
自于华尔街日报的话体现了投资者和赌徒试图去使收入最大化过程中的相关行为所
体现的心理状态。从经济意义角度来看,大部分投资者将资金集中于主动管理型的
基金并不理性,特别是如果考虑到标的指数的定义及其作为投资业绩考量时的意义。
Sharpe(1991)指出:平均来讲,主动管理型基金业绩不可能超过被动管理型基金,
谨请参阅尾页重要申明.欢迎访问联合证券研究所咨询网 http:// 。
2/20
统计套利与系列研究二.doc
May-200 7
原因在于股票指数的表现就是二者包括成本在内的投资收益的加权平均。因此,可 以认为主动管理是一种零和博弈。因此,被动管理型基金在牛市的长跑中体现了其 优势,并迅速发展起来。
① 在下文中,我们对所有股票的权重都进行了单位化,不再特别说明。
谨请参阅尾页重要申明.欢迎访问联合证券研究所咨询网 http:// 。
5/20
统计套利与系列研究二.doc
May-200 7
3.基于协整的增强型指数追踪
对于上述简单的指数追踪,我们稍加扩展,就可以利用协整的追踪潜力去跟踪
4.基于协整的多头/空头统计套利策略
如果能够通过协整方法找到超越市场表现的追踪组合,通过协整也应该能找到 低于市场表现的追踪组合。那么通过买入优势组合,而卖空劣势组合,我们可以构 建一个市场中性的多头空头投资策略。
根据,Chiang(1998)的研究发现了指数基金的追踪误差来源于以下几个方面:
谨请参阅尾页重要申明.欢迎访问联合证券研究所咨询网 http:// 。
3/20
统计套利与系列研究二.doc
May-200 7
交易成本,基金现金流,指数对分红的处理,公司行为和指数成分的变化。Keim (1999)认为标的指数的流动性也同样影响了交易成本,因此也影响到追踪误差。 对于指数型基金经理来说需要在跟踪误差和交易成本间寻求平衡,一般来说,两者 是此消彼涨的关系。
相关文档
最新文档