量化投资研究PPT
东方证券 数量化策略专题之一 风格投资以及风格轮换(PPT)
数量化投资策略研究之一风格投资与风格轮换东方证券研究所衍生品分析师阚先成公司地址:上海东方国际金融广场公司网址:风格投资与风格轮换目录：¾风格投资z风格投资指标z风格投资分类z风格投资组合表现¾风格轮换z大盘VS小盘z价值VS成长z高市盈率VS低市盈率风格投资•在资本资产定价模型及单因素模型中，市场因素是唯一影响所有证券及投资组合回报的系统风险因素，然而20世纪70年代的一些实证研究表明β并非决定股票预期回报的唯一因素，还存在其他影响证券及投资组合回报的因素，这些因素被称为超市场因素，超市场因素主要包括风格因素和非市场因素。
风格投资•作为组合投资理论的一个分支，风格投资理论为证券投资界带来了全新的理念，并越来越受到国际机构投资者的青睐。
机构投资者运用风格投资理论去寻找市场蕴藏的投资机会和解读过去的投资业绩，所以对于机构投资者而言，风格投资提供了一种高效地进行资产配置和风险管理的全新的角度和方法。
风格投资•风格的概念包括两层含义：首先构成某种风格的股票必须具有一种共同的属性，其次同一风格股票的收益表现必须具有较强的相关性，不同风格相关性较低。
•风格的划分方法，一种是基于股票收益率进行划分，即采用回归方程观察收益率的因素相关性；另一种是基于股票的基本特征进行划分，本文是基于股票的基本特征对股票进行风格划分。
风格投资指标选取•价值指标：账面市值比、盈利收益、市现率、每股息税前利润、ROE以及ROA；•成长指标：EPS增长以及主营业务利润增长；•反向策略指标：前一个月收益和前三个月收益；•其他指标：PEG以及市场β；风格投资分类方法•t时刻，将所有股票按t－1时刻的每一个风格投资指标降序排列，靠前的10％定义为Top组合，靠后的10%定义为Bottom组合；•把Top组合和Bottom组合中的每只成份股的月收益率等权重加权后得出的数据为Top组合和Bottom组合的月收益率；•在统计出每个投资组合月收益的同时，我们还计算出每只股票与其风格投资指标的相关性，为了排除极值的影响，这里的相关性是秩相关性；数据描述•Bottom：风格指标后10%组合月收益的平均值、最大值、最小值以及方差；•Top：风格指标前10%组合月收益的平均值、最大值、最小值以及方差；•Bottom>Top概率：表示样本中Bottom组合月收益大于Top组合月收益的频率；价值指标分类组合表现（2000年1月－2007年12月平均月收益）11.87%-16.16%32.32%1.67%Top39.48%10.51%-19.28%30.88%0.83%BottomROA12.83%-16.62%32.10%1.88%Top 32.58%10.54%-19.23%30.59%0.95%BottomROE10.65%-18.93%31.57%1.31%Top 47.42%8.86%-16.66%32.04%1.18%Bottom每股息税前利润8.83%-16.07%31.76%1.10%Top 71.13%9.01%-14.44%34.18%1.74%Bottom市现率10.03%-18.39%37.44%1.60%Top 59.79%8.51%-14.89%30.37%1.04%Bottom盈利收益8.84%-29.08%32.78%-0.06%Top 69.07%9.44%-16.28%32.44%1.19%Bottom账面市值比Bottom>Top 概率方差最小值最大值均值投资风格价值指标相关性-1.90%2.75%1.18%2.93%3.47%3.08%-3.00%-2.00%-1.00%0.00%1.00%2.00%3.00%4.00%账面市值比盈利收益市现率每股息税前利润ROEROA成长指标分类组合表现（2000年1月－2007年12月平均月收益）10.37%-15.18%31.45%1.18%Top46.39%8.65%-21.88%30.07%0.79%Bottom营业利润增长9.77%-14.76%31.77%1.25%Top 44.33%8.72%-22.05%28.45%1.11%BottomEPS 增长Bottom>Top 概率方差最小值最大值均值投资风格其他指标分类组合表现（2000年1月－2007年12月平均月收益）8.96%-16.72%34.04%1.25%Top68.04%9.31%-13.47%28.17%2.42%BottomR38.91%-14.65%32.88%1.09%Top 55.67%9.36%-17.79%34.50%1.73%BottomR18.60%-16.37%30.35%1.20%Top 38.14%7.15%-14.01%19.47%0.30%Bottombeta8.71%-14.96%25.69%0.72%Top 60.82%8.85%-15.98%32.95%1.27%BottomPEGBottom>Top 概率方差最小值最大值均值投资风格成长指标以及其他指标相关性-3.14%2.99%6.99%5.55%-7.27%-8.52%-10.00%-8.00%-6.00%-4.00%-2.00%0.00%2.00%4.00%6.00%8.00%PEGbetaEPS增长营业利润增长R1R3统计结果评述•按照价值指标分类的投资组合中，ROE大的投资组合表现最优，其次是市现率小的投资组合；•按照成长指标分类的投资组合中，EPS增长快的投资组合表现最优；•反向策略投资组合表现较为抢眼，这说明前一段时间超跌的股票会出现较大涨幅；•PEG小的投资组合表现较好，PEG投资策略也不失为一种有效的投资策略；•高β的投资组合表现要好于低β的投资组合；启示•对于长期投资者：秉承价值投资，选取净资产收益高、盈利增长快的投资组合；•对于短期投资者而言，反向策略较为有效，即选取前一段时间跌幅较大的个股；风格轮换•不同的风格投资导致不同的风格组合，从而导致不同的投资收益，同时风格组合的业绩具有一定的周期性，即市场的投资风格会发生转变，所以积极地进行风格管理，正确地判断、把握以及选择风格倾向，这样才能获得超额的市场收益。
量化投资ppt课件
50% 40% 30% 20% 10%
0% -10% -20% -30% -40% -50%
收益曲线比较：股票 vs Straddle
股票价格变化
股票 Straddle
量化投资策略
Renaissance Technology, 管理资产超过150亿 美元，总部位于纽约长岛，主基金Medallion， 17年年化收益35%
主要市场参与者与产品
几个著名的量化对冲基金产品表现
第21页
国内市场现状
规模占管理资产不到2%
公募15支量化基金，超过200亿管理资产 券商集合理财10支 私募量化基金20多支
需要借助复杂的数学模型。特征过于复杂，不够透明 ，难以被普通投资者理解。
实际应用：
• 期权、奇异期权 • 信用衍生品(CDS等) • 利率掉期(IRS)、货币互换(Swap) • 结构性产品(ABS、CDO)
量化投资策略
一个例子，使用期权组合构造收益
资本收益 -40% -37% -34% -31% -28% -25% -22% -19% -16% -13% -10%
Litterman、Rosenberg Barra、李祥林(David Li)
什么是量化投资
和量化投资有关的故事
量化投资策略
常见的量化投资策略
套利 多因子模型 高频交易 统计套利 衍生品、结构性产品 事件驱动
量化投资策略
套利类策略
利用价格与真实价值之间暂时的背离获取收益 理论上无风险，实际中风险很低，收益取决于套利机
量化投资关注的领域
量化投资CTA策略120807精品PPT课件
股票
债券
平均收益 标准差 偏度 峰度
0.89
0.93
0.64
3.47
4.27
2.45
0.71
-0.34
0.37
4.53
1.81
3.56
Source: Gary Corton, K Greet Rouwenhorst, Fact and Fantasies about Commidty Fuyures
上证综合指数 上证国债指数 豆一连续 沪铜连续
1
0.454
0.61
0.0298
1
0.39
0.515
1
0.62
1
资料来源：wind资讯，齐鲁证券
国外的CTA发展类型简介
根据投资方向的不同，CTA基金可以分为分散型CTA基金和专业化CTA基金。 分散型CTA基金投资的期货品种较多，分散投资往往会使其风险较低；而专业 化的CTA基金则专注于投资某类市场;
• 对中国1995年以来的上证综合指数，期货指数（以豆一与沪铜为代表）与国债指数进行 拟合分析，结果如下表所示。可以发现，股票与商品的相关系数最低，而债券与商品的 相关系数也不高，说明加入商品期货可能有利于大类资产组合分散风险。
表：中国期货与股票、债券市场的相关性
上证综合指数 上证国债指数
豆一连续 沪铜连续
• 商品期货收益与股票、债券的负相关性随着持有区间的延长而增加，这说明商品期货对 投资组合风险的分散作用在长时间里更加显著
• 商品期货与通货膨胀呈正相关关系，意味着商品期货是抵御通货膨胀的有效工具。
表：商品期货与股票债券和通货膨胀的相关系数（1959-2008）
投资期限
股票
债券
通货膨胀
Python量化投资基础教程教学课件第十六章 股指期货期现套利策略
基本信息获取模块
查询期货和现货品种k线收盘价格序列
可利用ContextInfo.get_market_data（）分开查询每个品种的价格
1. IF_closes = ContextInfo.get_market_data(['close'], stock_code=code0,\ period = Cont
# 获取ETF的收盘价时间序列
也可作为品种组合一次获取该组合一段时间的数据，有利于提高速度和价格时间对应。
1. closes=ContextInfo.get_market_data(['close'], stock_code=ContextInfo.trade_pair, per
iod = ContextInfo.period, count=32)
[ (−)(−) − T ， (−)(−) + T ]
当股指期货实际价格′ > (−)(−) + T ,进行正向套利，即做多现货，做空期货;当
股指期货实际价格′ < (−)(−) − T ,进行反向套利，即做空现货，做多期货。
# 获取两个品种的收盘价时间序列
2. IF_closes = closes[ContextInfo.trade_pair[0]]['close’]
#股指期货IF00收盘价
3. ETF_closes = closes[ContextInfo.trade_pair[1]]['close']
#现货ETF收盘价
量化对冲投资ppt课件
对比私募产品
泰达宏利量化对冲2号
某对冲公募基金
20
投资团队与业绩
中证500指数基金 稳定的超额收益
• 今年以来，超额收益已经达到13.4%，年化高达35%；
• 其中5月中旬有一次近2%的回撤，是由于巨额申购，渠道资金T+1不可用，导致仓位大幅降低低，并非 策略因素；
泰达宏利中证500指数基金超额收益率
• 多因子模型本没有秘密，无非是帮助我们更加科学和精确的认识市场，观 察市场，并且用更加准确和严密的思维将投资理念贯彻到投资行为中；
我们对多因子的理解
• 市场由不同投资逻辑的群体构成，不同群体的集体投票表决决定了价格变化； • 每个显著的因子代表一类投资逻辑，通过加权汇总，模拟市场的总体看法； • 不排除某个因子在一定时期内产生波动，但不会所有因子同时失效，从而达成
风
险
模 型
简单选股
对
冲
风险模型处理
风 格
行 业
股指期货 沪深300
风 格
估 值
估 15 值
策略：如何做量化对冲
基本面风险 统计层面风险
Alpha
• 传统的组合构建采用单一基本面风险模型控制风险敞口对市场变化反应迟钝 • 统计风险模型对市场短期风格切换，运行结构变化反映迅速，保护Alpha收益
16
策略：如何做量化对冲
300.0% 250.0% 200.0%
41.28% 31.29%
150.0% 100.0%
50.0%
37.80%
0.0%
选股模型收益（多空Alpha）
24.83%
25.15%
3.63% -1.05% 36.54% 22.17%
24.54% 26.93% 16.56% 10.21%
量化投资中的阿尔法策略
基于趋势跟踪
量化择时策略之一是基于趋势跟踪，通 过识别市场趋势，利用技术指标和机器 学习算法来预测市场走势，指导投资决 策。
VS
基于统计套利
另一种量化择时策略则是基于统计套利， 通过分析市场数据、对冲风险等手段，寻 找具有套利机会的投资组合。
组合优化策略
基于马科维茨投资组合理 论
组合优化策略之一是基于马科维茨投资组合 理论，通过分散投资、风险控制等方法，优 化投资组合的收益风险比。
总结词：互补性
详细描述：人工智能和传统投资策略具有很强的互补性。传统投资策略在人的经验、判断和决策方面具有优势，而人工智能 在数据处理、模式识别和预测方面具有优势。两者的结合可以更好地应对市场的复杂性和不确定性。
人工智能在量化投资中的用
要点一
总结词
要点二
详细描述
挑战与风险
虽然人工智能在量化投资中的应用具有广阔的前景，但也 面临着一些挑战和风险。例如，人工智能算法的透明度和 可解释性不足，可能会导致投资者对算法的不信任；同时 ，人工智能算法的过度拟合和泛化能力不足，也可能会影 响其在实际投资中的表现。因此，投资者需要谨慎选择和 使用人工智能算法。
模型过拟合与欠拟合
总结词：阿尔法策略可能面临模型过拟合与欠拟合的 问题。过拟合是指模型过于复杂，导致在训练数据上 表现良好，但在测试数据上表现较差；欠拟合则是指 模型过于简单，无法捕捉到重要的市场特征。
详细描述：在量化投资中，阿尔法策略的复杂性和适用 性之间存在权衡关系。如果投资者使用过于复杂的模型 ，他们可能会面临过拟合的风险。这意味着模型在训练 数据上可能表现出色，但在真实市场环境中可能无法获 得超额收益。相反，如果投资者使用过于简单的模型， 他们可能会面临欠拟合的风险。这意味着模型可能无法 捕捉到重要的市场特征，从而无法做出准确的投资决策 。因此，投资者需要仔细选择合适的模型复杂性和特征 集来避免过拟合和欠拟合的问题。
投资经济学PPT课件
敏感性分析法
分析投资组合中各个资产价格 变动对整体投资组合价值的影 响程度。
蒙特卡洛模拟法
通过模拟资产价格的随机变动 来评估风险，计算风险值。
压力测试法
模拟极端市场环境来评估投资 组合的抗风险能力。
投资风险的管理与控制
01
02
03
04
多样化投资
通过分散投资来降低单一资产 的风险。
止损控制
设定止损点，当资产价格跌破 该点时自动卖出，控制亏损幅
信用利差策略
以利用不同信用评级债券之间的利差为主， 注重信用风险对债券价格的影响，通过买 卖不同信用评级的债券获取利差收益。
期货与期权投资策略
套期保值策略
以降低或锁定未来某一时期采购或销售商品的价格风险为主，通过买 入或卖出期货或期权合约的方式，实现风险的对冲和转移。
杠杆交易策略
以利用杠杆效应获取高收益为主，通过保证金交易的方式，放大资金 的使用效率，获取高收益。
06 未来投资经济学的发展趋 势与挑战
金融科技的崛起与影响
金融科技的发展
随着科技的不断进步，金融科技 行业正在迅速崛起，为投资经济
学带来了新的机遇和挑战。
金融科技的影响
金融科技的发展改变了传统金融 行业的格局，使得金融服务更加 便捷、高效，同时也带来了数据
安全、隐私保护等新问题。
金融科技的未来
随着金融科技的不断发展，未来 将有更多的创新和变革，投资经 济学需要密切关注金融科技的发 展趋势，以应对未来的挑战和机
因素模型
描述影响资产价格的各种因素，以及这些因素 与资产回报率之间的关系。
无套利原则
在有效的市场中，套利机会很快会被消除，因此长期来看，套利不会产生超额 收益。
Python量化投资基础教程教学课件第二十章 算法交易
（2）滑点：就是投资者下单的价格和真实成交之后的价格存 在差距，这种差距就和上述提到的交易成本有着密不可分的关 系
市价单产生滑点：一般下市价单的时候会比较明显，市价单造 成滑点的主要原因是网络延迟，下单时刻的报价，和下单指令 真实到达交易所时的报价因存在时间差发生了变化。
限价单产生滑点：限价单的成交机制是标的价格必须达到或超 过设定价格才会在下一个可成交的Tick成交（先出发后成交） 。
目标：使用算法交易对大额订单进行分拆，寻找最佳的下单时间 、下单数量和最有利的执行价格，以降低市场的冲击成本、提高 执行效率和订单执行的隐蔽性。
交易成本最小化，如降低市场冲击成本。 执行效率最大化。 成交均价最贴近目标价格。 执行效率最大化。 隐藏下单意图。 其他非技术性原因。包括节约人力成本、提高下单效率，确保指令
摩根大通的冲击成本模型
在摩根大通的冲击成本模型中， 为永久性冲击成本。 为暂时性冲击成本。上式表明，冲击成本与方差，相关交易数量和交易速率成正比。
德银的冲击成本模型
根据德银的冲击成本模型，总体冲击成本与相关交易数量、波动率、交易速率和买卖价差呈正性相 关关系。德银的冲击成本模型包含了瞬间冲击成本、暂时性冲击成本和永久性冲击成本。其中
02 算法交易目标 03 冲击成本模型 04 算法交易经典模型
算法交易是相对于普通交易而言的另一种执行订单交易的 方法，相比于手动订单执行，算法交易能够有效减少冲击 成本、自动监控交易机会、隐藏交易意图、避免人的非理 性因素对交易造成的干扰等。同时通过算法交易还可以寻 求最佳的成交执行路径，以获取最大收益。基于算法交易 的思想，又可以将其划分为被动型、主动性和综合性算法 交易。本章以在国际市场上使用最多的被动型算法交易中 的时间加权平均价格（TWAP）、成交量加权平均价格 （VWAP）为例详细介绍具体的交易实施策略
量化研究ppt课件
问卷设计
一、问卷的结构
1、封面信：说明调查者身份；说明调查的大致内容；说 明调查的主要目的；说明调查对象的选取方法和对调查结 果保密的措施 2、指导语：指导如何填写问卷和其他注意事项 3、问题及答案：开放式和封闭式 4、编码及其他资料（问卷编号、调查员编号、审核员编 号、调查日期、被调查者住地等）
在一定的可靠性程度下估计总体参数所在的范围95或9936描述研究的实例农村新课程实施取向研究37量化关系研究38关系研究的设计原理确定与现象产生有着决定性关系的两个或两个以上的因素概念并推测它们之间的关系或者推测现象之间的关系由数之间的规律推知现象的规律39量化关系研究的类别主要的区别在于统计方法和获取数据的手段
一个准实验研究的过程（三）
对孩子过分迁 就 物质上对孩子 尽量满足
陈皆明：父母投资与子女赡养关系
概念 维度1 早期家 父母 庭帮助 投资 维度2
被访者早期对家庭帮 助的依赖 父母为子女结婚所花 的费用 被访人教育水平 婚后居住情况
指标
是否在家做作业 在升学上是否得到帮助 在就业上是否得到帮助 在换工作上是否得到帮助 在分房上是否得到帮助
抽样的类别 概率抽样：简单随机抽样、系统抽样、分层抽 样、整群抽样、多段抽样 其目的在于保持每个个体被抽取的概率一致 非概率抽样：偶遇抽样、判断抽样、定额抽样、 雪球抽样
使用的工具类型
由研究者完成
1、等级评量表（课堂观察后的评定）、行为评定量 表，产品测评量表 2、访谈提纲（改革使用水平）（结构化） 3、计数单、流程图 4、操作检核表（某个动作是否按照要求做了） 5、轶事档案（评价性、解释性、概括性、具体轶事） 6、时间动作日志（记录某段时间内所观察对象的所 有行动，也可以是有规律的间隔）
Python量化投资基础教程教学课件第十二章 网格交易策略
67. for obj in resultlist:
68.
holdinglist[obj.m_strInstrumentID+"."+obj.m_strExchangeID]=obj.m_nVolume/100
69.
#返回{code.market:持仓手数}
70. return holdinglist
02 网格交易策略 03 网格交易策略的操作方法 04 本章小结
策略概述
股价下跌过程中分批买入，上涨时分批卖出，从而捕捉股价上下 波动带来的价差，在震荡行情中不断获取利润。
在入场价格上设定目标价格，只要价格触及这些价格，系统就会 自动买卖一定数量标的产品。
策略优势：
越是盘整类型的波动，表现越优秀。 网格交易技术的基准价跟随趋势变动。 具有较强开放性，可融合其他有效的分析法。
策略案例：
股价下跌0.1元，则买入5000股，上涨0.1元则卖出5000股。 如果简单持有，却不进行买卖，则资金被占用不增值。 网格交易技术在期货市场运用时，单边行情可能会出现爆仓
而不能等到价格的折返，具有较大风险。
网格交易的关键参数：
基准价:
基准价可自行确定，可以是股票建仓时的价格，也可以是当前最新或其 他。
未完成委托：
盘中并非每笔委托都能成功，对于未完成的委托，后续需要进行补仓交易。
资金管理：
一是总体仓位的资金投入占所有资金的比例，建议不超过90% 二是单一标的资金投入占总体仓位的比例，建议不超过15%。
30. holdings=get_holdings(ContextInfo.accountid,'STOCK')
31. totalvalue=get_totalvalue(ContextInfo.accountid,'STOCK')
量化投资ppt
1.投资策略分类主动型投资策略传统主动型投资策略：中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些，依靠投资者经验判断试图战胜市场获取超额收益量化投资策略：建立量化模型并依靠计算机实现策略以战胜市场获取超额收益，西医就不同了，先要病人去拍片子、化验等。
被动型投资策略：无法获得超越市场的收益定量投资和定性投资本质上是相同的二者都是基于市场非有效或是弱有效的理论基础，而投资经理可以通过对个股估值，成长等基本面的分析研究，建立战胜市场，产生超额收益的组合。
不同的是，定性投资管理较依赖对上市公司的调研，以及基金经理个人的经验及主观的判断，而定量投资管理则是“定性思想的量化应用”，更加强调数据。
量化投资技术几乎覆盖了投资的全过程，包括量化选股（股票池法、遗传算法）、量化择时（拒绝有效市场假说，研究指出我国股市股价的波动不是完全随机的，它貌似随机、杂乱，但在其复杂表面的背后，却隐藏着确定性的机制，因此存在可预测成分（利好消息、事件研究）、股指期货套利、商品期货套利、统计套利、算法交易，资产配置等。
2.量化投资模型3.算法交易流程遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型。
模型优化原则：物竞天择，适者生存。
a)初始基因b)基因评价c)选择、淘汰d)交叉e)变异σ2U 3U ()E r 1U4.马柯维茨均值方差模型马柯维茨根据风险分散原理，应用二维规划的数学方法建立了均值－方差证券组合模型的基本框架，揭示了如何建立投资组合的有效边界，使边界上的每一个组合在给定的风险水平下获得最大的收益，或者在收益一定的情况下风险最小。
1、投资者为理性的个体，服从不满足和风险厌恶假设，投资者的目标是单期效用最大化，而且他们的效用函数呈现边际效用递减的特点；2、投资者以投资的预期收益的波动性来估计投资的风险；3、投资者仅依靠预期的投资风险和收益来做出投资决定；4、市场是完全的，即市场不存在交易费用和税收，不存在进入或者退出市场的限制，资产是完全可以分割的。
投资分析模型powerpoint383
平均净资产价值
由于前述原因，我们未将收益加倍法计算的净资产价值计入最后的平均值中
每一个成功者都有一个开始。勇于开始，才能找到成功的路成功源于不懈的努力，人生最大的敌人是自己怯懦每天只看目标，别老想障碍宁愿辛苦一阵子，不要辛苦一辈子积极向上的心态，是成功者的最基本要素生活总会给你另一个机会，这个机会叫明天人生就像骑单车，想保持平衡就得往前走我们必须在失败中寻找胜利，在绝望中寻求希望10、一个人的梦想也许不值钱，但一个人的努力很值钱。11、在真实的生命里，每桩伟业都由信心开始，并由信心跨出第一步。
应付帐款
应付帐款周转率
固定资产原值/销售收入
固定资产净值/销售收入
固定资产投资/销售收入
表七：主要运营指标
潜在收购对象企业的评估表－财务资料及表现
1999
2000
2001
平均
净资产回报率
资产回报率
毛利率
息税前利润/销售收入
税后净利润率
流动比率
运营现金流
息税利息折旧摊销前收益比流动负债
资产负债比
表八：盈利及融资能力
《量化选股模型》课件
实战应用
介绍该模型在实战中的表现， 包括回测效果、风险控制、交 易策略等方面。
案例总结
总结该案例的优点和不足，提 出改进和优化建议。
某成功投资者的量化选股经验分享
投资者简介
介绍该投资者的背景和投资经历，说明其在 量化选股方面的成功经验。
选股策略
分享该投资者的量化选股策略，包括数据来 源、处理方法、模型构建等方面。
交易执行与监控
执行力与监控
交易执行与监控是量化选股模型实战应用的重要环节。投资者应确保交易指令的准确性和及时性，以降低交易成本和减少滑 点。同时，实时监控市场动态和投资组合表现，以便及时调整策略和应对市场变化。通过持续的交易执行与监控，提高投资 组合的效率和适应性。
REPORT
CATALOG
DATE
采用统计方法对因子进行深入分析，如相关性分析、主成分分析等，以揭示各因子之间的内在联系。
模型构建与优化
模型设计
根据因子分析结果和市场经验，设计 合适的量化选股模型，如基于机器学 习的预测模型或基于统计方法的回归 模型。
模型优化
通过调整模型参数、改进模型结构等 方法，提高模型的预测精度和稳定性 ，降低过拟合和欠拟合的风险。
REPORT
《量化选股模型》 ppt课件
CATALOG
DATE
ANALYSIS
SUMMARY
目录
CONTENTS
• 量化选股模型概述 • 量化选股模型的构建 • 量化选股模型的实战应用 • 量化选股模型的挑战与未来发展 • 案例分析
REPORT
CATALOG
DATE
ANALYSIS
SUMMAR Y
回测与评估
回测方法
利用历史数据对模型进行回测，比较模型的预测结果与实际股票价格的差异，评估模型的选股效果。
Python量化投资基础教程教学课件第五章 财务指标选股策略
下图为策略及基准的净值曲线：
策略始终保持在基准净值曲线的上方，特别是在2017-2019年这 段区间，更是远超基准，综上可以得出结论，使用净利润增长率 选股可以将收益率适当提高，且具有稳定性。
利用市盈率比较不同股票的投资价值时，这些股票必须属于同一个行业， 因为此时公司的每股收益比较接近，相互比较才有效。
市盈率计算值 ＜0
0 - 13 14 - 20 21 - 28
28+
一般结论 该公司盈利为负 （此时PER无意义）
该公司价值被低估 该公司价值预估在正常水平
该公司价值被高估 反映股市出现投机性泡沫
01 五大财务指标简介
羊驼选股策略就是根据每天持有收益率最高的股票来选股的策略。 这个量化策略的基本思想，是对股票池中所有股票，每天按照收益率从小到
大进行排序，起始时买入固定数量的股票，然后每天在整个股票池中选出收 益率前的股票，如果这些股票没有持有的话，就进行买入，已经持有的话， 就继续持有，并且把收益率不是排在前面的股票卖出。
净利润 = 利润总额 × （ －所得税率）
净利润率 = （净利润/营业收入） × %
净利润增长率 = （本期利润 − 上期利润） × % 上期利润
在会计学上，利润（Profit）可分为毛利润(销货额与已销货物成本的 差额)、营业利润(毛利润与营业费用的差额)和净利润(营业利润与所 得税的差额)。
下图为策略及基准的净值曲线
策略与基准具有相同的走势，但策略净值曲线始终保持在基准净值曲线的上方， 因此净资产收益率选股可以有效提高持仓的年化收益。
Python量化投资基础教程教学课件第十五章 策略组合与资产组合
ContextInfo.accountid)
84.
ContextInfo.g_signal=0
85. #获取账户总权益m_dBalance
86. def get_totalvalue(accountid,datatype):
87.
result=0
88.
resultlist=get_trade_detail_data(accountid,datatype,"ACCOUNT")
在选定的回测区间内，策略的净值曲线远高于基准净值，但策略较基准的 波动幅度也更为明显，不停地在震荡市和趋势市中转变策略可能会导致策 略的波动加剧，我们可以在原有的策略的基础上添加补仓策略及止损策略， 以降低策略的波动性，获得更加稳定的收益。
01 多策略组合投资
稳健投资的分散化有两类基本的方案：
14.
#设定账号
15.
ContextInfo.accountid= 'test'
16.
ContextInfo.g_stop_days = 5
17.
ContextInfo.g_stop_percent = -0.1
18.
ContextInfo.g_SS = 5000
19.
ContextInfo.g_signal = 0
区间震荡与趋势变动的交易策略是完全不同的。后者需要趋势跟踪策 略，前者需要逆趋势策略。因此，市场状态转换的判断标准是区分震 荡与趋势的关键。
恒温器策略采用CMI指标（市场波动指标）作为评判标准。当CMI值 小于20时，该策略判断市场为短周期震荡模式；当CMI值大于20时， 该策略判断市场为趋势模式（长周期）。
ContextInfo.accountid)
- 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、"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、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)。
2020/8/16
量化投资
统计学
计算机技术
投资理念
量化投资解读
Quantitative investment interpretation
客观执行，避免情绪因素
量化投资运用模型对历史和当时市场上的 数据进行分析检测，模型一经检验合格投 入正式运行后，投资决策将交由计算机处 理，一般情况下拒绝人为的干预。
行业发展状况
Industry development status
国外发展状况
第一阶段：量 化投资的产生 （60年代）
第二阶段：量 化投资的兴起 （70-80年代）
第三阶段：量 化投资黄金十 年（90年代）
1967年，索普与希恩·卡 索夫合著《战胜市场：一 个科学的股票市场系统》， 该书是第一个精确的纯量 化投资策略，股票市场系 统可以正确地给可转换债 券定价（估值）。
客观
量化投资的特点
分散
标的选择分散多样化，靠概率取胜
一是定量投资不断的从历史中挖掘有望在未来 重复的历史规律并且加以利用，这些历史规律 都是有较大概率获胜的策略。二是依靠筛选出 股票组合来取胜，而不是一个或几个股票取胜 ，从投资组合理念来看也是捕获大概率获胜的 股票，而不是押宝到单个股票上。
支持大数据处理，提高决策效率
量化投资未来发展前景广阔
随着传统投资产品选股策略同质化程度日益增加，并且过度依赖于投资经理个人的主观判断，导致投资风险相对较高，在此背景下越来越多的基金、券商和私 募开始关注量化投资，未来若干年国内量化投资必将迎来蓬勃发展的阶段，这是源于：（1）量化投资在国外已经取得的成功经验；（2）国内基础衍生产品市
量化投资与传统投资的区别
量化投资
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。 詹姆斯·西蒙斯 依据科学模型
信息来源广泛，海量数据和多层次信息 投资周期偏向短期
标的组合分散化、多样化 在风险最小化前提下实现收益最大化
2020/8/16
VS
代表人物 分析方法 信息来源 投资风格 投资标的 风险处理
2020/8/16
1973年，芝加哥大学教 授费希尔·布莱克和迈·斯 科尔斯提出“布莱克-斯 科尔斯”公式，即期权定 价理论。1983年，格 里·班伯格提出在一组对应 的股票中，价格会暂时出 现异常，通过卖空价格高 的股票，买入价格低的， 在它们的价格恢复到历史 均衡水平时平仓，即可获 利，这就是著名的统计套 利策略。
我国第一只量化投资基金成立于2004年，到2012年，共有18只量化基金产品成立，40只量化型阳光私募产品成立，仅2012年下 半年，券商共发行量化产品132只，2013年上半年就已发行109只。
3 仍处于起步阶段
1、产品总规模仍然较小。量化型理财产品实际发行规模为124.47亿元，仅占所有券商理财产品的4.2%。量化基金产品总体规模为 281.7亿元，仅占全部基金规模的1.06%； 2、量化类产品投资策略较为单一，缺乏多元化策略的支持； 3、现有量化产品中多数产品投资业绩表现分化，缺乏稳定性和持续性。
量化投资 投资策略生成器
QUANTITATIVE INVESTMENT
2020/8/16
01
一、量化投资解读
1 .量化投资的定义 2 .量化投资的特点 3 .量化投资的应用 4 .量化投资与传统 投资的区别
量化投资解读
Quantitative investment interpretation
量化投资定义
量化投资运用计算机技术快速处理大量数 据，对其进行辨别、分析、找出数据之间 的关联并做出投资决策，大大减少了人工 工作量，提高了投资决策效率。
高效
精准
迅速
程序化交易，缩短决策与交易时滞
量化投资往往利用高速计算机进行程序化交 易，能够迅速发现市场存在的信息并进行相 应的处理，把握市场稍纵即逝的机会，在极 短的时间内完成交易。
传统投资
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。
沃伦·巴菲特 依据人的经验与判断 信息来源渠道少，仅有基本面和宏观经济信息 投资周期偏向长期 投资于某一只或少量股票 风险考虑不周全
2020/8/16
02
二、行业发展状况
1 .国外发展状况 2 .国内发展状况 3 .国内产品现状 4 .国内产品模式
量化投资是借助现代金融学、统计学和数学的方法，将投资理念和研究成果量化为客观的数理模型，同时利用计算机技术从庞大的历史 数据中海选出能带来超额收益的多种“大概率”事件以制定策略，然后用模型验证及固化这些规律和策略，严格执行已固化的量化策略 来指导投资，以求获取可持续的、稳定且高于市场平均的超额回报的一种投资方式。 量化投资以先进的数理模型代替人为的主观判断，客服人性的弱点，如贪婪、恐惧和侥幸心理，也可以客服认知偏差，借助系统强大的 信息处理能力，极大地减少投资者情绪的波动影响，避免在市场上极度狂热或悲观的情况下做出非理性的投资决策。
2020/8/16
统计模型支撑，策略选股择时精准
量化投资在套利策略中，能做到精准投资。例如在股指 期货套利的过程中，现货与股指期货如果存在较大的差 异时就能进行套利，量化投资策略和交易技术会抓住精 确的捕捉机会，进行套利交易来investment interpretation
行业发展状况
Industry development status
国内发展状况
1 量化投资起步晚
量化投资起步晚的主要原因有：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；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。
2 量化产品发行迅速
马可维茨提出了资产组合 选择理论，最早采用风险 资产的期望收益率和用方 差代表的风险来研究资产 组合选择问题。资本资产 定价模型提出系统风险和 非系统风险，用贝塔系数 来衡量系统风险的大小， 并对非系统风险则“不能 把所有鸡蛋放在一只篮子 里”。
第四阶段：量 化投资高速发 展（2000年至今）
量化投资高速发展：2016 年数据统计显示，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。