量化投资研究方法PPT
合集下载
量化投资ppt课件
-7% -4% -1% 2% 5% 8% 11% 14% 17% 20% 23% 26% 29% 32% 35% 38%
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
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
基于人工智能的量化投资分析与应用 ppt课件
新合成的收益分布Π＝Π＋τΣP′ Ω＋τPΣP′ −1(Q − PΠ)
得到最优的权重 Maxω′E R − λ ω′Σω
2
京东金融智能投资顾
基于风险容问忍能力系数
50分-110分资产配置分布对比图
100%
9 0%
80% 70%
60%
50%
40%
30%
20% 10%
0% 50分
5.631578
60分 5.105263
人工智能+智能投顾
人工智能在量化策略设计中的地位
人工智能的应用领 域 人工智能高度依赖数据
人工智能对非结构化数据的处理 -文本 -图像 -声音 人工智能本质上是一种非线性算法 -非线性的拟合的好，但是不稳健 -可能出现过拟合现象， 只要神经元足够多，可以
逼近任何一个函数 -策略参数可能不稳健
对冲基金巨头复兴科技投资公司宣布，因为亏损严重，将旗 下一只量化对冲策略基金——复兴机构期货基金（RIFF）清 盘，并向投资者返还资金。
美国贝恩资本Bain Capital宣布将旗下的绝对收益资本对冲 基金清盘，返还投资者所有投资。该基金截至2016年8月底 亏损超过14%。
2017年国内80%的量化基金都处于亏损，小市值因子阶段性 失效
基于人工智能的量化投资 分析与应用
2019年3月
目录
人工智能给量化公司带来哪些竞争优势？ 为量化投资提供服务金融科技公司 量化投资的智能化趋势 人工智能在量化策略设计中的地位
3
精品资料
• 你怎么称呼老师？ • 如果老师最后没有总结一节课的重点的难点，你是
否会认为老师的教学方法需要改进？ • 你所经历的课堂，是讲座式还是讨论式？ • 教师的教鞭 • “不怕太阳晒，也不怕那风雨狂，只怕先生骂我笨，
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
量化投资PPT
大奖章基金
• 西蒙斯的方法多是寻找那些可以复制的微 小的获利瞬间，进行短线方向性预测，依 靠同时交易很多品种、在短期做出大量的 交易来获利。具体到每一个交易的亏损， 由于会在很短的时间内平仓，因此损失不 会很大；而数千次交易之后，只要盈利交 易多于亏损交易，总体交易结果就是盈利 的。
量化投资的定义
• 量化投资就是利用计算机技术并且采用一 定的数学模型去践行投资理念，实现投资 策略的过程。
投资策略
主动型投资 被动型投资
传统策略（基本 面分析、技术分
析）
量化投资策略
量化投资的优势
• 纪律性 • 系统性 • 及时性 • 准确性 • 分散化
量化投资历史
• 理论：
– 1952年，马科维茨，均值——方差模型 – 1964-1966年，夏普、林特纳，CAPM模型 – 1965，萨缪尔森、法玛，有效市场假说 – 1973，布莱克、斯科尔斯，期权定价模型 – 1976，罗斯，APT模型 – 20世纪80年代，倒向随机微分方程 – 20世纪90年代，VaR模型 – 20世纪90年代，行为金融学
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。
量化投资历史
• 第三阶段（1995-今）： • 从1995年到现在，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。
量化投资在中国
• 2004年、2005年分别成立一支公募量化投 资基金，之后几年没有新的量化基金。 2009年发行5支量化基金，2010年3支， 2011年5支。
量化投资系统
量化投资研究PPT.ppt
量化投资 投资策略生成器
QUANTITATIVE INVESTMENT
DIRECTORY 目录
01 量化投资解读 02 行业发展状况 03 量化投资模块建立
的必要性
04 量化投资模块的建
立
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
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。
股指期货套利：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，主要分为期现套利和跨期套利两种。
统计套利：利用证券价格的历史统计规律进行套利，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，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。
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。
QUANTITATIVE INVESTMENT
DIRECTORY 目录
01 量化投资解读 02 行业发展状况 03 量化投资模块建立
的必要性
04 量化投资模块的建
立
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
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。
股指期货套利：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，主要分为期现套利和跨期套利两种。
统计套利：利用证券价格的历史统计规律进行套利，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，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。
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。
量化投资研究PPT
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，
《量化投资CTA策略》课件
《量化投资cta策略》ppt课件
目录
CONTENTS
• 量化投资概述 • CTA策略简介 • 量化CTA策略的构建 • 量化CTA策略的风险管理 • 量化CTA策略的案例分析 • 未来展望与总结
01
CHAPTER
量化投资概述
定义与特点
定义
量化投资是一种基于数学、统计学和 计算机科学的方法，通过建立数学模 型来分析市场数据、预测未来走势并 做出投资决策的投资策略。
详细描述
CTA策略（Commodity Trading Advisor Strategy）是指由专业的投资顾问管理的商品期货投资策略，主要通 过分析和预测商品期货市场的价格走势，进行买入或卖出操作，以获取盈利。CTA策略具有高收益、高风险的特 点，其收益主要来源于商品期货市场的波动性和交易机会。
CTA策略的分类
风险识别与评估
风险识别
识别量化CTA策略中可能出现的各种风险因 素，如市场风险、流动性风险、操作风险等 。
风险评估
对已识别的风险因素进行量化和评估，确定 其对策略收益的影响程度和可能性。
风险控制措施
1 2
止损设置
为策略设置合理的止损点，以控制可能的亏损幅 度。
仓位管理
根据风险评估结果，合理分配资产，降低整体风 险。
量化CTA策略的构建
数据源的选择
数据完整性
选择覆盖时间长、数据完整度高、更新及时的数据源，确保策略回测和实盘运行的数据 基础。
数据质量
对数据源进行清洗和校验，排除异常值和错误数据，确保策略结果的准确性和可靠性。
模型的建立与优化
模型设计
根据投资目标和风险偏好，设计合适的量化 CTA策略模型，包括趋势跟踪、均值回复等 策略类型。
目录
CONTENTS
• 量化投资概述 • CTA策略简介 • 量化CTA策略的构建 • 量化CTA策略的风险管理 • 量化CTA策略的案例分析 • 未来展望与总结
01
CHAPTER
量化投资概述
定义与特点
定义
量化投资是一种基于数学、统计学和 计算机科学的方法，通过建立数学模 型来分析市场数据、预测未来走势并 做出投资决策的投资策略。
详细描述
CTA策略（Commodity Trading Advisor Strategy）是指由专业的投资顾问管理的商品期货投资策略，主要通 过分析和预测商品期货市场的价格走势，进行买入或卖出操作，以获取盈利。CTA策略具有高收益、高风险的特 点，其收益主要来源于商品期货市场的波动性和交易机会。
CTA策略的分类
风险识别与评估
风险识别
识别量化CTA策略中可能出现的各种风险因 素，如市场风险、流动性风险、操作风险等 。
风险评估
对已识别的风险因素进行量化和评估，确定 其对策略收益的影响程度和可能性。
风险控制措施
1 2
止损设置
为策略设置合理的止损点，以控制可能的亏损幅 度。
仓位管理
根据风险评估结果，合理分配资产，降低整体风 险。
量化CTA策略的构建
数据源的选择
数据完整性
选择覆盖时间长、数据完整度高、更新及时的数据源，确保策略回测和实盘运行的数据 基础。
数据质量
对数据源进行清洗和校验，排除异常值和错误数据，确保策略结果的准确性和可靠性。
模型的建立与优化
模型设计
根据投资目标和风险偏好，设计合适的量化 CTA策略模型，包括趋势跟踪、均值回复等 策略类型。
量化研究ppt课件
问卷设计的原则
1、要明确问卷设计的出发点（调查者的需要） 2、明确阻碍问卷调查的各种因素（主观障碍 和客观障碍） 3、明确与问卷设计紧密相关的各种因素（调 查的目的、调查的内容、样本的性质）
问卷设计的步骤
1、探索性工作（观察和交谈、有关理论与研 究） 2、设计问卷初稿：卡片法和框图法 3、试用（客观检验法：回收率、有效回收率； 填写错误；填答不完全。主观评价法）
如何展开研究：收集数据和分
析数据
量化研究的基本类型
描述性研究
相关性研究 因果性研究（实验和准实验研究） 元研究
量化描述性研究
设计原理 各个步骤
描述研究的设计原理
确定聚焦的现象 寻找可以表征现象的概念 寻找可以表征概念的数（数量化） 使用工具收集表征概念的数（工具化） 发现数量自身的规律 由数量规律推知现象本身的规律或者特性
（农村混龄幼儿教育的现状研究）
二、视角
（如何降低小学生错别字率） （意义构建视角下降低小学生错别字率的系统策 略研究）
三：寻质
小玲是个挺聪明的女孩子，但是学习并没有达到 教师认为可以达到的高度。问她原因，她说自己 老担心出错，结果真的出了不少错。
什么是好的研究问题？
问题是切实可行的（学习的意义是什么？） 问题是清楚的（人本主义取向的课堂是否有 效？）（本质定义、描述定义和操作定义） 问题是有意义的（增加知识、改进实践、改善 人类生存状态） 问题是符合道德的
描述研究的实例
新课程中教师的教学效能感研究
常见量化投资数据源ppt课件
❖ 熊市行情时选用风险防御能力较强的非 周期性行业，代表：医药行业、公用事 业行业等。
❖ 主题类投资策略和事件驱动类投资策略， 如战争时期人们会偏向相关行业如军工 股、造船和机械等，科技繁荣时会偏向 互联网、电子等。
❖ 风格轮动效应，不同市场发展阶段往往 呈现个别行业发展的相对优势。
10 .
1.3 公司数据
全与国际流行的FIX兼容“，发布level2行情,速度提升3-6 秒以上
FAST协议 克服了FIX协议传输市场数据冗余度高、带宽需求大的问题，
采用二进制数据流交换方式，将STEP协议的28ms行情延迟
提高到20ms行情延迟，此外，通过对比测试结果显示，
FAST版本的带宽占用率平均为STEP版本的24.2%，发布
2 .
金融信息的重要性
❖ 量化投资成功三要素“质量、经验、运气”，量化投 资对于数据的高质量要求首当其冲。
❖ 数据决定了量化投资各个环节——市场、标的、策略、 语言……
❖ 量化投资三部曲——数据准备（50%），策略编写 （30%），策略调优（20%）
3 .
金融信息分类
4 .
常见量化投资数据源
在金融量化投资领域，数据是人们研究金融现象的纽带和通道。策略 开发人员往往先应用历史数据对策略进行历史回验，策略调整至有效后 进行实盘交易。
level2行情
22 .
3.3 实时数据源
23 .
4 数据提取方法.Fra bibliotek4 数据提取方法
❖ 主流的数据提取方法主要分为终端提取方法和API提取方法两种
25 .
5 数据提供商
.
5 数据提供商
27 .
小结
❖ 目前来说，无论是基本面数据还是高频数据，依赖个人来收集是不现实的， 所以对于量化投资者来说，选择一个可靠的数据提供商是进行可靠的量化投资分 析的有力保障。 ❖ 在国外，以彭博资讯、汤姆森金融公司、路透社这“三大”为首的数据提供 商都享誉全球。 ❖ 而目前在国内，国泰安信息技术有限公司以CSMAR系列中国金融经济数据 库、国泰安市场通全球金融信息分析系统与量化投资研究及投资平台等优秀产品 为国内乃至全球的量化投资者提供着优秀的服务；Wind资讯是中国大陆领先的 金融数据、信息和软件服务企业，其数据服务内容囊括新闻、基金、宏观行业、 股票以及理财产品五大模块；创建巨潮数据库的深圳证券信息有限公司则是深交 所和中国证券业协会指定的信息披露单位，多年来致力于中国证券信息数据库系 统的研究、建设、维护与产品开发。
❖ 主题类投资策略和事件驱动类投资策略， 如战争时期人们会偏向相关行业如军工 股、造船和机械等，科技繁荣时会偏向 互联网、电子等。
❖ 风格轮动效应，不同市场发展阶段往往 呈现个别行业发展的相对优势。
10 .
1.3 公司数据
全与国际流行的FIX兼容“，发布level2行情,速度提升3-6 秒以上
FAST协议 克服了FIX协议传输市场数据冗余度高、带宽需求大的问题，
采用二进制数据流交换方式，将STEP协议的28ms行情延迟
提高到20ms行情延迟，此外，通过对比测试结果显示，
FAST版本的带宽占用率平均为STEP版本的24.2%，发布
2 .
金融信息的重要性
❖ 量化投资成功三要素“质量、经验、运气”，量化投 资对于数据的高质量要求首当其冲。
❖ 数据决定了量化投资各个环节——市场、标的、策略、 语言……
❖ 量化投资三部曲——数据准备（50%），策略编写 （30%），策略调优（20%）
3 .
金融信息分类
4 .
常见量化投资数据源
在金融量化投资领域，数据是人们研究金融现象的纽带和通道。策略 开发人员往往先应用历史数据对策略进行历史回验，策略调整至有效后 进行实盘交易。
level2行情
22 .
3.3 实时数据源
23 .
4 数据提取方法.Fra bibliotek4 数据提取方法
❖ 主流的数据提取方法主要分为终端提取方法和API提取方法两种
25 .
5 数据提供商
.
5 数据提供商
27 .
小结
❖ 目前来说，无论是基本面数据还是高频数据，依赖个人来收集是不现实的， 所以对于量化投资者来说，选择一个可靠的数据提供商是进行可靠的量化投资分 析的有力保障。 ❖ 在国外，以彭博资讯、汤姆森金融公司、路透社这“三大”为首的数据提供 商都享誉全球。 ❖ 而目前在国内，国泰安信息技术有限公司以CSMAR系列中国金融经济数据 库、国泰安市场通全球金融信息分析系统与量化投资研究及投资平台等优秀产品 为国内乃至全球的量化投资者提供着优秀的服务；Wind资讯是中国大陆领先的 金融数据、信息和软件服务企业，其数据服务内容囊括新闻、基金、宏观行业、 股票以及理财产品五大模块；创建巨潮数据库的深圳证券信息有限公司则是深交 所和中国证券业协会指定的信息披露单位，多年来致力于中国证券信息数据库系 统的研究、建设、维护与产品开发。
量化投资的收益与风险分析 PPT课件
– ALPHA、套利类、CTA
• 量化对冲的收益风险特征与一般管理型公 募的区别：
– 追求绝对收益 – 与股市、债市等大类资产的相关性低
• ALPHA策略做到15%-20%的年化收益，波动 率控制在8%以下，IR在1.5-2.5之间，是比较 合理的。
1.32
1.27
1.22
1.17
1.12
1.07
• ������������,������ = σ������������1,������2=1 ������������,������1 ∙ ������������1,������2 ∙ ������������,������2 + ∆������,������
风险因素的选择
• 反映外部影响的因子
基本股票风险模型
• 如何确定投资组合的风险？
������12 ������12 ⋯ ������1������
• 协方差矩阵������ = ������12
������22
⋮
⋮
������1������
���������2���
• 建立风险模型的目的就是精确有效地预测协方差矩 阵，而主要困难在于协方差矩阵中包含着太多相互 独立的变量
量化投资的收益和风险分析
• 如何避免小概率事件对投资收益的影响
– 2014年12月的所谓”ALPHA黑天鹅”事件
• 多因子模型的风险控制作用 • 解析热门量化投资风险控制模型
– Barra归因分析——以“ALPHA黑天鹅”为例 – Axioma应用实例
量化对冲的收益和风险特征
• 国内量化策略主要类型：
• 即需要T个时期的历史数据来估计一个������ × ������的协方差矩阵。
• 量化对冲的收益风险特征与一般管理型公 募的区别：
– 追求绝对收益 – 与股市、债市等大类资产的相关性低
• ALPHA策略做到15%-20%的年化收益，波动 率控制在8%以下，IR在1.5-2.5之间，是比较 合理的。
1.32
1.27
1.22
1.17
1.12
1.07
• ������������,������ = σ������������1,������2=1 ������������,������1 ∙ ������������1,������2 ∙ ������������,������2 + ∆������,������
风险因素的选择
• 反映外部影响的因子
基本股票风险模型
• 如何确定投资组合的风险？
������12 ������12 ⋯ ������1������
• 协方差矩阵������ = ������12
������22
⋮
⋮
������1������
���������2���
• 建立风险模型的目的就是精确有效地预测协方差矩 阵，而主要困难在于协方差矩阵中包含着太多相互 独立的变量
量化投资的收益和风险分析
• 如何避免小概率事件对投资收益的影响
– 2014年12月的所谓”ALPHA黑天鹅”事件
• 多因子模型的风险控制作用 • 解析热门量化投资风险控制模型
– Barra归因分析——以“ALPHA黑天鹅”为例 – Axioma应用实例
量化对冲的收益和风险特征
• 国内量化策略主要类型：
• 即需要T个时期的历史数据来估计一个������ × ������的协方差矩阵。
常见量化投资数据源ppt课件
接口单一扩展困难的不足接口单一扩展困难的不足冗余度高带宽需求大发布冗余度高带宽需求大发布level1level1行情行情stepstep协议协议我国证券交易所于2006年7月基于fix协议建立的新一代证券交易数据交换协议该协议不仅将目前证券市场上使用的操作指令和通知用标准的格式描述出来而且完全与国际流行的fix兼容发布发布level2level2行情行情速度提升36秒以上fastfast协议协议克服了fix协议传输市场数据冗余度高带宽需求大的问题采用二进制数据流交换方式将step协议的28ms行情延迟提高到20ms行情延迟此外通过对比测试结果显示fast版本的带宽占用率平均为step版本的242发布发布level2level2行情行情交易及行情数据处理技术有三种协议
5 .
目录
1
基本面数据源
2 历史高频数据源
3
实时数据源
4
数据提取方法
5
数据提供商
6 .
1 基本面数据源
.
1 基本面数据源
基本面数据包括宏观、行业、公司、股票、基金等9大类数据。
❖ 基本面数据主要用于择时、选股等策略构建
❖ 择时策略包括趋势追踪策略、反转策略和市场情绪等 ❖ 选股策略包括多因子策略、风格轮动策略、行业轮动策略等 ❖ 配置策略包括套期保值策略和期现套利策略等
落。
13 .
1.6 债券数据
❖ 债券作为一种相对风险较低的品种，适合于风险规避行的投资者。
❖ 策略方法：采用债券品种进行套利，如不同到期债券之间的套利，同 一公司债券股票之间的套利，可转债与股票之间的套利。
14 .
1.7 期货数据
❖ 期货的投资策略可分为：
1）单一品种策略 2）混合品种策略
◇单一品种策略：趋势跟踪、 动态反转和跨期套利等 ◇跨市场策略：商品期货与 现货之间的基差套利等
5 .
目录
1
基本面数据源
2 历史高频数据源
3
实时数据源
4
数据提取方法
5
数据提供商
6 .
1 基本面数据源
.
1 基本面数据源
基本面数据包括宏观、行业、公司、股票、基金等9大类数据。
❖ 基本面数据主要用于择时、选股等策略构建
❖ 择时策略包括趋势追踪策略、反转策略和市场情绪等 ❖ 选股策略包括多因子策略、风格轮动策略、行业轮动策略等 ❖ 配置策略包括套期保值策略和期现套利策略等
落。
13 .
1.6 债券数据
❖ 债券作为一种相对风险较低的品种，适合于风险规避行的投资者。
❖ 策略方法：采用债券品种进行套利，如不同到期债券之间的套利，同 一公司债券股票之间的套利，可转债与股票之间的套利。
14 .
1.7 期货数据
❖ 期货的投资策略可分为：
1）单一品种策略 2）混合品种策略
◇单一品种策略：趋势跟踪、 动态反转和跨期套利等 ◇跨市场策略：商品期货与 现货之间的基差套利等
量化投资研究 PPT
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
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，进行套利交易来获利。
量化投资解读
Quantitative investment interpretation
目前机构和第三方量化公司合作推出的量化平台上线数量增长加快，涉及投资品种增多，券商推出服务客户的量化平台的速度也 越来越快，但是还没有一家银行有传出类似的消息。
四、量化投资模块的建
04 立 1 .量化投资模块的组 成
2 .量化标的选择
3 .与行内业务的关 联
量化投资模块的建立
The establishment of quantitative investment module
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。
量化投资模块建立的必要性
The necessity of establishing quantitative investment module
量化研究法入门培训课件
实验数据分析
介绍如何对实验数据进行统计分析，包括假 设检验、方差分析等。
实验结果的解释与报告
讲解如何对实验结果进行解释，并撰写实验 报告。
案例分析
以某心理学实验为例，详细展示实验设计与 结果分析的全过程。
案例三：基于公开数据的量化研究
开放数据的获取与整理
介绍如何获取公开数据集，并进行数据清洗和预处理。
截面数据是同一时点上多个个体的数据，时间序列数据是同一个 体在不同时点的数据。
数据来源
数据可以来自调查、实验、观测等多种方式，也可以是从公开数据 库或网络爬虫等途径获取。
数据质量评估
评估数据的可靠性、有效性、一致性、准确性等方面，确保数据的 可用性和研究结果的可信度。
量化研究伦理与规范
尊重隐私
知情同意
换、缺失值处理等。
03
可视化呈现
演示如何通过图表等方式直观展 示问卷数据分析结果。
02
数据分析方法
讲解针对问卷数据常用的统计分 析方法，如描述性统计、因子分
析、聚类分析等。
04
案例分析
以某次大型问卷调查为例，详细 演示数据分析的全过程，并解读
分析结果。
案例二：实验设计与结果分析
实验设计原理
阐述实验设计的基本原则和要素，如随机化 、对照组、实验效应等。
常用统计分析
描述性统计、T检验、方差分析 、相关分析、回归分析等常用 统计分析方法的操作和实现。
结果解读与报告
如何正确解读SPSS输出结果， 以及如何将结果整合到研究报
告中。
Excel在量化研究中的应用
01
02
03
04
数据清洗与预处理
利用Excel进行数据筛选、排 序、去重、填充等预处理操作
- 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)。
PPT学习交流
66
2.2 基金仓位估计误差控制在正负1%
总体来看，基金仓位估计存在正负1%的误差；由于采用了更加适用的 模型，07年2季度以后跟踪误差出现显著下降
中信基金仓位监测所跟踪基金数量与分类
350
300
250
200
150
100
50
20 50
封闭式 0
2003
90 开放式
2005
10 28 32
量化投资研究方法
金融工程首席分析师 2010.08
目录
量化投资研究的定位 量化投资：仓位与情绪监控 量化投资：行业配置与行业轮动 量化投资：大小盘风格轮动监测 量化投资：驱动因子及量化选股 量化投资：事件驱动交易
PPT学习交流
22
1.1 量化投资的思想就在你身边
量化投资强调纪律性、系统性和大概率事件
主成份拟合步骤
周频率数据；标准化
标准化处理
选择主成份 变量
滚动计算， 头尾相连成 指数
数据来源及频率
数据来源：Wind，中信数量化投资分析系统，中登等；周频率 A股净开户数历史较短，以前四类指标为主
PPT学习交流
1111
2.7 情绪指数的多种应用
投资者情绪水平指数在±2之间波动
买方
买方 机构
客户（投资者） 投资组合产品
投资决策委员会 股票池/组合建议
PPT学习交流
44
目录
量化投资研究的定位 量化投资：仓位与情绪监控 量化投资：行业配置与行业轮动 量化投资：大小盘风格轮动监测 量化投资：驱动因子及量化选股 量化投资：事件驱动交易
PPT学习交流
55
2.1 中信证券基金仓位监测方法介绍
33
1.2 定位：一张复杂的图表
宏观 数据
公司 数据
行业 数据
市场 数据
数据提供商
卖方 研究
策略研究
宏观 研究
行业公司 研究
横向数据整合平台
金融 工程
数量金融软件
数量化投 资
金融衍生品
金融工程产品
数量选股策略 数量金融软件产品
数量选股策略 交易策略
投资组合产品 数量金融软件产品
研究报告/投资建议
卖方
数据来源：中信证券数量化投资分析系统
PPT学习交流
88
2.4 情绪影响投资决策，导致投资行为偏差
投资者并非完全理性，受制于情绪波动
➢ 心理因素在投资决策和市场演绎中起着重要作用
➢ 情绪的大幅度波动导致认知偏差和情绪偏差，从而放大乐观或者悲观的情绪
➢ 投资者情绪也是产生一些金融“异象”的原因之一
投资者行为存在各种各样的偏差 深信 ➢ 过度自信
可以分为净值收益估计和净值波动率估计两种方法
实际：股票S、债券B、现金C；假设：忽略现金部分，股票仓位a，则债券仓位1-a
基金净值 收益估计法
股票仓位a，则 债券仓位1-a
基金净值 波动估计法
rp a * rs (1 a) * rb
震荡市线形趋势不明显时效果不好， 此时波动率估计效果更好
Var(rp ) Var(a *rs (1 a) * rb )
数据来源及频率
数据来源：Wind，中信数量化投资分析系统，中登等；周频率 A股净开户数历史较短，以前四类指标为主
PPT学习交流
1010
2.6 采用主成份法拟合情绪指数，形成可持续更新
采用主成份法，提取第一和第二主成份
第一主成份，称之为“投资者情绪水平指数” 第二主成份，称之为“投资者情绪变动指数”
70
2007
16 36 配置型 50
128 股票型
19 指数型
55
51 偏股型
保本型
46
90%
偏债2型2 85%
65
80%
51
75%
70%
166
187
65%
60%
2008
2009
2010
数据来源：中信证券数量化投资分析系统
中信证券基金仓位精度分析
季报公布 中信估计
05Q3 05Q4 06Q1 06Q2 06Q3 06Q4 07Q1 07Q2 07Q3 07Q4 08Q1 08Q2 08Q3 08Q4 09Q1 09Q2 09Q3 09Q4 10Q1 10Q2
PPT学习交流
77
2.3 仓位峰谷值与仓位趋势判断
全部样本基金与股票型样本基金历史仓位测算走势
90%
股票型（左轴）
平均仓位（左轴）
沪深300（右轴）
6500Βιβλιοθήκη 85%550080%
4500
仓位的谷值与峰
75%
3500 值可以帮助我们
判断趋势的反转。
70%
2500
65%
1500
60%
500
050715 050930 051202 060210 060417 060623 060908 061110 070105 070331 070831 080111 080509 080828 081114 090206 090403 090605 090731 090930 091211 100212 100423 100702
➢ 过度反应与反应不足 ➢ 损失厌恶与处置效应
自信
安心
➢ 从众心理与羊群心理 ➢ 暴富心理与新股炒作
关注 谨慎
➢ 安全心理与低价股效应
轻视
投降
《洛杉机时报》市场情绪周期
PPT学习交流
99
2.5 建立投资者情绪监控指标体系，拟合成情绪指数
项目 市场整体类指标
市场结构类指标
IPO系列指标 封闭式基金折价率 资金流动指标
确定估计方法之后最为重要的就是确定不同资产的收益，尤其是股票头寸
指数替代法、基金重仓股替代法、风格重仓指数替代法等
净变动更值得关注
股票S、债券B价格变动幅度不同导致仓位自然变化；基金主动调整组合导致仓位变动， 我们称为净变动。（增仓行为：增加股票头寸/减少债券或者现金头寸应对赎回；减仓行 为：卖出股票/申购资金没有转化成相应股票头寸）
代理变量名称 P/E P/B
TURNOVER ADV/DEC ARMS High/Low SML NIPO RIPO CEFD NAA
市场整体市盈率
变量描述
市场整体市净率
市场整体换手率 市场上涨家数比下跌家数 上涨家数比上涨家数成交量比下跌家数比下跌家数成交量 市场创新高家数比创新低家数
小盘股相对大盘股的超额收益率 股票首发上市家数 股票上市首日涨幅 市场封闭式基金折价率 A股帐户净增加数
打个比方，漏斗Vs.筷子
量化策略 交易策略 资产配置
交易执行
风险管理
大类资产配置 行业轮动 风格轮动 量化选股策略
…
事件驱动 相对价值 中性策略 多空策略 高频交易 …
一级资产 行业配置 组合模拟 组合构建 组合优化 …
程序化交易 …
市场风险 组合风险 风险预警 …
量化投资的思想无处不在
PPT学习交流