量化投資第一講——量化體系

報(bào)告人: 張衛(wèi)平教授

記錄人: 王傳臻 馬赫 葉晨 張博偉

2023 年 4 月 29 日

第一章?書籍與論文推薦

1.1 書籍推薦

(1) 主動投資組合管理: 創(chuàng)造高收益并控制風(fēng)險(xiǎn)的量化投資方法, 理查德C. 格林諾德, 雷諾德 N. 卡恩,2014, 機(jī)械工業(yè)出版社. Richard C. Grinold, Ronald N. Kahn, 2000, Activ Portfolio Management: A Quantitative Approach for Providing Superior Returns and Controlling Risk. Second Edition.

(2) 高效的無效, 拉瑟?海耶?佩德森,2021, 中國人民大學(xué)出版社. Lasse Heje?Pedersen,2015,E?iciently Ine?icient: How Smart Money Invests and Market Prices Are Determine,Princeton University Press.

1.2 論文推薦

(1) Frazzini, Andrea and Kabiller, David and Pedersen, Lasse Heje, 2018,Buffett’s Alpha, Financial Analysts Journal, 74 (4): 35-55.

(2) Shihao Gu, Bryan Kelly, Dacheng Xiu, Empirical Asset Pricing via Machine Learning, 2020, The Review of Financial Studies, 33(5):2223–2273.

(3) Jiang, Jingwen and Kelly, Bryan T. and Xiu, Dacheng, (Re-)Imag(in)ing Price Trends, 2020, Chicago Booth Research Paper No. 21-01.

第二章?課程安排, 目標(biāo)與建議

2.1 課程安排

(1) 量化體系: 從總體的角度介紹量化的體系（本節(jié)課）

(2) 量化數(shù)據(jù): 如何處理量化數(shù)據(jù), 這些數(shù)據(jù)有哪些形式

(3) 回測框架: 如何用回測的方式去評估一個(gè)策略

(4) 資產(chǎn)選擇: 側(cè)重于個(gè)人的選擇, 愿意承擔(dān)何種風(fēng)險(xiǎn)

(5) 因子模型: 資產(chǎn)定價(jià)模型或者利用投資標(biāo)的的特征去構(gòu)造策略

(6) 線性模型: 按照線性組合方式構(gòu)建模型

(7) 深度學(xué)習(xí): 利用深層網(wǎng)絡(luò)構(gòu)建模型

2.2 課程目標(biāo)

1. 理解量化投資領(lǐng)域的基本概念;

2. 掌握量化投資策略的評估方法; 例如避免策略在過去不可復(fù)制, 避免策略 用到了未來數(shù)據(jù), 科學(xué)考慮交易成本等;

3. 掌握根據(jù)評分構(gòu)造策略的方法; 例如通過對同截面股票打分構(gòu)造策略; 也 要避免利用未來數(shù)據(jù)等常見的錯(cuò)誤. 主要研究股票投資策略, 根據(jù)標(biāo)的評分 來構(gòu)造投資組合.

2.3 課程建議

1. 持有開放的心態(tài)和包容的態(tài)度;

2. 避免概念含義不同導(dǎo)致的爭論; 使用某些詞時(shí)要求詞語的含義與學(xué)科中 已經(jīng)存在的含義盡量一致;

3. 避免價(jià)值判斷不同導(dǎo)致的爭論.?

第三章?量化人物介紹

3.1 量化人物

1. James·Simons 詹姆斯西蒙斯 ——?相關(guān)書籍:

? The Man Who Solved the Market:How Jim Simons Launched the Quant Revolution.

? 洞悉市場的人: 量化交易之父吉姆西蒙斯與文藝復(fù)興公司的故事.

2. Edward Thorp 愛德華索普 ——?相關(guān)書籍: 戰(zhàn)勝一切市場的人 A Man for All Markets

3. Warren Buffett 沃倫巴菲特 ——?相關(guān)書籍: 巴菲特之道

3.2 投資業(yè)績比較; 對運(yùn)氣與能力的思考; 對市場 是否有效的思考?

3.3 投資大師靠的是運(yùn)氣還是實(shí)力？

? 一個(gè)例子: 拋硬幣?

????????有一個(gè)均勻硬幣,n 個(gè)人每人連續(xù)扔 10 次, 至少一個(gè)人全是正面的概率 是多少?

????????如果考慮 1 個(gè)人, 這個(gè)概率是?, 但考慮 n 個(gè)人, 則概率為 ?. 這個(gè)數(shù)字在 n = 1000 時(shí), 差不多可以達(dá)到 60% 以上, 這引發(fā)我們的思考. 上述投資大師取得的優(yōu)異投資成績, 究竟是類似于投擲硬幣實(shí)驗(yàn)中的“連續(xù)投擲出正面的人”在大量投資者下的概率必然, 還是他們本身的能力優(yōu)秀? 從投資結(jié)果上我們無法判斷.

? 有效？無效？?

????????我們再考慮另一個(gè)問題: 市場究竟是不是有效的?

????????有效市場理論認(rèn)為, 股票的價(jià)格已經(jīng)充分反應(yīng)了很多層面的信息, 那就很難從價(jià)格中再獲取收益.?

????????如果市場是有效的, 就不會出現(xiàn)天上掉餡餅的事情. 有效市場假說之父尤金?法瑪有一天和研究生一起漫步于芝加哥大學(xué)的校園里. 學(xué)生一低頭,驚呼道:“看, 地上有張 100 美元紙幣.”尤金?法瑪不為所動, 回答道: “不會的. 如果地上真的有, 一定早有人把它撿走了.”

????????量化投資想要獲得收益, 必須承認(rèn)市場中在某種意義上是存在有效部分的, 這樣才能從無效中 ‘前進(jìn)’, 但是該市場的有效并非是自動實(shí)現(xiàn)的.?

3.4 巴菲特的驚人業(yè)績, 投資價(jià)值與投資原則

????????在很長的時(shí)間維度上來看, 沒有哪個(gè)基金在 sharpe ratio 上可以比巴菲特做的更好.

? 巴菲特的價(jià)值投資?

巴菲特是有投資原則的, 并且在不同場合多次提到. 一些經(jīng)常被大家談到的原則有:?

“Whether we’re talking about socks or stocks, I like buying quality merchandise when it is marked down.”Buffett (2009). (無論我們談?wù)摰氖且m子還是 股票, 我都喜歡在降價(jià)時(shí)購買優(yōu)質(zhì)商品.)?

“Its far better to buy a wonderful company at a fair price than a fair company at a wonderful price.”(以合理的價(jià)格買入一家優(yōu)秀的公司, 遠(yuǎn)勝于低價(jià)買入一家平庸的公司.)

李錄對巴菲特芒格價(jià)值投資的四個(gè)基石做了以下的總結(jié):

????????1. 買股票就是買企業(yè);

????????2. 市場先生 (市場是喜怒無常的, 不可被市場價(jià)格左右);

????????3. 安全邊際 (選取的股票價(jià)格應(yīng)該足夠低), 本杰明?格雷厄姆在《聰明的投 資者》中特???????????? ? ??別強(qiáng)調(diào)“安全邊際”;

????????4. 能力圈 (投資需要在自己的能力范圍內(nèi)進(jìn)行, 在自己熟知的領(lǐng)域投資).

?Buffett’s Alpha: 高質(zhì)量、低價(jià)格、低風(fēng)險(xiǎn)?

????????巴菲特的投資收益主要來自于哪方面, 是選股的收益/低成本/成為大股東參與公司管理？研究表明, 其收益主要來自于其選股獲得的收益. 巴菲特的選股特點(diǎn): 質(zhì)量高（利用財(cái)務(wù)數(shù)據(jù)來度量）、價(jià)格低（便宜）、低風(fēng)險(xiǎn).

????????利用常見的量化因子對巴菲特的策略進(jìn)行復(fù)制, 確實(shí)得到了很好的投資結(jié)果, 這印證了巴菲特等著名的投資者是靠自己的能力發(fā)掘市場中的有效部分進(jìn)行投資的. 由此, 我們想到利用量化的手段進(jìn)行投資.?

第四章?量化投資簡介

4.1 什么是量化投資

????????什么是量化? 簡而言之, 量化投資是一種基于金融理論和投資邏輯, 利 用數(shù)理統(tǒng)計(jì)模型, 通過有效挖掘數(shù)據(jù)中的有用信息, 形成可靠的投資策略. 在計(jì)算機(jī)硬件和軟件的支持下, 科學(xué)地進(jìn)行資產(chǎn)組合管理, 以實(shí)現(xiàn)組合凈值 穩(wěn)定增長目標(biāo)的投資方法.

4.2 量化投資基本要素

(1) 投資邏輯: 金融學(xué)理論或經(jīng)驗(yàn)

(2) 量化數(shù)據(jù): 交易數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)、宏觀數(shù)據(jù)、另類數(shù)據(jù)等

(3) 統(tǒng)計(jì)模型: 線性模型、決策樹、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等

(4) 投資策略: 因子策略、趨勢跟隨策略、均值回復(fù)策略等

(5) 計(jì)算軟件:Python, R 等

4.3 量化投資的基本流程

????????數(shù)據(jù)與模型形成策略, 用回測對策略進(jìn)行評估, 避免利用未來數(shù)據(jù), 以及注意策略能否延申到未來, 同時(shí)考慮交易對手的變化. 最后將優(yōu)秀策略運(yùn) 用到交易中.?

第五章 量化投資的要素

5.1 投資邏輯

????????將以上基本要素組合到一起, 形成量化投資基本流程: 數(shù)據(jù)和模型結(jié)合一定邏輯最終形成交易策略, 對于一個(gè)交易策略, 用回測的手段來評估它,當(dāng)回測表現(xiàn)良好時(shí)最終考慮將策略運(yùn)用于實(shí)際交易. 但需要注意的是, 回測中不錯(cuò)的結(jié)果可能是假象, 即使避免了一些低級錯(cuò)誤, 回測手段也有一些不可避免的缺陷, 比如只能反映過去, 而過去是否可以準(zhǔn)確反映未來, 要考慮 到前后是否發(fā)生了巨大的變化.

5.2 超額收益的來源

? 來源于對風(fēng)險(xiǎn)的補(bǔ)償: 市場上不同的投資者有不同的需求, 部分投資者可能更在乎其對流動性的需求, 出于變現(xiàn)的目的, 這類投資者不太關(guān)注收益的高低.

? 來源于對信息的補(bǔ)償: 例如由于信息的滯后性以及流通慢的特點(diǎn), 提前獲知信息可以獲得更高的收益. 量化投資的邏輯是當(dāng)擁有比別人更好的數(shù)據(jù),擁有了更好的分析數(shù)據(jù)的方法, 就更有可能戰(zhàn)勝市場平均水平.?

5.3 趨勢的周期

????????該圖描繪了趨勢的不同階段, 并主要考慮 CTA 策略, 基于信息的傳播需要時(shí)間這一事實(shí), 市場對價(jià)格趨勢的反應(yīng)是具有滯后性的, 這可提供一定的交易邏輯. 圖中藍(lán)色的線可以想象為某一公司基本面的重大變動, 在低水平階段, 股票價(jià)格圍繞公司價(jià)值做一些小的變動. 當(dāng)公司基本面發(fā)生重大變動, 假設(shè)公司價(jià)值變得更高, 即右半部分高水平藍(lán)線所呈現(xiàn)出的那樣. 起初 由于意識到這一變動及其后果的人并不特別多, 市場無法立刻對變動做出反應(yīng), 股價(jià)只會有一個(gè)初步的反應(yīng), 反映小部分投資者的判斷. 隨著更多投資者意識到這一變動的意義, 逐步跟隨進(jìn)來, 股價(jià)開始提高. 由于羊群效應(yīng)或從眾心理, 市場的股價(jià)的反應(yīng)可能會過度. 最終越來越多投資者趨于冷靜后, 股價(jià)出現(xiàn)小幅回調(diào). 這個(gè)過程可以總結(jié)為: 投資者對變動的反應(yīng), 一開始反應(yīng)不足, 后續(xù)反應(yīng)過度. 量化投資就是要通過對數(shù)據(jù)的分析, 去更好地意識到這種差異, 利用“時(shí)差”去獲取收益.?

5.4 數(shù)據(jù)的類型

數(shù)據(jù)至少可以按照來源分為以下幾類:

1. 交易數(shù)據(jù): 此類數(shù)據(jù)是公開的, 但是一般投資者無法完全獲取并利用高頻 信息進(jìn)行投資. 這類數(shù)據(jù)的結(jié)果如下左圖所示: 例如一般包含交易發(fā)生的時(shí) 間, 開高低收的價(jià)格, 交易量, 交易額等.

2. 財(cái)務(wù)數(shù)據(jù): 財(cái)務(wù)數(shù)據(jù)一般來說頻率較低, 中國財(cái)報(bào)的發(fā)布頻率決定大部分 的財(cái)務(wù)數(shù)據(jù)都是季度的, 但是也有一些指標(biāo)可以每日計(jì)算, 從而也存在高頻 指標(biāo). 下中圖展示的數(shù)據(jù)是月度的, 類似于公司的面板特征等.

3. 文本數(shù)據(jù): 也稱為另類數(shù)據(jù), 如下右圖主要從新聞中抓取, 例如來自于范 劍青教授 2021 年的論文中提到的數(shù)據(jù). 在處理中我們會利用數(shù)學(xué)的方法把 文本編譯成向量.

????????但是不論來源如何, 數(shù)據(jù)一般會被結(jié)構(gòu)化地處理為以下的形式: 對每一個(gè)樣本, 用 x 表示輸入,y 表示輸出. x 的可能形式有

? 純的一維截面, 包含 K 個(gè)特征 (例如 K*1 維向量);

? 純的一維時(shí)序, 包含 L 個(gè) y 的滯后 (如 1*L 維向量);

? 二維面板, 例如含 L 個(gè)時(shí)間步, 在某個(gè)時(shí)間步上包含 K 個(gè)特征的張量 (處理時(shí)可以在某方向上拉直);?

y 可以是收益率, 也可以是收益率順序或收益率類別.?

樣本集由多個(gè)樣本構(gòu)成, 例如 N 個(gè)樣本構(gòu)成樣本集. 于是我們的數(shù)據(jù)形成 了一個(gè)張量 N × L × K.

5.5 統(tǒng)計(jì)模型

統(tǒng)計(jì)模型簡單分為線性模型或者非線性模型.

(1) 線性模型:?: 多元線性回歸、softmax 回歸等

(2) 非線性模型: : 決策樹、支持向量機(jī)、深層網(wǎng)絡(luò)等

GKX2020 論文中采用了線性模型結(jié)合非線性模型建模.

范圍:1957-2016 年間共 60 年的月頻數(shù)據(jù), 涵蓋 30000 只股票, 訓(xùn)練集 18 年 (1957-1974), 驗(yàn)證集 12 年 (1975-1986), 測試集 30 年 (1987-2016).

變量:94 個(gè)公司特征, 74 個(gè)行業(yè)虛擬變量, 8 個(gè)宏觀經(jīng)濟(jì)變量. 采用的線性模型為:

為收益率, ?為風(fēng)險(xiǎn)暴露,??為風(fēng)險(xiǎn)溢價(jià),?為公司特征, ?為宏觀變量變量

采用的非線性模型 (考慮了 FCN 和決策樹等) 為:

在 JKX2020 論文 (Jiang, Jingwen and Kelly, Bryan T. and Xiu, Dacheng, (Re-)Imag(in)ing Price Trends, 2020, Chicago Booth Research Paper No. 21-01.) 中, 采用非線性模型, 構(gòu)造了卷積神經(jīng)網(wǎng)絡(luò)將 k 線圖編碼后做為輸入 對股票進(jìn)行分析. 如下圖所示.?

5.6 量化交易策略的形成與評估

策略的形成:

(1) 統(tǒng)計(jì)模型 + 量化數(shù)據(jù)

(2) 標(biāo)的排序或交易信號

(3) 量化交易策略

一個(gè)完整的交易策略相當(dāng)于給出了一份交易清單或者持倉清單, 包括交易 的標(biāo)的, 交易的時(shí)間, 交易的價(jià)格和交易的方向等.

策略的評估:

(1) 交易策略 + 歷史收益率數(shù)據(jù)

(2) 策略組合的收益率時(shí)間序列

(3) 年化收益率、夏普比率、最大回撤等指標(biāo).?

5.7 量化投資策略分類

量化投資策略分為主權(quán)類策略, 宏觀策略和套利策略. 標(biāo)的不同時(shí)采用 不同策略. 也可以按照頻率分為基本面量化, 統(tǒng)計(jì)套利和高頻交易.

來源:Lasse Heje Pedersen,2015,E?iciently Ine?icient: How Smart Money Invests and Market Prices Are Determine,Princeton University Press. Figure I.2.?

5.8 股票投資策略分類

來源:Lasse Heje Pedersen,2015,E?iciently Ine?icient: How Smart Money Invests and Market Prices Are Determine,Princeton University Press. Figure I.2.?

第六章 量化平臺

國信 iQuant: ?https://www.guosen.com.cn/gs/iquant/index.html?

聚寬 JoinQuant: ?https://www.joinquant.com?

米筐 RiceQuant: ?https://www.ricequant.com?

優(yōu)礦 Datayes: ?https://uqer.datayes.com?

掘金量化: ?https://www.myquant.cn

量化投資協(xié)會隸屬于復(fù)旦大學(xué)，所有活動均面向上海地區(qū)，可通過公眾號“量化投資QIA”了解詳情。https://mp.weixin.qq.com/s/i85TawXe8ooJnkwLWkfKhQ