【理论基础】(重点)利用统计、数值模拟和其他定量模型进行证券市场相关研究的一中方法,解决证券估值、组合构造与优化、策略制定、绩效评估等问题复杂的数理模型和计算机数值模拟,提供较为精细化的分析结论,但它
【理论基础】(重点)
利用统计、数值模拟和其他定量模型进行证券市场相关研究的一中方法,解决证券估值、组合构造与优化、策略制定、绩效评估等问题
复杂的数理模型和计算机数值模拟,提供较为精细化的分析结论,但它对使用者的定量分析技术有较高要求
一、特征:纪律性、系统性、及时性、准确性、分散性
量化投资管理是定性思想的量化应用:
- 所有的决策由模型做出,依靠模型,相信模型
- 多层次、多角度、多数据
- 妥善采用套利思想
- 靠概率取胜
量化投资是一种主动型投资策略,市场是非有效或者是弱有效
二、量化投资的主要内容:
把具体指标、参数设计体现到具体模型种,让模型去跟踪市场,具有:快速高效、客观理性、收益和风险平衡、个股与组合平衡等四大特点
几乎覆盖了投资的全过程,估值与选股、资产配置、组合优化、订单生成、风险评估、绩效评估等等
三、主要方法:
1、人工智能:专家系统、机器学习、神经网络、遗传算法
2、数据挖掘:大量的,不完全的,模糊的,有噪声的,随机的数据里提取有用的信息和知识
研究两个和两个变量以上之间的规律
预测,用规律预测将来
聚合利用数据的相似性,判断数据的聚合程度
3、小波分析
小具有衰减性、波是振幅正负相间的震荡形式
4、支持向量机
升维性、线性化:把原本样本非线性可分的问题转化为在特征空间的线性可分问题
5、分形理论
是一种新的世界观和方法论
它与动力系统的混沌理论交叉结合
它承认世界的局部与整体的相似性
自相似原则
迭代生成原则
启示:整体和局部形态相似,揭示了整体与部分、有序与无序、复杂与简单之间的新形态新秩序,揭示了世界普遍联系和统一的图景
6、随机过程
一连串随机事件动态关系的定量描述
方法有:(了解)
- 概率方法:轨道性质、随机微分方程
- 分析方法:测度论、微分方程、半群理论、函数堆、希尔伯特空间
- 组合方法和代数方法:多指标随机过程、无穷指点与马尔科夫过程
【量化投资技术】
一、量化选股:用数量化的方法,计算机推演的结果选股,包括公司估值法(算理论价格和市场价格比较),趋势法(计算机推演趋势),资金法(计算机追踪资金流动,跟随)
二、量化择时:用量化的方法选择买入卖出的时机,包括:市场情绪择时、有效资金模型、牛熊线、Hurst指数、SVM分类、SWARCH模型及异常指标模型
三、套利:赚取差价,现货市场和期货市场的差价,包括:期现套利和跨期套利;统计套利:β中性策略,协整策略;期权套利
四、算法交易(自动交易,黑盒交易),通过计算程序发出交易指令,执行预先设定好的交易策略,最终目标是获得alpha收益
五、资产配置:让计算机建立的数学模型来决定资产配置比例
六、风险控制:用计算来消灭和降低风险
【量化分析应用】
一、应用的前提
1、难度高,不会
2、模型本身存在风险
3、对交易系统和数据有较高的要求
二、主要应用
1、估值:分析公司,判断二级市场是高估了还是低估了,绝对估值法和相对法
2、选股:基本面选股(通过财务指标的变现来判断)、多因素选股(宏观因子、市场因子、统计因子,建立模型,逐步回归和分层回归)、动量反向选股(动量——分析股价在过去的表现,设一个警戒线,观察交易量,超过一定量买一定量卖;反向——基于过度自信,根据高估和低估进行反向投资)
3、资产配置(全球、大类、行业风格):目标是降低风险,提高收益
4、股价预测:跟有效市场假说密切相关,有效时,预测没有意义,但实际中,没有市场是有效的,所以可以通过历史数据来预测未来(灰色预测、神经网络、支持向量机模型)
5、绩效评估
6、基于行为金融学的投资策略(动量投资、反向投资、小盘股策略、时间分散化策略)
7、程序化交易和算法交易:程序化——任何含有15只股票以上和单值为100万美元以上的交易,一般是大机构的工具,算法——针对经纪商