【正文】 票 ? 如果確信價差會擴大 ， 可以采用相反的操作 54 策略：波動率套利 ? 期權(quán)交易 : 買入低波動率 ， 賣出高波動率 ? Delta對沖 : 與標的資產(chǎn)的價格的直接變動無關(guān) ， 頭寸的盈利取決于標的資產(chǎn)的價格的凸度 ? 波動率互換：利用將來的波動率變化 ， 不考慮其他任何因素 ? 波動率分散：利用指數(shù)波動率和其成份一攬子股票的波動率之間的不平衡 55 策略：結(jié)構(gòu)化產(chǎn)品 ? 結(jié)構(gòu)化產(chǎn)品可以針對投資者對市場的具體看法量身定制 ? 例子 : 雙障礙敲出期權(quán) ?起始日 : 今天 ?期限 : 6個月 ?類型 : 期權(quán) ?標的 : 國企指數(shù) (當前為 11,947) 或者其他指數(shù) ?障礙價格 : 9,947 和 13,947 ?到期回報 : 如果沒有碰到 障礙價格則 : |HSCEI – 11,947|, 否則為： 10% 56 策略：其他想法 還有許多可以做 V o la t ilit y0%10%20%30%40%50%60%70%0 5 0 7 0 5 1 2 0 6 0 5 0 6 1 0 0 7 0 3 0 7 0 8 0 8 0 1 0 8 0 6中金3 0 001000202330004000500060000 5 0 1 0 5 0 6 0 5 1 1 0 6 0 4 0 6 0 9 0 7 0 2 0 7 0 7 0 7 1 2 0 8 0 5中金3 0 057 數(shù)量化模型和策略的優(yōu)勢 ? 一致性：相同的輸入會導(dǎo)致相同的信號 ? 嚴格執(zhí)行紀律 ， 不受情緒或其它主觀標準的影響 ? 可以完全自動化 ? 可以用過去的歷史數(shù)據(jù)全面測試 ， 用模擬情景測試 ? 在低迷的市場 ， 數(shù)量化交易模型產(chǎn)生的結(jié)果由于同傳統(tǒng)的資產(chǎn)相關(guān)度很低 ， 可以提供一個新的 “ alpha” 來源 58 如何構(gòu)建數(shù)量化投資框架 ? 目標 ?建立可靠的預(yù)測模型 ?為投資組合分配和風(fēng)險管理配置可靠的模型 ?管理組合的調(diào)倉成本和交易成本 ?監(jiān)控并定期檢查整個投資過程 ? 框架 59 股票市場研究 ? 數(shù)量化投資中最重要的一個環(huán)節(jié) ? 關(guān)注點： ?全球市場 ， 基本面 ， 區(qū)域 /行業(yè) /板塊 ， 會計處理 ?風(fēng)格 ， 基準 ， 對手 ， 其它特征分析 ?多因子股票風(fēng)險模型 ?時間序列分析 : ARMA, ARIMA, ARCH, GARCH ?高頻數(shù)據(jù)研究 ?歷史數(shù)據(jù)回溯測試 ， 蒙特卡羅模擬 ?不同資產(chǎn)類別和不同市場的相關(guān)性 ， 敏感度 ?“ 可轉(zhuǎn)移的 alpha” ， 多 /空擴展 ， 絕對收益以及其它投資研究 60 投資組合構(gòu)建、優(yōu)化和管理 ? 按照客戶的要求構(gòu)建投資組合：風(fēng)險 ， 風(fēng)格 ， 質(zhì)量 ， 安全性 ， 稅收 ， 社會責(zé)任 ， 行業(yè)集中度 ， 流動性等 ? 遵照投資組合 ， 使用優(yōu)化工具和技術(shù)使股票選擇和權(quán)重分配精細化 ? 關(guān)注點 ?資產(chǎn)配置策略 ?投資組合優(yōu)化 ?風(fēng)險約束 ?Alpha， 貝塔 ， 夏普比率 ， 跟蹤誤差分析 ?策略：多 /空策略 ， 130/30， 市場中性等 61 證券交易和執(zhí)行 ? 抽象理論研究和投資組合構(gòu)建的實現(xiàn) ， 理論和實踐相結(jié)合 ? 從組合構(gòu)建階段平穩(wěn)有效地過渡到交易執(zhí)行階段 ? 關(guān)注以下策略 : ?交易委托智能解決方案以尋求流動性 ?沖擊成本和交易成本最小化 ?傭金分配 ?執(zhí)行數(shù)量化交易策略 ， 系統(tǒng)和軟件 ?平滑過渡以及 alpha 損失最小化 62 數(shù)量化投資過程改進 ? 盡可能使所有任務(wù)自動化 ? 安裝并監(jiān)控診斷程序 ， 是否出現(xiàn)問題 ？ 進程是否出錯 ？ 哪里出錯 ？ ? 明確定義進程成功的標準 ? 各個階段之間的平穩(wěn)轉(zhuǎn)換和 alpha 損失最小化 ? 數(shù)據(jù)效率最大化 ， 減小模型差錯 ， 檢查所有特征 ? 管理層審核：遵循既定目標 63 數(shù)量化方法和共同基金 ? 選股 : 使用數(shù)量化模型－價值 、 動力 、 因子－選股 ， 例如價值和成長 ? 資產(chǎn)配置策略 : 股票 、 固定收益產(chǎn)品 、 外匯和大宗商品 ? 投合優(yōu)化 : 基于限制和目標構(gòu)建最優(yōu)投資組合 ? 多 /空策略 : 130/30 ? 準多 /空策略 : 做空現(xiàn)有持倉股票 ? 指數(shù)追蹤 : 模擬特定指數(shù) ， 最小化跟蹤誤差 ? 交易成本控制 ? 數(shù)量化研究 ? 投資過程自動化 : 充分利用技術(shù)優(yōu)勢 64 數(shù)量化方法和共同基金 – 全球視野 ? 前 10大數(shù)量化共同基金－按照過去 1年回報排名 65 案例 : 2023年夏，數(shù)量化基金的巨大損失 發(fā)生了什么 ? 66 案例 : 8月伏擊 ? 發(fā)生了什么 ? ?那些數(shù)量交易員使用復(fù)雜的數(shù)學(xué)模型投資于全球市場 ?他們與沃倫 .巴菲特和彼得 .林奇等價值投資者非常不同 ?他們使用 “ 統(tǒng)計套利 ” ， “ 市場中性 ” 等交易策略 ?歷史上來看 ， 數(shù)量交易員表現(xiàn)不錯 ?但是在 7月末和 8月初 ， 數(shù)量交易員遭遇伏擊：整個美國股市下跌 4％ ， 但是Renaissance Institutional Equities slid %, AQR Captial Management 13%, Goldman Sachs Global Equity Opportunities 30%, Tykhe Capital LLC 20%, etc. ?他們的大部分損失出現(xiàn)在 7/89/8， 10天之后 ， 部分損失得到彌補 67 案例 : 市場情況 ? 發(fā)生了什么 ? ?5/8: 貝爾斯登 CEO辭職 ?7/8: 有傳言貝爾斯登將要被出售 ?市場流動性緊縮 ?全球股市下跌 ? 數(shù)量化基金如何應(yīng)對 ？ ?降低杠桿 ?賣掉好的 ， 盈利的資產(chǎn) ?買回差股票 ? 市場中性－ 多 /空－ 凈多頭或者只作多 68 案例 : 8月伏擊 ? 市場方面 : ?隨著大量的數(shù)量化基金發(fā)行和大批資金流入這些基金 ， 盈利機會減少 ， 迫使此類基金加大杠桿 。?????????clblla0?hgw ??33 資本資產(chǎn)定價模型（ CAPM） ),cov()var( ][][ MiMfMfi RRRRRERRE ???34 無套利定價原理（ APT） ? 基于無套利原理 ? 是一種多因子的經(jīng)濟計量模型 ? 定義了 Alpha， 或者叫 “ 主動 Alpha” ， 也就是主動選股帶來的收益 ? 例如： Fama/French五因素模型 35 數(shù)學(xué)和數(shù)值優(yōu)化 ? 金融學(xué)理論的核心在于優(yōu)化：風(fēng)險和收益的均衡 ? 優(yōu)化問題包括三個基本要素 ?目標函數(shù) f(x) 給定收益率的方差最小化 ， 或者給定方差的收益率最大化 ?一組變量 : x 資產(chǎn)組合的構(gòu)成和比例 ?一組約束條件 wf ??? 39。139。39。min受限于以下約束條件 : ]1,.. .,1,1[,1 39。 Igor Hl