數(shù)量化選股——以alpha模型為例

一、引言

隨著資產(chǎn)管理學(xué)科的不斷更新和發(fā)展，數(shù)量化資產(chǎn)管理的策略如今被廣泛的運(yùn)用，越來越多的基金管理人采用了這一成本較低、客觀性較強(qiáng)的策略進(jìn)行資產(chǎn)選擇和配置。同時(shí)，都在很大程度上推進(jìn)了數(shù)量化選股的進(jìn)程。國(guó)際上一些著名的資產(chǎn)管理機(jī)構(gòu)，如巴克萊（Barclays Global Investors），，都有各自的數(shù)量化模型并且也發(fā)行了許多相關(guān)的金融投資商品。

二、數(shù)量化選股

目前世界上有很多基金經(jīng)理人開始采用數(shù)量化選股模型進(jìn)行投資決策。數(shù)量化選股，是指利用市場(chǎng)指標(biāo)、經(jīng)營(yíng)指標(biāo)、財(cái)務(wù)指標(biāo)等可以數(shù)量化的因素，在眾多上市公司中選出符合條件的公司股票進(jìn)行投資。數(shù)量化選股的模型主要有線性回歸模型、主成分分析模型等。國(guó)內(nèi)外很多學(xué)者都運(yùn)用了這些模型進(jìn)行實(shí)證分析。如Fama-French(1993) 的三因子模型認(rèn)為，資產(chǎn)組合的超額回報(bào)率由上市公司的市值因子(SMB)、賬面市值比因子(HML)以及市場(chǎng)資產(chǎn)組合(Rm ? Rf)決定。數(shù)量化選股的優(yōu)勢(shì)在于，利用客觀數(shù)據(jù)進(jìn)行分析做出判斷，避免了因基金經(jīng)理人的主觀判斷錯(cuò)誤而可能造成的偏誤，一旦模型構(gòu)建完畢，需要維護(hù)和修改所需要的人力物力遠(yuǎn)小于傳統(tǒng)的基本面分析，對(duì)于基金公司而言，可有效節(jié)省成本，增加公司利潤(rùn)。

三、選股策略：以Alpha model為例

1.介紹

Alpha選股模型是一種將信息轉(zhuǎn)變成Alpha分?jǐn)?shù)的方法，據(jù)此經(jīng)理人能夠判斷投資于哪些資產(chǎn)以及該如何配置投資組合。本文所說的Alpha選股策略是采用 Qian (2004)的方法，利用兩階段的方法結(jié)合多個(gè)因子產(chǎn)生Alpha分?jǐn)?shù)，建構(gòu)多因子模型不僅包含訊息相關(guān)系數(shù)(Information Coefficient， IC)的時(shí)間序列，也包括同時(shí)期因子訊號(hào)之間的相關(guān)性，透過模型求解極大化IR的目標(biāo)。

2.要素篩選及數(shù)據(jù)處理

對(duì)于基金管理而言，信息運(yùn)用的成功與否往往是決定成敗的重要因素。在alpha 模型中，所選的要素可以被看做信息，它們可以幫助基金管理人分析股票報(bào)酬的預(yù)期走勢(shì)，從而利用這些信息構(gòu)建多因子選股模型。然后，如何選擇正確的信息并非易事，因此，信息的分析和評(píng)估對(duì)于模型的簡(jiǎn)歷有著至關(guān)重要的作用。

模型將整個(gè)數(shù)據(jù)的區(qū)間分為樣本區(qū)間和回測(cè)區(qū)間，通過數(shù)據(jù)庫獲取整個(gè)區(qū)間內(nèi)各個(gè)上市公司的財(cái)務(wù)、發(fā)展等各項(xiàng)指標(biāo)，并進(jìn)行數(shù)據(jù)預(yù)處理。為了消除各要素不同量綱的差異，將所有數(shù)據(jù)先進(jìn)行標(biāo)準(zhǔn)化處理。此外，在數(shù)據(jù)分析時(shí)，個(gè)別極端值對(duì)于結(jié)果可能會(huì)產(chǎn)生較大影響，而極端值的產(chǎn)生往往沒有規(guī)律可循，據(jù)此得出的結(jié)論不具有普遍的適用性。Shyu and Jeng (2006)使用了winsorization進(jìn)行處理，針對(duì)每一項(xiàng)要素，計(jì)算得出各自的平均值和標(biāo)準(zhǔn)差。將平均值加減5.2倍的標(biāo)準(zhǔn)差作為各項(xiàng)要素的上下極限，如果數(shù)據(jù)大于上極限或小與下極限，則認(rèn)為這是一個(gè)極端值，而分別使用上極限或下極限的值代替極端值。類似的方法還可以將數(shù)據(jù)按數(shù)值大小排列，取上下5%分點(diǎn)，分別代替大于上5%以及小于下5%分點(diǎn)的值。此類方法的目的都在于消除極端值的影響，使得模型的解釋力更強(qiáng)，偏誤更小。

由于要素的數(shù)據(jù)頻率不同，將要素分成若干個(gè)周要素與月要素。除此之外，要素篩選后于比較長(zhǎng)期的樣本內(nèi)期間，針對(duì)這些要素做t檢驗(yàn)，若要素結(jié)果呈現(xiàn)顯著，稱為核心要素。剩下未被篩選的要素并不表示無效，在回測(cè)的樣本外期間有效的要素，為衛(wèi)星要素。再通過兩階段方法，將要素合成因子，因子再合成Alpha Score。最后，將周、月要素合并，并且做平滑化動(dòng)作，以降低每期權(quán)重重新調(diào)整的周轉(zhuǎn)率。

3.選股及資產(chǎn)組合構(gòu)建

首先確立股池，剔除流通量過低、企業(yè)信用等級(jí)較低的股票，還可結(jié)合產(chǎn)業(yè)等因素，根據(jù)需要構(gòu)建的資產(chǎn)組合確定。根據(jù)最后的Alpha Score進(jìn)行選股的動(dòng)作。模型認(rèn)為得分較高的個(gè)股具有較高的投資價(jià)值，根據(jù)股池大小選擇相應(yīng)數(shù)目的個(gè)股進(jìn)入資產(chǎn)組合中。各股權(quán)重的配置有多種方案，比較簡(jiǎn)單的方法是將入選組合的股票平均分配權(quán)重，這樣的方法可有效分散風(fēng)險(xiǎn)，但是不利于獲得更高的超額回報(bào)。另一種方法是根據(jù)得分分配權(quán)重，得分越高的股票權(quán)重越高，在模型建立準(zhǔn)確，預(yù)測(cè)能力較好的情況下，往往可以獲得更高的超額報(bào)酬。

四、實(shí)證分析與結(jié)論

很多學(xué)者已對(duì)量化選股這一策略進(jìn)行過實(shí)證分析。袁捷（2008）以滬深A(yù)股為研究對(duì)象，形成了市場(chǎng)大勢(shì)判斷指標(biāo)、板塊熱點(diǎn)評(píng)判指標(biāo)、技術(shù)分析評(píng)判指標(biāo)、基本分析評(píng)判指標(biāo)和主力機(jī)構(gòu)支撐評(píng)判指標(biāo)等五個(gè)指標(biāo)體系的評(píng)判分析工具，得出了一套可以量化的投資評(píng)判標(biāo)準(zhǔn)。通過實(shí)證分析該交易規(guī)則在2008年7月至11月期間規(guī)避了熊市的系統(tǒng)性風(fēng)險(xiǎn)，建立的投資組合績(jī)效優(yōu)于上證指數(shù)，對(duì)于投資者有一定的參考價(jià)值。隨著越來越多模型的出現(xiàn)和不斷完善以及計(jì)算機(jī)算法技術(shù)的日益精進(jìn)，這一理論體系也將會(huì)得到更多的補(bǔ)充和發(fā)展。

參考文獻(xiàn):

[1]Fama， Eugene F. and French.Kenneth R. Common Risk Factors in The Returns to Stocks and Bonds， [J].1993(02).

[2] Qian， E. E. and Hua.R.Active risk and information ratio，[ J]. 2004.

[3]S.Shyu， Y. Jeng， W.H. Ton， K.J. Lee and H.M. Chuang. Taiwan Multi-factor Model Construction: Equity Market Neutral Strategies Application， Department of Finance， [D]. 2006.

[4]袁 捷:股票價(jià)格分析——基于滬深A(yù)股的實(shí)證選股模型[D].西南交通大學(xué)，2008.