基于量化投資策略下超額收益ALPHA模型的建立與實踐

王望　蔡楊　黃金萍

摘 要：量化投資指通過編寫程序，將投資理念和方法通過特定的數(shù)學模型表現(xiàn)出來的投資方式。目前，有效的量化投資策略包括動量策略和基本面策略。對量化投資策略進行模擬，根據(jù)GARCH模型擬合得到最優(yōu)套保比率，不斷地計算數(shù)據(jù)并自動調整頭寸進行風險控制。通過歷史數(shù)據(jù)的檢驗，量化策略證明動量策略和基本面策略二者融合的有效性。

關鍵詞：量化投資;Alpha超額收益;歷史回測

中圖分類號：F224? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2019）28-0092-02

一、引言

量化投資在國外已經(jīng)經(jīng)歷了四十多年的發(fā)展，較為成熟，我國量化投資的發(fā)展起步較慢，但隨著互聯(lián)網(wǎng)的發(fā)展，量化投資的市場發(fā)展?jié)摿χ饾u顯現(xiàn)。以2015年中國股市為例，當年的大幅波動中卻有部分量化投資基金表現(xiàn)穩(wěn)定。

量化投資主要是將現(xiàn)代數(shù)學理論與金融數(shù)據(jù)分析結合起來的分析方法，它的自身優(yōu)勢再加上如今信息技術的加持，使得它將投資決策發(fā)揮到極致。因此，它被廣泛地應用于國外的金融領域，特別是在國際投資界得到迅速發(fā)展，被稱為三大主流投資法之一，三大主流投資法還包括基本面分析和技術面分析。

隨著中國金融市場的開放和完善，量化投資的發(fā)展在國內是一個機遇，技術的發(fā)展必將使得量化投資成為國內投資者的重要工具。盡管投資行為會受到市場有效理論的影響，市場的有效性也會壓縮超額利潤，但其理性的特點定能吸引大量投資者。而在未來金融工程的研究重點方向將會朝著量化投資的相關方面進行，同時市場有效性理論也必將促進其投資策略不斷優(yōu)化來適應瞬息萬變的市場。

以滬深指數(shù)成分股及股指期貨為研究標的，嘗試挖掘各變量間的潛在關系，對我國證券市場程序化交易績效進行實證研究。在模擬過程中，對夏普比率、索提諾比率以及信息比率等指標進行優(yōu)化，并對比在不同量化策略下的結果，進而形成較為成熟的量化投資策略。該策略回避了“擇時”的問題，投資人只要專注其投資組合能超越大盤即可獲利。同時，本文幫助國內投資者更好了解國內外市場環(huán)境，使普通投資者也能掌握簡單的量化投資方法，以模型為核心，降低投資者主觀情緒對其投資行為的影響，最大限度地保證了投資理念在整個過程中的統(tǒng)一，幫助市場參與者更好地控制交易風險。

二、策略機理分析

1.基本面套利策略機理分析。從宏觀經(jīng)濟的發(fā)展角度或是行業(yè)的發(fā)展角度，甚至于從歷史的比較角度來看，我國的滬深股市市盈率相對偏高是不爭的事實，國際股市平均市盈率與我國股市平均市盈率的可比性較弱，使得國際上常用的相對估值法存在整體抬高比較對象的缺點。而PEG指標即市盈率相對盈利增長比率（EPS增長率）則克服了這一缺點，它是由公司的市盈率除以盈利增長速度得到的指標。PEG指標最先由英國投資家史萊特提出，后來由美國投資家彼得·林奇發(fā)揚光大。PEG指標最先實戰(zhàn)在英國證券市場，但由于英國證券市場在國際證券市場所占份額較小，所以該指標提出后一段時間，并未引起較大的反響。1992年，史萊特通過自己的名著《祖魯原則》，PEG指標推廣到了美國。此后這一投資理念深入人心。彼得·林奇認為，理想投資對象的PEG值應該低于0.5且在0.5—1之間是較為安全的范圍。PEG大于1時，就要考慮該股有被高估的可能，需要投資者拋售手中的股票或觀望持有。本文的基本面套利策略嚴格選取PEG指標小于1的滬深300股票進入股票池，結果較為理想。

2.動量策略機理分析。因為如果一支股票估值有偏差，那么投資者會在發(fā)現(xiàn)后大量涌入，所以股票的α不會長時間一直為0。價格的趨同性會讓α超額收益快速歸零。股票通常不會被高估或低估，α值表現(xiàn)為正或者為負都是正常，這也是往往在金融市場很難用常規(guī)方法發(fā)現(xiàn)股票具有明顯持續(xù)的原因。而本文的動量策略5天即循環(huán)調倉1次，利于捕捉短暫的套利機會，對投資者而言十分靈活方便。該動量策略對前60個交易日內所有滬深300成分股收益率進行OLS回歸，得到alpha收益。對alpha收益排序，對排名前20的股票配置成等權做多組合。根據(jù)GARCH模型擬合得到的投資組合最優(yōu)套保比率以確定空頭頭寸，做空股指期貨主力連續(xù)合約。

三、策略評價

1.策略回驗方式。本策略的決策頻率為5天調倉1次。數(shù)據(jù)頻率為日頻數(shù)據(jù)且按照每日可用1/5總資金的權重買入股票，這是為了節(jié)約交易成本，并且保證每天有足夠的空余資金操作符合條件的股票。持倉期限為最大持倉5天，同時把資金分為5份，每天使用1份資金買入符合條件的股票，直到第五天清倉。這樣可以保證在有持倉的情況下，每天仍有空余資金操作符合選股條件的股票。另外，設止損線為95%，達到止損線強行止損。

2.主要度量指標。策略初始本金20 000 000元，最終獲利6 053 587.71元，信息比率0.35，說明策略前瞻性良好，夏普比率為1.31，說明在衡量期內基金的平均收益率高于無風險收益率，所以投資可以獲得收益，投資承受的單位風險所獲得的風險收益較高;交易次數(shù)59次手續(xù)費58 088.77149元，代表其交易頻繁;勝算率70%，說明投資交易策略較好，勝算率在 50%以上，即贏多虧少;年化收益率23.59%，年化超額收益率為6.67%即高于滬深300市場同期收益率，達成投資目的;最大資金回撤1 507 163.038元最大回撤比率11.95%;最大連續(xù)盈利次數(shù)8次最大連續(xù)虧損次數(shù)3次均較為理想。研究表明，在滬深300指數(shù)成分市場，本策略可以獲得超額收益，是較為理想的工具。

本策略使用基本面分析。傳統(tǒng)的投資操作依賴于投資者的分析方法，通過投資者的經(jīng)驗來判斷標的股票、資產(chǎn)配置以及決策時機，下單交易也需要專業(yè)人員來完成，新型的量化投資的整個投資過程通過計算機技術進行。傳統(tǒng)的投資判斷是通過人工分析，而量化投資判斷則根據(jù)已有的量化投資策略來分析。在交易實施方面，傳統(tǒng)的投資交易一般由專業(yè)人員進行，而量化投資通過程序系統(tǒng)化的完成交易過程;傳統(tǒng)投資方式中投資者易受到主觀因素影響，使得投資結果偏離原本理性的分析結果，量化投資利用所建立的程序對現(xiàn)有數(shù)據(jù)進行分析，并根據(jù)程序的完成情況來實現(xiàn)開平倉，避免了策略在情感方面的影響。因此，量化投資相對于傳統(tǒng)的投資，可以掣肘人性。在標的對象范圍方面，傳統(tǒng)投資方式由于投資者的精力和時決策分析的技術指標有限，使得實際投資的范圍很窄;而量化投資使用計算機程序執(zhí)行程序，且計算機運算速度不斷提升，投資范圍不受限制，分析的指標也基本不受限制。在收益和控制風險方面，傳統(tǒng)投資方法側重于收益而非風險控制，而量化投資則追求風險與收益的平衡，風險控制也是量化投資的重要一部分。量化投資可以通過計算機程序來評估風險指標，因此，量化投資可以有效避免投資者過分追求利潤而忽視潛在風險造成不可估計的損失。

本策略使用量化平臺進行量化投資策略模擬及分析，在模擬過程中夏普比率、信息比率、索提諾比率等指標進行優(yōu)化檢驗，并對比在不同量化策略下的結果，進而形成較為成熟的量化投資策略。

四、結論與展望

1.結論。本文采用量化投資的方法以采集到的歷史數(shù)據(jù)為基礎構建模型，選取的交易延遲為1秒，交易成本為萬分之五，回測開始時間為2016年9月1日至2017年12月20日，初始金額股票、期貨各占10 000 000元，獲得年化收益率為23.59%，年化超額收益率至少為6.67%。通過模擬檢驗可以證實，使用本文交易策略，投資者可以在金融證券市場獲得良好的收益率。本文設計的量化投資策略具有一定的適用性，可以為股票投資提供參考，投資組合也獲得穩(wěn)定的超額收益，這對中國資本市場的有效性研究提出了挑戰(zhàn)，也能證實技術分析流派的理論價值，證明量化投資未來可期。

2.前景展望。首先，成本控制。換倉頻率越高，手續(xù)費則越高。然而套利策略會基于實時信息不斷調倉換股，往往一天甚至更短的時間就會重新配置投資組合，這也將導致高額的手續(xù)費用，所以這就要求我們要對系統(tǒng)自身進行更深入的研究，根據(jù)系統(tǒng)自身性質來減少交易數(shù)量。其次，市值風險。由于個股之間的權重差異較大，套期保值策略往往會被引入市值風險。后續(xù)可以根據(jù)市值加權指數(shù)和滬深等權指數(shù)的差額收益率構建衡量市值風險的指標。最后，衍生工具仍需完善。目前，我國股市做空機制有融資融券和股指期貨兩種，這兩種業(yè)務都各有利弊。目前，開通融資融券的股票數(shù)量、融券數(shù)量都受到限制。在這種情況下，融資融券只適用于個股的配對交易與做空。股指期貨做空有它的便利性，但比重固定，不能自由調配是它的缺點。市場規(guī)范化程度的提高，基礎環(huán)境的改善都有利于策略的發(fā)展。

參考文獻：

[1]? 李博雅.基于A股市場動量Alpha投資策略的實證研究[D].上海：華東師范大學，2016.

[2]? 孫嬌.多因子量化投資策略及實證檢驗[D].南京：南京大學，2016.

[3]? 任開宇.滬深股市風格投資：適用性、周期性和轉換策略[D].長春：吉林大學，2004.

[4]? 張永琦.我國PE機構控股型投資動因、績效及風險研究[D].南寧：廣西大學，2018.

[5]? 王晨.基于價值投資的多因子量化選股模型研究[D].西安：西北大學，2018.

[6]? 彭益.基于數(shù)據(jù)挖掘的股票指數(shù)漲跌概率推斷[J].統(tǒng)計與決策，2012，（16）.

[7]? 王繼寧.上市公司財務指標與股票價格的典型相關分析[J].商業(yè)時代，2008，（28）.

[8]? 王平平，肖智蘭.滬深300樣本股動量效應實證研究[J].統(tǒng)計與決策，2008，（18）.

[9]? 胡懷謹，劉斌.基于時序數(shù)據(jù)挖掘的期貨分析與預測[J].華南熱帶農(nóng)業(yè)大學學報，2007，（3）.

[10]? 張強，楊淑娥，戴耀華.中國股市動量策略和反轉策略的實證分析[J].華東經(jīng)濟管理，2007，（5）.

[責任編輯 陳麗敏]