什么是α、β收益，量化交易策略创建与分析
admin
|
什么是α收益：
一揽子可以自定义低估、同质化并且有波动的股票，不断买入更便宜的，卖出更贵的，从而获得的收益。例如：几个跟着沪深300的ETF，你发现手中持有的沪深300ETF溢价2%了，而市场上同时存在一个折价1%的ETF，那么就卖出溢价高的沪深300ETF，去买折价的，这样虽然始终持有沪深300ETF，但获得了超越沪深300指数本身的收益，就是α收益。解释一下同质化：明显所有的沪深300ETF是同质化的，也可以认为最小市值20个股票是同质化的，所有银行股是同质化的，分级A是同质化的。下文中有解释自定义低估。
一揽子可以自定义低估、同质化并且有波动的股票，不断买入更便宜的，卖出更贵的，从而获得的收益。例如：几个跟着沪深300的ETF，你发现手中持有的沪深300ETF溢价2%了，而市场上同时存在一个折价1%的ETF，那么就卖出溢价高的沪深300ETF，去买折价的，这样虽然始终持有沪深300ETF，但获得了超越沪深300指数本身的收益，就是α收益。解释一下同质化：明显所有的沪深300ETF是同质化的，也可以认为最小市值20个股票是同质化的，所有银行股是同质化的，分级A是同质化的。下文中有解释自定义低估。
什么是β收益：
基本面本身上涨是β收益。例如，自定义最小市值的10个股票为一个指数，这些最小市值从5亿涨到20亿，这就是β收益。自定义最低股价10个为一个指数，从牛市的5元跌到2元，那么β收益就是负的
基本面本身上涨是β收益。例如，自定义最小市值的10个股票为一个指数，这些最小市值从5亿涨到20亿，这就是β收益。自定义最低股价10个为一个指数，从牛市的5元跌到2元，那么β收益就是负的
知道α，β收益后，就该理论指导实践，创建量化策略了
量化交易策略创建三个步骤：1.策略的理论基础，2.历史回测，3.找到策略黑天鹅。
（一）、策略的理论基础：大致分为三类：一、基本面理论，二、技术面理论，三、风险套利
1.按基本面又可以分为：1.价值型，2.成长型，3.品质型，按中国特色A股基本面又可以添加：4.小市值型，5股价型
2.按技术面又可以分为：1.趋势型，2.趋势反转型，3.缩量反弹，4.指数轮动，5.择时
3.风险套利（或者称轮动）：不断买入更便宜的，卖出更贵的。
注意：
1.有些理论基础并不牢固，并且不能很好解释（这也导致了各种投资流派互相不服）
1.有些理论基础并不牢固，并且不能很好解释（这也导致了各种投资流派互相不服）
2.有些量化跳过了理论基础，直接根据历史统计进行量化（本文不讨论），例如，统计两会前后涨跌，一季度历史表现最好板块
对策略理论的解释：
1.基本面策略可以定义什么是低估，比如低PE是低估，低市值是低估，低股价是低估，高ROE是低估，高成长是低估；也可以自定义低估，PB*PE是低估，总市值*流通市值小是低估
2.基本面理论提供了一揽子同质化并且有波动的股票。有些基本面策略的股票间波动较小，例如最低PE股，一段时期内总是那么几个银行股；有些波动较大，比如小市值型
3.技术面理论有些很难定义什么是低估，比如趋势型；有些则看似可以定义低估，例如，BIAS最小，20日跌幅最大，其实也不是
4.能自定义低估的策略是风险套利，不能自定义低估的策略是统计
5.基本面本身能上涨，就获得了β收益
我得出的结论是：风险套利策略的核心是对自定义低估的轮动，即不断获得α收益！！
1.如何获得α收益：大部分基本面策略的收益是因为风险套利获得的；也就是不断买入更低估的，卖出更贵的；也就是因为调仓周期内因不同股票的波动而产生收益，因此适当缩短周期有利于提高收益；所以在一年内交易次数越多，alpha收益越大（投资大师说的减少交易次数，并不适用于套利）
2.理论本身获得的β收益并不多，甚至为负（价值型由于近几年市场估值不断降低，不调仓的话，收益是负的）
3.我们应当寻找的是：基本面理论本身能上涨，且能提供同质化，波动较大的策略（即获得α，又获得β）
4.统计策略其内在逻辑说服力小，是过去的概率来预测未来
（二）、历史回测：回测中最重要一点是：不要欺骗自己
历史回测中要用到一个哲学思想，叫做奥卡姆剃刀:较简单的理论比复杂的理论更好，因为它们更加可检验
1.改变测试起始时间。调仓周期超过2天的策略，应该试遍每个起始时间，取平均收益，这才最接近策略真实历史回测，因为理论上起始时间变化一两天对策略收益影响是不大的，如果变化很大就说明过度优化。
2.不要创建静态股票池。历史上每个阶段都有大牛股，完全可以收集大牛股作为股票池，算好调仓周期，每个阶段买最牛的，收益可以美到不敢想象
3.不要用PE.PB等指标精确逃顶抄底，最多用来确定一个大致范围。每次大顶点位都是不同的，这样的择时毫无意义。
4.先用25个以上股票测试，确定策略有效性，再减少数量做策略，如果25个测试无效，那么一两个即使收益很好，也该放弃。
5.改变条件权重。如果稍微改变权重，收益变化很大，那么就降低策略未来预期收益，别指望策略以后会表现这么好。
6.尽量从07年开始测试。除非你能确定每个时间市场的风格，显然这是不可能的。
7.同一套择时系统，如果用在策略1上回撤是30%，用在策略2上回撤是15%，你肯定会选择策略2，如果策略1和2本质上是差不多的策略，别太高兴，在未来，策略1和2表现谁好谁坏也是难说的
（三）、找到黑天鹅：每个策略都有黑天鹅
1.价值型，成长型，品质型策略，黑天鹅是过一个季度，可能财务数据完全变了，因此持仓个数不能太少，行业要分开
2.小市值，低价，低交易额策略，黑天鹅是出现仙股
3.统计类，技术类策略，黑天鹅是理论本身就不完美
说明及解释：
1.以下各种理论的历史回测中一律使用5天调仓，测试个数25个，测试开始时间为2007年6月1日（因为涉及长时间的数据2007年1月4日还没有，像20日涨幅，60日成交量），，如果觉得参数设定有错误，欢迎指正
2.几本量化投资的书下载
3.一个人的思维有限，我只想到这么多分类，以后想到了继续补充
4.文章不定时更新，还未完成。
下面是历史回测及黑天鹅
年化收益最高排行如下
年化收益最低排行如下
1.价值型。首先要说的是价值类型只是很普通的一种策略，价值投资并不是带着光环，高人一等。
理论基础是：低估的将会最终回归。
黑天鹅是：1.低估的将一直低估，市场非理性时间足够长到你破产。2.PE和PB不是连续指标，一个季度公布报表后，PE和PB可能突然变很大，从而不再低估。
自定义PE*PB且大于0，
测试结果为：5日年化12.57%，20日年化12.13%，60日年化10.19%，120日年化10.84%,240日年化12.46%（价值投资怎么也要持股1年吧）
同时单独回测PE，PB，得到类似结果：
结论：分析数据看，第一期PE*PB50个平均数为76.82，最后一期PE*PB平均数为14.85，这意味着市场最低估的50个股票比07年6月跌幅为56%，市场估值不段降低
PS：如果市场最低PE是5倍，且长期存在几百个PE是5倍左右的股票，那么采用低PE策略也会有惊人的收益，这时价值投资者一定会欢呼，但这其实是因为套利才取得的收益，
2.成长型。
理论基础是：高速成长会带来股价上涨
黑天鹅是：1.成长股不一定上涨，只是降低估值，2.成长很难量化，单季度变化大，
历史回测：首先测试的是增速，营业利润、营收、预期收入等都可以有增速
测试结果为：5日20.88%，20日18.6%，60日13.5%，120日11.91%，240日9.91%
另外测试PEG，由于PEG指标里有PE，其实是包含了低估和成长两套理论
测试结果为：5日18.96%，20日18.34%，60日13.48%，120日11.38%，250日5.41%
结论：1.用PEG选低于1的竟然如此至少，现在全市场十分高估，2.用分析师预期增长率结果也不好，不信你试试
3.品质型
理论基础是：高ROE、ROIC、高股息的股票长期跑赢市场
黑天鹅是：不是连续指标，单季度变化大，
历史回测：一年净资产收益率：
测试结果为：
五年净资产收益率：
测试结果为：
结论：净资产收益率，简单从高到低做测试不科学，净资产收益率超过100%的就有好几个
4.小市值型