研报：

{{membership}}

LLT低延迟趋势线择时交易模型研究

https://bigquant.com/codeshare/38ef8568-518b-4756-98f0-8dd8722d01e5

LLT低延迟趋势线择时交易

[https://bigquant.com/codeshare/942d320a-c17f-4061-9e56-d24e3a0ac472](https://bigquant.com/

222

\

\

价值投资可以量化嘛？我们来尝试下.......

以下文字翻译自Clifford S. Asness，Andrea Frazzini 和 Lasse H. Pedersen（2013）合著的working Paper：Quality Minus Junk。此文的思想，后续体现在 Buffett's Alpha（2013）这篇working Paper里面。

小弟翻译及学术水平有限，倘若有翻译不佳或学理上的误用之处，希望各位大拿不吝赐教，我会不断修改此文。

一、框架与导入：

1.1 市场价格（Book Value调整之后的，即P/B，后续提到的价格皆是如此）视角：

股票的高质量（定义见

交易能不能赚钱，这个话题很大，可以说是世纪争论。如果能解决好这个问题，有生之年拿一个诺贝尔经济学奖，肯定是没问题的。

夏普（对，就是量化策略常用的夏普比率的那个夏普），在1991年，提出：

![](data:image/svg+xml;utf8,<svg%20xmlns='[http://www.w3.org/2000/svg' width='929' height='206](http://ww

本文主要取材于Kok U-Wen, Jason Ribando和Richard Sloan发表在Financial Analyst Journal上的文章"Facts about formulaic value investing"。由于篇幅长度分成两篇。

1. 量化价值投资真的管用吗？（一）
2. 量化价值投资真的管用吗？（二）

本篇的主题是简单的价值比率（如净市率）并不能有效地鉴别被市场错误估值的股票，事实上，它们常常筛选出

https://bigquant.com/experimentshare/4cd77a18145849ba935b42c775c2694e

\

原文章来自Aspect Capital网站，本文为原文章的中文翻译。本文仅用于交流学习使用，不得用于商业用途。如对相关著作人造成侵害，请立即联系译者及时删除。

原文标题：The Art of Simulation

原文时间：2017年2月

翻译：雷闻

摘要

能够回测交易策略在一段时间内的表现，是系统化投资方法的主要优点之一。但是，必须以科学和有纪律的方式进行。回测使我们能够在一系列市场和市场环境中测试投资策略。在最好的情况下，它使投资研究能够采用科学的方法，检验假设并设计策略，目的是评估一种特定的市场交易方法。然而，建立一个看起来盈利的回测策略看似非常容易，

（本文由知友@陈志岗撰写，感谢！！！）

经常有朋友跟我说某某因子选股能力很强，能大幅跑赢指数好几倍，但真相究竟如何呢？一个策略大幅战胜指数是否就说明这个策略真的很牛呢？对于评价一个策略，复杂点的方式可能是通过归因分析等方法去分析策略的收益来源以及风险来源，简单点的方式可能就直接看夏普比率、信息比率等风险调整后的收益率指标。本文介绍另一种比较简单的能够客观评价一个投资策略的方法。

我们知道华尔街有个著名的实验，让基金经理与大猩猩一起选股，结果大猩猩掷飞镖选

今天这篇文章，跟大家聊聊现代资产投资理论（Modern Portfolio Theory，简称MPT）。

非金融背景出身的读者朋友，也不要太紧张。在这篇文章中，我会尽量用简单平实的语言，跟大家把看似比较专业的金融理论逻辑讲清楚。耐心看完这篇文章，你就会明白，那些看似复杂的金融模型，其实也没那么难以理解。

1952年，哈利·马尔科维奇在《金融杂志》发表了题为《资产组合的选择》的论文，探讨了不同类别的、运动方向各异的证券之间的内在相关性。1959年，马尔科维奇出版了《证券组合选择》一书，详细论述了证券组合的基本原理。该理论，后来被称为现代资产投资理论（MPT）。基于该理论，马尔科维奇后来获得诺

\

本专栏获得RCM Alternatives授权发表原文及其翻译。本文不构成投资建议，不代表个人观点，仅用于交流学习使用，不得用于商业用途。更多免责声明参见原文。

原文链接：

[Sharpe Ratio: the Black Sheep of Risk Analysis - RCM Alternatives​www.rcmalternatives.com ](https://www.rcmalternat

https://bigquant.com/experimentshare/d91a71bd79d94b61a1d53d0f3470564e

\

绩效和风险指标被广泛用于评估股票或投资组合的绩效，是投资组合管理的主要组成部分。在这篇文章中，我们将尝试触及一些重要的投资组合和风险指标，这些指标可以让您清楚地了解您的投资业绩和风险。

本文的第一部分着眼于这些常用的性能指标，这些指标使我们能够深入了解交易策略的结构。在本文的第二部分，我们将介绍投资或投资组合中风险管理的一些重要指标。最后一部分通过一个简单的示例简要说明了您的投资组合的策略优化。

为什么我们需要投资组合风险管理？

资产组合的表现是通过一组参数来衡量的。例如，如果您进行股票交易，那么您的回报将与基准指数进行比较。投资组合回报的一致性也被证明是一个重要因素。

摘要

作为《猎金》系列的第二十四篇专题报告，我们将目光聚焦于A股市场的日历效应。具体来说，我们在本文中深度剖析了春节效应对市场整体和常见量化因子的影响。 基于长期历史样本的分析表明，A股市场整体在春节前后表现出了非常高的投资性价比，历史平均夏普比率高达4.0；常见量化因子在春节期间的表现与平时相比也不尽相同：质量、成长、情绪类指标普遍失效，市值和反转因子却更加强势，波动率因子的表现则与平日完全相反，体现出高风险高收益率的特征。 我们基于因子在春节期间的特殊表现，构建了春节效应增强多因子模型，该模型多空年化收益率高达39%以上，夏普比率2.27，且相对基准模型有稳定增强。此外，我们还利用市

摘要

本文利用高频的逻辑挖掘出盘口数据中有价值的信息，并将其处理得到两大类共14个高频因子，最后降为月频的低频因子，在单因子回测中取得优秀的选股效果。其中MPC5_neut因子IC均值-7.62%，年化IR为-3.09，年化多空收益达到30.63%，夏普比率高达2.88，总体选股效果是所有因子里最好的

正文

/wiki/static/upload/e3/e3da5e00-55b2-42ab-96b3-f4b72c3bbfa6.pdf

\

摘要

本文利用高频的逻辑挖掘出盘口数据中有价值的信息，并将其处理得到2个高频因子（买单流动性因子mci、卖单流动性因子MCI，最后降为月频的低频选股因子，在单因子回测中取得优秀的选股效果

其中mci因子IC均值6.89%，年化多空收益26.58%,夏普比率2.71，总体选股效果是所有因子里最好的。mci和mci均对原来的指数增强模型有显著的提升

正文

[/wiki/static/upload/b1/b15163c1-e042-4fc0-97d7-e628ebd57b64.pdf](/wiki/static/upload/b1/b15163c1-e042-4fc0-97d7-

/wiki/static/upload/07/07e75486-8706-4d01-b6d4-da053eb2f18e.pdf

\

因子分析完后，有多空组合，这个怎么套用来选股呢？

https://bigquant.com/experimentshare/5277de40609d4fffa7bbe6df2e5b1231

\

https://bigquant.com/experimentshare/4d787bfaafaa40578641e6d2ae0b6fd0

\

问题

求问未来2日夏普比率最大的标注怎么写？

解答

个股的夏普比率比较少见，可以用未来两日超额收益除以波动

问题

请教如何在自定义运行中，用代码取得回测的年化收益、胜率、夏普比率、最大回撤数据

解答

https://bigquant.com/experimentshare/7da6b331e82e44ee8f6f0fc656052c16

\