Alpha系列——股票主动投资组合管理思想和框架


#1

这是关于股票主动投资组合管理的第一篇教程。在开始介绍正式内容之前,我先简要简要说一下《Alpha系列》的初衷。

近年来,随着国内大数据和人工智能的迅速崛起,量化交易领域也有了长足的发展。 从原来的指标驱动型程序化交易,演化到现在的以机器学习、人工智能为代表的新型量化交易。同时,量化交易的门槛与过去相比下降了许多。 不仅是因为这些年数据科学的发展带动了python及其生态的成熟和推广,更由于类似tushare、vnpy、zipline等开源项目以及像quantopian、bigquant等量化平台的出现, 使得以前做量化先造轮子到现在量化从业者可以专注于策略的研发,使得更多的人能够进入到这个领域。

这些年,量化理论的发展,也有了突破性的成果。从经典的CAPM、APT到Grinold和Kahn在2000年提出的主动管理基本法则,简称FLAM,于是主动投资开始席卷投资界。 这套教程的核心便是介绍主动管理的基本框架和应用,从而让更多的量化从业者、量化爱好者可以从一个方法论的角度去研究量化。

好了,不啰嗦了,进入正题。

主动投资流程

  • Alpha模型:首先,也是最为重要的,就是预测股票的超额收益。股票的收益分布由预测收益和离散程度组成,预测收益决定了我们对这只股票买入还是卖出、 超配还是低配,收益离散程度(例如标准差)决定了它在组合中的配置。alpha模型之所以如此重要,是因为它是我们投资收益的核心来源,如果不是全部的话。 其实,alpha更多的是一种超额收益的生成机制,业界主流的有用统计模型的,也有现在新兴起来的机器学习。当然,也不一定全部都要用量化的方式,毕竟有一些因素 是模型难以考虑的,但本质都是对股票超额收益的预测,只不过利用量化的方法,我们可以尽可能做到预测流程的可控性、有效性和稳健性。

  • 风险模型:风险模型,尤其是结构化风险模型,可以帮助我们更加深入地进行风险分析。根据《主动投资组合管理》作者的观点,风险模型可以被应用于在三大场景, 分别是当前组合风险分析、评估投资组合过去的业绩表现以及帮助我们设计未来的投资组合。如果说alpha模型是收益来源的话,风险模型则能够定义我们承担风险的方式。

  • 组合优化:组合优化则把收益和风险紧密的连接在一起了。如果说alpha模型代表投资者的能力,风险模型代表投资者的风险偏好,那么组合优化则是权衡两者 实现投资目标的工具和利器。经常看到很多的量化策略,貌似具有不错的alpha能力,但是在风险和组合优化上几乎没有花什么精力,大多是等权重投资或换仓。有些 则是借鉴的CTA策略的仓位管理,大多是线性的固定规则加减仓。当然,这里并不是要批判这些策略,而是在主动投资的框架下,这些显然都不是均值方差最优的选择。 另外,组合优化还可以考虑到交易成本、风险预算、多空策略限制等因素对组合收益的影响,这部分可能也是靠投资者的个人经验难以在投资策略中面面俱到的,但它们 能给投资效益,尤其是实盘业绩产生决定性的影响。当然,要实现组合优化也有一些门槛,需要一些最优化方面建模和数学知识,这可能也是不怎么普及的原因。不过, 这个系列教程的目的就是普及和降低门槛,在后面的教程中我会详细地介绍这方面的内容,并引入一些简单上手的工具。

  • 交易执行:投资和交易都是一个动态的过程。随着预期收益和风险的变化,我们需要对组合进行调整,来捕捉最新的alpha预期。然而组合调整就涉及到仓位的变化, 对于具体的交易执行的方式或许会影响到我们整体的投资收益,比如大量交易对市场价格的冲击、对于低流动性股票的交易执行策略等。交易执行模型的目标就是要最小化 不确定性环境下的交易成本。 当然,这些主要针对机构交易者,个人交易者一般影响不大,所以这方面的内容我们会涉及,但不会作为重点。

  • 业绩分析:业绩分析也是相当重要的,并不局限于看下策略的alpha、最大回撤、夏普比及资金曲线,最重要的是我们要进行alpha和风险的细化分解,找到我们的 alpha来源和风险暴露。在这个课题中,可能就会涉及到各种风险计量方法(如Var、CVar、ES等),以及风险预算框架。

Alpha系列教程大纲

这里只是先给一个教程大纲,具体的计划还在构思当中,后续的教程会大致按照这个方向。如果大家有什么补充或者建议,也可以随时给我留言。

课程大纲:

  • 现代投资组合理论MPT
  • alpha因子评估框架
  • 量化因子简介
  • 风险模型与风险分析
  • 多因子alpha模型
  • 高级alpha建模技巧
  • 因子择时
  • 信息尺度
  • 组合再平衡问题
  • 交易成本建模
  • 约束条件下组合优化问题
  • 基准择时
  • 稳健组合优化技术

Alpha系列教程方式

现阶段,主要通过notebook的方式,我会尽可能阐述清楚主动投资理论背后的数学,并以python的方式来实现、演示相关概念,最后我还会尽可能地用BigQuant平台回测框架来展示相关概念的一个完整策略。 在大多数的教程中,我们将只关注核心概念而故意简化一些假设条件,当然会和实际投资场景有一些差距,别着急,最后我们会把相关概念和工具都结合起来,构建一个完整的主动投资管理案例。 在每篇教程的最后,我们讲给出推荐阅读的材料,供感兴趣的读者来了解进一步的理论和技术细节。同时,我们还会给出少量的开放性问题,供大家思考和讨论。

文献索引


(tankle) #2

什么时候分享接下来的教程?


(LIHAO117) #3

开课开课, shut up and take my money!!


(feynman0825) #4

后面的几篇教程已经准备差不多了,应该一两天内可以发出来


Alpha系列——因子模型
Alpha系列——主动投资管理定律(基本篇)
Alpha系列——因子模型
Alpha系列(三)——主动投资管理之信息率