-
News Message
Alpha策略
- by wittx 2020-09-04
1.量化对冲Alpha策略简介
股票对冲策略通过做多/做空两种方式来投资股票及其衍生品(如股指期货、融资融券等)。投资范围可以是全市场，也可以专注于某些特定行业、主题。不同的基金在净风险敞口、融资杠杆、持有期、持股集中和持有股票价格范围方面有很大的差异。国内比较常见的是Alpha策略，即运用复杂的量化方法从技术面、基本面角度分析未来价格变动趋势以及不同股票间的相关性，进而买入低估值股票同时卖出高估值股票，或者通过股指期货对现有投资组合头寸进行完全(或部分)对冲，隔离系统风险，获取Alpha收益。该策略的成功取决于量化选股模型的有效性、对冲的覆盖程度，选股模型越有效、系统风险对冲得越好，策略效果越好。
1.1 Alpha的含义
根据拓展的资产定价模型（CAPM），我们知道，证券s的实际收益率满足：
其中，Rs为现货组合的预期收益率，rf为无风险利率，Rm为市场指数的预期收益，ϵs为误差项，α衡量了非系统性风险，βs衡量了系统性风险。投资者在市场交易中同时面临着系统性风险和非系统性风险，Alpha策略通过对系统性风险进行度量并将其分离，从而获取超额绝对收益。
1.2 Alpha和Beta关系
市场上常见的指数基金表现为：如果整个市场涨了，业绩也跟着涨。但如果整个市场跌了，业绩也跟着跌。因为它的贝塔系数一般在1左右，它的收益主要来源于Beta。
若把投资组合收益率分解成阿尔法和贝塔两部分以后，发现一个最重要的事实，这两部分的价值是不一样的。 简单地说，阿尔法很难得，贝塔很容易。只要通过调节投资组合中的现金和股票指数基金(或者股指期货)的比率，就可以很容易地改变Beta系数，即投资组合中来自整个市场部分的收益。
因此Beta很便宜，Alpha却很贵。 指数基金和ETF基金是购买纯Beta的工具。因为只有贝塔，所以它们一般只收取很低的管理费。没有Alpha，所以它们一定不会收取基于利润的分成费。 在主动性公募基金，基金经理试图获得更好的绩效，也就是除Beta以外还想得到更多的Alpha。想获得阿尔法靠的是真本领。贝塔只是随大势，但“水可载舟，亦可覆舟”。国内的许多基金都只有贝塔，当然这很大程度上是因为缺乏金融工具的选择，比如在融资融券出台之前不可以沽空。当大盘开始暴跌的时候，也就是“股神”神话破灭的时候。 业内人士有个比喻：阿尔法是肉，贝塔是面。指数基金全是贝塔，卖的是馒头；主动型公募基金卖的有肉有面，是包子；而对冲基金卖的就是纯肉。肉比包子贵，包子比馒头贵，贵表现在其收费模式是"2-20"，即2％基础管理费和20％业绩提成
1.3 Alpha策略的基本思想
Alpha策略是典型的对冲策略，通过构建相对价值策略来超越指数，然后通过指数期货或期权等风险管理工具来对冲系统性风险。Alpha策略属于市场中性策略，但是Alpha策略的约束更小，其Alpha来源可能是行业的、风格的或者其他的。Alpha策略注重选股，属于主动投资，相比之下，Beta策略注重对投资时机的选择，属于被动投资。
虽然量化策略的最终目标是通过各种手段获取稳定的 Alpha，但是由于当今市场政策，完全对冲Beta成本过大，而且期权标的物是都是大盘股，不能代表整个市场。以上种种原因导致产品无法进行完全对冲，所以现实中多数产品的收益是由Alpha与Beta两部分组成。Beta 提供的收益来源于产品对市场以及风格（大小盘、成长价值等）的敞口，Alpha 提供的收益来源于产品管理人的管理能力，是产品收益剔除了 Beta 带来的收益后所剩余的部分。所以很多打着‘Alpha策略’标志的产品最终的表现实际上由 Alpha 与 Beta 共同决定。通过量化的手段，产品仅能够获取稳定的 Alpha，但是 Beta 带来的收益并不稳定。只有在产品 Beta 敞口与市场偏好相符时，Beta 才会进一步增强产品的收益。反之，Beta 敞口会明显削弱产品的收益。考虑到 Beta 对于收益的影响强于 Alpha，市场整体表现的变化或者市场风格的切换都可能对于产品最终的业绩表现产生明显的影响。
1.4 Alpha策略的分类
在实际中经常使用的Alpha策略主要有：多因子、风格轮动、行业轮动、资金流、动量反转等。
多因子是应用最为广泛的一种策略，该策略选择一系列因子搭建模型。通过这些因子筛选股票，满足则买入，不满足则卖出。多因子的最大优势在于，在不同的市场和行情下，因子库中总有一些因子能够发挥作用。
风格轮动是指利用市场的风格特征进行投资。市场有时会偏好小盘股，有时偏好大盘股。通过观察某些指标来判断市场的倾向性，在风格转换的初期介入，我们可以获得较大的超额收益。
行业轮动是指市场在经济周期的作用下对各个行业产生不同的偏好。在经济周期中，我们可以按照顺序依次对各个行业进行资产配置，从而获取相比于买入持有策略的超额收益。
资金流是根据资金的流向来进行选股。对于一只股票，资金流入时，股票的价格应该会上涨；资金流出时，股票的价格应该会下跌。通过观察资金流的情况，我们可以预测未来股价的变化。
动量反转是指股票的强弱变化情况，过去一段时间强的股票，在未来一段时间继续保持强势，过去一段时间弱的股票，在未来一段时间继续弱势，这叫做动量效应。过去一段时间强的股票在未来一段时间走弱，或者过去一段时间在弱的股票在未来一段时间走强，这叫做反转效应。通过判断动量和反转的有效性，筛选出应该购买的股票。
1.5 Alpha策略的优势
Alpha策略有三大优势：一是回避了择时这一难题，仅需专注于选股；二是波动较单边买入持有策略要低；三是在单边下跌的市场下也能盈利，Alpha与市场的相关性理论上为0。在熊市或者盘整期，可以采用“现货多头＋期货空头”的方法，一方面建立能够获取超额收益的投资组合的多头头寸，另一方面建立股指期货的空头头寸以对冲现货组合的系统风险，从而获取正的绝对收益。
2 因子的分类
下面开始介绍最常见的Alpha策略：多因子策略
对于因子的分类方法很多，整体而言，因子可以被分为基本面因子和技术面因子。基于对一只股票的不同特征的刻画，一般而言，可以将因子更加细致地分为：盈利性、估值、现金流、成长性、资产配置、价格动量和技术面因子。
2.1 盈利性
与盈利性相关的因子主要反应了公司利用现有资源实现收益的能力。公司的盈利能力可以通过许多方法来衡量，例如投入资本回报率（ROIC）、已利用资本回报率（ROCE）、净资产收益率（ROE）、总资产收益率（ROA）、边际利润、人居收入、经济利润、投资增额收益率。整体而言，盈利性因子是一类效果较好的因子，即盈利性好的公司股票具有显著的正超额收益，而盈利性差的公司股票具有显著的负超额收益。
2.2 估值
估值因子主要反映了股票作为一种资产的价值，这种资产价值和股票的价格相关，但其决定性因素是该公司为其客户创造价值的多少。估值可以通过许多方法得到，但都包括了一定的定性分析和对未来的预测。常见的估值因子有：自由现金流价格比、外部融资总资产比、企业价值与EBITDA比（EV/EBITDA）、市盈率、股息率等。
市销率可以说是美国股市最有效的因子，但是在中国股市却失效。国内分析师团体更倾向于用市盈率来进行估值，主流研报上市盈率更有市场，故市盈率可以说是国内第一估值因子。
2.3 现金流
现金流可以分为经营性、投资性和融资活动三类。其中，我主要关注经营性现金流。经营性现金流，包括从商品销售和服务得到的现金减去生产这些产品和提供这些服务需要支付的现金流出，其中包括为利润支付的现金税和为债务融资支付的利息。一个公司产生的经营性现金流水平是衡量未来股市回报的一个重要指标。常见的现金流因子有：自由现金流（FCF）和营业收入之比、投入资本现金回报率（ROIC）等。
2.4 成长性
成长性因子在市场中通常获得的超额收益较为微弱。这主要是因为成长性投资更多地是定性而非定量的，更加依赖投资者独到且有前瞻性的眼光而非精确的数量分析，更加偏向于”艺术“而非”量化“。尽管如此，成长性仍然是我们因子库中重要的一部分。正如成长性投资者们所说的：”我所知道的投资中的最大的一个错误，就是对那些最伟大公司和其他普通投资一视同仁。“在实际使用成长型因子的过程中，我们常常和其他因子结合使用，以弥补其预测性不足的劣势。
常见的成长性因子有：每股自由现金流、每股盈余等。
2.5 资产配置
资产配置主要涉及一家公司资本资源的使用情况，我们主要考虑现金来源和现金使用两方面的内容。现金来源主要包括业务经营、资产和投销售收入、发行股票和发行债券等。现金使用主要包括经营费用、业务投资、业务收购、项目或证券投资、支付现金股利、偿还债务及回购股份等。常见的资产配置因子有：净回购股份与投入资本比、一年流通股减少量、一年长期债务减少量、外部融资和总资产比、三年平均资本支出和投入资本比、收购与投入资产比等。
2.6 价格动量
价格动量因子能够在一定意义上反映市场周期和投资者情绪，并依此对未来进行预测。价格动量一般的衡量指标是价格变化的速度，或一段时间内价格的变化率。正的价格动量意味着某只股票的买家数量正在不断增加，需求大于供给；负的价格动量则意味着供需平衡向卖家倾斜，供给大于需求。常见的价格动量因子有：相对强弱、价格范围、相对强弱指数等。
2.7 技术面因子
技术面因子相比于基本面因子，数据更新时间快，更加注重市场的微观结构，而非股票的价值。常见的技术面因子有：强弱指标(RSI)、随机指标(KD)、趋向指标(DMI)、平滑异同平均线(MACD)、能量潮（OBV)等。由于技术面因子的Alpha往往不稳定，所以在实际应用中较为少见。
3.因子的筛选和评价
因子筛选的前提是获取到充足的历史数据，这方面包括基本的股价历史行情，基本面数据，分析师情绪指数，宏观经济数据等等，Tushare提供免费的程序化接入端口，更详细的话则需要用到wind或者Bloomberg，通过对这些海量数据进行分析，力求从中找出具有显著超额收益的因子。
3.1 因子筛选的整体思路
上市公司的数据多而繁，在对这些数据进行处理之前，我们需要对数据进行选择，即对因子进行初步的筛选。筛选因子的主要原则有：
a. 数据的准确性和真实性；
b. 数据的完整性；
c. 数据来源的稳定性。
3.2 因子评价的整体思路
在完成了因子的初步筛选之后，需要对因子进行进一步的评价。因子评价的整体思路是研究各个股票的超额收益和因子参数之间的关系。我们试图找出这样的因子：对于绝大多数股票而言，当该因子参数越大/越小时，超额收益越大/越小，或者关系恰好相反。总之，我们试图找出那些能够有效预测一只股票未来超额收益的因子，无论两者是正相关还是负相关。
研究股票超额收益和因子参数之间关系的方法主要有两种：
第一种是根据因子参数的大小对股票进行分组，计算每组的平均超额收益，并依次进行因子胜率、t检验。
第二类是在每一个时间点上，计算全体股票截面上的超额收益率和因子参数大小的相关系数以及信息比率。
4.因子的组合
4.1 冗余因子的剔除
由于很多因子内在的驱动原因大致相同，所以通过这些因子选出的股票往往很相似。即统计学意义上的自相关性，因子不能相互独立。所以需要剔除掉一些有效，但是信息冗余的因子，即在同类的因子中，我们只需要保留收益最好、区分度最高的那一个。
剔除冗余因子的一般方法如下：
a. 我们取出各个有效因子在各个时间点上关于分组的序列；
b. 计算这些序列的相关性矩阵；
c. 得到相关性矩阵关于时间的序列，求这个序列的均值；
d. 通过这个均值矩阵挑出相关性较大的因子组；
e.对于每个因子组，挑选其中有效性最好或者收益最好的一个因子作为最终的因子。
4.2 因子的降维
在多因子模型的实际应用中，希望将有效的因子加以组合和处理，减少模型中变量的个数，这种减少自变量的过程叫做降维。降维有利于防止过拟合，过拟合就是把历史数据的噪音也拟合过来了，所以因子并不是越多越好。
像在低速运动中是万能定律，牛顿第二定律F=ma，仅仅2个因子就可以解析万物的运动规律，爱因斯坦的质能方程E = mc²，尽管在推到的过程非常复杂，用到的数学工具非常高深，但是最终结论可以是简洁漂亮的。股神巴菲特的投资方法也被后人总结成仅仅靠6因子就可以战胜市场。
降维的主要方法有：因子简单平均降维法、因子历史平均收益率加权平均降维法、逐步回归、主成分分析等
a. 因子简单平均降维法：因子简单平均降维法就是对同类的因子进行简单的等权平均处理，对因子参数求平均，作为新的复合因子。
b. 因子历史平均收益率：加权平均降维法就是对同类的因子按照历史平均收益求加权平均，因子的历史平均收益取各个时间点分组的第一组的收益。
c. 逐步回归：在实际的多元回归问题中，我们总试图找到所谓“最优”回归方程, 主要是指希望在回归方程中包含所有对因变量y影响显著的自变量而不包含对y影响不显著的自变量的回归方程。逐步回归分析正是根据这种原则提出来的一种回归分析方法。它的主要思路是在考虑的全部自变量中按其对y的作用大小,显著程度大小或者说贡献大小,由大到小地逐个引入回归方程,而对那些对y作用不显著的变量可能始终不被引人回归方程。另外, 己被引人回归方程的变量在引入新变量后也可能失去重要性,而需要从回归方程中剔除出去。引人一个变量或者从回归方程中剔除一个变量都称为逐步回归的一步,每一步都要进行F检验,以保证在引人新变量前回归方程中只含有对y影响显著的变量,而不显著的变量已被剔除。
d. 主成分分析：主成分分析的基本思路是将原来具有相关性的一些指标组合成一组新的互相无关的综合指数来代替原来的指标。一般情况下，用原来指标的线性组合作为新的综合指标。我们认为一个综合指标的方差越大，其包含的信息也就越多。因此，在所有线性组合中，用方差最大的那一个作为第一主成分。如果认为第一主成分不能有效地反映原来的信息，我们就取另一个和第一主成分相关系数为0的线性组合作为第二主成分，以此类推。
4.3 因子权重的确定
在完成了因子的筛选和降维之后，需要确定因子权重。对因子赋权的方法有很多，在此简要介绍三种：等权赋值、回归赋值、IC-IR因子赋值。
等权赋值：等权赋值是指在组合各个因子时对各个因子赋以相等的权重。
回归赋值：回归赋值是指在组合各个因子时，我们对某个时间区间上的收益率和参数因子进行最小二乘法回归，回归所得的系数向量即为各个因子的权重向量。
IC-IR因子赋值：IC-IR因子赋值是指在组合各个因子时，考虑因子的IC序列，优化因子组合的IR值，取使得IR值最大的组合权重为最终的权重。
5 基于因子库选股
在完成了因子的筛选和组合之后，就基本建立起了自己的Alpha因子库。基于这个因子库，可以筛选出这些因子较为突出的股票，并通过这些股票实现因子的超额收益。常见的选股方法有两种，分别是打分法和回归法。
5.1 打分法
打分法就是根据各个因子的大小对在一定时间（如每2周）对一篮子股票进行打分，然后按照一定的权重相加得到一个总分，通过分数的高低进行股票的筛选，如购买前50名股票。基于周期打分循环，每2周调一次仓位。打分法的特点是比较稳健，不易受到特殊值得影响。
5.2 回归法
回归法就是用过去的股票的收益率对多因子模型进行回归，得到回归方程，然后把最新的因子值代入到回归方程中得到一个对于未来股票值得预测，根据这个预测来进行股票的筛选。回归法的优点是能够比较及时地调整股票对各个因子的敏感性，但是回归法比较容易受到极端值得影响，导致选股失败。
参考：
高道德/袁林青 《2017 年金融工程中期策略——从“Alpha +Beta”的角度分析量化产品业绩表现》海通证券研究所
量化对冲实验室 《Alpha策略因子的选择与评价》
Share Http URL: http://www.wittx.cn/get_news_message.do?new_id=143
Best Last Month
Information industry by wittx
Information industry by wittx
Information industry by wittx
Computer software and hardware by wittx
Medical science by wittx
Information industry by wittx
Information industry by wittx
Information industry by wittx
Information industry by wittx
Electronic electrician by wittx
