時間:2023-07-02 09:21:31
序論:寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感,挖掘那些隱藏在內心深處的真相,好投稿為您帶來了七篇量化投資的優點范文,愿它們成為您寫作過程中的靈感催化劑,助力您的創作。
[DOI]10.13939/ki.zgsc.2015.25.083
Alpha策略最初的理論基礎是套期保值,是由美國經濟學家H.working提出的,隨后股指期貨的面市,量化研究便激發了人們濃厚的興趣。傳統的資產管理者理念的哲學基礎大部分為追求收益風險平衡,然而平均市場收益與超額收益又很難達到絕對的均衡,因此將超額收益也即Alpha分離出來,建立起基于Alpha策略的量化投資,有助于指導投資實踐。
1 Alpha策略在量化投資中的應用意義
量化投資指的是以現代計算機技術為依托,通過建立科學的數學模型,在充分掌握投資環境的基礎上踐行投資策略,達到預期的投資效果。采用量化投資方式的優點包括其具有相當嚴格的紀律性、系統性,并且對投資分析更加準確與及時,同時還具有分散化的特點,這使得策略的實施過程更加的機動靈活。量化投資過程使用的具體策略通常有量化選股、量化擇時、統計套利、高頻交易等,每一種策略在應用過程各有千秋,而Alpha策略屬于量化選股的范疇。傳統的定性投資也是投資人基于一種投資理念或者投資策略來完成整個投資活動的,最終的目的是要獲得市場的占有率,并從中取得豐厚的利潤。從這個角度來衡量,量化投資與傳統投資的本質并無多大差別。唯一不同的是量化投資對信息處理方式上和傳統定性投資有著很大的差異性,它是基于現代信息技術、統計學和現代金融工程理論的基礎上完成對各類數據信息的高效處理,在對信息處理的速度、廣度上是傳統定性投資無法比擬的。在對投資風險的控制方面也具有很大的優勢,是國際投資界興起的新型投資理念和應用方法,也在日益成為機構投資者和個人投資者共同選用的有效投資方案。現階段量化投資的技術支撐和理論建設的基礎包括人工智能技術、數據挖掘、支持向量機、分形理論等,這些現代信息處理與數據統計方式為量化投資的可操作性提供了堅實的基礎。
Alpha策略在量化投資中的使用優點主要是對投資指數所具有的價值分析與評定。它不是依賴于對大盤的走向變化或者不同股票組合策略趨勢的分析,對投資價值的科學分析與合理評估更能吸引投資者的目光。Alpha策略重視對沖系統風險所獲得的絕對收益,在股票投資市場上是一種中性的投資方式,具體的程序有選擇資產、對資產的優化組合、建立具體組合方式、定期進行調整。為了促進該策略在投資市場中獲得良好的收益,就必須先要重視優秀的選股策略,其次是重視期貨對沖平均市場收益的時候所產生的風險控制問題。對沖系統風險時,若是能夠及時地對投資組合與相關的股指期貨的平均市場收益指進行精準地判定和預測,那么將會對整個投資行為產生積極的影響。
2 基于Alpha策略的量化投資具體策略和實踐方法
通常情況下,Alpha策略所獲得的實際收益并不是一成不變的,這與該策略本身的特定有關,具體表現在周期性與時變性上。
Alpha策略的時變性主要是指當時間產生變化時,超額收益也會隨之而改變。需要清除的是Alpha反映的就是上市公司超越市場的預期收益,因此屬于公司資產未來估值預期的范疇,所以上市公司自身所處的發展階段和發展環境不同,那么就會給Alpha帶來影響。由于時變性的特點,這就給策略的具體估計模型的設立帶來了更多不可確定的因素,為此,參照對Alpha滿足不同動態假設的理論基礎,建立起一個可以獲得不同種類估算的模型,同時假定在同一個時間范圍內,超額收益和市場平均收益都保持恒定不變,這就極大地簡化了計算的過程與步驟。也就是說在該段時間內,市場上股票投資組合基本面不會有太大的變化與波動,這就與實際的投資狀況基本達成一致。對于投資策略的調整則要根據上市公司重大事項發生情況而定,那么估算的時間單位周期可以采用每日或者每周估算,對每一個季度的歷史數據進行調整也可以作為一種調整方式,反映公司季度行情。對于具體證券而言,采用季度或者每周的調整頻率則不是最為理想的,還要針對公司情況與市場行情綜合調整。
Alpha的周期性特點在交替出現的正負號上最為突出,導致這一情況產生的原因主要是行業的周期性特征與套利效應共同造成的。具體而言,首先不同類型的證券分別屬于不同的行業所有,當行業處于景氣周期循環狀態下會影響Alpha的符號與大小,同時景氣程度的深與淺也會對此產生影響。其次一個股票組合產生非常大的超額收益情況下,市場中的其他機構投資者或者個人投資者就會不斷地參與到該組合的投資中來,最后會導致Alpha逐漸接近于零。因此在建立不同策略的組合方面,要針對每一個季度的具體情況和波動率,進行綜合性地評價與分析,并及時地做出必要的調整,以便最大限度地獲得市場收益。
量化投資中的Alpha策略并不是一種單一類型的策略,不同的策略都在尋求獲得超額收益的市場機會和可能性。現階段市場上采用的Alpha策略主要有多因子選股策略、動量策略或者反轉策略、波動性策略、行業輪動策略、行為偏差策略等,每一種策略在具體實施過程中都有其特征性,并且可以相互結合使用,發揮出綜合預測和評價的作用。
多因子選股策略是必要和常用的選股方式,最大的優勢是可以將不同種類和模塊的信息進行高效化綜合分析與評價后,確定一個選股最佳方案,從而對投資行為進行指導。該種選股策略的模型在建立方面比較容易,是量化投資中的常用方式。同時多因子模型對反映市場動向方面而言具有一定的穩定和可靠性,這是因為所選取的衡量因子中,總有一些可以把握住市場發展行情的特征,從而體現其本來就有的參考價值。所以在量化投資過程中,很多投資者都使用多因子模型對其投資行為進行評估,無論是機構投資者或者是個人投資者,都能夠從中受益。多因子選股策略模型的建立重點在于對因子的剔除和選擇上,并要合理判斷如何發揮每一個因子的作用,做出綜合性的評定。
動量策略的投資方式主要是根據價格動量、收益動量的預期與評定,對股票的投資進行相應的調整,尤其是針對本身具有價格動量的股票,或者分析師對股票的收益已經給予一定評級的股票,動量策略的應用效果會比較理想。在股票的持有期限內,某一只股票在或者股票投資的組合在上一段時間內的表現均佳,那么則可以判斷在下一段時間內也會具有同樣的理想表現,這就是動量效應的評價依據,從而對投資者的行為起到一定的影響作用。反轉策略和動量策略恰好相反,是指某一只股票或者股票投資組合在上一段時間內表現很不理想,然而在下一個時期反而會有突出的表現,這也給投資者帶來了一線希望,并對影響到下一步的投資策略的制定。
波動性策略也是Alpha策略的一種方式,主要是利用對市場中的各股運動和發展狀態的細致觀察與理智分析后,列出一些具有相當大的波動性的股票,同時這些股票的收益相關性也比較低,對此加以動態化的調整和規劃,從而逐漸獲得超額收益的過程。在一些多因子選股策略中也有機構投資者或者個人投資者將股票具有的波動性作為考察與評價因子之一,波動性策略經常和其他策略相結合來評價,這說明股票投資市場本身就具有一定的波動性,因此在投資過程中要慎重對待。
行業輪動策略和行為偏差策略的應用頻率不似前面幾種高,但也會和另外幾種策略相互結合使用。行業輪動策略主要是為了充分掌握市場行業輪動機制與特征,從而可以獲得高額的收益,對行業之間的投資也可以非常高效和準確地進行,對把握正確的時機有很大的優勢。行為偏差策略目的是窺探到股票市場中存在的過度反應或者反應不足等現象,這些都屬于股票投資市場的偏差,從而可以通過投資者對不同股票抱有的差異化評價來實現超額收益。
而在極度弱市的市場下,部分基金卻依舊在為投資者持續的創造財富,那便是對沖基金。大多數投資者理解對沖基金是運用對沖工具進行投資的基金,例如股指期貨、融券賣空、杠桿操作、程序化交易等手段;確切的來說,對沖基金是不同于傳統股票型基金的一種投資基金形式,操作得當的話不僅能在市場上漲時獲得收益,下跌時也可能獲得絕對收益。市場中性策略就是這樣最典型的一種對沖基金,凈值不受市場暴漲暴跌影響,在當前連續下跌的環境下給投資者耳目一新,好買基金研究中心從眾多私募產品中,羅列了市場中性的對沖基金產品,供投資者參考。
信合東方合伙企業是市場中性策略基金中成立較早的一只,其優點是在市場經歷大幅回撤的情況下基金表現出良好的獲得絕對收益的能力,與市場關聯程度較低。信合東方合伙企業成立于2007年12月底,基金經理是黃如洪與唐偉曄。其業績確表現出獨立于指數的走勢,在2008年市場哀鳴一片時,信合東方合作企業取得53.66%的絕對收益,2011年滬深300全年跌幅25%,該基金取得25.17%的絕對收益,市場中性產品的優勢在弱市中十分搶眼,今年以來信合東方合伙企業取得0.39%的絕對收益。
信合東方合伙企業不僅參與股票、股指市場,同時也參與商品期貨市場,資金分配上股票加股指策略占70%資金,商品期貨占30%。對于持倉風險的管理,信合東方合作企業所采用量化風險模型,模型的預期效果是實現整體持倉月度虧損被控制在5%之內。為了最大程度上分散持倉風險,信合東方風控制度規定合伙企業持倉在任何時間點不得低于30種投資策略。任何交易策略持倉虧損達到某個預警線后,會平倉該策略倉位的部分持倉,若虧損繼續擴大某個百分比,平倉該策略的倉位的一半以上的持倉,虧損若進一步擴大會強制止損平倉,嚴控風險。
今年以來收益最高的是朱雀阿爾法1號,該基金成立于去年11月中旬,基金經理是梁躍軍。朱雀阿爾法1號采用市值對沖,即期指空單的持單市值覆蓋掉持有多頭股票的市值。在股票多頭組合上,選股主要是來自多因子選股與行業研究員推薦兩大方面,多因子選股,即通過估值、盈利、成長等多重因素,權衡各種因素的重要性后給予一定權重,由此選出符合指標的股票;因子選擇上會采用勝率高、單調性強、區分度高、穩定強的因子,基金經理每月調整一次組合,該組合的月度最大回撤小于2%。在空頭方面則是做空滬深300股指期貨,假設當市場下跌3%時,持有的空單會盈利3%,來彌補持有一籃子股票的損失,這是市場中性策略在大盤下跌過程中的體現出獨立于市場的特性,朱雀阿爾法1號整個股票池的貝塔值接近于1。今年6月14日至6月26日,短短兩周內大盤跌幅高達9.73%,朱雀阿爾法1號取得2.49%的正收益,截止6月26日朱雀阿爾法1號今年以來取得16.40%的絕對收益。
杉杉青騅旗下的青騅量化對沖1期也是市場中性產品,青騅量化對沖1期成立于2012年4月,基金經理是郭強,該產品同樣是采取市值對沖的模式,但是公司在凈頭寸上有較大的自,可以進行微調,凈市值在正負20%之間。青騅量化對沖1期的股票持倉相對比較分散,一般來說,組合內會配置800只左右的股票,每只個股的權重不同,在市場遭遇大跌時,由于持股分散,加上空單的保護,凈值回撤幅度較小,公司目標是將年化波動率控制在5%以內;在市值分配上,股票占整體基金規模的70%左右,剩余的30%的資金來操作股指期貨。青騅量化對沖1期在今年3月21日至6月21日期間取得2.85%絕對收益,同期大盤跌幅10.81%,今年以來截止于6月21日,青騅量化對沖1期為投資者創造了2.94%的絕對收益,月度最大回撤控制在1.5%以內。
2011年7月1日,本刊正式引入《今日投資66》專欄,介紹今日投資66的選股邏輯、方法以及挑選出的股票。今日投資66(簡稱I66)是利用量化投資方法挑選出的一個66只股票的組合。其實早在2005年中今日投資就推出了I66,過去幾年累計收益率達到16倍,遠超同期市場不到3倍的漲幅。為什么直到今日我們才大張旗鼓地推出I66呢?原因其實很簡單,因為市場環境。量化投資近幾年在中國快速發展,其投資理念也越來越多地獲得認同。
股票市場上形形的各種分析方法總結起來可以歸類為三大流派:數量分析、基本面分析和技術分析。關于這三大流派孰優孰劣的爭論已經持續了近百年,三方各執一詞,百年爭論下來也沒有爭出個結果來。當今世界也是這三種流派大概各占三分之一的格局。而A股市場顯然尚未跟上,量化投資遠遠沒有達到三分之一的市場占有率。
第一部分:什么是量化投資
量化投資在海外的發展已有30多年的歷史,其投資業績穩定,市場規模和份額不斷擴大、得到了越來越多投資者認可。事實上,互聯網的發展,使得新概念在世界范圍的傳播速度非常快,作為一個概念,量化投資并不算新,國內投資者早有耳聞。但是,真正的量化基金在國內還比較罕見。那么,何為量化投資?
康曉陽:量化就是符合投資常識的投資邏輯和策略
接下來會發生什么?
深圳市天馬資產管理有限公司是國內最早開發量化投資模型的資產管理公司,致力于量化投資工作接近十年。作為國內量化投資的“開山鼻祖”,深圳天馬的董事長康曉陽先生如下介紹量化投資:
大家看到這個圖,魚跳起來了,風在刮,接下來會是什么?日本發生的9級大地震!2011年3月7日我看到一個報道,有50條鯨魚在擱淺沙灘,就在發生地震那個縣東部的海岸,有的死了,專家解釋這些鯨魚集體迷路了。作為一個地震專家或者學者,其實他們的經驗沒有告訴他這50條鯨魚擱淺沙灘跟地震有什么關系。到底有沒有關系呢?我們知道5•12四川大地震之前發生了同樣的事情,很多癩蛤蟆過馬路,這跟地震有什么關系?
投資做股票有兩類,講很多種策略,無外乎就是買你自己喜歡的和買市場喜歡的,買自己喜歡和買市場喜歡的背后邏輯就是找影響股價的要素。
量化是什么?做投資,最終的分析停留在數據上,既然是數據,就可以標準化、固化。從你自己的角度買自己喜歡的東西,其實也可以量化,每個人都有對美的標準,但并不是符合這個指標,你就一定喜歡。如果有一個海選,把符合你喜歡特征的人放在你面前你去選,就可以量化。
鯨魚擱淺在沙灘上,根據歷史數據統計就會發現這個事情跟接下來要發生的事情有什么關聯。把人的行為邏輯影響股價所有的要素進行綜合分析,預測下一個市場喜歡的東西或者喜歡的策略是什么,簡單一句話,量化就是符合投資常識的投資邏輯和策略。就股票來講,投資標的的數據和因素量化,再用一些模型統計的方法把選出來的標的進行優化,最后成為投資組合,這就是量化的基本邏輯。用數理的方法把你的投資邏輯或者市場的投資邏輯固化,只要有投資邏輯的思想或者策略,都可以量化。
就股票而言,有很多種方法,有價值型股票,分析方法無非是那幾種,只是大家的標準不一樣,量化的東西可以設一個相對寬松的東西,初選之后再優化,比如成長型股票,肯定關心盈利、收益。選出來10個、20個、50個甚至100、200個股票,然后配比重,怎么優化組合,根據你的風險和預期收益率反推回來怎么優化,最后得出一個比重,哪只股票應該投多少。有些是成本交易,比如套利,什么情況下出現一定條件的時候提示你。
要真正做到量化,首先要有一個基本的理論模型。你要覺得什么樣的股票表現好,什么樣的股票你愿意投資,這就是量化的基本邏輯。但是,有了這個邏輯之后還不夠,還要有復合型人才,因為量化投資不光要懂得投資股票,還要懂得數理分析。打個比方,雖然我很懂股票,但我不懂數理分析,很多計算機模型也不懂,更不懂編程序,要真正做到量化投資,就必須有復合型團隊。為什么這么多年華爾街學金融工程、數理、物理的人大受歡迎?因為他們可以用統計工具。前段時間我在英國的一所大學和一些專門做模型分析的教授交流,我發現他們想的東西更加復雜,基本上把市場上任何的東西都想要量化。
我理解,就是去跟蹤你的投資邏輯,它只是幫你實現你想法的一種工具。另外還要有高質量的數據,因為,你通常看到的東西和市場本身存在的東西可能并不一樣。如果把鯨魚放到海灘上,這作為數據化,統計過去2000年有多少次鯨魚擱淺在海灘發生,假如有真實的數據,就可以研究出跟地震的相關性。要懂數理統計工具,建立模型就是紀律,不能改變,改變就不是模型。有人說看到今天不行,換一下,那就不是模型了。我們看過一個電影,造出來的機器人最后自己都控制不了,那就是模型。如果造出來的機器人自己能控制,那不是模型。人為什么能掙得到錢,為什么還要量化?傳統是靠個人經驗的,而且你看到、聽到的東西都是有限的。量化有什么好處?它可以把你知道的東西在整個森林中搜索。計算機是不知疲倦的,晚上你在打鼾,計算機還可以工作。你的模型是你建的,你很理性的情況下建的模型,市場情緒變了,它不會變,那時候你不可能去改模型,所以它不會受情緒的影響。
華泰聯合:實現投資理念與策略的過程
國內研究機構中涉足量化投資較早并多次獲得新財富最佳分析師評選金融工程第一名的華泰聯合證券金融工程團隊如是說:
數量化投資是利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程。與傳統定性的投資方法不同,數量化投資不是靠個人感覺來管理資產,而是將適當的投資思想、投資經驗、甚至包括直覺反映在量化模型中,利用電腦幫助人腦處理大量信息、幫助人腦總結歸納市場的規律、建立可以重復使用并反復優化的投資策略(經驗),并指導我們的投資決策過程。
本質上來講,數量化投資也是一種主動型投資策略,其理論基礎在于市場是非有效或弱有效的,基金經理可以通過對個股、行業及市場的驅動因素進行分析研究,建立最優的投資組合,試圖戰勝市場從而獲取超額收益。然而一些定性的投資者卻并不太認可定量投資,他們認為,定性研究可以將把股票基本面研究做得很深入,從而在決策深度上具有優勢。然而,在當今市場上,信息量越來越大且傳播速度極快,單個分析師所能跟蹤的股票數量開始顯得越發有限,也因此錯過了許多優秀的投資機會,可謂是擁有深度的同時錯失了廣度。量化投資正好彌補了這一缺失,通過使用強大的計算機技術,它能夠實時對全市場進行掃描,并依仗其紀律性、系統性、及時性、準確性以及分散化的特點最大概率的捕獲戰勝市場的投資標的。
事實上,在海外市場,我們看到越來越多的定量與定性完美結合的成功案例。通過向量化模型中加入分析師對未來主觀判斷的觀點(定性的觀點),再結合來自于歷史規律檢驗的觀點(定量的觀點),定量與定性的優勢便能得到充分的發揮和融合。我們相信,這也將是未來量化產品發展的主流方向和趨勢。
結論
量化研究作為一種研究方法,其本質是使用統計學、數學和計算機工具改進研究效率,使得我們能夠在更短的時間、更大的視角領域下,依靠清晰的研究邏輯,獲取更為有效和操作性以及復制性更強的研究成果。量化研究的本質是一類發現市場規律的方法體系,其基本功能是認識市場和解釋市場,并以做到預測市場為目的。
量化投資簡單來講,它以模型為主體,使用大量數據,并且在很大程度上用電腦這樣的投資方式;其以科學性和系統性著稱,并將在嚴格的紀律化模型制約下,緊密跟蹤策略,使運作風險最小化,并力爭取得較高收益。
第二部分:量化投資在蓬勃發展
量化投資在世界的發展史
美國市場有200多年,從證券市場開始,也有快400――500年了,但是量化的發展是上世紀50――60年代的事。首先有一些理論模型,沒有理論模型支撐很難做到量化的東西。
數理化投資于上世紀50~70年論上發芽
Harry Markowitz在上世紀50年表一系列關于投資組合“均值―方差”優化的論文,這使得投資者可以定量化風險,并把風險和預期回報放在一個理論框架下統一考慮;
WilliamSharpe在1964年發表CAPM模型,此模型顯示個股的預期回報和個股的風險及市場的預期回報成正比;
Steven Ross在1976年發表APT模型,此模型顯示個股的預期回報可以表示成一系列非特定因素預期回報的加權平均,此模型為量化投資者指出了很實用的研究框架;
Black-Scholes在1972年發表關于股票權證的定價模型;
Fama和French在1993年發表三因素模型,此模型顯示個股的預期回報由三個因素(市場,個股的市值,個股的市凈率)決定;
此后很多研究者做了非常多的實證研究,并發現了一些對個股將來回報有預測作用的因素:比如市盈率,市凈率,資產回報率,盈利一致預期,中長期價格動能,短期價格反轉等。
數理化投資從上世紀70年代末開始實際運用
Barclays Global Investors(BGI)于1978年創立了全球第一只數量化投資策略基金,到被BlackRocks收購之前BGI以14000億美元的規模,高居全球資產管理規模之首。
SSgA(道富環球投資管理公司)和 GSAM(高盛國際資產管理公司)為首的一大批以數量化投資為核心競爭力的公司已經成為機構資產管理公司中的“巨無霸”。
“詹姆斯•西蒙斯創辦的文藝復興科技公司花費15年的時間,研發基于數學統計理論的計算機模型,借助該模型,西蒙斯所管理的大獎章基金,從1989 年到2009 年間,平均年回報率高達35%,較同期標普500 指數年均回報率高20 多個百分點,比“金融大鱷”索羅斯和“股神”巴菲特的操盤表現都高出10 余個百分點。
在國外。其他采用量化投資的公司沒有獲得驚人的表現,并非是量化方法不好,而是他們還沒有構建出更好的模型以及正確的策略。作為量化投資的大行家和受益者,西蒙斯承認有效市場的套利機會極少而且會趨同小時,然而,仍然有無數轉瞬即逝的很小的機會存在,在證券市場,那些很小的交易,都會對這個龐大的市場產生影響,而每天都會有成千上萬這樣的交易發生。這個市場看似雜亂無章,卻存在著內在規律,而量化操作自從誕生以來,無疑成為捕捉這些規律的一把利器,為海外投資者屢建奇功。
CQA(教育產品內容與數據測試)數據統計:在2002年-2004年三年間,量化產品的平均年收益率為5.6%,比非量化產品的平均年收益率高出1%。從信息比率來看,量化產品為0.37,非量化產品為0.06。此外,量化基金的運作費率相對更低,例如傳統產品費率為0.6%,主動量化產品費率在0.45%-5%之間。
理柏(LIPPER)數據顯示,2005年到2008年之間,87只大盤量化基金業績表現好于非量化基金,增強型量化基金在2005年和2006年更是大幅跑贏非量化基金。但2007年和2008年除市場中性基金外,所有基金業績下滑很快,其中雙向策略和大盤量化基金表現差于非量化基金,而增強型和市場中性量化基金表現則優于非量化基金。
量化投資在中國的發展現狀
研究力量不斷壯大
目前大部分券商研究所都配有金融工程研究小組,成員超過5個的不在少數。根據2010年11月份的《新財富》最佳分析師榜單,國信證券金融工程小組人數有12人,為目前人員配備最多的量化投資研究團隊。其他入選金融工程前五名的研究小組中,申銀萬國8人,華泰聯合、安信證券各5人,中信證券4人。
數量化方面的研究報告數量也是逐年增加。據不完全統計,2008-2010年相關報告數量分別有52、142、794篇,今年上半年就達到了633篇,逐年遞增趨勢非常明顯。不過,和2010年研究報告10萬多份的總量相比,數量化研究的廣度和深度還有很大提升空間。
量化產品初露鋒芒
天馬旗下的產品中,現有兩個信托產品采用量化投資策略,分別是新華―天馬成長,和平安―Lighthorse穩健增長。
此外,上投摩根、嘉實、中海基金、長盛基金、光大保德、富國基金、南方基金等都有量化產品推出,但是量化基金的比例還是非常小。即便在2009年,全年新發基金超過100只的情況下,新發的量化基金也僅有4只,數量在2009年的新發基金市場中僅占3%。與指數基金、普通股票基金相比,量化基金可謂是基金市場上的稀缺資源。
2011年,在國內緊縮政策與國外動蕩局勢的影響下,A股市場呈現結構性震蕩上揚的格局。隨著市場輪動的提速及內在容量的擴大,精選個股的難度日益加大。在此背景下,定性投資容易受到投資者情緒影響,而定量投資則能夠通過計算機的篩選,幫助投資者克服非理性因素,在充分控制風險的前提下應對市場萬變。以“人腦+電腦”為主要構建的量化基金逐漸顯現投資優勢,今年量化基金異軍突起,整體表現不俗。截至4 月6 日, 9 只具有完整業績的主動型量化基金平均收益率為0.64%,超越同期股票型基金和混合型基金-1.39%、-3.08%的凈值增長率。其中,“元老”光大保德信量化核心基金收益率達5.19%。此外,南方策略、中海量化策略、長盛量化紅利、長信量化先鋒、上投摩根阿爾法、華泰柏瑞量化先行基金也均取得正收益,分別達到4.12%、3.28%、2.60%、2.13%、0.77%和0.16%;僅嘉實量化阿爾法和華商動態阿爾法收益為負,分別為-4.48%、-7.94%。此外,從以往披露的公開信息可以發現,國內量化基金多側重價值因子,也契合今年低估值大盤藍籌股領漲的市場格局。
第三部分:解讀量化投資
在西蒙斯崛起之前,判斷型投資完全占據著主流地位,因為當前全球投資界的三大泰斗當中,無論是價值投資的巴菲特、趨勢投資的羅杰斯,還是靠哲學思維的索羅斯,都是判斷型投資的代表。但隨著西蒙斯的聲名鵲起,量化投資開始受到投資大眾的重視并呈現出蓬勃的發展態勢。但需要指出的是,世界上沒有萬能的投資方法,任何一種投資方法都有其優缺點,量化投資當然也不例外。定量投資成功的關鍵是定量投資這個模型的設計好壞,設計的好壞主要由模型設計者對市場的了解、模型構建的了解和模型實踐經驗來決定的。
量化投資的決策體系
量化基金的成功運作必然依托一個完整而有效的量化體系用來支撐,該體系是數據獲取、數據處理、資產配置、組合管理到全程風險控制等諸多環節的有機結合。
我們借鑒海外量化基金運作架構的諸多優點,并結合華泰聯合金融工程資深研究員的看法,旨在提供一個適合中國市場特點的量化基金運作架構體系。該體系綜合考慮了定性及定量兩大主要選股思路,在風險可控下,充分發揮量化投資的優勢。
此架構包含以下幾個主要層次:
1. 數據提供:量化體系的底層一般是數據接入端口,數據來源于外部數據提供商。
2. 數據預處理:由于中國A 股市場歷史較短,數據質量一般,特別是早期的數據較為不規范。因此,在輸入模型前必須對數據進行全面的清洗,從而增強數據的有效性和連續性。
3. 資產配置:資產配置是量化基金的核心。不同的投資者具有不同的投資理念,即不同的資產收益率看法。因此,通過構建差異化的因子配置模型來實現差異化的投資理念則充分展現了量化投資的優勢和精髓。舉例而言,我們可以開發針對不同市場狀況(如牛市、熊市、震蕩市和轉折市)以及不同投資風格(如保守、激進和中庸)的量化模塊。這些模塊就類似于兒童手中的玩具積木,一旦投資決策委員會確定了戰略和戰術配置比例,接下來要做的就是簡單的選積木和搭積木的過程。模塊化投資嚴格的遵循了投資思路,從而將量化投資的紀律性、系統性、及時性和準確性展露無遺。
4. 投資決策:宏觀經濟政策對中國A 股市場的表現影響較大,也就是我們常說的“政策市”。針對這一現狀,綜合考慮定性和定量的宏觀判斷對于我們選擇合適的基金倉位及資產組合將十分必要。一方面,結合宏觀及行業分析師對于未來宏觀經濟的預判以及個別性事件的分析,另一方面,考察既定的一系列量化擇時指標和宏觀經濟指標的最新動向,從而能較為全面的提出投資建議。
5. 組合管理:在對于宏觀趨勢、戰略和戰術資產配置的全面考量之后,留給基金管理人的工作將是如何實現在交易成本,投資風險以及組合收益三者之間的最大平衡。
經典量化投資模型綜述與評價
目前,由于計算的復雜程度和對速度的要求,量化投資的交易過程通常是由電腦自動來完成的,可在某些方面電腦依然不可能替代人腦。投資若要取得成功,就需要頂尖的大腦來羅織數據、發現規律、編制最快最好的電腦程序;此外,量化投資所使用的模型在用了一段時間之后就會慢慢失效,因為越來越多的“山寨版”會出現,因而需要不斷發現新的模型以走在這場軍備競賽的前列,而此時需要的就是配備精良、高速運作的人腦。由此可見,模型在量化投資的整個體系中居于核心地位。近幾十年來,西方理論界與實務界均誕生了不少量化投資模型,大力推動了量化投資的發展,這其中又大致可分為三大類:傳統的基于經濟學意義的模型(structural model)、現代的基于數學、統計學意義以及計算機原理的模型(statistical model)、程序化交易模型。以下就這三者分別予以介紹。
(一)傳統的基于經濟學意義的模型
這種模型雖然用到了一些數學與統計學的工具, 但其核心思想與前提假設仍然是圍繞經濟學或金融學原理而展開的。例如,B-S 模型與二叉樹模型提供了金融產品定價的新思路,因而也衍生出了所謂的以選擇權為基礎之投資組合保險策略(option-basedportfolio insurance,OBPI),如歐式保護性賣權(protective put)策略、復制性賣權(synthetic put)策略和一些持倉策略―――買入持有(buy-andhold)策略、停損(stop-loss) 策略、固定比例投資組合保險(constant proportion portfolio insurance,CPPI) 策略、時間不變性組合保障(timeinvariant portfolio protection,TIPP)策略、固定組合(constant mix)策略與GARP(Growth at a Reasonable Price)策略等。
(二)現代的基于數學、統計學意義以及計算機原理的模型
與上述模型相比,這種模型“量化”的傾向愈加明顯―――淡化甚至忽略經濟學或金融學背景,基本上只是依賴先進的數學、統計學工具與IT 技術構建模型,進而確定投資策略。模型中應用的具體方法主要包括參數法、回歸分析、時間序列分析、極值理論、馬爾科夫鏈、歷史模擬法、蒙特卡羅模擬法等等。
(三)程序化交易模型
隨著金融市場的日益復雜化, 越來越多的復雜交易策略被設計出來,這些交易策略很難通過傳統的手工方式執行,于是程序化交易應運而生。程序化交易是指按照預先編制的指令通過計算機程序來完成交易的方式,可以分為決策產生和決策執行兩個層面:前者是指以各種實時/歷史數據為輸入通過事先設計好的算法計算得出交易決策的過程,而后者是指利用計算機算法來優化交易訂單執行的過程; 也可以從交易頻率的角度,分為高頻交易和非高頻交易。程序化交易使得復雜的量化交易策略得以實施,優化交易指令的執行,解放人力使之把精力更多地集中到投資策略的研究上, 最重要的是能克服人性的種種弱點與障礙從而保證絕對的“客觀性”與“紀律性”。然而,這種交易方式也引起了諸多爭議,如對速度的過高要求會造成市場的不公平、巨大的交易量可能會增加市場的波動性、容易產生鏈式反應、為了盈利可能會制造人為的價格而降低市場的有效性等等。
量化投資的主要策略
增強型指數基金:策略的主要目的還是跟蹤指數,希望用量化模型找出能緊跟指數但同時又能小幅超越的組合。
非指數型量化基金:能利用絕大多數好的投資機會,而不需去管組合是否能緊跟指數。
多―空對沖基金:買入模型認為能表現好的股票, 賣空模型認為會表現差的股票。有時可能凈多倉, 有時可能凈空倉。此策略在對沖基金中很流行。在A股市場中能賣空的股票不多,所以一般只能用期指去對沖。
市場中性的多―空對沖基金:買入模型認為能表現好的股票, 賣空模型認為會表現差的股票。在任何時候凈倉位為0,同時在各行業上,大小盤風格上的凈倉位都為0。此策略在對沖基金中也比較流行。此策略的波動率非常小,在國外一般會加入杠桿。
130/30基金:一般共同基金采用,即買入130%的多倉, 賣空30%的空倉。
程序化高頻交易:利用期指或股價的日內波動進行高頻買賣。有些策略是找價格模式,有些是利用交易所規則上的漏洞。
可轉移Alpha:主要用在增強型指數基金上,具體是用期貨來跟蹤指數,一部分多出來的錢投資于風險比較小的能取得絕對正收益的策略上。
市場擇時/行業輪動/風格輪動:用數量化模型預測市場/行業/風格的拐點
量化投資和傳統投資的比較
天馬資產首席數量分析師朱繁林博士表示,量化投資區別于定性投資的鮮明特征就是模型,對于量化投資中模型與人的關系,大家也比較關心。可以打個比方來說明這種關系,我們先看一看醫生治病,中醫與西醫的診療方法不同,中醫是望、穩、問、切,最后判斷出的結果,很大程度上基于中醫的經驗,定性程度上大一些;西醫就不同了,先要病人去拍片子、化驗等,這些都要依托于醫學儀器,最后得出結論,對癥下藥。
醫生治療病人的疾病,投資者治療市場的疾病,市場的疾病是什么?就是錯誤定價和估值,沒病或病得比較輕,市場是有效或弱有效的;病得越嚴重,市場越無效。
投資者用資金投資于低估的證券,直到把它的價格抬升到合理的價格水平上。但是,定性投資和定量投資的具體做法有些差異,這些差異如同中醫和西醫的差異,定性投資更像中醫,更多地依靠經驗和感覺判斷病在哪里;定量投資更像是西醫,依靠模型判斷,模型對于定量投資基金經理的作用就像CT機對于醫生的作用。在每一天的投資運作之前,會先用模型對整個市場進行一次全面的檢查和掃描,然后根據檢查和掃描結果做出投資決策。
傳統的定性投資強調的是基金經理的個人經驗和主觀判斷,相對來說強調基金經理的單兵作戰能力。而量化投資主要是用來源于市場和基本面的模型指導投資。
量化投資可以最大限度地捕捉到市場上的機會。而傳統的定性投資受到研究員,基金經理覆蓋范圍的限制。
量化投資借助模型進行投資,比較客觀和理性,更不會受市場和情緒影響。
量化投資的可復制性更好。傳統的定性投資易受到基金經理,資深研究員人動的影響。
其實,定量投資和傳統的定性投資本質上是相同的,二者都是基于市場非有效或是弱有效的理論基礎,而投資經理可以通過對個股估值,成長等基本面的分析研究,建立戰勝市場,產生超額收益的組合。不同的是,定性投資管理較依賴對上市公司的調研,以及基金經理個人的經驗及主觀的判斷,而定量投資管理則是“定性思想的量化應用”,更加強調數據。
國內量化基金投資風險分析
(一)量化模型質量產生的投資風險
投資模型本身的質量,是量化基金最核心的競爭力。專業人士以為,對于中國這樣的新興市場,量化投資的關鍵是能否根據市場特點,設計出好的投資模型。然而,已有的量化基金中,大多簡單地利用國外已公開的模型,或是用基金公司自有的一些簡單模型,在考察市場的有效性上普遍比較欠缺。如中海量化策略和南方策略優化在行業權重配置中均采用的Black-Litterman(BL)模型。這種模型現是華爾街主流模型,亦是高盛公司資產管理部門在資產配置上的主要工具。然而,在國內市場信息搜集等方面局限性較大的情況下,該系統到底是否有效,是否僅是基金公司體現其“專業性”的一個由頭,還有待觀察。
(二)基金經理執行紀律打折扣所產生的道德風險
好買基金研究中心的一份報告指出,大部分量化基金在擇時、行業配置和資金管理等方面并沒有采用量化模型,更多的是基金經理的主觀判斷。觀察這些量化基金的契約和季度報告可以發現,基金要么不進行擇時,要么根據主觀經驗進行擇時,這在很大程度上無法體現出模型選股產生的效果。
(三)數量化模型滯后產生的風險
量化基金效果如何,無法脫離資本市場環境的成熟度。量化模型的運用有重要的前提條件,是必須在一個相對成熟穩定的市場中運行,這種市場環境下基于歷史數據設計的模型才可能延續其有效性。國內股市曾經大起大落,市場結構和運行規律都發生過質變。在這種情況下量化模型有可能跟不上市場本身的改變,嚴格的量化投資也難以適應變化。這或許是這種舶來品水土不服的一大原因。可以說,早期的A股市場并不適合量化投資理念,而隨著市場逐漸成熟,量化投資的優勢才開始逐漸顯現。近兩年量化投資基金數量成倍增加,也是對這一趨勢的反映。
2010年初的云南省大旱致使三七大面積受災。統計數據顯示,截至2010年3月15日,三七受災面積56746畝,占總種植面積的94.5%,成災面積27503畝,占受災面積的48.47%。三七從播種到收獲要3年以上時間,如果2010年減產,以后的五六年之內整個市場三七的供應都會受到影響。這是這導致三七價格暴漲的基本面因素。惡劣天氣的影響導致減產由于擔心未來貨源,大量的藥廠囤積收購,這是主力資金流入。另一方面一些藥商的惡意囤積炒作,同時種植三七的農民以及供貨商惜售心理確實更加強烈。這是市場共識,因此三七的價格不斷持續上漲。
三種力量的共同作用才是三七價格飆升的重要原因。
影響供需的基礎是基本面因素,如果企業經營不錯,未來被機構投資者看好,那么機構資金會逐步買入這個企業的股票。同時由于買人愿望強于賣出。所以股價不斷上漲,而且形成上升趨勢。這又導致市場上更多的趨勢投資者買入。從而形成市場共識。結果導致價格不斷上漲。相反.如果這家企業經營不善,那么想變現的人就比較多,結果就是跌跌不休。
簡單的說:
想買的人多==)供小于求==)股價上漲。
想賣的人多==)供大干求==>股價下跌。
所謂基本面分析方法,就是把對股票的分析研究重點放在它本身的內在價值上。基本面分析需要大量的財務分析數據及財務分析經驗。普通投資者無法掌握。因此我們在本書里采用量化的基本面分析方法。
一、常用相對量化指標
本節所說的量化相對指標是針對上一節所說的絕對量化的財務指標而言。相對是因為引人了價格要素。即把財務指標與價格的高低進行了聯系。
P/E(市盈率):是衡量股票相對內在價值的一種量化指標,以稅后每股收益作分母,股價作分子,所得出的商就是該股的市盈率。一般而言P/E的值越小越好,特別是與同行業比較時更是如此,誰的P/E低就說明誰的股價相對被低估。一般P/E值的標準范圍是15-25倍認為合理。
P/BV(市賬比):衡量每一元錢能夠買入多少資產的指標,此值越小越好,值小說明此股價風險比較小。一般標準是l 2倍左右認為合理。
P/SR(價售比):衡量個股主營業務能力的一種指標,此值越小越好,說明今后的業務擴張能力強,一般標準是1左右認為比較合理。
ROE(凈資產收益率):凈資產收益率=凈利潤/平均股東權益,凈資產收益率是反映上市公司經營狀況的核心指標。透過這個財務指標,投資者可以對上市公司的財務狀況做出系統而相對準確的分析,業內稱之為杜邦分析系統。凈資產收益率是衡量上市公司盈利能力的重要指標,是指利潤額與平均股東權益的比值,該指標越高,說明投資帶來的收益越高。證監會規定6-10%的配股資格線。因此這個指標往往可以衡量成長能力的關鍵指標。許多大黑馬股票的ROE往往會連續幾年高達20%以上。
在線分析師軟件里在K線圖中點擊個股K,就會出現如下個股快速診斷界面,見圖,這個界面里,投資者可以快速了解這個股的基本面情況。
以000858~糧液為例,主營業務是白酒。最新分析師報告評價:2010年上半年業績大幅增長40.91%。2010年預測1.18元/每股。增持評級。
個股的P/E=38.93,而酒行業的P/E=63.34。個股的P/B=8.85,而酒行業的P/B=9.85。也就是說個股的相對評價指標小于行業的相對評價指標。ROE=24.46。
這說明這個股票的基本面不錯。當然基本面信號燈就肯定是綠燈了。
二、如何通過P/E選擇便宜的股票
市盈率(P/E)作為一個衡量股票投資相對價值的指標。被投資者廣泛應用。投資者一般根據個股市盈率的相對高低來評價其投資價值的大小,來進行買賣決策。自有股市那一天起,市盈率便成為評判股價的常用標準。一些觀點甚至只以市盈率來衡量股市有無投資價值。投資者在運用過程中,有幾個需要注意的問題:
首先市盈率蝴十算公式是:P/E,P代表價格,而E代表每股收益,市盈率能在一定程度上反映出上市公司的投資價值,但有一點應注意的是,既然市盈率是由股價和上市公司業績之比而得出的,那么就應該對市盈率有動態的認識。
因為如果每股收益E不變,那么股票價格上漲則P/E上升。而如果股票價格不變,當每股收益E上升時,那么P/E就會下跌。因此目前市盈率高并不意味著將來市盈率高。
買賣股票與購買商品一樣,買便宜貨是大眾首選。通過P/E值的高低可以方便的選擇便宜的股票,P/E是通過公司的業績與股價的相對關系來判斷一個股票的貴賤。一般而言P/E低于15就是便宜,但是不同的行業P/E值范圍是不同的。成長型行業的P/E比周期性行業的高。
以600166福田汽車為例,在2010年7月2日,大勢下跌至2373點左右。該股票的P/E是10.97,同期行業P/E是31倍。該股的市銷率也小于1(P/SR=0.25)。說明成長性不錯。ROE=21.65。可以認為這是比較便宜區域。見下圖中的A區域。此時買入到了9月20日賣出。就有20%的回報率。而同期大盤收益不過9%。采用低P/E找便宜選股的策略。可以配合逐步低買的交易策略。
如果一個公司業績不錯,而且低P/E,那么市場人士就可能逐步買入這個股票。現在才10倍左右的P/E,未來可能上漲至30倍P/E。因為汽車行業的P/E=是30倍。可以認為這個比較便宜的股票。
另外還要注意由于周期循環始終是在行業景氣還未到高峰之前,股價就先到頂,行業景氣未到低谷底之前。股價就先回落見底。所以,在投資周期性股票時,切忌在行業景氣高峰期因P/E低而買進股票,也不要在景氣低谷底期因P/E過高而放棄低買的投資機會。
還要注意股票的現有價格代表公司未來的收益和股利折現后的現值。未來收益和股利的折現反映著通貨膨脹的水平。因此市場的市盈率PE會隨著利率波動變化。另外通脹數據也會影響P/E的正常數據。如果通脹率下降,未來收益的現值會增加,投資者會提高市盈率的預期。如果通脹率上升,市盈率及公司未來收益的現值會下降,公司目前的股票價格也會下跌。因此真實的PE=市場平均市盈率+通脹率(CPI)。例如目前的市場平均P/E是15.7,看似不高,但目前CPI(消費者物價指數)是4.5%。那么實際P/E=15.7+4.5=20.2。也就不能夠認為目前市場估值偏低。
三、如何通過P/B選擇便宜的股票
作為一個常用的估值指標,對于收益為負數的公司,P/E的估值就無法使用了。另外EPS往往比較容易包裝。因此我們可以采用P/BV(價格/賬面值)比率估價法。
P/BV比率是公司資產市場價值與賬面價值之比,反映了資產盈利能力與初始成本之比。其優點在于首先賬面價值提供了一個對價值相對穩定和直觀的度量.尤其對于那些從不相信未來現金流量折現法的投資者來說。
這里的P是指價格,BV是指上市公司的凈資產。如果P/BV等于1,那么說明市場價格等于內在價值。P/BV提供了一個非常簡單的估值標準。其次因為P/BV比率提供了一種合理的跨企業比較標準,所以投資者可以比較不同行業中不同公司的P/Bv比率來發現價值被高估或被低估的企業。最后,即使那些盈利為負數,無法使用P/E比率進行估價的企業也可以用P/BV比率來進行估值。
P/B值是從公司的資產角度來判斷股票是否便宜。如果公司業績差營運不好,那么連續的虧損可能使得公司的凈值為負。但是如果是優績股票。因為暫時的下跌使得P/B等于1或小于零。可以認為是底部信號。因為只要公司經營環境還可以,那么公司運作很快就可能恢復正常,業績就可能提升。市場平均值P/B等于1左右時就是強烈的底部信號。
一般的而言認為買入低P/BV的股票一定抗跌,而買入高P/BV的股票風險比較大,一旦下跌則下跌幅度就比較大。因為如果這股票清盤時,你仍能可依靠變賣上市公司收回你部分投資,但是如果你不幸購買了一個P/BV小于O的股票,那么一旦有清盤事件發生,你將連回家的路費都輸光。總的來說從長期看投資低P/BV的股票表現比高P/BV的好。
1.國外研究現狀
Robert.LKTiong(1987)對BOT項目風險評價進行了研究,分析了凈現值法、專家打分法、決策樹法等幾種常用的BOT項目風險評價方法,認為對BOT項目進行評價必須要有可行的評價手段同時需要對風險評價的結果有正確的理解。
Dixit(1989)提出費用模型、任務模型、運籌規劃模型等科學的BOT項目風險量化模型,在此基礎上進一步將BOT項目存在的風險依次劃分為國別風險、項目自身風險以及客戶風險。
CM Tan(1994)提出基于模糊邏輯技術的BOT項目風險評價模型,并將此方法運用于大型BOT項目的風險評價及控制中驗證該方法的有效性。Kitti Subprasm(1994)將模糊數學分析方法運用于BOT項目風險評價中,在此基礎上提出可以將模糊數學分析方法用于投標方案的評價。Kumaraswamy(2004)找出影響BOT項目風險的八個主要因素,并針對八個影響因素建立了風險評價模型。
2.國內研究現狀
張丹文(2003)運用經濟學方法分析了BOT項目的潛在風險,并建立BOT項目風險評價的指標體系,運用層次分析法和專家打分法為各項指標打分賦值,最后得出BOT項目風險值。
齊國友等(2003)認為在BOT項目投資決策中需要仔細考慮項目面臨的各種風險。在綜合分析現有評價方法的基礎上,提出了一種新的投資評價方法,即風險NPV法。利用風險NPV進行評價需要確定NPV服從的概率分布及折現率,根據NPV的概率分布函數進行計算。
王芳(2004)等運用實物期權的思想,在考慮價值評價變量階段性變化的基礎上,通過參數的階段變化反映變量的階段變化,基于Lto隨機微分方程提出了一種新的BOT項目價值評估方法,為BOT項目的投資決策提供量化標準,便于各項目之間的比較與選擇。
王愛民和范小軍(2004)在分析BOT項目期權特性的基礎上,提出了基于實物期權的評價模型,該模型考慮了項目價值和項目建設成本的動態變化,用于計算BOT項目價值和項目建設成本的雙變量項目期權價值。
曾衛兵(2004)用期權理論建立了內資BOT公路項目的投資決策評價模型,進一步用博弈論方法研究并論證了該投資決策評價模型的正確性,最后將其運用到實例中驗證其有效性。
3.研究不足
從上述文獻可以看出目前研究的一些不足:
(1)風險評價方法的運用沒有結合BOT項目的特點,僅是簡單的將各種項目風險評價方法直接運用到BOT項目中。BOT項目與一般的項目有所不同,它具有特許期限等特點,在對其進行風險評價時,應該結合BOT項目自身的特點對風險評價方法進行完善。
(2)現階段常用的BOT項目風險評價方法自身具有一定的局限性。各種風險評價方法都有一定的局限性,在將其運用到BOT項目風險評價中時應針對其局限性對其進行完善,直接將其運用到BOT項目中會導致評價結果出現偏差。
(3)采取建立指標體系通過專家打分確定權重綜合評價BOT項目風險的方法,風險評價指標較為單一,將一些不可量化的指標通過專家打分來賦值,主觀性較強,最終得出的評價結果準確性較差。
(4)風險評價的數學模型復雜、需要大量的歷史數據,但是由于歷史原因我國一些資料部門工作不夠全面,從而導致對項目進行風險評價時很少有可以借鑒的歷史數據,極大程度上影響了項目風險評價的準確性。其次,風險評價的數學模型專業性很強,操作起來復雜,項目的各參與方知識有限,專家對項目風險的分析不能讓決策者很好的理解,這樣必然會影響到風險評估與風險決策的質量。
4.建議方法—模糊綜合評價法
從指標定性與定量相結合的角度評價BOT項目風險,必須綜合考察BOT項目的所有主要風險,同時要考慮不同參與方對待風險的態度不同。在基于各參與方的BOT項目風險評價指標體系中,由于各指標的影響因素各不相同,除少數可以通過統計方法獲得,大量的指標則只能采用專家評分法。對于這樣的評價問題,運用模糊數學的方法,即模糊綜合評價法(Fuzzy Comprehensive Evaluation,簡稱FCE)可以得到較好的解決。
模糊綜合評價,是一種基于模糊數學的綜合評價方法,即用模糊運算法則,得出一個評判矩陣,并且通過評判函數對受到多種因素制約的事物或對象做出一個總體評價的過程。
模糊評價方法的特點主要表現在:第一,模糊評價方法可以不直接依賴于某一項指標,也不過分地依賴于絕對指標,而是采取比較的方法,這樣可以避免一般數學評價方法中,由于標準選用不盡合理而導致的評價結果的偏差。第二,評價指標的重要程度通過權數加以體現,但允許在權數選擇上有一定的出入,而不至于改變最終的評價結果。第三,模糊評價中算子的選擇和隸屬函數關系的確立,使各項參與評價的非量化指標間建立了有機聯系,使評價結果能夠更好地反映出評價對象的整體特征和一般趨勢。
龔潔(2010)將模糊綜合評價模型應用于BOT項目投資風險的綜合評價過程中,利用其具有結果清晰、系統性強的優點,能較好地解決模糊的、難以量化的問題這一特點,對適合BOT項目中各種非確定性風險因素的綜合評價。
參考文獻:
[1]Robert L K Tiong. Evaluation of proposal for BOT project[J]. International Journal of Project Management,1987,l5(2):67-72.
[2]DixitAK, pindyik P S. The risk assessment of BOT project[J]. Harvard Bussiness Review,1989,28(4):129.
[3]C M Tan. BOT model for instraction development in Asia[J]. International Journal of Project Management,1994,17(6):377-382.
[4]張丹文.BOT項目可行性評估指標體系研究[D].成都電子科技大學,2003.
[5]齊國友,曾賽星,賈艷紅.BOT項目投資決策模型研究[J].建筑管理現代化2003,24(3):12-14.
[6]王芳,楊乃定,姜繼嬌.基于lto隨機過程的BOT項目價值評估[J].管理評論,2004,16(7):38-42.
Abstract: Real estate investment project risk has particularity. In reference and summarizing the predecessors' research results, the paper uses improved genetic algorithm to study the real estate investment project risk, quantifies the real estate investment project risk, and makes risk evaluation. The method has the self organization and adaptive etc., overcomes the shortcomings of subjective factors, and improves the accuracy of the evaluation, so as to give managers more reasonable reference basis, and make the investment decision-making more scientific.
關鍵詞: 房地產項目投資;風險分析;遺傳算法
Key words: real estate project investment;risk analysis;genetic algorithm
中圖分類號:F293.3 文獻標識碼:A 文章編號:1006-4311(2013)03-0162-02
0 引言
房地產項目投資的特點是投資量大、周期長、影響因素復雜,投資方在決策時往往較為謹慎,因為一旦出現決策失誤其損失將會非常巨大。
從宏觀上看,投資項目的風險評價具有全方位、系統化的特征,但另一方面,這一過程中又包含著科學細致的定量化分析的內容。當前國內在房地產風險評估上主要采用的方法有層次分析法、灰色系統分析法、模糊綜合評價法等。這些方法的不足之處是其評價結果容易受到人的主觀因素的影響。遺傳算法因具備了自組織與自適應的特點,其應用領域不斷擴大。下面筆者將對房地產項目投資風險評價體系以及遺傳運算的運用進行介紹。
1 房地產項目投資風險及評價指標體系
1.1 房地產項目投資風險 房地產項目投資風險指的是由于房地產市場存在許多不確定因素,投資者可能會因此而遭受損失。這種可能性是不利事件發生的概率及其后果的函數,它包括投入資本的損失和預期收益與期望值存在差距。
1.2 房地產項目投資風險評價指標體系 在房地產風險指標的劃分上,根據導致風險因素的性質不同,可以劃分為經濟風險指標、社會風險指標、技術風險指標和自然風險指標。
經濟風險指標中所包含的不確定因素主要與經濟環境和經濟發展有關。社會風險指標指的是由社會區域政策變動、城市規劃變動以及公眾干預等。人文社會環境的變動,帶動房地產市場隨之變動,使地產投資商可能因此蒙受經濟損失的風險指標。技術風險指標實際是地產項目建設因勞務供求關系的變化、施工技術的可行性和機具設備的更新等技術因素而受到的影響的風險指標。自然風險指標,是指在房地產的建設階段與運營階段,由地質狀況、地域環境的變化以及諸多不可抗力的自然因素,使房地產投資與經營蒙受損失的風險指標。
2 遺傳算法介紹
遺傳算法源于生物遺傳學,是一種借鑒生物界適者生存,優勝劣汰的進化規律演化而來的隨機化搜索方法。與以往的優化算法相比,遺傳算法的特別之處和優點在于:
第一,遺傳算法沒有使用參數本身,而是使用問題參數的編碼集進行工作。當在連續函數的優化計算中運用遺傳算法時,位串長度和編碼方法不僅影響著計算精度,而且還影響著群體中個體之間的距離,并對全局極值的求解造成直接影響;
第二,與傳統優化算法不同,遺傳算法從問題解的串集進行尋優,而不是從單個解開始,使得覆蓋面擴大,有利于全局擇優。因此,遺傳算法適合求解規模較大的問題;
第三,遺傳算法僅使用適應度函數值來評估個體,不需要其它任何先決條件或輔助信息,其操作簡單,應用范圍較廣;
最后,遺傳算法沒有采用確定性規則,而是采用概率的變遷規則來工作。這種方法適合用來處理離散型變量優化問題。遺傳算法包含三個基本遺傳算子,即:
①選擇:作為遺傳算法的一個重要算子,選擇體現了優勝劣汰、適者生存的原理。其基本邏輯是適應性強的個體有更高的概率為下一代貢獻個體,也就有更大的概率被選作下一代的父本。選擇算子能夠很好地推動進化過程,因為在選擇后得到的新群體,其平均適應性將高于原群體。首先,將隨機產生的初始群體按由好到壞排列m個個體,再將最好個體的選擇概率定義為q,pj=(1-q)j-1,q′=q/[1-(1-q)m],ppj=■pk,隨機數ξ∈(0,1),若ppj-1?芻ξ?燮ppj,選擇j產生下一代。
②交叉:群體中的兩個父代個體,其部分字符串交換重組,生成兩個新個體。交叉使得遺傳算法的搜索能力獲得提高。OX法和單點映射法是兩種常見的交叉形式。其中,OX法是以隨機選取的形式在兩個父串中選定一匹配區域,如下式“A”和“B”:A=1 2 | 3 4 5 6 | 7 8 9;B=9 8 | 7 6 5 4 | 3 2 1,
在A的匹配區域前面加入B,然后在B的匹配區域前加入A,由此獲得2個子串,如下式:A′=7 6 5 4 | 1 2 3 4 5 6 7 8 9;B′=3 4 5 6 | 9 8 7 6 5 4 3 2 1。
在A′中,依次刪除匹配區域后的同類代碼,獲得如下子串:A″=7 6 5 4 1 2 3 8 9;B″=3 4 5 6 9 8 7 2 1。
單點映射法是隨機選取一個交叉點,交叉點前的個體與交叉點后的個體在交叉過程中,部分個體結構進行互換,由此生成兩個新個體。
A=2 1 3 | 4 5 6;B=3 1 2 | 4 7 5,
交叉后得A′=2 1 3 | 4 7 5;B′=3 1 2 | 4 5 6。
③變異:為了防止陷入局部解的危險,確保算法的全局最優,在群體中任意選定一對元素以概率交換它們的加工位置,其余元素的位置保持原樣。若設定的變異率太大,則可能破壞型式,進而完全變成隨機搜索;反之,若設定的變異率太小,則無法引入最初遺傳基因組合以外空間的新基因,致使解的搜索空間陷入局部解。變異方法有兩種,即對換變異與插入變異。其中,對換變異是在串中任意選定兩點,交換其值。插入變異是在串中任意選取一個碼,將該碼插入隨機設定的插入點之間。
約翰·聶夫1964年成為溫莎基金經理,并一直擔任至1995年退休。在此期間,他將搖搖欲墜、瀕臨解散的溫莎基金經營成當時最大的共同基金。
在聶夫執掌的31年間,溫莎基金的總投資回報率為55.46倍,累計平均年復合回報率達13.7%,這在基金史上尚無人能與其媲美。
在退休前,聶夫還一直兼任威靈頓管理公司的副總裁和經營合伙人。聶夫的成功之道,并不在于使用了高深的投資技巧及數學模型,而是廣為人知的低市盈率投資法。
對于A股市場的投資者,聶夫的投資之道完全可以復制,因為低市盈率投資法很容易做到量化選股,而且回溯檢驗的結果相當不錯。
我們運用修正過的聶夫選股方法對2005年5月初至2012年12月底的A股市場進行了回溯檢驗,結果表明聶夫之道在A股市場可以取得44.12%的年化復合收益率,而同期滬深300指數的年化復合收益率只有13.86%,聶夫之道投資法的年化超額收益達到30.26個百分點。
在24個分季度檢驗區間中,“聶夫之道”跑贏滬深300指數的次數達到16個,占比為66.67%,單季最高超額收益達到56.77個百分點;在8個超額收益為負的檢驗區間中,單季最高超額負收益只有10.69個百分點。
此外,我們還將“聶夫之道”與公募基金進行了對比。在全部公募基金中,排名第一的是華夏大盤精選,有“公募一哥”之稱的王亞偉從2005年5月開始執掌該基金,直至其于2012年5月離開華夏基金。該基金在2005年5月初至2012年12月底的期間收益率達到1149.07%,即2005年5月初買入價值1元的大盤精選基金,在2012年12月底基金凈值將達到12.49元。