Alpha選股:資本資產定價模型(CAPM)
一、Alpha 選股策略
Alpha 選股策略是指識別出一定時期內具有超額收益(Alpha)的股票,並進行相應操作的行為。換言之,我們在市場上總是希望能夠找到具有正的超額收益率的股票並進行投資,這種選股思路就是Alpha 選股策略。而根據Alpha 值計算方式的不同,又有CAPM 和三因子兩種比較通用的方法。
二、資本資產定價模型(CAPM)
1、CAPM 模型簡介
資本資產定價模型(Capital Asset Pricing Model,CAPM)是由美國學者夏普(William Sharpe)、林特爾(John Lintner)、特里諾(Jack Treynor)和莫辛(JanMossin)等人在資產組合理論的基礎上發展起來的,主要研究證券市場中資產的預期收益率與風險資產之間的關係,以及均衡價格是如何形成的.\。CAPM 是現代金融市場價格理論的支柱,廣泛應用於投資決策和公司理財領域。單個股票或者股票組合的預期回報率(Expected Return) 的公式如下:
其中,rf(Risk free rate) 是無風險回報率,考量貨幣時間價值;
β是證券的Beta 係數;
rm是市場期望回報率(Expected Market Return);
f是股票市場溢價(Equity Market Premium)。
CAPM 公式中的右邊第一項是無風險回報率,比較典型的無風險回報率是10 年期的美國政府債券。如果股票投資者需要承受額外的風險,那麼他將需要在無風險回報率的基礎上多獲得相應的溢價。那麼,股票市場溢價(equity marketpremium)就等於市場期望回報率減去無風險回報率。證券風險溢價就是股票市場溢價和一個β係數的乘積。β係數是用以度量一項資產系統風險的指標,是用來衡量一種證券或一個投資組合相對總體市場的波動性(volatility)的一種風險評估工具。也就是說,如果一個股票的價格和市場的價格波動性是一致的,那麼這個股票的Beta 值就是1。如果一個股票的Beta 是1.5,就意味著當市場上升10% 時,該股票價格則上升15%;而市場下降10% 時,股票的價格亦會下降15%。當Beta值處於較高位置時,投資者便會因為股份的風險高,而會相應提升股票的預期回報率。Beta 是通過統計分析同一時期市場每天的收益情況以及單個股票每天的價格收益來計算出的。
舉個例子,如果一個股票的Beta 值是2.0,無風險回報率是3%,市場回報率(Market Return) 是7%,那麼市場溢價(Equity Market Premium) 就是4%(7%-3%),股票風險溢價(Risk Premium) 為8%(2X4%,用Beta 值乘市場溢價),那麼股票的預期回報率則為11%(8%+3%,即股票的風險溢價加上無風險回報率)。
2、CAPM 模型假設
CAPM 是建立在馬科威茨模型基礎上的,馬科威茨模型的假設自然包含在其中:
1、投資者希望財富越多愈好,效用是財富的函式,財富又是投資收益率的函式,因此可以認為效用為收益率的函式。
2、投資者能事先知道投資收益率的概率分佈為正態分佈。
3、投資風險用投資收益率的方差或標準差標識。
4、影響投資決策的主要因素為期望收益率和風險兩項。
5、投資者都遵守主宰原則(Dominance rule),即同一風險水平下,選擇收益率較高的證券;同一收益率水平下,選擇風險較低的證券。
CAPM 的附加假設條件:
6、可以在無風險折現率R 的水平下無限制地借入或貸出資金。
7、所有投資者對證券收益率概率分佈的看法一致,因此市場上的效率邊界只有一條。
8、所有投資者具有相同的投資期限,而且只有一期。
9、所有的證券投資可以無限制的細分,在任何一個投資組合裡可以含有非整數股份。
10、買賣證券時沒有稅負及交易成本。
11、所有投資者可以及時免費獲得充分的市場資訊。
12、不存在通貨膨脹,且折現率不變。
13、投資者具有相同預期,即他們對預期收益率、標準差和證券之間的協方差具有相同的預期值。
上述假設表明:第一,投資者是理性的,而且嚴格按照馬科威茨模型的規則進行多樣化的投資,並將從有效邊界的某處選擇投資組合;第二,資本市場是完全有效的市場,沒有任何磨擦阻礙投資。
3、CAPM 模型優缺點
優點:
1. 簡單、明確。它把任何一種風險證券的價格都劃分為三個因素:無風險收益率、風險的價格和風險的計算單位,並把這三個因素有機結合在一起。揭露了投資者得到更高回報的原因,那就是投資高風險的股票。
2. 實用性。它使投資者可以根據絕對風險而不是總風險來對各種競爭報價的金融資產作出評價和選擇。這種方法已經被金融市場上的投資者廣為採納,用來解決投資決策中的一般性問題。
缺點:
1.CAPM 的假設前提是難以實現的。
2.CAPM 中的市場風險溢價(ERP)值難以確定。某些證券由於缺乏歷史資料,其市場風險溢價(ERP)值不易估計。此外,由於經濟的不斷髮展變化,各種證券的ERP值也會產生相應的變化,因此,依靠歷史資料估算出的ERP值對未來的指導作用也要打折扣。
歡迎加入京東金融官方交流群:456448095,大咖坐鎮,有任何問題和建議均可詢問和討論。相關推薦
Alpha選股:資本資產定價模型(CAPM)
一、Alpha 選股策略 Alpha 選股策略是指識別出一定時期內具有超額收益(Alpha)的股票,並進行相應操作的行為。換言之,我們在市場上總是希望能夠找到具有正的超額收益率的股票並進行投資,這種選股思路就是Alpha 選股策略。而根據Alpha 值計算方
資本資產定價模型CAPM
現代金融學的兩大基石是有效市場假說(EMH)和資本資產定價模型(CAPM) 在考慮無風險資產時,風險資產構成的可行域中(圖中灰色區域)會有一個收益最大風險最小(最最優,類似於價效比最高)的投資組合叫切點組合(不考慮無風險資產時可行域的上邊緣線上的點都為最優),最最優風險組合(即切點組合)的確定與個別投資者
西蒙斯都在用的量化選股策略——風格輪動模型
京東金融官方資訊QQ:3414182370 有什麼想問的想說的都可以來參與!還有機會獲取獎品! 市場上的投資者是有偏好的,有時候會偏好價值股,有時候偏好成長股,有時候偏好大盤股,有時候偏好小盤股。由於投資者的這種不同的交易行為,形成了市場風格,因此在投資中,利用市場風格的變化,進行輪動投資會比一直持有的效果
DSSM:深度語義匹配模型(及其變體CLSM、LSTM-DSSM)
引用 neu ctu dell 卷積層 Speak 別了 tin 處理 導語 在NLP領域,語義相似度的計算一直是個難題:搜索場景下Query和Doc的語義相似度、feeds場景下Doc和Doc的語義相似度、機器翻譯場景下A句子和B句子的語義相似度等等。本文通過介紹DSSM
線性分類模型(二):logistic迴歸模型分析
前言 上一篇文章介紹了線性判別模型,本文介紹線性生成模型——logistic迴歸模型。本文介紹logstic迴歸模型相關的知識,為了更好理解模型的決策邊界函式,本文同時分析了多元變數的協方差對概率分佈的影響。 目錄 1、logistic迴歸模型的含義 2、l
機器學習與深度學習系列連載: 第一部分 機器學習(五) 生成概率模型(Generative Model)
生成概率模型(Generative Model) 1.概率分佈 我們還是從分類問題說起: 當我們把問題問題看做是一個迴歸問題, 分類是class 1 的時候結果是1 分類為class 2的時候結果是-1; 測試的時候,結果接近1的是class1
caffe的python介面學習(6):用訓練好的模型(caffemodel)來分類新的圖片
#coding=utf-8import caffeimport numpy as nproot='/home/xxx/' #根目錄deploy=root + 'mnist/deploy.prototxt' #deploy檔案caffe_model=root + 'mnist/lenet_iter
深度文字匹配模型(一):k-nrm
開篇 用深度學習模型去匹配句子的相似度已經是目前句子相似度的主流方法。本質上還是句子相似度的問題。深度文字匹配模型可以提供更好的搜尋排序服務。它的基本場景就是:給一個query,模型返回排序靠前的document。是不是很像一個搜尋引擎,其實本質上是差不多的。只
JVM——記憶體模型(三):堆與方法區
前兩篇部落格我們認識了程式計數器、虛擬機器棧與本地方法棧。今天我們來一起認識一下堆與方法區。 關於堆記憶體,我之前有寫過一篇關於堆外記憶體的部落格,裡面有詳細介紹堆記憶體。這裡為了觀看方便,就直接把關於堆內記憶體的部分拿過來咯。(想了解堆內記憶體與堆外記憶體的夥伴們,可以參考:Java——堆外記
JVM——記憶體模型(二):虛擬機器棧與本地方法棧
本篇文章將繼續認識Java虛擬機器中的記憶體模型,今天要認識的是我們常說的"棧”。 棧其實也分兩種,一種是虛擬機器棧,一種是本地方法棧。而我們平常說的最多的,就是虛擬機器棧。接下來就讓我們走進這兩個棧,看看他們是個啥。 1.虛擬機器棧 虛擬機器棧,即Java Virtual&n
JVM——記憶體模型(一):程式計數器
擁有最高權利卻又從事著平民百姓的基礎工作是一種什麼樣的體驗? 對於從事C、C++的程式設計師來說,這種感覺他們實在是熟悉得不能再熟悉了。在記憶體管理的領域,不論是物件的生命的開始,還是終結,所有物件的命運都被他們掌握在手裡。他們既是掌管最高權利的皇帝,也是從事基礎工作的平民。 那麼Java程
隨機樣本一致性:一種用於影象分析和自動製圖的模型擬合模型(5)--(P4P的解析解)
(一)P4P問題的解析解 條件:已知物平面和像平面中的四對同名像點;透視中心到像平面的距離(即攝影系統的焦距);像平面中主光點的位置(位置,也就是像平面中的座標,該點是主光軸在像平面上的焦點); 求解:透視中心相對於物方座標系統下的3維位置。 符號說明: (1)像
[學習筆記]機器學習——演算法及模型(五):貝葉斯演算法
傳統演算法(五) 貝葉斯演算法 一、貝葉斯定理 簡介 貝葉斯定理是18世紀英國數學家托馬斯·貝葉斯(Thomas Bayes)提出得重要概率論理論;貝葉斯方法源於他生前為解決一個“逆概”問題寫的一篇文章
概率模型(四):條件隨機場(CRF)
條件隨機場(Conditional Random Field,CRF)是一個比較重要的概率模型,在詳細介紹CRF之前,首先簡單介紹一下概率圖(Probabilistic Graphical Model,PGM),有時候簡稱圖模型(Graphical Model,
Akka併發程式設計——第七節:Actor模型(六)
主要內容: 1. Typed Actor定義 2. Typed Actor建立 3. 訊息傳送 1. Typed Actor定義 Akka中的Typed Actor是Active Objects設計模式的實現,Active Objects模式將方法的執
Akka併發程式設計——第六節:Actor模型(五)
本將主要內容: 1. !訊息傳送,Fire-and-Forget訊息模型 2. ?訊息傳送,Send-And-Receive-Future訊息模型 Akka提供了兩種訊息模型:fire-and-forget和Send-And-Receive-Future。
Akka併發程式設計——第五節:Actor模型(四)
本節主要內容: 1. 停止Actor 1. 停止Actor (1)通過ActorSystem.shutdown方法停止所有 Actor的執行 /* *停止Actor:ActorSystem.shutdown方法 */ object Example_1
Akka併發程式設計——第四節:Actor模型(三)
本將主要內容: 1. Actor引用、Actor路徑 1. Actor引用、Actor路徑 下圖是Akka官方文件中給出的一張圖 該圖清晰地說明了ActorPath,ActorRef,Actor及ActorSystem之間的關係,並說明了Actor整
Akka併發程式設計——第八節:Actor模型(七)
本節主要內容 停止執行Typed Actor 當Typed Actor不再需要時要將其停止,有3種方法停止Typed Actor的執行: (1)通過system.shutdown()停止ActorSystem中所有的Typed Actor;
Akka併發程式設計——第三節:Actor模型(二)
本節主要內容: Actor API解析 1. Actor API解析 Actor中的主要成員變數和方法定義如下: package akka.actor trait Actor extends scala.AnyRef { type Rec