西蒙斯都在用的量化選股策略——風格輪動模型
阿新 • • 發佈:2019-02-04
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好很多。
基本概念
投資風格是針對股票市場而言的,是指投資於某類具有共同收益特徵或共同價格行為的股票,即某類投資風格很受歡迎,並且在某一個時間段內具有持續性和連續性(譬如,價值投資和成長型投資兩種風格,或者大盤股和小盤股這兩種風格總是輪流受到市場追捧)。
由於投資風格的存在,從而產生一種叫做風格動量的效應,即在過去較短時期內收益率較高的股票,未來的中短期收益也較高;相反,在過去較短時期內收益率較低的股票,在未來的中短期也將會持續其不好的表現。
比如:在2009年是小盤股風格,小盤股持續跑贏滬深300指數;而在2011年,則是大盤股風格,大盤股跌幅遠遠小於滬深300指數。如果能事先通過一種模型判斷未來的風格,進行風格輪動操作,則可以獲得超額收益。
晨星風格箱判別法
晨星風格箱法是一個3×3矩陣,從大盤和小盤、價值型和成長型來對基金風格進行劃分,介於大盤和小盤之間的為中盤,介於價值型和成長型之間的為混合型,共有9類風格,如表所示。
(1)規模指標:市值。通過比較基金持有股票的市值中值來劃分,市值中值小於10 億美元為小盤;大於50億美元為大盤;10億~50億美元為中盤。
(2)估值指標:平均市盈率、平均市淨率。基金所持有股票的市盈率、市淨率用基金投資於該股票的比例加權求平均,然後把兩個加權平均指標和標普500成份股的市盈率、市淨率的相對比值相加,對於標普500來說,這個比值和是2。如果最後所得比值和小於1.75,則為價值型;大於2.25為成長型;介於1.75~2.25之間為混合型。
這也就是我們經常看到的基金的分類,比如:華夏大盤、海富小盤等名稱的由來。
風格輪動的經濟解釋
巨集觀經濟表現強勁時,小市值公司有一個較好的發展環境,易於成長壯大,甚至還會有高於經濟增速的表現,因此,小盤股表現突出的概率高於大盤股。而當經濟走弱時,由於信心的匱乏和未來市場的不確定性,投資者可能會傾向於選擇大盤股,起到防禦作用,即使低通貨膨脹、貨幣走強,也不足以冒險去選擇小盤股。
研究發現,經濟名義增長率是用來解釋規模效應市場週期的有力變數。當名義增長率提高時,小市值組合表現更優,因為小公司對巨集觀經濟變動更為敏感,當工業生產率提高、通貨膨脹率上升時,小公司成長更快。
案例大小盤風格輪動策略
大小盤輪動最為投資者所熟知,本案例就A股市場的大小盤風格輪動進行實證研究,通過建立普通的多元迴歸模型來探尋A股的大/小盤輪動規律。
1.大小盤風格輪動因子如下:
(1)M2同比增速:M2同比增速為貨幣因素,表徵市場流動性的強弱。當流動性趨於寬鬆時,小盤股相對而言更容易受到資金的追捧。
(2)PPI同比增速:PPI反映生產環節價格水平,是衡量通脹水平的重要指標;且PPI 往往被看成CPI的先行指標。
(3)大/小盤年化波動率之比的移動均值:波動率表徵股票的波動程度,同時也在一定程度上反映投資者情緒;可以認為大/小盤年化波動率之比能夠反映出一段時間內大/小盤風格市場情緒的孰強孰弱,而經過移動平滑處理後的數值則更加穩定。
2.預測模型
基於上面所講的風格因子建立如下回歸模型:
D(Rt)=α+β1·MGt-1+β2·PGt-3+β3·σt-3+εt
其中,D(Rt)為當月小/大盤收益率差(對數收益率);MGt-1為上月M2同比增速;PGt-3為3個月前PPI同比增速;σt-3為3個月前小/大盤年化波動率之比的移動平滑值;εt為誤差項。
本案例採用滾動78個月的歷史資料對模型進行迴歸,得到迴歸係數後對後一期的D(Rt)進行預測,由修正預測值的正負來進行大/小盤股的投資決策。資料預測期為2004年6月至2010年11月。
3.實證結果
在78個月的預測期中,準確預測的月數為42個月,準確率約為53.85%,並不十分理想。但值得一提的是,2009年10月至2010年12月,模型的預測效果非常好,
若從2004年6月開始按照輪動策略進行投資,則截至2010年11月底輪動策略的累計收益率為307.16%,同期上證綜指的收益率為81.26%,小盤組合的累計收益率為316.97%;輪動策略稍遜於小盤組合,但仍較大幅度地跑贏了市場指數。
輪動策略在2007年的大牛市中能夠很好地跟隨大盤股的節奏,而在2009年以來的結構性行情中又能較好地捕捉小盤股的投資機會。
若從2007年初開始採用輪動策略進行投資,則截至2010年11月底累計收益率可達458.65%,大幅超越同期上證綜指及大、小盤組合的收益率。
關注京東量化學院!獲取更多最新最全面的量化交易知識!