什么是α，β收益，量化投资的策略创建与分析

1. 什么是α，β收益，量化投资的策略创建与分析

α收益：一揽子可以自定义低估、同质化并且有波动的股票，不断买入更便宜的，卖出更贵的，从而获得的收益。
例如：几个跟着沪深300的ETF，你发现手中持有的沪深300ETF溢价2%了，而市场上同时存在一个折价1%的ETF，那么就卖出溢价高的沪深300ETF，去买折价的，这样虽然始终持有沪深300ETF，但获得了超越沪深300指数本身的收益，就是α收益。
解释一下同质化：明显所有的沪深300ETF是同质化的，也可以认为最小市值20个股票是同质化的，所有银行股是同质化的，分级A是同质化的。下文中有解释自定义低估。
β收益：基本面本身上涨是β收益。
例如，自定义最小市值的10个股票为一个指数，这些最小市值从5亿涨到20亿，这就是β收益。自定义最低股价10个为一个指数，从牛市的5元跌到2元，那么β收益就是负的

量化策略创建三个步骤：
策略的理论基础
历史回测
找到策略黑天鹅。 
（一）策略的理论基础：（大致分为三类）：基本面理论
按基本面又可以分为：1.价值型；2.成长型；3.品质型；按中国特色A股基本面又可以添加；4.小市值型；5.股价型

技术面理论
按技术面又可以分为：1.趋势型，2.趋势反转型，3.缩量反弹，4.指数轮动，5.择时
风险套利
风险套利（或者称轮动）：不断买入更便宜的，卖出更贵的。

注意：
有些理论基础并不牢固，并且不能很好解释（这也导致了各种投资流派互相不服）
有些量化跳过了理论基础，直接根据历史统计进行量化（本文不讨论），例如，统计两会前后涨跌，一季度历史表现最好板块
对策略理论的解释：
基本面策略可以定义什么是低估，比如低PE是低估，低市值是低估，低股价是低估，高ROE是低估，高成长是低估；也可以自定义低估，PB*PE是低估，总市值*流通市值小是低估
基本面理论提供了一揽子同质化并且有波动的股票。有些基本面策略的股票间波动较小，例如最低PE股，一段时期内总是那么几个银行股；有些波动较大，比如小市值型
技术面理论有些很难定义什么是低估，比如趋势型；有些则看似可以定义低估，例如，BIAS最小，20日跌幅最大，其实也不是
能自定义低估的策略是风险套利，不能自定义低估的策略是统计   
基本面本身能上涨，就获得了β收益
我得出的结论是：风险套利策略的核心是对自定义低估的轮动，即不断获得α收益！！
如何获得α收益：大部分基本面策略的收益是因为风险套利获得的；也就是不断买入更低估的，卖出更贵的；也就是因为调仓周期内因不同股票的波动而产生收益，因此适当缩短周期有利于提高收益；所以在一年内交易次数越多，alpha收益越大（投资大师说的减少交易次数，并不适用于套利）
理论本身获得的β收益并不多，甚至为负（价值型由于近几年市场估值不断降低，不调仓的话，收益是负的）
我们应当寻找的是：基本面理论本身能上涨，且能提供同质化，波动较大的策略（即获得α，又获得β）
统计策略其内在逻辑说服力小，是过去的概率来预测未来 
（二）历史回测：回测中最重要一点是：不要欺骗自己历史回测中要用到一个哲学思想，叫做奥卡姆剃刀:较简单的理论比复杂的理论更好，因为它们更加可检验
改变测试起始时间。调仓周期超过2天的策略，应该试遍每个起始时间，取平均收益，这才最接近策略真实历史回测，因为理论上起始时间变化一两天对策略收益影响是不大的，如果变化很大就说明过度优化。
不要创建静态股票池。历史上每个阶段都有大牛股，完全可以收集大牛股作为股票池，算好调仓周期，每个阶段买最牛的，收益可以美到不敢想象
不要用PE.PB等指标精确逃顶抄底，最多用来确定一个大致范围。每次大顶点位都是不同的，这样的择时毫无意义。
先用25个以上股票测试，确定策略有效性，再减少数量做策略，如果25个测试无效，那么一两个即使收益很好，也该放弃。 
改变条件权重。如果稍微改变权重，收益变化很大，那么就降低策略未来预期收益，别指望策略以后会表现这么好。
尽量从07年开始测试。除非你能确定每个时间市场的风格，显然这是不可能的。
同一套择时系统，如果用在策略1上回撤是30%，用在策略2上回撤是15%，你肯定会选择策略2，如果策略1和2本质上是差不多的策略，别太高兴，在未来，策略1和2表现谁好谁坏也是难说的
（三）找到黑天鹅：每个策略都有黑天鹅价值型，成长型，品质型策略，黑天鹅是过一个季度，可能财务数据完全变了，因此持仓个数不能太少，行业要分开
小市值，低价，低交易额策略，黑天鹅是出现仙股
统计类，技术类策略，黑天鹅是理论本身就不完美

2. 量化投资赚钱吗？有人说容易亏损，哪个是正确的呢？

　　很赚钱，就是有点风险，做的不好的话，容易亏损，主要还是看技术。可以到华盛天成上面进行这方面的交易，这个平台在这方面是行家，平台有很多这方面的专业人才，你可以去看看

　　
　　人类对于股市波动逻辑的认知，是一个极具挑战性的世界级难题。迄今为止，尚没有任何一种理论和方法能够令人信服并且经得起时间检验——2000年，美国著名经济学家罗伯特·席勒在《非理性繁荣》一书中指出：“我们应当牢记，股市定价并未形成一门完美的科学”；2013年，瑞典皇家科学院在授予罗伯特·席勒等人该年度诺贝尔经济学奖时指出：几乎没什么方法能准确预测未来几天或几周股市债市的走向，但也许可以通过研究对三年以上的价格进行预测。
　　当前，从研究范式的特征和视角来划分，股票投资分析方法主要有如下三种：基本分析、技术分析、演化分析。这三种分析方法基于完全不同的理论体系和逻辑结构，其主要研究对象，都只侧重于市场运作的某一特定方面或者范畴，都有其合理性和局限性，但它们对于全面认识和深入探索股市运行规律，又都是必不可少的。它们所依赖的理论基础、前提假设、范式特征各不相同，在实际应用中它们既相互联系，又有重要区别。

3. 如何量化影响收益率的常见因素？

　　财经评论员经常说当时市场看好价值型股票，市场正在关往盈余增加，或投资者正关注通货膨胀数据。咱们应当怎样量化这些及其他影响收益率的常见要素呢?

　　量化金融里有，一个十分有名的因子模型(也称套利定价理论，ApT)，企图捕获影响收益率的各种要素，如盈余增加率、利率、市值等，这些要素被称为因子。数学上，能够将N只股票的超量收益率(收益率减去无风险利率)R表明为：

　　R=Xb u

　　其间，X为N因子风险、因子收益率和特有收益率这些术语在量化金融模型中很常见，因此有必要先对这些概念做一些介绍。因子收益率是股票收益率的同时驱动要素，与单个股票无关。因子风险表明对各个一起驱动要素的敏感度。所有不能用一起因子解说的收益率部分便是特有收益率(比方，仅与某只股票有关，能够看做是ApT模型中的随机噪声部分)。假定每只股票的特有收益率与其他股票的特有收益率之间是不相关的。

　　咱们经过Fama-French三因子模型(Fama and French,1992)这样一个容易的因子模型来阐明。这一模型假定股票的超量收益率只与三个因子风险线性相关：股票的贝塔值(相对市场指数的敏感度)、市值、账面市值比率。对于不同股票或是不同时间段，这三个因子风险都是不同的。(常常将因子风险标准化，使得所有股票的因子风险的均值为0，标准差为1。)

4. 如何看待量化投资?

量化投资是许多种方法的集合，包括在投资品种的选择、投资时机的选择、商品期货套利、外汇套利、算法交易和统计套利等方面都能够获得广泛应用。今天我们就要一起来看一下专业的量化投资人士是如何看待量化投资的。
量化工具可以称得上是新时代的一种技术工具。当然目前种类繁多的工具也并非是一朝一夕就完成的。简单的技术分析最后高度趋同无法带来理想收益，目前量化工具有这样的趋势。
在以前，技术工具的实现也需要开发者手动完成，而并非如今的在行情软件中点两下就会出现。在那个时期因为发现了一个信号而最终发家致富的人并不少。很多个人交易者认为量化投资之所以逐渐成为主流，主要的原因还是交易所技术的升级而带来了市场结构的整体性变化。

如果要用一个简单的例子来说明的话，交易所的套利对交易所行情发送和订单介入都有要求，交易所如果不升级的话那可能会面临无利可套的境地。
有的人讲技术工具比作占星术，其实这种说法是相对极端了，技术工具从思路上来讲与量化工具颇有相似，特别是我们可以看到一些后期的复杂技术工具上已经明显有了量化工具的影子。
如果非要究其一二，那么无非是传统的技术工具已经没有办法去满足复杂的处理，所以大家开辟了一门新手艺。

5. 量化投资主要体现在哪些方面？能具体说说吗？

随着社会发展以及经济的进步，有很多人都会进行一些投资来提高自己的经济效益。那么这个时候人们选择的投资方式也是不一样的，有的人会选择投资股票或者是有的人选择投资一些基金。那么今天我们要说的就是量化投资，以及量化投资主要体现在哪些方面？

有纪律性首先就是量化投资指的是通过一些数量化的方式以及计算机上的程序发出的买卖指令，这样的话就能够获取稳定的收益。以这样的交易方式叫做量化投资，那么量化投资主要表现在有纪律性，因为量化投资的决策都是根据一些模型所做出来的。那么有三个模型，首先就是资产配置模型，其次是行业模型，最后就是股票模型。那么根据这些资产配置决定股票以及证券投资的比例来完成一些超额或者是低额的配置，这样的话就能够通过运行结果而作出决策，而不是凭投资者的感觉。

有系统性其次就是量化投资也有系统性，那么这个系统性主要表现在多层次，而且这个大类的资产配置。它在行业选择以及精选个股上面存在着三个层次，因此每个投资都是有一定模型的。而且是多角度的，再者就是量化投资它具有非常大的数据，那么这些海量数据进行处理的时候，就能够获得更多的信息。这样的话，就能够使投资者获得较大的盈利。

一定要抓住机会因此进行量化投资是有很大的优势的，并且只要你抓住量化投资的一些特点，以及他的操作方法就能够有很大的投资机会。并且投资者也可以了解到投资什么才能够给自己带来较大的盈利，那么在信息处理这方面能够发挥极其大的优势。所以一些比较懂投资的投资者，可以在这方面进行一些深层次的研究。

6. 量化投资规模收益是递增还是递减？金融产品各年最高年收益率？

　　绝大部分的效益曲线都是开始随着规模增大效益提高，这个称为规模经济，但是随着规模的继续扩大带来管理成本的增加，他的边际收益是递减的。
　　量化投资基金前期和普通基金一样，规模越大，可使用的策略越多，投资产品也越多，一般收益会越高。但是，随着规模扩大到一定程度时候，它的获利空间会不变。
　　或者说，量化基金本身不适合管理超大规模的资金，如当资金总量高达几千亿或者几万亿的时候，是不适合使用量化策略的。
　　比如，沪深300股指期货推出之处，有很多的套利机会，原因在于参与的人并不多，但是这些年来越来越多的人参与沪深300指数的套利，使得指数一旦出现套利空间就被市场推向正常。量化策略旨在利用模型捕捉微小的获利空间，比如一股价值5块的股票，我现在以4.5卖了，计算机就会迅速反映，以比人以及其竞争对手计算机更快的速度下单买进。但是在一个市场中，这样的机会是有限度的。
　　所以不管量化投资策略如何的吸引人，它都不可能替代传统的基本面、技术分析称为主流的方法。

　　至于收益率，有高有低，最高的超过100%，一些小的基金可能更高，也有亏损很厉害的，具体是多少你肯定查不到。量化投资基金一般属于私募基金，而且是国外的基金。消息透露的非常少。补充说明的是，国内是没有真正意义上的量化投资基金的，或者说这样的基金非常少。原因在于国内可投资的产品太少。这几年来一些公司正在讨论量化投资在国内的推广问题，并且希望官方会推出更多的产品，尤其是衍生性金融工具。