量化投资

第八章 估值理论

2018-05-26
| 量化投资 | | 投资 , 模型 , 头寸 , 套利 , 估值 , 风险 , 中性 | Comment 评论

离散随机模型

考虑 \(N+1\) 个资产,经历 \(T\) 个时间单位的,关于价格的离散随机过程:

前续 当前 后续
时刻 \(t-1\) \(t\) \(t+1\)
状态 \(\phi(s,t)\) \(s=\phi(z,t+1)\) \(z\)

时刻 \(t\) 的每个状态 \(s\) 代表:在时刻 \(t\) 的历史价格路径。如果给定时刻 \(t\) 的状态 \(s\) ,那么 \(s\) 有确定的前续状态记为 \(\phi(s,t)\) ,而 \(s\) 后续状态是不确定的,将 \(s\) 所有可能的后续状态集记为 \(\Omega(s,t)\) ;并且将时刻 \(t\) 所有状态集记为 \(\Phi(t)\)

...

第七章 预期收益率和套利定价理论

2018-05-25
| 量化投资 | | 投资 , 套利 , 定价 | Comment 评论

套利定价理论(APT)是资本资产定价模型(CAPM)在预测预期收益率上的一个有趣而强力的替代选择。

尽管CAPM抓住了最重要的角色--市场,但是忽略了其它因素对预期收益率的影响,必然在某些时期会出现系统性缺陷。

APT是生成预期收益率的模型。

APT的应用是艺术,而非科学。

APT关注因子和预期收益率之间的关系。

APT的灵活性导致它不适合作为一致预期收益率的模型。

APT是主动投资经理的一个信息来源。

...

第六章 主动管理基本定律

2018-05-24
| 量化投资 | | 投资 , 主动管理 , 残差 , 信息率 , 头寸 | Comment 评论

基本定律

主动管理基本定律是信息率的一种近似表达。

这条定律基于投资策略的两条基本属性:

1)投资策略的广度 \(\mathrm{BR}\) ):策略每年对超常收益率作出的独立预测的数目。

2)投资经理的信息系数 \(\mathrm{IC}\) ):每个预测与实现结果之间的相关系数,表征投资经理的能力。简化假设:所有预测的 \(\mathrm{IC}\) 都是相同的。

...

第五章 残差风险和残差收益率:信息率

2018-05-23
| 量化投资 | | 投资 , 阿尔法 , 贝塔 , 信息率 , 偏好 | Comment 评论

阿尔法

向未来看(先验),阿尔法是对残差收益率的预测;向过去看(后验),阿尔法是实现的残差收益率的均值。

阿尔法贝塔都源自线性回归模型(见第2章笔记:超额收益率分解)。

本章专注阿尔法的预测;第12章将评估阿尔法预测的质量;第17章考虑实现的阿尔法。

...

第四章 超常收益率、业绩基准和附加值

2018-05-22
| 量化投资 | | 投资 , capm , 业绩基准 , 风险 , 收益 , 效用 | Comment 评论

CAPM提供一致预期收益率,多因子模型可以帮助控制风险。本章讨论如何进行预期收益率的预测,并概述如何将预测转化成投资组合。

业绩基准

业绩基准组合的别称:标杆、规范组合。业绩基准组合是投资管理机构化的产物。

弃用市场组合,转而使用业绩基准组合。 在新的分析框架下,贝塔、残差风险都是相对某个业绩基准组合而言。

...

第三章 风险

2018-05-21
| 量化投资 | | 投资 , 风险 , 标准差 , 多因子 | Comment 评论

标准差

书中介绍了风险的各种定义及其优劣,最终还是选择标准差作为本书的风险定义。

尽管标准差具有某些不足,只要我的假设中依赖或近似依赖正态分布,那么推荐标准差这个风险度量定义。因为它能满足我们普适,对称,灵活和可精确预测的要求。若无特殊要求,我们讨论的风险总是指收益率的年化标准差(以百分之一为单位)。

投资组合 \(r_P=\sum_i{w_i r_i}\) 的标准差:

\[ \begin{aligned} \sigma_P & =\sqrt{\sum_{i,j}{\rho_{i,j}(w_i \sigma_i)(w_j \sigma_j)}} \\ & \le \sqrt{(\sum_i{w_i \sigma_i})^2} \\ & = \sum_i{w_i \sigma_i} \end{aligned} \] ...

第一章 绪论

2018-05-19
| 量化投资 | | 投资 , 信息率 , 主动管理 | Comment 评论

投资的艺术正在演变成投资的科学。

有效市场理论任务无法战胜市场;而量化主动管理则试图战胜市场。

尽管量化主动管理试图战胜市场,但承认这的确不容易。

量化主动管理现代投资组合理论的穷亲戚:有现代投资组合理论的威力和结构,却没有合法的名分。

...