<cite id="3rb5d"><strike id="3rb5d"></strike></cite>
<var id="3rb5d"><strike id="3rb5d"><progress id="3rb5d"></progress></strike></var>
<var id="3rb5d"></var><var id="3rb5d"></var>
<var id="3rb5d"><strike id="3rb5d"><progress id="3rb5d"></progress></strike></var>
<var id="3rb5d"></var>
<var id="3rb5d"><strike id="3rb5d"></strike></var>
视野知识研究院

期权量化策略

哪些期权策略可以起到避险作用

股指qh与个股对冲博取正阿尔法策略、商品qh与现货对冲策略、跨期对冲策略、跨市场对冲、跨品种对冲、统计套利、股票与期权对冲套利、可转债与正股对冲套利、期权跨式对冲套利、事件驱动型对冲套利、ETF与成分股对冲套利,国债qh与国债主力品种现货的套利对冲等等,以后随着中国金融产品的丰富,会有越来越多的包括利率、外汇产品在内的量化追踪套利模式。

量化投资

没有你想的书
我多年来都有关注这方面的书 可是也没有在国内找到
数量化投资是将投资理念及策略通过具体指标、参数的设计,体现到具体的模型中,让模型对市场进行不带任何情绪的跟踪;相对于传统投资方式来说,具有快速高效、客观理性、收益与风险平衡和个股与组合平衡等四大特点。量化投资技术几乎覆盖了投资的全过程,包括估值与选股、资产配置与组合优化、订单生成与交易执行、绩效评估和风险管理等,在各个环节都有不同的方法及量化模型:
一、估值与选股
估值:对上市公司进行估值是公司基本面分析的重要方法,在“价值投资”的基本逻辑下,可以通过对公司的估值判断二级市场股票价格的扭曲程度,继而找出价值被低估或高估的股票,作为投资决策的参考。对上市公司的估值包括相对估值法和绝对估值法,相对估值法主要采用乘数方法,如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等;绝对估值法主要采用折现的方法,如公司自由现金流模型、股权自由现金流模型和股利折现模型等。相对估值法因简单易懂,便于计算而被广泛使用;绝对估值法因基础数据缺乏及不符合模型要求的全流通假设而一直处于非主流地位。随着全流通时代的到来和国内证券市场的快速发展,绝对估值法正逐渐受到重视。
选股:在当前品种繁多的资本市场中,从浩瀚复杂的数据背后选出适合自己投资风格的股票变得越加困难。在基本面研究的基础上结合量化分析的手段就可以构建数量化选股策略,主流的选股方法如下:
资产配置方法与模型
资产配置类别 资产配置层次 资产配置方法 资产配置模型
战略资产配置 全球资产配置 大类资产配置 行业风格配置 收益测度 风险测度 估计方法 马克维茨 MV 模型 均值 -LPM 模型 VaR 约束模型 Black-Litterman 模型
战术资产配置 ( 动态资产配置 ) 周期判断 风格判断 时机判断 行业轮动策略 风格轮动策略 Alpha 策略 投资组合保险策略
基本面选股:通过对上市公司财务指标的分析,找出影响股价的重要因子,如:与收益指标相关的盈利能力、与现金流指标相关的获现能力、与负债率指标相关的偿债能力、与净资产指标相关的成长能力、与周转率指标相关的资产管理能力等。然后通过建立股价与因子之间的关系模型得出对股票收益的预测。股价与因子的关系模型分为结构模型和统计模型两类:结构模型给出股票的收益和因子之间的直观表达,实用性较强,包括价值型(本杰明·格雷厄姆—防御价值型、查尔斯·布兰迪—价值型等)、成长型(德伍·切斯—大型成长动能、葛廉·毕克斯达夫—中大型成长股等)、价值成长型(沃伦·巴菲特—优质企业选择法、彼得·林奇—GARP价值成长法等)三种选股方法;统计模型是用统计方法提取出近似线性无关的因子建立模型,这种建模方法因不需先验知识且可以检验模型的有效性,被众多经济学家推崇,包括主成分法、极大似然法等。
多因素选股:通过寻找引起股价共同变动的因素,建立收益与联动因素间线性相关关系的多因素模型。影响股价的共同因素包括宏观因子、市场因子和统计因子(通过统计方法得到)三大类,通过逐步回归和分层回归的方法对三类因素进行选取,然后通过主成分分析选出解释度较高的某几个指标来反映原有的大部分信息。多因素模型对因子的选择有很高的要求,因子的选择可依赖统计方法、投资经验或二者的结合,所选的因子要有统计意义上或市场意义上的显著性,一般可从动量、波动性、成长性、规模、价值、活跃性及收益性等方面选择指标来解释股票的收益率。
动量、反向选股:动量选股策略是指分析股票在过去相对短期的表现,事先对股票收益和交易量设定条件,当条件满足时买进或卖出股票的投资策略,该投资策略基于投资者对股票中期的反应不足和保守心理,在投资行为上表现为购买过去几个月表现好的股票而卖出过去几个月表现差的股票。反向选股策略则基于投资者的锚定和过度自信的心理特征,认为投资者会对上市公司的业绩状况做出持续过度反应,形成对业绩差的公司业绩过分低估和业绩的好公司业绩过分高估的现象,这为投资者利用反向投资策略提供了套利机会,在投资行为上表现为买进过去表现差的股票而卖出过去表现好的股票。反向选股策略是行为金融学理论发展至今最为成熟,也是最受关注的策略之一。
二、资产配置
资产配置指资产类别选择、投资组合中各类资产的配置比例以及对这些混合资产进行实时管理。资产配置一般包括两大类别、三大层次,两大类别为战略资产配置和战术/动态资产配置,三大层次为全球资产配置、大类资产配置和行业风格配置。资产配置的主要方法及模型如下:
战略资产配置针对当前市场条件,在较长的时间周期内控制投资风险,使得长期风险调整后收益最大化。战术资产配置通常在相对较短的时间周期内,针对某种具体的市场状态制定最优配置策略,利用市场短期波动机会获取超额收益。因此,战术资产配置是在长期战略配置的过程中针对市场变化制定的短期配置策略,二者相互补充。战略资产配置为未来较长时间内的投资活动建立业务基准,战术资产配置通过主动把握投资机会适当偏离战略资产配置基准,获取超额收益。
三、股价预测
股价的可预测性与有效市场假说密切相关。如果有效市场假说成立,股价就反映了所有相关的信息,价格变化服从随机游走,股价的预测就毫无意义,而我国的股市远未达到有效市场阶段,因此股价时间序列不是序列无关,而是序列相关的,即历史数据对股价的形成起作用,因此可以通过对历史信息的分析来预测股价。
主流的股价预测模型有灰色预测模型、神经网络预测模型和支持向量机预测模型(SVM)。灰色预测模型对股价的短期变化有很强的预测能力,近年发展起来的灰色预测模型包括GM(1, 1)模型、灰色新陈代谢模型和灰色马尔可夫模型。人工神经网络模型具有巨量并行性、存储分布性、结构可变性、高度非线性和自组织性等特点,且可以逼近任何连续函数,目前在金融分析和预测方面已有广泛的应用,效果较好。支持向量机模型在解决小样本、非线性及高维模式识别问题中有许多优势,且结构简单,具有全局优化性和较好的泛化能力,比神经网络有更好的拟合度。
四、绩效评估
作为集合投资、风险分散、专业化管理、变现性强等特点的投资产品,基金的业绩虽然受到投资者的关注,但要对基金有一个全面的评价,则需要考量基金业绩变动背后的形成原因、基金回报的来源等因素,绩效评估能够在这方面提供较好的视角与方法,风险调整收益、择时/股能力、业绩归因分析、业绩持续性及Fama的业绩分解等指标和方法可从不同的角度对基金的绩效进行评估。
绩效评估模型 / 指标
绩效评估准则
择时 / 股能力
业绩归因分析
风险调整收益
业绩持续性
Fama 业绩分解
模型 / 指标
T-M 模型
H-M 模型
GII 模型
C-L 模型
资产配置收益
证券选择收益
行业选择收益
行业内个股选择收益
RAROC
Sharp, Stutzer
Treynor, Jensen
, ,
双向表分析
时间序列相关性
总风险收益
系统风险收益
分散化投资收益
五、基于行为金融学的投资策略
上世纪50~70年代,随着马科维茨组合理论、CAPM模型、MM定理及有效市场假说的提出,现代金融经济学建立了一套成熟的理论体系,并且在学术界占据了主导地位,也被国际投资机构广泛应用和推广,但以上传统经济学的理论基石是理性人假设,在理性人假设下,市场是有效率的,但进入80年代以后,关于股票市场的一系列研究和实证发现了与理性人假设不符合的异常现象,如:日历效应、股权溢价之谜、期权微笑、封闭式基金折溢价之谜、小盘股效应等。面对这些金融市场的异常现象,诸多研究学者从传统金融理论的基本假设入手,放松关于投资者是完全理性的严格假设,吸收心理学的研究成果,研究股市投资者行为、价格形成机制与价格表现特征,取得了一系列有影响的研究成果,形成了具有重要影响力的学术流派-行为金融学。
行为金融学是对传统金融学理论的革命,也是对传统投资实践的挑战。随着行为金融理论的发展,理论界和投资界对行为金融理论和相关投资策略作了广泛的宣传和应用,好买认为,无论机构投资者还是个人投资者,了解行为金融学的指导意义在于:可以采取针对非理性市场行为的投资策略来实现投资目标。在大多数投资者认识到自己的错误以前,投资那些定价错误的股票,并在股价正确定位之后获利。目前国际金融市场中比较常见且相对成熟的行为金融投资策略包括动量投资策略、反向投资策略、小盘股策略和时间分散化策略等。
六、程序化交易与算法交易策略
根据NYSE的定义,程序化交易指任何含有15只股票以上或单值为一百万美元以上的交易。程序化交易强调订单是如何生成的,即通过某种策略生成交易指令,以便实现某个特定的投资目标。程序化交易主要是大机构的工具,它们同时买进或卖出整个股票组合,而买进和卖出程序可以用来实现不同的目标,目前程序化交易策略主要包括数量化程序交易策略、动态对冲策略、指数套利策略、配对交易策略和久期平均策略等。
算法交易,也称自动交易、黑盒交易或无人值守交易,是使用计算机来确定订单最佳的执行路径、执行时间、执行价格及执行数量的交易方法,主要针对经纪商。算法交易广泛应用于对冲基金、企业年金、共同基金以及其他一些大型的机构投资者,他们使用算法交易对大额订单进行分拆,寻找最佳路由和最有利的执行价格,以降低市场的冲击成本、提高执行效率和订单执行的隐蔽性。任何投资策略都可以使用算法交易进行订单的执行,包括做市、场内价差交易、套利及趋势跟随交易。算法交易在交易中的作用主要体现在智能路由、降低冲击成本、提高执行效率、减少人力成本和增加投资组合收益等方面。主要的算法包括:交易量加权平均价格算法(VWAP)、保证成交量加权平均价格算法(Guaranteed VWAP)、时间加权平均价格算法(TWAP)、游击战算法(Guerrilla)、狙击手算法(Sniper)、模式识别算法(Pattern Recognition)等。
综上所述,数量化投资技术贯穿基金的整个投资流程,从估值选股、资产配置到程序化交易与绩效评估等。结合量化投资的特点及我国证券市场的现状,好买认为量化投资技术在国内基金业中的应用将主要集中在量化选股、资产配置、绩效评估与风险管理、行为金融等方面,而随着包括基金在内的机构投资者占比的不断提高、衍生品工具的日渐丰富(股指qh、融资融券等)以及量化投资技术的进步,基金管理人的投资策略将会越来越复杂,程序化交易(系统)也将有快速的发展。

什么是optionmr期权啊?怎么玩?

任选期权("Asyoulikeit"option)又称选择人期权(ChooserOption),美股研究社称其是指在—定期限内可由多头选择该期权为看涨期权还是看跌期权的期权。

请问什么是量化对冲FOF?

借助统计学等数学方法进行量化,从海量历史数据中寻找能够带来超额收益的多种“大概率”策略;同时利用qh、期权等金融衍生产品以及相关联的不同股票进行多空操作;以追求绝对收益为目标。

期权交易策略你真的了解了吗

最基础期权交易策略为四种,买入认购,卖出认购,买入认沽,卖出认沽。 但这四种期权以不同数据,不同行权价,不同期限等来组合,组合出来的策略可以非常非常多。不过,不一定复杂的组合就管用,直正挣钱的策略组合包括的期权数量一般不超过4个。 按对市场预期不同,大体可以为分 牛市策略、熊市策略、中性策略、波动率策略等大类,还有与现货配合的期现策略,以及套利策略等。

什么是量化投资交易策略

一文看懂量化投资策略

闲话基

量化投资在近些年受到越来越多的关注,包括规模、策略、业绩。量化投资,是指通过借助统计学、数学方法,运用计算机从海量历史数据中,寻找能够带来超额收益的多种“大概率”策略,按照策略构建的数量模型严格执行投资,力求获得长期稳定可持续高于平均的超额回报。

跟传统的主动管理方法相比,量化投资是高投资广度、低投资深度的一种投资方法。量化投资强调纪律投资,可以克服投资者主观情绪的影响。

现在市场上运用的策略有很多种,下面来看看主流的几种策略。

一、市场中性策略

市场中性策略是国内使用最多的策略。根据CAPM理论,股票收益由两部分组成,一部分是市场整体风险的beta收益,一部分是股票自身风险带来的alpha收益。中性策略是从消除市场系统性风险的维度出发,通过同时构建多头和空头头寸对冲市场风险,以获得较稳定的绝对收益。国内通常使用的操作方法是,买入股票,同时卖空与股票等市值的股指qh。盈利模式是,所买股票超越大盘的涨跌幅度。市值对冲并不是完全的beta对冲,但可以减少计算量,降低调仓率,为国内投资机构普遍使用。

Alpha策略关键点是选出的股票组合收益要持续跑赢沪深300指数,在市场上涨时平均涨幅大于沪深300指数,在市场下跌时平均跌幅小于沪深300指数,并且可持续稳定。

通常管理人根据估值、成长性、市值、动量、预期变动、资金关注、技术指标、事件、业绩等多个维度进行量化选股,构造投资组合,同时以沪深300行业配置比例为基准,对系统筛选出的股票根据宏观经济和行业景气进行差异化配置,并定期根据各因子变动进行动态调整组合。

构建中性策略,买入100元股票组合,卖空100元股指qh,多头与空头组合价值相等:

1、市场上涨:股票组合(上涨赚钱)+指数收益(上涨亏钱)=10%+(-7%)=3%

2、市场下跌:股票组合(上涨赚钱)+指数收益(上涨亏钱)=(-7%)+10%=3%

3、市场震荡:股票组合(上涨赚钱)+指数收益(上涨亏钱)=10%+(7)=17%

Alpha策略最主要风险在于选股策略上。

选股模型可能会因为股票市场规律性变动、突发事件和统计模型本身的概率属性,在某些时间段出现失效,导致做多的股票跑输市场出现短期亏损。这需要基金经理能不断完善投资模型和操作技巧提升获胜概率。此外,Alpha策略还收到基差的影响。大部分时候会有一定的升贴水损失,策略对基差的风控非常重要。

二、套利策略

1、统计套利

统计套利是对历史数据进行统计分析,估计相关变量的概率分布,结合基本面数据分析,用来进行套利交易。

运用统计分析工具,对一组相关联的价格之间的关系的历史数据进行研究分析,研究关系的历史稳定性,并估计其概率分布,确定分布中的极端区域,即否定域。当真实市场上的价格关系进入否定域,可以认为这种价格关系不可长久持续,此时有较高的成功概率进场套利。

2、期现套利

期现套利指利用qh与现货基差扩大产生的套利机会,做多被低估标的,做空被高估标的,待期现基差回归至合理范围后,平仓离场的低风险策略。

期现套利策略,根据沪深300股指qh与沪深300指数基差到期时必定收敛的交易机制。当qh指数与沪深300指数基差足够大时,可以通过构建一个反向组合,获得基差收敛过程中产生的收益。目前国内只能进行“做空基差”的正向套利,即当基差大于0的时候,买入股指ETF或者一揽子股票,同时卖出等市值股指qh,待价差收敛后平仓。当基差小于0时,由于融券不足,无法通过卖出股指ETF或者一揽子股票同时买入等市值的股指qh进行“做多基差”的反向套利。当qh价格深深贴水的时候,因融券存在障碍反向套利被切断,贴水状态自由发展,只能通过市场大幅度反弹,多头的投机者重新将价格抬升至升水的状态。这也是市场贴水一直无法及时恢复的重要原因。

期现套利的主要风险在于市场价格出现剧烈波动导致浮亏,具体表现为所跟踪标的之间的基差出现长时间不回归甚至反向逆转,期现收益无法有效覆盖交易成本、冲击成本、现金成本等风险。

3、ETF套利

ETF套利,是指投资者可以在一级市场通过置顶的ETF交易商想基金管理公司,用一揽子股票组合申购ETF份额,或者把ETF份额赎回成一揽子股票组合,同时可以在二级市场以市场价格买卖ETF。

假设某只ETF成分股暴跌,使得该ETF净值迅速走低,但该ETF的市场价格未能及时跟上,两者短暂地出现一个价差,此时可以买入ETF一揽子股票组合申购成ETF,然后将ETF在二级市场卖出,实现低买高卖,获取价差。

ETF套利的两种交易顺序,一种是从股票二级市场买入一揽子股票,按一定比例换成ETF份额,然后在二级市场卖出ETF份额,前提是一揽子股票价格比ETF价格低,出现溢价;另一种是,从ETF二级市场买入份额,按照一定比例兑换成一揽子股票,在拿到股票二级市场卖出,这样的前提是ETF价格低于一揽子股票价格,出现折价。

4、分级基金套利

分级基金有2种套利模式。

一种方式是当母子基金比价出现折溢价时可进行套利。当A/B份额的组合价格大于母基金净值时,存在整体溢价套利机会。通过场内申购母基金份额,分拆成A和B并在二级市场卖出完成溢价套利。当A/B份额的组合价格小于母基金净值时,存在整体折价套利机会。通过在二级市场按比例买入A类份额和B类份额,申请合并成母份额并赎回完成折价套利。

但是折溢价套利不能实时完成,需要面临1-2个交易日的价格波动风险。可以通过股指qh对冲管理风险敞口。

一般在牛市中溢价套利机会比较多,在震荡市场中折价套利机会更多、胜率更高。

另一种套利方式是,市场下跌时,含下折算条款的分级基金A份额包含的期权价值套利,同时还有在整体折溢价套利基础上演的底仓-对冲溢价套利、循环折价套利。

三、CTA策略

CTA策略是投向qh市场,使用历史数据,通过统计、数学、编程的方法找到盈利规律。分为趋势策略和套利策略。

趋势策略是跟随者市场上涨做多,市场下跌做空,因此在任何一种qh商品进入趋势后,CTA策略就会获得良好的收益空间。

套利策略是通过跨期限、跨市场、跨品种等不同合约之间的“价差回归”,锁定套利空间。

跨期限是指同一交易品种,不同交易周期间的套利。历史数据表明qh不同合约价格相关性高,价差出现稳定的统计特征。当两个不同到期月份合约/不同品种合约之间的价差偏离合理区间时,可以通过在qh市场同时买入低估值合约和卖出高估值合约,在价差回归后进行反向平仓,进行跨期限套利交易。

更加具体地说,跨期套利是指不同月份qh支架的套利。通过多远空近或多近空远,来买卖同一市场同种商品不同到期月份的qh合约,利用不同到期月份合约的价差变动来获利的套利模式。

交易过程如下:

跨品种与跨期现套利逻辑相似,只是使用在同一期限不同品种合约之间,具体投资流程如下:

跨市场套利,在某个交易所买入(卖出)某一交割月份的某种商品合约,同时在另一个交易所卖出(买入)统一交割月份的同种商品合约,在有利时机分别在两个交易所对冲获利。

跨市场策略涉及外汇兑换、国际qh交易对冲,交易实现难度大,国内用得少。

由于qh具有杠杆属性,这类策略持仓的市值往往很大,有时候甚至超过产品资产总值,导致收益率的波动率是所有量化策略中最大的。在市场出现连续震荡行情时,这样策略由于杠杆属性会出现较大的回撤。另外一个对这类策略的一个限制是,目前市场上活跃交易的qh品种不多,高频交易很大程度倚重于品种成交量,开平仓时间间隔较短,使得策略容量不大。


易购彩官方平台