|
市场日益增长的复杂性以及多变性对我们的定性判断能力产生了越来越多的干扰,而借助计算机技术和现代统计数学的发展,我们对数据的加工和分析能力却日益增长,对证券市场的刻画和把握能力从而也日益增强。我们构建了从资产配置到组合构建的一系列量化策略,并进行长期跟踪,希望能在中国找到切实可行的数量化投资模式。
量化择时模型。我们从债券股票相对投资收益角度出发构建了衡量战略股债配置周期的GEYR 策略,从货币供应周期角度出发构建了衡量证券市场月度市场涨跌趋势的SWARCH 模型。根据GEYR 策略,从中期看,未来一个季度,中国A 股市场仍然处于适合投资股票的周期内。历史上我们的GEYR 策略准确把握了股债投资的大转折点,而SWARCH 模型在42 个月的样本外预测中,获得了79%的预测精度。 BL 行业配置模型及结果。行业配置一直以来都是投资者关注的重要命题,它不仅可以降低大类资产配置变化带来的流动性问题,也可以规避个股选择分散化的问题。我们构建了BL 模型对行业资产配置进行研究。根据模型结果所构建的行业组合,在样本外的8 个季度中,7 个季度都获得了超出基准2%以上的超额收益。模型的最新观点认为,在本季度BL 行业组合为:信息技术76.8%、传播文化9.3%、医药类7.3%、农林牧渔6.5%。 成长/价值股选股模型。采用公司历史的财务指标股权报酬率,以及一致预期的公司未来盈余成长性指标和预期市盈率指标构建了成长股的选股模型。参考公司长期历史财务指标包括股权报酬率、股息分红率、市净率、市现率、市盈率等指标,构建了价值股的选股模型。成长股选股模型在市场上涨阶段能够快速累计超额收益,2009 年3 月至2010 年4 月,成长策略折合年化超额收益达到23%。相对地,我们的价值型选股在市场下跌过程中能够累积更多的超额收益。 全市场选股模型。采用上市公司财务指标,估值以及技术指标,我们构建了全市场的选股模型。通过历史回溯不同指标与股票收益率的相关性,选择相关性高且显著的指标作为股票的评分依据,对全市场股票进行综合打分。选择得分最高的一篮子股票构成投资组合。投资组合在2007 年1 月至2010 年4 月这段时间,获得的累计收益可达到267%,同期沪深300 指数的累计收益为50%。 波动率预测模型。我们将宏观经济变量、不同频率(混频)的市场数据信息糅合进主流模型,得出改进的(多元)波动预测模型(MM-DCC 模型),对未来一个月的市场波动和相关性进行预测。模型得到5 月份股票波动率的预测值为0.067,股债相关性预测值为-0.176。 |
|
|
