中信证券 - 量化投资的中国化研究

量化投资的中国化研究

：如果市场完全有效，技术和基本分析将白费，这意味着定量投资研究是没有意义的。在实践中，完全有效的市场不会存在，通常可以通过异常现象获取超额收益。

计算机已经成为投资组合经理和证券分析师的必备工具。复杂的交易策略，如程序化交易和投资组合管理，没有计算机和通信基础平台的支持，就不可能实现。正如商业周刊报道，在很大的范围内在技术驱动下，金融业正在发生结构性的变化。 - KYTam，运筹学学会杂志，Sep.199

在过去的一个世纪，关于量化的投资方式，大量经济学家做出了不懈的努力。最初量化投资的讨论可以追溯到1900年，由学者Bachelor提出。不幸的是，他否认了定量投资作用。他认为商品市场的价格变动应该是相互独立的，因此定量分析是没用的，但当时没有人能证明这个理论的真伪。直到1950年，有效市场假说才开始在欧洲和北美股市进行了实证分析。肯德尔（1953），法玛（1965），布里雷，德莱顿，坎宁安和穆尔（1962）分别在英国和美国进行市场的典型试验，发现“英国市场遵循随机游走模型，而美国市场是无效的市场”。

如果市场是完全有效的，传统的技术和基本分析将白费，这意味着定量投资研究是没有意义的。在实践中，完全有效的市场不会存在，我们通常可以通过

“Anomalies(异常现象)”获取超额收益,而这些“异常现象”或者来源于技术分析或者来源于基本面分析。拉蒙劳伦斯（1997）评论说：“我认为有效市场假说在理论上有一定的好处，但在现实世界，这是痛苦的，因为存在一个明显不公平的竞争。一些市场参与者有更多的信息工具洞悉这种 “异常现象”从而战胜市场，基本上股市价格不单纯是随机行走”。业界中大量的研究人员，专业人士和普通投资者都在津津乐道地寻找这种“异常现象”获取高额回报。

在大量前人研究文献中，我们可以发现，投资具有这种“异常现象”的股票，如低P / E的股票，一月效应，小市值规模的企业，积极阿尔法策略都可以取得超越市场的回报（例如比S＆P 500指数更好的表现）。Reinganum（1988）基于222家美国顶尖金融投资公司业绩发现“这些取得股票投资组合异常报酬的金融集团投资的股票都有一些共同特点和规则，而这些规则涉及通常可以用一些公开的市场参数测量，如市盈率，动量指标，市值规模，资金流向等”。在华尔街，大量顶尖的资产管理公司，基金公司和证券经纪公司通过分析自己的数据库或资讯供应商提供的数据来源不断从事这些异常现象的发掘，据不完全统计，美国证券市场日常的交易量有超过65%基于这种量化投资和算法交易。

在过去的几年里，越来越多的量化投资基金开始建立。据理柏的数据，2006年，81家量化投资基金加入共同基金的阵营。此外，量化投资基金的规模从2002年底的190亿美元增加到2006年的4000亿美元。Evergreen首席投资官比尔说：“在华尔街历史上，这是第一次量化投资成为主流方向，这是一个关键的转折点。”多家世界著名的投资管理或资产管理公司都开始发现量化基金，如我们熟悉的先锋，联邦，剑锋，美国世纪，联博，长荣，及嘉信等。最近他们都开始加入巴克莱全球投资集团和LSV资产管理两个世界上最大的量化基金管理公司阵营。

中国股市越来越多的量化投资的基金和指数基金公司如雨后春笋涌出，截至2010年7月，在中国A股市场，有9只量化基金（主动量化投资）和12只指数基金（被动量化投资）成立，金融工程技术正在成为投资业的一种时尚和技术革命。在我的接下来的论文中，首先我试图比较金融史上主流的数量选股方法，计算机化组合构建和管理方法，接下来我将介绍系统化的量化投资框架以及现代化的组合构建和管理办法（基于VS.Net, VBA, Matlab，SPSS）。在实证部分，我将使用中国金融市场最流行的数据供应商Wind的数据库以及我自己开发录制的高频交易数据库。

本专题共分为三部分。在第一部分（文献回顾与理论），我将系统化引进包括主动和被动投资的量化投资框架。在这一部分，我将批判性地介绍行业内比较流行的美林时钟行业配置模型，GARP行业内选股模型，Markowitz的有效边界应用，以及指数基金的构建方法。同时，我也提供我自己的方法并提供量化投资的框架和程序。

第二部分，我将重点聚焦于在金融市场上可以应用的实际统计和计量经济学方法，并将其应用于实证研究。具体包括了应用于行业配置的金融数据平稳性检验与转化方法;主成分分析，多元回归分析和优化求解，遗传算法; 应用于主动性组合构建的Markowitz的投资组合理论和有效前沿的组合构建方式，应用于指数基金构建的三种优化求解方法等的具体实施方式。

第三部分，我将应用前面讨论的数量化投资框架，实证多变量回归分析，优化求解，遗传算法在行业配置上的应用。同时，在这一部分，我还将分别提供积极量化投资方法（GARP选股，行业指数构建法，马克维茨有效边界新用，投资组合构建和管理）和被动投资方法（相关系数，追踪误差与Beta）在实际金融市场中的应用，并对不同的量化投资方法构建量化投资指数，长期跟踪量化投资指数与主流同类基金的业绩。

在介绍量化投资框架之前，让我们先比较一下两种主流股票选择方法：基本选股选股和技术面选股即狭义的量化投资，这两种量化选股的方法奠定了量化投资的里程碑，在本文结束将提出建议的量化投资框架流程和步骤。

基本面选股：

狭义的基本面选股主要包括财务指标选股而非基于股票的价和量，最早将基本面选股成文的是目前风靡一时的巴菲特的老师本杰明·格雷厄姆，他在1934年与大卫.陶德合著的《有价证券分析》奠定了财物指标选股的根基，被华尔街誉为股市圣经。

正如埃尔顿和格鲁伯（1991）提及到：“从大多优秀的投资公司实际运作看，投资组合经理大部分时间花在选股，只有偶尔才做市场择机。至于选股，他们的任务在于挑选一些承担相同风险但业绩显著优于同行业的股票。通常，不管投资经理在选择一家公司使用自上而下或自下而上的方法都非常重视公司的财务记录”。

基本面选股就是这种基于财务指标而并非股票价格和数量的选股方法。正如有效市场理论之父尤金·法玛指出：“我们从来都不缺乏证据，大量的基金公司的短期回报是基于投资一些具有良好财务指标的公司。这些指标包括，帐面价值价格比，现金流量价格比，收入价格比，股利价格比，收入增长率，杠杆比，债务/股本比率，净资产回报率和市值规模等，这些变量（因素）都被广泛的应用于华尔街多因子筛选模型中”。

基本分析基于公司的业绩和盈利能力深入研究，它代表了股票价格的内在价值。侯赛因，马赫迪与穆罕默德（2007）指出“基本分析相信通过研究公司的历史业绩以及最新公开发布的市场信息，市场状况，相关产业情况和其他宏观因素是可以取得超额收益的。这种方法适用于对公司的估值模型（如回归和相关性分析）”。

基本分析的优点是它提供了系统的方法，在信息被股价充分反映前预测到它的改变。此外，它也是一个长期的稳定和增长投资方式。但它的缺点是，有价值的信息的确可以确保股票未来价格的变化情况，但在实际中，这种股价的运动可能会推迟，直到市场以同样的方式解释这些信息。

通常，当我们谈论的基本面选股标准除了财务指标巴菲特描述，还包括上市公司的研究。通常意义上，这种选股方法是基于弱有效市场假说。在弱有效市场，基金经理在公共信息的基础上无法获取的异常报酬，但“内幕信息”可以成为成功的关键。目前，尤其是在亚洲文化下，财务信息和宏观数据披露机制遭到挑战和质疑，从而基于人脉关系的上市公司真实情况“双重检查”和宏观政策意图的解析成为了行业配置和个股选择克敌制胜的法宝。中国A股市场目前就处于这种弱有效市场阶段，这也是基本面调研方式较为盛行的主要原因。

技术面选股：

第二个是选股方法是基于股票的价格和交易量的关系， MACD指标，KDJ，RSI，动量指标，筛选指标，趋势线分析，周期理论，成交量指标，波浪分析都属于这种方式。

侯赛因，马赫迪与穆罕默德（2007）指出“技术分析理论基础是趋势变化，投资者对外界刺激的态度的变化充分反映在了价格的变化趋势中，这种分析方法就是利用历史价格来预测未来价格”。前文提到弱有效市场假说就与技术分析矛盾，尽管它依然被市场大约90％交易商使用。拉蒙劳伦斯（1997）这样评论技术分析，“虽然它被广泛使用，技术分析是从古至今都是最令人诟病的，这种方法非常主观的，不同的人可以以不同的方式解释图表，结论可以大相径庭”。客观上，技术指标可以提供短期或长期的信息，帮助确定趋势或市场周期或表示股票的价格趋势。但今天的交易市场瞬息万变，其固有的时间延迟使之无法成为理想投资分析工具。

技术分析背后有三个心理学的基本假设。正如约翰墨菲（1994）在《期货市场技术分析》一书中指出，“市场活动反映了所有的信息；价格永远遵循一种趋势移动；历史会重演，但不是简单地重复自己”。在实际投资中，道氏理论，K线理论，技术指标都是技术分析的实际应用。

通常情况下，不像基本面分析方法，机构投资者往往不屑于技术选股，主要观点是：在有效的市场，如果价格能够充分反映价格和交易量，这种定量分析必然无效的。但是这种思想的最大问题在于忽略了技术分析理论基础的后两点，价格移动有趋势，历史也会复杂的重演。拨开云雾，技术分析的本质是基于人类心理学，不管是中国的股市，香港的股市，美国的股市，人类内心活动皆是相同的，追涨杀跌，自我纠正，心理周期循环（自卑到自大，自大到恐惧，周而复始，或则我们可以理解为索罗斯的反身理论），我们看看通常的一些理论，K线理论，均线理论，技术指标，趋势线反映的是追涨杀跌，反转理论反映的是自我纠正，而波浪理论反映的就是人类心理周期的循环。

事后看来，特别是指数和行业的轮换和泡沫在各国都有着惊人的相似性，个股除外。技术分析似乎永远可以较为合理的解释指数变动方向和幅度而并非是个股。因为在许多新兴市场，交易商可能操纵个别股票，但他们无法操纵整个市场指数的趋势。到目前为止，琦和曼德拉（1999）正确预测了S＆P 500指数超额收益率的上升或下降运动。 Kim和骏（1998）为新加坡股票指数改变方向进行预测。陈等人（2003）也尝试过试图对台湾证券交易所指数报酬率的方向和幅度进行预测并取得较好的实证结果。