>> 浙商證券-金融工程深度：多因子量化投資框架梳理-240222
| 上傳日期： |
2024/2/22 |
大?。?/td>
| 1506KB |
| 格式： |
pdf 共21頁 |
來源： |
浙商證券 |
| 評級： |
-- |
作者： |
陳奧林 |
| 下載權(quán)限： |
此報告為加密報告 |
|
|
核心觀點
量化投資的收益來源于風(fēng)格收益(β)、選股收益(α)和交易收益。風(fēng)格收益通常是難以預(yù)測的，因此，構(gòu)建量化策略的關(guān)鍵在于產(chǎn)生Alpha收益。目前，多因子是量化投資中的主流Alpha策略，它通過結(jié)合多個具有預(yù)測能力的因子來構(gòu)建投資組合。因此，有效因子的數(shù)量以及因子之間的獨立性是構(gòu)建和評價量化策略的關(guān)鍵。在此框架下，為了產(chǎn)生穩(wěn)健的中性收益或者在指數(shù)基礎(chǔ)上做增強，風(fēng)險模型和組合優(yōu)化，是多因子模型中的重要組成部分。
權(quán)益量化投資流程
量化投資策略的構(gòu)建過程是：數(shù)據(jù)處理->因子構(gòu)建->因子加權(quán)->組合優(yōu)化->交易執(zhí)行。數(shù)據(jù)的質(zhì)量和豐富程度，決定了因子的質(zhì)量和獨立性上限，進而決定了整個策略收益的上限。
通常認(rèn)為風(fēng)格收益是難以預(yù)測的，因此，構(gòu)建量化策略的關(guān)鍵在于產(chǎn)生Alpha收益。Alpha收益由因子庫、風(fēng)險模型和組合優(yōu)化共同決定。
在執(zhí)行端，隨著規(guī)模的擴大，策略對市場的沖擊和交易成本會急劇上升。優(yōu)化算法能夠幫助策略降低交易成本。
當(dāng)前的量化策略特征
第一，海量級因子。部分投資人使用的因子數(shù)量達到萬級，通過機器學(xué)習(xí)加權(quán)以規(guī)避大量因子共線性的問題。這種做法的問題是策略的底層收益同質(zhì)化高，策略偏好小市值股票；第二，押注風(fēng)格，以提升Beta收益。部分投資人主動押注某種風(fēng)格，押對后收益增長顯著，但風(fēng)格切換時，業(yè)績回撤明顯，策略波動性提升；第三，策略競爭領(lǐng)域更加廣泛，從因子庫的競爭，延展到數(shù)據(jù)環(huán)節(jié)，執(zhí)行優(yōu)化甚至服務(wù)器延遲。
端到端與人工智能
展望未來，量化投資可能演化的方向之一是端到端的投資框架。目前，端到端框架有兩種認(rèn)知，一種是從原始數(shù)據(jù)到因子，無需人工介入；一種是從原始數(shù)據(jù)到權(quán)重輸出的完整投資流程。
人工智能正在大力發(fā)展推理能力，當(dāng)獲得足夠的推理能力后，結(jié)合人工智能的知識儲備和代碼開發(fā)能力，能夠在量化投資的各個環(huán)節(jié)提升開發(fā)效率，甚至有可能替代人類研究員。
風(fēng)險提示
部分展示結(jié)果由模型計算所得，僅代表歷史情況，不可簡單外推到未來。
文中總結(jié)的框架系統(tǒng)根據(jù)可查資料和調(diào)查整理所得，與現(xiàn)實情況相比，可能存在遺漏或簡化，僅供參考。
部分內(nèi)容來自于外文文獻，受翻譯影響，可能與作者本意存在誤差，具體信息請以參考原始文獻
|
|
