1 / 59

汇聚财智 共享成长

汇聚财智 共享成长. 不要迷恋 Alpha —— 从“三因子模型”的角度. 目 录. 一、 Alpha 真的存在么? 二、利用三因子模型获取超额收益 三、 Beta 可预测么? 四、因子可预测么? 五、预测三因子模型的超额收益. 一、 Alpha 真的存在么. 如下投资组合. 一、 Alpha 真的存在么. 组合状况. 一、 Alpha 真的存在么. 组合状况. 一、 Alpha 真的存在么. 关于 Alpha 的思考 Alpha 从何而来 低估值? 高增长率? 高现金流? Alpha 稳定么?

cleo-finch
Download Presentation

汇聚财智 共享成长

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 汇聚财智 共享成长 不要迷恋Alpha ——从“三因子模型”的角度

  2. 目 录 一、Alpha 真的存在么? 二、利用三因子模型获取超额收益 三、Beta可预测么? 四、因子可预测么? 五、预测三因子模型的超额收益

  3. 一、Alpha 真的存在么 • 如下投资组合

  4. 一、Alpha 真的存在么 • 组合状况

  5. 一、Alpha 真的存在么 • 组合状况

  6. 一、Alpha 真的存在么 • 关于Alpha 的思考 • Alpha从何而来 • 低估值? • 高增长率? • 高现金流? • Alpha稳定么? • Alpha稳定? • 只是某一阶段的市场偏好?

  7. 目 录 一、Alpha 真的存在么? 二、利用三因子模型获取超额收益 三、Beta可预测么? 四、因子可预测么? 五、预测三因子模型的超额收益

  8. 二、利用三因子模型获取超额收益 • 为什么要选择多因子模型 • 更清晰的刻画 • 黑箱

  9. 二、利用三因子模型获取超额收益 • 选择合适的因子 • 足够的维度刻画 • 一定的经济意义 • 避免多重共线性 • 多重共线性和维度的矛盾

  10. 二、利用三因子模型获取超额收益 • 选择合适的因子——多重共线性

  11. 二、利用三因子模型获取超额收益 • 选择合适的因子——多因子的拟合能力

  12. 二、利用三因子模型获取超额收益 • 选择合适的因子——还剩多少Alpha?

  13. 二、利用三因子模型获取超额收益 • 选择合适的因子——因子分布图

  14. 二、利用三因子模型获取超额收益 • 选择合适的因子——大小盘因子

  15. 二、利用三因子模型获取超额收益 • 选择合适的因子——估值因子

  16. 二、利用三因子模型获取超额收益 • 因子模型的效果 • 理论上的收益 • 2005年1月-2010年8月 • 周调仓 • Beta的估计:所有A股对上述三个因子的普通最小二乘回归 • 后验的因子每周走势 • 动态的构建一个包含20只股票的组合 • 交易成本按1%计算,构建了40只股票的缓冲池

  17. 二、利用三因子模型获取超额收益 • 因子模型的效果

  18. 二、利用三因子模型获取超额收益 • 因子模型的效果——收益倍数

  19. 目 录 一、Alpha 真的存在么? 二、利用三因子模型获取超额收益 三、Beta可预测么? 四、因子可预测么? 五、预测三因子模型的超额收益

  20. 三、Beta可预测么? • 预测Beta的方法 • 使用全部历史数据的普通最小二乘 • 滚动窗口型的普通最小二乘 • 基于状态空间的kalman滤波方法 • 异方差的GARCH方法

  21. 三、Beta可预测么? • 预测Beta的方法 • 全历史数据最小二乘 • 滚动窗口最小二乘

  22. 三、Beta可预测么? • 预测Beta的方法 • 均值回复型的状态空间模型

  23. 三、Beta可预测么? • 预测Beta的方法 • 均值回复型的状态空间模型

  24. 三、Beta可预测么? • 预测Beta的方法 • 均值回复型的状态空间模型-----Kalman滤波

  25. 三、Beta可预测么? • 预测Beta的方法 • 均值回复型的状态空间模型-----参数估计 • Kalman滤波一步预测的似然函数最大化 • 正态假设下

  26. 三、Beta可预测么? • 预测Beta的方法 • 均值回复型的状态空间模型-----beta预测流程 • 参数估计:每10周更新一次参数 • beta的均值使用历史数据做最小二乘求得,每周更新

  27. 三、Beta可预测么? • 不同方法计算的beta值的波动性-----市场因子

  28. 三、Beta可预测么? • 不同方法计算的beta值的波动性-----大小盘因子

  29. 三、Beta可预测么? • 不同方法计算的beta值的波动性-----市净率因子

  30. 三、Beta可预测么? • 不同的因子预测准确性下的收益 • 2006年1月-2010年8月 • 周调仓 • 三个因子的预测准确度假定同时变化 • 动态的构建一个包含20只股票的组合 • 交易成本按1%计算,构建了40只股票的缓冲池 • 模拟次数为100

  31. 三、Beta可预测么? • 不同的因子预测准确性下的收益

  32. 三、Beta可预测么? • 预测的beta和实际的因子----20周滚动OLS

  33. 三、Beta可预测么? • 预测的beta和实际的因子----全部历史数据OLS

  34. 三、Beta可预测么? • 预测的beta和实际的因子----均值回复的状态空间方法

  35. 目 录 一、Alpha 真的存在么? 二、利用三因子模型获取超额收益 三、Beta可预测么? 四、因子可预测么? 五、预测三因子模型的超额收益

  36. 四、因子可预测么? • 如何预测因子的变动 • 市场因子:市场择时——永恒的话题 • 大小盘因子:大小盘择时——均值回复的陷阱 • 估值因子: 高低估值——趋势性最弱

  37. 四、因子可预测么? • 市场因子预测效果

  38. 四、因子可预测么? • 大小盘因子预测效果

  39. 四、因子可预测么? • 估值因子预测效果

  40. 四、因子可预测么? • 估计的因子和全样本的Beta

  41. 四、因子可预测么? • 估计的因子和全样本的Beta——超额收益倍数

  42. 三、Beta可预测么? • 对不同因子准确度的依赖 • 2006年1月-2010年8月 • 周调仓 • 考虑一个或两个因子时,其他因子的准确度设为50% • Beta的估计:均值回复的状态空间方法 • 动态的构建一个包含20只股票的组合 • 交易成本按1%计算,构建了40只股票的缓冲池 • 模拟次数为100

  43. 三、Beta可预测么? • 对不同因子准确度的依赖

  44. 三、Beta可预测么? • 对不同因子准确度的依赖----市场因子和大小盘因子

  45. 三、Beta可预测么? • 对不同因子准确度的依赖-----市场因子和市净率因子

  46. 三、Beta可预测么? • 对不同因子准确度的依赖-------大小盘因子和市净率因子

  47. 目 录 一、Alpha 真的存在么? 二、利用三因子模型获取超额收益 三、Beta可预测么? 四、因子可预测么? 五、预测三因子模型的超额收益

  48. 五、预测三因子模型的超额收益 • 实际运用遇到的问题 • 预测 • 调仓频率——缓冲池 • 加权方式

  49. 五、预测三因子模型的超额收益 • 周换仓,持有50只股票,100只缓冲池,1%成本

  50. 五、预测三因子模型的超额收益 • 周换仓,持有50只股票,100只缓冲池,1%成本

More Related