金融数据分析—以Python为工具 课件 11、12 量化投资多因子模型分析、 个人贷款信用风险评估.pptx

Python金融数据分析

量化投资多因子模型分析Chapter11

11.1量化投资简介量化投资是一种以数据为基础、以策略模型为核心、以程序化交易为手段的投资方法。量化投资摒弃了传统的完全依赖投资者的经验和直觉的投资方式，而是将投资者的投资思想、投资经验、投资直觉融入模型。利用数学、统计学、计算机等技术，通过对宏观、基本面、市场行为、交易等各类金融数据的分析建立模型，基于历史数据对模型进行验证和改进，通过模型给出交易信号并自动下单交易。

11.1量化投资简介量化投资有许多自身的特点，具体表现在：1） 纪律性以定量化和不可临时更改为特点的纪律性能够克服人性贪婪、恐惧、侥幸等弱点，量化投资的决策具有可重复性和可回溯性。2） 系统性量化投资的数据处理是通过计算机完成的，计算机的海量数据处理能力使得量化投资能对市场进行全面、深入的分析。

11.1量化投资简介3） 及时性通过计算机实时捕捉信息，量化投资策略能对市场做出迅速及时的反应，准确客观评价交易机会。在高频交易中量化投资的及时性体现得更加明显。4） 分散化量化投资是非常注重风险控制的，其中一个维度是利用其系统性的优势，通过构建分散化的投资组合降低风险。另一个维度是通过积累多笔交易以概率取胜。

11.1量化投资简介5） 捕捉套利机会量化投资通过全面、系统性的扫描捕捉短暂的市场失效或者定价偏差带来的机会，构建套利组合获取低风险收益。投资手段的不同并不意味着投资理念和投资策略的好坏，也不意味着投资结果的好坏。量化投资不是万能的，其投资策略本身也是人为制定的，仍然需要结合投资者的经验和市场逻辑进行分析，才能更好地抓住获利的机会。

11.1.3量化投资策略简介按照不同的分类方式，存在各种不同的量化策略。（1）根据交易品种分类，量化投资策略可以分为股票策略、CTA（commoditytradingadvisor）策略、期权策略等。（2）根据盈利模式分类，量化投资策略可以分为单边多空策略、对冲策略和套利策略等。（3）根据策略功能分类，量化投资策略可以分为选股策略、择时策略、仓位管理策略和风险控制策略等。策略和非高频策略。

11.1.3量化投资策略简介量化投资首先要解决投资组合构建问题，在股票投资上就是指买什么股票，以及资金如何分配。常见的选股模型有多因子选股、风格轮动选股、行业轮动选股、趋势追踪选股、一致预期选股和动量反转选股。其次是择时问题，指的是对趋势的判断和买卖时机的把握，也就是何时买卖的问题。常见的择时模型有趋势量化择时、市场情绪量化择时、有效资金量化择时和机器学习方法择时等。再次是仓位管理，也就是每次买多少，卖多少，留多少资金。常见的仓位管理方法有漏斗型仓位管理法、矩形仓位管理法、金字塔形仓位管理法、凯利公式仓位管理等。最后是止盈止损，决定在盈利或亏损达到什么程度时该提前离场和及时增减仓位。止盈止损又可分为静态和动态两类，具体有限价止损、阶梯止损、回撤止损、吊灯止损、ATR（averagetruerange）止损等。

11.1.3量化投资策略简介（4）根据策略本身的逻辑分类，量化投资策略可以分为指数增强、多因子选股、风格轮动、行业轮动、趋势追踪、一致预期、动量反转、均线策略、通道策略、海龟策略等。（5）根据交易频率分类，量化投资策略可以分为高频策略和非高频策略。高频策略在日内短时持仓，依赖高端的计算机系统和算法，以毫秒级的速度执行交易。其中算法交易是高频策略的代表，专注于订单的执行过程，通过交易订单的拆细，降低交易的冲击成本、隐藏交易行为并以最优的方式高效完成交易。

量化投资策略的开发量化策略的开发是一个循环的过程，以下我们具体介绍各个环节的内容：策略建模模型是量化策略的核心，构建一个策略的重要目标就是构建模型。基本做法为从市场逻辑出发，提出策略的基本构想，找到一个模型对策略构想进行刻画和实现。策略实现量化策略以程序化交易为手段，最终需要把建好的模型通过具体的程序代码进行实现。主流的用于实现量化投资策略的计算机语言有Python、C++、Matlab等。策略实现通常需要在量化投资平台上进行，量化投资平台通常会提供完善的数据接口、下单通道、策略回测和评价等功能。策略回测实现好策略后，很重要的环节是策略回溯测试，简称回测。策略回测指用历史数据拟合策略模型并进行模拟交易，目的是寻找最合适的模型超参数以及评估策略的效果。

量化投资策略的开发为了保证策略回测的客观性，需要注意以下几点：回测时需考虑交易税费、交易滑点、股票价格复权等实际交易环境因素，尽量使回测接近实盘情形。一般的量化回测平台都支持这些参数的设置。严格区分样本内和样本外数据。从抽象的角度叙述就是用于训练模型的数据不能用于模型测试。例如，不可以在某段时间区间内挑选出最好的股票，又在相同的时间区间进