当前位置:文档之家› 模块2对冲基金策略基础

模块2对冲基金策略基础


贝莱德
埃利奥特
法拉龙
低收益/低风险/大 高收益/高风险/大 高收益/低风险/小
容量
容量
容量
策略类型
▪ 策略转换图
投资者大量撤出
低收益/低风 险/低容量
低收益/低 风险/高容 量
高收益/低风 险/高容量




高收益/低

风险/低容



高收益/高 风险/高容 量
低收益/高风险/
低容量 投




低收益/高风险/
▪ 投资的核心是大数定律
金融市场的数学定义
▪ Y=F(x1,x2,…….xn) ▪ 其中Y是金融市场的波动(涨跌/涨跌幅/伸
缩/概率) ▪ Xi 为一系列因子 ▪ 数学可以描述金融市场
看做是一个函数逼近问题
▪ 案例: ▪ Y=F(换手率=300%,成交量>100亿)
=10% ▪ 其中Y表示涨幅 ▪ 如何进行函数逼近? ▪ 人工神经网络/回归/….
对冲基金策略技术 ——量化投资概念
介绍
▪ 中国量化投资学会 理事长
▪ 《量化投资-策略与技术》作者 ▪ 《量化投资与对冲基金丛书》主编 ▪ 东航金控 财富管理中心 总经理
部门介绍大纲
概述
• 传奇量化投资大师 • 量化投资的理论基础 • 十大对冲基金策略分析 • 量化对冲策略阐述 • 量化策略分析语言 • 量化投资支撑:IT系统 • 中国量化投资学会

高容量

高收益/高风险/ 低容量
策略的类型
▪ 高收益率策略: ▪ (1)要么承担了较高的风险 ▪ (2)要么牺牲了资金规模 ▪ 对于资产管理而言,高收益率策略不可能
成为主导策略。
绝部对门收介益绍是大未纲来的趋势
• “穷人要搏命,富人要稳定” • 高净值客户不喜欢高风险策略 • 银行理财:20万亿;保险资金:5.7万亿;基金:3万亿; 期货:几千亿 • 市场份额与风险度负相关。 • 目前券商和基金的相对收益产品,决定了客户群中高净值 客户比例不大 • 只有实现绝对收益才能扩大市场份额
主部要门量介化绍对大冲纲策略
• 阿尔法套利 • 股指期货套利 • 商品期货套利 • 期权套利 • 统计套利 • 另类套利
Alp部h门a介套绍利大纲
• 正向Alpha:构建多头股票组合,同时做空股指期货 • 反向Alpha:构建空头股票组合(融券),同时做多股指期货 • 核心策略:量化选股模型 • 包括:多因子、风格轮动、行业轮动、动量翻转、资金流、一 致预期、趋势追踪、筹码理论 • 代表产品:Pure Alpha
• 另类套利策略是指利用市场的缺陷进行的一些特殊场合的套利 策略。 • 主要包括:封闭式基金套利、并购套利、定增套利、ETF套利 、LOF套利 • 代表产品:定增系列产品
《量化投资-策略与技术》
策略建模语言
▪ 目前比较流行的策略建模语言主要有: ▪ (1)MATLAB ▪ (2)R语言
MATLAB简介
统部计门套介利绍—大—纲基本概念
• 有别于无风险套利,统计套利是利用证券价格的历史统计规律 进行套利,是一种风险套利,其风险在于这种历史统计规律在未 来一段时间内是否继续存在。 • 统计套利的主要内容包括:股票配对交易、股指套利、融券套 利和外汇套利。 • 策略核心:协整模型、主成分模型 • 随着转融通成行,未来统计套利空间巨大
工程师 ▪ 2002年入选《风险》杂志名人堂。 ▪ 学物理的也能赚大钱
传奇的量化投资 大师:Ray Dalio
▪ 上世纪70年代,年仅26岁的达里奥被一家从事 零售经纪预算业务的公司炒鱿鱼后,在一套两 居室里成立了桥水公司
▪ 目前是世界最大的对冲基金公司,管理的资金 约1400亿美元
▪ 在市场惨淡的2011年斩获138亿美元 ▪ 自1975年成立迄今,Pure Alpha基金总共已为
无部风门险介套绍利大—纲—股指期货套利
• 股指期货套利是指利用股指期货市场存在的不合理价格,同时 参与股指期货与股票现货市场交易,以赚取差价的行为。 • 股指期货套利分为期现套利,跨期套利,跨市套利和跨品种套 利,其中期现套利和跨期套利这两种最主流的方式。 • 策略核心:冲击成本和保证金管理 • 目前市场机会稀少,需要高速的套利系统
MATLAB简介
▪ MATLAB金融工具箱主要有: ➢ Datafeed Toolbox:金融数据工具箱 ➢ Econometrics Toolbox:计量经济学工具箱 ➢ Financial Derivatives Toolbox:金融衍生品工具箱 ➢ Fixed-Income Toolbox:固定收益工具箱 ➢ Optimization Toolbox:优化工具箱 ➢ Statistics Toolbox:统计工具箱
投资者赚取了358亿美元的收益。 ▪ 失业了也可以成为伟大的对冲基金经理
量部化门投介资绍是大什纲么
• 定义:量化投资就是以数据为基础,以策略模型为核心, 以程序化交易为手段,以追求绝对收益为目标的投资方法 • 中医VS西医:传统投资VS量化投资) • 优点一:赌大概率事件(以组合对冲为主) • 优点二:克服人性弱点(以机器交易为主) • 优点三:精力无限(监控全市场、全产品、全周期) • 优点四:精细化交易(利用算法交易降低对市场的冲击) • 量化投资是投资从艺术走向科学的必由之路
量化投资重要支撑:IT系统

历史数据统 计后验
历史数据高 频后验
高频数据实 时模拟交易
实盘实时交 易
历史数据统计后验
▪ 历史数据统计一般以收盘价或者日均价作为买入 卖出的交易价格。然后根据设定的交易价格计算 出在某一段时间内的收益率、超额收益、夏普率 等结果。
▪ R语言与SAS,Matlab等科学计算平台相比
▪ R语言在性能上不及SAS,Matlab ▪ 统一的R社区的比众多分散的Matlab社区资源多
▪ R语言与EViews,RATS等专业统计与计量软件相比
▪ R语言更适合金融工程师使用 ▪ R语言是通用的统计开发语言,跟适合作为于量化分析策略的研发平台
一个案例
▪ 假设我们有一个不均匀的硬币,有51%的概率正 面,49%会反面。选择我们赌注在下一次投掷中 ,若出现正面,我们盈利相应的bet,反面我们输 掉所有的bet。那么,现在有两种策略: A:投掷一次,赌注1000; B:投掷1000次,每次赌注1; 你会选A还是B?
▪ 因为我们知道硬币是不均匀的,我们有2%的概率 优势。现在我们来做一个统计的分析,计算下这 两种策略的风险收益比
期部权门套介利绍—大—纲基本概念
• 期权的优点在于收益无限的同时风险损失有限,因此在很多时 候,利用期权来取代期货进行做空,进行套利交易,会比单纯利 用期货套利具有更小的风险和更高的收益率。 • 利用期权的各种组合,有多种套利方法,包括股票—期权套利 、转换套利、跨式套利、宽跨式套利、蝶式套利和飞鹰式套利等 。 • 策略核心:折溢价率 • 目前国内还没有机会
传奇的量化投资 大师:伊曼纽尔·德曼
▪ 毕业于哥伦比亚大学,获理论物理学博士学位 ▪ 他曾是爱因斯坦、薛定谔、李政道等物理学巨
匠的门徒 ▪ 1985年起加入著名投资银行高盛集团 ▪ 他参与创作了业界广为采用的布莱克-德曼-
托伊利率模型和德曼-卡尼局部波动率模型 ▪ 于2000年当选国际金融工程师协会年度金融
▪ B策略全输的概率远小于A策略
一个案例
▪ 3. 风险评估 A: stdev(1000,0,0,0 ...0) = 31.6 ; B:stdev(1,-1,1,1,-1, ... 1) = 1 可见,A策略的标准差远大于A。
▪ 4. 夏普比例 A: SR = 20/31.62 = 0.63; B: SR = 20/1 = 20 可见,B策略的收益风险比远高于A策略
看成是一个模式识别问题
▪ 案例:出现右侧的图形时, ▪ 未来的走势是涨还是跌?
▪ 如何进行图形模式识别? ▪ 分形理论/机器学习/小波分析
▪ 现代数学理论在量化投资中大有用武之地
策略分类
相对价值策略 宏观因素策略 事件驱动策略
BridgeWater
保尔森
鲍波斯特
摩根大通
安祖高顿
齐夫资本
文艺复兴科技
▪ 用户可以利用MATLAB进行 ▪ (1)交易策略实现和回测、投资组合优化和分析 ▪ (2)资产分配、金融时序分析、期权价格和敏感度分析、现金流分析 ▪ (3)风险管理、预测和模拟、利率曲线拟合和期限结构建模 ▪ (4)Monte Carlo模拟、基于GARCH的波动性分析等。
R语言
▪ 免费开源的数据处理语言 ▪ 至少几百名世界知名统计学家在算法上的支持 ▪ 至少几百名世界顶尖的Fortran,C,C++数学库编程
商部品门期介货绍套大利纲——基本概念
• 与股指期货套利类似,商品期货同样存在套利策略,在买人或 卖出某种期货合约的同时,卖出或买入相关的另一种合约,并在 某个时间同时将两种合约平仓。 • 商品期货套利主要有期现套利,跨期套利,跨市场套利和跨品 种套利四种。 • 策略核心:计算持仓成本、现货组织 • 期货公司CTA产品将有大发展的机会
高手在代码上的支持 ▪ 大数据计算平台的运算支撑 ▪ 开放金融数据资源的免费接入 ▪ 前沿期刊与代码工具的协同
R的本质:全世界统计学者 的联合社区
▪ R社区中最活跃贡献者:金融统计学者与工程师,生物统计学者与工程 师,计算机人工智能学者与工程师
▪ R语言是一个高效率的实验平台:通过R语言可以很高效的实现前沿 paper的模型方法,同时R语言又提供与C,C++等传统语言工具的量化 结合
算部法门交介易绍—大—纲基本概念
• 算法交易指的是通过使用计算机程序来发出交易指令的方法。 • 根据各个算法交易中算法的主动程度不同,可以把不同算法交 易分为被动型算法交易、主动型算法交易、综合型算法交易三大 类。 • 策略核心:成交量分布的预测 • 机构目前的手动交易造成巨大的冲击成本损失
相关主题