SKYSUKA's Studio.

投资笔记Repo

字数统计: 5.6k阅读时长: 19 min
2019/05/17 Share

记录投资相关的知识、工具、案例分析。
提示:点击标题可继续浏览详细内容

目录

技术向文章

加入情绪指标的中国版四因子模型


资本资产定价模型的解释能力与资本市场发展水平相关。资本资产定价模型大多【以美国成熟市场的股票数据为样本】来分析的。在新兴资本市场里,投资者交易理念、信息环境等,与成熟股票市场存在较大差异,它们会通过交易过程影响资产定价机制。所以,中国市场里的一些异象并不能很好地被FF三因子模型解释。

- 其中首要的一点就是:中国的“壳污染”
- 由于特殊的国情,中国IPO的过程十分复杂且漫长,总共涉及7个行政步骤和3个审批部门,还有着很低甚至为0的通过率。
- 此现象催生了一种特殊的兼并模式——reverse merges(反向收购):拟上市的大公司,通过收购一家已上市的“壳公司”,再反向收购大公司原本的资产和业务,最后达到上市的目的。
- 因此要减少壳污染带来的干扰,在对中国版模型的测试数据中,我们要剔除A股市值最小的30%的股票,因为其股价包含了太多“壳价值”的干扰。这些被剔除的股票,约占全市场总市值的7%。
- 如何量化中国市场的价值因子
- 当年Fama French构建三因子模型的第一步,是在一组价值因子候选比率中,选出具有最强价值效应的估值比率。他们分别测试了EP(Earning-to-Price)、BM(Book-to-Market)和AM(Assets-to-Market)三个value指标。经过测试,BM表现出最强的价值效应。基于这一结果,Fama和French(1993)在随后的研究中,选取了BM指标来构建价值因子(HML)。
- 同样地,针对中国市场价值因子研究,作者也先对价值指标做了回归测试,看看哪个更适合中国市场。但在价值指标选取上稍做了一点点改变:除了EP、BM、AM这三个指标,还增加了CP(Cash flow-to- Price)指标,共用了四个指标来测试中国的价值因子。在细节处理上,则与Fama和French(1992)大致相同:对BM和AM取对数,对EP作非负处理(EP+),对选择出来的CP指标也做了非负处理(CP+)。
- 经过统计测试,EP是中国市场衡量价值因子效果最好的指标,原文中也因此选取EP作为价值因子来测试。

坑杀全球顶级量化大佬的经典案例:价值投资就是看财务指标吗?

如果完全依赖大样本的财务数据指标,而不去仔细分析公司的经营,并与非财务数据进行相互验证的话,则很可能做出严重背离经济现实的投资决策,从而给投资者带来损失。

案例是Big Five Sporting Goods (NASDAQ: BGFV),一家总部在加州的运动商品零售商,创建于1955年。

量化的8项指标无论是公司价值因子、动量因子、质量因子全部胜出,BGFV成功引起了那些以多因子量化模型作投资的基金的注意。
不得不提Old Plant Trap(字面意思是陈旧设备陷阱)对公司会计收益率指标的夸大:即计算净资产收益率时,因为指标中的分母包括固定资产净值,而衰退期的公司固定资产陈旧账面价值偏低,收益率就会显得高。
如果我们要进行基本面分析,就需要把表外的经营性租赁找到,在指标计算时加入负债中(即加入不可撤销租赁的最小支付资本化金额)。
高现金流让公司2016年经营型现金与价格比例很高。但这样的现金流能否持续、作为未来公司经营的预计指标呢?高现金流的背后是应付项目的期末金额骤增。这一明显披露在报表中的事实和解释,仅凭指标分析是无法捕捉到的,也要靠定性分析才能准确得到公司实际情况的真相。

这里可以考虑新构建一个指标,观察存货的销售是否存在异常增加的情况,瞬间增大可能会带来应付项目的迅速增加。

公司股价收益的上涨趋势(momentum)可能源于如行业衰退竞争对手退出之类的短暂经营优势

一个很好用的指标:两融数据

类似的文章还有:看看融资数据在量化投资中的作用

炒股不要用杠杆,但是不代表不要关注杠杆数据。两融数据作为重要的场内杠杆数据,在对市场行情的分析上是有价值的。
两融余额不能来预判大盘走势。因为两融这个指标是滞后的,我们可以从历史数据来看,15年那波牛市中两融要晚于大盘见顶。
两融余额不好用,但是融资买入占比的数据却很好用。这个代表了市场平均的杠杆水平,可以明显看到15年的时候这个指标要比上证指数提前见顶,能在一定程度上领先市场、预测市场。

Quant工具箱:量化开发之量化交易中台化

围绕“易用”这个关键词,我们将分别从 需求分析、解决方案、服务构建,三个方面阐述我们今天的主题:量化交易中台化。

历史向/综述向文章

投行三百年简史

理解现代金融资本市场,从理解华尔街的投资银行开始。History as mirror。以史为镜,也许可以正未来之衣冠。

当投资银行开始主宰华尔街金融业时,一旁的商业银行却饱受着“金融脱媒”的煎熬。直接融资市场的发达造成了大量银行客户的流失。商业贷款客户涌入债券和股票市场进行直接融资,垃圾债券和其他担保性融资产品又进一步将信用等级稍逊的企业客户瓜分。接下来存款客户也开始流失,共同基金,对冲基金,养老基金,股权私募投资,大宗商品交易市场,贴身服务的高净值个人服务……投资者可以根据自己的风险承受能力和偏好追求更好的风险收益,传统的存款业务不再有往日的吸引力了。美国商业银行资产负债表的两边在迅速的枯萎。

这也促成了美国90年代的金融业并购风潮。

经过90年代以来的金融业的兼并收购潮,华尔街的专业型投资银行失去在传统业务(承销,并购,和经纪业务等)上的垄断性优势,由于不能开展储蓄业务,为了获得和商业银行转型的全能银行一样净资产收益率,投行只能借助于两大法宝:是没有监管没有上限的杠杆率,二是实施高杠杆率的自营业务。这种趋势使得投行从金融顾问中介机构渐渐的转型为实际上的对冲基金和私募股权基金。贝尔斯登正是这种趋势下激进策略的牺牲品。不幸的是,其他的投资银行也面临着和贝尔斯登相似的困境。

2004年上半年开始,世界原油和大宗商品的价格大幅上涨,美国国内通货膨胀压力徒增。美联储连续17次上调利率,抵押贷款的成本不断攀升。然而市场仍然沉浸在“大萧条以来美国房产从不下跌”的美梦中不愿意醒来。

美国的次贷危机泡沫被戳破的原因有非常多种,其中国际经济环境的变化也有一定的原因。当国际能源价格增加,导致国内通货膨胀时,会促使中央对利率进行调节,一般是上调利率,这样就会使得投资减少。

然而倾巢之下,岂有完卵。大环境的恶化不可避免的伤害到了以稳健著称的高盛,2008年的高盛出现了历史第一次亏损。摩根斯坦利则一直在积极的向外国主权基金寻找资金来源,2007年底,中国投资有限责任公司 以50亿美金的的价格购买了摩根斯坦利9.9%的股权。随着形势的日渐恶化,最后的两家大型独立投行向美联储递交了申请,要求改组为银行控股公司。这不是一个容易的决定。从1933以来,投资银行一直独立于美联储和其他银行监管机构之外。他们不需要披露资产负债表,杠杆率不受任何监管和控制。这一直是投行最神秘也最犀利的武器。一旦改组成银行控股公司,就像是自由自在的单身汉踏进婚姻的约束。2008年9月21日,美联储正式批准高盛和摩根斯坦利的改组。为期75年的独立投行史划上了句号。历史是个轮回,全能银行的时代又来临了。

一名程序员眼里中国量化投资的未来

那么,量化和非量化,到底是怎么区分的。我们根据中国的国情,对量化投资做一个定义。有人说量化投资是程序化下单,这是不对的,因为不少量化公司是手工下单的,而传统的公募很多是程序化下单的,有成熟的VWAP系统。有人说是用数量化方法进行研究?也是不对的,因为现代的投资研究很多都是要用数量化方法的,这个定义没有区分度,所有人都可以说自己是量化的。有人说主观投资需要深入个股,量化不用看个股。这也是不对的,至少我们个股看得挺细的,我们的美国同行看个股也是非常细的。那么真正的区别是什么?答案是,在投资决策的过程中,你是用数量化方法进行决策的,还是用人进行决策的。

所以区别不是交易,不是研究手段,而是决策方式。量化公司也有很多交易员和研究员,但你发现量化公司是没有基金经理的,基金经理就是一堆服务器。人来做投资决策的时候,它是一种艺术,要凭感觉。程序来决策的时候,它是一种科学,它有最优解。有人问,量化投资,以后还需要人类吗?当然需要,需要大量的程序员和研究员。

在传统上,所有的模型都是多因子模型,通过选股和择时来获取超额收益。在2017年以前,多因子模型是万能的,以前我们都希望模仿worldquant的模式,就是找很多的人来挖因子。同行里大家竞争的是谁的因子更加有效。现在你要再挖出一些很有效的因子,已经很难了。2017年之后,行业发生变化,传统的多因子框架逐渐被人工智能取代。2019年之后,又逐渐被更新的集成框架取代。

要更进一步,需要精细化地去做,成本比技术面高很多。要做到AQR这样的水平,我们保守估计,团队的成本在每年10亿人民币以上,所以只能一步一步来。以后量化私募能管1000亿的话,这个成本是可以接受的,商业模式上没有问题。基本面量化还有很长的路要走,它要达到现在技术面量化的高度,应该还差几个摩尔定律的周期。

最后的问题是,如果对冲基金赚了技术面的钱,又赚了基本面的钱,那么普通人怎么办?我们回到美国老师身上找到答案。对冲基金只赚了波动、流动性和定价的钱,没有赚走beta的钱。美国最大的对冲基金桥水,资管规模1万亿人民币,美国最大的共同基金贝莱德,资管规模是45万亿,在共同基金面前,对冲基金就是小不点。市场有效的时候,你直接买指数就可以了,指数就是真正的价值投资,财富的主体还是在老百姓手上的。

同时可以结合这篇一起看 如何看待幻方在金牛奖上的发言

梁总有个很好的观察:美国的资产管理有两个趋势:一个是共同基金的逐渐指数化,另外一个趋势是对冲基金的逐渐走向量化。然后又引用了blackrock的例子,其实国内的公募基金,现在也都意识到这个问题了,开始做越来越多的工具化、指数化的产品,主动管理型的公募已经很多很多年没怎么增长了。

巴菲特投资策略体系的演化(1956-1969)

伟大人物似乎都是一个使命在身的人。德鲁克毕生的使命,是要建立一个和谐的新社会,是要帮助世人去理解如何组织一个工业社会。而巴菲特则是要告诉人们,如何才能达到资本配置的高效率,并在长达半个世纪的时间里战胜市场。要想领略巴菲特的精神力量,必须从他的思想源头开始,从他早期运作巴菲特合伙基金开始(1956-1969)开始。否则,难以把握他不断涌动的思想潮流,就像我们难以把握德鲁克活的思想灵魂一样,只能窥其片断,不能与其神游

这篇文章也是从巴菲特的投资案例的角度来看待其投资策略体系的演化:

巴菲特1954年在格雷厄姆—纽曼公司工作的时候,深受格雷厄姆的影响,比如:格雷厄姆喜欢猎取那些股价比每股净营运资本低1/3以上的股票。这和我们后面将要描述的巴菲特对桑伯恩地图公司(Sanborn Map)、邓普斯特尔机械制造厂(Dempster Mill Manufacturung)、伯克希尔哈撒韦公司(Berkshire Hathaway)的投资理念和方法基本一致。巴菲特在格雷厄姆—纽曼公司工作期间唯一和他老师不同的地方在于,巴菲特还热衷于套利投资。比如:1954年巴菲特对可可豆的套利

早年的巴菲特也会进行套利投资,中间转向长期投资风格的这段旅程应该很有趣。

巴菲特由于一些投资理念和格雷厄姆不一致,在1956年前后离开了格雷厄姆—纽曼公司,格雷厄姆—纽曼公司也与1956年8月宣布解散。巴菲特合伙基金成立于1956年5月,由7个有限合伙人(包括4个家庭成员和3个好友)共出资105,000美元成立。早期的投资原则都是低估类投资和套利类投资。

到1962年1月24日,巴菲特致合伙人的信中,首次系统地介绍自己的投资方法,它分三大类:

  • 第一类投资:“Generals(低估类投资)”

    足够的安全边际以及适当的分散投资,使我们的投资组合兼具安全和增值的特性。这类投资和市场整体走势的联动性很强,与道琼斯指数的表现基本同步。所以需要注意的是,东西便宜并不意味着它的价格不会进一步下跌。

  • 第二类投资:“Workout(套利类投资)”

    这类投资的价格更多取决于公司的经营管理决策而非买卖双方的供求关系。也就是说,我们可以合理地预测这类投资收益实现的时间,金额以及阻碍因素。影响投资价格的公司行为包括合并、清算、重组、分立等。考虑到无论是从最终的收益还是从套利过程中的市场表现来看,这类投资都非常安全,因此,为进一步提高收益率,我针对这类投资使用了部分借款。合伙基金的借款上限是净资产的25%。

比如1958年底巴菲特对Sanborn Map的投资,巴菲特在1958年和1959年间不断买进该公司股票,最终持股24,000股,并最终进入董事会,迫使公司改变现有状况。1960年,Sanborn公司最终妥协,同意用公司资本进行管理层收购。仅此一项,巴菲特的投资就赚到了50%的利润。
但是这种方法并不太适合我们普通的投资者,这也是下一类投资所包含的理念。

  • 第三类投资:“Control(控制类投资)”

诚如巴菲特所言:“有趣的是,虽然我认为自己属于定量分析派,但这些年我最成功的投资决策都是在充分考虑定性因素后做出的。这种对定性因素的判断力我称之为‘高概率事件洞察力’(high-probability insight)。这可是我们赚钱的秘诀。然而,正如洞察力通常很少见的,这种机会也非常少见。对定量因素的考量则一般不需要洞察力——这些数据本身就会狠狠敲你的头。总之,赚大钱的投资机会通常来源于正确的定性决策,但更多确定无疑的利润则来自于那些正确的定量决策”。

量化投资:“不灵”了吗?

追溯量化的第一次“不灵”,是在2014年12月大盘蓝筹猛涨,市场大小盘风格发生反转。

2015年4月中金所推出了中证500股指期货、上证50股指期货,分别补缺了中等市值股指衍生品、超大市值股指衍生品的缺位。小盘股因子有效+正基差收益+创新产品推出,三大利好!量化领域一片欢腾!然而,GZ来了!GZ带来“三大利空”。第一大利空是程序化交易受阻:监管禁止券商为外部系统提供接入交易端口,目的是打击恒生HOMS等配资系统,却误伤了程序化交易; 第二大利空是对冲工具受限,股指期货成了GZ最大的“背锅侠”; 第三大利空是负基差(股指期货的价格低于股票现货价格),伴随着股票市场的大幅下跌,加上股指期货市场的各种限制,随之而来的就是股指期货长期的深度负基差,量化对冲策略不仅要跑赢指数,还要额外再跑赢负基差才可能赚钱,这对于量化对冲策略来说是一个极大的挑战。

跟着高瓴资本(Hillhouse Capital)学炒股

随着2018年前后的独角兽上市潮,很多吸引眼球的新股值得尝试。每季度高瓴都会不断尝试新的股票,虽然仓位不重,一旦发现合适的,就会趁机扩大战果,甚至更改投资策略。

近30年来,美股市场的投资者得以分享科技企业飞速成长带来的红利。2013年以前,美股净利润排名前十的上市公司,能源企业占据了半壁江山;2013年以后,石油价格步入下行期,取而代之的是科技类公司和金融类公司。在2015-2018年期间,移动互联网技术驱动下的商业变革,令一大批优秀的科技公司登上浪潮之巅。

做足够好的基础研究,及时发现并尝试新兴科技股,是一个致胜法宝,特别是当这些公司陷入短期麻烦时。高瓴新建仓的特斯拉和Uber,都是处于股价低谷的潜力型公司。

张磊曾在《投资中最简单的事》序言中写道:“天下武林,林林总总,名门正宗如少林武当,诚然名扬天下。而武林之大,但凡修得暗镖神剑者,亦可独步江湖。所以门派无尊贵,只有合适不合适。”

其他

81部经典电影串起的世界金融历史

下面的81部金融电影,按照故事背景的时间排序为清朝时期、1929年金融危机、二战时期、80年代的金融世界、日本泡沫经济、1997年亚洲金融危机、2000年互联网泡沫危机、2008年次贷危机,以及类型归纳为:金融诈骗、银行故事、表面光鲜的银行家、收购、股市风云、股票经纪人、商业博弈,为你呈现一个漫长纷扰的世界金融史。

CATALOG
  1. 1. 目录
  2. 2. 技术向文章
    1. 2.1. 加入情绪指标的中国版四因子模型
    2. 2.2. 坑杀全球顶级量化大佬的经典案例:价值投资就是看财务指标吗?
    3. 2.3. 一个很好用的指标:两融数据
    4. 2.4. Quant工具箱:量化开发之量化交易中台化
  3. 3. 历史向/综述向文章
    1. 3.1. 投行三百年简史
    2. 3.2. 一名程序员眼里中国量化投资的未来
    3. 3.3. 巴菲特投资策略体系的演化(1956-1969)
    4. 3.4. 量化投资:“不灵”了吗?
    5. 3.5. 跟着高瓴资本(Hillhouse Capital)学炒股
  4. 4. 其他
    1. 4.1. 81部经典电影串起的世界金融历史