分类
比特币交易平‪台

量化选股和量化的期权策略这2个方向哪个更好?

课程费用:

量化投资:深入浅出量化对冲Alpha基金的操作

在投资者非理性的情况下,行为金融学理论指出,投资者关注是一种稀缺的认知资源。这一理论非常好理解,例如某次地震发生,我们无法投入大量的时间精力对地震地区的每家上市企业进行分析,而只能关注于行业层面信息进行选股,这就是投资者有限关注。同样的道理,当市场只有10只股票,我们可以深刻分析这10家公司,但当我们面对整个市场大量而庞杂的数据时,强大的定量信息处理能力就具有一定的优势,能捕捉更多的投资机会,拓展更大的投资空间。

具体来说,如何进行量化投资?我们来看一位量化交易员(quant trader)的一天:

总的来说,借助统计学、数学方法,运用计算机从海量历史数据中寻找能够带来超额收益的多种“大概率”策略,并纪律严明地按照这些策略所构建的数量化模型来指导投资,就是量化投资。其本质是定性投资的数量化实践,终极目标是追求稳定的、可持续的、高于平均的超额回报。

具体来说,量化投资有四大特点:纪律性、系统性、套利思想、概率取胜。

★ 纪律性所有的决策都是依据模型做出的,每一步决策之前,首先要运行模型,根据模型的运行结果进行决策,而不是凭人的主观感觉。这一特点可以克服来自“人”的弱点,同时保证每一步决策都可以被跟踪,从而进一步证明决策的科学性。

★ 系统性系统性具体表现为“三多”,多层次、多角度和多数据。多层次指在大类资产配置、行业选择、精选个股三个层次上,每一个层次都有模型;多角度是指定量投资的核心投资思想,包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度;多数据,指的是海量数据的处理。

★ 套利思想与定性投资致力于基本面分析不同,定量投资致力于寻找估值洼地,通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会,从而买入被低估的,卖出被高估的。

★ 概率取胜这表现为两个方面,一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是依靠一组股票取胜,而不是单个或几个股票取胜。其实,本质上来看量化投资和传统定性投资有着相同的理论基础——市场是弱势有效的或非有效的。投资经理基于这一理论基础,运用公司分析、行业分析等方法,建立可以获得超额收益的投资组合。不同的是,传统定性投资更多依赖于对上市公司的调研信息以及基金经理的主观判断和个人经验,而量化投资强调数据,秉持“定性思想的量化应用”。

2.对冲

“对冲”一词最早出现于1949年,指通过管理并降低组合系统风险以应对金融市场变化。所谓系统性风险,即指无法通过分散化投资(如同时投资于债券、股票、基金)来分散的,源于系统的风险。最近一段时间A股各指数的剧烈波动,就是系统性风险。

醋去鱼腥原理:鱼有鲜味,但又有腥味。腥臭源于胺类物质,醋中含有乙酸,能够中和掉胺类,去除腥味,只留下鲜味。

跑步减肥原理:我们爱吃美食,但是美食中含有很多卡路里,能堆积成脂肪。而跑步能让脂肪细胞释放大量的非酯化脂肪酸,进而使脂肪细胞瘦小,达到减肥效果,这样就能放心享受美味。推广开来,假如A中含有我们不想要的事物β,就可以通过B中的-β对冲掉,安心获得α。这就是对冲思想。金融学的经典模型CAPM(资本资产定价模型)告诉我们,一个投资组合的期望收益可以分为两部分,α收益和β收益。其中α收益为投资组合超越市场组合的超额收益,优秀的基金经理可以利用选股择时能力获得α收益,但却无法避免市场下跌(一种系统性风险)的损害。

使用对冲策略可以剥离或降低投资组合的系统风险,使得投资组合无论在市场上涨或下跌时均有机会获取正收益。例如刚刚过去的六月,A股市场风大浪大,而华宝量化对冲基金仍旧在风雨中成功避过系统性风险,获得显著正收益。

3.量化对冲基金

第一步,量化选股——精选股票组合,获取超额收益。

第二步,期货对冲——做空股指期货,对冲系统性风险。

最终,无论市场是上涨、下跌还是震荡,该类别基金都能最大限度获取与市场涨跌无关的绝对回报,达到市场中性。华宝量化对冲基金成立以来,A、C份额与沪深300的相关性分别为0.01和0.00;而年化收益率则分别达到16.87%和16.64%(据Wind,2014.9.17至2015.7.31)。

1、在市场不稳定的情况下如何稳健套利?

2、量化对冲产品的操作流程是怎样的?

3、收益方面、安全性方面哪个更有优势?

4、量化对冲程序化交易的对象是什么?

5、通过期货对冲的那部分资金是不是一定加杠杆的?

6、针对目前的市场,量化对冲策略是不是以市场中性为主要策略点?

7、量化对冲类产品收益大概在什么范围内?

8、如何确定准确的贝塔因子系数,来安全的对冲掉系统风险?

9、量化对冲选股范围都是哪些?大概选择多少支股票呢?

10、量化选股的具体方法是什么?如何判断量化模型选出来的股票就是能赚钱的股票?

11、国内量化对冲使用的策略有哪些?

12、量化对冲是否保本,风险多大?上下浮动多大?

13、风险收益方面跟阳光私募和信托有啥区别?

14、加杠杆和不加杠杆的区别在于哪里?

15、整个市场上的量化对冲产品如何对比?

16、量化选股的具体方法是什么?如何判断量化模型选出来的股票就是能赚钱的股票?

二、进阶篇

1、目前管理层在对冲这块有一定的限制,那这个对量化对冲策略会不会产生一些影响?

2、怎样才能区别好的量化对冲策略与一般的策略?

3、量化对冲是需要写选股程序的,我们怎么知道选股程序是否比较优质呢,并且能为客户赚到正收益呢?

4、股指期货的金融种类不多怎么办?

5、过往产品的历史、收益稳定性和回撤?

6、量化对冲项目在做对冲时是不是有比例限制,比如是不是只能拿出10%出来做对冲还是没有规定?

三、风险应对篇

1、量化对冲的风险点在哪?

2、量化对冲风险控制是如何做的?

3、量化对冲可能出现亏损现象吗?最大亏损可能是多少?

4、目前市场都采用中性策略,如果市场稍微有大的波动会不会加剧大幅振动的可能?

5、某些量化对冲产品近期的净值小于1,怎么理解?

6、可预见的政策性风险、可预见的市场性风险、可预见的操作性风险会有哪些?

四、营销篇

1、客户:相较目前的固收类的产品来说,收益没有太大的优势,同样要承担一定的风险,百分之十几的收益我宁愿选择私募产品。

2、客户:产品如遇亏损,止损策略怎么进行,能保证我资金的安全吗?

3、客户:对国外这个模型不相信,对于投入到二级市场不抱信心。

4、倾向固收类客户对政信类等更感兴趣,对量化对冲比较犹豫,偏向高风险客户又觉得收益不能动心。

5、客户:现在银行和很多私募都准备做量化对冲,国家可能会出不利的政策?

6、客户:具体的净值计算方法,净值创新高部分提取25%后,我的年化收益大概是多少?

7、客户:操作策略中,期限套利和跨期套利可以认为是无风险套利,但本身收益做不高,年化6-7%已经不错,加了阿尔法套利,主动性加入后,风险就会增大,风险转化为收益是很好,如果风险削减收益,这会影响净值上升的斜率,本来斜率就很小,这样体现的收益不大,即使波动也在较小范围,我觉得不值。

量化选股和量化的期权策略这2个方向哪个更好?

处在爆发期的场内期权市场,如何成为获利神器?

在很多投资者眼里,期权可能是个新鲜事物,事实上,境内的衍生品市场尤其是场内期权市场的发展正处于爆发期,未来有可能成为更大、更有想象力的市场。 如何解读期权?怎样借助期权优化我们的投资?

什么是期权?

期权对我们的投资交易有什么影响?

小贴士:场内期权和场外期权的区别

期权的价值有两个重要的影响因素: 一个是标的的方向,另一个是标的的波动性。 期权的推出有什么新功能?除了可以用期权交易方向(这个就和用股指期货交易方向一样),还可以用期权交易波动率。 通过波动率交易,期权把投资交易带入了立体化的时代。

小贴士:什么是波动率?

我们举一个例子:

由此可见, 用期权去操作一波市场趋势行情,比简单的用股票或者期货进行交易手段更加多元,合理操作的话,利润更加丰厚。更重要的是,买入期权具有亏损有限收益无限的特征,这样可以有效的锁定利润。

如何利用期权做投资?

我们认为未来有三个大的发展方向:

第一、持有股票组合,同时在合理的市场情况下,利用期权组合为股票组合增收。 相对于以往用期货来对冲,用期权能有效的提高股票投资的性价比和减少回撤。如果股票具有较高的alpha,那么“股票+期权”的组合可能具有一定的绝对收益特征。期权在这个组合中是辅助位置,但这个辅助位为提高组合的性价比会起到至关重要的作用。

第二、同时买入固收产品和期权。 这个组合的特性相当于将固收收益的一部分来买入期权,即用固定收益换取组合上涨的弹性。这种做法合理的利用了期权高杠杆的特性,“固收打底,期权进攻”,亏损相对有限,这样的收益组合更适合稳健型的投资者。

第三、利用期权的波动率特征来交易期权。 例如我们可以根据波动率本身的高低和不同合约,不同品种的高低买入相对低估的合约,卖出相对高估的合约从而赚取波动率回归合理水平的收益。这样的波动率策略具有一定的绝对收益特征,被境内外对冲基金广泛应用。

量化选股和量化的期权策略这2个方向哪个更好?

总体上来说, 我们认为,境内的衍生品市场尤其是场内期权市场的发展正处于爆发期,未来有可能成为更大、更有想象力的市场。在一个蓬勃发展市场发展的初期,机会往往更多。在投资组合中加入衍生品尤其是期权的元素,能有效的提高投资性价比。

嘉实财富精选波动增值的玄武系列产品,以波动为投资标的,使用期权策略,旨在通过对市场波动率方向的判断,帮助客户达成稳定增值。 当前低利率的环境催生高波动,因此此类策略将具有很强的吸引力。如果对相关产品感兴趣,欢迎联系嘉实财富的理财顾问。

欲知嘉实财富产品详情请致电您的理财顾问,或致电400-021-8850 免责声明 本文中的信息或所表述的观点并不构成对任何人的投资建议,也没有考虑到接收人特殊的投资目标、财务状况或需求,不应被作为投资决策的依据。载于本文的数据、信息源于市场公开信息或其他本公司认为可信赖的来源,但本公司并不就其准确性或完整性作出明确或隐含的声明或保证。本文转载的第三方报告或资料、信息等,转载内容仅代表该第三方观点,并不代表本公司的立场。本公司不保证本文中观点或陈述不会发生任何变更,在不同时期,本公司可发出与本文所载资料、意见及推测不一致的报告。无论何种情形,本公司不对任何人因使用本文内容所引致的任何损失承担责任。

量化选股和量化的期权策略这2个方向哪个更好?

课程时间:2019年03月30-31日

课程地点:北京

第一天:2019.03.30

讲师:余老师

《从入门到体系的构建,期权实战交易》

第一部分:期权分析与新品种展望

第二部分:期权买方实战经验谈

第三部分:期权卖方实战经验谈

第四部分:双买双卖型波动率交易策略

第二天:2019.03.31

量化选股和量化的期权策略这2个方向哪个更好? 讲师:BILL老师

《股市宏观与量化分析》

第一部分:A股市场宏观分析

第二部分:量化分析的要点

第三部分:量化策略应用于国内市场实例

第四部分:人工智能在证券投资领域里的运用

第五部分:如何穿越A股牛熊市

余老师

现任某资管公司衍生品投资部投资总监,曾任职于上海证券交易所衍生品业务部,嘉合基金衍生品投资部,瑞士苏黎

世联邦理工大学应用数学全额奖学金硕士,复旦大学数学与应用数学学士;

余老师负责管理期权等主动管理型专户,从事量化选股与择时、股票期权、商品期权等衍生品策略的投资交易与策略 研发工作。2013 年8 月起全程参与上海证券交易所上证50ETF 期权产品上线筹备,负责股票期权做市商制度设计与 管理、参与股票期权多项交易制度设计,牵头期权市场推广等投资者教育工作,获得中国期权市场诞生重要贡献证书。 毕业于瑞士苏黎世联邦理工大学应用数学全额奖学金硕士,跟随欧洲随机金融数学家Prof Martin.Schweizer 主攻随 机波动率下的期权定价方向,复旦大学数学与应用数学学士。上海财经大学国际银行金融学院客座教授。

BILL 老师 CFA

某知名证券公司首席量化投资官,主管人工智能、量化产品和金融产品的设计与开发;

BILL 老师拥有多年管理全球宏观投资的经验,包括外汇、全球股指、全球债券、商品期货、期权和其他金融衍生产品, 独立管理和交易上十亿美元的多样化资产。 回国之前在全球著名的对冲基金Hayman Capital 任职董事总经理和交易部主管;在Jefferies 投资银行的宏观投资 部任职董事总经理;在全球著名的对冲基金任职基金经理,包括Millennium Partners, Capula Investment (伦敦), 和 Graham Capital;在哈特福德保险公司旗下的资产管理公司任职基金经理,独立管理和交易16 亿美元的资产。 在此之前,在传统金融机构如磐石资产管理公司、雷曼兄弟投资银行任职基金经理和投资策略师;在Risconsulting Group 任职宏观经济咨询师。拥有南开大学商学院国际经济学学士、国际贸易硕士,美国常青藤联盟之一的宾夕法 尼亚大学获经济学博士。

课程费用:

量化选股和量化的期权策略这2个方向哪个更好?

Sonar mini

Giteescan

Jenkins for gitee

Cloudbase

Cloud serverless

Abu seeks the intelligent-strategy which be able to explained by of a word.

Abu can help users 量化选股和量化的期权策略这2个方向哪个更好? to improve the strategy automatically, take the initiative to analyze the behavior of 量化选股和量化的期权策略这2个方向哪个更好? the orders 量化选股和量化的期权策略这2个方向哪个更好? generated by the strategy to prevent the losing-money transaction.

Right now, we still writting code by hand, abu is designed to be 量化选股和量化的期权策略这2个方向哪个更好? running complete-automatically in the future, including the 量化选股和量化的期权策略这2个方向哪个更好? entire work-process and strategy itself.

Our expectations : abu users only need to provide some seed strategy, on the basis of these seeds, computer continue to self-learning, self-growth, to build a new strategy which can adjust its parameters with the time series data.