量化经济投资策略应用效果研究毕业论文(编辑修改稿)

量化经济投资策略应用效果研究毕业论文(编辑修改稿)内容摘要：

示可以使用这种风格来构建基本策略的操作方式和原理，为投资者的投资‘提出新的建议和方法。 Equation Chapter (Next) Section 1 2 相关理论综述 9 2 相关理论综述 要研究投资策略的使用效果，那么前提是这种投资策略可以在市场上发挥作用，由此可以得出，研究量化投资策略使用效果的理论前提就是市场的有效性理论。 关于效率市场假说，目前被采用最多的是 Eugene 的理论。 Eugene 根据信息集的不同将效率市场分为三种类型： 弱势效率市场 弱势效率市场是指当前的证券价格已经充分反映了全部能从市场交易数据中获得的信息，这些信息包括过去的价格、成交量等历史信息。 这意味着技术分析在弱势效率市场是无 效的。 半强势效率市场 半强势效率市场是指证券价格已经充分反映所有的公开信息。 这意味着使用公开信息进行的分析是无效的 强势效率市场 强势效率市场是证券价格已经充分反映了全部的信息，包括公开信息和内幕信息。 这意味着使用任何信息进行的分析都是无效的。 如果市场是弱势有效的，那么市场已经完全反映了全部历史信息，人们只有对全部公开信息进行分析，使用某种投资策略才能获得超额收益；如果市场是半势有效的，那么人们不可以通过对公开信息进行分析来获得超额收益，人们只可以对内幕信息分析来获得超额收益；如果市场是强势有效 的，那么使用任何信息包括历史信息、公开信息和内幕信息都无法获得超额收益。 量化投资策略作为一种主动型投资管理方式，使用的信息集是全部公开信息，因此在市场是强势有效的情况下也将失去效力。 研究量化择时策略效果的理论前提是市场是无效率市场或弱势效率市场或半强势效率市场。 资本资产定价模型 CAPM 由夏普（ William Sharpe）、林特奈（ John Lintner）、特里诺（ Jack Treynor）和莫辛（ Jan Mossin）等学者在资产组合理论的基础上发展而来。 10 CAPM 模型的假设包括： 全部投资 者具有相同的投资期限投资者按照投资组合在单一投资期内的预期收益率和标准差来对这些投资组合进行评价投资者永远不满足，当面临其他条件相同的两个选择时，他们将选择具有预期收益率较高的那一种；投资者是风险厌恶的，当面临其他条件相同的两个选择时，他们将选择标准差较小的 那一种；每种资产是无限可分的；投资者可以按照相同的无风险利率贷出或者借入资金；证券市场无摩擦，交易费用和税收可忽略不计； 投资者具有相同的信息获取能力，且信息是免费的。 投资者对于各种资产的收益率、标准差、协方差等具有相同的预期。 CAPM 模型的数学表 达式为： Rp（ NAVtNAVt1） /NAVt1 这是与市场组合协方差与市场组合的方差之比。 现代的资本资产定价理论是目前流行的基金绩效、管理能力评价模型和的理论基础，同时也是一些量化投资策略的基础。 CAPM 模型为人们计算预期收益率以及进行各种资产定价提供了理论依据，同时，为后来学者通过将 CAPM 变形来研究基金的择时能力和择股能力提供了依据，如检验基金管理能力的 TM 模型和 HM 模型都是在 CAPM 模型的基础上加入另外的自变量得来。 化投资策略的使用理论支撑 量化基金是采用量化投资策略来进行行业资产配置、择股和择时以及运用计算机程序进行交易操作的基金。 由于量化基金主要采用量化投资策略来进行投资运作，因此，量化投资策略的使用效果可以直接体现在量化基金绩效及管理能力上，即量化投资策略的使用效果好，则量化基金会表现出较好的绩效和较高的管理能力。 因此，使用绩效评估及管理能力评价理论研究量化投资策略的使用效果是完全可行的。 根据绩效评估是否进行风险调整，绩效评估的方法可以分为收益指标评估方法和基于风险调整的指标评估方法。 基于风险调整的指标评估方法 ，又可以根据绩效评估中考虑的业绩影响因素的数量，可以分为单因素绩效评估理论和多因素绩效评估理论。 收益指标可以反映投资组合在一定期间内的收益情况，一般使用投资组合净值收益率率来表示投资组合在一定期间内的收益率情况。 投资组合净值收益率的计算公式为： 投资组合净值收益率 =（投资组合当期累计净值 投资组合上期累计净值） /投资组合上期累计净值，即： Rp（ NAVtNAVt1） /NAVt1 2 相关理论综述 11 其中， 表示 Rp投资组合净值收益率， NAVt表示投资组合当期累计净值， NAVt1 表示投资组合上期累计净值。 文献综述 在 20 世纪 60 年代初，国外进行绩效评估研究时主要使用投资组合收益率指标，但是由于这种评估方式没有考虑到风险因素，因此这种评价方法不能全面的反映风险因素对收益的影响。 国外学者很快就综合收益和风险因素，开发出基于风险调整的绩效评估模型。 Sharpe（ 1966）认为一般投资组合只能接近于充分分散非系统性风险，在绩效评估时还应考虑到非系统性风险因素，因此他提出了另外一种风险调整的绩效评估模型，即 Sharpe测度，他考虑了总风险与超额收益之间的关系，该模型测度了每单位总风险对应的超额收益，也是一 种相对的评估方式。 Sharpe 使用该模型对美国 1954 年至1963 年之间的 34 基金进行了研究，结果显示大部分基金的绩效无法超越道琼斯工业指数的绩效，而各个基金收益率的差异主要由基金费用的不同引起。 Jensen（ 1968）提出了 Jensen 测度评估模型，该模型以投资组合收益率与基于 CAPM 的预期收益率之差作为评估绩效的指标，是一种绝对的绩效评估模型，该模型也只考虑到了系统性风险因素，而没有将非系统性因素纳入模型。 通过对美国 1958 至 1964 年之间的 115 只基金的绩效进行研究， Jensen 得到结论，即没有证据表明这些基金可以获得比随机选择的投资组合更好的绩效。 Fama 和 French（ 1993）的三因素模型对投资组合收益来源进行了详细的分解，是多因素绩效评估方法的代表。 Carhart（ 1997）通过向三因素模型中加入一个动量因子因素得出了四因素模型，该模型对投资组合收益来源的分解更加全面。 多因素模型相对于单因素模型对业绩的分解更为全面，但由于加入业绩影响因子具有一定程度的主观性，因此其评价效果也受到业绩影响因子的影响。 Treynor 和 Mazuy（ 1966）最早提出了对管理 能力进行评价的模型，即 TM 模型，该模型以市场收益与无风险收益率之差的平方作为影响择时能力的因素，以该项系数作为衡量择时能力的指标，他们认为投资组合管理人如果有良好的择时能力，那么他们会在市场为牛市时增加股票资产的配置比重，他们使用该模型对美国 1953 年至 1962 年期间 57 基金的表现进行研究，结果显示只有一只基金具有显著的择时能力， 12 这表明这些基金的收益来源主要是市场风险报酬和证券选择能力。 Henriksson 和 Merton（ 1981）提出了检测基金管理人管理能力的 HM 模型。 通过向 詹森测度中加入一个期权项目，并通过判定该项的系数的正负来评估管理人的择时能力，他们通过对美国 1968 年至 1980 年之间的 116 只基金进行研究，发现这些基金都不具备择时能力。 Chang 和 Lewelle（ 1984）在 HM 模型的基础上，提出了 CL 模型，他们将证券场运行划分为牛市和熊市，两个时期均有不同的贝塔值，通过比较两个时期贝塔值的大小来判断基金管理人是否具备择时能力，即牛市时期的贝塔大于熊市时期的贝塔，那么投资组合管理人就具备正的择时能力，通过对美国 1971 年至 1979 年之 间的 67 只基金进行检验，他们发现这些基金并不具备显著的择时能力的结论。 三因素模型提出后，一些学者开始将管理能力评估模型与三因素模型结合起来使用， Goetzmann、 Ingersoll 和 Ivkovic（ 2020）通过向变形的 Jensen 测度加入每日市场时机把握带来的基金资产增加值来检测基金的管理能力，这个模型即 GII 模型；同时他们也基于三因素模型对模型进行修改得到 GIIFF3 模型；通过对美国 1988 年 1 月至 1998 年 3月期间的 558 只基金进行研究，他们发现只有很少的基金 表现出显著的正向择时能力。 通过以上文献可以发现以上，以上学者的研究数据主要基于月度收益数据，结果基本上表明基金并不具备显著的择时能力。 之后一些学者开始采用日收益数据来研究投资组管理人的择时能力，其中一部分学者得出的研究结论倾向于管理人大多数具备正的择时能力，比如 Bollen 和 Busse（ 2020）使用日收益数据的研究发现基金具有一定的时机选择能力， Changce 和 Halmer（ 2020）的研究也表明基金具备一定的时机选择能力。 使用月度数据得到的择时能力应对应于月度择时能力，而使用日度数据得到的择 时能力应对应于日择时能力。 以上学者的研究结果表明，基金管理人有一定的日择时能力，而没有证据表明基金管理人具备正的月度择时能力。 随着基金市场的发展，在绩效评估以及管理能力研究方面，我国学者从研究封闭式基金的绩效及管理能力逐渐过渡到研究开放式基金的绩效和管理能力。 由于市场上目前存在的量化基金数量还较少，因此对该类型基金的研究还非常少见。 以下的文献也主要集中在研究封闭式基金和开放式基金绩效和管理能力方面。 2 相关理论综述 13 沈维涛、黄兴孪（ 2020）使用风险调整绩效评估法、 TM 模型和 HM 模型对 1999年 5 月 14 日至 2020 年 3 月 23 日期间的 10 只基金进行了研究，结果发现 40%的基金累计净值收益率可以超过基准市场组合收益率， TM 模型检验中有 6 只基金的择时能力指标为正但是并不显著， HM 模型中有 7 只基金的择时能力为正但并不显著，说明没有证据表明基金具备正的择时能力，因此他们认为基金获取收益的主要来源还是其择股能力。 吴世农、李培标（ 2020）在《中国投资基金证券选择和时机选择能力的实证研究》中，运用 TM 模型和 HM 模型对 2020年 5 月 2020 年 12 月期间的 10 只封闭式基金进行了究。 他们的研究结果显示，这些基金都不具备显著的证券选择能力，大部分基金具备正的市场时机选择能力。 基于以上研究结果，他们认为这些基金主要依靠其择时能力来获取收益。 值得注意的是，该研究的数据是周频率数据，所在时间区间正是股票市场处于不断向上的牛市阶段，数据时间区间并没有横跨牛市和熊市。 这一结论与沈维涛、黄兴孪（ 2020）的研究结论是相反的。 王守法（ 2020）在《我国证券投资基金绩效的研究与评价》中，从风险与收益、风险调整收益、管理能力和绩效持续性方面对 2020 年 3 月 4 日至 2020 年 10 月 31 日期间的 1只基金进行了研究，结果发现，我国基金总体上很难持续跑赢大盘，也没有证据表明其具备良好择时能力和择股能力，基金业绩不具有持续性。 王聪（ 2020）在《证券投资基金绩效评估分析》中系统的研究了目前国际上流行的证券投资基金绩效评估模型和管理能力评价模型，对各种模型的适用性做了深入的分析，得出相比于均值方差模型，单因素检验模型和多因素检验模型更适合中国证券市场，而多因素检验模型相比于单因素检验模型其拟合效果更好，在基金管理能力方面， TM 模型、 HM模型和 CL 模型更适合用于检验开放式基金。 汪光成（ 2020）使用基于 CAPM 的 TM 模型、 HM 模型和 GII 模型以及基于三因素模型的 TMFF3 模型、 HMFF3 模型和 GIIFF3 模型对我国 1998 年 6 月 30 日至 2020 年 6 月 30 日之间的 33 只基金进行了研究，结果显示多数基金不具备正的择时能力，而是具备负向的择时能力，只有少数基金具备正的择时能力；在多因素调整的 TM 模型、 HM 模型下有一定部分的基金具备统计结论上显著的正择股能力。 在分时段检验中， 1999 年和 2020年多数基金表现出不显著的正择时能力， 2020 年多数基金则表现出负向的择时能力。 另外汪光成还对基金的季度持仓变化情况进行了研究，结果发现基金的持现比例在市场波动时并无明显变化，也说明基金在季度区间内没有表现出正的择时能力。 张新、杜书明（ 2020）使用詹森测度、夏普比率、 TM 模型和 HM 模型对 1999年 12 月 31 日至 2020 年 9 月 28 日期间的 22 只基金进行了研究，结果发现没有证据能表明这些基金可以超越基准市场组合，也没有显示出优异的择时能力和择股能力。 总结以 上文献的研究结论，可以发现，除去吴世农、李培标（ 2020）的研究结论 14 显示基金具备正的择时能力外，其他国内学者的研究均表明无论封闭式基金还是开放式基金都没有证据表明他们具备正的择时能力和正的择股能力。 吴世农、李培标得出基金具备正的择时能力的研究结论的原因可能在于他们选取的数据是周收益率数据，并且数据区间 2020 年 5 月 2020 年 12 月股票市场一直处于整体向上的牛市阶段，数据时间区间没有横跨牛和熊市。 由于量化基金目前尚在起步发展阶段，国内学。