论文《基于股指波动相关性的选股择时量化投资策略研究》

摘要：随着大数据时代的到来和人工智能的发展,量化投资已逐渐替代人工投资进行咨询理财投资服务。量化投资策略也可被称作机器人投资顾问、智能投资理财、自动化投资理财等。通过大数据与智能算法建立量化模型,依据投资者风险偏好,对市场进行判断,对资产进行智能化配置和投资,实行自动策略交易服务。量化投资能够全方位的考察市场的趋势状况,对其投资者财富进行精确配置,包括多种资产区间配比,如股票、期货、基金、保险等。相比于传统分析师来说,量化投资在为客户提供数字化资产配置时,可以提高收益的精确性,降低时间成本和人力成本,提高服务效率。同时给分析师一个优秀的投资工具,为分析师的工作提供巨大的支持。本文引入机器学习方法,添加一些变量和指标,试图找到能够战胜市场并战胜市场上一些量化产品的策略。经过不断尝试,本文设计了基于支持向量机选股和大盘股指波动择时的量化投资策略。在选股策略中,首先将沪深300指数成分股的数据因子进行分类,分为技术指标类因子、公司基本面类因子、舆情指标类因子三大类,再根据收益率排名是否为前50%或后50%设定二分类的因变量。最后通过支持向量机进行模型训练,选出股票。在择时策略中,将大盘风格进行分类,分为反转、趋势、震荡。当将大盘风格归于“反转”,且平滑后的单向波动率为负时,持有股票；当大盘风格归于“趋势”,且平滑后的单向波动率为正时,持有股票；当大盘风格归于“震荡”时,也选择持股票。其余情况均为卖出股票。通过实证研究表明,通过支持向量机选股和股指波动择时的设计理念构建出来的投资组合产品,无论是在累计收益率和年化收益率上,都显著优于沪深300指数,证明了策略的有效性和产品的优异性,肯定了本文的价值。从累计收益率来看,本文构建的投资组合产品年化收益率为25.9%,同时间段内沪深300指数的年化收益率为18.0%。在回测期间,其年度回测收益率均为正值,除2014年以外均跑赢沪深300指数涨幅。在风险控制方面,本文根据沪深300指数波动率设计了创新型择时指标,通过实证可以发现在碰到极端行情时,能够有效的发出信号,减少投资者的损失,控制最大回测。同时通过Brinson分析可以发现的产品在板块中择股能力较强。因此可以通过研究行业资产配置来大幅提升产品的收益率；通过净值回归分析,可以发现本文的产品风格在3年期间是并未改变的,保持投资高价值高流动性的股票,可见本文设计的量化产品具有一定的实用性。随着科学的进步、计算机技术的发展和普及、交易费用的降低等等,市场必定越来越接受量化投资,发现量化投资的价值,量化投资必定有一个美好的未来。想要下载论文的读者朋友，请先付费获得积分。