资本资产定价模型简介-多因子寻找Alpha&统计套利

今天简单分享一下现在最为流行的两种量化方法，和量化方法本身需要注意的问题。资本资产定价模型将投资组合的期望收益由两部分组成：alpha收益为投资组合超越市场基准的收益，beta收益为投资组合承担市场系统风险而获得的收益。通过对冲交易剥离或降低投资组合的系统风险(beta收益)，获取纯粹的alpha收益，可以使得投资组合无论在市场上涨或下跌时均能获取稳定的绝对收益。

在股票市场的波动中，alpha收益源于资产的相对定价偏差：通过寻找市场中相对定价发生偏差的资产，并识别偏差的程度，在偏差足够大的时候进行交易，可以获取资产相对定价回归的alpha收益。因此，投资组合通过频繁的、细小的价差收益的累积，获取长期稳定的回报。

候选模型的设想和构思、有效性检验和综合模型的建立

① 研究流程——量化模型的建立

量化模型的建立是量化投资的核心，模型的有效程度直接决定量化投资的业绩表现。模型的建立主要分为候选模型的设想和构思、有效性检验和综合模型的建立三个步骤。

候选模型的设想和构思依赖两方面的能力，一方面对大数据的处理分析能力，通过对历史数据的学习，依靠计算机和统计知识寻找有效策略;另一方面依赖于对经济逻辑的理解和市场经验。两方面能力的结合产生更多、更有效的策略是增强模型有效性和提高收益率的关键。

候选模型的有效性检验基于历史数据回溯检验，考察策略的收益率、波动率、夏普比、收益回撤比，与市场或其他策略的相关性等，当策略的各类指标满足要求(策略的收益稳定、风险小)时，该策略通过了有效性检验，否则策略的有效程度不高，需要做进一步的修改。

在构建好有效策略的基础上，还需要结合生产环境中实际情况(交易限制、成本限制、风控约束等)，利用金融工程手段对策略进行调整和优化，使策略更好的实现预期收益。

② 投资流程

科学的投资流程是实现量化模型收益的基础，投资流程包括根据量化模型生成目标组合，将组合通过算法交易系统向柜台发送订单，交易的风控系统对交易和当前组合的风险进行监控。

统计套利、无风险套利和多因子模型

统计套利交易：在对历史数据进行统计分析的基础之上，估计市场上各个资产相互之间在收益率、价格、成交量等数据的统计关系，并结合其他基本面数据分析进行的套利交易。相比于无风险套利，统计套利少量增加了一些风险，但是由此获得更多的套利机会，和更高的超额收益。

无风险套利交易：利用市场的无效性，当市场上某一投资组合定价出现偏差(该偏差大于此次套利交易的成本)，并且该偏差在未来一段的时间内会确定消失，交易该组合并在其价值回归时平仓，即可在不承担市场风险的前提下获取确定的回报。当前，A股市场的无风险套利机会主要包括股指期货的期现套利、跨期套利、ETF套利、封闭式基金套利、可转债套利等。

多因子模型：量化选股中最常见的一类模型，其基本思想就是找到某些和收益率最相关的指标。并根据该指标，构建一个股票组合，期望该组合在未来的一段时间跑赢或者跑输市场。如果跑赢，则可以做多该组合，如果是跑输，则可以做空该组合，做空不能实现的部分以做空股指期货来替代，这样构造的一个市场中性的投资组合来获得绝对收益。

缺少有效风险管理的量化策略难以实现预期收益

风险管理是量化投资中关键的一环，缺少有效风险管理的量化策略是难以实现预期收益的。因此，量化投资的从模型的构建到交易的实现，都极为重视组合和交易的风险管理，只有把风险控制在合理的范围内，量化策略的收益才有保障。

风险模型对主要的市场风险(金额、行业、规模、价值、成长)都要求保持中性或基本中性，以对冲的方式消除了大部分的市场风险。风险模型完全以全量化、模型化的方式对组合进行控制，对组合每个类风险的敞口进行计算，一旦敞口超出模型要求，即对组合做相应的调整。