高 祥 宝
(北京工商大学 文科实践中心,北京 100048)
量化投资创新性实验教学探索
高 祥 宝
(北京工商大学 文科实践中心,北京 100048)
研究目的是找到专业硕士课程“量化投资”创新性实验教学解决方案。阐明了研究生专业硕士课程“量化投资”实验教学的重要意义,探讨了针对“量化投资”侧重不同量化投资研究方法的实验教学平台软件的选择,提出了以万得资讯、SPSS及文华赢智程序化交易软件作为侧重统计分析方法、培养统计专业硕士的量化投资实验教学平台软件的方案,探讨了“量化投资”创新性、设计性实验项目设置,包括量化选股、量化择时、配对交易、程序化交易方面7例创新性实验项目设置,实验教学过程设计以及实验教学的评价方法,并以北京工商大学应用统计专业硕士研究生“量化投资”课程为实际案例加以阐述。
量化投资; 创新性实验; 教学设计
量化投资是利用模型和计算机技术来实现投资理念和投资策略的方法[1]。量化投资已经广泛应用于股票、期货、期权等的投资,且成效显著。量化投资的应用主要体现在量化选股、量化择时、股指期货套利、期货套利、期权套利、统计套利、程序化交易等方面。量化投资的研究方法主要采用统计分析方法、人工智能、数学方法(如分形理论、随机过程)及计算机技术等,其中统计分析方法是使用最广泛且有效的方法,计算机技术主要用于实现量化投资模型。“量化投资”作为应用统计专业硕士和金融专业硕士的选修课程,其实验教学有着非常重要的意义。
专业硕士教育是针对一定的职业背景培养高层次、应用型人才。与学术硕士不同,专业硕士更强调实践能力的培养[2-3]。以应用统计专业硕士为例,其培养目标是具备良好的政治思想素质和职业道德素养,具有良好的统计学背景,系统掌握数据采集、处理、分析和开发的知识与技能,具备熟练应用计算机处理和分析数据的能力,能够在国家机关、党群团体、企事业单位、社会组织及科研教学部门从事统计调查咨询、数据分析、决策支持和信息管理的高层次、应用型的应用统计专门人才。应用统计专业硕士课程设置反映了应用统计实践领域对专门人才的知识与素质要求,突出统计实际操作能力的训练,注重分析能力和创造性解决实际问题能力的培养。
“量化投资”这门应用统计专业硕士课程正是体现了实践能力培养宗旨,其实验教学以统计分析方法和计算机实现投资策略为主要内容,实验教学直接面向证券期货投资实战,涉及市场行情和经济资讯软件、数据分析软件、程序化交易软件的运用,这样非常有利于学生掌握数据收集、处理、分析和开发的技能。借助实验对已有投资策略进行实证、改进,直至创新投资策略和方法,培养学生分析能力和创造性解决实际问题的能力。可见,量化投资实验教学对学生实践能力和创新精神培养都有重要意义[4]。
量化投资的内容繁多,在教学内容选择上要有侧重点[5]。当然,还要根据专业特点以及课时数量具体安排。这里以应用统计专业硕士培养为例,“量化投资”总学时为40学时,教学内容主要包括量化选股、量化择时、统计套利、程序化交易四个大的专题,当然还包括金融投资理论和研究工具软件的铺垫[6-8]。研究方法侧重于统计分析方法。
根据以上教学内容,涉及三类研究工具软件:①行情与经济数据服务;②数据分析;③程序化交易。软件的选择要根据每个高校的专业自身情况来定。
国内使用比较广泛的行情与经济数据服务软件是Wind资讯。在国内市场,Wind资讯的客户包括超过90%的中国证券公司、基金管理公司、保险公司、银行和投资公司等金融企业;在国际市场,已经被中国证监会批准的合格境外机构投资者 (QFII)中75%的机构是Wind资讯的客户。Wind资讯最大的特点是数据全面、及时并可以根据研究需要导出Excel数据文件。数据涵盖了全球宏观经济数据、大宗商品数据、国内行业数据、上市公司数据以及全球证券、外汇和衍生品行情数据。当然,还可以考虑国内国际其他数据服务软件,如国泰安、路透等。笔者以Wind资讯为首选。
数据分析软件可以选择SPSS、Matlab、SAS、R等。由于SPSS统计分析功能强大且易于掌握,所以笔者选用SPSS[9]。如果注重训练学生编程或其他非统计分析研究方法如神经网络等,可以考虑选择Matlab、SAS、R等。
程序化交易软件有很多,目前国内程序化交易软件已有十几种,如文华赢智程序化交易软件(WH8)、交易开拓者程序化交易软件(TB)、MultiCharts(MC8)、金字塔交易系统等等[10]。WH8使用者众多,在市场上应用普遍且运行稳定。它提供国内股票和期货全部品种以及国外期货品种多周期的时间序列历史行情数据和近期的TICK数据,提供检测报告以检测模型,并能够进行仿真交易等。WH8采用第四代语言,编程易于学习和掌握。特别是文华赢智程序化交易软件模拟交易版可以免费获得,除了不能用于实际交易外,其他功能毫不逊色,非常适用于研究开发。因此,选用WH8(模拟交易版)作为程序化交易实验教学软件[11]。
量化投资实验教学首先可以进行已有量化投资方法和策略的实证检验,而创新性实验可以是对已有量化投资方法和策略的改进,也可以是提出新的量化投资方法并进行实证检验。程序化交易模型设计实验含有创新性和设计性双重属性。下面从量化选股、量化择时、统计套利、程序化交易几个方面来讨论创新性、设计性实验项目的设置。
3.1 量化选股创新性实验
量化选股是通过量化分析的方法选择适合投资的股票。量化选股的具体策略很多,包括多因子、风格轮动、行业轮动、资金流、动量反转、一致预期、趋势追踪及筹码选股等模型。由于教学时间限制,只能选择其中两种策略进行实验教学。以下详细讨论多因子选股模型创新性实验。
多因子选股模型的实施分为5个步骤:
(1) 候选因子的选取。候选因子一般包括估值因子(如每股收益、净资产收益率等)、成长因子(如主营收入增长率、再投资率等)、资本结构因子(如流通市值、资产负债率等)、技术面因子(如换手率、震荡指标等)。
(2) 对选股因子有效性进行检验。采用排序的方法检验候选因子的选股有效性,从而筛选出有效的选股因子。
(3) 将有效但冗余的因子剔除。
(4) 建立选择股票的综合评分模型并选股。
(5) 选股综合评分模型的评价和改进。
学生对多因子模型的改进和创新主要体现在(1)、(3)和(5)。
具体实验步骤分为6个步骤:①收集各类因子指标数据和评价因子有效性所需要的大量股票的行情数据,这可以通过Wind资讯软件完成。②利用统计分析软件SPSS将Wind资讯导出的Excel格式的数据文件转化为SPSS数据文件,检验候选因子的有效性。③将有效但冗余的因子剔除。④建立选股综合评分模型并进行选股。⑤选股综合评分模型的评价和改进。⑥完成实验报告。其中,第④和⑤需要反复,综合评分模型权重参数可以调试,综合评分模型的评价标准就是能否选出适合投资的股票,这可以用建模样本期之后的股票行情数据检验所选股票的表现。第②~⑤涉及的数据分析都用SPSS软件完成。
另外一个量化选股实验是统计定价模型选股,具体实施方法可以参阅高祥宝和闫慧敏的论文《 统计定价模型与股票投资决策》[12-13],这里不赘述。
3.2 量化择时创新性实验
量化择时是通过量化分析的方法进行市场走势的判断并进一步指出买入点和卖出点。量化择时的方法有趋势追踪择时、市场情绪择时、有效资金模型、牛熊线、Hurst指数、SVM分类、SWARCH模型及异常指标模型等。在实验教学中,可以把趋势追踪择时作为教学重点。
趋势追踪择时的思想源于技术分析,趋势具有延续性,可以找到趋势的方向,而后跟随趋势操作。趋势追踪择时的常用技术指标有MA、MACD、DMA等。
趋势追踪择时实验可利用上述传统的技术指标来进行实证研究,也可先进行新的技术指标设计并实证检验,创新趋势追踪择时方法。现详细讨论后者。
趋势追踪择时实验的创新性重点体现在新的技术指标的设计。在融资融券交易开展之前,我国证券市场交易基础数据有开盘价、收盘价、最高价、最低价、成交量、成交金额等,传统的技术指标都是以这四价二量为基础来构造的。随着我国证券市场融资融券交易的发展,积累了大量的融资融券交易基础数据。我国证券市场每个交易日融资交易基础数据包括当日融资余额、当日融资买入额、当日融资偿还额,融券交易基础数据包括当日融券余量、当日融券卖出额、当日融券偿还交易额等。可以将这些融资融券基础数据进一步加工成新的技术指标,以新的技术指标为基础进行趋势追踪择时方法创新。
趋势追踪择时实验步骤分为:①基于融资融券数据进行技术指标设计并进行实用性检验,可以选择沪深300指数为实证研究对象,采用Wind资讯软件获得融资融券数据、沪深300指数行情数据的Excel文件,然后建立SPSS数据文件进行实用性检验。②择时有效性检验。例如以黄金交叉买入、死亡交叉卖出,测试交易执行效果。③调整指标参数,以达到更好的择时交易效果。④完成实验报告。其中,第②、第③可能需要多次反复才能完成。
3.3 统计套利创新性实验
按照摩根斯坦利的定义,统计套利是基于模型的投资过程,在不依赖于经济含义的情况下,运用数量手段构建资产组合,根据证券价格与数量模型所预测的理论价值进行对比,构建证券投资组合的多头和空头,从而对市场风险进行规避,获取一个稳定的α(超额收益率)。配对交易是统计套利最初也是最重要的策略。配对交易策略具体实施有距离交易法和协整套利法等[14]。以距离交易法为基础配对交易是指从市场上找出历史股价走势相近的股票作为配对股票,当股票的价差偏离价差的历史均值时,则卖出股价较高的股票(做空),同时买入股价较低的股票(做多),当两者的价差回归历史均值水平时,分别平仓两只股票完成交易,由此赚取两只股票价格收敛的报酬。以下详细讨论以距离交易法为基础的配对交易创新性实验。
配对交易实验分为下列步骤:
(1) 构建配对股票组合。通常配对股票组合在同一个行业来选择,并利用相关分析或最小距离平方法来筛选。为此,需要用wind资讯软件导出同一个行业的所有股票的行情数据的Excel文件,然后转化为SPSS数据文件并完成股票对的筛选。
(2) 计算配对组合股票之间的价差。计算价差和绘制价差的茎叶图等可以用SPSS软件完成。
(3) 制定决策标准。设定一个开仓阈值,当股票对之间的价差达到这个阈值是就开始交易,即买入股票对中价格低的股票,同时融券卖出股票对中价格高的股票。按照资金中性原则来确定交易头寸,即做空股票的金额与做多股票的金额相同。开仓阈值的确定是通过历史数据回测得到或观察分布图如茎叶图得到。另外还要设定一个平仓阈值,即价差达到历史平均价差或0时将所持股票对都平仓为现金。
(4) 完成实验报告。
配对交易实验的创新性主要体现在(1)和(3)。对于(1),可以考虑利用其他方法筛选股票对,例如采用多因子选股方法。一旦(1)变化,(3)也需要相应地改变。
3.4 程序化交易创新性、设计性实验
程序化交易,也称算法交易,指在计算机和网络技术支持下,通过预先编制的交易程序代码完成组合交易指令的交易方法[15-16]。程序化交易实验教学依据从简单到复杂的原则进行。先学会程序化交易简单模型的设计、实现及检测(对应于WH8的过滤性模型),然后再完成较复杂的程序化交易模型的设计、实现及检测(对应于WH8的非过滤性模型)。最后,还可以设计多个模型,构成模型组合(对应于WH8的模型组合)。因此,程序化交易创新性、设计性实验可以设置三个实验:过滤性模型实验、非过滤性模型实验、组合模型实验。
过滤性模型实验分为三个步骤:①设计交易系统模型,如趋势追踪,完成程序代码;②进行检测,进行回测分析、模型参数优化、敏感度分析;③完成实验报告。其中,第①和第②可能要反复多次。
非过滤性模型实验和过滤性模型一样也分为三个步骤。两者差异主要在于后者可以实现连续开仓或平仓,加仓和减仓,而前者不行。交易账户的资金管理问题也在非过滤模型实验中解决。因此,第一步在设计模型时更为复杂。
组合模型实验是将多个交易品种和多个交易模型组合在一起运行,更贴近于资产投资组合管理实战,实验步骤也可以类似前面非过滤模型试验分为三步,只是每一步更为复杂。
这里还要说明一点,量化选股、量化择时、统计套利中只有部分策略可以用程序化交易平台软件实现,这也是量化投资课程需要统计分析软件的原因之一。
实验教学效果评价是实验教学的重要一环,一般通过学生的实验报告来进行评价,特别是考察创新性实验的实验报告。对于专业硕士研究生来说,实验报告的要求更高,创新性实验报告按照论文的格式写作。为此,程序化交易创新性、设计性实验报告就要包括摘要、关键字、设计思路、程序源代码(包含注释信息)、回测分析、模型参数优化、敏感度分析、资金管理、参考文献等方面内容。量化选股、量化择时、统计套利创新性实验报告要包括摘要、关键字、研究思路、实证分析、结论、参考文献等内容。从实验报告(论文)中,教师可看到学生是否达到掌握知识和创新的要求。
量化投资是一个活跃的应用研究领域,这为量化投资创新性实验提供了丰富的内容。本文所探讨的创新性实验仅仅反映了量化投资的冰山一角,采用研究方法是统计分析的方法,针对应用统计专业硕士。对于其他专业硕士培养,如金融工程,可以增加基于其他研究方法的创新性实验以及相应的研究工具软件应用。此外,本文所探讨的创新性实验也可适当地选用于有关专业本科生高年级课程或作为毕业论文选题。
[1] 丁 鹏. 量化投资—策略与技术[M].北京:电子工业出版社,2012.
[2] 黄 锐. 以实践能力为核心的专业硕士培养模式探究[J].教育研究,2014(11):88-94.
[3] 刘 楠,申爱兵,赵韦仑. 国外研究生教育对我国全日制专业硕士培养模式的启示[J]. 沈阳工程学院学报(社会科学版),2014(4):249-251.
[4] 朱 臻. 将量化投资思想引入到《证券投资》课程教学中的探索与思考[J]. 中国证券期货,2013(5):58-59.
[5] 丁专鑫. 量化投资的关键在于模型的建立[J].中国期货,2011(6):68-69.
[6] 吴晓求. 证券投资学[M].4版.北京:中国人民大学出版社,2014.
[7] 李向科. 证券投资技术分析[M].5版.北京:中国人民大学出版社,2015.
[8] 高祥宝.期货投资分析与实证研究[M].北京:经济科学出版社,2013.
[9] 高祥宝,董寒青,数据分析与SPSS应用[M].北京:清华大学出版社,2007.
[10] 聂延龙. 国内量化交易平台[N].期货日报,2012-11-26(004版).
[11] 上海文华财经资讯有限公司.文华赢智程序化交易软件8.2使用说明书[EB/OL].2015-12-1.http://www.wenhua.com.cn/guide/wh8-v8.2/index.htm.
[12] 高祥宝,闫慧敏. 统计定价模型与股票投资决策[J].统计与决策,2007(8):45-46.
[13] 赵田丹,高祥宝. 统计定价模型的改进与实证分析[J]. 全国商情(理论研究), 2011(11):25-27.
[14] Andrew Pole. 统计套利[M].陈雄兵,张海珊译. 北京:机械工业出版社,2011.
[15] 高祥宝.程序化交易实验教学设计[J].实验技术与管理,2015(6):211-213,216.
[16] Philip Treleaven,Michal Galas,Vidhi Lalc hand. Algorithmic trading review[J]. Communications of the ACM, 2013, 56:76-85.
The Innovative Experimental Teaching Research on Quantitative Investment
GAOXiang-bao
(Lab of Economics and Management, Beijing Technology and Business University, Beijing 100048, China)
The aim of this paper is to find a solution for innovative experimental teaching of the professional master course quantitative investment. This paper elucidates the importance of experimental teaching of quantitative investment, makes a good choice of experiment teaching platforms for different research methods, proposes a experimental teaching platform including SPSS and WIND as well as Wenhua WH8 algorithmic trading software. Then it explores the innovative experimental contents of quantitative investment, the teaching process design as well as methods of teaching evaluation, also introduces 7 innovative experimental projects including quantitative methods quantitative methods of selecting stocks, quantitative methods of selecting the trading opportunity, Pairs trading methods as well as algorithmic trading methods. Also it introduces a case study on the graduate course quantitative investment for the professional master of statistics in Beijing Technology and Business University.
quantitative investment; innovative experiments; instructional design
2015-09-14
高祥宝(1964-),男,辽宁普兰店人,学士,副教授,研究方向为量化投资、实验室建设。
Tel.:13641391900;E-mail:gaoxb88@sina.com
G 642.0;F 120
A
1006-7167(2016)08-0281-04