一个公式里藏着多少秘密?

本文转自<a href='https://www.ricequant.com'>Ricequant平台</a>用户<a href='https://www.ricequant.com/community/user/498772fddc3811e5a9075254a49147c0'>刘拓奇</a>的<a href='https://www.ricequant.com/community/topic/775'>文章</a>。

使用维纳过程符号,在连续时间条件下,资产价格模型:
dS=μSdt+σSdX
这是一个股票,货币,商品和指数普遍认可的模型,而且是众多金融理论的基础。其中μ是资产的增长率,又叫漂移率。而σ则是波动率。
从上述简单的模型当中,我们可以品出很多味道来,因为σSdX是服从均值为零的波动项,当σ很大的时候。短期的股票价格走势会由波动率决定。而长期来看,波动率会均值会向零收敛,股票的走势决定于μ 的大小。
这似乎毫无新意,就是把我们所熟知的价值投资的基本理念用数学又表达了一遍。然而并没有那么简单。

趋势跟随or均值回归?

大家注意到,我们买股票或是任意有价证券。我们需要判断的是,价格所包含的收益预期。用斯蒂芬.彭曼教授下面这段话阐释:“一个估值模型的关键问题,不是计算出“正确”的价值是多少,而是模型是否能够帮助投资者更好地理解隐含在市场价格中其他投资者的想法,并对此进行质疑。投资者在同市场价格“谈判”的过程中,其责任不是要提出预测或者完成价格估算,而是理解那些能解释市场价格的预期信息,从而决定是否自己接受市场报价。”
投资者在上述的判断中,往往有一个问题没有辨析清楚:当前价格变化,反应的是市场对于长期收益率μ 还是短期σ的期望。这两者是不易被区分的,往往一个高涨的股票会被动听的高成长预期所描述。然而,真正驱动它的却是对于高向上波动率的期望。
这对于量化投资,乃至投资重要吗?当然是重要的。理论上讲,按照对价格的反应分类,只有两种策略,均值回归和趋势跟随。典型的均值回归模型是网格策略,基本特征是在自定义的波动区间内,上涨抛出,下跌买入。而典型的趋势跟随模型有均线金叉法,MACD金叉法。大家注意到,均值回归模型,价格上涨抛股票,趋势跟随模型则买入。然而,有趣的是,截然相反的两种策略都是可以挣钱的,前提是你在恰当的时间,选择了对的策略模型。

两种择时策略如何成为可能?

现在我们要回答最关键的问题了,如何选择一个正确的模型。为了回答这个问题,我们首先要知道,择时模型是如何成为可能的。
1, 趋势跟随:
当我们观察一个人的时候,他的行为是高度不可预测的。特别是当他知道你在观察他的时候(博弈论的范畴),但是一旦人作为一个群体出现的时候,他们则显示出高度可预测性(行为经济学范畴)。我们来看一个群体性疯狂的具体例子。

中国中车这个例子,很好地说明了,趋势跟随策略的应用范畴。它背后的原理是如果是一个人。他或许是追求价值的,但是一旦人被群体裹挟,他只能跟随趋势。所以一个5倍以上的量增长,是采用趋势跟随策略的前提条件。在这种行情之下,采用金叉持有,死叉卖出的方式,实践表明效果是非常显著的。
PS: 趋势跟随,与价值投资10年10倍是不同的。它适用于,群体非理性造成的半年十倍的状况。大部分的时间价值投资者是对的,好企业要买入长期持有。

2,均值回归:
当股市交易人数稀少的时候,一个群体行为的模型退化为一个博弈论的模型。投资者是无法知道交易对手如何行动的。如同石头剪刀布,你在猜对手,对手也在猜你。但是我们知道μ的日均增长率非常低,而σ≫μ。所以,日内的波动会远远超过企业内在价值的增长能够解释的部分。此时,利用市场内少数投资者信息不称的弱点,赚取他们之间的估值差,是理性的选择。下面我们来看一个更综合些的实际例子。

注意到港股兴达国际的下跌分为两段,第一段下跌是第一个巨量时期的延续,这段我们应该采用的是趋势追随的策略,因此,在6月份死叉以后,就应该清仓了。然而,到了第二阶段(2015.12-2016.2)下跌时,兴达国际的成交量,已经降到了历史低位,此时操作策略就应该从趋势跟随,转为高抛低吸的网格策略。越跌越买了。
PS:所有的Beta策略,都要假设企业价值稳定。作为一个程序化交易的模型来说,不能如此假设,因此我们必须买入一揽子股票,或是一个大型的指数。

回响

我写了这么多,你们仍然是炒不好股的。人到了疯狂环境里,能够冷静面对的,毕竟是极少部分人。所以,非常建议大家采用量化交易,克服人性毕竟比没人性差的远。让我们来做你的AlphaGO~

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,390评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,821评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,632评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,170评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,033评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,098评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,511评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,204评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,479评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,572评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,341评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,213评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,576评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,893评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,171评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,486评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,676评论 2 335

推荐阅读更多精彩内容

  • 随机变量是根据偶然性取值的变量。我们在谈到随机变量时,通常是以“概率分布”的形式来描述他们。也即:随机变量落在每一...
    小狸投资阅读 5,217评论 1 7
  • 著名财经杂志《财富》对本书的评论是:如果你一生只读一本关于投资的著作,无疑就是这本《聪明的投资者》。 首先介绍一下...
    惜她阅读 6,771评论 0 34
  • 可以在这一秒中想通,释然了。 然后又在下一秒中,想不通了。 有些人的话, 可以一针见血的指出你的毛病所在。 不是不...
    一个半拍阅读 161评论 0 0
  • 第六章 放纵 “我……洗澡……”苏颜想还好当时的灯光很昏暗,否则她囧迫的模样必定被他看的一清二楚,她虽看不到自己的...
    岑小夕阅读 603评论 8 17
  • 俊得艺手阅读 261评论 0 0