基于量化选股的阿尔法策略在中国中小板市场的实证研究.doc

随着股指期货的推出，我国证券市场只能单边做多的局面已经成为历史，股指期货为阿尔法策略投资提供了必要的做空手段。纵观国内外的投资经验，在资本市场有效性相对较弱时，阿尔法投资策略可以获得持久稳定的超额收益，而我国的中小板市场正是一个新兴的、效率相对较低的市场，本文旨在研究基于量化选股的阿尔法策略在中国中小板市场是否具有可行性。 本文首先利用历史数据研究上市公司各类相关指标与公司股票超额收益率之间的相关关系，以期通过指标来筛选出可以获取高阿尔法收益的股票；其次，通过构建投资模型来检验阿尔法策略在中国中小板市场的可行性。 通过对2007年5月到2011年12月期间的81只股票的各类财务及非财务指标和股票超额收益的分析我们发现，通过使用ROE增长率、流动资产周转率、持股集中度2、现金流量比率这四个指标对股票进行筛选我们可以得到高收益的股票，随后根据这四类指标构建投资组合，在2012年1月到2013年10月期间对投资组合的业绩进行评价，最后发现在中国中小板市场可以通过量化选股和适当卖空股指期货来获得比较客观的超额收益率，卖空机制的引入有利于稳定市场、提高流动性、增加积极型投资者的投资收益。相对于股指期货收益率来说，阿尔法策略投资组合收益率更加平稳，有效避免了投资收益“过山车”现象。 目 录 摘 要 III Abstract IV 目 录 1 1 引言 1 1.1 研究背景与意义 1 1.1.1 研究背景 1 1.1.2 研究意义 2 1.2 国内外研究动态 3 1.2.1 国外研究现状 3 1.2.2 国内研究现状 6 1.3 研究思路、研究方法与技术路线 8 1.3.1 研究思路 8 1.3.2 研究方法 9 1.3.3 技术路线 9 2 阿尔法策略产生背景、优势及原理分析 11 2.1 阿尔法策略产生的背景 11 2.2 阿尔法策略优势 12 2.3 阿尔法策略基本原理 12 3 因子回归分析 15 3.1 数据的选取和因子的选取 15 3.1.1 数据的选取 15 3.1.2 因子的选取 15 3.1.3 数据的滞后处理 17 3.2 α、β值的计算 17 3.3 因子回归分析 17 4 投资组合构建与实证检验 22 4.1 投资模型的选择 22 4.2 投资组合的构建方法 22 4.2.1 调整周期 22 4.2.2 选股方法与步骤 23 4.2.3 统计检验与实证效果分析 23 5 总结与展望 30 5.1 本篇文章的研究成果 30 5.2 本篇文章的创新之处 31 5.3 本篇文章的不足之处与改进设想 31 5.3.1 本篇文章的不足之处 31 5.3.2 研究的进一步改进设想 32 参考文献 34 1 引言 1.3 研究思路、研究方法与技术路线 1.3.1 研究思路 本文通过对07年之前在深圳中小板上市的上市公司的基本面数据和股票收益率进行分析，检验公司的成长能力指标、营运能力指标、盈利能力指标、估值指标、风险指标、持股集中度指标等数据与公司股票超额收益率之间的关系，从而筛选出与阿尔法相关性较大的因子，根据这些因子构造量化选股模型，构建股票池，并通过计算贝塔值利用股指期货规避系统风险，通过实证来检验量化投资和阿尔法策略在中国市场的可行性,可能用到的指标如表1.1所示。 表1.1 选股指标 分类 指标 成长能力指标 总资产增长率、基本每股收益增长率、ROEG、 净利润增长率、每股经营活动产生的现金流量净额增长率 估值指标 每股收益、PE、每股净资产、市净率、P/CF、 托宾Q值、每股未分配利润、每股公积金 盈利能力指标 ROE、ROA 营运能力指标 流动资产周转率、总资产周转率、股东权益周转率 现金流指标 现金流量比率、每股净现金流量 持股集中度指标 集中度1、集中度2、集中度3、集中度4、Z指标 1.3.2 研究方法 (1）文献与理论研究：文献阅读与总结、理论分析，归纳现有的研究成果，结合alpha收益的特点，通过将现有研究成果中的投资思想抽象成数量化模型中的相关参数，以设计可能取得alpha收益的投资策略。 （2）数据收集：为保证策略运行及检验的可靠性，一定要保证历史交易数据的可靠性，包括来源可靠和数据可靠。 （3）运用计算机对数据进行处理。本文需要运用公司各类财务指标、收盘价、指数收盘价等众多数据，数据处理过程繁琐，需要借助excel等数据处理软件来完成数据的处理加工的工作。 1.3.3 技术路线 图1.1 技术路线图 通过对07年之前在深市中小板上市的81家公司在2007年5月至2011年12月之间的财务数据、股本数据等基本面数据与其股票收益率的回归分析筛选出与阿尔法相关性较大的因子，根据得到的可用因子构造选股模型，在2