什么是量化选股 量化选股的风险特征

1. 什么是量化选股 量化选股的风险特征

什么是量化选股？

简单来说，量化选股就是利用数量化的方法构建模型，进而选择股票组合，期望该股票组合能够获得超越基准收益率的投资方法。





量化选股的风险特征如何？

我们以市场上较为典型的两种运用量化选股方法的策略举例：

一、市场中性策略

对于市场中性策略来说，其目标主要是通过量化选股的方法选出高阿尔法的股票构建组合，并做股指期货对冲。以此来剥离股票组合的市场风险，并收获纯阿尔法收益。所以一个标准的纯市场中性策略，应该较少的受到市场波动的影响，进而稳定的获得一个不错的超额收益。所以一般情况下中性策略相对纯股票多头产品回撤风险要小，波动平滑，最大回撤一般较小，属于相对比较稳健的投资策略。



二、指数增强策略

市场上现在比较主流的指数增强策略主要由原来的市场中性策略演变而来，为了能够提高资金使用效率和搏取更高的收益，将市场中性策略中的股指期货对冲部分去除，直接构建股票纯多头组合，运用量化选股的方法选择一揽子股票，追踪指数，控制跟踪误差。目的是在承担市场风险的前提下，获取能比市场指数更高的收益，不仅获取中性策略中所提供的纯阿尔法收益，也获取市场本身所带来的收益。

现在的指数增强产品主要有沪深300指数增强和中证500指数增强产品两种，以跟踪中证500指数的产品相对更多。由于去掉了股指对冲，指数增强的产品是完全暴露市场风险的，以此来搏取更高的收益。所以指数增强的产品就具备了高风险，高收益的特征。一般情况下，会跟随产品所追踪的指数进行波动，同涨同跌，但一般会在上涨中比指数涨的更高，而在下跌中比指数亏损的较少，尽管策略整体波动相对较大，在投资期间也可能发生较大的回撤，但由于指数增强产品相比纯中性产品资金使用效率更高而且有更强的复利效应，在市场没有极大风险的情况下，更可能获得比中性产品更高的收益。

最常见的量化选股模型

市场较为主流的量化选股策略总的来说可以分为两类：第一类是基本面选股，第二类是市场行为选股。其中基本面选股模型主要有：多因子模型、风格轮动模型和行业轮动模型。市场行为选股模型主要有：资金流模型、动量反转模型、一致预期模型、趋势追踪模型和筹码选股模型。



市场中从事量化投资的机构运用了各种量化选股模型构建股票组合，通过借助现代统计学、数学的方法，从海量历史大数据中寻找能够带来投资组合稳定收益的多种“大概率”策略和规律，在此基础上，综合归纳成因子和模型程序，最终纪律严明地按照这些数量化模型组合来进行独立投资。在众多的选股模型中，多因子选股模型是各个量化选股机构用的比较多的一种，多因子模型基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。

多因子模型的核心原理就是找到那些与企业的收益率最相关的因子。各种多因子模型核心的区别主要有两点，第一是选择的因子可能不同，第二是对因子的组合和权重分配会有所不同。综合这两点，就会导致不同机构最终选择出的股票组合是不同的。一般而言，多因子选股模型具体的选股方法分为打分法和回归法两种。

打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选。

回归法就是用过去的股票的收益率对多因子进行回归，得到一个回归方程，然后再把最新的因子值代入回归方程得到一个对未来股票收益的预判，然后再以此为依据进行选股。

2. 常见的量化选股有哪些？？

你好，常见的选股一般有以下策略：
1、多因子选股

多因子选股是最经典的选股方法，该方法采用采用一系列的因子（比如市盈率PE）作为选股标准，满足这些因子的股票被买入，不满足的被卖出。比如巴菲特这样的价值投资者就会买入低PE的股票，在PE回归时卖出股票。
2、风格轮动选股
风格轮动选股是利用市场风格特征进行投资，市场在某个时刻偏好大盘股，某个时刻偏好小盘股，如果发现市场切换偏好的规律，并在风格转换的初期介入，就可能获得较大的收益。
3、行业轮动选股
行业轮动选股是由于经济周期的的原因，有些行业启动后会有其他行业跟随启动，通过发现这些跟随规律，我们可以在前者启动后买入后者获得更高的收益，不同的宏观经济阶段和货币政策下，都可能产生不同特征的行业轮动特点。
4、资金流选股
资金流选股是利用资金的流向来判断股票走势。巴菲特说过，股市短期是投票机，长期看一定是称重机。短期投资者的交易，就是一种投票行为，而所谓的票，就是资金。

如果资金流入，股票应该会上涨，如果资金流出，股票应该下跌。所以根据资金流向就可以构建相应的投资策略。

5、动量反转选股
动量反转选股方法是利用投资者投资行为特点而构建的投资组合。索罗斯所谓的反身性理论强调了价格上涨的正反馈作用会导致投资者继续买入，这就是动量选股的基本根据。
6、分析师一致预期策略
分析师一致预期策略是指大多数分析师同时推荐某只股票时会引发大量看到同样买卖建议的投资者产生一致的买卖行为，而先得到信息的投资者会先交易，之后得到信息的投资者会晚交易。

如果可以尽早的得到分析师的投资建议并尽快买入，就可以利用后进者的买卖行为获得额外收益。

7、趋势跟踪策略
趋势跟踪策略是技术型交易策略的一种，当股价在出现上涨趋势的时候进行买入，而在出现下降趋势的时候进行卖出，本质上是一种追涨杀跌的策略，很多市场由于羊群效用存在较多的趋势，如果可以控制好亏损时的额度，坚持住对趋势的捕捉，长期下来是可以获得额外收益的。
8、筹码分布选股
筹码分布选股是一种基于主力投资行为的交易方法。基本根据是主力在拉升一只股票之前需要在尽可能低的价格下吸收筹码，因此吸筹的过程通常非常温柔与缓慢；

3. 量化选股的基本概念

量化选股就是利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的投资行为。在《量化投资—策略与技术》（丁鹏著，电子工业出版社）中，将量化选股策略为两类：第一类是基本面选股，第二类是市场行为选股。

4. 如何量化选股

重磅干货！量化交易模式，不用动手，用炒股软件自动选股做成股票池

5. 量化选股的介绍

量化选股就是利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的投资行为，研究表明，板块、行业轮动在机构投资者的交易中最为获利的盈利模式是基于行业层面进行周期性和防御性的轮动配置，这也是机构投资者最普遍采用的策略。此外，周期性股票在扩张性货币政策时期表现较好，而在紧缩环境下则支持非周期性行业。行业收益差在扩张性政策和紧缩性政策下具有显著的差异。

6. 量化选股策略是什么？多因子模型是什么

　　量化选股就是利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的投资行为，研究表明，板块、行业轮动在机构投资者的交易中最为获利的盈利模式是基于行业层面进行周期性和防御性的轮动配置，这也是机构投资者最普遍采用的策略。此外，周期性股票在扩张性货币政策时期表现较好，而在紧缩环境下则支持非周期性行业。行业收益差在扩张性政策和紧缩性政策下具有显著的差异。
　　多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。多因子模型相对来说比较稳定，因为在不同市场条件下，总有一些因子会发挥作用。

7. 如何理解量化选股和量化择时之间的关系

所谓量化投资，就是通过定量或统计的方法，不断地从历史数据中挖掘有效的规律并在投资行为中加以利用，甚至通过计算机程序自动执行下单的动作。也就是说，量化投资方法是靠“概率”取胜，其最鲜明的特征就是可定量化描述的模型、规律或策略。

对于股票市场，量化投资主要包括量化选股、量化择时、算法交易、股票组合配置、资金或仓位管理、风险控制等。我们这里重点聊一聊量化选股和择时策略，其中前者解决哪些股票值得关注或持有，后者解决何时买入或卖出这些股票，以期在可承受的风险程度下，获得尽可能多的收益。

第一阶段：选股
选股的目标是从市场上所有可交易的股票中，筛选出适合自己投资风格的、具有一定安全边际的股票候选集合，通常称为“股票池”，并可根据自己的操作周期或市场行情变化，不定时地调整该股票池，作为下一阶段择时或调仓的基础。

量化选股的依据可以是基本面，也可以是技术面，或二者的结合。常用的量化选股模型举例如下：
1多因子模型
多因子模型：采用一系列的“因子”作为选股标准，满足这些因子的股票将作为候选放入股票池，否则将被移出股票池。这些因子可以是一些基本面指标，如 PB、PE、EPS 增长率等，也可以是一些技术面指标，如动量、换手率、波动率等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。多因子模型相对来说比较稳定，因为在不同市场条件下，总有一些因子会发生作用。
2板块轮动模型
板块轮动模型：一种被称作风格轮动，它是根据市场风格特征进行投资，比如有时市场偏好中小盘股，有时偏好大盘股，如果在风格转换的初期介入，则可以获得较大的超额收益；另一种被称作行业轮动，即由于经济周期的原因，总有一些行业先启动行情，另有一些（比如处于产业链上下游的）行业会跟随。在经济周期过程中，依次对这些轮动的行业进行配置，比单纯的买入持有策略有更好的效果。
3一致性预期模型
一致性预期模型：指市场上的投资者可能会对某些信息产生一致的看法，比如大多数分析师看好某一只股票，可能这个股票在未来一段时间会上涨；如果大多数分析师看空某一只股票，可能这个股票在未来一段时间会下跌。一致性预期策略就是利用大多数分析师的看法来进行股票的买入卖出操作。
与此类似的思路还有基于股吧、论坛、新闻媒体等对特定股票提及的舆情热度或偏正面/负面的消息等作为依据。还有一种思路是反向操作，回避羊群效应（物极必反），避免在市场狂热时落入主力资金出货的陷阱。

4资金流模型
资金流模型：其基本思想是根据主力资金的流向来判断股票的涨跌，如果资金持续流入，则股票应该会上涨，如果资金持续流出，则股票应该下跌。所以可将资金流入流出情况编制成指标，利用该指标来预测未来一段时间内股票的涨跌情况，作为选股依据。
第二阶段：择时
择时的目标是确定股票的具体买卖时机，其依据主要是技术面。取决于投资周期或风格（例如中长线、短线，或超短线），择时策略可以从比较粗略的对股票价位相对高低位置的判断，到依据更精确的技术指标或事件消息等作为信号来触发交易动作。

一般来说，择时动作的产生可以基于日K线（或周K线），也可以基于日内的小时或分钟级别K线，甚至tick级的分时图等。具体的量化择时策略可以分为如下几种：
1趋势跟踪型
趋势跟踪型策略适用于单边上升或单边下降（如果可做空的话）的行情——当大盘或个股出现一定程度的上涨和一定程度的下跌，则认为价格走势会进一步上涨或下跌而做出相应操作（买入->持有->加仓->继续持有->卖出）。


2高抛低吸型
高抛低吸型：高抛低吸型策略适用于震荡行情——当价格走势在一定范围的交易区间（箱形整理）或价格通道（平行上升或下降通道）的上下轨之间波动时，反复地在下轨附近买入，在上轨附近卖出，赚取波段差价利润（下轨买入->上轨卖出->下轨买入->上轨卖出->…）。
3横盘突破型
横盘突破型：价格走势可能在一定区间范围内长时间震荡，总有一天或某一时刻走出该区间，或者向上突破价格上轨（如吸筹阶段结束开始拉升），或者向下突破价格下轨（如主力出货完毕，或向下一目标价位跌落以寻找有效支撑），此时行情走势变得明朗。
横盘突破型策略就是要抓住这一突破时机果断开多或开空，以期用最有利价位和最小风险入场，获得后续利润（空仓或持仓等待机会->突破上轨则买入或平空/突破下轨则卖出或做空）。

常见的趋势跟踪型策略有：短时和长时移动均线交叉策略，均线多头排列和空头排列入场出场策略，MACD的DIFF和DEA线交叉策略等。如下图所示：

常见的高抛低吸型策略一般通过震荡类技术指标，如KDJ、RSI、CCI等，来判断价格走势的超卖或超卖状态，或通过MACD红绿柱或量能指标与价格走势间的背离现象，来预测波动区间拐点的出现。如下图所示：



常见的横盘突破策略包括布林带上下轨突破、高低价通道突破、Hans-123、四周法则等。如下图所示：

必须要强调的是，趋势跟踪型策略和高抛低吸型策略适用于完全不同的市场行情阶段——如果在单边趋势中做高抛低吸，或是在震荡行情中做趋势跟踪，则可能会造成很大亏损。因此，对这二者的使用，最关键的是，第一要尽量准确地判断当前行情类型，第二是要时刻做好止损保护（和及时止盈）。

总结一下：
在疯牛秘籍和疯牛形态系列产品中，提供了大量对股市规律的揭示、以及基于这些规律制定的量化策略，例如基于各类公告事件、资金动向、技术指标等制定的策略和规律，以及次日机会、底部形态反转等对应的交易时机。
这些实时动态的策略可为投资者的选股和择时操作提供高效的、有价值的参考。

8. 为什么要进行量化投资选股？

量化策略来自于历史经验，它通过对数据精确的计算来发现并利用投资市场历史上所展现出来的规律性，并假设这种规律在未来继续有效。
    我们为什么要进行量化投资?它有什么相对优势?
    1、从对历史的认识来看，基本面分析看似全面却并不见得准确。人的大脑已开发的功能有限，难以正确处理纷繁复杂的海量信息。某些信息被主观放大，另外一些信息则会被忽略，这很容易导致人们的认知出现偏差甚至是错误，这将对未来的投资产生误导。而计算机对于输入的全部信息都会平等地加以考察.对 每个因素所发挥的历史作用都能进行精确的测量，也就是说，它在有限的信息范围内能做到准确全面的处理。当然，准确全面的程度有赖于使用计算机的人的能力， 但从方法论的角度来说，它无疑是最精确的。
    2、从投资决策方面来说，基本面派难以做到足够的客观，主观感性的影响无处不在。即使经历相似的投资者在面对同样的信息时也会得出不同的判断， 同一个人在不同环境中也可能作出完全迥异的操作，显然人为主观因素(包括喜好、心情、性格等)都产生了非常重要的影响。当然这并不是要否定主观感性，而是想说明人为主观很可能会使得投资者放弃理性的思考，扭曲对客观事实的理解。而冷冰冰的计算机程序足以克服人性的弱点，它能够非常忠实地执行模型开发者所完成的理性的研究成果，而不受其他因素的干扰。同样的信息输入，它得出的结论是唯一的、明确的，并且足够客观、足够理性。
    3、量化投资可以大大减轻人脑的负荷，帮助人们进行更高效的投资。计算机程序可以同时处理大量的信息。例如数量选股模型可以在输入千万个数据后 快速批量地输出股票组合，而人脑如果要选出同样的组合恐怕需要好几个月的辛勤劳作，却并不见得能取得更好的成绩。另外计算机还能不知疲倦地工作，这会显著提高投资者把握机会的几率。
    因此，开展量化方面的投资和研究是非常有必要的，它将对传统投资起到非常好的补充和提升作用。我们不可因为长期资本管理公司的破产就产生恐俱心理，而致因噎废食。量化模型是很优秀的投资工具，结果好坏的关健在于开发者和使用者如何运用，而不应归咎于量化手段本身。参考云掌财经！