發(fā)布時間：2020-04-16所屬分類：經(jīng)濟(jì)論文瀏覽：1次
摘 要： [摘要]為探究中國股票市場的波動幅度和風(fēng)險(xiǎn)性，選取2016年1月1日至2019年3月31日期間的上證指數(shù)和深證成指的收益率為研究對象，建立GARCH模型進(jìn)行實(shí)證分析，得出以下主要結(jié)論：外部的沖擊會加劇對上證指數(shù)、深證成指的波動，且上證指數(shù)受到外部沖擊的波動更
[摘要]為探究中國股票市場的波動幅度和風(fēng)險(xiǎn)性，選取2016年1月1日至2019年3月31日期間的上證指數(shù)和深證成指的收益率為研究對象，建立GARCH模型進(jìn)行實(shí)證分析，得出以下主要結(jié)論：外部的沖擊會加劇對上證指數(shù)、深證成指的波動，且上證指數(shù)受到外部沖擊的波動更大，深證成指所受前期波動的影響更大。基于實(shí)證分析結(jié)果，制定了量化投資策略，即通過因子IC優(yōu)化復(fù)合因子IR的方式來配置因子權(quán)重，構(gòu)造多因子選股模型，并選取一些傳統(tǒng)因子結(jié)合新構(gòu)造的非流動性因子ILLIQ來進(jìn)行分析，回測結(jié)果表明在2015年1月1日至2018年1月1日期間的回測中，策略收益達(dá)到67.67%，遠(yuǎn)高于基準(zhǔn)收益10.69%。
[關(guān)鍵詞]GARCH模型;因子IC;非流動性因子ILLIQ;量化投資
股票市場是一個“高風(fēng)險(xiǎn)、高收益”的領(lǐng)域，加之我國股票市場復(fù)雜多變的特征，傳統(tǒng)的基本面分析和技術(shù)分析很難獲得預(yù)期和穩(wěn)定的收益。如何有效地規(guī)避風(fēng)險(xiǎn)，從繁多的市場股票中篩選出未來具有超額收益的股票，是投資者一直以來關(guān)注的問題。因此，對股票收益率波動的分析、構(gòu)建投資組合具有重要的意義。在此背景下，系統(tǒng)高效的量化投資策略可以幫助投資者進(jìn)行更加理性和準(zhǔn)確的投資。
一、文獻(xiàn)綜述
股票量化投資策略是股票合理投資的重要基礎(chǔ)，國內(nèi)外已有諸多學(xué)者對其進(jìn)行了較為深入的分析和研究。
外國的學(xué)者對量化投資領(lǐng)域的研究較早。馬科維茨發(fā)表的“PortfolioSelection”中推導(dǎo)出的投資人的決策問題公式，說明了投資人資產(chǎn)分配的原則是在達(dá)成投資目標(biāo)的前提下，將資產(chǎn)組合的風(fēng)險(xiǎn)最小化。[1]該文奠定了現(xiàn)代投資組合理論的基礎(chǔ)。Fama和French針對包括美國、EAFE國家成熟市場以及16個新興市場國家的股票市場進(jìn)行了實(shí)證研究，根據(jù)B/M，C/P，E/P和D/P區(qū)分價(jià)值股和成長股，從而形成投資組合。[2]
國內(nèi)對量化投資的研究發(fā)展較慢，且大多應(yīng)用于業(yè)界。江方敏通過選取上市公司財(cái)務(wù)報(bào)表中的6個財(cái)務(wù)因子，給出了高出市場基準(zhǔn)的12個組合。[3]由于選取的因子過于單一，獲取信息片面，無法科學(xué)地分析股市行情，給出科學(xué)的建議。王昭棟更偏重于多因子模型的應(yīng)用與實(shí)踐，對三種多因子模型的績效表現(xiàn)作以充分的實(shí)證和分析，討論了收益率的穩(wěn)定性和多因子的冗余性檢驗(yàn)。[4]但是為處理數(shù)據(jù)方便，沒有考慮股票市場交易的流動性和流動性風(fēng)險(xiǎn)。
綜上分析，多因子模型相對來說比較穩(wěn)定，是量化投資領(lǐng)域應(yīng)用最廣泛的一種選股模型。盡管研究成果頗豐，但仍存在以下兩點(diǎn)不足：一是沒有考慮到我國股市相較于外國股市波動幅度和風(fēng)險(xiǎn)程度更大，只選用傳統(tǒng)的因子，忽略了流動性影響因素;二是沒有對建立的投資策略進(jìn)行歷史回測，以及對行業(yè)的歸因分析。
基于此，本文通過因子IC優(yōu)化復(fù)合因子IR的方式來配置因子權(quán)重構(gòu)造多因子模型，考慮到市場的流動性問題，在選取了6個傳統(tǒng)因子的基礎(chǔ)上，采用成交量和價(jià)格變動聯(lián)系起來的方式觀測流動性，即通過構(gòu)建非流動性因子ILLIQ來尋找市場對弱流動性的收益補(bǔ)償;最后為考察構(gòu)建的投資組合中合成因子的選股能力，進(jìn)行了歷史回測和行業(yè)歸因分析，以給出更加精準(zhǔn)科學(xué)的投資策略。
二、基于GARCH模型的滬深股市收益率波動性分析
一般來說，我們用收益率波動性指標(biāo)來衡量股票市場的質(zhì)量。在一定的波動范圍內(nèi)，股票收益率的波動有活躍股票市場的作用，超過一定幅度會使市場風(fēng)險(xiǎn)暴露，不利于股市的正常運(yùn)行。投資者通過研究收益率波動性可以較為合理地預(yù)測股市風(fēng)險(xiǎn)，而上證指數(shù)和深證成指是我國金融市場的晴雨表，反映我國證券市場的走勢，投資者能否獲利與其波動性關(guān)系緊密。
(一)樣本范圍
選取2016年1月1日至2019年3月31日的交易日的上證指數(shù)和深證成指的收盤價(jià)，使用金融時間序列的計(jì)量經(jīng)濟(jì)方法估計(jì)參數(shù)的結(jié)果并給出實(shí)證結(jié)論。用SH表示上證指數(shù)收盤價(jià)，SZ表示深證成指收盤價(jià)，RSH表示滬市收益率，RSZ表示深市收益率。收益率定義為Rt=(Pt-Pt-1)/Pt-1×100%，其中Pt、Pt-1分別表示第t日、t-1日的收盤價(jià)。數(shù)據(jù)來源于iFinD。
(二)模型選擇
在選擇模型時，考慮到在ARCH(p)建模過程中，如果p很大，會導(dǎo)致方差隨著之前時刻的變化量而變化，在這種情況下，方差方程中的參數(shù)可能會出現(xiàn)負(fù)值的情況，不符合理論依據(jù)。因此，我們避免使用這種方法。
而GARCH模型是一個專門面向金融數(shù)據(jù)的回歸模型，在條件方差的方程中加入滯后項(xiàng)，對誤差的方差有更進(jìn)一步的解釋，所以被廣泛應(yīng)用于分析和預(yù)測波動性。其中，最常使用且通常也很適合金融時間序列的GARCH模型是GARCH(1，1)。本文以2016年1月1日至2019年3月31日的上證指數(shù)和深證成指為研究對象，建立GARCH模型。
相關(guān)期刊推薦：《東北財(cái)經(jīng)大學(xué)學(xué)報(bào)》Journal of Dongbei University of Finance and Economics(雙月刊)1999年創(chuàng)刊，注重反映以經(jīng)濟(jì)科學(xué)為主的社會科學(xué)研究和教學(xué)研究新成果，為改革開放和經(jīng)濟(jì)建設(shè)服務(wù)，為財(cái)經(jīng)教學(xué)服務(wù)，為本校師生廣大經(jīng)濟(jì)工作者提供有價(jià)值的參考資料。
(三)實(shí)證分析
1.描述性統(tǒng)計(jì)分析
對上證指數(shù)收益率和深證指數(shù)收益率進(jìn)行描述性統(tǒng)計(jì)，得到基本統(tǒng)計(jì)特征值。其中，上證指數(shù)收益率在樣本期內(nèi)的平均值為0.00059，略高于深證成指收益率的平均值0.000419。同時，兩個收益率的偏度都小于0，都為左偏;上證指數(shù)和深證成指的峰度分別為8.058682和6.273822，都大于正態(tài)分布的峰度值3，故兩個指數(shù)收益率都呈現(xiàn)尖峰厚尾的特征。另一方面，從標(biāo)準(zhǔn)差來看，深證成指的標(biāo)準(zhǔn)差為0.020462，高于上證指數(shù)的標(biāo)準(zhǔn)差0.018068，說明深證成指的波動性要大于上證指數(shù)。
2.平穩(wěn)性檢驗(yàn)
根據(jù)前期描述性統(tǒng)計(jì)分析的結(jié)果，我們推測滬深兩指的收益率序列可能存在ARCH/GARCH效應(yīng)，而時間序列的平穩(wěn)性是構(gòu)建模型分析預(yù)測的前提。因此，對該序列進(jìn)行ADF檢驗(yàn)，以考察序列的平穩(wěn)性。
首先，為了直觀分析兩個指數(shù)收益率序列的平穩(wěn)性，繪制了滬深兩指的收益率時序圖，如圖1、圖2所示。
通過以上圖形可以看出，上證指數(shù)收益率和深證指數(shù)收益率序列基本都是圍繞在0附近上下波動，直觀上判斷應(yīng)該都是平穩(wěn)的。以下進(jìn)一步采用ADF單位根檢驗(yàn)法進(jìn)行判斷，利用EVIEWS軟件得到結(jié)果匯總，如表1所示。
從回歸結(jié)果來看，上證指數(shù)收益率單位根的ADF統(tǒng)計(jì)量為-19.66081，分別小于顯著性水平為10%、5%和1%的臨界值。因此，RSH和RSZ都是平穩(wěn)的，可以直接利用上證指數(shù)收益率和深證成指收益率序列進(jìn)行建模分析。
3.確定均值方程及殘差序列自相關(guān)檢驗(yàn)
一般情況下，金融市場的收益率序列都存在自相關(guān)現(xiàn)象。故首先根據(jù)收益率序列的自相關(guān)圖來判斷其均值方程。通過繪制上證指數(shù)收益率的自相關(guān)圖可知，在滯后4期時的自相關(guān)系數(shù)最大且顯著，故初步判斷存在滯后4期的自相關(guān)。再次繪制殘差的自相關(guān)圖，可知仍然存在自相關(guān)現(xiàn)象，故需要進(jìn)一步調(diào)整。經(jīng)過不斷修正，最終得到的上證指數(shù)收益率均值方程為：RSHt=α+β1RSHt-1+β2RSHt-4+β3RSHt-10+εt
同理，得到的深圳成指收益率均值方程為：RSZt=α+β1RSZt-1+β2RSZt-8+β3RSZt-10+εt
分別對以上方程估計(jì)的殘差和殘差平方序列進(jìn)行自相關(guān)檢驗(yàn)，取滯后10階，觀察滬市和深市殘差及殘差平方的自相關(guān)系數(shù)及P值。可知無論滬市還是深市，其殘差序列都不存在自相關(guān)，但殘差平方的序列卻都存在顯著的自相關(guān)性，兩個殘差平方的波動具有明顯的時間可變性和集簇性，初步判斷適合采用GARCH模型來進(jìn)行建模分析。進(jìn)一步采用ARCH-LM法進(jìn)行檢驗(yàn)，得到的結(jié)果如表2所示。
可以看出，檢驗(yàn)的P值都為0，故應(yīng)該拒絕模型不存在ARCH效應(yīng)的假設(shè)。因此，兩個均值方程的殘差都存在顯著的ARCH效應(yīng)，適合采用GARCH進(jìn)行建模。
4.GARCH建模分析
在以上得到均值方程的基礎(chǔ)上，繼續(xù)建立GARCH(1，1)模型對兩個股票市場的波動性進(jìn)行分析。首先，運(yùn)用EViews軟件得到的兩個市場GARCH(1，1)模型初步估計(jì)結(jié)果。可以得到，此時兩個市場GARCH模型的均值方程中存在變量估計(jì)系數(shù)不顯著的情況;故進(jìn)一步進(jìn)行調(diào)整，修正后，除部分常數(shù)項(xiàng)，模型中的各變量估計(jì)系數(shù)在10%水平下都是顯著的(P<0.1);再次對兩個GARCH模型的殘差及殘差平方進(jìn)行自相關(guān)檢驗(yàn)，取滯后10階得到的結(jié)果如表3所示(以滬市為例，深市同理)。
(四)合成因子的回測
1.回測結(jié)果
為了考察因子選股能力的回測效果，歷史回測的基本設(shè)置如下：回測時段為2014年1月1日至2018年1月1日，股票池為A股全部股票，策略參考標(biāo)準(zhǔn)為滬深300指數(shù)，組合每5個交易日調(diào)倉，交易費(fèi)率設(shè)為雙邊萬分之二。
由回測結(jié)果可知，運(yùn)用多因子策略得出的投資組合在2014年1月1日至2018年1月1日之間，策略的收益和年化收益率分別達(dá)到了67.67%和19.33%，分別遠(yuǎn)高于基準(zhǔn)收益和基準(zhǔn)年化收益的10.69%和3.53%。阿爾法值為0.16，貝塔值僅為1.03，夏普比率達(dá)到0.49，信息比率達(dá)0.83，這些指標(biāo)表現(xiàn)出色。但是最大回撤相對偏高，為45.68%。結(jié)合基準(zhǔn)收益、策略收益和超額收益在這三年內(nèi)的走勢和對比，綜上可以認(rèn)為策略運(yùn)行較好。
2.回測持倉平均市值
回測之后，對該策略選股的持倉市值分析。在之前的合成因子選股市值的分布特征中，已經(jīng)對該策略選股的持倉市值進(jìn)行了簡單的分析，真實(shí)回測的持倉市值結(jié)果如圖6所示。圖6展示了全市場股票市值25%分位數(shù)、全市場股票市值75%分位數(shù)以及策略持倉股票平均市值的時間序列。2014年至2015上半年，策略持倉的平均市值在全市場股票市值75%分位數(shù)附近波動，而2015年下半年至今，策略持倉股票平均市值相對偏高，遠(yuǎn)超全市場股票市值75%分位數(shù)。總體來看，該策略的持倉市值相對較高。
四、結(jié)論與建議
從研究成果出發(fā)，對股票市場投資提出以下建議：
一是要不斷提升量化投資技術(shù)水平。特別是要將計(jì)算技術(shù)與各類統(tǒng)計(jì)數(shù)學(xué)模型進(jìn)行有效結(jié)合，在“大數(shù)據(jù)”時代對復(fù)雜的投資相關(guān)數(shù)據(jù)進(jìn)行挖掘與分析;同時還要高度重視技術(shù)分析體系的建設(shè)，[5]特別是要對基本面分析指標(biāo)、股票估值指標(biāo)、交易趨勢等進(jìn)行有效分析。
二是要時刻保持風(fēng)險(xiǎn)意識，注意風(fēng)險(xiǎn)防控。由GARCH模型分析結(jié)果可知，股票市場易受外部因素的干擾，收益率波動較大。這種波動性在一定程度上會加劇股票投資的不確定性，會給投資者帶來豐厚的收益，也可能會帶來巨大的損失。因此在進(jìn)行量化投資策略分析時，也應(yīng)將投資風(fēng)險(xiǎn)考慮在內(nèi)。
三是要加強(qiáng)對大數(shù)據(jù)的利用能力，做到科學(xué)投資。在投資策略分析過程中，存在大量的數(shù)據(jù)，要增強(qiáng)投資策略的科學(xué)性，就必須對“大數(shù)據(jù)”進(jìn)行有效利用，常用的方式主要是建立適合的統(tǒng)計(jì)模型，并對模型進(jìn)行深入分析和檢驗(yàn)。
