金融工程2016年度报告:鸿蒙初辟,如日方升

目前团队的工作成果包括:

1.基于Barra模型的基金绩效与风险分析以及风险预测和纯因子:Barra模型不仅提供了可靠的市场风险预测,同时其建模过程也为投资组合的风险和绩效归因提供了思路,此外还可以利用对特定风格因子进行暴露并结合不同限制条件构建并优化投资组合;

2.基于日收益率的HMM择时:隐马尔可夫模型(HMM)是一种由马尔可夫过程衍生出的概率图模型,常被用于语音模式识别、生物基因序列标记、金融时间序列预测等。我们将该模型应用于指数择时,观测变量选取指数日涨跌幅作为模型的输入,输出则是模型的隐状态,最后我们把隐状态分成涨、跌和震荡三类,形成交易信号。

3.偏度调整的收益率MACD择时信号:将价格的MACD转移到收益率上,构造出用DIF(快速线)和DEA(慢速线)以及柱线(Histogram)代表的短期动量、中期动量以及动量增量,捕捉动量在趋势行情中的领先性,并通过结合收益率的偏度数值调整信号阈值。

4.基金仓位估计及误差修正:以指数收益率和基金收益率分别为自变量和因变量的回归方法进行估测,对比了多种多重共线性的处理方法,最终选择逐步回归并结合误差修正进行仓位估计,同时通过逐步回归打分法计算出市场平均重仓行业。

目前正在逐渐拓展研究范围,其中包括FOF策略,组合优化和择时的进一步挖掘,同时也在同步进行分级基金分析。同时,我们计划2017年逐步覆盖市场重点关注方向,包括选股、投资策略、择时策略的进一步深化以及包括衍生品研究等产品的研究。