股指期货对冲策略

Alpha 对冲背景

作为普通的投资者,大部分投资者都会选择基金这一投资渠道。而面对眼花缭乱的基金产品,投资者如何选择出符合自己风险偏好的基金就显得十分重要。这一选择的过程可能就需要我们对基金产品做一个绩效评价,选出其中表现最好的作为我们的投资组合。而最常见的三个评价标准有下述三个:

1、夏普 (Sharpe) 指数:
美国经济学家威廉•夏普于 1966 年发表《共同基金的业绩》一文,提出用基金承担单位总风险(包括系统风险和非系统风险)所带来的超额收益来衡量基金业绩,这就是夏普指数。夏普指数通过一定评价期内,基金投资组合的平均收益超过无风险收益率部分与基金收益率的标准差之比来衡量基金的绩效。计算公式为:

Sp=Rp−Rfσp

Sp=Rp−RfσpSp=Rp−Rfσp


其中,SpSpSp 为夏普指数,RpRpRp 为基金组合的实际收益,RfRfRf 为无风险收益率,σpσpσp 为基金收益率所对应的标准差(σpσpσp 里既包括了系统风险也包括了特有风险);也可见 CAPM 模型。
其直观含义是资产组合承担一单位的风险能够获得多少单位的额外收益。因此,可以认为,夏普业绩指数越大,基金绩效就越好;反之,基金绩效就越差。我们也可以通过图形做一个说明,以 CML(资本市场线)为例:在资本市场线以上的组合,其夏普比率较高,也就意味着承担单位的风险能获得更高的收益。

 

2、特雷诺 (Treynor) 指数简介
杰克•特雷诺 1965 年发表《如何评价投资基金的管理》一文,认为足够的证券组合可以消除单一资产的非系统性风险,那么系统风险就可以较好地刻画基金的风险,即与收益率变动相联系应为系统性风险。因此,特雷诺指数采用在一段时间内证券组合的平均风险报酬与其系统性风险对比的方法来评价投资基金的绩效。这就是特雷诺指数,它等于基金的超额收益与其系统风险测度β之比。
计算公式为:

Tp=Rp−Rfβp

Tp=Rp−RfβpTp=Rp−Rfβp


其中,TpTpTp 为特雷诺指数,βpβpβp 表示基金投资组合的 βββ 系数,是投资组合要承担的系统风险。
特雷诺业绩指数的理论依据也是资本资产定价模型(CAPM 模型),但是是以证券市场线(SML)为评价的基点,当市场处于平衡时,所有的资产组合都落在 SML 上,即 SML 的斜率就表示市场证券组合的特雷诺指数。当基金投资组合的特雷诺指数大于 SML 的斜率时, 该投资组合就位于 SML 线之上,表明其表现优于市场表现;反之,当基金投资组合的特雷诺指数小于 SML 的斜率时,该投资基金组合位于 SML 线之下,表明其表现劣于市场表现。所以,特雷诺业绩指数越大,基金的绩效就越好;反之,基金的绩效就越差。

 

3、詹森 (Jensen) 指数简介
美国经济学家迈克尔•詹森 1968 年发表《1945-1964年间共同基金的业绩》一文,提出了一种评价基金业绩德绝对指标,即詹森指数。他认为,基金投资组合的额外收益可衡量基金额外信息的价值,因而可以衡量基金的投资业绩,其计算公式为:

Jp=Rp−[Rf+βp⋅(Rm−Rf)]

Jp=Rp−[Rf+βp⋅(Rm−Rf)]Jp=Rp−[Rf+βp⋅(Rm−Rf)]


这里 JpJpJp 为詹森指数,其他符号如之前所定义。
詹森业绩指数,又称为 ααα 值,它反映了基金与市场整体之间的绩效差异。詹森指数也以资本资产定价模型为基础,根据 SML 来估计基金的超额收益率。其实质是反映证券投资组合收益率与按该组合的 βββ 系数算出来的均衡收益率之间的差额。当然,差额越大,也就是詹森系数越大,反映基金运作效果越好。如果 ααα 为正值,则说明基金经理有超常的选股能力,被评价基金与市场相比,高于市场平均水平,投资业绩良好;ααα 为负值则说明基金经理的选股能力欠佳,不能跑过指数,被评价基金的表现与市场相比较整体表现差;ααα 为零则说明基金经理的选股能力一般,只能与指数持平。

 

在策略中的应用

基于上面的逻辑,我们可以先选出一个 Alpha 较高并且稳定的交易策略组合,然后用沪深 300 股指期货进行对冲,以此以抵消掉系统性风险 βββ,并只剩下 ααα 的部分,使得我们的组合无论在牛熊市都能够获得稳定的收益。思路如下:假设策略选出的股票组合的超额收益为 ααα,组合收益 RpRpRp 与指数收益 RmRmRm 的线性相关系数为

βp=Cov(Rp,Rm)Var(Rm),

βp=Cov(Rp,Rm)Var(Rm),βp=Cov(Rp,Rm)Var(Rm),


(具体可见 CAPM 公式。)组合的收益可以用公式表示为:

Rp=α+βp⋅Rm.

Rp=α+βp⋅Rm.Rp=α+βp⋅Rm.


所以对于一单位的股票组合,卖空 βpβpβp 单位的股指期货可得到的收益为 ααα,按照这样的操作即可获得 ααα 的超额收益。

 

根据这个思路,我们构建一个策略:
(1) 首先找一个 Alpha 比较高的投资组合(此处我们以因子研究系列中的 ALR 因子为例)
(2) 设置两个仓位,一个用来交易股票,另一个用来交易股指期货。此外由于期货合约采取每日结算,并且当日卖出股票得到的现金要第二日才能转入期货账户,因此期货仓位中的钱除了满足保证金要求外,还要预留出能够扛两个涨停日的准备金。
(3) 设置调仓频率,根据资产负债率选择 ALR 指标最大的 3% 的股票作为新的股票组合。
(4) 每日跟踪期货账户准备金情况,如果发现准备金不足,应卖出一定量的股票来补充准备金并调整对冲的仓位。

回测结果

先看看我们不做 Alpha 对冲,回测的结果:
不对冲.png
可以看出从 10 年 5 月到 16 年 11 月这一阶段,不做 Alpha 对冲可得的收益为 278%,但回撤较大,有 40%。做过对冲之后的结果如下:
对冲.png
可以发现后者放弃了很多的收益,但做过对冲后系统性风险基本为零,并且回撤回测明显减小,仅为 13%,而且完全没有受到股灾的影响。

结语

股指期货的规则和对冲的细节实际上比较复杂。比如说当指数发生变化之后,仓位里股票和股指期货空单就会分别发生一涨一跌的情况,对冲比例发生变化,应该及时调整仓位。又比如说任何时间点都有四个不同交割日期的沪深300期货合约,它们有着不同程度的折价或溢价,选择不同的日期的合约会带来一些差异。本文中没有考虑太多的细节,但这些都是值得考虑的,所以还有很大的提升空间。

函数和变量说明书

1122.PNG

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/55081.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

成交锐减 基差大增 股指期货与股指同步性九年回顾

股指期货概述 股指期货,用于对冲股票市场风险的金融衍生工具,恰当的应用可以有效的规避投资风险,股指期货T0交易制度,双向交易,且支持做多也支持做空的交易方式,对T1交易制度、单向交易的股票市场是极大的扩展,同时股指期货也兼具期货本身的套利、投机等功能属性。   …

股指期权现货指数的构成和波动率

在新的股指期权准备上市之际,对于有经验的50ETF期权交易者,其交易策略稍加改动就可以套用在新的标的上,但我们仍需要了解不同现货指数的一些差别。 沪深 300 与上证 50 的成分及风格 沪深 300 指数的选取原则是上海和深圳证券市场中市值大、流…

股指期货基差和升贴水介绍

一、基差 基差 现货价格 - 期货价格 当基差< 0时&#xff0c;就是期货升水&#xff08;Premium&#xff09;&#xff0c;表明期货价格比现货价格高&#xff1b; 当基差>0时&#xff0c;就是期货贴水&#xff08;Discount&#xff09;&#xff0c;表明期货价格比现货价格…

股指期货策略精选合集

自4月27日大盘出现光腿大阳线以来&#xff08;至6月15日&#xff09;&#xff0c;上证指数已震荡上涨14%有余&#xff0c;然而赚钱效应不温不火&#xff0c;大部分都是赚指数不赚个股的行情。那么如何把握当下这种行情呢&#xff1f;股指期货策略就可能是种不错的选择&#xff…

股指期货开户的条件和流程

股指期货对于很多关注股市的人来说可能也是比较模糊的一个概念名词。股指期货实际上是“股票价格指数期货”&#xff0c;它是需要交易双方在某一个日期之中确定相应的股价指数&#xff0c;然后进行买卖&#xff0c;而得利者往往都是通过赚取差价的方式来获得相应的利润的。 如…

什么是股指期权?

在证监会启动ETF和股指期权新品种上市准备工作之际&#xff0c;我们有必要了解一下什么是股指期权。 什么是股指期权&#xff1f; 股指期权是以股票价格指数&#xff08;或股票价格指数期货&#xff09;为标的资产的期权。 全球市场来看&#xff0c;其标的资产是股票价格指数的…

python股指期货tick数据_股指期货实时tick数据

首先&#xff0c;在期货市场中&#xff0c;一手多单&#xff0c;必定对应一手空单。如果空头没有对手盘&#xff0c;那么空头只能抢着去跟对手成交&#xff0c;以确保自己趁早拥有单子。 这个道理&#xff0c;跟供不应求&#xff0c;而导致的价格上涨是一个道理&#xff0c;只不…

新玺配资两市股指短期震荡调整

两市三大股指团体小幅低开&#xff0c;随后股指走势分解&#xff0c;创业板指快速冲高&#xff0c;但好景不长&#xff0c;股指随后逐级下探&#xff0c;接近午盘时三大股指以绿盘报收&#xff0c;午后三大股指企稳反弹&#xff0c;深成指与创业板指相继翻红&#xff0c;沪指跌…

Kaggle比赛的进阶技巧和国内比赛前十套路

点击上方“Datawhale”&#xff0c;选择“星标”公众号 第一时间获取价值内容 这是在图灵联邦社区分享的一期&#xff0c;分别从方法论&#xff08;思考维度&#xff09;和套路&#xff08;tricks&#xff09;两方面展开&#xff0c;其中涉及到机器学习的方方面面&#xff0c;这…

Python用雷达图展示某学生成绩问题/2020年12月

Python用雷达图展示某学生成绩问题/2020年12月 先摆上成功运行的代码由此产生的疑问 先摆上成功运行的代码 import numpy as np import matplotlib.pyplot as plt import matplotlib #coding:utf-8 plt.rcParams[font.sans-serif][SimHei] #用来正常显示中文标签,下一行的u也是…

python学习:为歌手打分,并计算其总分、排名(简易版)

为歌手打分 1、简单的为歌手打分2、初步深入&#xff0c;歌手得分计算程序&#xff08;评委指定范围输入&#xff09;3、再次深入&#xff0c;为五位歌手打分&#xff08;简陋版&#xff0c;有待加强&#xff09;新手上路&#xff0c;还有很多不懂的地方&#xff0c;其实我还想…

拿下Kaggle!我整理了21场比赛Top方案

我整理了21场kaggle比赛TOP方案&#xff0c;包括CV/NLP/多模态等方向。 01 CV方向比赛 CV方向选出了14场比赛&#xff0c;涵盖图像分类、图像分割、目标检测、视频分类等CV经典任务&#xff0c;覆盖农业、医疗、体育等应用领域。 扫码加我微信&#xff0c;回复“比赛” 领取比赛…

chatgpt赋能python:Python列表中如何找出前三名成绩

Python列表中如何找出前三名成绩 在数据分析和编程中&#xff0c;Python语言被广泛使用。其中&#xff0c;列表是Python中最常用的数据类型之一。列表可以存储多个值&#xff0c;并且这些值可以是不同的数据类型。Python列表很强大&#xff0c;因为它提供了许多内置函数和方法…

稳,整理了21场kaggle比赛TOP方案

我整理了21场kaggle比赛TOP方案&#xff0c;包括CV/NLP/多模态等方向。 01 CV方向比赛 CV方向选出了14场比赛&#xff0c;涵盖图像分类、图像分割、目标检测、视频分类等CV经典任务&#xff0c;覆盖农业、医疗、体育等应用领域。 扫码加我微信&#xff0c;回复“比赛” 领取比赛…

最新!Kaggle所有竞赛开源方案和Top思路汇总,共477场竞赛!

数据竞赛能帮助我们快速提升数据分析和建模能力&#xff0c;非常多的朋友也非常希望学习Top比赛的方案。 之前也有非常多的朋友问我某某竞赛的方案有没有&#xff0c;有时我不是很忙的时候就会把对应的竞赛中把Top的链接找出来一起整理发过去&#xff0c;但也有的时候可能会比较…

2021年Kaggle所有赛事TOP方案汇总

本文摘自 coggle数据科学Kaggle2021TOP方案汇总Kaggle 2021年 45场比赛&优胜方案汇总 https://www.kaggle.com/c/tabular-playground-series-jan-2021 比赛介绍&#xff1a;Practice your ML regression skills on this approachable dataset!比赛类型&#xff1a;Playgrou…

整理了20场kaggle比赛baseline

我整理了20场kaggle比赛baseline&#xff0c;包括CV/NLP/多模态/机器学习等方向。 01 CV方向比赛 CV方向选出了10场比赛&#xff0c;涵盖图像分类、图像分割、目标检测、视频分类等CV经典任务&#xff0c;覆盖农业、医疗、体育等应用领域。 扫码加我微信&#xff0c;回复“比赛…

【探花交友DAY 12 完结】推荐系统

1. 推荐系统 1.1 推荐系统的简介 为了解决信息过载和用户无明确需求的问题&#xff0c;找到用户感兴趣的物品&#xff0c;才有了个性化推荐系统。 其实&#xff0c;解决信息过载的问题&#xff0c;代表性的解决方案是分类目录和搜索引擎&#xff0c;如hao123&#xff0c;电商…

【Kaggle竞赛树叶分类Baseline】上万片树叶分为一百七十六类

【Kaggle竞赛树叶分类1】https://www.kaggle.com/c/classify-leaves 任务是预测叶子图像的类别。该数据集包含 176 个类别、18353 张训练图像、8800 张测试图像。每个类别至少有 50 张图像用于训练。测试集平均分为公共和私人排行榜。本次比赛的评估指标是分类准确度。本章的内…

kaggle竞赛房价预测--排名前4%

目录 1. 数据读取2. 数据处理3. 建模基本模型1&#xff09;LASSO回归&#xff1a;2&#xff09;Elastic Net Regression&#xff08;弹性网回归&#xff09;&#xff1a;3&#xff09;Kernel Ridge Regression&#xff08;核岭回归&#xff09; :4&#xff09;Gradient Boostin…