- 阿尔法模型非常规定义：在交易中关于买卖时机把握和持有头寸选择的技巧。
- 阿尔法是指扣除市场基准回报之后的投资回报率。
一、两类阿尔法模型：理论驱动型和数据驱动型
1.1理论驱动型阿尔法模型
- 基于价格数据
- trend
- reversion
- technical sentiment
- 基于基本面数据
- value/yield
- grouth
- quality
a) 基于价格数据的交易策略
- 已有趋势是否延续？
- 动量策略
- 一定时间内，市场通常是朝着同一方向变化
- 市场均衡理论
- 博傻理论
- 如何定义变化的显著性？
- 移动平均线交叉指标
- 风险性高
- 长期性
- 动量策略
- 已有趋势是否反转？
- 均值回复策略
- 价格围绕价值中枢上下波动，买卖之间的短期不平衡造成波动
- 统计套利策略
- 短期性
- 均值回复策略
b)技术情绪型策略
通过追踪投资者情绪相关指标来判断预期回报，如交易价格、交易量、波定性指标等。
- 观察认购量和认沽量
- 观察交易量、公开市场利率或其他相关指标
c) 依托基本面数据的策略
- 价值型策略
- 市盈率倒数, E/P比率
- 股息收益率
- 市场倾向于高估高风险资产、低估低风险资产的风险
- 找到合适的度量价值的指标？
- EBITDA对企业价值的比率？市净率？
- 量化多空策略
- 成长型
- 公司处于成长期不意味着股价处于增长期
- 宏观成长型策略
- 持有经济迅速发展的国家的外汇
- 微观成长型策略
- 基于市场情绪的成长型策略
- 希望通过分析师发布的分析报告，先与公司出财报前做出预判。
- 品质型
- 在其余客观条件接近的情况下，应优先买入高品质的产品，做空低品质的产品。
- 看重资金的安全性。
- 在其余客观条件接近的情况下，衡量资产质量的指标
- 杠杆比率（债务股本比），低好于高
- 收入来源的多样性 <=>收入波动率
- 管理水平
- 欺诈风险
- 品质型策略在特殊时期可以有效规避风险
- 08年，卖出具有高杠杆、大量抵押类业务的银行股可有效降低损失。
1.2 数据驱动型阿尔法模型
- 数据挖掘的过程中，有效特征的选择是主要的难题
- 如何解决输入中可能存在的噪声过大问题
- 常见的步骤
- 定义当前市场环境
- 在历史数据中寻找类似的环境
- 推算趋势的变化概率
1.3 实施策略
- 预测目标
- 模型要预测的是什么？方向？幅度？趋势的持续时间？概率？置信度？
- 信号强度
- 通过期望收益或置信度进行定义。可以粗鄙的理解为信号强度等于二者乘积
- 投资期限
- 预测的时效性
- 投资范围
- 地理范围，不同国家？地区？
- 资产种类
- 金融产品的类型
- 模型设定
- 模型参数？
- 如何定义指标？
- 选哪些策略？
- 条件变量
- 修正型条件变量
- 辅助条件变量
- 运行频率
- 模型寻找交易机会的频率
- 策略的多样性
