量化投资贝塔策略

1. 影响量化多头策略的3个因素是什么

影响量化多头业绩表现的因素有三个：第一是流动性，第二个是波动性，第三是市场风格。

我们先来讲第一个要素，流动性。

主要指的是成交量， 2020年的市场成交量比前两年明显放大，全年均值在8500亿，前两年大约只有4000多亿。虽然成交量增加对量化多头有利，但同时量化基金自身规模每年都几乎是翻番增长。由于整个市场的成交量不可能始终保持高位，而基金规模在持续扩大。以至于量化基金规模的增速大于的市成交量的增速。这就会对管理人产生业绩压力，尤其是最近一年、半年规模增长过快，交易频率较高的基金来讲，往后交易是有挑战的。

影响量化多头策略的第二个因素，波动性。

股票量化要求策略的持仓优于市场指数，这样才能在截面上做出α，这就进一步要求在某个时间节点上的波动率足够大。成交不足或波动不足，只能做出贝塔，很难做出α 。

2020年全年截面波动均值大约是2.5，上半年非常不错，但进入到下半年，尤其是在九、十、十一月份逐渐走低，12月份又出现明显的恢复和反弹，波动率的变化使得一些基金净值也发生了变化。整体上看，量化基金在这段时间里都产生了不同程度的回撤或者横盘。

影响量化多头的第三个因素：市场风格。

中证500指数对沪深300指数的超额，从2020年8月份开始出现转变，进入到11月份由正转负。股票量化策略操作的大多是中证500指数，甚至是更大的范围，但都是以中小盘为主。8月份以后中小盘股的量价逐渐走低，但是上半年都很好。所以量化基金在2020年的收益大部分就是在上半年累积的。到了下半年市场环境开始变得不友好，对量化策略产生显著影响。但这些因素对主观策略的影响不大。虽然2020年指数上主观多头和量化多头的业绩表现是持平的，对比不同头部机构，可以发现2020年量化和主观策略存在一定差别。当然，2020年量化和主观策略表现都很好，只不过整年的行情更加有利于主观多头的策略。

2. 股票的 阿尔法 贝塔 指的是什么

现代金融理论认为，证券投资的额外收益率可以看做两部分之和。第一部分是和整个市场无关的，叫阿尔法；第二部分是整个市场的平均收益率乘以一个贝塔系数。贝塔可以称为这个投资组合的系统风险。

拓展资料

股票收益是股票股息和因拥有股票所有权而获得的超出股票实际购买价格的收益。投资者购买股票最关心的是能获得多少收益。具体来说，就是红利和股票市价的升值部分。公司发放红利，大致有三种形式，现金红利，股份红利、财产红利。

一般大多数公司都是发放现金股利的，不发放现金红利的主要是那些正在迅速成长的公司，它们为了公司的扩展。需要暂存更多的资金以适应进一步的需要，这种做法常常为投资者所接受。由于股息是股票的名义收益，而股票价格则是经常变化的，因此比较起来，股票持有者对股票价格变动带来的预期收益比对股息更为关心。

衡量股票投资收益水平的指标主要有股利收益率、持有期收益率和拆股后持有期收益率等。

1．股利收益率

股利收益率，又称获利率，是指股份公司以现金形式派发的股息或红利与股票市场价格的比率其计算公式为：该收益率可用于计算已得的股利收益率，也可用于预测未来可能的股利收益率。

2．持有期收益率

持有期收益率指投资者持有股票期间的股息收入与买卖差价之和与股票买入价的比率。其计算公式为：

股票没有到期日，投资者持有股票的时间短则几天，长则数年，持有期收益率就是反映投资者在一定的持有期内的全部股利收入和资本利得占投资本金的比重。持有期收益率是投资者最关心的指标，但如果要将它与债券收益率、银行利率等其他金融资产的收益率作比较，须注意时间的可比性，即要将持有期收益率转化为年率。

3．持有期回收率

持有期回收率是指投资者持有股票期间的现金股利收入与股票卖出价之和与股票买入价的比率。该指标主要反映投资回收情况，如果投资者买入股票后股价下跌或是操作不当，均有可能出现股票卖出价低于买入价，甚至出现持有期收益率为负值的情况，此时，持有期回收率可作为持有期收益率的补充指标，计算投资本金的回收比率。其计算公式为：

4．拆股后的持有期收益率

投资者在买入股票后，在该股份公司发放股票股利或进行股票分割（即拆股）的情况下，股票的市场的市场价格和投资者持股数量都会发生变化。因此，有必要在拆股后对股票价格和股票数量作相应调整，以计算拆股后的持有期收益率。其计算公式为：(收盘价格-开盘价格)/开盘价格股票收益率的计算公式 股票收益率= 收益额 /原始投资额 其中：收益额=收回投资额+全部股利-(原始投资额+全部佣金+税款)

3. 阿尔法量化是什么意思

一种交易方式。
在传统交易市场的诸多弊端下，一种结合运用数学模型代替人为主观判断的量化交易方式应运而生。

Alpha智能量化平台在量化交易的基础上，结合区块链、AI、大数据、云计算等技术，旨在实现DeFi跨平台交易的最佳利率，为全球用户提供非托管智能合约。通过先进的数学模型从庞大的历史数据中海选出能够带来超额收益的多种“大概率”事件来定制策略。智能优化利率机制通过检测功能定时在不用平台间为沉淀资产寻找最佳收益率，自动将投资者的部分资金迁移到更高收益率的平台，以更低的风险，收获更高的收益。系统化的投资模型和严格的投资纪律规避了投资行为中的人为偏误，极大地减少了因投资者情绪波动造成的影响，同时也避免了在市场极度狂热或悲观的情绪下投资者们做出不理性的投资动作。

阿尔法量化交易是指在D-Alpha系统中，从一个有效的策略到最后的实际交易的过程，而此过程需要经过四个步骤：
1、历史数据统计后验。
2、历史高频数据后验。
3、实时高频数据模拟交易。
4、实盘交易。

阿尔法量化交易其实和绝大多数炒币机器人没有太大的区别，数字货币自动交易机器人无非就是三种类型

一种是行情监控
最简单的行情收集，分析信息，无需人工盯盘，从海量的币以及价格当中筛选出重要的指标信号出现的代币

第二种是交易决策
这种类型的程序是当前几种当中最为复杂的，通过给出可能交易的信号来收集重要的信息，不需要人工主观的

判断，为交易决策提供支持，以前的话，这种情况只有特别专业的交易者才能做到。

第三种就是自动交易
自动交易又分为三种，交易所和项目方所使用的相对简单一些，比较复杂的还是属于散户所使用的量化交易机器人，因为既要迎合行情又要针对这个交易所和项目方的行为进行调整。

4. 量化交易策略有哪些

01、海龟交易策略

海龟交易策略是一套非常完整的趋势跟随型的自动化交易策略。这个复杂的策略在入场条件、仓位控制、资金管理、止损止盈等各个环节，都进行了详细的设计，这基本上可以作为复杂交易策略设计和开发的模板。

02、阿尔法策略

阿尔法的概念来自于二十世纪中叶，经过学者的统计，当时约75%的股票型基金经理构建的投资组合无法跑赢根据市值大小构建的简单组合或是指数，属于传统的基本面分析策略。

在期指市场上做空，在股票市场上构建拟合300指数的成份股，赚取其中的价差，这种被动型的套利就是贝塔套利。

03、多因子选股

多因子模型是量化选股中最重要的一类模型，基本思想是找到某些和收益率最相关的指标，并根据该指标，构建一个股票组合，期望该组合在未来的一段时间跑赢或跑输指数。如果跑赢，则可以做多该组合，同时做空期指，赚取正向阿尔法收益；如果是跑输，则可以组多期指，融券做空该组合，赚取反向阿尔法收益。多因子模型的关键是找到因子与收益率之间的关联性。

04、双均线策略

双均线策略，通过建立m天移动平均线，n天移动平均线，则两条均线必有交点。若m>n，n天平均线“上穿越”m天均线则为买入点，反之为卖出点。该策略基于不同天数均线的交叉点，抓住股票的强势和弱势时刻，进行交易。

双均线策略中，如果两根均线的周期接近，比如5日线，10日线，这种非常容易缠绕，不停的产生买点卖点，会有大量的无效交易，交易费用很高。如果两根均线的周期差距较大，比如5日线，60日线，这种交易周期很长，趋势性已经不明显了，趋势转变以后很长时间才会出现买卖点。也就是说可能会造成很大的亏损。所以两个参数选择的很重要，趋势性越强的品种，均线策略越有效

05、行业轮动

行业轮动是利用市场趋势获利的一种主动交易策略其本质是利用不同投资品种强势时间的错位对行业品种进行切换以达到投资收益最大化的目的。

06、跨品种套利

跨品种套利指的是利用两种不同的、但相关联的指数期货产品之间的价差进行交易。这两种指数之间具有相互替代性或受同一供求因素制约。跨品种套利的交易形式是同时买进和卖出相同交割月份但不同种类的股指期货合约。主要有相关商品间套利和原料与成品之间套利。

跨品种套利的主要作用一是帮助扭曲的市场价格回复到正常水平；二是增强市场的流动性。

07、指数增强

增强型指数投资由于不同基金管理人描述其指数增强型产品的投资目的不尽相同，增强型指数投资并无统一模式，唯一共同点在于他们都希望能够提供高于标的指数回报水平的投资业绩。为使指数化投资名副其实，基金经理试图尽可能保持标的指数的各种特征。

08、网格交易

网格交易是利用市场震荡行情获利的一种主动交易策略，其本质是利用投资标的在一段震荡行情中价格在网格区间内的反复运动以进行加仓减仓的操作以达到投资收益最大化的目的。通俗点讲就是根据建立不同数量.不同大小的网格，在突破网格的时候建仓，回归网格的时候减仓，力求能够捕捉到价格的震荡变化趋势，达到盈利的目的。

09、跨期套利

跨期套利是套利交易中最普遍的一种，是股指期货的跨期套利（Calendar Spread Arbitrage）即为在同一交易所进行同一指数、但不同交割月份的套利活动。

10、高频交易策略

高频交易是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易，比如，某种证券买入价和卖出价差价的微小变化，或者某只股票在不同交易所之间的微小价差。这种交易的速度如此之快，以至于有些交易机构将自己的“服务器群组”安置到了离交易所的计算机很近的地方，以缩短交易指令通过光缆以光速旅行的距离。

5. 银行证卷资金流向alpha是什么意思

你说的应该是Alpha（阿尔法）模型。
下面的文字请参考：
1、什么是阿尔法策略？
投资者在市场交易中面临着系统性风险（即贝塔或Beta、β风险）和非系统性风险（即阿尔法或Alpha、α风险），通过对系统性风险进行度量并将其分离，从而获取超额绝对收益(即阿尔法收益)的策略组合，即为阿尔法策略。从广义上讲，获取阿尔法收益的投资策略有很多种，其中既包括传统的基本面分析选股策略、估值策略、固定收益策略等等，也包括利用金融衍生工具对冲交易贝塔风险、获取阿尔法收益的可转移阿尔法策略。后者在国内通常被称为阿尔法对冲交易策略，并在近年A股市场上得到广泛应用。
2、阿尔法策略是如何构建的？
阿尔法策略所涉及的市场领域非常广泛，在股市、债市、商品市场等各类金融市场都有应用。而目前国内市场上最常见的还是股市阿尔法对冲交易策略，其通常利用选股、择时等方面优势，寻找具有稳定超额收益的现货组合，通过股指期货等金融衍生工具来分离贝塔，进而获得与市场相关度较低的阿尔法收益。尤其是在熊市或者盘整期，可以采用“现货多头＋期货空头”的方法，一方面建立能够获取超额收益的投资组合的多头头寸，另一方面建立股指期货的空头头寸以对冲现货组合的系统风险，从而获取正的绝对收益。此外，还有机构根据获取阿尔法的途径，采取统计套利交易、事件驱动、高频交易等策略来获取阿尔法收益。而在上述各种策略构建过程中，基于大类资产配置、行业配置、择时与选股体系的量化策略均得到了广泛应用。
3、阿尔法对冲交易策略成功的关键是什么？
Alpha策略成败的两个关键要素是：其一，现货组合的超额收益空间有多大；其二，对冲交易成本的高低。两者相抵的结果，才是Alpha策略可获得的利润空间。在股市Alpha策略中，最考验策略制定者水平的因素在于选股方法和能力。
4、阿尔法策略在我国市场的发展空间如何？
从国内外的经验来看，阿尔法策略一般运用在市场效率相对较弱的市场上，如新兴股票市场、创业板市场等。我国的股票市场正是一个新兴的市场，效率相对较低，特别是伴随着股指期货、融资融券等衍生品种的推出，的确存在利用风险对冲来获取超额收益Alpha的巨大需求和空间。
用量化模型构建个股组合
在构建个股组合方面，投资者可以采用量化模型的方法来选股。量化模型的优势在于能覆盖全部股票，业绩的稳定性和可复制性高。基金公司运用最多的量化模型是多因子模型。影响股票收益的因子有多种，大致可分为长期因子和短期因子。长期因子包括价值因子，盈利质量因子等，短期因子则包括市场技术分析以及动量等因子。将这些因子有机地结合起来，就构成了对每一只股票的打分，此打分也称股票的预期收益。用此方法计算出来的预期收益尽管不像狙击步枪一样精准，却可像冲锋枪一样，在大概率上具有较高的胜率。
在构建投资组合过程中，与预期收益同等重要的是预期风险。有些股票尽管有很高的预 期收益，但如果预期风险也很高，在历史上收益的波动率很大，那么在投资组合中所占的权重也不应太高。在预测风险方面，专业机构往往会购买商业模型或开发自己的风险模型来预测每一只股票的风险，进而计算组合风险。
在确定组合中个股权重时，专业机构会根据投资者的收益要求和风险承受能力，从量化因子库中选择适当的因子为投资者量身定做预期收益模型，同时兼顾股票的预期风险和交易成本，用优化的方法计算组合中每只股票的权重。
阿尔法对冲策略是选择具有超额收益能力的个股组合，同时运用沪深300股指期货对冲市场风险以获得超额收益的绝对收益策略。此种策略追求的是与市场涨跌相关性较低的绝对收益。
用股指期货对冲市场风险
确定了股票的最优组合并不代表一定能有正的收益。即使我们有最好的预期收益模型和最好的风险模型，我们也只可能做到战胜所有股票的平均值，即战胜指数。如果指数下跌了百分之二十，我们的模型即使战胜指数百分之十，我们最终还是亏损了百分之十。那么我们有没有办法在市场上获得正的收益呢？答案就在于运用股指期货对冲掉市场风险。
在股指期货市场，投资者可以在购买股票现货的同时卖空同等金额的股指期货，即所谓的套期保值策略。如果市场上涨，现货随着市场的上涨而盈利，股指期货则由于我们卖空而出现亏损。由于我们的股票组合能够战胜市场，所以现货方面的盈利多于股指期货方面的亏损，最终我们盈利。反之，如果市场下跌，现货方面亏损，股指期货方面会出现盈利。由于我们股票组合战胜市场，亏损的比市场小，那么股指期货的盈利要大于股票方面的亏损，我们还是盈利。
主要风险在于选股策略
下面让我们看两个实例。以2012年2月为例，自2月1日至2月17日期间沪深300指数上涨3.13%， 此期间根据简单的多因子模型组合测算，模型上涨3.59%，战胜市场。如果我们在2月1日以2469点收盘价卖空1202合约，2月17日合约到期时以2537点平仓。期间股指期货亏损2.76%，股票盈利3.59%，最终我们盈利0.83%。
以2012年5月为例，自5月2日至5月18日沪深300指数下跌4.06%，此期间模型组合下跌3.74%，跌幅小于市场。如果我们5月2日以2686点卖空1205合约，至5月18日合约到期时以2576点平仓，期间股指期货盈利4.12%，减去3.74%的股票亏损，最终我们盈利0.38%。
从以上两个实例中可见，不管市场上涨还是下跌，卖空股指期货总能对冲掉大部分现货股票组合的市场风险。阿尔法对冲策略的主要风险在选股策略上。由于股票市场的规律性变化、一些突发事件的影响和统计模型本身的概率属性，选股模型在某些月份或特殊时期有可能失去效用，出现做多的股票跑输市场的情形，从而产生短期的亏损。这需要投资者有正确的认识，也要求基金经理能不断完善投资模型和操作技巧，增强获胜概率。
熊市和震荡市表现最佳
下面我们看看阿尔法对冲交易策略和贝塔策略的对比。贝塔策略是指被动跟踪指数的策略，从长期来讲，贝塔策略是可能盈利的，但由于股票市场波动比较大，在某段特定时间内往往会出现亏损或被套住的情况。以A股市场2011年1月4日到2012年11月29日的表现，沪深300指数在2129点到3372点之间波动，日收益率最高为4.9%，最低为-3.8%，年化风险高达20%。同期的阿尔法对冲策略，日最高收益率为2.16%，最低为-0.31%，年化风险为2.1%，风险仅为指数的十分之一。从累计收益来对比，2011年到现在沪深300指数亏损近30%，而阿尔法对冲策略则累计上涨23%。
很多投资者对贝塔风险的防范意识往往不足。市场跌50%以后需要100%的收益来回填。而投资者往往不能有足够的信念和理由来坚持，客观上造成了追涨杀跌、市场涨而投资者亏损的局面。阿尔法对冲策略则有效地回避了市场过山车式的震荡，使投资者能长期稳定地参与经济的发展、股市的成长和个股的机会。
阿尔法对冲交易策略在操作中需要注意以下几个事项。第一，现货与期货头寸之前的差额，即风险暴露敞口不宜过大，否则会影响套期保值的效果。第二，由于现货是长期持有，而股指期货合约有到期日，所以在股指期货合约到期时需要向下一个合约展期，从而维持套期保值的延续性。第三，股指期货有日盯市保证金制度，投资者需要密切注意股指期货的保证金，以免被强制平仓。第四，对冲交易策略在熊市和震荡市中表现最佳，在牛市中投资者可适当调整对冲比例，在拿到alpha收益的同时适当收获整个市场的上涨收益。

6. 聪明的“贝塔”真的聪明吗

聪明贝塔（Smart Beta）是最近几年投资界比较引人注目的一个热门话题。今天就专门来讲讲这个聪明贝塔。

在这里我要提醒一下读者，这篇文章的内容稍微有点偏金融专业。如果读者朋友们不是金融背景出身，可能会碰到一些不太熟悉的概念和术语。但是你也不用太害怕，在这些专业术语的背后，其逻辑并不复杂。我会尽量用简单易懂的语言来把这个问题说清楚。

讲完了提供因子指数的指数编制公司，再来介绍一下追踪这些指数的基金经理。这些基金经理的工作是根据指数编排的规则，去复制这些指数，从而给予投资者和指数类似的回报。回报当然是越和指数回报接近越好，但在实际中做不到。因为指数不考虑交易成本和基金的管理费用。

在这个领域做的比较超前的有这么几家公司。首先是Blackrock IShares。2009年Blackrock以135亿美元的价格并购了BGI，同时也购买到了IShares这个品牌。在Blackrock IShare旗下，有比较全的因子指数基金，比如上面表格中的价值，动量，低波动等基金。这些基金的总费用率大概在0.15%左右，但需要注意他们绝大多数都仅限于美国市场。

先锋，Vanguard，是指数基金领域另外一大巨头。先锋在因子指数方面提供的产品不多，只有红利，低波动和小股票指数基金，且仅限于美国市场。当然如果这个领域是未来发展的方向，相信各大公司会相继推出更多的产品。

Invesco Powershare和Charles Schwab也提供不少因子指数基金。缺点是他们的费率都比较高，一般介于0.25%-0.6%之间（如上图所示）。Arnott的Fundamental Index (基本面指数）指数基金由Charles Schwab管理，费率为每年0.32%，也就是说该指数需要每年至少战胜标准普尔0.28%左右（先锋的标准普尔500指数基金费率为0.05%）才可能让投资者获得好处。

总结

关于股票因子回报的分析，是金融界一大创新和进步。该研究最大的贡献，是让投资者了解到可能提供超额回报的源头，并且让普通投资者以比较低廉的价格（通过因子指数基金）去获得这些因子回报。在没有因子指数基金的世界（比如中国），投资者想要获得这些因子回报，只能通过投资基金经理，并付出比较高的费用（可能是每年1.5%-2%，在有些私募基金还需要外加15%-20%的利润分成）。而这些因子指数基金，只收取0.15%-0.6%左右的总费用，没有利润分成，对于投资者来说确实是一大好消息。

因子回报研究的另一大贡献是，它向广大投资者们提供了设计自己的对冲基金策略的可能性。在绝大部分股票型对冲基金中，基金经理做的工作无非是买多某些因子，卖空另外一些因子。如果市场上有了基于因子的指数基金，并且可以卖空的话，对于我们广大投资者来说，自己去交易自己设计的对冲基金策略就不再是个梦了。

当然，科技的进步永远不会停止。我相信中国市场中的因子指数基金迟早也会出现。到时候广大的中国投资者也会有更大的投资选项。

希望对大家有所帮助。

7. 股票的β值是什么意思

贝塔系数 β 是指抄个股受大袭盘的影响程度，用来量化个别投资工具相对整个市场的波动，将个别风险引起的价格变化和整个市场波动分离开来。 举个例子：如果 β 为 1 ，则市场上涨 10 %，股票上涨 10 %；市场下滑 10 %，股票相应下滑 10 %。如果 β 为 1.1, 市场上涨 10 %时，股票上涨 11%。
通常认为，乃值越高的股票其波动性也即风险一收益就高于市场的平均水平。根据CAPM模型，投资于高β值的股票，由于承担较高的风险应能获得较高的收益。现实应用中，当经济增长加快，公司预期收益提高时，一般选择具有高β值的股票，目标是获得高于市场平均水平的收益，反之当经济趋于衰退时则应投资于低β值股票，从而可以减少投资损失。该策略基于现代投资组合理论中风险和收益相匹配的原则，这与前面所述的安全边际的价值投资策略存在着根本上的矛盾，前者认为，在现实中，高风险并不一定意味着高收益。

8. 财务中的beta和alpha指标是指什么用公式如何表示

alpha指标是基金资产组合投资绩效的衡量指标，该指标是经风险调整后的收益指标，正(负)值表明基金的投资收益表现要高(低)于基金资产风险(用beta值衡量)所对应的收益水平。当基金资产组合的收益与市场指数收益高度相关时，Alpha和beta是非常有效的投资绩效衡量指标。Alpha值一般都是年利率化的。
beta指标是投资组合系统性风险的衡量指标。
两指标基于CAPM模型

9. 什么是α，β收益，量化投资的策略创建与分析

α收益：一揽子可以自定义低估、同质化并且有波动的股票，不断买入更便宜的，卖出更贵的，从而获得的收益。

例如：几个跟着沪深300的ETF，你发现手中持有的沪深300ETF溢价2%了，而市场上同时存在一个折价1%的ETF，那么就卖出溢价高的沪深300ETF，去买折价的，这样虽然始终持有沪深300ETF，但获得了超越沪深300指数本身的收益，就是α收益。

解释一下同质化：明显所有的沪深300ETF是同质化的，也可以认为最小市值20个股票是同质化的，所有银行股是同质化的，分级A是同质化的。下文中有解释自定义低估。

β收益：基本面本身上涨是β收益。

例如，自定义最小市值的10个股票为一个指数，这些最小市值从5亿涨到20亿，这就是β收益。自定义最低股价10个为一个指数，从牛市的5元跌到2元，那么β收益就是负的

量化策略创建三个步骤：

1. 策略的理论基础

2. 历史回测

3. 找到策略黑天鹅。

（一）策略的理论基础：（大致分为三类）：

基本面理论

按基本面又可以分为：1.价值型；2.成长型；3.品质型；按中国特色A股基本面又可以添加；4.小市值型；5.股价型

技术面理论

按技术面又可以分为：1.趋势型，2.趋势反转型，3.缩量反弹，4.指数轮动，5.择时

风险套利

风险套利（或者称轮动）：不断买入更便宜的，卖出更贵的。

注意：

有些理论基础并不牢固，并且不能很好解释（这也导致了各种投资流派互相不服）

有些量化跳过了理论基础，直接根据历史统计进行量化（本文不讨论），例如，统计两会前后涨跌，一季度历史表现最好板块

对策略理论的解释：

基本面策略可以定义什么是低估，比如低PE是低估，低市值是低估，低股价是低估，高ROE是低估，高成长是低估；也可以自定义低估，PB*PE是低估，总市值*流通市值小是低估

基本面理论提供了一揽子同质化并且有波动的股票。有些基本面策略的股票间波动较小，例如最低PE股，一段时期内总是那么几个银行股；有些波动较大，比如小市值型

技术面理论有些很难定义什么是低估，比如趋势型；有些则看似可以定义低估，例如，BIAS最小，20日跌幅最大，其实也不是

能自定义低估的策略是风险套利，不能自定义低估的策略是统计

基本面本身能上涨，就获得了β收益

我得出的结论是：风险套利策略的核心是对自定义低估的轮动，即不断获得α收益！！

如何获得α收益：大部分基本面策略的收益是因为风险套利获得的；也就是不断买入更低估的，卖出更贵的；也就是因为调仓周期内因不同股票的波动而产生收益，因此适当缩短周期有利于提高收益；所以在一年内交易次数越多，alpha收益越大（投资大师说的减少交易次数，并不适用于套利）

理论本身获得的β收益并不多，甚至为负（价值型由于近几年市场估值不断降低，不调仓的话，收益是负的）

我们应当寻找的是：基本面理论本身能上涨，且能提供同质化，波动较大的策略（即获得α，又获得β）

统计策略其内在逻辑说服力小，是过去的概率来预测未来

（二）历史回测：回测中最重要一点是：不要欺骗自己

历史回测中要用到一个哲学思想，叫做奥卡姆剃刀:较简单的理论比复杂的理论更好，因为它们更加可检验

改变测试起始时间。调仓周期超过2天的策略，应该试遍每个起始时间，取平均收益，这才最接近策略真实历史回测，因为理论上起始时间变化一两天对策略收益影响是不大的，如果变化很大就说明过度优化。

不要创建静态股票池。历史上每个阶段都有大牛股，完全可以收集大牛股作为股票池，算好调仓周期，每个阶段买最牛的，收益可以美到不敢想象

不要用PE.PB等指标精确逃顶抄底，最多用来确定一个大致范围。每次大顶点位都是不同的，这样的择时毫无意义。

先用25个以上股票测试，确定策略有效性，再减少数量做策略，如果25个测试无效，那么一两个即使收益很好，也该放弃。

改变条件权重。如果稍微改变权重，收益变化很大，那么就降低策略未来预期收益，别指望策略以后会表现这么好。

尽量从07年开始测试。除非你能确定每个时间市场的风格，显然这是不可能的。

同一套择时系统，如果用在策略1上回撤是30%，用在策略2上回撤是15%，你肯定会选择策略2，如果策略1和2本质上是差不多的策略，别太高兴，在未来，策略1和2表现谁好谁坏也是难说的

（三）找到黑天鹅：每个策略都有黑天鹅

价值型，成长型，品质型策略，黑天鹅是过一个季度，可能财务数据完全变了，因此持仓个数不能太少，行业要分开

小市值，低价，低交易额策略，黑天鹅是出现仙股

统计类，技术类策略，黑天鹅是理论本身就不完美

10. 股票里面的量化是什么意思

股票里面的量化指的是用先进的数学模型代替主观判断，然后从庞大的历史数据中海选能带来超额收益的情况以制定策略，随后用数量模型验证及固化这些规律和策略。此外，量化交易是指利用统计学，数学，计算机技术和现代的金融理论，来辅助投资者更好地盈利。
拓展资料
一、常见的十大量化投资策略
01、海龟交易策略
海龟交易策略是一套非常完整的趋势跟随型的自动化交易策略。这个复杂的策略在入场条件、仓位控制、资金管理、止损止盈等各个环节，都进行了详细的设计，这基本上可以作为复杂交易策略设计和开发的模板。
02、阿尔法策略
阿尔法的概念来自于二十世纪中叶，经过学者的统计，当时约75%的股票型基金经理构建的投资组合无法跑赢根据市值大小构建的简单组合或是指数，属于传统的基本面分析策略。
在期指市场上做空，在股票市场上构建拟合300指数的成份股，赚取其中的价差，这种被动型的套利就是贝塔套利。
03、多因子选股
多因子模型是量化选股中最重要的一类模型，基本思想是找到某些和收益率最相关的指标，并根据该指标，构建一个股票组合，期望该组合在未来的一段时间跑赢或跑输指数。如果跑赢，则可以做多该组合，同时做空期指，赚取正向阿尔法收益；如果是跑输，则可以组多期指，融券做空该组合，赚取反向阿尔法收益。多因子模型的关键是找到因子与收益率之间的关联性。
04、双均线策略
双均线策略，通过建立m天移动平均线，n天移动平均线，则两条均线必有交点。若m>n，n天平均线“上穿越”m天均线则为买入点，反之为卖出点。该策略基于不同天数均线的交叉点，抓住股票的强势和弱势时刻，进行交易。
双均线策略中，如果两根均线的周期接近，比如5日线，10日线，这种非常容易缠绕，不停的产生买点卖点，会有大量的无效交易，交易费用很高。如果两根均线的周期差距较大，比如5日线，60日线，这种交易周期很长，趋势性已经不明显了，趋势转变以后很长时间才会出现买卖点。也就是说可能会造成很大的亏损。所以两个参数选择的很重要，趋势性越强的品种，均线策略越有效。
05、行业轮动
行业轮动是利用市场趋势获利的一种主动交易策略其本质是利用不同投资品种强势时间的错位对行业品种进行切换以达到投资收益最大化的目的。
06、跨品种套利
跨品种套利指的是利用两种不同的、但相关联的指数期货产品之间的价差进行交易。这两种指数之间具有相互替代性或受同一供求因素制约。跨品种套利的交易形式是同时买进和卖出相同交割月份但不同种类的股指期货合约。主要有相关商品间套利和原料与成品之间套利。
跨品种套利的主要作用一是帮助扭曲的市场价格回复到正常水平；二是增强市场的流动性。
07、指数增强
增强型指数投资由于不同基金管理人描述其指数增强型产品的投资目的不尽相同，增强型指数投资并无统一模式，唯一共同点在于他们都希望能够提供高于标的指数回报水平的投资业绩。为使指数化投资名副其实，基金经理试图尽可能保持标的指数的各种特征。
08、网格交易
网格交易是利用市场震荡行情获利的一种主动交易策略，其本质是利用投资标的在一段震荡行情中价格在网格区间内的反复运动以进行加仓减仓的操作以达到投资收益最大化的目的。通俗点讲就是根据建立不同数量，不同大小的网格，在突破网格的时候建仓，回归网格的时候减仓，力求能够捕捉到价格的震荡变化趋势，达到盈利的目的。
09、跨期套利
跨期套利是套利交易中最普遍的一种，是股指期货的跨期套利（Calendar Spread Arbitrage）即为在同一交易所进行同一指数、但不同交割月份的套利活动。
10、高频交易策略
高频交易是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易，比如，某种证券买入价和卖出价差价的微小变化，或者某只股票在不同交易所之间的微小价差。这种交易的速度如此之快，以至于有些交易机构将自己的“服务器群组”安置到了离交易所的计算机很近的地方，以缩短交易指令通过光缆以光速旅行的距离。（该策略源码模板暂无）