本报告提出基于二阶随机占优(SSD)约束的大盘股投资组合优化策略,结合多因子模型构建行业内及行业间优化组合,通过SSD约束刻画投资者风险厌恶,保证组合相较基准的风险受控与收益最大化。沪深300及创业板指数回测显示,SSD优化组合显著优于因子等权组合及基准指数,累计收益和年化收益均有明显超额表现,证明该方法在大盘股选股中具有有效性和较强的实用价值。
| 大类因子 | 细分因子 |
|---|---|
| Beta | Beta 值 |
| 规模 | 流通市值自然对数 |
| 估值 | PB、PE、PS |
| 成长 | 净利润同比增长率、营业收入同比增长率 |
| 流动性 | 过去1个月、3个月、6个月换手率均值 |
| 动量 | 过去6个月涨幅-最近1个月涨幅,最近1个月涨幅 |
| 波动率 | 过去1个月、3个月、6个月波动率 |
报告标题:《二阶随机占优约束下的大盘股优选策略》
作者:杨国平、丁睿雯
发布机构:华西证券研究所
发布日期:2024年3月26日
研究主题:本报告聚焦于基于二阶随机占优(Second Stochastic Dominance, SSD)约束的投资组合优化策略,具体应用于大盘股优选,涵盖了随机占优理论模型、行内外行业组合优化及实证回测。
核心论点:作者提出通过运用二阶随机占优约束对大盘股投资组合进行优化,达到在风险可控范围内最大化收益的目标。使用SSD约束可以更有效体现投资者风险厌恶偏好,并优于传统因子等权组合及基准指数的表现。最终回测验证表明该方法能实现超额收益和较高的胜率,具有实际应用价值。
报告开篇定义了随机占优的基本理论框架,随机占优是通过比较两个决策(投资收益)的概率分布函数优劣来决定投资选择。具体分为k阶随机占优:
一阶随机占优(FSD)对应于所有收益水平下的累计概率分布函数比较,满足 FRx(η)≤FRy(η),意味着 Rx 在概率上优于 Ry,即更高收益的概率更大。二阶随机占优(SSD)则通过对累计分布进行积分,更侧重于期望损失(亏损的风险)控制,形象地表示为期望亏损小于另一分布,反映了风险厌恶投资者更偏好的收益分布特征。
具体图示(图2和图3)通过两条累计分布曲线展示了FSD和SSD的差异:
SSD约束下的投资组合优化模型即是在最大化期望收益的同时,保障组合累积亏损(期望损失)在基准之下:
[ \max E(R_x), \quad s.t.\ E[(\eta - R_x)+] \leq E[(\eta - R_y)+], \quad \forall \eta \in \mathbb{R} ]
这里 Rx 为组合收益分布,Ry 为基准,体现出对于任意损失阈值 η,组合的期望超额亏损不大于基准。
实际应用中,考虑样本容量有限,组合由n只资产组成,样本时长T,每个时点收益赋予均等权重 pt=1/T。定义损失变量 st1t2=max(0,yt1−∑jxjrjt2),衡量在时点 t2 时资产组合相较于时点 t1 基准收益可能出现的损失。则优化问题为:
[ \max \sum_{t} p_t \sum_j r_{j t} x_j ] 受限于:
该模型实现了对任意时间点损失的非负限制及全局期望亏损不超过基准。
报告采用七大类因子(Beta、规模、估值、成长、流动性、动量、波动率)及其细分指标纳入多因子体系(Barra模型);过去300天数据赋予等权因子权重。
考虑行业内部估值风格差异,先做行业内部因子复合值最大化优化,目标是最大化正向因子之和减去反向因子之和,权重受行业内SSD约束保护。约束形式类似前述SSD约束,只不过基准改为行业指数,且保证投资组合权重可行性:
最终得到每个行业内部的最优股票配置权重,标记为 x˙1∗,x2∗。
基于行业内部最优组合,对各行业组合收益率构造二阶随机占优约束下的跨行业优化:
最终投资组合中每只股票权重为行业内部权重与行业权重的乘积:
[ w_j^{i*} = x_j^{i*} x^i ]
此结构实现了行业内外双层优化,兼顾行业特色与大盘股整体风险收益平衡。
回测数据用于SSD约束优化时选取日频历史数据,考虑最低频因子为财务因子,故选股频率设为每年4月底、8月底、10月底,对应财报披露时间。回测区间为2016年至2024年2月,分行业最优化后合成全局组合,基准为宽基市场指数。
SSD约束优化通过期望亏损约束有效控制风险,动态调整行业和股票权重,使得风险较真实市场风险承受能力贴合。报告强调该方法更适用于流动性良好的大盘股市场。
报告声明基于历史统计特征,若历史规律改变,策略结论可能失效,且市场存在超预期波动风险。
三位分析师均具备深厚金融工程和研究背景,确保研究方法和逻辑的专业性。免责声明明确报告适用范围、风险及可能利益冲突,保障透明性。
这两图直观体现出SSD较FSD在风险控制上更细腻的衡量维度。
本报告核心在于投资组合优化方法,并未涉及传统的估值指标或估值模型(如DCF、市盈率等),而是通过SSD约束框架实现收益的最大化及风险损失的约束,属于量化策略改进与优化范畴。
优化模型的关键输入包括资产收益分布、基准收益分布及因子权重,建立于历史收益分布的样本数据基础上。折现率、永续增长率等传统估值参数未涉及。
报告主要风险提示集中在:
报告没有详细列示缓解策略,只强调了历史规律稳定性的前提。
依赖历史数据与样本稳定性:SSD约束基于历史收益分布对未来风险做估计,报告自己也指出该方法可能失效于市场结构变更,对此风险承认较为客观。
因子选择均权简化:因子权重均为300日等权,忽略了因子之间可能的相关性及变动性,或许可以进一步利用动态权重或机器学习算法提升因子信号的灵敏度和准确性。
行业与市场基准依赖:SSD优化依赖行业及市场基准,基准本身的波动及异常表现可能影响组合风险估计。同时,单一市场环境下回测对策略的泛化能力需审慎,未见多市场或多周期验证。
组合约束简单:各行业及股票权重的上限设置为30%,是经验性限制,未细化区分不同风险偏好投资者的个性化配置需求。
缺少交易成本与滑点考量:未明确包含实际交易成本、换手率、流动性约束的详细建模,可能导致回测结果理想化。
报告排版及部分符号细节缺失(如公式符号残缺):少数页有排版或符号格式问题,不影响整体理解但影响阅读体验。
本报告系统构建并实证验证了一种基于二阶随机占优约束的投资组合优化策略,具体应用于大盘股及创业板指的优选,体现了以下几个关键点:
综上,该报告不仅在理论层面对随机占优投资组合优化提供了完整分析框架,而且通过实证回测展示了其在中国市场环境下的有效性。报告观点清晰,数据充分,方法科学,能够为机构投资者尤其是量化策略团队提供参考依据。唯一需要进一步完善的是更加细致的风险缓释措施及对交易成本的现实考量。
图2一阶随机占优和图3二阶随机占优示例:
回测对比图示(沪深300):
回测对比图示(创业板):
总结:报告提供了针对大盘股基于SSD约束的选股与优化策略,完整理论与实证框架相结合,展示了量化风险管理的新思路,具有较高的学术和实战价值,值得关注和深入研究。报告重点关注投资者对风险的实际感知,通过SSD约束框架使组合收益分布在期望损失上优于基准,从而实现风险收益优化的平衡。其独特的两步法优化和行业内外组合构造逻辑为投资组合设计提供了有效的实操路径。
金融工程报告:二阶随机占优约束下的大盘股优选策略.pdf