本报告从二阶随机占优(SSD)理论出发,构建了一种基于SSD约束的两步行业内外优化方法,构造了兼顾风险厌恶和预期收益的大盘股优选策略。通过行业内复合因子最大化及行业间整体SSD优化,实现在沪深300及创业板指上的选股回测,SSD优化组合累计收益远超因子等权组合及相应基准指数,年化超额收益分别达28.24%和22.16%,且表现稳定,验证了SSD约束优化在改善组合风险调整收益上的有效性,为大盘股票量化选股提供了新思路
| 年份 | SSD 优化 | 因子等权 | 沪深300 | SSD 优化超额 | 因子等权超额 |
|---|---|---|---|---|---|
| 2016 | -11.23% | -1.52% | -11.28% | 0.05% | 9.76% |
| 2017 | 47.47% | 21.66% | 21.78% | 25.69% | -0.11% |
| 2018 | -24.59% | -16.33% | -25.31% | 0.72% | 8.98% |
| 2019 | 75.35% | 29.99% | 36.07% | 39.28% | -6.08% |
| 2020 | 119.18% | 57.73% | 27.21% | 91.97% | 30.51% |
| 2021 | 20.13% | 4.85% | -5.20% | 25.33% | 10.05% |
| 2022 | -3.16% | 4.84% | -21.63% | 18.47% | 26.47% |
| 2023 | 46.52% | 1.20% | -11.38% | 57.89% | 12.58% |
| 2024 1-2月 | 12.67% | 4.15% | 2.48% | 10.19% | 1.68% |
| 年化收益 | 27.52% | 11.21% | -0.72% | 28.24% | 11.93% |
| 年份 | SSD 优化 | 因子等权 | 沪深300 | SSD超额 | 均值-方差超额 |
|---|---|---|---|---|---|
| 2016 | -11.66% | -20.98% | -27.71% | 16.05% | 6.72% |
| 2017 | -12.58% | -17.96% | -10.67% | -1.91% | -7.29% |
| 2018 | -9.69% | -36.11% | -28.65% | 18.96% | -7.46% |
| 2019 | 47.97% | 46.59% | 43.79% | 4.18% | 2.80% |
| 2020 | 82.35% | 50.25% | 64.96% | 17.39% | -14.72% |
| 2021 | 47.98% | 20.30% | 12.02% | 35.96% | 8.28% |
| 2022 | -21.84% | -32.36% | -29.37% | 7.53% | -2.99% |
| 2023 | 82.73% | 54.77% | -19.41% | 102.14% | 74.17% |
| 2024 1-2月 | -7.41% | -5.85% | -4.46% | -2.95% | -1.39% |
| 年化收益 | 17.30% | 0.96% | -4.86% | 22.16% | 5.82% |
报告标题:二阶随机占优约束下的大盘股优选策略
发布机构:华西证券研究所
发布日期:2024年3月10日(推断)
分析师:杨国平、张立宁、丁睿雯
主题:利用二阶随机占优(SSD)约束方法,对大盘股建立选股策略与投资组合,针对沪深300及创业板指成分股进行优化与回测分析。
本报告聚焦通过二阶随机占优约束下的组合优化,构建大盘股选股策略,并以此相比传统因子等权组合和基准指数。SSD约束旨在通过收益分布整体的比较,避免传统均值-方差模型的主观风险度量,量化投资者风险厌恶,选择期望收益更高且损失风险更低的组合。报告显示,其优化策略自2016年至2024年2月,沪深300-SSD组合实现了显著的超额收益达到634.40%,年化超额收益为28.24%。报告整体目标传达SSD约束模型比因子等权及基准指数表现更优,尤其适用于流动性良好的大盘股市场,7,8]。
本节阐述了随机占优方法理念,对比传统均值-方差模型的不充分性。均值-方差模型仅捕捉收益的均值与波动,而随机占优方法通过比较两个投资决策收益率的整个累计分布函数(CDF)以体现全分布特征,增强风险测度的科学性。
特别强调一阶随机占优(FSD),条件为方案X的收益分布函数始终位于方案Y左侧(FRx(η)≤FRy(η),∀η),说明X在任意收益阈值下实现高收益的概率更大,是整体上收益更优的方案;和二阶随机占优(SSD),考虑了收益的期望损失,用变量累计分布的二阶积分衡量期望亏损。SSD定义为X对Y在风险厌恶投资者视角下的更优选择,避免简单量化效用函数,更有效定量风险厌恶。SSD约束下的投资组合优化即设定组合实际收益率分布相对于基准的SSD约束,实现期望收益最大化同时控制组合期望损失不超过基准,3]。
本节面向实操层面,阐述SSD模型中理论上存在无限个损失阈值η,导致约束条件无穷多,难以计算。报告通过利用离散日度历史收益数据,对应离散损失水平,因此将SSD约束转化为有限线性约束问题,方便后续数值优化。
此处引入变量 st1,t2 作为组合相对于基准在不同时刻的期望损失函数,约束(1)和(3)体现损失定义,约束(2)体现SSD约束条件,确保组合分布的期望亏损不超过基准損失分布。同时,最大化目标函数可选择收益或者复合因子值,兼具收益追求与因子挖掘。
先在中信一级行业内部以最大化组合复合因子值为目标,对行业内资产在SSD约束下做因子选股。报告列举采用七大类核心因子:Beta、规模、估值、成长、流动性、动量、波动率,包含细分因子如PB、PE、净利润同比增速、换手率均值等,基于Barra多因子模型构建复合因子,因子权重为近300日方向等权。
具体以两个行业为例,行业1有3只股票,行业2有4只股票,设定正负向因子,构建最大化正向因子减去负向因子的加权和目标函数,辅以SSD约束(组合收益率相对于行业指数的SSD约束),并附加权重非负、合计为1约束,得出行业内最优股票权重。
该步骤旨在取得行业内组合的局部最优,为后续行业间更高级别组合做预期收益估计提供基础,6]。
行业内选股完成后,计算各行业组合收益时间序列,基于行业组合收益构造行业间SSD约束优化模型,最大化行业权重加权的总期望收益。附加行业权重上限30%,以及权重总和为1的约束。
最终股票组合权重为行业内股票权重与对应行业权重的乘积。该分两步法实现了行业内精细选股与行业间理性配置平衡,兼顾风格差异与资金分配约束,降低单一行业风险集中度,7]。
对2016年至2024年2月沪深300成分股及创业板指成分股进行SSD双层约束两步法选股回测,每年4月、8月、10月选股,对SSD优化结果排名前30(沪深300)和前10(创业板指)的股票赋予全局最优权重持有。
沪深300-SSD组合累计涨幅达628.64%,因子等权组合涨幅138.16%,沪深300指数同期下跌5.76%,年化超额收益28.24%,年胜率100%,盈亏比1.56。表明SSD约束优化显著超越因子等权及基准指数,风险调控更为有效。
创业板指SSD优化组合累计涨幅268.23%,较因子等权8.15%及基准-33.42%表现强劲,年化超额收益22.16%。该组合单股权重及行业权重均限制30%,以应对创业板股数较少、波动性大特性。整体结果验证SSD约束的广泛适用性。
报告指出,结论基于历史统计规律,若未来市场规律变化或出现突发超预期波动,报告策略效果可能失效。风险提示真实且重要,提醒投资者谨慎应用,11]。
报告采用的核心是多因子复合因子值为目标函数,结合SSD约束的组合优化模型,强调风险管理层面优于传统均值-方差框架,非标准估值技术,但体现了风险调整后的收益最优化。
行业内优化以因子加权值最大化为目标,行业间优化以行业组合收益最大化和SSD约束为条件,未涉及具体的DCF或PE等传统估值方法,重视组合预期收益与风险控制平衡。该方法通过SSD约束限制组合的期望损失,实现风险厌恶者视角下的最优权衡。
报告明确提示,模型及结论均基于历史统计规律,若历史走势规律发生根本性变化,则策略效果会失效。同时市场超预期波动风险实质可能带来组合风险。风险提示真实有效,但未提具体缓解手段,投资者需结合市场形势谨慎使用,11]。
本报告深入探讨了使用二阶随机占优约束进行多级选股组合优化策略,通过SSD约束改变了传统均值-方差的风险刻画方式,强调收益分布形态及期望损失的控制。通过分阶段行业内外的优化流程,将复杂的组合优化问题分解,提高了实践操作可行性,并基于2016-2024年沪深300和创业板市场回测,展示了显著超越传统因子等权组合和基准指数的优异表现。
重要数据成果包括:
图表直观呈现了模型优化的结果和优势,理论解释配合实际回测数据,增强策略的科学性与信服力。风险提示充分提醒了基于历史规律模型的局限。
综上,报告显示SSD约束投资组合优化为大盘股精选提供了一种创新且有效的途径,推荐投资者及策略设计者重点关注这一方法在实际投资中的潜力和应用,结合风险管理,优化资产配置,有望取得更优风险调整后的回报。
注:所有数据及图表来源Wind与华西证券研究所,文中所有主要结论均标注了对应页码[page::]供溯源核查。
金融工程研究报告:二阶随机占优约束下的大盘股优选策略.pdf