量化投资 策略  指数  指数增强 资产配置

“量化”是指借助统计方法，运用计算机技术从海量历史数据中，寻找能带来超额收益的策略，
并纪律严明的运用数学模型将资金筹码分散在这些策略上，努力克服市场情绪的侵蚀，力求取得稳定，可持续的超额回报。

量化投资与主观投资的区别

量化投资区别于主观投资最关键之处在于投资决策是由人主观判断还是由模型做出。

主观投资 人进行决策

量化投资 模型数量化决策

股票量化策略投资流程
数据处理 因子挖掘 机器学习因子组合 组合优化 算法交易  交易执行


多因子模型
根据 一些 维度 指标 筛选个股 
基本面 技术面 情绪面

Barra模型是MSCI公司开发的一个经典的金融风险控制模型
影响股票涨跌的因素可以大致分为几大类因子

市场因子，比如 指数涨跌情况
风格因子，股票的基本面特征，比如价值、成长、周期、防御等
行业因子

Alpha因子，能带来比较稳定的收益

多因子模型的核心在于因子的质量；
观测策略因子过去时点样本内外的回测表现、样本内实盘表现，运用线性的函数方法，对因子收益回撤、夏普、稳定性等多个维度，进行多标准考核，
计算出单个因子、策略组合的权重，并以此为基础，对A股全市场流动性最优的2000只股票池子里进行打分排序，
选取得分最高的股票进行一篮子做多，获取超额收益

机器学习是指，直接将特征输入，将经过深度学习得出选股清单和权重打分排名，选取得分最高的股票进行一篮子投资，获取超额收益。
其核心在于模型的深度学习能力和迭代能力。
机器学习模型由于黑匣子的特性，可解释度较差，业绩较难归因


Barra CNE5 模型是针对中国股票市场最经典的风格因子模型,
CNE5包含 10 个风格因子
市场(BETA)
市值(SIZE)
动量(MOMENTUM)
盈利(EARNYILD)
成长(GROWTH) 
流动性(LIQUIDTY) 
杠杆(Leverage)  
价值(BP)  
非线性市值因子(NonlinearSize) 
波动因子（RESVOL）




指数增强策略是以对标股市基准指数（例如沪深300、中证500、中证1000）作为参考，
在追踪对标股市基准指数的前提下，利用量化投资的方式进行主动管理，
以获得承担市场风险带来回报(Beta)的同时获取超越市场的超额收益(Alpha）的一种资产组合策略 
指数增强策略在市场向下时有超额收益带来的安全边际，市场向上时有市场风险溢价带来的成长空间。

指数增强策略 是指对基准指数进行有效跟踪的基础上，通过主动管理试图获取超额收益（又叫做阿尔法收益），从而实现超越指数的投资回报。
指数增强策略的收益分为两部分：贝塔β收益（平均收益）和阿尔法α收益（超额收益）。
β收益来自于对指数的被动跟踪，基准指数既可以是沪深300、中证500、中证1000等宽基指数，也可以是行业、主题及其他指数。
α收益来自于主动管理，通过不同维度选股，精选未来一段时间大概率能跑赢指数的个股，从而实现超额收益


指数增强策略可分为两类：基本面分析和量化模型。
基本面分析：通过对宏观、行业、公司及其他影响个股价格的因素进行分析，主观决策超配或低配哪些股票。
量化模型：利用公司财务基本面因子、量价因子、另类因子、机器学习等构建选股系统，由量化模型预测超配或低配哪些股票。


指数增强策略短期内和跟踪指数的涨跌方向基本一致，但是由于长期的超额收益的累积，最终的收益情况较之于直接持有指数呈现出明显的改善。


指数增强策略适合那些计划长期投资于某一指数的投资者，既充分地享有指数长期的β收益，又能不断获取超额α收益。

如果仅仅想短线择时，做指数的波段交易，那么指数ETF将会是更优的选择。




沪深300 中证500  中证1000指数


沪深300 = 中证100+中证200     大盘
中证500 = 沪深300之后的500支   中盘
中证1000= 中证800之后的1000支  小盘


中证1000和中证500指数成分股的行业分布较为接近，与沪深300成分股的行业分布有较大的差异

中证500和中证1000指数的成分股集中在以 原材料、工业、信息技术 为主的第二产业，
沪深300指数的成分股则集中在以 金融地产、主要消费 为主的第三产业


沪深300指数的成分股平均市值较大，指数的年化换手率偏低，成分股的波动相对较小
中证1000指数的成分股平均市值较小，指数的换手频繁，成分股的波动最为剧烈
中证500指数风格居于前两者之间