大数据帮你获得70%高额收益率的奥秘
当今流行的行为金融学认为,个人投资股票实际上不仅仅是简单地出于财富增值的目的,更多的也是源自一种多方面的心理需求。这种心理需求最主要的体现可以归纳在三个方面的回报。
其一是表现回报,通过整个炒股过程我们向自己和他人传递我们的价值、品位和身份信息,以期得到认同或羡慕;其二是情绪回报,通于购买彩票和投资投机性股票会使自己看到希望以及体验到时而的胜利所带来的欣喜若狂;其三就是功用回报,投资可能会增强自己经济地位的影响并带来财富的增值。
如果你投资股票主要出于前两个原因,那么你就不需要读我的这篇文章;如果你的目标明确是想赚钱,那么不妨读读我要说的观点。
非常大概率地讲,投资赚钱只能靠长期复利。就是说,如果你能每年赚15%,那么十年后你开始投资的100元就会变成404元。
听到这,可能你的第一个想法就是如何做到这点?解答这个问题之前,你应该先思考一下,我们如何能够战胜代表市场的指数?(其实市场只是个泛泛概念,中国股市中沪深300(4765.559, 25.74, 0.54%)、中证500、创业板各指数每年反映的市场差异可能会很大)。同时你想过没有,任何一个代表市场的指数其实就是一个量化模型?
以沪深300指数为例,这个模型的规则是透明的:1、剔除A股全市场中过去一年日均成交量排名后50%的股票;2、对剩余股票按照最近一年日均总市值由高到低排名,取前300只股票做为成分股;3、对300只个股使用自由流通市值作为权重构造一个组合;4、每半年做一次成分股调整。那么了解了这个模型后,你觉得你有更好的方法、策略或者模型打败它吗?你每年打败它的胜率是多少?你每年超额它的收益率几何?其实非常少的人想过这些问题,更不用说回答这些问题。
在明白了市场就是一个量化模型之后,身为投资者的你就可能非常容易地接受这样的理念:一定有更好的模型可以带来更好的收益风险比率。因为上面阐述的如此简单的模型不可能就是最好的收益模型,而实际情况也恰恰如此。
一般而言,代表市场的宽基指数通常的作用是其对市场的某一部分的代表性的刻划,其收益作用通常不作为考虑重点。国内外的经验事实都表明,那些更强调收益的量化策略指数通常能够为投资者带来长期复利的财富增值收益。
大数据i指数系列引起了很多媒体和广大投资者出乎寻常的关注,其中最主要原因就是由于它们所展示出的巨大增长收益。
以近期由南方基金和新浪财经联合推出的大数据i指数系列为例,自i指数诞生日2010年2月1日至上市日2014年9月12日,i100和i300指数的收益率分别为286%和180%,而同期沪深300指数收益为-24%,中证500指数为8%,创业板为53%。
从2014年初到11月11日,i100和i300指数的收益率分别为70.74%和53.60%,而同期沪深300指数收益为9.81%,中证500指数为27.48%,创业板为12.04%。大家可能会问,为什么会有如此大的差别?真有如此好的方法可以获得这样的收益吗?
大数据i100(代码399415)和i300(代码399416)实质上是在多因子量化研究框架下结合互联网众多投资者行为大数据构造出来的股票组合。这两个指数今年9月12日在深圳交易所的挂牌,为投资者提供了可以实时观察量化组合样本外表现的机会。
以往的量化模型带来的回测结果常常会引起人们的质疑,这些结果是过度拟合了吗?你使用了将来的信息了吗?你的投资逻辑对未来有预测性吗?你使用的数据可靠吗?等等等等。所谓的样本外结果就是真实的表现而不是回测模拟。
南方基金每月底将指数下个月的成分股递交给深圳交易所信息公司,他们将这些成分股按照公布的方式构造组合,并以实时行情的形式在交易所显示出来,当月成分股及其权重一经确定并提交深交所[微博],就无法变更。
自9月12日i指数挂牌以来,截至11月6日,i100和i300的收益率分别为12.42%和11.09%,而同期沪深300和中证500的收益率分别为3.41%和6.80%。虽然两个月的样本外检验时间太短,我们不能从这里得出太多有统计意义的结论,但是i指数这两个月的样本外结果和我们回测结果的表现特征是完全吻合的,这也从很大意义上给大家带来了对i指数将来表现的信心。
在我们收到的各种有关i指数的问题中,最集中的问题就是为什么投资者在新浪财经网页、微博以及新浪股吧上的行为会对股票未来的价格具有预测性?
这里我想给大家一个简单的回答,股票价格反映的是人们对将来的预期(这包括对经济、政策、利率、环境、文化等方方面面的预期),股票自身是没有像黄金那样的内在价值的,这就是为什么低估值的股票并非是未来短期表现好的股票,因为人们可能对其行业未来不看好;过去高成长的股票也并非是未来短期的高收益股票,因为人们可能对其将来的成长性不看好;所以短期股市难以预测就是因为它是所有市场参与者对未来看法的集中反映,没有一个指标体系能够把所有投资者对未来的意图预测出来。
可是当大量投资者开始关心某些股票并且在网页、股吧、微博上留下“痕迹”时,通过对这些“痕迹”进行分析,使其具备统计意义,并归纳总结出可以揭示某些股票将来走势的信号,因为这些开始关心这类股票的网民们很可能会近期做这些股票的买卖交易。这样的信号再结合各种估值,成长,交易量等指标进行筛选优化,那么我们就可以比较大概率的选出那些近期未来表现良好的股票。
大数据i指数的优秀表现折射出的另外一个思考,就是行为金融学所揭示的种种人类认知偏差目前对A股市场的影响可能远比我们想象的更大。
我个人认为,在目前的A股市场中,投资者的意识形态(即金融行为)主导了股市的短期走势,而公司的业绩决定了股票的长期表现。在没有移动互联网的年代,我们几乎不可能得到任何可靠的投资者行为数据,通常心理学家通过人为调查得到的数据在可靠性上往往会大打折扣。
就比如你去问100万人他们的驾驶水平是否高于平均水平,你每次都会得到90%以上的人回答肯定一样。而新浪财经的投资者行为大数据应该是互联网时代下分析人们短期投资判断和意向的非常可靠、真实的数据记录。所以现在我们第一次结合这样的大数据和南方基金量化平台,创造出有如此好收益结果的i指数系列,这种基于庞大的数据资源进行科学分析的做法有其可信的合理性。
当然,我们也清醒地认识到市场是会反馈适应的,当许多人使用这些金融行为大数据时,它的有效性就会很快消失。但我们相信那时候我们会有更先进的手段来发现好的投资组合。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 2 Pandas数据类型 Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据 ...
2024-11-01《Python数据分析极简入门》 第2节 1 Pandas简介 说好开始学Python,怎么到了Pandas? 前面说过,既然定义为极简入门,我们只抓 ...
2024-10-31在当今数据驱动的世界中,数据科学与工程专业的重要性愈发凸显。无论是推动技术进步,还是在商业决策中提供精准分析,这一专业都 ...
2024-10-30在当今信息爆炸的时代,数据已成为企业决策和战略制定的核心资源。爬虫工程师因此成为数据获取和挖掘的关键角色。本文将详细介绍 ...
2024-10-30在当今数据驱动的世界中,数据分析是揭示商业洞察和推动决策的核心力量。选择合适的数据分析工具对于数据专业人士而言至关重要。 ...
2024-10-30能源企业在全球经济和环境保护双重压力下,正面临前所未有的挑战与机遇。数字化转型作为应对这些挑战的关键手段,正在深刻变革传 ...
2024-10-30近年来,随着数据科学的逐步发展,Python语言的使用率也越来越高,不仅可以做数据处理,网页开发,更是数据科学、机器学习、深度 ...
2024-10-30大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-30《Python数据分析极简入门》 附:Anaconda安装教程 注:分Windows系统下安装和MacOS系统安装 1. Windows系统下安装 第一步清华大 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28