近期 A 股市场持续震荡下行, 上证综指从年初 3500 点左右高位跌至 5 月下旬的 3200 点左右, 直至截稿时跌破 2800 点. 此间, 沪深 300 和中证 500, 以及反映中小市值的中证 1000 和创业板指数也同样出现了下跌. 受各类因素影响, 投资者情绪低迷, 风险偏好开始下降, 也加速了股市走势弱化进程.
不少重仓 A 股的朋友问我, 有没有一种更好的资产配置技术和方式, 来提升市场预测准确率, 同时帮助他们脱离个人和市场情绪的影响, 做出更加 "理性" 的投资决策? 我想是有的.
说到资产配置, 大家往往都会想到耶鲁投资模式, 也就是构建出一套完整的机构投资流程和严谨的投资原则, 以避免受到市场情绪左右, 包括投资目的的设定, 资金的进出, 资产负债的配比, 资产类别的划分及配置, 投资品种和投资工具的选择, 风险控制, 基金经理的选择等.
当前我们处于讯息爆炸的时代, 除了利用传统的基本面尽调, 推理等方式外, 能否更多地运用数据分析与 AI 算法做好投资决策, 也是许多金融投资或算法投资专家所关注的问题. 在过去两年的研究中, 我们发现确实能找到一些简单的规律来帮助作出投资决策分析, 而金融大数据和机器学习的应用则能让投资更加精细化, 预测也更准确.
关于金融大数据的应用, 我们先来看今年的两个市场案例:
案例 1- 2018 波动回升预估: 多数投行分析人士认为 2018 年中国市场基本面向好, 却可能伴随高波动, 提示了高波动和股市的正相关关系. 然而我们必须认识到, 波动回升对于不同市场的隐含意义也可能大不一样.
以 A 股为例: 今年市场波动增强而大盘跌至 22 个月的新低, 看似可以得出两者负相关的结论. 然而回顾 2005-2007 和 2014-2015, 期间 A 股就出现过波动大幅提升且指数同样飙升的情形. 统计数据显示, 自 2005 年以来, 当前波动率大于 180 天平均波动率的日期共计 2186 天, 该情况下未来 30 天的沪深 300 下跌次数仅 991 次, 意味着以波动回升来预估指数下跌的预测准确性仅为 45%.
由此我们有理由认为, 波动回升对于 A 股走势不一定具有参考性, 甚至可以说在波动回升的情况下, 未来 30 天 A 股上涨的概率还高于下跌的概率. 但是, 我们如果加入其他的特征考量, 例如增加同期人民币贬值超过 3% 的条件, 此时预测 A 股未来 30 天为下跌的准确度便提升至 81%.
一旦预测准确度提升, 投资者在进行资产配置时的策略就会更加明晰, 投资收益也更符合预期. 单就今年以来 (截止 6 月 25 日) 已下跌超过 13% 的上证综指来说, 投资者是选择低配或高配该资产, 会显著影响到自身的财富状况.
案例 2- 2018 新兴市场: 据统计, 美联储持续升息对于新兴市场反而有利. 尤其是, 新兴市场的市盈率通常低于成熟国家, 这对于投资者更具吸引力. 数据显示, 自 2005 年以来, 美国共升息 18 次, 升息后 30 天新兴市场股价上涨的次数为 13 次, 确实印证了上述观点.
然而今年以来 (截止 6 月 25 日), 美联储已经两次升息, MSCI 新兴市场指数却逆势下跌超 6%, 难道数据分析再度 "失效"?
来源: http://www.ftchinese.com/story/001078234?adchannelID=2100