北京大学量化交易协会2020秋Module2主题内培1

【北京大学量化交易协会2020秋Module2主题内培1】涵盖了四个核心知识点：Smart Beta、FOF和基金研究、大类资产配置以及高频交易。这些内容是金融投资领域的重要组成部分，尤其对于量化交易策略的构建至关重要。 1. **Smart Beta**： Smart Beta是一种投资策略，它结合了主动管理和被动管理的特点。它基于多因子模型，目标是构建能够获得超额收益的投资组合。因子指数化是实现Smart Beta的关键，通过高暴露、高可投资性和低成本的方式，将具有显著超额收益的因子转化为实际的投资组合。常见的因子包括价值、成长、质量、动量等。投资者可以通过购买跟踪特定因子指数的基金，即Smart Beta基金，来参与因子投资。然而，Smart Beta投资并非简单快捷，需要深入理解因子、因子择时以及相关风险。 2. **FOF（Fund of Funds）和基金研究**： FOF是一种投资工具，其投资对象是其他基金，通过对基金的筛选和优化配置，以达到更好的投资效果。在基金筛选过程中，通常会运用不同的业绩归因方法，针对股票基金和债券基金采用不同的评估方案。同时，FOF策略会考虑宏观经济和行业轮动，动态调整投资组合以追求更稳定的收益或更高的回报。此外，美林投资时钟模型也可用于指导资产配置。 3. **大类资产配置**： 大类资产配置涉及到多种资产类型，如股票、债券、商品、期货、ETF等，通过应用Black-Litterman模型、风险预算模型和风险平价模型等工具进行优化配置。这些模型帮助投资者在不同资产间平衡风险和收益，Black-Litterman模型引入了主观观点，风险预算模型关注风险分配，而风险平价模型则旨在使各类资产的风险贡献相等。策略优化可能涉及利用子策略的特性，如某些因子的均值回复性，以提高配置效率。 4. **高频交易**： 高频交易利用极短时间窗口内的市场数据（如tick-level数据）进行交易决策，特别是在日内交易中。在中国市场，上海交易所和深圳交易所提供了不同程度的高频数据支持。尽管直接使用高频数据构建低频因子可能提高预测效果，但现实中要考虑交易成本和执行速度。因此，一种常见做法是用高频数据创建专属的低频因子。高频交易的策略设计通常包括订单簿的构建和管理，以及对时间切片和订单流动性的深度理解。 这四次内培将深入探讨这些领域的理论与实践，通过小组学习和项目进度汇报，帮助参与者掌握量化交易中的关键技巧和策略。内培不仅强调理论知识的学习，也注重实践应用，以提升同学们在金融投资领域的专业素养。