核心觀點(diǎn):
●借力研報(bào)，打造開(kāi)放的量化選股模型
傳統(tǒng)的多因子量化選股模型是封閉的，缺乏捕捉市場(chǎng)熱點(diǎn)的能力，通過(guò)大數(shù)據(jù)技術(shù)，從財(cái)經(jīng)媒體和分析師研報(bào)中捕捉熱點(diǎn)和政策的變化，可以打造開(kāi)放的量化選股模型。
分析師個(gè)股類研報(bào)每年大約5萬(wàn)份，相比財(cái)經(jīng)媒體，分析師研報(bào)在專業(yè)度、可信度、規(guī)范度、實(shí)時(shí)度等方面有明顯優(yōu)勢(shì)，是大數(shù)據(jù)AQF量化投資的重要數(shù)據(jù)來(lái)源之一。
●熱詞庫(kù)建設(shè)是構(gòu)建量化選股模型的關(guān)鍵
通過(guò)對(duì)歷史研報(bào)的統(tǒng)計(jì)，我們建立了基本面類、情緒面類、概念主題類三大熱詞庫(kù)，其中基本面類和情緒類細(xì)分為正面詞庫(kù)和負(fù)面詞庫(kù)。我們統(tǒng)計(jì)了單個(gè)熱詞在近4年的選股效果，總體勝率比較高，相對(duì)滬深300有明顯超額收益。
●“基本面+情緒面”熱詞庫(kù)選股策略表現(xiàn)穩(wěn)定
2011-2014年，策略相對(duì)滬深300、中證500的年化超額收益為21.29%、14.84%，月度勝率大約70%。
●“概念主題”熱詞庫(kù)選股策略令人驚喜
以“油價(jià)下跌”和“一帶一路”為例，截止12月19日，“油價(jià)下跌”熱詞概念股平均超額收益27.78%，“一帶一路”熱詞概念股平均超額收益21.48%，其中表現(xiàn)較好的是中國(guó)交建，超額收益達(dá)93.28%、絕對(duì)收益達(dá)101.55%。
●“銀河大數(shù)據(jù)量化投資”體系
我們將逐步建立起“銀河大數(shù)據(jù)量化投資”體系，數(shù)據(jù)來(lái)源包括財(cái)經(jīng)媒體、分析師研報(bào)、行情財(cái)務(wù)三大部分。我們認(rèn)為，通過(guò)對(duì)投資者情緒、行業(yè)政策輿論、概念主題輿論和個(gè)股輿論進(jìn)行大數(shù)據(jù)分析，可以構(gòu)建擇時(shí)、行業(yè)配置、選股和組合管理等量化投資模型。
傳統(tǒng)的多因子量化選股模型是封閉的，缺乏捕捉市場(chǎng)熱點(diǎn)的能力，通過(guò)大數(shù)據(jù)技術(shù)，從財(cái)經(jīng)媒體和分析師研報(bào)中捕捉熱點(diǎn)和政策的變化，可以打造開(kāi)放的量化選股模型。
分析師個(gè)股類研報(bào)每年大約5萬(wàn)份，相比財(cái)經(jīng)媒體，分析師研報(bào)在專業(yè)度、可信度、規(guī)范度、實(shí)時(shí)度等方面有明顯優(yōu)勢(shì)，是大數(shù)據(jù)量化投資的重要數(shù)據(jù)來(lái)源之一。>>>點(diǎn)擊咨詢AQF量化金融分析師實(shí)訓(xùn)項(xiàng)目
一、銀河大數(shù)據(jù)量化投資體系
近兩年來(lái)，大數(shù)據(jù)和互聯(lián)網(wǎng)金融發(fā)展迅猛，各大基金公司和券商紛紛加入大數(shù)據(jù)量化投資研究行列，甚至一些互聯(lián)網(wǎng)公司已經(jīng)布局，未來(lái)大數(shù)據(jù)量化投資研究將精彩紛呈。
國(guó)內(nèi)已經(jīng)有成功的案例，比如廣發(fā)基金聯(lián)合百度公司、中證指數(shù)公司開(kāi)發(fā)百發(fā)100指數(shù)，南方基金則攜手新浪財(cái)經(jīng)、深證信息公司推出了i100指數(shù)和i300指數(shù)。
我們構(gòu)建了銀河大數(shù)據(jù)量化投資體系。理論上，大數(shù)據(jù)研究的引入，可以把量化投資各個(gè)領(lǐng)域重新建模，包括擇時(shí)、行業(yè)配置、選股和組合管理等。
二、分析師研報(bào)是重要的數(shù)據(jù)來(lái)源
(一)信息的傳導(dǎo)路徑
傳統(tǒng)的多因子量化選股模型依賴財(cái)報(bào)數(shù)據(jù)，其信息是非常滯后的，其封閉性讓其無(wú)法跟上市場(chǎng)節(jié)奏，通過(guò)財(cái)經(jīng)媒體和分析師研報(bào)，有助于量化選股模型捕捉到更加前沿的信息。
(二)分析師研報(bào)數(shù)量龐大
近4年來(lái)，個(gè)股類的分析師研報(bào)每年大約有5萬(wàn)分，是大數(shù)據(jù)量化投資的重要數(shù)據(jù)來(lái)源。
(三)簡(jiǎn)單的文本挖掘策略回顧
我們團(tuán)隊(duì)對(duì)分析師研報(bào)的應(yīng)用有著深厚的積累。2013年我們推出了《事件投資，有效的研報(bào)標(biāo)題關(guān)鍵字130521》。
該策略在 014年總體上還是有效的，但呈現(xiàn)一個(gè)特點(diǎn)，基本面相關(guān)的關(guān)鍵字效果在下降，而情緒類相關(guān)的關(guān)鍵字效果要更好一些。
簡(jiǎn)單的研報(bào)標(biāo)題信息量非常有限，下文我們將進(jìn)一步從研報(bào)摘要中挖掘更加有效、準(zhǔn)確的信息。
三、文本挖掘技術(shù)介紹與熱詞庫(kù)建設(shè)
首先，我們簡(jiǎn)單介紹一下文本挖掘的技術(shù)。
(一)VSM 模型與 LSA 模型
文本挖掘是信息挖掘的一個(gè)研究分支，用于基于文本信息的知識(shí)發(fā)現(xiàn)。文本挖掘利用智能算法，如神經(jīng)網(wǎng)絡(luò)、基于案例的推理、可能性推理等，并結(jié)合文字處理技術(shù)，分析大量的非結(jié)構(gòu)化文本源，抽取或標(biāo)記關(guān)鍵字概念、文字間的關(guān)系，并按照內(nèi)容對(duì)文檔進(jìn)行分類，獲取有用的知識(shí)和信息。文本挖掘涵蓋了多種技術(shù)，包括數(shù)據(jù)挖掘技術(shù)、信息抽取、信息檢索，機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、計(jì)算語(yǔ)言學(xué)、統(tǒng)計(jì)數(shù)據(jù)分析、線性幾何、概率理論甚至還有圖論。
語(yǔ)義分析最經(jīng)典的模型是向量空間模型(VSM：Vector Space Model)由 Salton 等人于20世紀(jì)70年代提出。它將文檔表示成特征元素(主要是文檔中出現(xiàn)的詞語(yǔ))的集合，即D(t1,t2,……tn)。最簡(jiǎn)單的計(jì)算詞權(quán)重的方式是：如果詞出現(xiàn)在文檔中，則權(quán)值為1;沒(méi)有出現(xiàn)，則權(quán)值為0。這種方法的缺點(diǎn)在于，它沒(méi)有體現(xiàn)詞語(yǔ)在文檔中出現(xiàn)的頻率。
VSM 模型的基本概念包括：
文檔(document)： 通常是文章中具有一定規(guī)模的字符串。文檔通常我們也叫文本。
特征項(xiàng) (feature term)：是VSM中最小的不可分的語(yǔ)言單元，可以是字、詞、詞組、短語(yǔ)等。一個(gè)文檔內(nèi)容可以被看成是它含有的特征項(xiàng)的集合。表示為一個(gè)向量：(t1,t2,……tn),其中it是特征項(xiàng)。
特征項(xiàng)權(quán)重 (term weight)： 對(duì)于含有n個(gè)特征項(xiàng)的文檔(t1,t2,……tn)，，每一個(gè)特征項(xiàng)ti都依據(jù)一定的原則被賦予了一個(gè)權(quán)重ωi，表示該特征項(xiàng)在文檔中的重要程度。這樣一個(gè)文檔D可用它含有的特征項(xiàng)及其特征項(xiàng)所對(duì)應(yīng)的權(quán)重所表示：D=(ωi,t2=……ω2，tn=ωn)，簡(jiǎn)記為D(ω1，ω2，……ωn)，其中ωi就是特征項(xiàng)it的權(quán)重。
1990 年，Deerwester 等人于提出了潛在語(yǔ)義分析(LatentSemanticAnalysis)模型，用于挖掘文檔與詞語(yǔ)之間隱含的潛在語(yǔ)義關(guān)聯(lián)。LSA的理論基礎(chǔ)是數(shù)學(xué)中的奇異值矩陣分解(SVD)技術(shù)。LSA(latentsemantic analysis)潛在語(yǔ)義分析，也被稱為 LSI(latent semanticindex)。該方法和傳統(tǒng)向量空間模型(vectorspacemodel)一樣使用向量來(lái)表示詞(terms)和文檔(documents)，并通過(guò)向量間的關(guān)系(如夾角)來(lái)判斷詞及文檔間的關(guān)系，不同的是，LSA將詞和文檔映射到潛在語(yǔ)義空間，從而去除了原始向量空間中的一些“噪音”，提高了信息檢索的精確度。
關(guān)于模型更多的細(xì)節(jié)可以參考專業(yè)的學(xué)術(shù)論文，在此不展開(kāi)論述。
(二)熱詞庫(kù)建設(shè)是構(gòu)建量化選股模型的關(guān)鍵
文本挖掘的技術(shù)已經(jīng)日臻成熟，互聯(lián)網(wǎng)類的公司有非常成熟的技術(shù)，那么在證券領(lǐng)域如何運(yùn)用呢?熱詞庫(kù)的建設(shè)是關(guān)鍵，我們認(rèn)為，無(wú)論是財(cái)經(jīng)媒體的文本挖掘還是分析師研報(bào)的文本挖掘，都依賴于熱詞庫(kù)的積累。
我們把詞庫(kù)建設(shè)分成三類：基本面類、情緒面類和概念主題類。
(三)基本面、情緒熱詞效果分析
研報(bào)摘要反應(yīng)了研報(bào)的核心內(nèi)容，大券商分析師的研報(bào)摘要表述清晰、簡(jiǎn)潔、準(zhǔn)確，通過(guò)對(duì)研報(bào)摘要文本挖掘提煉關(guān)鍵信息，可以起到事半功倍的效果。后文的熱詞挖掘都是針對(duì)研報(bào)摘要進(jìn)行。
從熱詞在 2011-2014年的表現(xiàn)來(lái)看，單個(gè)熱詞是不穩(wěn)定的，但熱詞庫(kù)整體的勝率和超額是比較好的，因此，我們用整個(gè)熱詞庫(kù)構(gòu)建量化選股模型。>>>點(diǎn)擊咨詢AQF證書(shū)含金量
四、“基本面+情緒面”熱詞庫(kù)選股策略
(一)策略凈值
對(duì)研報(bào)標(biāo)題和摘要進(jìn)行文本挖掘，通過(guò)基本面熱詞庫(kù)、情緒面熱詞庫(kù)兩個(gè)角度進(jìn)行篩選，成分股持倉(cāng)30個(gè)交易日，每5個(gè)交易日滾動(dòng)調(diào)倉(cāng)一次，雙邊手續(xù)費(fèi)取千分五，策略凈值如圖4 所示，可見(jiàn)，策略能夠穩(wěn)定戰(zhàn)勝中證500指數(shù)和滬深300指數(shù)。
策略每年的超額收益是比較穩(wěn)定的，如表 9 所示。
(二)相對(duì)優(yōu)勢(shì)分析
(三)案例分析
東華軟件在2014年的第一份研究報(bào)告是《東華軟件-002065-前瞻布局，再創(chuàng)優(yōu)勢(shì)-140122》，改報(bào)告出現(xiàn)的熱詞有：并購(gòu)、龍頭、加速、增長(zhǎng)、提升等，符合熱詞庫(kù)選股條件，之后的一個(gè)月內(nèi)，股價(jià)大幅上升。
2014年8月 24日，某分析師發(fā)布《浙江眾成-002522-公司深度研究：募投項(xiàng)目及新品投放，業(yè)績(jī)望迎來(lái)拐點(diǎn)-140824》，研報(bào)中出現(xiàn)的熱詞有：翻番、拐點(diǎn)、超預(yù)期等，符合熱詞庫(kù)選股條件，之后的一個(gè)月內(nèi)，股價(jià)大幅上升。
五、“概念主題”熱詞庫(kù)選股策略
除了“基本面+情緒面”兩個(gè)熱詞庫(kù)篩選之外，我們?cè)黾拥谌悷嵩~庫(kù)的篩選——“概念主題”，打破了傳統(tǒng)多因子量化選股模型的封閉性，有利于量化模型捕捉市場(chǎng)熱點(diǎn)和政策的變化。
以當(dāng)前最熱門的兩個(gè)概念——“油價(jià)下跌”和“一帶一路”為例，我們統(tǒng)計(jì)了入選成分股的表現(xiàn)。
(一) “油價(jià)下跌”概念
截止2014年12月19日，入選成分股相對(duì)滬深300平均超額收益為27.78%。
(二) “一帶一路”概念
截止2014年12月19日，入選成分股相對(duì)滬深300平均超額收益為21.48%。
六、風(fēng)險(xiǎn)提示
本報(bào)告中的所有模型都是根據(jù)歷史數(shù)據(jù)建立和測(cè)算的，圖表中展示的效果亦是基于歷史數(shù)據(jù)，并不必然保證未來(lái)有同樣好的收益。本報(bào)告中的所有模型和結(jié)論只供投資者參考，并不能完全排除未來(lái)的風(fēng)險(xiǎn)。
.jpg)
金程推薦： AQF就業(yè)前景 AQF年薪 量化金融分析師年薪
AQF考友群：760229148
金融寬客交流群：801860357
微信公眾號(hào)：量化金融分析師
聲明：內(nèi)容轉(zhuǎn)自量化俠，版權(quán)歸原作者所有。若有所侵權(quán)，請(qǐng)加QQ：2304691076進(jìn)行處理，感謝合作!
