發(fā)布時間：2017-08-08 08:22

  本文關(guān)鍵詞：基于EVT-VaR和EVT-CDaR約束的趨勢跟蹤策略比較研究

  更多相關(guān)文章： 量化交易 趨勢跟蹤策略 極值理論 FHS模擬 尾部風(fēng)險度量

【摘要】：量化交易產(chǎn)生于上世紀80年代,得益于通訊技術(shù)和計算技術(shù)的快速發(fā)展以及數(shù)學(xué)方法的深入使用,量化交易已經(jīng)成為當(dāng)前證券市場重要的交易方式。在歐美發(fā)達市場國家,通過量化方式進行交易的成交量已經(jīng)占到市場總成交量的70%以上；在新興市場國家,量化交易也正在興起,逐步超過傳統(tǒng)的交易方式。運用量化的方法,不少投資者獲得了超額收益,更多的卻發(fā)生了虧損,有的量化交易行為甚至對市場產(chǎn)生了負面影響。1998年長期資本管理公司破產(chǎn)倒閉、2008年全球金融危機以及2010年5月6日美國股市盤中暴跌等重大事件爆發(fā)后,量化交易被廣泛質(zhì)疑。量化交易的快速交易特點在一定程度上的確引起了市場不適,但交易者對于量化策略的盲目自信才是導(dǎo)致巨額虧損并造成不良市場影響的主因。因此,加強交易策略內(nèi)在的風(fēng)險控制能力才是量化交易取得成功的關(guān)鍵,特別是在市場異常波動時期,引入風(fēng)險控制技術(shù)至關(guān)重要。量化交易對市場的影響以及復(fù)雜交易策略的構(gòu)建是當(dāng)前學(xué)術(shù)界對量化交易研究的重點。在量化交易對市場影響方面,Hendershott和Riordan (2012)等研究分別表明了量化交易在減少市場摩擦、改善市場效率等方面能起到重要作用。在交易策略的構(gòu)建方面,計算技術(shù)的發(fā)展使得復(fù)雜算法用于構(gòu)建量化策略成為可能,Kapoor et al(2011)等將遺傳算法用于交易算法設(shè)計,Monakhov (2008)等使用神經(jīng)網(wǎng)絡(luò)算法構(gòu)建量化策略。量化策略風(fēng)險管理方面的研究卻很少,實踐中則通常采用設(shè)置止損點的方法控制風(fēng)險,但在止損點的選取上存在較大的主觀性,同時在時效性上也存在缺陷。在此背景下,Strub (2012)使用頭寸管理方法對交易策略進行風(fēng)險管理,相比于止損點,基于頭寸管理的方法具有客觀依據(jù)和時變性優(yōu)點。因此,本文將基于頭寸管理視角,在不同風(fēng)險度量指標(biāo)約束下構(gòu)建量化策略,并對比不同策略的優(yōu)劣。在風(fēng)險測度方面,風(fēng)險指標(biāo)的合適選取是有效度量金融風(fēng)險的保證。VaR和CVaR是度量尾部風(fēng)險的重要指標(biāo),CVaR符合風(fēng)險指標(biāo)的一致性要求,二者至今被廣泛用于風(fēng)險管理實踐中。CDaR在形式上與CVaR類似,是基于跌幅(Drawdown)損失函數(shù)構(gòu)建的尾部風(fēng)險指標(biāo),具有比VaR和CVaR更優(yōu)良的特性。數(shù)據(jù)是一切研究的前提,金融數(shù)據(jù)的“尖峰厚尾”特征被廣泛證實,對數(shù)據(jù)分布的“厚尾”進行建�？坍嬍菧蚀_度量風(fēng)險的關(guān)鍵。極值理論被用于小概率事件統(tǒng)計分析,在厚尾分布建模問題上具有較大的優(yōu)勢,將極值理論用于金融建模是當(dāng)前熱點。在使用極值理論時存在尾部數(shù)據(jù)稀缺的問題,FHS數(shù)據(jù)模擬技術(shù)結(jié)合了歷史模擬和蒙特卡羅模擬的優(yōu)點,是解決數(shù)據(jù)稀缺性的一種有效途徑。本文將基于極值理論和FHS模擬技術(shù)計算風(fēng)險測度指標(biāo),并引入到交易策略的構(gòu)建中。構(gòu)建基于風(fēng)險約束的交易策略要經(jīng)過數(shù)據(jù)擬合、風(fēng)險度量、參數(shù)優(yōu)化和策略回測等幾個階段,既要選擇充分有效的數(shù)據(jù)擬合模型,又要選取合適的指標(biāo)度量風(fēng)險,還要考慮數(shù)據(jù)的厚尾特征。因此策略構(gòu)建中,本文將使用2006-2015年上證綜合指數(shù)數(shù)據(jù),采用規(guī)范分析和實證分析相結(jié)合的研究方法進行研究。規(guī)范分析方面,本文將總結(jié)歸納當(dāng)前對于風(fēng)險度量以及量化交易的研究文獻,重點把握在交易策略中引入風(fēng)險控制技術(shù)的脈絡(luò)以及最新的風(fēng)險度量技術(shù)的運用。實證分析方面,本文將采用GARCH類模型擬合數(shù)據(jù),使用FHS技術(shù)模擬數(shù)據(jù),引入極值理論用于上證綜指收益率數(shù)據(jù)厚尾分布建模,通過R軟件包處理數(shù)據(jù)并進行數(shù)值計算,最后通過大量圖表等方式呈現(xiàn)研究結(jié)果,盡力生動形象的展示研究過程。本文分別構(gòu)建了VaR約束策略、EVT-VaR約束策略、EVT-CDaR約束策略,并將綜合比較分析三種策略在風(fēng)險控制能力上的區(qū)別,以及三種策略與原始策略的收益特征。本論文共分為五章,第一章為緒論,介紹本文研究背景、研究意義、研究內(nèi)容、研究方法以及本文創(chuàng)新點。第二章為文獻綜述,對當(dāng)前風(fēng)險管理技術(shù)進行總結(jié),從中提煉當(dāng)前風(fēng)險度量研究的重點和趨勢,并詳細介紹當(dāng)前量化交易及其風(fēng)險管理的研究現(xiàn)狀等,最后對當(dāng)前研究進行了簡要評述。第三章為研究設(shè)計,詳細闡述不同風(fēng)險度量模型,基于極值理論對厚尾分布建模,以及FHS數(shù)據(jù)模擬技術(shù),并從理論角度對比分析不同模型的優(yōu)劣,從而選擇最佳模型為后文的研究奠定基礎(chǔ),最后對本章進行了簡要總結(jié)。第四章為量化策略的構(gòu)建和實證分析。在本章,本文以趨勢跟蹤策略為原始策略,在此基礎(chǔ)上引入VaR、EVT-VaR、EVT-CDaR構(gòu)建了三種風(fēng)險約束策略,并就上證綜指2006-2015年的數(shù)據(jù)進行了實證檢驗,在風(fēng)險和收益兩個維度上比較四種策略的優(yōu)劣。本章首先檢驗了上證綜指收益率分布特征,并對比了三種GARCH類模型對數(shù)據(jù)的擬合效果,最終確定ARMA-TGARCH為最優(yōu)模型,并將此模型用于FHS數(shù)據(jù)模擬過程中。通過對比模擬數(shù)據(jù)與原始數(shù)據(jù),檢驗FHS技術(shù)的有效性。在構(gòu)建VaR約束策略時,本文使用EWMA方法計算VaR,并通過計算動態(tài)調(diào)整的杠桿水平對頭寸進行調(diào)整。EVT-VaR約束策略,運用了極值理論、FHS方法對收益率尾部分布進行擬合,并計算EVT-VaR,同樣需要計算調(diào)整杠桿水平引入風(fēng)險控制。EVT-CDaR策略是對MDD序列進行厚尾建模,并計算CDaR和杠桿水平,進而構(gòu)建策略。本文研究的主要結(jié)論有：第一,基于當(dāng)前風(fēng)險和設(shè)置的風(fēng)險上限(Target)構(gòu)造的調(diào)整杠桿能夠很好的反映當(dāng)前風(fēng)險狀況,當(dāng)前風(fēng)險水平較低時,杠桿較高,意味著可以增加頭寸；當(dāng)前風(fēng)險水平較高時,杠桿較低,意味著要降低頭寸。第二,在設(shè)置VaR上限(Target VaR)為3%的前提下,基于VaR約束和EVT-VaR約束的趨勢跟蹤策略實現(xiàn)了比原始策略更高的收益。第三,在適當(dāng)設(shè)置CDaR上限(Target CDaR)后,基于EVT-CDaR約束的趨勢跟蹤策略可以實現(xiàn)超過原始策略的收益,Target CDaR設(shè)置越大,EVT-CDaR策略的收益越高。第四,在三種基于風(fēng)險約束交易策略中,VaR約束策略收益最高,同時回撤風(fēng)險最大；EVT-CDaR約束策略的收益是三種策略中最低的,回撤風(fēng)險也是最小的,說明EVT-CDaR是一種更為嚴格的風(fēng)險度量方法。第五,從風(fēng)險指標(biāo)的波動性來看,EVT-CDaR波動性最小,VaR波動性最大,說明EVT-CDaR相比VaR而言是一種更為穩(wěn)定的風(fēng)險指標(biāo)。本文研究的主要創(chuàng)新點主要體現(xiàn)在以下幾個方面：首先,本文將最新的風(fēng)險度量方法引入到交易策略的風(fēng)險控制中,利用歷史數(shù)據(jù)度量當(dāng)前的風(fēng)險水平,并在設(shè)置風(fēng)險上限的條件下計算風(fēng)險調(diào)整杠桿,進而實現(xiàn)對交易頭寸的動態(tài)調(diào)整,具有客觀性和是時變性優(yōu)點。其次,本文在計算CDaR時,是基于MDD序列而非DD序列,MDD隨機性更強且分布的右尾是厚尾的,更符合極值分布的要求和特點。最后,本文將FHS數(shù)據(jù)模擬技術(shù)用于EVT-CDaR的計算是很好的嘗試,FHS技術(shù)具有精確反映數(shù)據(jù)特點的優(yōu)勢,因而使得在較短的時間窗口內(nèi)進行極值擬合成為可能,避免了窗口過長導(dǎo)致計算的風(fēng)險指標(biāo)不能及時反映當(dāng)下風(fēng)險的問題。不可避免的,由于研究水平有限,本文還存在不足之處：一是在部分參數(shù)的選取上,本文基于操作性上的考慮,將樣本整體估計的參數(shù)作為滾動窗口參數(shù),存在一定的主觀性。二是本文選取了趨勢跟蹤策略作為原始策略,雖然趨勢跟蹤策略在過往的運用中取得了較好業(yè)績,但不能否認,在波動市場行情中,趨勢策略暴露了許多缺陷,比如容易產(chǎn)生虛假信號等等,導(dǎo)致使用杠桿調(diào)整頭寸后可能遭受更大的損失。因此進一步的研究方向,首先要選擇有效的方法對窗口數(shù)據(jù)進行參數(shù)的直接估計,以得到更反映當(dāng)前情景的擬合模型；其次要選擇更為貼近市場情況的交易策略進行回測檢驗,并考慮交易成本等實際交易因素,進一步驗證將風(fēng)險技術(shù)引入到交易策略構(gòu)建中的有效性和穩(wěn)定性。
【關(guān)鍵詞】：量化交易 趨勢跟蹤策略 極值理論 FHS模擬 尾部風(fēng)險度量
【學(xué)位授予單位】：西南財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F224;F832.51
【目錄】：

• 摘要4-8
• Abstract8-14
• 1. 緒論14-21
• 1.1 研究背景14-16
• 1.2 研究意義16-17
• 1.3 研究方法17
• 1.4 研究內(nèi)容17-19
• 1.5 創(chuàng)新之處19-21
• 2. 文獻綜述21-32
• 2.1 早期風(fēng)險度量方法的簡單回顧21-22
• 2.2 尾部風(fēng)險度量方法VAR、CVAR及CDAR22-25
• 2.2.1 基于收益損失函數(shù)的風(fēng)險度量方法VaR和CVaR22-24
• 2.2.2 基于跌幅損失函數(shù)的風(fēng)險度量方法CDaR24-25
• 2.3 基于厚尾分布的風(fēng)險度量25-27
• 2.4 量化交易及其風(fēng)險管理27-30
• 2.5 簡要評述30-32
• 3. 研究設(shè)計32-40
• 3.1 尾部風(fēng)險測度模型32-35
• 3.1.1 VaR和CVaR模型32-33
• 3.1.2 CDaR模型33-35
• 3.2 基于極值理論的厚尾分布建模35-38
• 3.2.1 廣義極值分布GEV36-37
• 3.2.2 廣義帕累托分布GPD37-38
• 3.3 基于FHS的數(shù)據(jù)模擬38-39
• 3.4 本章小結(jié)39-40
• 4. 基于風(fēng)險約束的策略構(gòu)建與實證分析40-70
• 4.1 數(shù)據(jù)的擬合與FHS數(shù)據(jù)模擬40-53
• 4.1.1 樣本數(shù)據(jù)40-43
• 4.1.2 收益率數(shù)據(jù)擬合43-51
• 4.1.3 FHS數(shù)據(jù)模擬51-53
• 4.2 基于VAR和EVT-VAR約束的交易策略的構(gòu)建53-61
• 4.2.1 趨勢跟蹤策略53-55
• 4.2.2 基于VaR約束的交易策略55-58
• 4.2.3 基于EVT-VaR約束的交易策略58-61
• 4.3 基于EVT-CDAR約束的交易策略的構(gòu)建61-65
• 4.4 四種交易策略比較分析65-68
• 4.5 本章小結(jié)68-70
• 5. 結(jié)論70-74
• 5.1 研究總結(jié)70-71
• 5.2 政策建議71-73
• 5.3 研究展望73-74
• 參考文獻74-80
• 后記80-81
• 致謝81

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 林巍;劉伶;;交易延遲與機構(gòu)投資者交易策略研究[J];統(tǒng)計與信息論壇;2006年06期

2 溫小敏;顧鋒娟;;馬爾可夫交易策略研究[J];統(tǒng)計與決策;2007年01期

3 李志生;;最優(yōu)交易策略問題的動態(tài)求解方法[J];中國管理科學(xué);2008年03期

4 李小天;;不交易的交易策略[J];理財;2011年04期

5 丁濤;;配對交易策略在A股市場的應(yīng)用與改進[J];中國商貿(mào);2013年05期

6 陸志昌;左東;;大庫存股票的最優(yōu)交易策略芻議[J];長春教育學(xué)院學(xué)報;2013年05期

7 燕汝貞;李平;曾勇;;一種面向高頻交易的算法交易策略[J];管理科學(xué)學(xué)報;2014年03期

8 朱敏;市場分析與常用交易策略[J];中國外匯管理;2001年11期

9 攀登,鄒炎,劉海龍,吳沖鋒;考慮不完全知情交易者的交易策略分析[J];系統(tǒng)工程理論與實踐;2003年10期

10 魏宇;;金融市場異常交易策略研究評述[J];經(jīng)濟學(xué)動態(tài);2005年03期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 王明日;劉善存;;限價指令交易策略的收益水平研究[A];第八屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2006年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 好買基金研究中心 梁正;交易策略“適”者為王[N];經(jīng)濟日報;2014年

2 記者 張歡;期市投資不斷完善交易策略才能持久盈利[N];期貨日報;2012年

3 國泰君安期貨 劉上青　劉佳偉;芝商所豆類期貨的交易策略[N];期貨日報;2014年

4 寶城期貨金融研究所 程小勇;適合自己的交易策略才是最好的策略[N];中國證券報;2014年

5 肖懿;外匯交易策略[N];中國證券報;2003年

6 ;外匯交易策略(22)[N];中國證券報;2003年

7 馮迪凡;“他確信自己已經(jīng)發(fā)明了一種偉大的新交易策略”[N];第一財經(jīng)日報;2008年

8 ;交易策略研究要多總結(jié)歷史規(guī)律[N];期貨日報;2009年

9 王智勇;商品市場交易策略[N];期貨日報;2004年

10 記者 饒紅浩;程序化交易策略需耐得住寂寞[N];期貨日報;2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 燕汝貞;基于隱性交易成本的算法交易策略研究[D];電子科技大學(xué);2014年

2 宋慶陽;適應(yīng)性市場假說：基于中國資本市場的實證研究[D];重慶大學(xué);2015年

3 王利軍;基于多主體仿真的原油期貨市場交易策略優(yōu)選研究[D];中國地質(zhì)大學(xué)(北京);2016年

4 來升強;高頻數(shù)據(jù)交易策略與波動性分析[D];廈門大學(xué);2009年

5 付蘭多;斯里蘭卡股市新興的盈利技術(shù)交易策略的市場效率和適用性[D];華中師范大學(xué);2012年

6 王帥;量化投資：從行為金融到高頻交易[D];華東師范大學(xué);2013年

7 王寶森;股票指數(shù)期貨交易策略及風(fēng)險管理研究[D];天津大學(xué);2004年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳敏鵬;基于適應(yīng)性市場假說的股票交易策略研究[D];華南理工大學(xué);2015年

2 羅慧;白銀跨市套利策略研究[D];西南交通大學(xué);2015年

3 馮毅鋒;技術(shù)分析有效性研究[D];華南理工大學(xué);2015年

4 陸昱廷;我國股票市場技術(shù)分析交易策略實證研究[D];復(fù)旦大學(xué);2014年

5 孫夢榮;高頻交易策略投資組合模型及其應(yīng)用研究[D];首都經(jīng)濟貿(mào)易大學(xué);2015年

6 陳航;程序化交易策略在股指期貨上的應(yīng)用研究[D];廣西大學(xué);2015年

7 宋天琪;基于高頻交易策略的BIAS技術(shù)指標(biāo)統(tǒng)計分析[D];哈爾濱工業(yè)大學(xué);2015年

8 葛東;滬深300期指和指數(shù)的相關(guān)性及交易策略探究[D];哈爾濱工業(yè)大學(xué);2014年

9 丁超群;期貨程序化套利平臺研究與實現(xiàn)[D];上海交通大學(xué);2014年

10 嚴博;金石期貨公司期貨程序化交易及用戶管理系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

，

本文編號：639019