炒股问题_股票知识问答_股票黑马推荐_问股网_在线诊股 设为首页 - 加入收藏 - 网站地图

对冲成本测算(量化对冲交易)

美国国债价格反弹可能会被一些最大规模的持有者——比如日本投资者所忽略,这个美债最大海外持有者目前可能“心有余力而不足”。

摘要

2022年在俄乌冲突、美元加息周期、中国疫情的持续扰动下,权益市场持续下行,多数策略遭遇回撤,而CTA策略因“危机Alpha”属性和低相关性特点涨幅居前。

2022年,市场的交易主线集中于美国通胀不断走高、美联储的货币政策不断超预期紧缩,美债收益率快速走强。且由于对经济长期衰退预期的加剧,长端收益率和短端形成长期倒挂局面。

截至目前,公募基金管理人共发行成立8只对冲套利基金,其中6只为今年之前成立,截至8月4日,这6只对冲套利基金今年以来平均收益率为13.35%,考虑到这类基金较小的净值回撤风险,这样的收益率应该可以令人满意,其中嘉实绝对收益策略和海富通阿尔法对冲基金收益率最高,分别达17.89%和17.55%。广发对冲套利和中金绝对收益策略两只今年成立的基金成立以来分别赚13.5%和5.5%,

对于这类对冲套利基金来说,其最惊艳的表现出现在大幅调整市,由于持有大量股指期货空头合约,这些基金实现了大盘风险的对冲,并利用选股优势获取阿尔法收益。我们以6月15日至8月4日的表现观察8只量化对冲基金的表现可以发现,有6只基金实现正收益,广发对冲套利和嘉实绝对收益策略表现最佳,区间收益分别达4.03%和3.2%,个别基金未能实现正收益,但亏损较小。

根据好买基金网提供的数据,记者选取了63只量化对冲私募基金截至7月31日近1月、近三月和今年以来的表现发现,这三个时间段63只量化对冲私募基金平均收益率分别为0.47%、9.17%和22.15%,其总体表现要好于公募系量化对冲基金。不过,其业绩分化也更为显著,以近1月业绩表现为例,取得正收益的量化对冲私募基金有38只,其余25只收益告负。正回报的基金中有12只产品收益超过3%,表现突出,中鼎创富量化对冲一期甚至取得15.19%的收益率,显著超过其他基金。而在收益告负的量化对冲私募中,个别基金亏损幅度较大。

券商系量化对冲产品方面,多家券商都推出了各自的市场中性策略资管产品,一些券商甚至推出了多个产品。理财君筛选出了16只主要产品进行对比发现,这16只量化对冲券商资管产品近1月、近3月和今年以来平均收益率分别为1.59%、6.48%和17.61%,其今年以来的表现好于公募,但低于私募。这也反映出公募基金在量化对冲产品管理方面尚缺乏足够的经验。

 

其它策略相关性低

 

注:考虑到2015年9月至2018年底市场中性策略指数基本走平,剔除该段收益率后统计的数据依然呈现显著的低相关性特征。

蒋晓炜:如果说我们是做中高频,有可能我们赚的是其他散户和其他低频公募基金的钱。我就举个例子,指数有两种设计指数的方法,一个是等权重指数,另一个是按照市价指数。等权重指数有一个很大的问题,如果说Facebook涨了100%,苹果只涨了50%,那么Facebook在指数中占的权重就上升了,苹果占的权重就下降了。如果你是一个跟踪这个等权重指数的基金经理的话,你得采取一些措施,使得基金能够完全跟踪指数,那时候你只能卖出Facebook、同时买入苹果的股票,那你就知道了,如果你是跟踪等权重指数的基金经理的话,哪个股票涨的越高你就卖谁,谁没涨那么多我就买谁,这也是一种策略。我们按照这个思路往下走,假设这个市场的等权重指数的基金ETF它的规模越来越大,管理这些ETF和指数基金的人,他势必要进行不停的调仓,不停调仓的结果就是说:指数里的某个股票一旦涨幅上升了,它很有可能会要卖掉,股票价格就可能会跌下来。这时候你就去测量这些股票的在等权重指数基金里面权重的失衡,有可能你会找到一个小的幅度的获利空间,你比指数基金先行一步,你先去卖或者买,你有可能就赚钱了。

古语有云:天有不测风云,人有旦夕祸福。在充满变化的金融市场中α仿佛晴天的阳光,人人向往但却无法时时拥有。在遇到阴雨天气的时候(α减弱甚至为负),投资者可以选择适当地避雨(不过多追求对冲基金的绝对收益或暂时在多头端跟住被动指数的步伐不偏离)以待天晴。在量化对冲基金绝对收益为零甚至为负的情况下,货币基金或许以风险更小、收益微薄的相对优势提供暂时的避风港。

而针对券商系量化对冲产品选择,综合中短期业绩可以看出,中信证券旗下中信量化对冲1号和5号表现最为突出,优势明显。海通量化对冲2号的表现也较为突出,拥有较多产品的国金证券旗下量化对冲产品今年以来表现突出,但在近一个月多为负收益。国泰君安作为较早运作量化对冲产品的大型券商,其产品成立以来收益一般,今年以来表现相对较好。

[对冲成本测算(量化对冲交易)]

引用地址:https://www.gupiaohao.com/202306/33773.html

tags: