基于信息的預(yù)測(cè)劉宏志教授l

時(shí)間序列數(shù)據(jù)時(shí)間序列(time

series)：按時(shí)間順序記錄的同一個(gè)(或一組)變量的一系列觀測(cè)值時(shí)間序列數(shù)據(jù)組成：由觀測(cè)時(shí)間t和觀測(cè)值y兩部分要素組成時(shí)間要素t表示觀測(cè)的時(shí)間（時(shí)間點(diǎn)vs時(shí)間段）數(shù)值要素y表示觀測(cè)變量的取值（數(shù)值vs向量）時(shí)間t……觀測(cè)值y……時(shí)序分析流程畫出時(shí)間序列圖觀察序列的走勢(shì)的規(guī)律，選擇合適的擬合或預(yù)測(cè)方法選擇性能評(píng)估方法和指標(biāo)，并確定相應(yīng)的目標(biāo)函數(shù)構(gòu)建數(shù)學(xué)模型求解或估計(jì)模型參數(shù)，并評(píng)估模型的應(yīng)用效果時(shí)間t……觀測(cè)值y……

自回歸模型自回歸模型

移動(dòng)平均假設(shè)：時(shí)間序列是局部平穩(wěn)的且具有不變或緩慢變化的均值基本思想：采用移動(dòng)的（局部）平均值來估計(jì)序列平均值的當(dāng)前值，并用它來預(yù)測(cè)下一時(shí)刻（或時(shí)期）的情況常用模型：根據(jù)預(yù)測(cè)時(shí)使用的各元素的權(quán)值不同，可構(gòu)造不同模型簡單移動(dòng)平均、加權(quán)移動(dòng)平均、指數(shù)平滑法

ARIMA模型

以自回歸為主，差分用于使其滿足平穩(wěn)性，移動(dòng)平均用于修正預(yù)測(cè)誤差時(shí)序平穩(wěn)性背景：自回歸模型假設(shè)時(shí)間序列滿足平穩(wěn)性時(shí)序平穩(wěn)性時(shí)間序列的均值、方差和協(xié)方差等統(tǒng)計(jì)特征不隨時(shí)間的推移而發(fā)生變化即時(shí)間序列內(nèi)含的規(guī)律和邏輯在被預(yù)測(cè)的未來時(shí)間段內(nèi)能夠延續(xù)下去實(shí)際情況：通常時(shí)間序列不滿足平穩(wěn)性，特別是存在明顯的增長或下降趨勢(shì)時(shí)平穩(wěn)性檢驗(yàn)方法：觀察法、單位根檢驗(yàn)法等平穩(wěn)化方法：差分法、對(duì)數(shù)變換、平滑法、分解法等差分法

差分階數(shù)基本思想：差分階數(shù)越高，序列越平穩(wěn)，但每次差分都會(huì)導(dǎo)致一定信息丟失滿足平穩(wěn)性要求的條件下，差分階數(shù)越低越好平穩(wěn)性檢驗(yàn)方法：觀察法：通過查看差分后的時(shí)序圖判斷序列是否平穩(wěn)單位根檢驗(yàn)法：ADF檢驗(yàn)（AugmentedDickey-Fullertest）ARIMA模型:AR&MA

案例：黃金價(jià)格預(yù)測(cè)黃金作為一種重要的投資標(biāo)的數(shù)據(jù)：以2001~2008年共計(jì)8年的數(shù)據(jù)作為訓(xùn)練集以2009~2010年共計(jì)2年數(shù)據(jù)作為測(cè)試集預(yù)測(cè)性能評(píng)測(cè)指標(biāo)：平均絕對(duì)誤差MAE和均方根誤差RMSE預(yù)測(cè)方法：簡單移動(dòng)平均、加權(quán)移動(dòng)平均和ARIMA模型案例：黃金價(jià)格預(yù)測(cè)階數(shù)選?。汉唵我苿?dòng)平均和加權(quán)移動(dòng)平均中的階數(shù)p分別取3、6和12ARIMA模型使用R語言中的auto.arima()函數(shù)，根據(jù)訓(xùn)練數(shù)據(jù)自動(dòng)選擇自回歸階數(shù)p、差分階數(shù)d和移動(dòng)平均階數(shù)q權(quán)值：加權(quán)移動(dòng)平均使用R語言中WMA()函數(shù)的默認(rèn)權(quán)重ARIMA模型使用R語言中的auto.arima()函數(shù)在訓(xùn)練集上學(xué)習(xí)權(quán)值算法簡單移動(dòng)平均法加權(quán)移動(dòng)平均法ARIMAp=12p=6p=3p=12p=6p=3p,d,q=0,2,1RMSE111.6166.6536.7181.4848.4624.9136.10MAE102.0056.8130.5173.5539.6120.9230.05案例：黃金價(jià)格預(yù)測(cè)算法簡單移動(dòng)平均法加權(quán)移動(dòng)平均法ARIMAp=12p=6p=3p=12p=6p=3p,d,q=0,2,1RMSE111.6166.6536.7181.4848.4624.9136.10MAE102.0056.8130.5173.5539.6120.9230.05基于循環(huán)神經(jīng)網(wǎng)絡(luò)的時(shí)序分析循環(huán)神經(jīng)網(wǎng)絡(luò)循環(huán)神經(jīng)網(wǎng)絡(luò)RNN：一種包含循環(huán)的神經(jīng)網(wǎng)絡(luò)模型可以看作是一個(gè)隨著時(shí)間推移重復(fù)發(fā)生的網(wǎng)絡(luò)結(jié)構(gòu)循環(huán)神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的異同：都是由輸入層、隱藏層和輸出層三部分組成RNN的隱藏層有一個(gè)箭頭表示數(shù)據(jù)的循環(huán)更新，以達(dá)到記憶的目的循環(huán)神經(jīng)網(wǎng)絡(luò)

循環(huán)神經(jīng)網(wǎng)絡(luò)：參數(shù)學(xué)習(xí)

長短期記憶網(wǎng)絡(luò)（LSTM）

長短期記憶網(wǎng)絡(luò)（LSTM）

門控循環(huán)單元網(wǎng)絡(luò)GRU

案例：股票價(jià)格預(yù)測(cè)數(shù)據(jù)：2010年1月至2020年12月貴州茅臺(tái)股票的每日開盤價(jià)，共計(jì)2668條數(shù)據(jù)以2010~2018年共計(jì)9年的數(shù)據(jù)作為訓(xùn)練集，共2181條數(shù)據(jù)以2019~2020年共計(jì)2年數(shù)據(jù)作為測(cè)試集，共487條數(shù)據(jù)預(yù)測(cè)性能評(píng)測(cè)指標(biāo)：RMSE、MAE、MAPE預(yù)測(cè)方法：RNN、LSTM、GRU案例：股票價(jià)格預(yù)測(cè)

案例：股票價(jià)格預(yù)測(cè)模型均方根誤差RMSE平均絕對(duì)誤差MAE平均百分比誤差MAPERNN261.8196.613.6%LSTM116.788.66.3%GRU34.825.92.1%事件驅(qū)動(dòng)的量化投資劉宏志教授

動(dòng)機(jī)與思想動(dòng)機(jī)：特定事件的發(fā)生會(huì)在一定程度對(duì)市場(chǎng)或特定資產(chǎn)的價(jià)格產(chǎn)生影響基本思想：事件驅(qū)動(dòng)從各種可能影響資產(chǎn)價(jià)格的事件和相關(guān)資產(chǎn)的價(jià)格數(shù)據(jù)中挖掘規(guī)律并利用這些規(guī)律進(jìn)行選股和/或擇時(shí)事件范圍：任何有可能影響股票市場(chǎng)的事件、新聞、公告等例如：政策的制定與調(diào)整、宏觀經(jīng)濟(jì)指標(biāo)數(shù)據(jù)的公布、企業(yè)相關(guān)的正面或負(fù)面新聞的報(bào)導(dǎo)、定期或不定期的各類企業(yè)公告的發(fā)布等基本假設(shè)：市場(chǎng)是弱式有效的或是存在局部失效事件驅(qū)動(dòng)策略：以事件作為主要信息源，通過挖掘和分析可能導(dǎo)致股價(jià)顯著變化的事件與規(guī)律，并在此基礎(chǔ)上進(jìn)行選股和/或擇時(shí)以期獲得超額回報(bào)。一般流程確定事件集：根據(jù)實(shí)踐經(jīng)驗(yàn)或理論知識(shí)確定待使用的事件或事件集合事件研究：分析事件的發(fā)生是否會(huì)產(chǎn)生能夠帶來超額收益的機(jī)會(huì)和對(duì)應(yīng)的持續(xù)時(shí)長策略構(gòu)建：利用通過顯著性檢驗(yàn)的事件構(gòu)建相應(yīng)的投資策略回測(cè)分析：通過回測(cè)分析來檢驗(yàn)策略效果事件研究法動(dòng)機(jī)與思想動(dòng)機(jī)：事件的發(fā)生是否會(huì)產(chǎn)生能夠帶來超額收益的機(jī)會(huì)？若能產(chǎn)生，則需進(jìn)一步明確該收益是否可以持續(xù)存在？基本思想剝離宏觀、中觀和公司基本面對(duì)資產(chǎn)價(jià)格波動(dòng)的影響，

僅研究單一主題事件發(fā)生在特定時(shí)間范圍內(nèi)的影響通過研究特定事件發(fā)生前后資產(chǎn)收益率的變化，

并利用資產(chǎn)收益率出現(xiàn)的異常反應(yīng)來分析事件的影響主要步驟（1）定義事件與研究假設(shè)（2）設(shè)置事件研究窗口期事件窗口：事件可能產(chǎn)生影響的時(shí)間窗口，一般選擇事件發(fā)生前后的一段時(shí)間，并將事件發(fā)生日記為t=0。估計(jì)窗口：用于確定正常期望收益率估算模型及其參數(shù)的時(shí)間窗口，一般選擇事件發(fā)生前的一段時(shí)間。主要步驟（1）定義事件與研究假設(shè)（2）設(shè)置事件研究窗口期（3）選擇研究樣本根據(jù)研究對(duì)象和研究目的確定樣本選取標(biāo)準(zhǔn)，并據(jù)此收集數(shù)據(jù)為剝離其他因素影響，需剔除有其他重大事件發(fā)生時(shí)段的樣本或是選擇時(shí)間足夠長、覆蓋各種情況的樣本集，以期望其他正負(fù)事件樣本的影響相互抵消主要步驟（1）定義事件與研究假設(shè)（2）設(shè)置事件研究窗口期（3）選擇研究樣本（4）選擇或構(gòu)造正常期望收益率估算模型（5）估算異常收益率（6）檢驗(yàn)異常收益率的顯著性和穩(wěn)定性主要步驟：估算正常收益

主要步驟：估算異常收益

時(shí)間t0123412.33%10.29%7.10%8.08%9.93%-0.14%0.36%3.40%2.19%2.21%12.47%9.93%3.69%5.89%7.72%39.71%主要步驟：估算異常收益

n表示樣本個(gè)體的數(shù)量實(shí)例：定向增發(fā)事件時(shí)間窗口累積異常收益率均值CAAR累積異常收益率方差t檢驗(yàn)p值[-10,0]1.44%0.00188%0.10759[1,2]-0.88%0.00019%0.00101[3,45]6.29%0.03700%0.00004事件驅(qū)動(dòng)策略單事件驅(qū)動(dòng)策略(1)選擇合適的事件持續(xù)性（容易把握但頻率低）vs短期（頻率高但難以把握）(2)確定持倉時(shí)長（事件影響窗口）基于歷史樣本數(shù)據(jù)，畫出AAR和CAAR走勢(shì)圖，結(jié)合統(tǒng)計(jì)檢驗(yàn)(3)設(shè)計(jì)資金的分配與調(diào)整機(jī)制假設(shè)每次事件發(fā)生能夠帶來的收益相同一般會(huì)采用平均的資金分配策略多事件驅(qū)動(dòng)策略動(dòng)機(jī)：提高資金利用效率，避免資金長時(shí)間處于空倉狀態(tài)降低單事件模型的回撤，在單事件失效時(shí)對(duì)沖風(fēng)險(xiǎn)常用做法：分賬號(hào)投資：將資金分配到不同的子賬號(hào)，每個(gè)賬號(hào)負(fù)責(zé)一個(gè)單獨(dú)的事件分優(yōu)先級(jí)投資：賦予不同事件不同的優(yōu)先級(jí)，并以投資高優(yōu)先級(jí)事件為主，當(dāng)有資金空閑時(shí)才投資低優(yōu)先級(jí)事件股票案例：多事件驅(qū)動(dòng)量化策略事件選擇與研究假設(shè)事件選擇：業(yè)績預(yù)增、要約收購、分析師上調(diào)評(píng)級(jí)假設(shè)：投資業(yè)績預(yù)增、要約收購、分析師上調(diào)評(píng)級(jí)事件發(fā)生的股票能夠帶來正向超額收益單一事件結(jié)果存在不確定性，例前期市場(chǎng)對(duì)某股票過于看好，但實(shí)際業(yè)績預(yù)增不及預(yù)期，則該事件可能會(huì)使股價(jià)下跌通過綜合多事件能夠更加準(zhǔn)確地預(yù)判市場(chǎng)未來走勢(shì)，降低單事件模型導(dǎo)致的回撤，并提高資金利用效率數(shù)據(jù)獲取與分析樣本內(nèi)數(shù)據(jù)：2019年1月1日至2020年12月31日發(fā)生業(yè)績預(yù)增、要約收購、分析師上調(diào)評(píng)級(jí)事件的滬深A(yù)股樣本外數(shù)據(jù)：2021年1月1日至2021年12月31日發(fā)生業(yè)績預(yù)增、要約收購、分析師上調(diào)評(píng)級(jí)事件的滬深A(yù)股估計(jì)窗口：事件發(fā)生前250個(gè)交易日至前1個(gè)交易日事件窗口：事件發(fā)生日至后100個(gè)交易日事件影響窗口：業(yè)績預(yù)增累積異常收益率在公告日后27個(gè)交易日達(dá)到1.19%，交易成本為0.16%，復(fù)利年化收益率為9.99%，年化風(fēng)險(xiǎn)為1.20%，頻率61次事件影響窗口：要約收購累積異常收益率在公告日后63個(gè)交易日達(dá)到11.03%，交易成本為0.36%，復(fù)利年化收益率為49.51%，年化風(fēng)險(xiǎn)為3.94%，頻率4次事件影響窗口：上調(diào)評(píng)級(jí)累積異常收益率在公告日后7個(gè)交易日達(dá)到3.53%，交易成本為0.24%，復(fù)利年化收益率為170.91%，年化風(fēng)險(xiǎn)為3.53%，頻率9次回測(cè)結(jié)果事件數(shù)量策略類型超額收益年化收益波動(dòng)率最大回撤夏普比率信息比率單事件業(yè)績預(yù)增28.06%24.36%0.1187.72%1.7241.593要約收購37.73%34.00%0.1818.84%1.6551.62