指数增强策略的背后

工作之后，一有空闲的时间就想玩想休息，今天抽空写了篇关于指数增强的文章。

1. 什么是指数？

相信有过一段时间股票投资经验的朋友们都知道什么叫做指数，股票指数具体计算规则比较复杂，其涨跌的幅度主要是根据一些股票的涨跌幅度加权得到的。不同的指数涨跌是由不同的股票集合的涨跌加权计算得到的，而这个股票集也是会不断更新的。

A股市场常见的指数有上证指数、深证成指、沪深300和中证500等。不同指数所反应的也是不同的股票集，沪深300的涨跌反应了大市值股票的涨跌，而中证500的涨跌则反应了中小市值股票的涨跌。

2. 什么是指数增强？

指数增强，其不追求绝对收益，只追求相对收益。指数的长期涨跌影响因素复杂，其受到政策、经济等因素的影响。指数增强策略不考虑这些复杂因素对股票市场的影响，其追求相对指数的相对收益或叫超额收益。假设策略对标的指数是中证500，如果中证500涨了10个点，指增策略（指数增强策略）涨了20个点，那个超额收益为10个点。

目前量化指增策略越来越火，最近2年涌现了很多百亿量化私募。这些量化私募大部分的管理规模都在指数增强策略上。目前越来越多的私募开始募资做指增策略，主要也是看中了指增策略的市场。比如100亿的规模，光管理费就能收1个亿，如果业绩好的话算上策略盈利，一年也能赚5个亿以上，这5个亿大概50到100个人分。可见这部分的市场前景还是很大的，很多私募都想分一杯羹。

3. 指数增强的背后

下面主要讲的是量化私募的指数增强策略。不管什么策略，其往往都需要一个预测模型去估算赚钱的概率或所能得到的收益，机器学习模型可以预测赚钱的概率或未来的收益，传统的规则模型则通过人为设计的规则规避了收益期望为负的一些情况。

目前比较主流的指数增强策略都应用了深度学习模型在预测上，虽然深度学习模型在预测速度上不如其他一些简单的策略，但是它有更高的预测能力。速度要求越高的策略往往容量也非常的小。对于想做大的私募一定是需要大容量的指增策略的，而大容量的高收益的指增策略一定是需要一个高精度的预测模型。就目前的实践上来看深度学习模型的预测能力也优于传统的机器学习模型（A股市场上）。高频策略需要以毫级别甚至微妙级别的时间计算信号并买入，但股票上的大容量策略不需要，当出现买入信号时，可以在分钟级别或小时级别的时间上不断地拆单买入。

目前大私募一般会把研究团队分为四部分。第一部分成员负责构建特征（或叫因子），这些特征主要包括基本面、技术和另类特征。基本面特征主要是市值、所属行业等一些基本信息；技术特征主要跟成交量、涨幅有关系；另类特征就是一般就是少部分人拥有的特征，比如股票新闻的情感分析等。第二部分成员负责生成预测模型，其会利用不同的label不同的特征训练不同的预测模型，这些不同的预测模型会产生不同的预测值。有些预测值可能是概率，有些可能涨幅，有些又有可能是超额等，…。第三部分成员主要负责策略主体框架的构建，这部分成员会利用模型产生的预测值进行策略的构建，如何进行换仓及如何组合多个预测值等一系列的负责工作都是由这部分人来完成。第四部分成员主要负责优化下单算法，当策略给出了买卖信号，好的下单算法可以大大的降低股票买入或卖出的成本。对于一些快速上涨的股票，可以挂高价快速买入从而迅速获得超额收益，对于慢涨的股票可以慢慢的挂单等被动成交。当然不同的私募可能在任务分配上会略有不同，但主流的量化指增策略其整一个完整的流程就大致是这样的。

当然指增策略也分很多种类，比如有些私募在股票上做T0从而获取超额收益，有些则通过调仓换股获取超额收益。目前很多指增策略实际是量化多头策略，其买卖的票池是全市场的票池，部分指增策略只在限定的票池中操作，比如中证1000的票池。

以上就是我所了解的关于指增策略的一些内容，消息渠道不多，可能部分地方略有不对，敬请谅解。

对量化、数据挖掘、深度学习感兴趣的可以关注公众号，本人不定期分享有关这些方面的研究。

个人知乎：
https://www.zhihu.com/people/e-zhe-shi-wo/activities