交易基础知识

资本资产定价模型CAPM（Capital Asset Pricing Model）

i:：资产 i；
r：回报率；
E()：预期；
m：市场；
f：无风险；
r_f：无风险回报率；
r_m：市场回报率；
r_i：资产 i 的回报率；
E(r_m)：市场m的预期回报率；
E(r_i)：资产 i 的预期回报率；
E(r_m) - r_f：市场风险溢价，这是投资者由于承担了与股票市场相关的不可分散风险而预期得到的回报；
E(r_i) - r_i：资产 i 的风险溢价；

资本资产定价模型公式：
$$E(r_i)-r_f={\beta }_{i}m\ast （E(r_m)-r_f）$$

解释

• 资本资产定价模型描述了该资产的风险溢价与市场的风险溢价之间的关系。其中 β_im系数是常数，称为资产β (asset beta）。β系数表示了资产的回报率对市场变动的敏感程度（sensitivity），可以衡量该资产的不可分散风险。
• 按照CAPM的规定，β系数是用来衡量一种证券或一个投资组合相对总体市场的波动性（volatility）的一种风险评估工具。β表示的是相对于市场收益率变动，个别资产收益率同时发生变动的程度。
  • 如果一个股票的价格和市场的价格波动性是一致的，那么这个股票的β值就是1。如果一个股票的Beta是1.5，就意味着当市场上升10%时，该股票价格则上升15%；而市场下降10%时，股票的价格亦会下降15%。
  • Beta是通过统计分析同一时期市场每天的收益情况以及单个股票每天的价格收益来计算出的。1972年，经济学家费歇尔·布莱克 (Fischer Black）、迈伦·斯科尔斯(Myron Scholes）等在他们发表的论文《资本资产定价模型：实例研究》中，通过研究1931年到1965年纽约证券交易所股票价格的变动，证实了股票投资组合的收益率和它们的Beta间存在着线形关系。当Beta值处于较高位置时，投资者便会因为股份的风险高，而会相应提升股票的预期回报率。举个例子，如果一个股票的Beta值是2.0，无风险回报率是3%，市场回报率是7%，那么市场溢价就是4%=（7%-3%），股票风险溢价为8% （2.0X4%），那么股票的预期回报率则为11%（8%+3%， 即股票的风险溢价加上无风险回报率）。
• 根据资本资产定价模型，每一证券的期望收益率应等于无风险利率加上该证券由β系数测定的风险溢价：$$E(r_i)=r_f+{\beta }_{i}m\ast （E(r_m)-r_f）$$

证券市场线SML（Securities Market Line）

说明：

1. 证券市场线的横轴是贝塔系数（只包括系统风险）；
2. 证券市场线揭示的是证券的本身的风险和报酬之间的对应关系；

投资机会集曲线

投资机会集曲线的含义：两种投资组合的投资机会集曲线描述了不同投资比例组合的风险和报酬之间的权衡关系。两种以上证券的所有可能组合会落在一个平面中。



该图揭示的特征：

1.揭示了分散化效应。曲线（1、2、3、4、5、6点连成的曲线）代表相关系数为0.2时的机会集曲线。虚直线是由全部投资于A和全部投资于B所对应的两点连接而成，它是当两种证券完全正相关(无分散化效应)时的机会集曲线。从曲线和直线间的距离，可以看出本例的风险分散效果是相当显著的。（也就是在相同期望收益下减小了风险）

2.表达了最小方差组合。曲线最左端的第2点组合被称作最小方差组合，它在持有证券的各种组合中有最小的标准差。

3.表达了投资的有效集合。在只有两种证券的情况下，投资者的所有投资机会只能出现在机会集曲线上，而不会出现在该曲线上方或下方。

4.有效集（又称有效边界），位于机会集的顶部，从最小方差组合点起到最高期望报酬率点止。集合内的投资组合在既定的风险水平上，期望报酬率是最高的，或者说在既定的期望报酬率下，风险是最低的。投资者应在有效集上寻找投资组合。
无效集出现的情况：
(1)相同的标准差和较低的期望报酬率;
(2)相同的期望报酬率和较高的标准差;
(3)较低的期望报酬率和较高的标准差。

5.相关系数=1时，机会集是一条直线，不具有风险分散化效应。
相关系数<1时，机会集会弯曲，且相关系数越小，风险分散化效应越好(不一定会产生无效集)。
相关系数足够小时，此时会产生比最低风险证券标准差还低的最小方差组合，曲线向左凸出，风险分散化的效应比较强(出现无效集)。

资本市场线CML（Capital Market Line）

上一节的投资机会集曲线，描述了随着两种证券投资比例的改变，投资组合风险和报酬之间的权衡关系。机会集曲线体现了投资者所有“可得”的投资机会。
此时，我们再引入无风险收益率，就可以得到资本市场线了。图中C点r₀表示无风险收益率。资本市场线为经过C点并与投资机会曲线相切的线，切点M在原机会集上是可得的点。

投资者可在C和F间分配资金，构造组合。组合的风险报酬是C和F的加权平均，会落在C与F的连线及其延长线上。此时原机会集有效边界上的点仍是可得的，但是投资者会更加愿意选择CML线上的点（等风险，收益更高）。该线描述了由风险资产与无风险资产构成的投资组合的期望报酬率与风险的关系。

根据上图可以得到公式：
$$r_p=r_0+\frac{r_M-r_0}{{\sigma }_M}{\sigma }_p$$

解释：
1.在切点M，风险资产组合的权重为1，无风险资产为0。这个切点组合也称为市场组合，在找个组合中，每个证券的比例等于该证券的相对市值。
2.CML上面的点，代表一部分资产投资到无风险资产C，一部分资产投资到证券市场组合M，搭配起来的所有组合，成为有效组合。
注意：资本市场线CML图中的横轴，是标准差，也就是总风险。投资面临的总风险，不但包括系统风险，还包括非系统风险。其中系统风险可从资本市场中获得相应的补偿，非系统风险无法获得补偿。非系统风险可通过多元化投资分散掉，其实就是投资到点M的市场组合来分散掉非系统风险。CML线上面的点，也就是有效组合，是分散了所有非系统风险的。
3. 资本市场线描述了有效组合的风险和收益直接的关系。
4. 根据CAPM，所有投资者都应该在资本市场线上选择自己的投资组合（由无风险证券和有效组合构成的组合）。所以整个市场上，供给是市场组合，需求是有效组合，根据供需平衡，市场组合就是有效组合。如果市场组合无效，那么就会有α不为零的情况，有的组合将不落在CML上，在CML上方的证券具有正的α，大量投资者发现并购买，造成供小于求，价格上升，预期收益率将下降，直至落回CML。

资本市场线与证券市场线的区别

1、测度内容以及度量单位不一致
资本市场线可以理解为二次组合（无风险资产与投资组合进行的二次组合）的期望收益与总风险的关系；
证券市场线反映股票的预期收益率与系统性风险的关系。

2、适用范围不同
资本市场线只适用于有效证券组合。
证券市场线既适用于单个证券，也适用于投资组合;不仅适用于有效投资组合，也适用于无效的投资组合。

3、直线斜率含义不同
资本市场线反映每单位整体风险的超额收益，即风险的价格。其斜率不受投资者对待风险态度的影响，偏好风险的投资者可以借入资金，厌恶风险的投资者可以贷出资金，但无论如何，都是在资本市场线上做选择，不会影响直线斜率。

证券市场线反映单个证券或证券组合每单位系统性风险的超额收益。其斜率取决于全体投资者对待风险的态度，如果大家都愿意承担风险，意味着风险越不值钱，风险程度较小，风险报酬率越低，斜率越小;如果大家都不愿意承担风险，一旦有人承担了风险，市场势必要多给他补偿，故风险报酬率越高，斜率越高。

证券市场线的作用在于根据“必要报酬率”，利用股票估价模型，计算股票的内在价值，资本市场线的作用在于确定投资组合的比例;此外，证券市场线比资本市场线的前提宽松，应用也更广泛。

Alpha与Beta

投资者在市场交易中面临着系统性风险（即β风险）和非系统性风险（即α风险），通过对系统性风险进行度量并将其分离，从而获取超额绝对收益(即阿尔法收益)的策略组合，即为阿尔法策略（*也称为市场中性策略）。从广义上讲，获取阿尔法收益的投资策略有很多种，其中既包括传统的基本面分析选股策略、估值策略、固定收益策略等等，也包括利用衍生工具对冲掉贝塔风险、获取阿尔法收益的可转移阿尔法策略。后者在国内通常被称为阿尔法对冲策略，并在近年A股市场上得到广泛应用。

Sharp比率

$$ShareRatio=\frac{E(r_p)-r_f}{{\sigma }_p}$$

E(r_p) 表示投资组合预期报酬率
r_f 表示无风险利率
σ_p表示投资组合的标准差

夏普比率是衡量在每承担1个单位风险的情况下，所获得的超额回报是多少。夏普比率越高，说明在承担一定风险的情况下，所获得的超额回报越高。反之，如果夏普比率很小甚至为负，说明承担一定的风险所获的超额回报很小或者没有超额回报。这非常像我们日常生活中的概念，叫作“性价比”，就是每付出一点价格就获得多少的性能。

1. 夏普比率没有基准点，其大小本身没有意义，只有在与其他组合的比较中才有价值。
2. 夏普比率的假设的模型是正态分布，也就是说只能衡量常态化的风险和超额收益，而“黑天鹅”的风险是夏普比率没办法衡量的。
3. 就像其他指标一样，夏普比率衡量的是历史表现，不能用来预测未来。

截面的概念

截面数据（cross-section data）是指在同一时间（时期或时点）截面上反映一个总体的一批（或全部）个体的同一特征变量的观测值，是样本数据中的常见类型之一。例如，工业普查数据、人口普查数据、家庭收入调查数据。在数学，计量经济学中应用广泛。
与时序数据相比较，其区别在与组成数据列的各个数据的排列标准不同，时序数据是按时间顺序排列的，横截面数据是按照统计单位排列的。因此，横截面数据不要求统计对象及其范围相同，但要求统计的时间相同。也就是说必须是同一时间截面上的数据。
下面是stats.stackexchange.com上面的一个回答：
Question： What is cross section in “cross section of stock return”?
Answer：
Cochrane (p. 435, 2005) gives a simple explanation between the difference of looking at expected returns in the time series and in the cross section:

Time series: How average returns change over time.
Cross section: How average returns change across different stock or portfolios.
So intuitively, if you study the cross section of stock returns, you want to answer the question why stock A earns higher/lower returns than stock B. That’s why you call it cross section: at one point in time, you check the cross section of many stocks. Note that you do not need a time series for that, you really need only one point in time (and in some corporate finance studies this is also done because they only want to explain the cross section for one shock, let’s say the default of Lehman; however, in most studies, you check the cross section during an interval, probably to increase the sample size).

So for instance, if you look at the CAPM, that’s a model that explains the cross section of stock returns with only one factor, the systematic risk of a stock. Since the CAPM is empirically not successful in explaining the stock returns completely, there are other models, such as the Fama-French 3 factor-model. Note that those models do not help in explaining the time series. The CAPM does not tell you if the market risk premium should be high or low today, only that given a certain risk premium and risk-free rate, how much higher the return of stock A compared to stock B should be.

信息系数 IC（Information Coefficient）

信息系数IC表示因子值与下期收益率的截面相关系数。通过 IC 值可以判断因子值对下期收益率的预测能力。IC的绝对值越大，该因子越有效，选股能力就越强。IC为负表示负相关，IC为正表示正相关。

常见的 IC 有两种：
Normal IC：t期的因子值和t+1期的收益之间的相关系数 （Pearson相关系数）。
Rank IC： t 期的因子值的排序值和 t+1 期的收益的排序值之间的相关系数。

Normal IC

协方差(Covariance)用于衡量两个变量之间的总体误差:
$$Cov(X,Y)=\frac{\sum _{i=1}^n(X_i-\overline{X})(Y_i-\overline{Y})}{n-1}$$

协方差公式中，如果X与Y为同一变量， 则协方差就退化为方差(Variance)了：
$$Var(X)=\frac{\sum _{i=1}^n(X_i-\overline{X}{)}^2}{n-1}$$

$$NormalIC=\rho (X,Y)=\frac{Cov(X,Y)}{\sqrt{Var(X)}\sqrt{Var(Y)}}=\frac{\sum _{i=1}^n(X_i-\overline{X})(Y_i-\overline{Y})}{\sqrt{\sum _{i=1}^n(X_i-\overline{X}{)}^2}\sqrt{\sum _{i=1}^n(Y_i-\overline{Y}{)}^2}}$$

现在更多的人选择用rank IC来代替普通的IC，这是因为普通的IC求相关系数有一个前提条件，就是数据要服从正态分布，但金融类数据往往并不如此，所以现在更多人采用秩相关系数也就是rank IC来判断因子的有效性。

信息比率IR （Information Ratio）

信息比率是超额收益的均值与标准差之比，它表示单位主动风险所带来的超额收益。
信息比率从主动管理的角度描述风险调整后收益，它不同于夏普比率从绝对收益和总风险角度来描述。

可以根据 IC 近似计算IR：IR= IC的多周期均值/IC的标准方差，它代表因子获取稳定Alpha的能力。整个回测时段由多个调仓周期组成，每一个周期都会计算出一个不同的IC值，IR等于多个调仓周期的IC均值除以这些IC的标准方差。

因子

在多因子模型中，因子暴露（factor exposure）和因子收益率（factor return） 是两个核心的概念。
因子：就是一个可以描述股票某方面特征的因素，比如行业因子描述了股票是否属于这个行业，P/E 因子描述股票 Price-to-Earnings ratio。
因子暴露：就是股票在因子所代表的特征上的取值，比如一个股票的 P/E 为 15.9，那么它对 P/E 因子的因子暴露就是 15.9。
因子收益率：对于一个给定的因子，按照某种权重组合所有股票便形成了一个基于该因子构建的投资组合，该投资组合的收益率就被定义为这个因子的收益率。

参考资料

【1】https://baike.baidu.com/item/%E8%B5%84%E6%9C%AC%E8%B5%84%E4%BA%A7%E5%AE%9A%E4%BB%B7%E6%A8%A1%E5%9E%8B/10867338?fromtitle=capm&fromid=8235513&fr=aladdin
【2】http://m.zhukuaitong.com/caiguan/757.html
【3】https://www.zhihu.com/question/22215038/answer/717801483
【4】https://www.zhihu.com/question/34074483/answer/67959327
【5】https://www.jianshu.com/p/84b938e020f2
【5】https://zhuanlan.zhihu.com/p/55866825
【6】https://stats.stackexchange.com/questions/40852/what-is-cross-section-in-cross-section-of-stock-return
【7】https://xueqiu.com/5899954627/199714984