摘要：量化投资策略是量化投资的核心组成部分，一个投资模型的收益率大小在很大程度上取决于量化投资策略的构建的效果。本文对超买超卖量化因子进行深入总结与分析，并在此基础上提出量化模型的设计思路。
关键词：量化投资;策略;超买超卖
随着计算机硬件以及软件技术的日益发展，自动化已经普遍运用于各行各业，大大提高了人们的工作效率，同时也重塑了难以计数的工作岗位。投资天生与数字相关，就更加离不开数字技术。无论是简单的行情显示、信息传播，还是相对复杂的投资分析、模型构建等，都是建立在现代计算机技术的基础之上。在一定程度上说，量化投资可以理解为自动化交易系统，只不过随着人工智能技术的发展，量化投资被赋予了新的内涵，比如在投资模型的构建过程中，需要进行数据清洗、数据挖掘、数据分析、数据回测、机器学习等，以便使量化策略变得更加有效，使量化模型不断得到完善，从长期来看能够持续、稳定盈利。
一、量化投资策略概念
量化投资策略就是利用现代计算机技术，对相关金融数据进行分析、判断，为自动化交易服务的策略、算法的总称。由于量化投资实现了自动化交易，避免了人受情绪影响而做出错误的投资决策，因此在同等条件下，只要量化投资策略设计合理、具备较高的胜率，再结合适当的资金管理技巧，是能够稳定的从市场获取绝对收益的。
二、超卖超卖策略的构建
量化因子多种多样，有专注于基本面因子分析的，比如净资产收益率、市盈率、市净率等;有专注于技术面因子分析的，比如价格、成交量等;也有专注于情绪面因子分析的，比如通过特定算法计算的一些情绪类指标。本文主要以价格因子的分析为主，企图通过对5日以及10日移动平均线的深入分析来构建超买超卖策略模型。
(一)策略构建思路
股价的表现往往很剧烈，要么涨多了(超买)，要么跌多了(超跌)，而这种状态是难以持续下去的，涨多了就有回调要求，跌多了就很有可能反弹。于是可以用均值回复的思路，设计一种投资系统，在超买是逐渐卖出，在超跌时逐渐买入，最终实现稳健盈利。股价超买超卖的情形是十分复杂的，我们仅以5日及10日移动平均线为例来进行分析。接触过“缠论”的投资者知道，脱离震荡中枢的K线，要么走出背驰段，要么股价发生反转。为了简化问题，让自动化程式更好的识别中枢以及背离段，我们这里不妨规定，只要5日及10日均线出现连续两个或两个以上的交叉点的垂直距离不超过3%，则视作股价处于震荡中枢之中;超出这个范围，则要么识别为背驰段，要么识别为反转，此时根据事先设定的操作原则进行自动化操作即可。
对于背驰段的识别，可以对比中枢前后两端5日线与10日线之间所辖面积的大小，如果后端两线所辖面积明显小于前端两线所辖面积，则反应上涨或下跌的力量减弱，股价有随时反转的可能;当然也可能出现不背驰而股价反转的情况，比如突发性利好/利空导致市场情绪大幅波动，传到至证券市场导致非理性涨跌，此时就应设好止损。
(二)策略买卖原则.
实际操作中，股价走势很可能出现背驰以后继续背驰，或者中枢前后两端的股价走势根本不背驰的情况，此时就需要管理好资金，做好应对，设置合理的买卖、加减仓以及止损/止盈原则。这里我们不妨设定如果股价突破中枢并沿原来的方向发展，且没有出现背驰，那么此中枢前后的5日、10日线之间的面积相加，再与下一个中枢的背驰段对比，如果显示超买或超卖，则进行买卖或加减仓操作;如果股价突破中枢并沿相反的方向发展，则进行止损或止盈操作。
(三)策略实现途径
目前市场上适合做量化编程的语言很多，如matlab、R、python等，都可以用来编写量化策略，构建操作系统。由于python语言易学易用，又有大量的库可以直接调用，非常适合用来编写投资策略。本文中涉及的5日与10日均线之间面积的计算，就可以利用python语言编辑相关函数，进行反复调用即可。而涉及到操作的部分，也可以通过python中的条件语句、循环语句等轻松实现。
三、策略执行效果检验
以50ETF(510050)为例，取2008年4月9日至2019年4月11日之间的数据进行回测检验，总收益率为253.59%，年化收益率达23.59%;而同期上证指数的总收益为48.32%，年化收益率仅为4.56%。可见该量化策略是奏效的，在收益上远远跑赢了指数。
四、策略的应用局限
该超买超卖策略比较适合于被动管理的指数型基金。这是因为指数表现相对平稳，有利于风控系统进行风险管理。如果应用于个股，则应该添加基本面选股因子，比如净资产收益率、每股经营现金流、营收增长率等，以便剔除垃圾个股;另外，在实操过程中，股价走势很容易出现持续背驰，从而导致系统过早介入或过早退出的，所以系统的设计要结合科学合理的资金管理策略。
超买超卖量化投资策略构建相关期刊推荐：《现代营销》以弘扬“科教兴国”为办刊宗旨，以传播“科学发展观”为根本，以促进经济、社会长足发展为任己，总结经济实践中的先进经验，探索现代经济的规律，传播先进的管理经验和科研成果，为广大经济、管理工作者、学术研究机构、企事业单位、高等院校教师提供学术交流的平台。
转载请注明来自：http://www.lunwencheng.com/lunwen/jgu/16501.html
