04 总结.cn.html

<p>
	我们已经证明，在一个平稳的市场中，上个月跑赢大盘的股票很可能在接下来的一个月里再次跑赢大盘。当市场波动时，线性回归的显著性水平降低，模型性能下降。我们可以通过观察资产(x)和基准(y)的协方差来理解这一点。当协方差减小到零时，beta将会减小。
</p>

\[\hat{\beta} = \frac{Cov[x,y]}{\sum (x_i - \beta{x})^2}\]

<p>
	作为实验，我们根据2015年的市场数据对算法进行了测试。对市场来说，这是一个极不稳定的时期，波动回到了接近于零的平均值，并在当年8月18日至8月25日期间下跌了近10%。该算法在今年的表现很差，收益率为-11.58%。与这一策略相关的风险包括大幅削减、缺乏对冲和止损。由于我们使用杠杆，风险增加了，因此在1月份有追加保证金的通知。我们可以通过应用以下技术来提高性能：
</p>

<ul>
	<li>进行优化：我们可以实施均值方差分析来确定每月的资产配置，选择更多的股票进行交易。这将降低我们的风险，更科学地管理投资组合。</li>
	<li>考虑beta：如果我们想要更加积极，我们可以结合alpha和beta来选择目标。这意味着我们选择的股票具有比市场波动更大的高alpha值。然而，如果我们是保守的投资者，我们可以使策略保持市场中立，这意味着投资组合不会受到市场表现的影响。例如，如果我们做多两只beta值为1和-1的股票，并分别持有相同的头寸大小，那么我们的投资组合就会变得市场中性。</li>
</ul>