市场中性策略 -米乐m6平台

　　市场中性策略（market neutral strategy），是国内外对冲基金公司经常使用的一种投资策略，指的是在系统性风险（比如股票市场风险、利率风险、信用风险、商品风险等）上无暴露或者仅有较小暴露的投资策略。它的基本逻辑是在买入股票多头组合的同时，以股指期货、期权等衍生品工具对冲大盘涨跌风险，以对冲市场的beta风险，力争在不承受市场风险（beta）的同时，获得绝对收益（alpha）。

　　1、与市场相关性低

　　市场中性策略由于利用股指期货等衍生品工具对冲掉了系统性风险，所以其表现与市场走势基本没有相关性，能走出独立于市场的表现。不会因为股市大涨而暴赚，当然也不会因为股市大跌而损失，只会默默地稳稳地赚着自己选股的收益，能够有效规避股市的系统性风险。

　　2、获取绝对收益

　　不管是牛市还是熊市，如果选择出的股票能获取超额收益，那么市场中性策略就能获得一定的绝对收益，不受市场涨跌影响。

　　方法：做多具有α值的证券产品，做空指数期货，实现分散系统性风险下的超越市场指数的α收益。

　　在国内，沪深两市两融以融资为主，所以国内的市场中性策略，主要为：在多头和空头同时进行操作，买入一揽子股票组合，同时做空同样规模的股指期货，努力对冲掉投资组合的系统性风险β，以获取超额收益α。目前常见的做空工具有：沪深300、上证50和中证500股指期货。

　　假如你做了1000万的多头股票组合；同时下了价值1000万的沪深300空头合约。

　　1个交易日内，你的组合涨了8%；而沪深300涨了6%；那你的收益就是2%。反过来，你的组合跌了6%，但沪深300跌了8%，那你还是赚的，收益还是2%。

　　市场中性策略中，因为目前的做空工具有限，基本都和市场（指数）联动，赚钱的核心在于，多头组合，比挂钩对冲的标的，要“涨得多，跌得少”。所以中性策略还会嵌套上“打新”“套利”、“日内t 0”等增加收益的子策略，增加收益。

　　（1）多因子策略：

　　①传统型多因子策略：量化选股模型以量价类因子为主，换手率高，以交易作为策略α收益的主要来源。

　　②交易型多因子策略：量化选股模型以基本面因子为主，换手率相对交易型策略较低，以基本面因子选股作为策略α收益的主要来源。

　　（2）机器学习策略

　　使用机器学习算法作为多头端选股的依据，在一般线性模型的基础上额外关注其非线性部分。

　　（3）t 0策略

　　以t 0交易作为策略α收益的主要来源，可以按操作方式细分为以人工为主的手工t 0策略及以程序化交易为主的机器t 0策略。此外，按管理人是否自建多头端进行分类，t 0策略也可以分为一般t 0策略及融券t 0策略，后者可以利用融券机制在完全对冲风险敞口的前提下，利用高换手率的价差交易逐步累计α收益。

　　市场中性策略具体做法

　　在多头端的策略上，国内市场中性策略一般基于多因子模型和统计套利模型这两大类。多因子模型本质上是在做因子的组合，在因子类型上包括基本面因子和量价因子，通过因子组合选择可以跑赢市场指数的股票。统计套利模型则是主要基于对历史数据的统计分析，依据相关变量的概率分布，捕捉其中大概率可以跑赢市场指数的股票。

　　在对冲端（空头）的选择上，国内投资者目前以股指期货的对冲为主，包括if合约（沪深300股指期货）和ic合约（中证500股指期货）。随着衍生品市场的不断发展，也有管理人在对冲工具的选择上进一步拓展，例如加入股指期权等衍生品。

　　就策略本身而言，不同私募管理人也可能会存在很多细节上的区别。对冲时，有的管理人可能实时对冲，有的在收盘前再对冲。在持有的股票多头端，有的管理人会叠加股票多头策略，在组合中叠加t0、打新等的策略的持仓，进一步增厚收益。而且，随着机器学习等高新数据分析技术的发展，越来越多的管理人加入机器学习、深度学习、神经网络等算法来预测产品的收益。

　　1、与其他类型的对冲基金相比，股票市场中性策略在牛市中的表现并不突出，但在熊市下，市场中性表现出较高的优越性，远跑赢其他类型的对冲基金。长期来看，股票市场中性策略收益率与股票指数收益率相当，波动性近似于债券指数，但风险调整后的收益水平远高于股票和债券指数。

　　2、股票市场中性策略依靠选股能力赚钱，其核心是投资者的选股能力。整体目标是不论市场走势如何，投资组合多头的表现始终强于空头。具体讲，股票市场中性策略的收益来自于三块：投资组合的多头、投资组合的空头和卖空股票产生的现金流。

　　3、股票市场中性策略的优势在于能够获得双阿尔法、组合构建不受权重的限制以及较低的波动率；其风险包括选股能力、模型风险、调整风险、卖空风险，以及多头和空头头寸的不匹配。

　　4、基于成对交易的统计套利，其基本理念是均值回复，而均值回复的产生是由于市场的过度反应：某只股票相对于可比的其他公司股票或者指数出现了短期的高估（低估），通过构建成对组合，能够利用这种短期的定价偏差获得收益。

　　5、通过构建统计套利模型我们能够计算信号指数，用以捕捉市场出现的统计套利机会，当信号指数超出我们设定的临界值时，可以使用成对交易进行统计套利。

　　6、银行业单对股票组合统计套利模拟结果显示，华夏银行-民生银行成对股票在07年4月-08年4月期间共发出4次套利交易信号，100万初始资金累计收益30.33万元，年收益率30.33%。

　　7、国内市场多对股票组合统计套利模拟结果显示，成对统计套利交易获得的年收益率为27.45%。成对交易组合走势与市场整体的相关性较低，且收益更为稳定。07年4月-08年4月期间，成对股数收益率相当，波动性近似于债券指数，但风险调整后的收益水平远高于股票和债券指数。