https://babi.com/

节目列表: 量化好声音 - EarsOnMe - 精选播客,一听即合

24 如何利用alpha评估基⾦经理的赚钱能力

量化好声音

想搞懂基⾦经理的 Alpha 收益从何⽽来?关键要理清 MPT、CAPM 与 Alpha/Beta 策略的逻辑关系! 本期播客结合清华⼤学五道⼝⾦融学院18年的基⾦研究报告,先拆解系统⻛险与⾮系统⻛险的核⼼差异,再串联 MPT (现代资产组合理论)的⻛险分散逻辑、CAPM (资本资产定价模型)的收益定价机制,最终落地到 Alpha 主动策略与 Beta 被动策略的实战应⽤,帮你搞懂专业机构如何⽤这套逻辑评估基⾦经理能⼒,⽆论专业⼈⼠还是投资⼩⽩,都能掌握基⾦投资的底层逻辑。 【本期播客重点笔记】 一、投资风险分类 (一)系统风险(可补偿风险) 定义:市场共性风险,无法通过分散消除 典型案例:大盘暴跌、经济周期波动、政策重大调整、利率汇率变动 核心特点:所有市场参与者均需承担,与市场整体绑定 (二)非系统风险(不可补偿风险) 定义:单个资产 / 行业独有风险,可通过分散消除 典型案例:公司业绩爆雷、个股黑天鹅事件、行业政策局部调整、基金经理变更 核心特点:仅影响特定标的,与市场整体无直接关联 二、风险与收益的核心逻辑:风险可补偿性 (一)风险可补偿性(对应系统风险) 核心规则:承担的风险需获得对应收益补偿,仅系统风险符合该规则 收益形式:Beta 收益(市场对系统风险的固有补偿) 理论支撑:CAPM(资本资产定价模型) (二)风险不可补偿性(对应非系统风险) 核心规则:风险可通过分散化消除,故无额外收益补偿 理论支撑:MPT(现代投资组合理论) 实践逻辑:非系统风险可通过资产配置对冲,承担后无法获得超额收益 三、核心理论:MPT 与 CAPM 的协同作用 (一)MPT(现代投资组合理论) 核心目标:通过分散持仓消除非系统风险 实现逻辑:利用 “资产收益相关性”,搭配不同关联度的资产(如股票 + 债券、消费 + 科技) 最终结果:非系统风险大幅降低,剩余无法消除的风险为 “系统风险” 局限性:仅解决 “非系统风险消除”,未回答 “系统风险的收益补偿” 问题 (二)CAPM(资本资产定价模型) 核心目标:量化系统风险与收益补偿的对应关系 核心工具:Beta(衡量资产对系统风险的暴露程度) Beta=1:资产收益波动与大盘一致 Beta>1:资产波动大于大盘(如成长股) Beta<1:资产波动小于大盘(如防御性蓝筹) 收益拆分:将投资收益分为 “Beta 收益” 与 “Alpha 收益” 作用:填补 MPT 空白,明确 “承担系统风险应得的收益补偿” 四、投资收益分类(基于 CAPM) (一)Beta 收益 收益性质:系统风险补偿收益(市场基础收益) 收益来源:承担市场系统风险,与市场整体表现强相关 获取逻辑:无需主动投资能力,通过跟踪市场(如指数基金)即可获取 特点:收益稳定性依赖市场,波动与系统风险同步 (二)Alpha 收益 收益性质:超额收益(主动投资能力收益) 收益来源:通过选股、择时、行业配置等主动策略获得 计算逻辑:实际收益 - CAPM 计算的 “期望收益(含 Beta 收益)” 特点:与市场无关,反映投资经理的主动管理能力(正 Alpha 为超额收益,负 Alpha 为收益不及预期) 【在这⾥找到我们】 公众号:Quantide 量化⻛云 ⼩红书:Quantide 哔哩哔哩:Quantide wechat:quantfan_100(课程咨询请加)

14分钟
62
5个月前

21 量化交易入门:从认知到实操的完整指南

量化好声音

想了解量化交易却不知从何入手?本期播客专为好奇者解答:量化不只是 “用算法炒股”,而是用数学模型和程序制定策略的系统交易。我们对比主观交易与量化交易的核心区别 —— 看决策依赖系统还是人为判断;拆解量化的 “生命线”:数据有多重要?从哪里获取?如何保证数据质量? 接着解析主流策略类型:趋势跟随、均值回复等理论驱动型策略的逻辑与实操;详解策略构建四步走:提炼逻辑、定义信号、完善规则、设定参数;介绍量化框架的核心组件,以及零代码工具如何帮新手入门。 最后分享普通人的入门路径:从 Python 和统计学基础,到进阶机器学习;揭秘量化行业的高门槛与 “反常识” 真相。听完这期,你将对量化有清晰框架认知,甚至能迈出写第一行策略代码的第一步。 【在这里找到我们】 公众号:Quantide量化风云 小红书:Quantide bilibili:Quantide wechat:quantfan_100(咨询请加) 【Quantide Research Platform介绍】 你读过很多研报和论文,最终却感觉一无所获:因为作者没有披露代码和数据,你也无法知道文章的观点是对是错。 在匡醍(Quantide),我们只发布可运行的文章!为此我们构建了一个研究平台,购买了商用数据,并且将文章以notebook格式发布到这个平台上。这些notebook都可以运行,而且无论运行多少次,谁来运行,结论都将保持一致。只有这样的文章,才是可复现的文章,才值得你花时间去读。 如果只能在我们平台复现还不够,您必须能把它『搬』回家,在您本地也可以运行。 所以,在这个平台,我们只使用这些数据: 1.2005年到2023年底的日线数据。您可以通过 tushare普通账号下载。 2.其它高级数据:在平台里,我们提供了一个 Tushare高级账号供您使用。如果您要在本地使用同样的数据,只需要一年花500元订阅Tushare即可。相信这个成本是可以承担的。(详情请加wechat了解) 【我们的课程】 我们目前有三门课程,分别是《量化24课》、《因子分析与机器学习策略》、《量化人的Numpy和Pandas》 《量化24课》面向打算进入量化领域的学生、程序员和正在从事主观交易的机构投资者和个人投资者,涵盖了量化交易全流程(数据获取、策略初识、量化分析方法和技术、高级数据可视化、回测和回测框架、实盘接口等),学完本课后,您将会对量化交易有全面和系统的了解。 《因子分析与机器学习策略》属于后续学习课程,面向专业的量化交易员或打算向这个方向转岗求职或决心以专业、严谨的态度探索量化研究饿学习者。如果你已经有了一定的量化经验,目前主要关注策略研发,就可以直接报因子课。 《量化人的Numpy和Pandas》紧扣量化场景来介绍 Numpy 和 Pandas 是这门课的一大特点。我们通过分析重要的、流行度较高的量化库源码,找出其中使用 numpy 和 pandas 的地方,再进行归类的提炼,并结合一些量化社区中常问的相关问题来进行课程编排,确保既系统讲解这两个重要的库,又保证学员在学习后,能立即将学习到的方法与技巧运用到工作中,迅速提高自己的生产力。

19分钟
99+
5个月前
EarsOnMe

加入我们的 Discord

与播客爱好者一起交流

立即加入

扫描微信二维码

添加微信好友,获取更多播客资讯

微信二维码

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的节目添加进来吧