# Alpha 基金“黑天鵝事件” -- 思考以及原因 > 來源：https://uqer.io/community/share/54b39717f9f06c276f651a0d ## 0. 引言 2014年11月底至2014年12月初的那一周，在市場不斷沖高的節奏下，alpha型對沖基金卻遭遇了集體的滑鐵盧，最高單周跌幅可以達到11%。這里面到底發生了什么？ 本文思想以及部分數據參考自[1] ## 1. 風格因子 基于Fama-French經典的因子模型，這里我們考慮代表三種不同投資風格的因子：“市場”、“規模”、“價值”。 市場 市場因子反映了市場當前的趨勢，是代表最廣泛的變動趨勢，是全市場的“動量”方向，這里我們選取了中證800指數； 規模 規模因子反映了市場對公司規模的折溢價觀點。這里我們按照最初的Fama設想，買入小規模市值股票組合，賣出大規模市值股票組合。這里我們實際選取的組合依據是小盤風格指數以及大盤風格指數。 價值 價值因子反映了市場對公司估值的折溢價觀點。這里我們按照最初的Fama設想，買入低估值股票組合，賣出高成長股票組合。這里我們實際選取的組合依據是價值風格指數以及成長風格指數 下圖中我們可以看到這三種投資風格，2014年的整體走勢。我們可以看到經過上半年的蟄伏，下半年市場因子異軍突起，將規模和價值因子牢牢的甩在身后。當價值因子亦步亦趨的追趕市場的步伐的時候，規模因子在11月底12月初來了個高臺跳水，丟失了上半年所有的成果。這一現象與12月后藍籌起舞，小票低迷的市場現狀是一致的。 ```py from matplotlib import pyplot as plt factorData = pd.read_excel('三因子數據.xlsx','Sheet1',index_col = 0) factorData.plot(figsize = (16,10)) plt.legend(['Market', 'Size', 'Value'], loc = 'best') <matplotlib.legend.Legend at 0x594d0d0> ```  我們也可以看到這幾個因子之間收益的相關性，顯著的低于一般市場指數之間的相關性，確實體現了風格上的差別 ```py factorData.pct_change()[1:].corr() ``` | | 市場收益 | 規模 | 價值 | | --- | --- | | 市場收益 | 1.000000 | -0.437854 | 0.412471 | | 規模 | -0.437854 | 1.000000 | -0.739627 | | 價值 | 0.412471 | -0.739627 | 1.000000 | ## 2. 風格分析 為了探究alpha基金在2014年11月末12月初這一周中“黑天鵝”事件的原因，我們選取了38只有每周凈值數據的alpha型私募基金。選取的日期時間為2014年8月至2014年12月7日，在這段時間內以上基金都有數據。我們使用風格歸因的方法，從這些基金的歷史收益率情況猜測出他們的投資風格。 ```py alphaData = pd.read_excel('alpha基金數據.xlsx','Sheet1', index_col = 0) ``` 這些基金的名稱如下： ```py for name in alphaData.columns.values[3:]: print name 安進1號大巖對沖 安進1號尊享K期 安進1號尊享L期 安進1號尊享O期 安進1號尊享P期 安進1號大巖對沖尊享C期 安進尊享F期 方正富邦基金-高程量化1號 龍旗扶翼量化對沖 盈融達量化對沖1期 盈融達量化對沖2期 盈融達量化對沖5期 盈融達量化對沖6期 盈融達量化對沖7期 杉杉青騅量化對沖1期 朱雀漂亮阿爾法 朱雀阿爾法7號 朱雀阿爾法8號 朱雀投資阿爾法2號 尊嘉ALPHA 尊嘉ALPHA尊享B期 寧聚爬山虎1期 寧聚穩進 寧聚量化對沖1期 金锝2號 金锝5號 金锝5號尊享A期 金锝5號尊享B期 金锝6號 金锝6號尊享A期 金锝量化 通和量化對沖2期 中信富享1期 中信富享2期 翼虎量化對沖 翼虎量化對沖2期 翼虎量化對沖3期 中鋼投資套利優選 ``` 我們將他們的凈值數據與前節中提到的因子數據合并起來： ```py alphaData ``` | | 市場 | 規模 | 價值 | 安進1號大巖對沖 | 安進1號尊享K期 | 安進1號尊享L期 | 安進1號尊享O期 | 安進1號尊享P期 | 安進1號大巖對沖尊享C期 | 安進尊享F期 | ... | 金锝6號 | 金锝6號尊享A期 | 金锝量化 | 通和量化對沖2期 | 中信富享1期 | 中信富享2期 | 翼虎量化對沖 | 翼虎量化對沖2期 | 翼虎量化對沖3期 | 中鋼投資套利優選 | | --- | --- | | 日期 | | | | | | | | | | | | | | | | | | | | | | | 2014-08-03 | 1.000000 | 1.000000 | 1.000000 | 0.9762 | 0.9686 | 0.9686 | 0.9686 | 0.9857 | 0.9762 | 0.9686 | ... | 1.0747 | 1.0144 | 1.2651 | 1.0395 | 1.0397 | 1.0395 | 1.0771 | 1.125 | 100.06 | 1.0011 | | 2014-08-10 | 1.007588 | 1.010957 | 0.994005 | 0.9840 | 0.9764 | 0.9763 | 0.9763 | 0.9936 | 0.9840 | 0.9764 | ... | 1.0888 | 1.0278 | 1.2770 | 1.0475 | 1.0477 | 1.0475 | 1.0966 | 1.142 | 102.04 | 1.0278 | | 2014-08-17 | 1.024355 | 1.020982 | 0.991207 | 0.9904 | 0.9827 | 0.9827 | 0.9827 | 1.0001 | 0.9904 | 0.9827 | ... | 1.0911 | 1.0299 | 1.2805 | 1.0592 | 1.0593 | 1.0592 | 1.1050 | 1.156 | 103.53 | 1.0470 | | 2014-08-24 | 1.032469 | 1.034579 | 0.975795 | 0.9961 | 0.9884 | 0.9884 | 0.9883 | 1.0058 | 0.9961 | 0.9884 | ... | 1.1002 | 1.0385 | 1.2959 | 1.0647 | 1.0648 | 1.0647 | 1.1150 | 1.165 | 104.70 | 1.0712 | | 2014-08-31 | 1.017946 | 1.033698 | 0.974094 | 0.9900 | 0.9823 | 0.9823 | 0.9823 | 0.9997 | 0.9900 | 0.9823 | ... | 1.0970 | 1.0355 | 1.2933 | 1.0613 | 1.0614 | 1.0613 | 1.1115 | 1.160 | 103.54 | 1.0710 | | 2014-09-07 | 1.068116 | 1.039119 | 0.978613 | 0.9948 | 0.9871 | 0.9871 | 0.9870 | 1.0045 | 0.9948 | 0.9871 | ... | 1.1013 | 1.0395 | 1.3002 | 1.0767 | 1.0768 | 1.0767 | 1.1136 | 1.160 | 103.78 | 1.0735 | | 2014-09-14 | 1.070794 | 1.054439 | 0.966962 | 1.0038 | 0.9960 | 0.9960 | 0.9960 | 1.0136 | 1.0038 | 0.9960 | ... | 1.1234 | 1.0604 | 1.3248 | 1.0899 | 1.0900 | 1.0899 | 1.1512 | 1.196 | 106.89 | 1.0924 | | 2014-09-21 | 1.066904 | 1.063699 | 0.968235 | 1.0066 | 0.9988 | 0.9988 | 0.9987 | 1.0164 | 1.0066 | 0.9988 | ... | 1.1177 | 1.0550 | 1.3195 | 1.0949 | 1.0948 | 1.0948 | 1.1467 | 1.181 | 107.99 | 1.1005 | | 2014-09-28 | 1.075369 | 1.070250 | 0.965948 | 1.0176 | 1.0097 | 1.0097 | 1.0097 | 1.0275 | 1.0176 | 1.0097 | ... | 1.1267 | 1.0635 | 1.3279 | 1.0956 | 1.0955 | 1.0955 | 1.1474 | 1.181 | 108.15 | 1.1067 | | 2014-10-05 | 1.085320 | 1.074879 | 0.960948 | 1.0293 | 1.0213 | 1.0213 | 1.0213 | 1.0393 | 1.0293 | 1.0213 | ... | 1.1365 | 1.0728 | 1.3369 | 1.1077 | 1.1076 | 1.1076 | 1.1489 | 1.182 | 107.28 | 1.1156 | | 2014-10-12 | 1.094552 | 1.073642 | 0.960053 | 1.0332 | 1.0252 | 1.0252 | 1.0251 | 1.0433 | 1.0332 | 1.0252 | ... | 1.1395 | 1.0756 | 1.3401 | 1.1071 | 1.1070 | 1.1069 | 1.1563 | 1.189 | 107.85 | 1.1161 | | 2014-10-19 | 1.078820 | 1.064507 | 0.968506 | 1.0254 | 1.0174 | 1.0174 | 1.0174 | 1.0354 | 1.0254 | 1.0174 | ... | 1.1367 | 1.0730 | 1.3446 | 1.1088 | 1.1087 | 1.1086 | 1.1519 | 1.185 | 107.24 | 1.1146 | | 2014-10-26 | 1.057308 | 1.064504 | 0.961861 | 1.0312 | 1.0232 | 1.0232 | 1.0231 | 1.0413 | 1.0312 | 1.0232 | ... | 1.1405 | 1.0766 | 1.3521 | 1.1097 | 1.1096 | 1.1095 | 1.1519 | 1.184 | 107.32 | 1.1171 | | 2014-11-02 | 1.107830 | 1.073874 | 0.980116 | 1.0414 | 1.0333 | 1.0333 | 1.0333 | 1.0516 | 1.0414 | 1.0333 | ... | 1.1446 | 1.0804 | 1.3584 | 1.1273 | 1.1272 | 1.1271 | 1.1519 | 1.184 | 106.80 | 1.1185 | | 2014-11-09 | 1.105356 | 1.079756 | 0.981184 | 1.0470 | 1.0389 | 1.0389 | 1.0388 | 1.0572 | 1.0470 | 1.0389 | ... | 1.1533 | 1.0886 | 1.3650 | 1.1109 | 1.1108 | 1.1107 | 1.1639 | 1.196 | 107.85 | 1.1216 | | 2014-11-16 | 1.125537 | 1.045483 | 1.022599 | 1.0344 | 1.0264 | 1.0264 | 1.0263 | 1.0445 | 1.0344 | 1.0264 | ... | 1.1442 | 1.0801 | 1.3584 | 1.0881 | 1.0880 | 1.0879 | 1.1370 | 1.171 | 105.34 | 1.1017 | | 2014-11-23 | 1.134135 | 1.067249 | 1.002712 | 1.0342 | 1.0262 | 1.0262 | 1.0261 | 1.0443 | 1.0342 | 1.0262 | ... | 1.1437 | 1.0796 | 1.3558 | 1.0900 | 1.0898 | 1.0898 | 1.1453 | 1.176 | 106.15 | 1.1097 | | 2014-11-30 | 1.218464 | 1.053291 | 1.018619 | 1.0450 | 1.0369 | 1.0369 | 1.0368 | 1.0552 | 1.0450 | 1.0369 | ... | 1.1214 | 1.0585 | 1.3319 | 1.0747 | 1.0745 | 1.0745 | 1.1558 | 1.196 | 106.17 | 1.0938 | | 2014-12-07 | 1.322762 | 0.990118 | 1.082090 | 1.0040 | 0.9962 | 0.9962 | 0.9962 | 1.0138 | 1.0040 | 0.9962 | ... | 1.0583 | 0.9990 | 1.2622 | 1.0070 | 1.0068 | 1.0068 | 1.1867 | 1.216 | 109.11 | 0.9938 | ``` 19 rows × 41 columns ``` 將價格數據轉換為收益率數據：這里我們將三個因子的收益率數據做了標準化處理，這樣方便比較后面的因子權重。 ```py returnData = alphaData.pct_change() returnData = returnData[1:] returnData[u'市場'] = returnData[u'市場'] / returnData[u'市場'].std() / 100.0 returnData[u'規模'] = returnData[u'規模'] / returnData[u'規模'].std() / 100.0 returnData[u'價值'] = returnData[u'價值'] / returnData[u'價值'].std() / 100.0 returnData ``` | | 市場 | 規模 | 價值 | 安進1號大巖對沖 | 安進1號尊享K期 | 安進1號尊享L期 | 安進1號尊享O期 | 安進1號尊享P期 | 安進1號大巖對沖尊享C期 | 安進尊享F期 | ... | 金锝6號 | 金锝6號尊享A期 | 金锝量化 | 通和量化對沖2期 | 中信富享1期 | 中信富享2期 | 翼虎量化對沖 | 翼虎量化對沖2期 | 翼虎量化對沖3期 | 中鋼投資套利優選 | | --- | --- | | 日期 | | | | | | | | | | | | | | | | | | | | | | | 2014-08-10 | 0.002575 | 0.005755 | -0.002978 | 0.007990 | 0.008053 | 0.007950 | 0.007950 | 0.008015 | 0.007990 | 0.008053 | ... | 0.013120 | 0.013210 | 0.009406 | 0.007696 | 0.007695 | 0.007696 | 0.018104 | 0.015111 | 0.019788 | 0.026671 | | 2014-08-17 | 0.005647 | 0.005208 | -0.001398 | 0.006504 | 0.006452 | 0.006555 | 0.006555 | 0.006542 | 0.006504 | 0.006452 | ... | 0.002112 | 0.002043 | 0.002741 | 0.011169 | 0.011072 | 0.011169 | 0.007660 | 0.012259 | 0.014602 | 0.018681 | | 2014-08-24 | 0.002688 | 0.006995 | -0.007724 | 0.005755 | 0.005800 | 0.005800 | 0.005699 | 0.005699 | 0.005755 | 0.005800 | ... | 0.008340 | 0.008350 | 0.012027 | 0.005193 | 0.005192 | 0.005193 | 0.009050 | 0.007785 | 0.011301 | 0.023114 | | 2014-08-31 | -0.004773 | -0.000447 | -0.000866 | -0.006124 | -0.006172 | -0.006172 | -0.006071 | -0.006065 | -0.006124 | -0.006172 | ... | -0.002909 | -0.002889 | -0.002006 | -0.003193 | -0.003193 | -0.003193 | -0.003139 | -0.004292 | -0.011079 | -0.000187 | | 2014-09-07 | 0.016724 | 0.002754 | 0.002304 | 0.004848 | 0.004886 | 0.004886 | 0.004785 | 0.004801 | 0.004848 | 0.004886 | ... | 0.003920 | 0.003863 | 0.005335 | 0.014511 | 0.014509 | 0.014511 | 0.001889 | 0.000000 | 0.002318 | 0.002334 | | 2014-09-14 | 0.000851 | 0.007743 | -0.005914 | 0.009047 | 0.009016 | 0.009016 | 0.009119 | 0.009059 | 0.009047 | 0.009016 | ... | 0.020067 | 0.020106 | 0.018920 | 0.012260 | 0.012259 | 0.012260 | 0.033764 | 0.031034 | 0.029967 | 0.017606 | | 2014-09-21 | -0.001233 | 0.004612 | 0.000654 | 0.002789 | 0.002811 | 0.002811 | 0.002711 | 0.002762 | 0.002789 | 0.002811 | ... | -0.005074 | -0.005092 | -0.004001 | 0.004588 | 0.004404 | 0.004496 | -0.003909 | -0.012542 | 0.010291 | 0.007415 | | 2014-09-28 | 0.002692 | 0.003235 | -0.001173 | 0.010928 | 0.010913 | 0.010913 | 0.011014 | 0.010921 | 0.010928 | 0.010913 | ... | 0.008052 | 0.008057 | 0.006366 | 0.000639 | 0.000639 | 0.000639 | 0.000610 | 0.000000 | 0.001482 | 0.005634 | | 2014-10-05 | 0.003140 | 0.002271 | -0.002571 | 0.011498 | 0.011489 | 0.011489 | 0.011489 | 0.011484 | 0.011498 | 0.011489 | ... | 0.008698 | 0.008745 | 0.006778 | 0.011044 | 0.011045 | 0.011045 | 0.001307 | 0.000847 | -0.008044 | 0.008042 | | 2014-10-12 | 0.002887 | -0.000604 | -0.000463 | 0.003789 | 0.003819 | 0.003819 | 0.003721 | 0.003849 | 0.003789 | 0.003819 | ... | 0.002640 | 0.002610 | 0.002394 | -0.000542 | -0.000542 | -0.000632 | 0.006441 | 0.005922 | 0.005313 | 0.000448 | | 2014-10-19 | -0.004877 | -0.004469 | 0.004374 | -0.007549 | -0.007608 | -0.007608 | -0.007511 | -0.007572 | -0.007549 | -0.007608 | ... | -0.002457 | -0.002417 | 0.003358 | 0.001536 | 0.001536 | 0.001536 | -0.003805 | -0.003364 | -0.005656 | -0.001344 | | 2014-10-26 | -0.006766 | -0.000002 | -0.003409 | 0.005656 | 0.005701 | 0.005701 | 0.005603 | 0.005698 | 0.005656 | 0.005701 | ... | 0.003343 | 0.003355 | 0.005578 | 0.000812 | 0.000812 | 0.000812 | 0.000000 | -0.000844 | 0.000746 | 0.002243 | | 2014-11-02 | 0.016215 | 0.004623 | 0.009428 | 0.009891 | 0.009871 | 0.009871 | 0.009970 | 0.009891 | 0.009891 | 0.009871 | ... | 0.003595 | 0.003530 | 0.004659 | 0.015860 | 0.015862 | 0.015863 | 0.000000 | 0.000000 | -0.004845 | 0.001253 | | 2014-11-09 | -0.000758 | 0.002877 | 0.000542 | 0.005377 | 0.005420 | 0.005420 | 0.005323 | 0.005325 | 0.005377 | 0.005420 | ... | 0.007601 | 0.007590 | 0.004859 | -0.014548 | -0.014549 | -0.014551 | 0.010418 | 0.010135 | 0.009831 | 0.002772 | | 2014-11-16 | 0.006195 | -0.016671 | 0.020967 | -0.012034 | -0.012032 | -0.012032 | -0.012033 | -0.012013 | -0.012034 | -0.012032 | ... | -0.007890 | -0.007808 | -0.004835 | -0.020524 | -0.020526 | -0.020528 | -0.023112 | -0.020903 | -0.023273 | -0.017743 | | 2014-11-23 | 0.002592 | 0.010934 | -0.009661 | -0.000193 | -0.000195 | -0.000195 | -0.000195 | -0.000191 | -0.000193 | -0.000195 | ... | -0.000437 | -0.000463 | -0.001914 | 0.001746 | 0.001654 | 0.001746 | 0.007300 | 0.004270 | 0.007689 | 0.007262 | | 2014-11-30 | 0.025231 | -0.006869 | 0.007881 | 0.010443 | 0.010427 | 0.010427 | 0.010428 | 0.010438 | 0.010443 | 0.010427 | ... | -0.019498 | -0.019544 | -0.017628 | -0.014037 | -0.014039 | -0.014039 | 0.009168 | 0.017007 | 0.000188 | -0.014328 | | 2014-12-07 | 0.029046 | -0.031500 | 0.030952 | -0.039234 | -0.039252 | -0.039252 | -0.039159 | -0.039234 | -0.039234 | -0.039252 | ... | -0.056269 | -0.056212 | -0.052331 | -0.062994 | -0.063006 | -0.063006 | 0.026735 | 0.016722 | 0.027691 | -0.091424 | ``` 18 rows × 41 columns ``` 在這里開始風格歸因。我們使用的是經典回歸分析的方法，數據截止到2014年11月30日。關于每個基金我們得到3個風格分別的權重，即為回歸方程的系數： ``` R=β1×RMarket+β2×RSize+β3×RValue+α ``` 例如：“安進1號大巖對沖”的三個系數為：`β1=0.4682`， `β2=0.3556`， `β3=?0.3487` ```py from sklearn import linear_model cols = returnData.columns[3:] x = returnData[[u'市場',u'規模',u'價值']][:-1] market = [] size = [] value = [] intercept = [] for name in cols: clf = linear_model.LinearRegression() y = returnData[name][:-1] clf.fit(x,y) market.append(clf.coef_[0]) size.append(clf.coef_[1]) value.append(clf.coef_[2]) intercept.append(clf.intercept_) ``` ```py regression = pd.DataFrame({'Market':market, 'Size':size, u'Value':value, u'Intercept':intercept}, index = cols) regression['Return'] = returnData[-1:].values.flatten()[3:] regression['Name'] = regression.index regression = regression.reindex(columns = ['Name', 'Return', 'Market', 'Size', 'Value', 'Intercept']) regression ``` | | Name | Return | Market | Size | Value | Intercept | | --- | --- | | 安進1號大巖對沖 | 安進1號大巖對沖 | -0.039234 | 0.468212 | 0.355625 | -0.348703 | 0.001755 | | 安進1號尊享K期 | 安進1號尊享K期 | -0.039252 | 0.468560 | 0.355400 | -0.349973 | 0.001757 | | 安進1號尊享L期 | 安進1號尊享L期 | -0.039252 | 0.468794 | 0.355543 | -0.349783 | 0.001756 | | 安進1號尊享O期 | 安進1號尊享O期 | -0.039159 | 0.467231 | 0.360231 | -0.343805 | 0.001745 | | 安進1號尊享P期 | 安進1號尊享P期 | -0.039234 | 0.467421 | 0.353230 | -0.349906 | 0.001765 | | 安進1號大巖對沖尊享C期 | 安進1號大巖對沖尊享C期 | -0.039234 | 0.468212 | 0.355625 | -0.348703 | 0.001755 | | 安進尊享F期 | 安進尊享F期 | -0.039252 | 0.468560 | 0.355400 | -0.349973 | 0.001757 | | 方正富邦基金-高程量化1號 | 方正富邦基金-高程量化1號 | 0.069128 | 1.911136 | 0.266616 | -0.004385 | -0.002195 | | 龍旗扶翼量化對沖 | 龍旗扶翼量化對沖 | -0.036871 | 0.296329 | 1.274064 | -0.539870 | 0.001011 | | 盈融達量化對沖1期 | 盈融達量化對沖1期 | -0.007880 | 0.199913 | 0.341597 | -0.379266 | 0.004520 | | 盈融達量化對沖2期 | 盈融達量化對沖2期 | -0.018233 | 0.018288 | 0.344163 | -0.512896 | 0.005633 | | 盈融達量化對沖5期 | 盈融達量化對沖5期 | -0.016643 | 0.164744 | 0.195826 | -0.418823 | 0.002362 | | 盈融達量化對沖6期 | 盈融達量化對沖6期 | -0.015752 | 0.162680 | 0.240728 | -0.468615 | 0.003681 | | 盈融達量化對沖7期 | 盈融達量化對沖7期 | -0.025421 | 0.047622 | 0.667812 | -0.327798 | 0.003539 | | 杉杉青騅量化對沖1期 | 杉杉青騅量化對沖1期 | -0.000085 | 0.208083 | -0.472288 | -0.796191 | 0.008189 | | 朱雀漂亮阿爾法 | 朱雀漂亮阿爾法 | -0.036283 | 0.205736 | 0.455439 | -0.441430 | 0.001541 | | 朱雀阿爾法7號 | 朱雀阿爾法7號 | -0.041888 | 0.049495 | 0.645693 | -0.192636 | 0.001548 | | 朱雀阿爾法8號 | 朱雀阿爾法8號 | -0.051708 | 0.270032 | 0.097040 | -0.881424 | 0.002036 | | 朱雀投資阿爾法2號 | 朱雀投資阿爾法2號 | -0.037950 | 0.149797 | 0.388702 | -0.478786 | 0.001898 | | 尊嘉ALPHA | 尊嘉ALPHA | -0.077634 | 0.045722 | 2.030097 | -0.015791 | -0.000167 | | 尊嘉ALPHA尊享B期 | 尊嘉ALPHA尊享B期 | -0.077672 | 0.045520 | 2.031095 | -0.013126 | -0.000167 | | 寧聚爬山虎1期 | 寧聚爬山虎1期 | -0.113581 | -0.386913 | 1.870564 | -0.323395 | 0.005228 | | 寧聚穩進 | 寧聚穩進 | -0.117121 | -0.608006 | 2.888806 | 0.261654 | 0.004465 | | 寧聚量化對沖1期 | 寧聚量化對沖1期 | -0.051896 | -0.600376 | 1.973223 | 0.387574 | 0.005642 | | 金锝2號 | 金锝2號 | -0.057131 | -0.408465 | 0.997068 | 0.452534 | 0.002783 | | 金锝5號 | 金锝5號 | -0.062897 | -0.377828 | 0.988950 | 0.380185 | 0.002613 | | 金锝5號尊享A期 | 金锝5號尊享A期 | -0.063031 | -0.377760 | 0.990211 | 0.382639 | 0.002564 | | 金锝5號尊享B期 | 金锝5號尊享B期 | -0.063167 | -0.378665 | 0.994681 | 0.385604 | 0.002540 | | 金锝6號 | 金锝6號 | -0.056269 | -0.370573 | 1.040665 | 0.271547 | 0.002177 | | 金锝6號尊享A期 | 金锝6號尊享A期 | -0.056212 | -0.373603 | 1.037030 | 0.270727 | 0.002197 | | 金锝量化 | 金锝量化 | -0.052331 | -0.381568 | 0.838623 | 0.261113 | 0.003078 | | 通和量化對沖2期 | 通和量化對沖2期 | -0.062994 | 0.056065 | 1.602601 | 0.487299 | -0.001136 | | 中信富享1期 | 中信富享1期 | -0.063006 | 0.057517 | 1.596775 | 0.483519 | -0.001153 | | 中信富享2期 | 中信富享2期 | -0.063006 | 0.056753 | 1.602213 | 0.486687 | -0.001149 | | 翼虎量化對沖 | 翼虎量化對沖 | 0.026735 | 0.463962 | 0.294367 | -1.057744 | 0.002474 | | 翼虎量化對沖2期 | 翼虎量化對沖2期 | 0.016722 | 0.724630 | -0.209773 | -1.360643 | 0.001874 | | 翼虎量化對沖3期 | 翼虎量化對沖3期 | 0.027691 | 0.160118 | 0.981666 | -0.509016 | 0.001601 | | 中鋼投資套利優選 | 中鋼投資套利優選 | -0.091424 | -0.215237 | 1.264767 | -0.165220 | 0.004179 | ## 3. 風格收益分析 我們用上節得到的因子權重，與2014年12月初的那一周收益率進行對比。為了更加的一目了然，我們分別按照“市場 v.s. 收益”、“規模 v.s. 收益”、“價值 v.s. 收益”三個維度進行分析。通過散點圖，很清楚的顯示，市場因子在這一周對于alpha基金的收益的貢獻是正向反饋效應；相反的，規模以及價值因子對于alpha基金的收益是負反饋。 ```py def func(beta, alpha): def inner(x): return beta*x + alpha return inner ``` ```py groups = regression.groupby('Name') fig, ax = plt.subplots(figsize = (25,16)) for name, group in groups: ax.plot(group.Market, group.Return, marker='o', linestyle='', ms=8, label=name) ax.grid(True) ax.legend(prop = font) ax.set_xlabel('Market Exp.', fontsize = 20) ax.set_ylabel('Return', fontsize = 20) ax.set_title('Market v.s. Return', fontsize = 25) clf = linear_model.LinearRegression() x = regression[['Market']] y = regression['Return'] clf.fit(x,y) beta = clf.coef_[0] alpha = clf.intercept_ applyFunc = func(beta, alpha) x = np.linspace( -0.5, 1.5, 100) y = [applyFunc(v) for v in x] plt.plot(x,y ,'k-') [<matplotlib.lines.Line2D at 0x6477550>] ```  ```py groups = regression.groupby('Name') fig, ax = plt.subplots(figsize = (25,16)) for name, group in groups: ax.plot(group.Size, group.Return, marker='o', linestyle='', ms=8, label=name) ax.grid(True) ax.legend(prop = font) ax.set_xlabel('Size Exp.', fontsize = 20) ax.set_ylabel('Return', fontsize = 20) ax.set_title('Size v.s. Return', fontsize = 25) clf = linear_model.LinearRegression() x = regression[['Size']] y = regression['Return'] clf.fit(x,y) beta = clf.coef_[0] alpha = clf.intercept_ applyFunc = func(beta, alpha) x = np.linspace( -0.2, 2.5, 100) y = [applyFunc(v) for v in x] plt.plot(x,y ,'k-') [<matplotlib.lines.Line2D at 0x70e9810>] ```  ```py groups = regression.groupby('Name') fig, ax = plt.subplots(figsize = (25,16)) for name, group in groups: ax.plot(group.Value, group.Return, marker='o', linestyle='', ms=8, label=name) ax.grid(True) ax.legend(prop = font) ax.set_xlabel('Value Exp.', fontsize = 20) ax.set_ylabel('Return', fontsize = 20) ax.set_title('Value v.s. Return', fontsize = 25) clf = linear_model.LinearRegression() x = regression[['Value']] y = regression['Return'] clf.fit(x,y) beta = clf.coef_[0] alpha = clf.intercept_ applyFunc = func(beta, alpha) x = np.linspace( -1.2, 0.2, 100) y = [applyFunc(v) for v in x] plt.plot(x,y ,'k-') [<matplotlib.lines.Line2D at 0x7d43410>] ```  ## 4. “黑天鵝”的原因 讓我們再仔細看一下之前的各家基金的風格權重。 市場因子 我們可以看到所有的4個收益為正的基金都在市場權重最高的50%以內。并且市場因子最大的兩個基金恰好都是收益為正的。 ```py regression.sort(columns = ['Market'], ascending = False)[:19] ``` | | Name | Return | Market | Size | Value | Intercept | | --- | --- | | 方正富邦基金-高程量化1號 | 方正富邦基金-高程量化1號 | 0.069128 | 1.911136 | 0.266616 | -0.004385 | -0.002195 | | 翼虎量化對沖2期 | 翼虎量化對沖2期 | 0.016722 | 0.724630 | -0.209773 | -1.360643 | 0.001874 | | 安進1號尊享L期 | 安進1號尊享L期 | -0.039252 | 0.468794 | 0.355543 | -0.349783 | 0.001756 | | 安進尊享F期 | 安進尊享F期 | -0.039252 | 0.468560 | 0.355400 | -0.349973 | 0.001757 | | 安進1號尊享K期 | 安進1號尊享K期 | -0.039252 | 0.468560 | 0.355400 | -0.349973 | 0.001757 | | 安進1號大巖對沖 | 安進1號大巖對沖 | -0.039234 | 0.468212 | 0.355625 | -0.348703 | 0.001755 | | 安進1號大巖對沖尊享C期 | 安進1號大巖對沖尊享C期 | -0.039234 | 0.468212 | 0.355625 | -0.348703 | 0.001755 | | 安進1號尊享P期 | 安進1號尊享P期 | -0.039234 | 0.467421 | 0.353230 | -0.349906 | 0.001765 | | 安進1號尊享O期 | 安進1號尊享O期 | -0.039159 | 0.467231 | 0.360231 | -0.343805 | 0.001745 | | 翼虎量化對沖 | 翼虎量化對沖 | 0.026735 | 0.463962 | 0.294367 | -1.057744 | 0.002474 | | 龍旗扶翼量化對沖 | 龍旗扶翼量化對沖 | -0.036871 | 0.296329 | 1.274064 | -0.539870 | 0.001011 | | 朱雀阿爾法8號 | 朱雀阿爾法8號 | -0.051708 | 0.270032 | 0.097040 | -0.881424 | 0.002036 | | 杉杉青騅量化對沖1期 | 杉杉青騅量化對沖1期 | -0.000085 | 0.208083 | -0.472288 | -0.796191 | 0.008189 | | 朱雀漂亮阿爾法 | 朱雀漂亮阿爾法 | -0.036283 | 0.205736 | 0.455439 | -0.441430 | 0.001541 | | 盈融達量化對沖1期 | 盈融達量化對沖1期 | -0.007880 | 0.199913 | 0.341597 | -0.379266 | 0.004520 | | 盈融達量化對沖5期 | 盈融達量化對沖5期 | -0.016643 | 0.164744 | 0.195826 | -0.418823 | 0.002362 | | 盈融達量化對沖6期 | 盈融達量化對沖6期 | -0.015752 | 0.162680 | 0.240728 | -0.468615 | 0.003681 | | 翼虎量化對沖3期 | 翼虎量化對沖3期 | 0.027691 | 0.160118 | 0.981666 | -0.509016 | 0.001601 | | 朱雀投資阿爾法2號 | 朱雀投資阿爾法2號 | -0.037950 | 0.149797 | 0.388702 | -0.478786 | 0.001898 | 規模 我們可以看到3個收益為正的基金在規模權重最低的50%以內。而且這3個基金的規模權重都在最低的前10名以內。 ```py regression.sort(columns = ['Size'], ascending = True)[:19] ``` | | Name | Return | Market | Size | Value | Intercept | | --- | --- | | 杉杉青騅量化對沖1期 | 杉杉青騅量化對沖1期 | -0.000085 | 0.208083 | -0.472288 | -0.796191 | 0.008189 | | 翼虎量化對沖2期 | 翼虎量化對沖2期 | 0.016722 | 0.724630 | -0.209773 | -1.360643 | 0.001874 | | 朱雀阿爾法8號 | 朱雀阿爾法8號 | -0.051708 | 0.270032 | 0.097040 | -0.881424 | 0.002036 | | 盈融達量化對沖5期 | 盈融達量化對沖5期 | -0.016643 | 0.164744 | 0.195826 | -0.418823 | 0.002362 | | 盈融達量化對沖6期 | 盈融達量化對沖6期 | -0.015752 | 0.162680 | 0.240728 | -0.468615 | 0.003681 | | 方正富邦基金-高程量化1號 | 方正富邦基金-高程量化1號 | 0.069128 | 1.911136 | 0.266616 | -0.004385 | -0.002195 | | 翼虎量化對沖 | 翼虎量化對沖 | 0.026735 | 0.463962 | 0.294367 | -1.057744 | 0.002474 | | 盈融達量化對沖1期 | 盈融達量化對沖1期 | -0.007880 | 0.199913 | 0.341597 | -0.379266 | 0.004520 | | 盈融達量化對沖2期 | 盈融達量化對沖2期 | -0.018233 | 0.018288 | 0.344163 | -0.512896 | 0.005633 | | 安進1號尊享P期 | 安進1號尊享P期 | -0.039234 | 0.467421 | 0.353230 | -0.349906 | 0.001765 | | 安進1號尊享K期 | 安進1號尊享K期 | -0.039252 | 0.468560 | 0.355400 | -0.349973 | 0.001757 | | 安進尊享F期 | 安進尊享F期 | -0.039252 | 0.468560 | 0.355400 | -0.349973 | 0.001757 | | 安進1號尊享L期 | 安進1號尊享L期 | -0.039252 | 0.468794 | 0.355543 | -0.349783 | 0.001756 | | 安進1號大巖對沖 | 安進1號大巖對沖 | -0.039234 | 0.468212 | 0.355625 | -0.348703 | 0.001755 | | 安進1號大巖對沖尊享C期 | 安進1號大巖對沖尊享C期 | -0.039234 | 0.468212 | 0.355625 | -0.348703 | 0.001755 | | 安進1號尊享O期 | 安進1號尊享O期 | -0.039159 | 0.467231 | 0.360231 | -0.343805 | 0.001745 | | 朱雀投資阿爾法2號 | 朱雀投資阿爾法2號 | -0.037950 | 0.149797 | 0.388702 | -0.478786 | 0.001898 | | 朱雀漂亮阿爾法 | 朱雀漂亮阿爾法 | -0.036283 | 0.205736 | 0.455439 | -0.441430 | 0.001541 | | 朱雀阿爾法7號 | 朱雀阿爾法7號 | -0.041888 | 0.049495 | 0.645693 | -0.192636 | 0.001548 | 價值 我們可以看到3個收益為正的基金在價值權重最低的50%以內。而且這3個基金的價值權重都在最低的前10名以內。特別的，價值權重最低的兩個基金恰好都為正收益。 ```py regression.sort(columns = ['Value'], ascending = True)[:19] ``` | | Name | Return | Market | Size | Value | Intercept | | --- | --- | | 翼虎量化對沖2期 | 翼虎量化對沖2期 | 0.016722 | 0.724630 | -0.209773 | -1.360643 | 0.001874 | | 翼虎量化對沖 | 翼虎量化對沖 | 0.026735 | 0.463962 | 0.294367 | -1.057744 | 0.002474 | | 朱雀阿爾法8號 | 朱雀阿爾法8號 | -0.051708 | 0.270032 | 0.097040 | -0.881424 | 0.002036 | | 杉杉青騅量化對沖1期 | 杉杉青騅量化對沖1期 | -0.000085 | 0.208083 | -0.472288 | -0.796191 | 0.008189 | | 龍旗扶翼量化對沖 | 龍旗扶翼量化對沖 | -0.036871 | 0.296329 | 1.274064 | -0.539870 | 0.001011 | | 盈融達量化對沖2期 | 盈融達量化對沖2期 | -0.018233 | 0.018288 | 0.344163 | -0.512896 | 0.005633 | | 翼虎量化對沖3期 | 翼虎量化對沖3期 | 0.027691 | 0.160118 | 0.981666 | -0.509016 | 0.001601 | | 朱雀投資阿爾法2號 | 朱雀投資阿爾法2號 | -0.037950 | 0.149797 | 0.388702 | -0.478786 | 0.001898 | | 盈融達量化對沖6期 | 盈融達量化對沖6期 | -0.015752 | 0.162680 | 0.240728 | -0.468615 | 0.003681 | | 朱雀漂亮阿爾法 | 朱雀漂亮阿爾法 | -0.036283 | 0.205736 | 0.455439 | -0.441430 | 0.001541 | | 盈融達量化對沖5期 | 盈融達量化對沖5期 | -0.016643 | 0.164744 | 0.195826 | -0.418823 | 0.002362 | | 盈融達量化對沖1期 | 盈融達量化對沖1期 | -0.007880 | 0.199913 | 0.341597 | -0.379266 | 0.004520 | | 安進1號尊享K期 | 安進1號尊享K期 | -0.039252 | 0.468560 | 0.355400 | -0.349973 | 0.001757 | | 安進尊享F期 | 安進尊享F期 | -0.039252 | 0.468560 | 0.355400 | -0.349973 | 0.001757 | | 安進1號尊享P期 | 安進1號尊享P期 | -0.039234 | 0.467421 | 0.353230 | -0.349906 | 0.001765 | | 安進1號尊享L期 | 安進1號尊享L期 | -0.039252 | 0.468794 | 0.355543 | -0.349783 | 0.001756 | | 安進1號大巖對沖 | 安進1號大巖對沖 | -0.039234 | 0.468212 | 0.355625 | -0.348703 | 0.001755 | | 安進1號大巖對沖尊享C期 | 安進1號大巖對沖尊享C期 | -0.039234 | 0.468212 | 0.355625 | -0.348703 | 0.001755 | | 安進1號尊享O期 | 安進1號尊享O期 | -0.039159 | 0.467231 | 0.360231 | -0.343805 | 0.001745 |