简单低波动率指数

来源:https://uqer.io/community/share/5566a9b8f9f06c6641e97aea

金融市场的波动性加剧,为了提供更好的下行保护,低波动率的Smart Beta策略受到了广泛的欢迎

代表指数

S&P 500 Low Volatility Index

目标指数

HS300

选股

计算目标指数股票池中样本股过去100个交易日中的历史波动率,并挑选其中波动率最低的50只股票作为指数的成分股

加权

与传统指数市值加权不同,本指数根据股票波动率倒数为个股权重

实现细节

通过DataAPI.EquRetudGet获取不考虑现金红利再投资情况下的每日收益率,波动率为调仓前100个交易日的日收益率标准差

  1. import numpy as np
  2. import pandas as pd
  3. start = '2012-01-01' # 回测起始时间
  4. end = '2015-05-01' # 回测结束时间
  5. benchmark = 'HS300' # 策略参考标准
  6. universe = set_universe('HS300') # 证券池,回测支持股票和基金
  7. capital_base = 10000000 # 起始资金
  8. refresh_rate = 100 # 调仓频率,即每 refresh_rate 个交易日执行一次 handle_data() 函数
  9. cal = Calendar('China.SSE')
  10. def initialize(account): # 初始化虚拟账户状态
  11. pass
  12. def handle_data(account): # 每个交易日的买入卖出指令
  13. volatility_res = {}
  14. cal_today = Date.fromDateTime(account.current_date)
  15. start_day = cal.advanceDate(cal_today, '-101B', BizDayConvention.Following)
  16. yesterday = cal.advanceDate(cal_today, '-1B', BizDayConvention.Following)
  17. for stk in universe:
  18. try:
  19. data = DataAPI.EquRetudGet(ticker=stk[:6], beginDate=Date.toDateTime(start_day).strftime('%Y%m%d'), endDate=Date.toDateTime(yesterday).strftime('%Y%m%d'), field=['ticker',"dailyReturnNoReinv"])
  20. revenue = data['dailyReturnNoReinv']
  21. volatility_res[stk] = np.std(revenue)
  22. except:
  23. universe.remove(stk)
  24. res = pd.Series(volatility_res).order()[:50]
  25. temp = np.ones(50)
  26. res = np.divide(temp, res)
  27. weight_sum = res.values.sum()
  28. order_list = dict(res/weight_sum)
  29. for stk in account.valid_secpos:
  30. order_to(stk, 0)
  31. for s, weight in order_list.iteritems():
  32. if account.referencePrice[s] == 0:
  33. continue
  34. order(s, capital_base*weight/account.referencePrice[s])

简单低波动率指数 - 图1

  1. print "Benchmark Volatility : ", perf['benchmark_volatility']
  2. print "Index Volatility : ", perf['volatility']
  3. Benchmark Volatility : 0.213927304422
  4. Index Volatility : 0.156413355501

结果分析

通过以上结果我们可以看到,该策略alpha极小,beta较大,并显著减小了波动率