机构视点 > 正文

美联储加息落地,国内经济继续回暖

作者:大摩华鑫 2017-03-21
字号:TT

市场点评:房地产市场热度升温,调控措施密集升级

上周,房地产市场数据及多地密集出台房地产调控政策受到广泛的关注。近期发布的数据显示,今年首两个月国内房地产数据超过预期。今年前两个月商品房销售面积累计同比增速达至25.1%,大幅超越市场预期。同期我国房地产开发投资完成额累计同比增速为8.9%,较去年全年增加2个百分点。2月份,70个大中城市新建商品住宅价格环比上升的城市有56个,较1月份增加11个,特别是以北京为首的热点城市近期的交易数量及价格受到关注。针对上述数据显示的房地产市场升温的情况,北京、石家庄、广州、郑州、长沙等多个城市于上周相继收紧房地产政策,使得自3月份以来已有近16个城市启动或升级了房地产调控政策。

值得注意的是本次加入调控的有不少非一线热点城市,这些城市或为核心二线及省域副中心城市,或分布于城市圈内核心城市周边,其前期调控压力轻、且具有靠近核心城市的较好区位优势,故承接了核心城市调控后的外溢需求。另外,本次房地产调控对应着近期监管层对于房地产市场的密集表态,坚决要求警惕风险、防范泡沫、维持包括房地产市场在内的金融系统健康发展。

预计未来监管层在“十九大”之前仍将维持“稳房价”的方针不变,依照因城施策、因时施策,抑泡沫和去库存政策并举的调控思路,对于广大的三四线城市,去库存仍将是政策主线,房价上涨过快的热点城市或将陆续进入调控名单,而已出台政策的热点城市在调控内容上仍存在进一步升级的可能。

基金经理论市: 美联储加息落地,国内经济继续回暖

上周A股先扬后抑,上证综指上涨0.77%,深证成指和中小板指数均上涨0.62%,创业板指数下跌0.02%。分行业板块看,上周多数板块整体上涨,仅休闲服务、家用电器、国防军工、银行、商业贸易和农林牧渔等整体下跌。而建筑装饰、建筑材料、有色金属、机械设备和电子等板块表现相对强势。

海外经济方面,美联储如期上调基准利率。联储官员认为2017年加息共计3次,即还需加息2次,与此前市场的预期基本一致。但本次表决赞成加息3次的人数从6位增至9位,表明联储官员间的分歧在减小。2月美国CPI同比增长2.7%,PPI同比增长2.2%,双双创下近5年新高,美国面临的通胀压力较大,总体上强势美元并未结束。英国和日本央行按兵不动,日央行称日本不必跟随美国加息。

国内经济方面,1-2月规模以上工业增加值同比增6.3%,高于预期和前值;1-2月固定资产投资同比增8.9%,较去年全年8.1%的水平显著提升;今年前两个月社会消费品零售总额同比增9.5%,较上年同期回落0.7个百分点。内外需复苏迹象较为明显,出口、制造业投资、房地产投资、基建等均超预期回升。央行再次上调OMO、MLF、SLF利率,今年以来,央行已经两次上调公开市场利率,本次央行的措施意在将中美利差保持在合理的范围内,同时保持汇率稳定。

总体上,我们对国内经济继续保持乐观态度,虽然不少区域相继加码了地产调控措施,但地产调控仅限于一线城市以及一线城市周边的核心区域。政府的地产调控思路是因城施策,广大的三四线城市仍然以去库存政策为主,三四线城市地产的热销有利于带动地产产业链相关公司的业绩改善。此外,3月份美联储的加息已经落地,下一次加息窗口可能是在今年6月份,在此之前,国内的货币政策或将保持平稳,国内A股市场的外部环境将相对友好。

专栏:量化投资切忌过度优化

随着量化投资在国内的受关注程度越发提高,人们总是能够邂逅一些业绩曲线非常漂亮的量化模型,他们往往收益高、回撤小,就连夏普比率也可以做到让人叹为观止。当然,不可否认其中确实不乏一些逻辑严密、控制精良的优秀模型,但出于量化投资的严谨性,相当比例的模型还是需要去进行仔细盘查的,比如其数据来源是否可靠,成交假设是否合理,以及是否用到未来函数等?如果说上述考量都只是涉及到量化建模的严密性,且都不会存在太大问题的话,那么最后一个可能为量化模型贴上“待考察”标签的问题便是——过度优化。

首先毋庸置疑,优化是量化投资不得不借助的技术手段之一。比如在开发均线突破模型的时候,为了寻找到一个最适合的均线参数,开发者往往需要将多个参数下的回测结果都跑一遍,才能知道是围绕10天均线上下交易的效果更好,还是围绕20天均线上下交易的效果更好,而这个参数调整的过程便是优化。多数情况下优化本身都是无需诟病的,因为它有助于投资者更快地去对市场规律的量化特征进行认知,继而构建出能够有效操作的量化投资策略。但如果优化在整个量化投资策略的开发过程中反客为主,并一举成为了回测结果的主要推手,那么便不免弄巧成拙、适得其反了。

同样以均线模型为例,不妨先将投资标的按照既定方法进行分段,比如牛市、熊市、震荡市等,然后分别在不同的市场中都对均线参数进行优化,最后将每一段优化后的业绩曲线按照时间先后衔接起来,势必可以产生一条收益、风险特征都更加诱人的净值曲线。但相信大多数人都会嗤之以鼻,因为上述模型在均线系统中又引入了市场阶段的概念,暂且不说市场阶段划分的方法是否靠谱,但凡阶段划分和均线系统中的一个模型失灵,都有可能引致未来整体净值的大幅回撤,而从概率意义上来说,二者都能精确预测的概率显然大幅小于其中任意一个模型失灵的概率,这便是过度优化可能带来的投资弊端。

如何在模型开发过程中避免过度优化?首要关键就是要能够回归模型开发的最初逻辑,切忌在模型开发到一个瓶颈之时,为了继续提高回测效果,不惜对既定参数进行遍历式的检验,除非能够寻找到一个强有力的逻辑支撑,并予以检验;其次就是要尽量控制可调参数的整体数量,因为金融数据的样本容量是十分有限的,对于个别参数的概率分布检验起来都十分困难,更别提多个参数的联合概率分布了,自然,参数越多,拟合出一条漂亮的净值曲线的概率也就越大,但其统计学意义却越不显著;最后,增加样本内外的回验结果对比也同样有助于消除对过度优化的担忧,相信一个在样本外跟踪了较长时期的成熟模型与一个刚刚出炉的模型对比而言,前者将有更大可能招来资金的青睐。

(本专栏文章作者:摩根士丹利华鑫基金数量化投资部王联欣)

用微信扫描二维码 分享到朋友圈
有疑问 找专家
基金报告更多>>
星闻晨报更多>>
48小时点击排行榜更多>>