Alpha对冲

ZaynPei Lv6
  2025-10-16 14:00 2025-10-16 14:00 Created   2025-10-16 23:38:38 2025-10-16 23:38:38 Updated      1.8k Words  6 Mins

这是一个在机构投资者和对冲基金中广泛使用的市场中性策略，其目标是剥离市场的系统性风险（Beta），从而获取纯粹的、由选股能力带来的超额收益（Alpha）。

策略原理

Alpha (α) 与 Beta (β)：解构投资收益的来源

在金融学中，投资收益通常可以分解为两部分：

  • Beta (β)：代表市场收益和风险，反映了投资组合相对于市场整体的波动性。高 Beta 值意味着投资组合对市场变动的敏感度较高，可能带来更高的收益，但也伴随更大的风险。

  • Alpha (α)：代表超额收益，反映了投资组合在剔除市场风险后所获得的额外回报。正 Alpha 值意味着投资经理的选股能力强，带来了独立于市场涨跌的超额收益。

通过对 Alpha 和 Beta 的分析，投资者可以更好地理解其投资组合的表现，并制定相应的对冲策略。

如何实现Alpha对冲？ 策略的核心思想是通过同时持有多头和空头头寸，来剥离市场的系统性风险（Beta），从而专注于获取选股带来的超额收益（Alpha）。

  • 构建Alpha组合：首先，通过你的选股模型（在这个策略里是低EV/EBITDA因子），精心挑选出一篮子你认为会跑赢市场的股票，并买入它们（做多）。这个组合同时包含了你期望的Alpha和你不想要的Beta。

  • 对冲Beta风险：同时，在股指期货市场上，做空与你股票组合市值相当的股指期货合约。股指期货的涨跌与整个市场高度相关。

此时, 当市场上涨时，你的股票组合（大概率）会上涨，获得Beta收益；但你做空的股指期货会亏损, 两者相互抵消。

当市场下跌时，你的股票组合（大概率）会下跌，产生Beta亏损；但你做空的股指期货会盈利。

最终结果是, 通过期货的做空头寸，市场涨跌带来的Beta收益和亏损被相互抵消了。最后剩下的，就是你的选股组合跑赢市场基准的那一部分——纯粹的Alpha收益。

策略实现

本策略将上述原理转化为了一个清晰、可执行的月度调仓计划。

第一步：Alpha因子选择与组合构建

  • 选股池: 沪深300指数的成份股。

  • Alpha因子: EV/EBITDA (企业价值/息税折旧摊销前利润)。

    • 这是一个常用的价值因子，类似于市盈率(P/E)。它衡量的是一家公司的企业价值（市值+净负债）是其核心盈利能力的多少倍。EV/EBITDA值越低，通常意味着该公司可能被市场低估。

  • 策略假设: 选取EV/EBITDA值最低的一批股票，可以构建一个跑赢沪深300指数的Alpha组合。

  • 组合构建: 每月选取30只EV/EBITDA值最低且大于零的股票，并对它们进行等权重资金分配。

第二步：Beta对冲工具选择

  • 对冲工具: 沪深300股指期货 (CFFEX.IF)。因为股票池来自沪深300，所以用对应的股指期货来对冲，相关性最高，对冲效果最好。

第三步：调仓与执行

  • 每月调仓一次，卖出不再符合条件的旧股票，买入新选出的股票，并同时调整股指期货的空头头寸，使其名义价值与股票组合的总市值保持大致相等。

策略代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
# coding=utf-8
from __future__ import print_function, absolute_import, unicode_literals
from gm.api import *
'''
本策略每隔1个月定时触发计算SHSE.000300成份股的过去一天EV/EBITDA值并选取30只EV/EBITDA值最小且大于零的股票
对不在股票池的股票平仓并等权配置股票池的标的
并用相应的CFFEX.IF对应的真实合约等额对冲
回测数据为:SHSE.000300和他们的成份股和CFFEX.IF对应的真实合约
回测时间为:2017-07-01 08:00:00到2017-10-01 16:00:00
注意：本策略仅供参考，实际使用中要考虑到期货和股票处于两个不同的账户，需要人为的保证两个账户的资金相同。
'''
def init(context):
    # 每月第一个交易日09:40:00的定时执行algo任务（仿真和实盘时不支持该频率）
    schedule(schedule_func=algo, date_rule='1m', time_rule='09:40:00')
    # 设置开仓在股票和期货的资金百分比(期货在后面自动进行杠杆相关的调整)
    context.percentage_stock = 0.4
    context.percentage_futures = 0.4
def algo(context):
    # 获取当前时刻
    now = context.now
    # 获取上一个交易日
    last_day = get_previous_trading_date(exchange='SHSE', date=now)
    # 获取沪深300成份股的股票代码
    stock300 = get_history_constituents(index='SHSE.000300', start_date=last_day,
                                                end_date=last_day)[0]['constituents'].keys()
    # 获取上一个工作日的CFFEX.IF对应的合约
    index_futures = get_continuous_contracts(csymbol='CFFEX.IF', start_date=last_day, end_date=last_day)[-1]['symbol']
    # 获取当天有交易的股票
    not_suspended_info = get_history_instruments(symbols=stock300, start_date=now, end_date=now)
    not_suspended_symbols = [item['symbol'] for item in not_suspended_info if not item['is_suspended']]
    # 获取成份股EV/EBITDA大于0并为最小的30个
    fin = get_fundamentals(table='trading_derivative_indicator', symbols=not_suspended_symbols,
                           start_date=now, end_date=now, fields='EVEBITDA',
                           filter='EVEBITDA>0', order_by='EVEBITDA', limit=30, df=True)
    fin.index = fin.symbol
    # 获取当前仓位
    positions = context.account().positions()
    # 平不在标的池或不为当前股指期货主力合约对应真实合约的标的
    for position in positions:
        symbol = position['symbol']
        sec_type = get_instrumentinfos(symbols=symbol)[0]['sec_type']
        # 若类型为期货且不在标的池则平仓
        if sec_type == SEC_TYPE_FUTURE and symbol != index_futures:
            order_target_percent(symbol=symbol, percent=0, order_type=OrderType_Market,
                                 position_side=PositionSide_Short)
            print('市价单平不在标的池的', symbol)
        elif symbol not in fin.index:
            order_target_percent(symbol=symbol, percent=0, order_type=OrderType_Market,
                                 position_side=PositionSide_Long)
            print('市价单平不在标的池的', symbol)
    # 获取股票的权重
    percent = context.percentage_stock / len(fin.index)
    # 买在标的池中的股票
    for symbol in fin.index:
        order_target_percent(symbol=symbol, percent=percent, order_type=OrderType_Market,
                             position_side=PositionSide_Long)
        print(symbol, '以市价单调多仓到仓位', percent)
    # 获取股指期货的保证金比率
    ratio = get_history_instruments(symbols=index_futures, start_date=last_day, end_date=last_day)[0]['margin_ratio']
    # 更新股指期货的权重
    percent = context.percentage_futures * ratio
    # 买入股指期货对冲
    # 注意：股指期货的percent参数是按照期货的保证金来算比例，不是按照合约价值， 比如说0.1就是用0.1的仓位的资金全部买入期货。
    order_target_percent(symbol=index_futures, percent=percent, order_type=OrderType_Market,
                         position_side=PositionSide_Short)
    print(index_futures, '以市价单调空仓到仓位', percent)
if __name__ == '__main__':
    '''
    strategy_id策略ID,由系统生成
    filename文件名,请与本文件名保持一致
    mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
    token绑定计算机的ID,可在系统设置-密钥管理中生成
    backtest_start_time回测开始时间
    backtest_end_time回测结束时间
    backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
    backtest_initial_cash回测初始资金
    backtest_commission_ratio回测佣金比例
    backtest_slippage_ratio回测滑点比例
    '''
    run(strategy_id='strategy_id',
        filename='main.py',
        mode=MODE_BACKTEST,
        token='token_id',
        backtest_start_time='2017-07-01 08:00:00',
        backtest_end_time='2017-10-01 16:00:00',
        backtest_adjust=ADJUST_PREV,
        backtest_initial_cash=10000000,
        backtest_commission_ratio=0.0001,
        backtest_slippage_ratio=0.0001)
On this page
Alpha对冲
  1. 策略原理
    1. Alpha (α) 与 Beta (β)：解构投资收益的来源
  2. 策略实现
  3. 策略代码