量化投资之所以在中国市场风靡，很大的原因在于大量散户的存在，让市场不那么有效。于是，金融工程师们可以找到规律，从非有效性（Inefficiency）里获取高收益。 市场效率越是不高的市场，量化投资获得超额收益的空间越大。但这世界上聪明的人太多了，大量专业机构和资金的涌入，使得阿尔法正日益变得稀缺。 为拉开与竞争对手间的距离，必须得有些不一样。 归纳与演绎 于是就有了当下更为圈内人津津乐道的“量化基本面分析（Quantamental）”。博道投资合伙人、量化高级投资经理何晓彬博士解释说，量化基本面分析，是指投资决策过程中既注重投资逻辑的推演，又注重数据规律的归纳。 归纳法，是从特殊到一般的过程，是根据一类事物的部分对象具有某种性质，推出这类事物的所有对象都具有这种性质的推理。而演绎推理，就是从一般性的前提出发，通过推导即“演绎”，得出具体陈述或个别结论的过程。 传统的量化以归纳法为主，对历史数据进行分析，并依据过去的数据做策略。而传统的股票投资则要对未来的业绩进行推断，以演绎推理为主。 基本面量化，要做到两方面兼而有之。你也可以通俗理解为，把原来基本面的东西，比如人的思考方式和投资逻辑，量化后编程为一个模型。 这样的投资方法，会更加关注基本面和市场演变。在强调纪律性的前提下，坚持以量化模型为依托，不断地将新出现的现象和发现的规律抽象出来，添加到模型中。同时在这个过程中，对于特殊事件，比如数据错误、收购兼并等量化模型无法及时处理的情况，随时在投资组合中进行相关风险控制。而比这一切更为重要的，是因子的研究和权重的调整要有前瞻性。 同样在谈量化，大家说的很可能不是一回事 同是做量化，当圆桌上六七个人在高谈阔论时，你知道他们很可能说的不是一回事吗？ 对于量化策略的分类，市场上各有复杂的区分。更为直观一点，量化模型可以分为两类，其一是基于算法的量化，其二是基于基本面的量化。基于算法的量化模型包括了高频交易、统计套利及其它；基于基本面的量化则包括了事件套利、宏观配置、选股及市场或行业的择时。 对于基本面量化而言，具备投资想法和思路后，需要通过数据验证这些想法是否正确，以及是否能在市场上获得超额收益。 因此，让我们设想一种场景，当股价出现大幅波动时，各种类型的量化投资者会有不同的反应。基本面量化的投资者会忽略短期的波动，除非这种波动持续下去会导致基本面的变化；而统计套利的投资者则会面临两种选择，如果相信趋势会持续，就会跟着做趋势，如果判断为某种噪音或扰动，很快会回到均衡，就会做反向。每一个决策都取决于各自的量化模型。 基本面量化依赖于主观增强 量化投资需要强大的平台支持，包括强大的技术系统、风控系统和交易系统（你了解的没错，三年磨砺，博道投资已经拥有业内领先的量化管理平台）。 但它同样需要强大的宏观、中观、微观的研究能力。这既包括强大的宏观经济前瞻能力；也包括对公司基本面的敏感性。A股市场有3000多只股票，对量化投资而言具备足够的投资宽度及行业厚度，而随着供应商的数据质量逐年提升，识别上市公司财务数据可靠性的手段也越来越多，这都为寻找丰富的投资因子提供了肥沃的土壤。因子的重要性就好比做菜时的原料。原料的新鲜和丰富程度当然会对菜品口味有重大影响。类似的，在量化投资中，是否拥有大量的高质量的投资因子，对于业绩有极大的影响力。 基本面的量化，跟市场面因子相比，最大的差异是聚焦于企业的长期收入和利润，需要进行主观决策和风险管理，因此，重要的事情再说一遍，它需要基金经理的经验、判断和对市场的理解。 唯一不同的只是，它用的是量化的工具，所执行的是量化投资的流程。这让拥有多策略研究平台的专业机构具备先天优势。 结论： 大数据时代来临，未来的投资趋势更倾向于“量化基本面分析法”，叠加市场的“非有效性行为”，这样的方法可能更合适中国市场。数据爆炸的时代，要借助像大数据和自然语言处理这样的工具去帮助投资经理处理更多信息，最后得出决策指导投资。所以，知道吗？懂量化（首先是合格的量化分析师）、会编程（至少能和金融工程师有效沟通）、能社交（善于沟通取得有效数据）——这才是量化投资经理的未来。 |
豫公网安备 41010502005136号
豫ICP备16010300号
说点什么...