京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代量化投资大有可为
5月25日,由中国证券投资基金业协会和上海陆家嘴管委会联合举办的量化对冲论坛在陆家嘴金融城举办,来自公私募一线的量化投资人围绕国际量化对冲的新趋势、国内量化对冲行业的规范发展等话题展开了讨论。与会嘉宾表示,大数据和互联网技术的发展将推动量化投资在资管行业大有可为,量化对冲基金也是市场重要的长期资金来源,建议能够松绑对股指期货的投资限制,给予政策的正向激励。
信息爆炸赋予量化用武之地
富善投资总经理兼投资总监林成栋表示,量化和大数据在投资中已然崛起,根本原因是大数据时代信息的爆炸和计算效率的提高导致成本的下降,从而支撑起大量创新的投资方法。比如利用网络数据支撑新的财务模型从而来获得更有效的投资决策,利用第三方网站和移动APP公司的数据可以帮助投资公司更高效和精准地从短期和长期等角度来判断目标公司的趋势。
他进一步表示,未来量化方法将从主动管理(获取绝对收益、超额收益)领域渗透至被动管理(Smart beta)、资产组合配置领域(FOF)、机器人投顾等各个层面。投资标的方面量化方法将由股票期货类扩展至固定收益类资产(利率和信用债券)甚至相关场外衍生品(CDS、MBS等)。围绕量化方法开发新的投资产品或投资标的成为一个非常有潜力的发展方向。
南方基金数量化投资部总监刘治平也具体分析,大数据时代量化投资的逻辑性在于,中国A股有近2700个上市公司,2015年有1139只个股其收益率超出全A指数30%以上,深度调研的主动投资管理组合一般管理30—50只股票,主动选股难度大大增加;移动互联网时代每天股吧、微博 、微信等信息铺天盖地,人类过去4年信息的积累量等同于之前的总量,信息大爆炸大大增加了主动处理信息的难度;此外,受内幕交易打击的影响,基金经理调研公司可以得到的信息越来越有限。因此,靠市场广度获取超额收益的投资方法将会有更好的市场份额上升机会。
他表示,量化对冲投资在当前的政策环境中受到了一定限制,但量化多头策略拥有广阔的发展空间。中国公募量化基金占比和发达国家相比,还非常小,除了量化对冲产品被机构广泛接受之外,机构投资者在灵活配置权益类上几乎没有任何配置给量化投资管理人,这与量化基金的业绩表现并不匹配。
量化对冲基金带来长期资金
博道投资董事长莫泰山则从另一个视角提出,量化对冲基金是市场重要的长期资金来源,对资本市场能够产生积极作用。量化对冲基金可基本回避市场波动的影响,收益来源于模型驱动的阿尔法,收益区间稳定、可预期,呈现出穿越牛熊的稳健风格。这种产品特性决定了其必须长期、持续投资于股票市场,必须精选优质的“胜者”型上市公司进行投资,客观上发挥了优胜劣汰的作用,是市场的重要稳定力量。
林成栋也表示,相信在中国资本市场发展的剧目中,未来量化投资的发展会是个关键的角色。量化投资会像一个高目筛,筛选二级市场的参与者,降低中国市场的散户力量,提升机构投资者的力量,平衡机构和散户比例,促进中国资本市场的长期健康发展。
在去年市场异常波动、股指期货投资收紧之后,量化对冲产品的运作受到了一定的影响。实际操作中,部分产品采取了补充新策略、寻找替代性的对冲工具如海外市场期货、增加风险敞口等措施,部分产品则选择了离场观望。
莫泰山特别建言,在加强监管的同时,尽快解除对股指期货的投资限制,站在引入长期投资资金的高度,对长期稳健投资于资本市场的量化对冲基金,给予政策的正向激励。他估算认为,如果政策能够得以松绑,预计现有量化对冲产品的“复活”能够为市场带来2000亿-3000亿的资金规模。与此同时,在当下的市场环境下,大量资金面临投资压力,收益稳健的量化对冲基金的吸引力凸显,除了现有产品之外,短期还可以再吸引2000亿—3000亿的资金。长期而言,则预计能有1万亿元左右的资金流入。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24