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
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09